公共文化服务平台

大连海洋大学信息工程学院辽宁省海洋信息技术重点实验室: 作品数：15 被引量：66H指数：5; 发文基金：国家自然科学基金大连市科技计划项目教育部重点实验室开放基金更多>>; 相关领域：自动化与计算机技术农业科学电子电信理学更多>>

相关机构

大连海洋大学信息工程学院辽宁省...

基于深度学习的渔业领域命名实体识别被引量：23: 2018年; 为了解决基于分词的渔业领域命名实体识别效果受分词准确度影响这一问题,采用一种基于深度学习的渔业领域命名实体识别方法。该方法使用神经网络训练得到字向量作为模型输入,避免了分词不准确对渔业领域命名实体识别效果造成的影响;针对渔业领域命名实体长度较长这一特点,使用LSTM单元保持较长时间记忆信息,并将标记信息融入到CRF模型中构建Character+LSTM+CRF实体识别模型。为验证方法的有效性,在渔业领域语料集上进行多组实验,结果表明,本研究中提出的Character+LSTM+CRF方法具有较好的效果,与LSTM模型相比较,在准确率、召回率、F值上分别提升了3.39%、2.99%、3.19%,对于渔业领域实体识别具有较好的效果。; 孙娟娟于红冯艳红彭松程名卢晓黎董婉婷崔榛; 关键词：CRF模型

基于多视图关注网络的图文多模态情感分析模型: 2024年; 针对现有多模态情感分类模型无法全面、准确地捕获复杂的情感信息,以及融合过程中没有充分挖掘两者之间的潜在关联,导致模型结构冗余复杂、计算效率低下的问题,提出一种多视图关注网络(MPF-Net)模型。该模型通过引入多维感知特征捕获机制,全面而精确地获取图像和文本中蕴含的情感信息;其次,采用增强的记忆互动学习机制,使模型能够更加有效地提取和融合单模态特征,并在多轮迭代中不断更新和优化这些特征,从而捕捉到更深层次的情感细节;再构建一个高级深度学习框架,该框架采用生成对抗网络(GAN)与池化技术的深度融合单元,以实现复杂数据特征的高效提取与整合;最后,在保留原有特征信息的基础上进行特征整合,同时通过降维技术降低模型的复杂性,提高计算效率。在公开数据集MVSA-Single和MVSA-Multiple以及自建数据集上通过实验验证所提模型的准确性,结果表明,与多个基线模型对比,所提模型的准确率和F1值均有所提高。; 丛子涵张思佳; 关键词：文本特征提取

基于规则匹配与深度学习AbTransformer的渔业标准表格信息抽取方法: 2023年; 为解决渔业标准文本中表格结构多样、表头位置不固定导致抽取效果不佳的问题,提出一种结合规则匹配(rule-based-matching,RBM)与AbTransformer(Absolute Transformer)深度学习模型的表格信息抽取方法,该方法对规则类表格信息采用规则模板与BERT-BiLSTM-CRF模型进行信息抽取,对非规则类表格信息采用改进的Transformer进行抽取,即在位置编码模块中引入行位置编码,与特征向量拼接以获取表格行列位置。结果表明:本文中提出的AbTransformer模型相较于机器学习MLP模型,AUC值提升了1.46%,相较于TabTransformer模型,AUC值提高了1.18%;本文中提出的RBM-AbTransformer模型与AbTransformer模型相比,准确率、召回率和F1值分别提高了7.78%、4.19%和5.27%。研究表明,结合RBM与AbTransformer的渔业标准表格信息抽取方法,有效解决了表格结构多样、表头位置不固定的问题,提升了渔业标准表格信息抽取的整体效果。; 孙哲涛于红宋奇书李光宇邵立铭杨惠宁张思佳孙华

基于通道非降维与空间协调注意力的改进YOLOv8养殖鱼群检测被引量：5: 2023年; 为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题,采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(feature pyramid network)中增加大尺寸检测头,更好地捕捉水下鱼类个体的细节信息,以加强对鱼群特征的提取能力,然后使用ECAM注意力机制减少模糊背景的干扰,聚焦鱼类个体的关键特征,以加强对模糊鱼群的识别能力,并设计了消融试验和模型对比试验以验证算法的有效性。结果表明:相比于YOLOv8,YOLOv8-Head-ECAM模型的准确率、召回率和平均精度均值分别提高了2.3%、1.7%和1.6%;与目前检测准确率较高的养殖鱼群检测模型KAYOLO、DCM-ATM-YOLOv5、SK-YOLOv5和ESB-YOLO相比,平均精度均值分别提高了0.7%、1.0%、2.4%和2.0%。研究表明,本文中提出的YOLOv8-Head-ECAM模型能够较好地适应水下鱼群模糊、遮挡的情况,提高了鱼群检测的有效性。; 涂万于红张鹏张鹏张鑫杨宗轶张鑫林远山胡泽元; 关键词：特征提取计算机视觉

基于MGM(1,n)模型的中国水产品产量时间序列的实证分析被引量：2: 2014年; 运用灰色关联度与多变量灰色系统理论对中国1986—2011年水产品产量时间序列进行了实证分析。首先用灰色关联分析方法将水产品产量所包含的5组时间序列即海洋捕捞、远洋渔业、海水养殖、淡水捕捞、淡水养殖产量进行了分类;再将关联度达到0.9以上的海洋捕捞、海水养殖、淡水养殖产量3组时间序列划分为一组并运用多变量灰色MGM(1,n)模型对其进行建模,由于这3组序列关联度高且单个序列累加数据近似服从指数分布,因而拟和结果数据逼近初始数据;对关联度达到0.8的远洋渔业与淡水捕捞两组时间序列,也尝试用MGM(1,n)模型进行建模,结果模型拟合略有欠缺。本研究中的这种建模方法既考虑了序列间的内在联系,又避免了分别使用单一序列建模割裂序列相互制约因素的情况发生,图示与误差分析结果均显示该方法具有效性。; 张丽梅王成智赵学达; 关键词：微分方程组

一种使用多特征的鱼类图像检索方法被引量：3: 2016年; 为解决数量巨大、特征复杂的鱼类图像难以用单个特征准确描述,以至于给鱼类图像检索带来困难的问题,提出了一种基于多特征的鱼类图像检索方法——MFFIR,并针对鱼类图像的特点设计了由颜色直方图、特征矩和Gabor特征构成多维特征向量。在此基础上,采用MFFIR法通过计算多维特征向量的特征相关性,实现了鱼类图像的匹配与检索。为验证此方法的有效性,使用"QUT_fish_data"数据集和"DLOU_fish_data"数据集进行了仿真实验,实验结果表明,MFFIR法具有较好的准确率和较强的鲁棒性。; 孙建伟于红吴俊峰张美玲罗强孙娟娟; 关键词：图像检索

大模型在水产养殖病害防治中的创新应用与展望: 2024年; 大模型是具有大量参数和复杂结构的机器学习基础模型,目前正在逐渐成为科技发展的重要方向之一。本文阐述了大模型应用的核心技术,并探讨了其运行所需的基本条件及大模型在辅助水产养殖病害防治中的具体应用,包括大模型辅助水产养殖病害防治与管理、协同水产养殖环境监测与疾病防治、水产药物研发、水产动物疾病抗性培育组学技术中的应用,并从数据获取与处理、模型适应性与泛化能力、计算资源与训练成本、隐私与安全、模型解释性与用户接受度、多任务学习与优先级管理、跨区域数据共享与合作、知识图谱增强大模型集成与利用等方面提出了大模型的未来发展趋势,以期为大模型在水产养殖病害防治领域的进一步应用提供有力支持,推动水产养殖业向更高效、可持续的方向发展。; 张思佳于红; 关键词：水产养殖病害防治智慧化

融合SKNet与YOLOv5深度学习的养殖鱼群检测被引量：15: 2022年; 为解决真实养殖环境下,水下成像模糊、失真等导致鱼群检测准确率低的问题,提出一种融合视觉注意力机制SKNet(selective kernel networks)与YOLOv5(you only look once)的养殖鱼群检测方法(SK-YOLOv5模型),该方法首先采用UNet(convolutional networks for biomedical image segmentation)对图像进行预处理,得到清晰的鱼群图像,然后将SKNet融合到YOLOv5的Backbone端构成关注像素级信息的特征提取网络,加强对模糊鱼体的识别能力,并在水下模糊鱼群图像数据集上进行了消融试验和模型对比试验,以验证SK-YOLOv5的有效性。结果表明:在鱼群检测任务上,SK-YOLOv5的识别精确率和召回率分别达到了98.86%和96.64%,检测效果比YOLOv5分别提升了2.14%和2.29%,与目前检测准确率较高的水下目标检测模型XFishHmMp和FERNet相比,SK-YOLOv5取得了较好的检测效果,与XFishHmMp模型相比,识别精确率和召回率分别提升了5.39%和5.66%,与FERNet模型相比,识别精确率和召回率分别提升了3.59%和3.77%,实现了真实养殖环境下鱼群的准确检测。研究表明,融合SKNet与YOLOv5的养殖鱼群检测方法,有效地解决了水下模糊图像鱼群检测准确率低的问题,提升了养殖鱼群检测和识别的整体效果。; 赵梦于红李海清李海清程思奇谷立帅张鹏韦思学张鹏

基于带噪声数据集的强鲁棒性隐含三元组质检算法被引量：1: 2023年; 知识图谱三元组质检的难点是区分真实三元组和噪声三元组,常用开源知识图谱不包含噪声三元组,目前已有三元组质检算法极少考虑到知识图谱中由于关系传递存在的大量隐含三元组对质检效果的影响,且没有有效利用实体之间的空间语义关联导致对实体特征提取不充分。针对以上问题,提出带噪声数据集的强鲁棒性隐含三元组质检算法(Implied triplet quality inspection,ITQI),首先基于开源数据集制作Neo4J知识图谱;然后基于有向图最长路径搜索算法搜索所有可能的搜索路径,根据知识图谱的关系传递性来构建具有隐含关系的三元组,对源三元组进行扩充能够极大增加有效三元组的个数;最后通过随机采样构建三种类型的噪声三元组。采用TransR预训练得到扩充后的真实三元组的初始特征,然后使用残差网络提取三元组的静态特征、并使用多层BiLSTM提取三元组的内部关联特征,将以上三种特征聚合,得到三元组的融合特征对三元组进行二分类达到三元组质检的目的。论文算法在FB15K数据集上进行实验,实验结果表明论文算法质检效果优于对比算法且鲁棒性最强。; 王梓铭张思佳安宗诗; 关键词：知识图谱

基于多核卷积神经网络(BERT+Multi-CNN+CRF)的水产医学嵌套命名实体识别被引量：8: 2022年; 为解决水产医学命名实体识别中存在的嵌套实体识别准确率不高的问题,提出一种基于多核卷积的命名实体识别模型(BERT+Multi-CNN+CRF),采用多核卷积神经网络提取嵌套实体特征,通过BERT(bidirectional encoder representations from transformers)方法对输入语料进行预训练,丰富嵌套实体位置向量信息,获得嵌套实体输入特征矩阵,将提取特征矩阵与输入特征矩阵融合,以增强嵌套实体的特征表示,并进行不同模型的对比试验。结果表明,本文中提出的BERT+Multi-CNN+CRF模型,在水产医学嵌套命名实体识别任务中的准确率、召回率和F1值分别为88.04%、88.92%和88.48%,与识别准确率较高的BERT+BiLSTM+ATT+CRF模型相比,分别提高了2.25%、3.23%和2.74%。研究表明,本文中提出的BERT+Multi-CNN+CRF模型可有效解决水产医学嵌套实体识别准确率不高的问题,是一种有效的水产医学嵌套命名实体识别方法。; 刘巨升于红杨惠宁邵立铭宋奇书李光宇张思佳孙华; 关键词：卷积神经网络

大连海洋大学信息工程学院辽宁省海洋信息技术重点实验室

相关机构

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

大连海洋大学信息工程学院辽宁省海洋信息技术重点实验室

相关机构

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈