厦门大学“智能科学与技术”专业建设介绍

本文简要介绍了近几年来厦门大学"智能科学与技术"专业的建设情况,包括在相关领域的科学研究进展和本科生与研究生的培养情况。     

基于MVC设计模式的Web应用研究

介绍了MVC设计模式，将MVC设计模式引入Web应用系统中，详细分析了MVC包括的三类对象：模型、视图、控制器，最后将上述思想应用到了一个具体的Web原型系统的设计中，取得了较好的结果。     

基于词汇吸引与排斥模型的共现词提取

共现词提取在信息挖掘和自然语言处理中有着十分重要的地位。而传统的共现词提取方法仅仅局限在单一的一种统计量上,其结果十分不精确,需要人工再进行整理。本文提出了一种基于词汇吸引与排斥模型的共现词提取算法,并通过将多种常用统计量进行组合,改进了算法的效果。在开放测试环境下,所提取的共现词其用户感兴趣度为60.87%。将该算法应用于基于Web的共现词检索系统,在速度和共现词的提取精度上均取得了比较好的效果。     

基于标签关联性的分层分类共有与固有特征选择

在大数据时代,数据的样本数量、特征维度和类别数量都在急剧增加,且样本类别间通常存在着层次结构.如何对层次结构数据进行特征选择具有重要意义.近年来,已有相关特征选择算法提出,然而现有算法未充分利用类别的层次结构信息,且忽略了不同类节点具有共有与固有属性的特点.据此,提出了基于标签关联性的分层分类共有与固有特征选择算法.该算法利用递归正则化对层次结构的每个内部节点选择对应的固有特征,并充分利用层次结构分析标签关联性,进而利用正则化惩罚项学习各子树的共有特征.该模型不仅能够处理树结构层次化数据,也能直接处理更为复杂常见的有向无环图结构的层次化数据.在6个树结构数据集和4个有向无环图结构数据集上的实验结果,验证了该算法的有效性.     

基于多情绪源关联模型的中文微博情感分析

社交媒体信息的爆炸式增长,使得依据其对公众舆论情感的分析受到越来越多的关注。与传统文本不同,新浪微博中存在包括情感词、表情、图片和视频等特征在内的多情绪源,本文针对中文社交短文本情感分析中情感词典时效性问题和多情绪源间的关联性问题,提出了一种多情绪源关联模型。该模型考虑微博中的情感词和表情特征及其之间的关联关系,在经典的词典规则投票方法基础上,引入多情绪源以及关联概率,通过概率建模的方式对情感词和表情两类情绪源建立关联模型,实现对微博情感的判别。实验表明,在6 171条微博数据集中,多情绪源关联模型分类准确率达到了85.3%,强于包含情感词和表情的传统投票模型(83.4%)以及包含同类多特征的SVM方法(82.9%)。     

多点交叉学习组织进化算法

为了提高组织进化算法(organizational evolutionary algorithm,简称OEA)在高维多模函数全局优化中陷入局部极值,分析了OEA 算法早熟收敛的原因,提出了多点交叉学习组织进化算法(mOEA).设计了一个多个组织的领导交叉学习策略来提高组织领导种群多样性,避免早熟收敛;结合社会群体认知和学习的习性,改进OEA 中的吞并算子,使得同一组织内的个体成员有的在其领导周围爬山运动,有的在搜索范围内随机变异,既提高成员群体的适应度值,又增强成员群体的多样性,不易陷入局部极值.与OEA     

一种多层特征融合的人脸检测方法

由于姿态、光照、尺度等原因,卷积神经网络需要学习出具有强判别力的特征才能应对复杂场景下的人脸检测问题。受卷积神经网络中特定特征层感受野大小限制,单独一层的特征无法应对多姿态多尺度的人脸,为此提出了串联不同大小感受野的多层特征融合方法用于检测多元化的人脸;同时,通过引入加权降低得分的方法,改进了目前常用的非极大值抑制算法,用于处理由于遮挡造成的相邻人脸的漏检问题。在FDDB和WiderFace两个数据集上的实验结果显示,文中提出的多层特征融合方法能显著提升检测结果,改进后的非极大值抑制算法能够提升相邻人脸之间的检测准确率。     

中医脉诊信号的无监督聚类分析研究

随着中医客观化工作的推进,脉诊技术也越来越走向客观化和仪器化。然而,如何对仪器所检测和收集到的信息进行解读,却还是回到了原来脉诊诊断主观化的问题上。因为传统的机器学习方法,依赖于对大量的脉诊数据进行标注。但是在临床诊断和教学中,医生与医生之间对于脉象的体会不同,会导致他们对病人脉象的区分标注不同。在对比了多种特征提取方法和聚类方案之后,提出了一个较好的无监督脉诊客观化方法,在双树复小波变换(DTCWT)对数据进行预处理的基础上,以梅尔倒谱系数(MFCC)进行特征提取,在中医专家对数据进行标注之前,先根据信号的特征,使用Fuzzy c-means (FCM)聚类算法进行粗线条的分类,使得在此基础之上,可以开展进一步的细化分类研究。实验结果表明:该方法可取得较好的分类效果,为中医脉诊提供了进一步客观化的依据。     

基于JGraph的变电站综合自动化图形组态系统

JGraph是一套使用Java开发的、兼容Swing的开源图形组件,具有丰富的图形操作接口和良好的可扩展性。该文基于JGraph实现一个跨平台的变电站综合自动化图形组态系统。与现有图形组态系统相比,该系统具有更好的自动处理能力,能实现电力系统设备的自动检测和接线图的自动生成,简化传统变电站图形系统在接线图设计方面的工作。