基于双线性池化的实蝇分类注意力网络

实蝇是国内外备受关注的检疫害虫,种类繁多。不同种类的实蝇外形大小相似,不易鉴别。此外,在实际应用中,鉴别实蝇的可用信息会受遮挡、视角、光影变幻等因素影响,导致实蝇自动识别工作难以进行。提出基于双线性池化的实蝇分类注意力网络,用于学习有效的实蝇鉴别特征。该网络由显著性特征模块和跨层双线性模块两个部分组成：显著性特征模块通过对不同卷积层进行滤波增强处理,实现特征增强;跨层双线性模块基于双线性池化融合特征,确定注意部位,挖掘判别特征。在具有自然环境背景的实蝇数据集上进行的实验表明,该方法效果较好,具有良好的实际应用前景。     

基于层次分析法的本体映射

运用层次分析法来解决相似度计算中的权值分配问题。它将影响相似度计算的各个因素划分成相关联的有序层次,通过判断矩阵的建立、权值计算和一致性检验得到结果。该方法将定性分析和定量分析相结合,综合考虑不同属性对于概念含义影响程度的差别,有效地减小了使用等权算法或者是人为确定权值所产生的计算误差,使权值的分配更科学,提高了相似度计算的准确度。