模式識別與人工智能最新期刊目錄

基于角色的自適應參數共享方法————作者：方寶富;王瓊;王浩;王在俊;

摘要：在大規模異構多智能體強化學習中，參數共享常用于減少訓練參數并加速訓練過程，但傳統完全參數共享方法容易導致智能體行為過度一致，而獨立參數訓練方法卻受到計算復雜度和內存限制.因此，文中提出基于角色的自適應參數共享方法(Role-Based Adaptive Parameter Sharing Method, RAPS).首先，根據智能體的任務特性進行角色分組.然后，在同一網絡結構下，結合非結構化網絡剪...

基于視覺-語言模型的小樣本深度偽造人臉檢測方法————作者：楊宏宇;李星航;成翔;胡澤;

摘要：針對現有深度偽造人臉檢測方法在模型復雜性、樣本量需求和應對新型深度偽造技術上的局限，提出基于視覺-語言模型的小樣本深度偽造人臉檢測方法(Few-Shot Deepfake Face Detection Method Based on Visual-Language Model, FDFD-VLM).基于CLIP(Contrastive Language-Image Pre-training),通過...

基于模糊純度粒球的粗糙集模型————作者：王馨;黃兵;

摘要：粒球鄰域粗糙集(Granular Ball Neighborhood Rough Set, GBNRS)作為一種經典的屬性約簡方法，要求粒球的純度嚴格為1,在類邊界處會產生大量樣本數為1的粒球.這些粒球通常被誤判為離群點并剔除，導致類邊界信息的丟失.為了解決此問題.文中首先定義模糊純度函數，融合隸屬度與類別標簽，作為粒球質量的評價指標.此函數基于動態質量評估和優化策略，綜合考慮數據點的隸屬度、數據...

基于不同學習范式的深度圖聚類方法綜述————作者：周麗娟;吳夢琪;李欣冉;牛常勇;

摘要：圖聚類方法旨在使用無監督方式將圖節點劃分到不同類別中，用于發現復雜系統中的隱藏模式、社區結構和組織關系.現有方法通過不同的學習范式構建自監督模式，指導圖表示學習并實現聚類，因此學習范式是圖聚類方法的關鍵，但現有綜述少有從學習范式的角度討論圖聚類方法.因此，文中基于不同學習范式總結圖聚類方法的研究進展，將圖聚類方法分類為重構式圖聚類、對比式圖聚類、對抗式圖聚類和混合式圖聚類.基于研究范圍和聚類效果，...

基于代理智能的平行廚師：從AI Agents到智慧數字機器人飲食系統————作者：李柏;宋秭函;李鑫源;黃峻;田永林;殷燭炎;王飛躍;

摘要：隨著大語言模型技術的高速發展，對話式AI已取得顯著進展，但在更復雜任務執行與決策層面仍顯局限.為此，代理智能因致力于突破大語言模型僅限信息處理的瓶頸而日益受到關注.文中提出基于代理智能技術的平行廚師智能烹飪系統，提供從菜品決策到烹飪執行的全流程智能化方案.系統綜合利用用戶健康數據、病史與飲食偏好，實現個性化的菜譜設計與烹飪控制.基于DeepSeek構建多智能體，從烹飪文獻提煉專業問答，對大語言模型...

基于融合曲線的零樣本紅外與可見光圖像融合方法————作者：劉鐸;張國印;史一岐;田野;張立國;

摘要：針對紅外與可見光圖像融合中的顏色失真和熱目標細節丟失問題，提出基于融合曲線的零樣本紅外與可見光圖像融合方法(Zero-Shot Infrared and Visible Image Fusion Based on Fusion Curve, ZSFuCu).首先，將融合任務轉化為基于深度網絡的圖像特定曲線估計過程，通過像素級非線性映射實現熱目標紋理的增強與色彩特征的保留.然后，設計多維度視覺感知損...

諧波校正與泛化的穩態視覺誘發電位檢測算法————作者：呂言豪;羅天健;

摘要：穩態視覺誘發電位(Steady-State Visual Evoked Potential, SSVEP)被廣泛應用于設計高信息傳輸率(Information Transfer Rate, ITR)的腦機接口.現有SSVEP檢測算法通過計算最優空間濾波器，抑制非SSVEP成分的同時提高SSVEP成分的信噪比，但嚴重依賴訓練樣本的質量，早期會出現性能衰減.為了突破該瓶頸，文中提出諧波校正與泛化的穩態...

基于全局-局部先驗和紋理細節關注的圖像修復————作者：徐祺津;葉海良;曹飛龍;梁吉業;

摘要：圖像修復旨在利用周圍信息填充圖像中的缺失區域，然而現有基于先驗的方法大多難以兼顧全局語義一致性和局部紋理細節.因此，文中提出基于全局-局部先驗和紋理細節關注的圖像修復方法，結合小波卷積與傅里葉卷積，構造小波-傅里葉卷積塊，增強局部特征和全局特征的交互.在此基礎上，提出全局-局部學習式先驗，通過一個由小波-傅里葉卷積塊構成的先驗提取器，同時學習全局先驗和局部先驗.該先驗提取器作用于受損圖像和完整圖像...

耦合映射的非等距三維模型簇對應關系計算————作者：楊軍;薛又中;

摘要：針對現有非等距模型簇對應關系計算方法準確率較低且泛化能力較差的問題，文中提出耦合映射的非等距三維模型簇對應關系計算方法.首先，使用DiffusionNet直接從三維模型中提取初始特征，獲取具有鑒別能力的特征描述符.然后，使用描述符分別計算函數映射矩陣與逐點映射矩陣，并對兩種矩陣分別施加結構正則化約束與執行Softmax歸一化，得到最優耦合映射矩陣.最后，基于虛擬模板的模型簇匹配模塊以模型初始特征作...

基于語義的小樣本學習原型優化方法————作者：劉媛媛;邵明文;張黎旭;邵浚;

摘要：語義信息可為小樣本學習提供豐富的先驗知識，然而，現有的小樣本研究只在淺層結合圖像與語義，無法充分利用語義探索類別特征，從而限制模型性能.為了緩解此問題，文中提出基于語義的小樣本學習原型優化方法.首先，設計逐通道級語義提示模塊，引導方法提取視覺特征，逐步優化類原型.然后，設計多模態邊界損失，將視覺和語義維度上的類間相關性與損失函數結合，約束方法增強類原型的區分性.最后，通過兩階段微調，充分利用語義知...

基于網絡形式背景的雙層網絡傳染病模型————作者：范敏;陳瑞;李金海;

摘要：雙層網絡傳染病模型已成為復雜網絡動力學中的熱點問題之一.然而，現有研究忽略防疫意識和行為對傳染病傳播的影響，在遇到個體防疫行為差異較大時，難以反映實際的傳染病傳播情況.因此，文中從行為模式識別的角度出發，結合形式概念分析與微觀馬爾可夫鏈方法(Microscopic Markov Chain Approach, MMCA),提出基于網絡形式背景的雙層網絡傳染病模型.首先，定義雙層網絡形式背景、網絡概...

基于知識蒸餾與動態區域細化的人體姿態估計————作者：魏龍生;付興朋;李唐強;黃浩宇;

摘要：人體姿態估計方法分為基于坐標回歸的方法和基于熱圖的方法.基于坐標回歸的方法推理速度較快但精度較差，基于熱圖的方法可精確定位，但計算量和存儲開銷較大.因此，文中通過知識蒸餾，結合兩種方法，提出基于知識蒸餾與動態區域細化的人體姿態估計方法.首先，在特征蒸餾與姿態蒸餾兩方面將熱圖模型的信息傳遞給回歸模型.然后，對經過多層Transformer提取的特征進行選擇，在粗略化階段根據提取的特征生成初步姿態估計...

海森輔助的概率策略梯度方法————作者：胡磊;李永強;馮宇;馮遠靜;

摘要：強化學習中的策略梯度方法因其通用性而廣泛應用于連續決策問題，但高梯度方差導致的低樣本利用率始終制約其實際應用性能.文中提出海森輔助的概率策略梯度方法(Hessian Aided Probabilistic Policy Gradient Method, HAPPG),在PAGE(Probabilistic Gradient Estimator)的基礎上設計雙模態梯度估計機制：在大批量估計中增加歷史...

第二十七屆中國科協年會“模式識別與人工智能前沿研討”專題征稿通知

摘要：<正>為著力打造中國科技界示范學術品牌,涵養學術生態,服務高水平科技自立自強,中國科協組織全國學會聯合國家戰略科技力量,圍繞“培育新質生產力,服務高水平科技自立自強”主題,組織開展第二十七屆中國科協年會系列學術活動。中國自動化學會將于2025年7月在北京承辦“模式識別與人工智能前沿研討”專題論壇,匯聚全球頂尖專家學者,共探模式識別與人工智能前沿科技與發展趨勢,為我國人工智能發展提供智力支撐�！赌Ｊ�...

融合數據質量增強和時空信息編碼網絡的船舶海上軌跡預測方法————作者：石悅;羅賀;蔣儒浩;王國強;

摘要：高精度的海上船舶軌跡預測是降低船舶碰撞風險、提升船舶搜救效率的重要基礎.海上航行環境的多變性使船舶軌跡數據在時間和空間上具有高度復雜性，現有方法對船舶軌跡數據的質量及運動信息關注度不足，難以充分捕捉軌跡中的時空特征和關聯信息.因此，文中提出融合數據質量增強和時空信息編碼網絡的船舶海上軌跡預測方法(Ship Maritime Trajectory Prediction Method Integrat...

廣義多尺度多重集值決策系統的最優尺度約簡————作者：劉夢欣;謝禎晃;吳偉志;朱康;

摘要：多尺度數據的知識表示與知識獲取是現階段多粒度計算研究的一個重要方向.在分析多尺度數據時，一個關鍵問題是最優尺度組合的選擇，其目的是選擇合適的子系統用于最終決策.因此文中針對多尺度多重集值數據的知識獲取問題展開研究.首先，基于海林格距離，在廣義多尺度多重集值決策系統中構造不同尺度組合下對象集上的相似關系，給出廣義多尺度多重集值決策系統的信息粒表示.然后，在協調廣義多尺度多重集值決策系統中，定義最優尺...

基于對抗強化學習的多跳知識推理————作者：成凌云;郭銀章;劉青芳;

摘要：為了解決現有知識圖譜問答中多跳推理模型在復雜關系中表示不足、數據稀疏性及強化學習推理中存在虛假路徑等問題，文中提出基于對抗強化學習的多跳知識推理模型.首先，通過高階分解關系向量，實現實體與關系特征參數化組合，并在聚合鄰居節點時引入注意力機制，賦予不同權重，增強復雜關系的表示能力.還設計知識圖譜嵌入框架，用于衡量嵌入空間中〈主題實體，問題，答案實體〉的可信度.然后，將多維信息融入強化學習框架的狀態表...

基于多尺度空間自適應注意力網絡的輕量級圖像超分辨率方法————作者：黃峰;劉鴻偉;沈英;裘兆炳;陳麗瓊;

摘要：針對現有圖像超分辨率重建方法存在模型復雜度過高和參數量過大等問題，文中提出基于多尺度空間自適應注意力網絡(Multi-scale Spatial Adaptive Attention Network, MSAAN)的輕量級圖像超分辨率重建方法.首先，設計全局特征調制模塊(Global Feature Modulation Module, GFM),學習全局紋理特征.同時，設計輕量級的多尺度特征聚合...

融合深淺層次知識的自學習TSK模糊癲癇輔助檢測算法————作者：施奇環;張雄濤;

摘要：Takagi-Sugeno-Kang(TSK)模糊分類器在癲癇檢測中用于處理模糊信息.然而，由于癲癇腦電信號復雜、患者發作表現多樣，一階TSK模糊分類器通常難以從訓練樣本中獲取足夠的泛化性能.因此，文中提出融合深淺層次知識的具有自我學習能力的TSK模糊分類算法(Deep-Shallow Mix Self-Learning TSK, DSMT),用于癲癇輔助檢測.DSMT引入類似人類“反思-歸納”的...

主編寄語————作者：鄭南寧;

摘要：<正>時光飛逝、歲月疾馳，當我們每個人都在為學習、工作和生活忙碌奔波不停的時候，2025年悄然而至，新的華彩篇章也徐徐開啟。舊符煥彩，新禧呈祥，在這個大地回春、萬物復蘇的美好時刻，我謹代表編輯委員會和編輯部全體成員向關心和支持《模式識別與人工智能》發展的廣大專家學者致以誠摯的祝福和問候!祝大家在新的一年里身體健康!工作順利!萬事如意!2024年，既是中華人民共和國成立75周年，也是《模式識別與人工...

　　模式識別與人工智能來自網友的投稿評論：

提交