陈伟荣
- 作品数：12 被引量：12H指数：2
- 供职机构：中国电子科技集团第二十八研究所更多>>
- 相关领域：自动化与计算机技术航空宇航科学技术军事天文地球更多>>
- 基于自注意力的多维度轨迹预测方法、装置
- 本发明公开了一种基于自注意力的多维度轨迹预测方法、装置，所述方法包括：根据连续属性特征，识别得到轨迹关键点，拟合后得到目标轨迹；将离散属性特征与连续属性特征进行向量化统一，得到融合了离散属性特征和连续属性特征的特征组合轨...
- 黄颖刘卫平张豹陈伟荣蔡颖王会陈福海王伟
- 文献传递
- 一种基于移动目标轨迹分类的多属性异常检测方法
- 本发明提出了一种基于移动目标轨迹分类的多属性异常检测方法，首先，基于多属性移动目标轨迹数据集，利用序列挖掘和聚类算法，建立移动目标的正常行为模式，而后，将轨迹数据与之对比，以达到检测移动目标异常行为的目的。最后，针对轨迹...
- 蔡颖陈伟荣曹璟张豹朱伟王会何扬唐志一李圣龙
- 基于迁移表示学习的军事命名实体识别被引量：7
- 2020年
- 针对军事领域标注文本不足的问题,结合实体识别技术,提出了基于自注意力(Transformer)双向语义表征模型(BERT)、双向长短时记忆网络(Bi‑LSTM)和条件随机场(CRF)的军事命名实体识别框架(BERT‑Bi‑LSTM‑CRF)。该框架以字、字位置、语义块及词性作为模型输入特征,通过BERT网络迁移学习,获得通用领域语义编码特征,再利用Bi‑LSTM解码军事语义特征,最后通过CRF实现序列预测。试验结果表明,该框架相对于现有基准方法在准确率、召回率和F1值上表现良好。
- 刘卫平张豹陈伟荣张诚陈渊潘仁前
- 关键词：条件随机场
- 基于分层索引的高维数据对象检索
- 2019年
- 随着海量信息检索技术的发展,对文本、图片和视频等高维数据对象的相似性检索要求不断提高。局部敏感哈希(LSH)是解决高维数据近邻检索的主要方法之一,但存在索引存储代价高及查询效率低等问题。提出了一种基于二级混合索引模型构造方法,先利用溢出树(Spill tree)对数据集进行划分,再对每个部分构建基于LSH的哈希表,形成混合索引,支撑高维数据检索。试验表明,该方法缩小了高维数据对象的索引存储空间,提高了查询效率和查询质量。
- 黄颖张豹陈伟荣戴鹏
- 基于自注意力的多维度轨迹预测方法、装置
- 本发明公开了一种基于自注意力的多维度轨迹预测方法、装置，所述方法包括：根据连续属性特征，识别得到轨迹关键点，拟合后得到目标轨迹；将离散属性特征与连续属性特征进行向量化统一，得到融合了离散属性特征和连续属性特征的特征组合轨...
- 黄颖刘卫平张豹陈伟荣蔡颖王会陈福海王伟
- 文献传递
- 一种基于本体的数据检索方法
- 本发明提供了一种基于本体的数据检索方法，采用基于本体的数据检索方式，贯穿数据采集、融合、发布等数据生命周期全过程，从海量数据中按需快速准确灵活地检索出匹配数据。包括以下步骤：根据本体框架，建立聚合模板；根据聚合模板内容抽...
- 唐志一 张豹陈伟荣黄颖 王会 郭政杰 蔡颖 王清华
- 一种基于本体的数据检索方法
- 本发明提供了一种基于本体的数据检索方法，采用基于本体的数据检索方式，贯穿数据采集、融合、发布等数据生命周期全过程，从海量数据中按需快速准确灵活地检索出匹配数据。包括以下步骤：根据本体框架，建立聚合模板；根据聚合模板内容抽...
- 唐志一 张豹陈伟荣黄颖 王会 郭政杰 蔡颖 王清华
- 文献传递
- 基于改进主动学习的异常检测算法被引量：3
- 2022年
- 传统的基于主动学习的异常检测算法在采样过程中,仅考虑了样本与分类边界间的距离,忽视样本特征,导致算法选取样本冗余,运行效率降低。针对此问题,对选择策略进行优化,提出一种基于改进主动学习的异常检测算法。通过基于KDD99数据集进行异常检测仿真实验,实验结果表明,与传统算法相比,所提算法需要较少已标记样本,即可达到相同的分类准确率。适当增加样本的选择数量,能够有效减少算法达到收敛的迭代次数,提高运行效率。
- 蔡颖陈伟荣
- 关键词：支持向量机冗余度异常检测入侵检测数据挖掘
- 通过标签嵌入从社交标签中挖掘上下位关系被引量：1
- 2020年
- 随着物联网、移动互联网和云计算等技术的飞速发展,数据量急剧增加。获取有价值的信息,尤其是上下位关系知识,成为人工智能领域的热门研究课题。对于分众分类而言,上下位关系识别的目的是识别2个社交标签之间的"is-a"关系。基于此,提出了利用标签嵌入技术从社交标签中识别上下位关系的监督学习方法,采用深度学习算法学习标签嵌入模型,并利用支持向量机算法识别上下位关系。试验结果表明,该方法的准确率和F1值分别达到0.91和0.86,性能优于其他方法。
- 张豹陈伟荣张梦易吴天星漆桂林
- 关键词：上下位关系分众分类
- 基于自注意力的迁移表示学习的国家关系研判
- 2021年
- 针对军事领域国家关系研判的特殊性以及标注文本不足等问题,结合最新文本编码解码算法,提出了一种基于双向语义表征模型(BERT)和双向长短时记忆网络(Bi-LSTM)的国家关系研判算法。该算法以字、字位置、语义块及词性作为输入特征,通过军事领域迁移表示学习编码模块和军事领域特征解码模块,实现国家关系研判。首先,通过BERT算法编码字、字位置及语义块特征,得到军事文本通用领域语义编码向量;然后,通过Word2Vec算法编码词性特征,构建空间映射层以消除空间不一致性,实现文本统一编码输出;最后,通过军事领域特征解码模块实现了文本特征解码,并叠加分类层以完成国家关系研判。试验结果表明,该算法在准确率、召回率和F1值上表现较佳。
- 刘卫平潘仁前陈伟荣张豹
