高金金
- 作品数：10 被引量：18H指数：3
- 供职机构：山西财经大学更多>>
- 发文基金：国家自然科学基金山西省回国留学人员科研经费资助项目国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 融合云桌面资源的高性能计算集群方案研究
- 2024年
- 针对高校实验基础设施中云桌面集群和高性能计算集群计算资源分配不均衡的问题,提出将云桌面集群弹性算力与高性能计算平台融合的解决方案,该方法整合云桌面集群的弹性算力,对高性能计算集群的资源进行灵活扩展。实验结果表明,本文提出的方法能够在不影响原有虚拟桌面基础设施业务的基础上,实现云桌面集群的闲置资源对高性能计算集群的弹性补充。
- 高金金李潞洋薛俊杰
- 基于半监督学习的双线性映射图像检索被引量：3
- 2014年
- "语义鸿沟"是基于内容图像检索中广泛存在的问题。近年来,人们为减小语义鸿沟开展了许多研究工作,并将半监督学习方法用于其中。目前,多数的检索方法只考虑数据点的结构信息,或关注点集中在低层特征。为了充分利用结构信息缩小低层特征和高层语义之间的语义鸿沟,提出了一种半监督的双映射机器学习图像检索法。该方法在低层特征与标签之间建立双线性映射,最后使用Corel图像库同流行嵌入法进行对比,实验表明所提出的方法在检索过程中可以获得较好的效果,精准率有明显提高。
- 高金金尹四清
- 关键词：RETRIEVAL半监督学习语义鸿沟
- 高校高性能计算平台的建设与运维探讨被引量：2
- 2020年
- 随着高校各学科对计算资源需求的不断攀升,师生对计算资源的迫切需求,开展高校高性能计算平台的建设可以为高校“双一流”建设提供强有力的科研支撑平台和计算环境。本文给出了山西财经大学高性能计算平台建设具体方案,并对平台的管理运维模式进行详细探讨,为高校高性能平台的建设和运维提供一些经验和参考。
- 高金金
- 关键词：高性能计算平台计算资源集群高校实验室
- 基于双线性映射与哈希方法的图像检索研究
- 随着Internet与多媒体技术的发展,基于内容的图像检索技术成为了热门的研究领域。本文在介绍基于内容图像检索的底层特征提取、降维方法、相似性度量等的基础上,针对图像检索中的语义鸿沟与维数灾难问题,深入研究了机器学习与图...
- 高金金
- 关键词：双线性映射哈希方法图像检索特征提取
- 文献传递
- 基于CAS的服务器虚拟化在高校实验室的应用被引量：1
- 2016年
- 虚拟化技术的应用可以解决高校实验室服务器管理和维护困难的问题,提高计算资源的利用率。本文讨论了传统服务器管理方式的一些问题,介绍了虚拟化技术带来的便利及其优势,最终实现了基于H3C CAS虚拟化平台的高校实验室服务器的虚拟化设计与部署。
- 高金金李潞洋
- 关键词：服务器虚拟化高校实验室CAS
- 一种基于多重注意力机制的点云深度学习解码器
- 2022年
- 针对点云深度学习模型中解码器特征上采样存在的空间与特征结构损失的问题,提出一种基于注意力机制的特征插值上采样解码器方法.该解码器主要由空间注意力与特征注意力插值特征上采样组成.首先,根据点的空间位置特征之间的注意力关系,通过空间注意力插值计算上采样点的空间插值特征,然后利用空间插值特征与下采样点之间的特征注意力关系计算特征插值,最终将插值特征与编码特征跳跃连接,并进行特征混合后输出解码特征.在实验中,将本文提出的解码器嵌入到多种点云深度学习模型中,并在ShapeNet与ModelNet两种数据集上验证解码器的有效性.试验结果表明,与传统的三点线性插值模型相比,本文提出的方法在零件分割任务中平均重叠度提高0.5%,法向量估计任务中平均余弦距离误差降低13%,这充分验证了解码器的有效性.
- 陈炜哲高金金李潞洋
- 关键词：点云解码器
- 基于云端融合和虚拟广播域的云桌面屏幕广播方法被引量：1
- 2022年
- 随着教育信息化的发展,云桌面实验室和多媒体广播教学系统成为了远程教学的必要应用。针对传统多媒体广播系统应用在云桌面系统中存在的无法远程教学、云端计算开销过高和网络复用率低的问题,提出了一种基于云端融合和虚拟广播域为架构的广播教学方法。该方法利用终端设备的解码能力降低了云端高额的集中解码开销,利用IP隧道技术创建虚拟广播域来提高广播链路的复用度从而降低网络流量,同时提高教学活动的空间灵活性。
- 高金金路芳瑞
- 关键词：流媒体屏幕广播
- 基于局部关系卷积的点云分类与分割模型被引量：3
- 2022年
- 深度学习已成为点云分析的主要方法,但是现有方法在点云特征抽象时无法充分参考局部形状信息,因此对局部形状变化感知的鲁棒性较差,难以针对形状特征生成合适的卷积核。为此,提出了局部关系卷积(local relation convolution,LRConv),一种通过全面局部关系感知形状特征的卷积算子。参考点云局部中所有邻域点之间的低维空间关系,定义了一种不依赖于点的顺序与刚性变换的局部关系描述;使用多层感知机从关系描述中学习得到局部区域中每个点对应的卷积权重;通过卷积权重来变换点的特征,并聚合局部区域的抽象特征。在基准测试实验中,LRConv分类网络在ModelNet上的分类准确率较PointNet++提高了2.1个百分点,LRConv零件分割网络在ShapeNet上的分割类别平均重合度较PointNet++提高了1.5个百分点。实验结果充分验证了LRConv在特征抽象中的有效性。
- 高金金李潞洋
- 关键词：点云卷积神经网络
- 一种基于VDI模式的高校实验室云桌面建设方案被引量：3
- 2017年
- 虚拟云桌面利用虚拟化技术实现了一种新型的桌面体验方式。本文讨论并分析了传统计算机桌面在高校实验室中存在的一些技术与管理难题,介绍了基于VDI模式的云桌面在解决传统实验室所面临问题上的优势,最终给出了一种基于VDI模式的高校实验室云桌面建设方案。
- 高金金
- 关键词：虚拟化高校实验室VSPHERE
- 一种改进的点云Transformer深度学习模型被引量：5
- 2021年
- 针对点云Transformer中注意力计算单一与局部特征嵌入损失的问题,本文提出了一种改进的点云Transformer编码结构.首先,在自注意力权重矩阵的计算中进行多头分拆分并独立计算注意力得分,以实现从多个方面的自注意力计算.然后,在邻域编码时增加了多空间尺度邻域特征嵌入,以融合多个尺度上的邻域特征.最后,为特征增加了自适应的空间位置编码嵌入,以增强绝对空间位置特征.基于改进的Transformer编码结构,构建了形状分类、零件分割和法向量估计三种常见点云分析任务的深度学习模型,并在ModelNet与ShapeNet数据集上验证了模型的有效性.实验结果表明,与点云Transformer相比,本文方法的分类准确率与分割平均重叠度分别提高了0.3%和0.2%,这充分验证了改进方法的有效性.
- 高金金李潞洋
- 关键词：点云
