刘小明
- 作品数：18 被引量：51H指数：4
- 供职机构：中原工学院计算机学院更多>>
- 发文基金：河南省科技攻关计划国家自然科学基金河南省教育厅科学技术研究重点项目更多>>
- 相关领域：自动化与计算机技术文化科学医药卫生更多>>
- 视觉—语义双重解纠缠的广义零样本学习
- 2023年
- 目的传统的零样本学习(zero-shot learning,ZSL)旨在依据可见类别的数据和相关辅助信息对未见类别的数据进行预测分类,而广义零样本学习(generalized zero-shot learning,GZSL)中分类的类别既可能属于可见类也可能属于不可见类,这更符合现实的应用场景。基于生成模型的广义零样本学习的原始特征和生成特征不一定编码共享属性所指的语义相关信息,这样会导致模型倾向于可见类,并且分类时忽略了语义信息中与特征相关的有用信息。为了分解出相关的视觉特征和语义信息,提出了视觉—语义双重解纠缠框架。方法首先,使用条件变分自编码器为不可见类生成视觉特征,再通过一个特征解纠缠模块将其分解为语义一致性和语义无关特征。然后,设计了一个语义解纠缠模块将语义信息分解为特征相关和特征无关的语义。其中,利用总相关惩罚来保证分解出来的两个分量之间的独立性,特征解纠缠模块通过关系网络来衡量分解的语义一致性,语义解纠缠模块通过跨模态交叉重构来保证分解的特征相关性。最后,使用两个解纠缠模块分离出来的语义一致性特征和特征相关语义信息联合学习一个广义零样本学习分类器。结果实验在4个广义零样本学习公开数据集AWA2(animals with attributes2)、CUB(caltech-ucsd birds-200-2011)、SUN(SUN attribute)和FLO(Oxford flowers)上取得了比Baseline更好的结果,调和平均值在AwA2、CUB、SUN和FLO上分别提升了1.6%、3.2%、6.2%和1.5%。结论在广义零样本学习分类中,本文提出的视觉—语义双重解纠缠方法经实验证明比基准方法取得了更好的性能,并且优于大多现有的相关方法。
- 韩阿友杨关刘小明刘小明
- 融合多种情感资源的微博情感分类研究
- 为了通过融合多种情感资源库中的词汇情感特征采提高微博情感分类精度,提出了一种词汇情感确定性度量的计算方法,并以此为基础将在多种情感词汇上获取的情感特征融合为词汇的综合情感特征,然后采用机器学习的分类方法实现微博观点句识别...
- 顾益军刘小明
- 关键词：情感分类
- 文献传递
- 软件工程专业学生工程能力培养方法的探索与实践被引量：1
- 2014年
- 针对软件工程专业人才工程能力培养的目标,文章从实验、课程设计、实训和实习等教学环节构建实践课程体系,并进一步讨论了软件工程人才工程能力培养的质量保障条件,最后进行了总结,实践证明该方法是切实可行的。
- 樊银亭刘小明
- 关键词：软件工程实践教学课程体系
- 融合多种情感资源的微博情感分类研究被引量：5
- 2015年
- 为了通过融合多种情感资源库中的词汇情感特征来提高微博情感分类精度,提出了一种词汇情感确定性度量的计算方法,并以此为基础将在多种情感词汇上获取的情感特征融合为词汇的综合情感特征,然后采用机器学习的分类方法实现微博观点句识别和观点句情感倾向性判定。实验表明,本方法利用词汇的情感确定性度量,统一了词汇情感倾向性的强度度量,在观点句识别和观点句情感倾向性判定两个情感分类任务中都取得了较好的性能。
- 顾益军刘小明
- 关键词：情感分类
- 研究生创新能力提升策略研究与实践——以人工智能方向为例
- 2021年
- 人工智能技术的快速发展对社会产生了广泛而深刻的影响,其核心支撑就是专业人才。针对研究生教育中存在的问题,从研究生培养规律的探索出发,树立了新的人工智能方向研究生教育理念,创新优化了研究生培养体系。将新的培养模式运用于实际教学,强化学科交叉和产学研融合,有效提升了人工智能方向研究生的科研创新能力,促进了高校人工智能学科的建设,从而更好地为河南省社会与经济发展提供智力支持和技术支撑。
- 杨关蔡哲吴婷刘小明崔岩单芳芳崔卫丽
- 关键词：研究生培养人工智能
- 多层结构化语义知识增强的跨领域命名实体识别
- 2023年
- 跨域命名实体识别旨在缓解目标领域标注数据不足的问题.现有方法通常利用特征表示或者模型参数的共享来实现实体识别能力的跨领域迁移,但对文本序列中结构化知识的充分利用仍有所欠缺.基于此,提出了基于多层结构化语义知识增强的跨领域命名实体识别(multi-level structured semantic knowledge enhanced cross-domain named entity recognition,MSKE-CDNER)模型,即通过在多个层级实现对源领域和目标领域文本各自蕴含的结构化表示的对齐来促进实体识别能力跨领域迁移.首先,MSKE-CDNER利用结构特征表示层从不同领域中获取文本的结构化语义知识表示;然后,将获得的结构化语义知识表示通过潜层对齐模块在对应的层级进行结构化对齐,获取结构化的跨领域不变知识,从而提高模型对文本结构化知识的利用;此外,将域不变知识与特定域知识融合,进一步增强模型的泛化能力;最后,分别在5个英文数据集和特定的跨域命名实体识别数据集上进行实验.结果显示,对比当前跨域模型,MSKE-CDNER的平均性能提高了0.43%和1.47%,表明利用特征表示中的结构化知识可以有效提高目标领域的实体识别能力.
- 张文韩刘小明杨关杨关
- 关键词：结构化知识
- 集产学研一体的“JavaEE”实践教学探索被引量：4
- 2016年
- 为提升计算机及相关专业高年级和研究生在工程实践与科学研究方面的综合能力,提出一种将企业工程开发实践与具有较高理论层次科研项目相结合的Java EE教学方案,并应用于"Java EE"课程的教学改革与实践。在实验室承担的"互联网舆情分析与导控综合服务平台"项目的建设过程中,学生不仅锻炼并提高了工程实践能力,而且奠定了一定的科学研究的基础,实现了产学研的三方面综合能力的提高,取得了较好的教学效果。
- 刘小明许进忠樊银亭
- 关键词：JAVAEE教学改革工程实践
- 基于跨模态多维关系增强的多模态模型研究
- 2023年
- 针对当前多模态模型不能充分挖掘图像中非显著区域的空间关系和上下文间的语义关系,导致多模态关系推理效果不佳的问题,提出了一个基于跨模态多维关系增强的多模态模型(multi-dimensional relationship enhancement model,MRE),用于提取潜层结构下图像各要素之间的空间关系信息,并推理出视觉—语言间的语义相关性。设计了特征多样性模块用于挖掘图像中与显著区域相关的次显著区域特征,从而增强图像空间关系特征表示。同时设计了上下文引导注意模块来引导模型学习语言上下文在图像中的关系,实现跨模态关系对齐。在MSCOCO数据集上的实验表明所提模型获得了更好的性能,其中BLEU-4和CIDEr分数分别提升了0.5%和1.3%。将这种方法应用到视觉问答任务中,在VQA 2.0数据集上性能得到了0.62%的提升,证明了该方法在多模态任务方面的广泛适用性。
- 成曦杨关刘小明刘阳
- 关键词：图像描述
- 基于自适应特征融合与转换的小样本图像分类
- 2022年
- 小样本学习中数据采样不断变化的特点使得模型特征提取不充分,同时,模型对提取的特征也难以进行相应操作;数据分布的变化也影响着小样本模型的性能。针对这些问题,提出一种基于自适应加权多路分支小样本图像分类模型。多路特征处理模块对输入数据进行特征提取和融合,以便充分利用少量数据;自适应的支路权重使得特征信号随特征进行相应的放缩;特征转换模块对多变的数据分布进行适应性变化,以便更好地聚合同类,提高分类效果。通过使用Caltech-UCSD Birds-200-2011数据集和mini-ImageNet数据集,对所提模型在不同场景下进行分类效果测试。实验结果表明,所提模型在5-Way 1-Shot和5-Way 5-Shot任务中的准确率分别比baseline相比分别提升9.81、8.16个百分点和9.16、9.21个百分点,验证了模型的有效性。
- 许栋杨关刘小明刘小明刘济宗陈静郭清宇
- 关键词：图像分类
- 人工智能在心血管疾病诊断及风险预测中的研究进展被引量：16
- 2020年
- 随着电子病历系统及医学影像技术在医院的广泛应用,如何分析各种医疗设备产生的海量医学数据仍然是当前研究热点之一。由于医学数据集的数量,高维性和异构性,使得人为驱动的分析变得不切实际。基于机器学习算法的人工智能特别适合应对"大数据"的挑战。心血管病是由遗传、环境和行为学多因素共同作用造成的,机器学习算法可以通过全面整合患者心血管病的危险因素和冠脉解剖影像参数,优化传统的风险评估模型,从而更加精准地预测病情的发展及预后,为患者后续治疗提供精准决策支持。本文主要对人工智能在心血管病中的应用进行综述。
- 魏珂司春婴王贺刘小明关怀敏
- 关键词：人工智能心血管病
