一种基于动态角色标识和张量分解的推荐模型

社交网络推荐中,通常未依据用户兴趣变化进行用户角色动态标注,会造成推荐预测误差,并且用户评分数据稀疏造成评分预测不准确.根据以上问题,本文提出一种基于动态角色标识和张量分解的推荐模型.首先,针对用户角色无差别标识问题,引入信息熵指标度量用户兴趣多样性,对目标用户进行角色定量标识.其次,考虑到用户兴趣漂移现象,提出基于时间窗的动态角色标识方式,解决静态角色标识产生的个体评分数据无偏好差异问题,实现用户评分数据层次化处理.最后,为提高评分预测准确率,通过引入张量分解在数据维度转换和数据压缩的特性,构建基于"用户-项目-角色"张量分解的评分预测模型.同时,在张量分解的过程中,通过对数据缺失值处理,提高评分预测精度,生成目标用户推荐列表.实验表明,该方法缓解了用户无角色差异形成的预测误差问题,并能够有效改善评分数据稀疏情况下传统方法推荐精度不足的问题,提高推荐效率.     

基于语义关系图的跨模态张量融合网络的图像文本检索

跨模态图像文本检索的难点是如何有效地学习图像和文本间的语义相关性。现有的大多数方法都是学习图像区域特征和文本特征的全局语义相关性或模态间对象间的局部语义相关性,而忽略了模态内对象之间的关系和模态间对象关系的关联。针对上述问题,提出了一种基于语义关系图的跨模态张量融合网络（CMTFN-SRG）的图像文本检索方法。首先,采用图卷积网络（GCN）学习图像区域间的关系并使用双向门控循环单元（Bi-GRU）构建文本单词间的关系;然后,将所学习到的图像区域和文本单词间的语义关系图通过张量融合网络进行匹配以学习两种不同模态数据间的细粒度语义关联;同时,采用门控循环单元（GRU）学习图像的全局特征,并将图像和文本的全局特征进行匹配以捕获模态间的全局语义相关性。将所提方法在Flickr30K和MS-COCO两个基准数据集上与多模态交叉注意力（MMCA）方法进行了对比分析。实验结果表明,所提方法在Flickr30K测试集、MS-COCO1K测试集以及MS-COCO5K测试集上文本检索图像任务的Recall@1分别提升了2.6%、9.0%和4.1%,召回率均值（mR）分别提升了0.4、1.3和0.1个百分点,可见该方法能有效提升图像文本检索的精度。     

利用张量投票的机载LiDAR点云道路骨架线提取

针对机载LiDAR数据中道路骨架线检测存在的噪声干扰问题,结合道路多层特征显著性,提出了一种基于道路最大宽度快速确定最小尺度因子的张量投票道路骨架线提取方法。将预处理后三维道路点云转化成二维强度图像,最小尺度因子参与图像球张量投票,利用极性特征分割道路边缘点;为了进一步增强道路线状特征,利用新的最小尺度因子再次进行球张量投票和棒张量投票,填补道路空洞,顺滑道路边界;细化处理获取道路骨架线。与数学形态学方法相比,该方法在噪声背景的道路数据中提取的道路线精度更高。     

广义逆张量Padé逼近的连分式递推算法

张量指数函数已经广泛应用于控制论、图像处理和各个工程领域.鉴于此,在矩阵广义逆的基础上,首次在张量内积空间上定义一种有效的张量广义逆,从而构造张量Padé逼近的一种连分式算法.利用张量t-积成功计算张量的幂,由此递推地给出张量指数函数的幂级数展开式.在前面两个工作的基础上,利用设计的连分式算法逼近张量指数函数,其特点在于,该算法可以编程实现递推计算,而且在计算过程中不必计算张量的乘积,也不必计算张量的逆.给出的两个张量指数函数的数值实验表明,将连分式算法与目前通常使用的截断法进行比较,在不降低逼近阶的条件下,所提出算法是有效的.如果张量的维数较大,基于张量广义逆的连分式算法仍然具有一定优势.     

基于贝叶斯张量分解的改进QoS预测

随着Web服务相关标准和技术的日趋成熟,基于服务质量（QoS）的Web服务推荐对用户体验起着决定性作用。如何准确预测Qos值是当今的研究热点。以往基于近邻或模型的协同过滤算法,采用的是“用户-服务”二维信息,预测的QoS值是静态的且精准性不高。将时间信息维度引入张量模型,建立“用户-服务-时间”的三维张量可使QoS预测值更加符合用户需求特点,用贝叶斯方法求解张量分解,引入概率意义下对于系统的解释和分析,提供一套先验概率引入先验知识的贝叶斯推断框架,提高了QoS预测的精确度。实验表明,使用该算法的预测结果较其他算法相比较有更小的平均绝对误差,很好地解决了数据稀疏度问题。     

基于扩展结构相似性的特征匹配方法

传统特征匹配的相似性度量方法多假定特征为直方图形式,结构单一。结构相似性(SSIM)度量在图像质量评价领域表现良好,但其鲁棒性较差。针对上述问题,提出一种扩展结构相似性度量方法。从空间网格提取特征阵列的三阶张量结构丰富特征信息,以加和形式修改SSIM度量,并引入权值,将张量特征结构用于相似性度量,建立高鲁棒性的相似性度量方法。提供点积形式的显性特征映射,以加快相似性度量速度。对关键点匹配和图像检测任务进行实验,结果表明,与传统相似性度量方法相比,该方法具有鲁棒性更强的匹配效果,并且计算效率有较大提高。     

基于冲突度和协同过滤的移动用户界面模式推荐

移动用户界面模式能够有效地提高移动界面开发的效率和质量。针对现有界面模式检索方法的检索结果不能满足界面开发需求的问题,提出一种基于冲突度和协同过滤的移动用户界面模式推荐方法。首先,根据移动界面的开发需求,使用模糊C均值聚类算法缩小界面模式的查找范围;然后,利用界面模式的历史评分和冲突度,构建了两个张量模型,并利用基于Hamiltonian蒙特卡洛的张量分解方法实现张量模型的重构;最后,通过线性方法得到推荐的界面模式。实验结果表明,与现有的检索方法相比,该推荐方法能够更好地帮助开发人员查找界面模式。     

基于张量奇异值分解的动态核磁共振图像重建

本文为了改善动态MR图像重建质量,提出了一种结合张量奇异值分解和全变分稀疏模型(TV)的动态核磁共振图像重建算法。算法对动态MR图像进行了低秩约束规范和稀疏约束规范,分别使用了张量奇异值分解阈值方法和全变分稀疏变化基方法求解。实验结果和重建视觉效果表明,在相同采样率下本文算法与单独使用全变分方法,k-t SLR方法,单独使用张量奇异值分解方法相比重建质量更优,在峰值信噪比(PSNR),均方差(MSE)和结构相似性度量(SSIM)的评价指标上有所提高,对图像去噪去模糊重建有具体的应用价值。     

扩散磁共振图像的神经纤维追踪算法研究综述

扩散磁共振成像是目前唯一非侵入性研究脑神经纤维束微结构的技术,神经纤维追踪技术是显示神经纤维的关键步骤.本文综述了两大类的神经纤维追踪算法的研究进展,即：局部型追踪方法和全局型追踪方法,阐明各个追踪算法的优点以及存在的局限性,然后在此基础上介绍了在神经纤维追踪过程中能做出优化的具体方面,包括局部纤维方向建模、张量插值、种子点的选取、传播方向以及终止准则等,最后对神经纤维追踪算法的未来发展趋势进行展望.