分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2020-09-28 合作期刊: 《计算机应用研究》
摘要: 为了及时了解基于TransE的表示学习方法的最新研究进展,该文通过归纳与整理,将基于TransE的表示学习方法分为基于复杂关系的方法、基于关系路径的方法、基于图像信息的方法,以及基于其他方面的方法这4种类型。对每一种方法的设计思路、优缺点等进行了详细的分析。同时,对基于TransE的表示学习方法的公共数据集与评价指标进行了对比、总结,以及对各种基于TransE的表示学习算法在实验中的表现进行了对比分析。最后,对全文的研究进行了总结,对今后研究的热点进行了展望。从研究结果来看,PaSKoGE方法、NTransGH方法、TCE方法、TransD方法在做链接预测和三元组分类任务上表现效果最好,值得推广和进一步拓展,并可在其特定于路径的嵌入、两层神经网络、三元组上下文、动态构造映射矩阵上进一步完善。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-03 合作期刊: 《计算机应用研究》
摘要: 为深入了解基于深度学习的单图像超分辨率重建(single image super-resolution,SISR)的发展,把握当前研究的热点和方向,针对现有基于深度学习的单图像超分辨率重建模型进行了梳理。首先介绍了相关深度学习算法;然后介绍了基于深度学习的模型以及评价指标,并通过实验对比分析现有模型的性能,其目的在于从本质上了解基于深度学习的单图像超分辨率重建模型的优势;最后对单图像超分辨率重建的关键问题进行了总结,并对未来的发展趋势进行了展望。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-03 合作期刊: 《计算机应用研究》
摘要: 为了能够及时了解Spark环境下经典聚类算法K-means的最新研究进展,把握K-means算法当前的研究热点和方向,针对K-means算法的初始中心点优化研究进行综述。首先介绍了内存计算框架Spark和K-means算法,并分析了K-means算法聚类不稳定性的成因和影响,其目的在于指出优化K-means算法的重要性。详细介绍了目前在Spark环境下优化K-means初始中心点的主要方法和最新研究现状,并展望了K-means初始中心点优化问题的未来研究方向。