基于多粒度视频信息和注意力机制的视频场景识别

视频场景识别是机器学习和计算机视觉一个重要的研究领域.但是当前对于视频场景识别的探索工作还远远不够,而且目前提出的模型大都使用视频级的特征信息,忽略了多粒度的视频特征关联.本文提出了一种基于多粒度的视频特征的注意力机制的模型架构,可以动态高效的利用各维度视频信息之间存在的丰富的语义关联,提高识别准确度.本文在中国多媒体大会（CCF ChinaMM 2019）最新推出的VideoNet数据集上进行了实验,实验结果表明基于多粒度的视频特征的注意力机制的模型与传统方法相比具有明显的优越性.     

基于粒计算的复杂数据多粒度主曲线提取算法

传统的主曲线算法已被广泛应用到很多领域,但在复杂数据的主曲线提取上效果不佳,而有效的融合粒计算与主曲线学习算法是解决该类问题最有效的途径之一。为此,本文提出了基于粒计算的复杂数据多粒度主曲线提取算法。首先,利用基于t最近邻（T-nearest-neighbors, TNN）的谱聚类算法对数据进行粒化,提出拐点估计方法来自动确定粒的个数;然后调用软K段主曲线算法对每个粒进行局部主曲线提取,并提出通过消除假边来优化每个粒的主曲线提取过程;最后采用局部到全局的策略进行多粒度主曲线提取,并对过拟合线段进行优化,最终形成一条能较好描述数据原始分布形态的主曲线。实验结果表明该算法是一种行之有效的多粒度主曲线提取算法。     

基于多粒度二元语义模型的瓷乐器感官评估系统

感官评估以其直接、易得和与消费者紧密相关等优点,在食品、化妆品、包装、汽车、茶叶、酒、烟草和纺织品行业中有不少应用。本文针对景德镇瓷乐器的自身特点,选取音量、音色、音质、发音灵敏度、声音的均衡度、延音长短、光洁度、规整度、装饰效果等指标作为影响瓷乐器质量的主要感官指标,采用多粒度二元语义模型和OWA算子对专家的评估数据进行集结处理,能够有效避免信息的损失和集结结果的不精确性,该方法具有计算简单和语言信息集结结果准确等特点。     

GELS技术在光交换以太网中的应用(本期优秀论文)

具有层次化分割思想的运营商骨干网传输(PBT)技术,实现了数据平台和控制平台的分离.为了解决PBT缺乏完善的控制、管理等相关功能的不足,探讨了将GMPLS Ethernet Label Switching(GELS)技术应用至光交换以太网的设想,提出了GELS在PBT中应用的初步方案.     

开放式环境下支持协作设计的并发控制机制的研究

针对现有的分布式并发控制机制存在的缺陷,提出一种适合开放式环境下协作设计事务的并发控制机制。该机制将只读事务和更新事务区分开来,只读事务在执行时遵守多版本时间戳排序协议,而更新事务的执行将按基于两阶段有序相容性封锁的多粒度封锁协议进行。这样不仅使用户可以快速得到查询结果,而且有效提高了协作设计事务的并发度。实验分析表明,该机制比较适合于开放式的协同设计环境。     

Model-based Crowd Behaviours in Human-solution Space

Realistic crowd simulation has been pursued for decades, but it still necessitates tedious human labour and a lot of trial and error. The majority of currently used crowd modelling is either empirical (model-based) or data-driven (model-free). Model-based methods cannot fit observed data precisely, whereas model-free methods are limited by the availability/quality of data and are uninterpretable. In this paper, we aim at taking advantage of both model-based and data-driven approaches. In order to accomplish this, we propose a new simulation framework built on a physics-based model that is designed to be data-friendly. Both the general prior knowledge about crowds encoded by the physics-based model and the specific real-world crowd data at hand jointly influence the system dynamics. With a multi-granularity physics-based model, the framework combines microscopic and macroscopic motion control. Each simulation step is formulated as an energy optimization problem, where the minimizer is the desired crowd behaviour. In contrast to traditional optimization-based methods which seek the theoretical minimizer, we designed an acceleration-aware data-driven scheme to compute the minimizer from real-world data in order to achieve higher realism by parameterizing both velocity and acceleration. Experiments demonstrate that our method can produce crowd animations that are more realistically behaved in a variety of scales and scenarios when compared to the earlier methods.     

基于多粒度注意力网络的知识超图链接预测

在知识图谱中进行链接预测是图谱补全的有效方法,可以有效地改善知识图谱的数据质量.然而,现实生活中的关系往往是多元的,这些包含多元关系的知识图谱可称为知识超图(knowledgehypergraph,KHG).然而,现有的知识超图链接预测模型忽略了多元关系的平等性(多元关系中实体不存在先后关系)与整体性(多元关系缺少一个实体则不成立).针对以上问题,首先提出了一种知识超图多元关系表示模型,可以直接建模知识超图中的多元关系;然后研究了一种基于多粒度神经网络的链接预测方法(hyperedgepredictionbasedonmulti-granular attentionnetwork,HPMG).该模型将关系划分为多重粒度进行学习,从不同粒度联合完成知识超图的学习和预测,充分考虑了知识超图中不同维度多元关系的整体性.接下来,针对HPMG特征融合不充分的问题,提出了基于多粒度注意力网络的知识超图链接预测方法 HPMG+,结合全局和局部注意力,实现了不同特征的有区分融合,进一步提高了模型的性能.最后,真实数据集上的大量实验结果验证了所提方法的效果显著地优于所有基线方法.     

多粒度信息关系增强的多标签文本分类

基于深度学习的多标签文本分类方法存在两个主要缺陷:缺乏对文本信息多粒度的学习,以及对标签间约束性关系的利用.针对这些问题,提出一种多粒度信息关系增强的多标签文本分类方法.首先,通过联合嵌入的方式将文本与标签嵌入到同一空间,并利用BERT预训练模型获得文本和标签的隐向量特征表示.然后,构建3个多粒度信息关系增强模块:文档级信息浅层标签注意力分类模块、词级信息深层标签注意力分类模块和标签约束性关系匹配辅助模块.其中,前两个模块针对共享特征表示进行多粒度学习:文档级文本信息与标签信息浅层交互学习,以及词级文本信息与标签信息深层交互学习.辅助模块通过学习标签间关系来提升分类性能.最后,所提方法在3个代表性数据集上,与当前主流的多标签文本分类算法进行了比较.结果表明,在主要指标Micro-F1、MacroF1、nDCG@k、P@k上均达到了最佳效果.     

基于粒计算的多源信息融合方法综述

多源数据是一种综合多个信息源或数据集的复杂数据类型,其主要特点是不同的信息源隐含不同的知识结构,且从不同的角度刻画和描述了样本以及样本之间的关系。如何协同地融合与集成多源数据,并从不同视角快速地为用户挖掘出整体决策知识,成为数据科学领域亟待破解的科学问题。经典粗糙集理论、多粒度方法、证据理论和信息熵是常见的、有效的多源信息融合方法,已取得较为丰硕的成果。本文基于粒计算的角度对多源信息融合工作进行综述研究,介绍了每种信息融合方法的基本概念以及主要研究思路,并提出了多源信息融合领域中存在的若干问题,为该领域的后续研究提供理论参考。     

基于MGLRU的IP流统计算法

针对最近最久未使用(LRU)算法在高速网络中大流漏判率高的缺陷,提出一种基于多粒度最近最久未使用检测算法。该算法采用分层多粒度压缩计数机制对高速网络数据抽样,提高对长流的识别精度。基于实际的互联网数据进行仿真实验,结果表明,在给定条件下,该方法的内存占用量为LRU算法的50%,测量误差仅为LRU算法的10%。