2017年国际人工智能领域研究前沿的分析与研究

发布时间：2021-09-11 18:46

　　文献共被引可以为目标领域研究前沿的分析研究提供一种更加客观、全面的研究视角。文中利用文献共被引分析对2017年国际上人工智能领域的131篇ESI高被引论文进行分析,探寻得到了2017年该领域中包含的12个研究前沿和2个重点研究前沿。通过对研究前沿中核心论文的进一步研究发现,在2017年国际人工智能领域的多个研究前沿中,我国的学者已经成长为中坚力量,发挥着重要的作用。相比而言,在深度学习的两个重点研究前沿中,我国还缺乏高质量核心论文的产出者,这也激励着我国学者不断为之努力。 

【文章来源】：计算机科学. 2018,45(09)北大核心CSCD

【文章页数】：10 页

【部分图文】：

图１因子分析碎石图Ｆｉｇ．１Ｓｃｒｅｅｐｌｏｔｏｆｆａｃｔｏｒａｎａｌｙｓｉｓ

第４步将１２个研究前沿中包含的核心论文的题目分别导入ＷｏｒｄＳｍｉｔｈ中进行关键词频次分析，最终提炼出每一个研究前沿的名称。表２列出了１２个研究前沿的基本信息，包括研究前沿名称、核心论文数、总被引频次、平均出版年、ＣＰＴ指标等。观察ＣＰＴ指标可以得出，８号和１０号研究前沿的ＣＰＴ远远高于其他研究前沿，因此将这两个研究前沿同时作为重点研究前沿。表２研究前沿列表Ｔａｂｌｅ２Ｌｉｓｔｏｆｒｅｓｅａｒｃｈｆｒｏｎｔｉｅｒｓ序号研究前沿名称核心论文数总被引频次平均出版年ＣＰＴ是否重点１软集、模糊软集、粗糙软集在决策中的应用研究２０２４９６２０１１．７５１３．８６７否２直觉模糊聚合算子在决策中的应用研究１５２６９１２０１２．３３２２．４２５否３多聚焦图像融合研究１８２８６９２０１２．５６１７．７１０否４非线性系统的自适应模糊控制研究２４２３２３２０１３．７５１０．７５５否５基于证据的传感器数据融合方法及其在故障诊断中的研究８３９７２０１５．７５１６．５４２否６基于分数阶忆阻器的时滞神经网络的稳定性研究１１８７０２０１４．００１５．８１８否７基于二元组和区间的语言术语集的决策研究５４８９２０１３．２０１０．８６７否８基于深度学习的目标检测研究５５３０９２０１２．００１３２．７２５是９动态多Ａｇｅｎｔ系统中牵制控制的一致性研究３４４４２０１３．３３３７．０００否１０深度学习架构研究３３０４５２０１２．６７１２６．８７５是１１ＲＯＥＳＳＥＲ系统的稳定性研究４２５５２０１５．００２１．２５０否１２一类非线

方法，该方法能够从不同的方案中选出最优的一组方案［１１］（见图２中的合作团队９）。广西民族大学的李招文、广西大学的谢土生基于软集、软粗糙集与拓扑之间的关系，提出了拓扑软集的概念，并进行了相关研究［１２］（见图２中的合作团队１０）。（２）研究前沿２———直觉模糊聚合算子在决策中的应用研究中南大学的王坚强等基于聚合算子和ＴＯＰＳＩＳ的ＱＵＡＬＩＦＬＥＸ方法提出了一种群决策方法，该方法主要用于解决绿色产品的设计选择问题［１３］（见图３中的合作团队１）。中国人民解放军理工大学的徐泽水等对直觉模糊集的性质和关系进行了研究［１４］（见图３中的合作团队２）。重庆文理学院的林锐等基于模糊语言信息的算术聚合算子对多属性决策问题进行了研究，并提出了一种用于解决模糊语言多属性决策问题的模糊语言集结算子［１５］（见图３中的合作团队３）。西班牙巴塞罗那大学的Ｍｅｒｉｇｏ等对诱导有序加权平均算子和诱导有序加权几何算子进行了修正，然后利用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据理论对决策问题进行了研究［１６］（见图３中的合作团队４）。图３研究前沿２中的合作团队Ｆｉｇ．３Ｃｏｏｐｅｒａｔｉｏｎｔｅａｍｓｉｎｒｅｓｅａｒｃｈｆｒｏｎｔｉｅｒ２（３）研究前沿３———多聚焦图像融合研究加拿大不列颠哥伦比亚大学的ＬｉｕＺｈｅｎｇ、美国空军研究实验室的Ｂｌａｓｃｈ、美国国立医学图书馆的ＸｕｅＺｈｉ－ｙｕｎ、加拿大渥太华大学的Ｌａｇａｎｉｅｒｅ、四川大学的吴炜等对６种多分辨率图像的融合算法进行了比较研究［１７］（见图４中的合作团队１）。冰岛大学的Ｂｅｎｅ


本文编号：3393522