吉立新
- 作品数：49 被引量：115H指数：6
- 供职机构：中国人民解放军信息工程大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术电子电信理学电气工程更多>>
- 基于拓扑稳定性的有向网络链路预测方法被引量：3
- 2020年
- 作为复杂网络研究的热门方向,有向网络链路预测旨在挖掘网络中未知的连边。网络演化机制是许多链路预测方法的理论来源和依据。现有有向相似性指标计算节点间存在连边的可能性时,忽略了实际网络演化过程中节点自身拓扑稳定性和网络结构稳定性。基于此,提出了基于拓扑稳定性的预测方法。该方法首先计算趋于稳定节点对之间的相似度,然后计算预测节点对之间的拓扑稳定性。在三个衡量标准AUC、precision和排序分下,九个真实网络中的实验分析表明,提出的方法具有较高的预测精度。
- 李治成吉立新刘树新普黎明
- 关键词：有向网络链路预测拓扑稳定性
- 基于MSER拟合椭圆的快速场景文本定位算法被引量：6
- 2015年
- 针对图像中场景文本定位效率低的问题,提出一种基于最大稳定极值区的快速定位算法。快速提取图像中的最大稳定极值区;对提取的极值区进行椭圆拟合,构造MSER描述,利用拟合椭圆特征筛选极值区,滤除大部分伪字符区;运用以MSER为元素的投影合并算法,将字符区分割文本行并直接合并成单词,确定文本区。该算法通过拟合椭圆的特征选取实现伪字符区滤除,通过快速的投影合并算法,实现了高效的场景文本定位。实验结果表明,与其它算法相比,该算法能够达到较好的定位效果,在速度上具有优势。
- 高士林吉立新李绍梅许喆
- 关键词：场景文本
- 多项式拟合在log-add算法单元中的应用及其FPGA实现被引量：2
- 2011年
- 综合考虑面积和速度等因素,采用一次多项式拟合实现了简单快速的log-add算法单元。实验结果表明,在相同的精度要求下,其FPGA实现资源占用合理,硬件开销好于其他次数的多项式拟合实现方案。
- 魏开容吉立新杨镇西
- 关键词：多项式拟合FPGA实现
- 基于同质子图变换的异质网络表示学习被引量：1
- 2019年
- 目前针对信息网络的研究多数基于同质网络,关于异质信息网络的网络表示学习研究相对较少。为此,提出一种结合不同元路径将异质信息网络转化成带权同质子图的网络表示学习算法。基于不同元路径在同类节点间构建带权重的连边,从异质网络中抽取出带权同质子图,通过带偏置的随机游走方式得到同类节点序列,并利用Skip-gram模型生成该类节点的表示向量。实验结果表明,与只考虑单一路径的算法相比,该算法处理节点分类、相似性搜索等数据挖掘任务时均能得到较好的效果。
- 尹赢吉立新程晓涛黄瑞阳刘正铭
- 关键词：异质网络随机游走
- 基于区分性Model Pushing的语种识别方法被引量：3
- 2012年
- 提出一种区分性Model Pushing方法,将SVM训练出的支持向量沿最优分类面的法线方向进行适当移动,增大不同语种间的区分性,然后将移动后的支持向量反向应用于GMM。该方法既保留了SVM的区分性信息,又利用了GMM在短时语音上的优势,同时增加了目标与非目标的区分度。实验结果表明,区分性Model Pushing能有效地提高识别性能。
- 刘伟伟吉立新李邵梅徐文
- 关键词：语种识别PUSHING
- 面向Logo识别的合成数据生成方法研究
- 2018年
- 针对深度学习框架下Logo识别任务中可训练样本稀疏的问题,提出了一种基于上下文的Logo数据合成算法,该算法综合利用了Logo对象内部、Logo周围邻域、Logo与其他对象之间以及Logo所处场景等多种类型的上下文信息指导Logo图像的合成。在Flickr Logos-32数据集上的实验结果显示,所提算法能够在不依赖额外手工标注的前提下,提升Logo识别算法的性能(mA P提升8.5%),验证了该合成算法的有效性。
- 江玉朝吉立新高超李邵梅
- 关键词：上下文
- 参数最小割中基于层次化融合的前景种子生成算法
- 2017年
- 参数最小割是一种常用的似物性推荐方法,主要用于在图像中快速定位物体区域。针对该类方法中容易生成大量无效前景种子影响处理效率,提出一种基于层次化融合逐级筛选的前景种子生成算法。基于由颜色、纹理复杂度控制的层次化融合方法得到候选区域集,从候选区域集中结合尺度变化率选出具有稳定外观的候选前景种子,最后基于似物性分数排序,确定有效的前景种子。实验结果表明,提出的前景种子生成算法具有较高的物体发现率,将其应用于参数最小割方法中,在使用更少的种子、生成较少区域时,可达到与前沿算法相近的区域级物体定位能力。
- 朱俊光吉立新李邵梅高超
- 面向强连接网络图的无损压缩算法被引量：1
- 2019年
- 幂图分析技术将所有具有相同邻居的节点集合汇聚成单个模块以大幅压缩网络图,被广泛地应用于网络图无损压缩与可视化中.然而获取最优的幂图是难点.针对此问题,提出面向强连接网络图的无损压缩算法.首先,证明了含有单个模块的最优幂图问题为NP难问题,进而扩展为一般地最优幂图问题为NP难问题;其次,在梳理现有整数线性规划模型和约束规划模型等问题的基础上,提出基于回溯策略的波束搜索算法,使有限的回溯策略提供启发信息,比已知启发式方法更快速地得到更优的结果.通过生成的随机无标度图,验证了该算法的有效性.
- 李政廉吉立新黄瑞阳刘树新
- 关键词：图搜索模块度网络可视化
- 基于成对约束的偏标记数据消歧算法
- 2020年
- 偏标记数据消歧是利用偏标记数据进行机器学习的基础.针对偏标记数据中广泛存在的数据不平衡问题,以及现有消歧算法对样本间约束信息利用不足的问题,本文提出一种基于成对约束的偏标记数据消歧算法.首先,基于低秩表示,推导出数据不平衡条件下样本低秩表示系数和样本相似度之间的关系;其次,基于推导结果,分别构建基于样本间正约束和负约束的图模型,通过最小化图模型的能量函数求解偏标记数据的标签.在5个公开数据集上的实验结果表明本文方法相对基准算法在消歧准确率上平均提高了2.9%~14.9%.
- 征察吉立新高超李邵梅吴翼腾
- 关键词：消歧
- 一种基于图注意力网络的异质信息网络表示学习框架被引量：8
- 2021年
- 常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分:基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传播模型通过堆叠注意力层学习网络的高阶邻居特征;可更换的任务模型适用于不同的应用场景。与基准模型相比,该文所提框架在知识图谱的链接预测任务和异质信息网络的节点分类任务中都取得了相对不错的效果。
- 康世泽吉立新张建朋
- 关键词：知识图谱
