科技前沿快报
SCIENCE & TECHNOLOGY FRONTIER BULLETIN
《科技前沿快报》从不同行业、学科中选择和呈现一些最新的、有影响力的学术文献，并结合学校学科特色，聚焦国内外航空航天，兵器、船舶与海洋，工程与材料科学，电子信息，人工智能，数学物理化学生物等六大领域，以科技创新价值为主线，检测分析这些领域的发展态势、前瞻预见、战略布局、行动举措等重要科技动态，为我校师生提供一个实时掌握和了解行业学科动态的汇聚性参考文献。
本次发布《科技前沿快报》“人工智能领域”主题。
01
多视图聚类算法研究
研究人员设计了 SL-CAUBG 框架，通过优化生成跨视图的共识锚点，跳过融合阶段直接构建统一二分图，并利用ℓ1 范数和拉普拉斯秩约束来捕获局部和全局结构，解决了现有多视图子空间聚类方法中锚点可区分性差、信息融合损失以及难以捕获局部结构等问题。
02
03
密集图像字幕生成方法创新
研究人员提出基于 Transformer 的端到端密集图像字幕架构 TDC，通过引入区域 - 对象相关得分单元 ROCSU 来衡量每个区域的重要性，使模型优先关注更具信息性的区域，解决了现有方法中 LSTM 遗忘门机制导致的信息丢失和对不同区域关注度相同的问题。
04
稀疏特征选择方法优化
高维数据存在冗余和噪声特征，特征选择（FS）可降维并提升学习性能，分为监督、无监督和半监督 FS 等。多数半监督 FS 方法用简单图保留数据几何结构，难以捕捉高阶关系，研究人员提出基于超图拉普拉斯的半监督判别分析特征选择方法 HSDAFS，将超图拉普拉斯、半监督判别分析和混合ℓ2,p 范数正则化相结合，以选择最具判别力的特征。
人工智能领域
CapMatch: Semi-Supervised Contrastive Transformer Capsule With Feature-Based Knowledge Distillation for Human Activity Recognition
