作者:蹇松雷; 卢凯 期刊:《计算机科学》 2020年第02期
随着智能时代和大数据时代的到来,各种复杂异构数据不断涌现,成为数据驱动的人工智能方法、机器学习模型的基础。复杂异构数据的表征直接关系着后续模型的学习性能,因此如何有效地表征复杂异构数据成为机器学习的一个重要研究领域。文中首先介绍了数据表征的多种类型,并提出了现有数据表征方法面临的挑战;其次,根据数据类型将数据划分成单一类型数据和复合类型数据,针对单一类型数据,分别介绍了4种典型数据的表征学习发展现状和代...
时空大数据可视分析是近年国际大数据分析与数据可视化领域研究的热点前沿,也是全空间信息系统的核心研究内容之一。本文针对时空大数据多源、多粒度、多模态和时空复杂关联的特点,按照描述性、解释性和探索性3个层次分类归纳了现有时空大数据可视分析方法,论述了时空大数据可视分析中多模态特征筛选、新型人机交互分析以及探索性可视推理等技术难点和主要发展动态。研究表明,以数据可视化为主的描述性可视分析研究相对成熟,以可视...
作者:陈大峰 期刊:《德宏师范高等专科学校学报》 2019年第01期
在大数据环境下,基于多模态数据高效分析的实验教学评价是借助发达的网络触角,对实验教学过程中产生的大量各种形态数据进行随时记录和采集,利用数据挖掘、分析和建模等技术动态监控和实时分析实验教学过程中出现的问题,从而为评教机制的建立健全提供较为科学的依据和支撑。
作者:官万先; 李万鹏; 葛林; 万华根 期刊:《系统仿真学报》 2017年第11期
城市移动增强现实近年来受到研究界和应用界的高度关注。然而面对城市大场景,如何采集数据、合理管理和组织数据、以及高效利用数据成为了制约移动增强现实系统性能的重要问题。以城市街景增强为应用背景,提出一种基于多模态数据自组织的城市移动增强现实方法。通过以面向移动增强现实系统的多模态数据为中心,从数据采集、数据组织、数据使用三方面出发,研究如何有效获取和处理原始数据、合理组织数据、高效准确使用数据。实验结果...
作者:钟薇; 李若晨; 马晓玲; 吴永和 期刊:《中国远程教育》 2018年第11期
作为数字时代的产物,学习分析以教育领域数据为研究对象,通过挖掘其背后隐含的信息实现对教育的促进。当前学习分析研究主要集中在在线学习领域,但是学习本身发生在多样的环境中,学习过程更是涉及学习者的行为、心理、生理等多个层面,而当前的技术发展正为采集并分析学习者学习过程中多种模态的数据提供基础。基于此,本文从技术的视角讨论多模态数据环境下学习分析的发展趋向,梳理多模态学习分析的技术支撑,指出未来的学习分析应该...
作者:南男; 杨健; 赵晶晶; 侍洪波 期刊:《华东理工大学学报·社会科学版》 2017年第05期
在实际生产过程中,过程数据的多模态特性会对数据建模产生一定的影响,进行模态划分有利于获取精确的模型。目前常用的模态划分方法,如k-means、c-means等聚类方法,在有过渡过程的模态划分应用中,有时不能得到理想的结果。本文提出了一种通用的模态划分方法,以谱聚类算法中相似矩阵的特征向量分析为基础,基于相似矩阵的特征向量与其所包含的聚类信息的关系,使用高斯曼哈顿距离构造模态标签,并用小窗口思想实现动态多模态过程的模态...
作者:任获荣 李春晓 孙建维 秦红波 何培培 高敏 期刊:《西安电子科技大学学报》 2012年第05期
在增强线性判别分析和类依赖线性判别分析的基础上,提出了类依赖增强线性判别分析算法,对多模态数据进行分类.算法利用增强线性判别分析的局部信息保持能力,在不破坏多模态局部结构的前提下,对数据进行降维;然后采用最大散度差线性鉴别分析准则对每一类样本获取一个投影矩阵,从而获取不同类的样本分布的特征差异.在人脸数据库上进行实验验证,结果表明,该算法的分类效果好.
作者:钱宇华 成红红 梁新彦 王建新 期刊:《数据采集与处理》 2015年第06期
大数据关联性分析是大数据挖掘的基础,一个好的关联性度量是实施关联分析的关键。本文首先指出大数据时代关联度量面临的挑战和研究现状,从关联关系度量的构造角度出发,对现有的关联关系度量进行整理,归纳总结了这些关联关系的性质和适用条件。在回顾关联度量发展历程的基础上,结合大数据时代关联关系的特点,提出构造关联度量可能满足的条件。最后针对多模态数据关联关系度量的若干问题进行探讨和梳理,从3个角度出发,提出应对多模...