文獻共被引可以為目標領(lǐng)域研究前沿的分析研究提供一種更加客觀、全面的研究視角。文中利用文獻共被引分析對2017年國際上人工智能領(lǐng)域的131篇ESI高被引論文進行分析,探尋得到了2017年該領(lǐng)域中包含的12個研究前沿和2個重點研究前沿。通過對研究前沿中核心論文的進一步研究發(fā)現(xiàn),在2017年國際人工智能領(lǐng)域的多個研究前沿中,我國的學(xué)者已經(jīng)成長為中堅力量,發(fā)揮著重要的作用。相比而言,在深度學(xué)習(xí)的兩個重點研究前沿中,我國還缺乏高質(zhì)量核心論文的產(chǎn)出者,這也激勵著我國學(xué)者不斷為之努力。 

【文章來源】：計算機科學(xué). 2018,45(09)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

圖１因子分析碎石圖Ｆｉｇ．１Ｓｃｒｅｅｐｌｏｔｏｆｆａｃｔｏｒａｎａｌｙｓｉｓ

第４步將１２個研究前沿中包含的核心論文的題目分別導(dǎo)入ＷｏｒｄＳｍｉｔｈ中進行關(guān)鍵詞頻次分析，最終提煉出每一個研究前沿的名稱。表２列出了１２個研究前沿的基本信息，包括研究前沿名稱、核心論文數(shù)、總被引頻次、平均出版年、ＣＰＴ指標等。觀察ＣＰＴ指標可以得出，８號和１０號研究前沿的ＣＰＴ遠遠高于其他研究前沿，因此將這兩個研究前沿同時作為重點研究前沿。表２研究前沿列表Ｔａｂｌｅ２Ｌｉｓｔｏｆｒｅｓｅａｒｃｈｆｒｏｎｔｉｅｒｓ序號研究前沿名稱核心論文數(shù)總被引頻次平均出版年ＣＰＴ是否重點１軟集、模糊軟集、粗糙軟集在決策中的應(yīng)用研究２０２４９６２０１１．７５１３．８６７否２直覺模糊聚合算子在決策中的應(yīng)用研究１５２６９１２０１２．３３２２．４２５否３多聚焦圖像融合研究１８２８６９２０１２．５６１７．７１０否４非線性系統(tǒng)的自適應(yīng)模糊控制研究２４２３２３２０１３．７５１０．７５５否５基于證據(jù)的傳感器數(shù)據(jù)融合方法及其在故障診斷中的研究８３９７２０１５．７５１６．５４２否６基于分數(shù)階憶阻器的時滯神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性研究１１８７０２０１４．００１５．８１８否７基于二元組和區(qū)間的語言術(shù)語集的決策研究５４８９２０１３．２０１０．８６７否８基于深度學(xué)習(xí)的目標檢測研究５５３０９２０１２．００１３２．７２５是９動態(tài)多Ａｇｅｎｔ系統(tǒng)中牽制控制的一致性研究３４４４２０１３．３３３７．０００否１０深度學(xué)習(xí)架構(gòu)研究３３０４５２０１２．６７１２６．８７５是１１ＲＯＥＳＳＥＲ系統(tǒng)的穩(wěn)定性研究４２５５２０１５．００２１．２５０否１２一類非線

方法，該方法能夠從不同的方案中選出最優(yōu)的一組方案［１１］（見圖２中的合作團隊９）。廣西民族大學(xué)的李招文、廣西大學(xué)的謝土生基于軟集、軟粗糙集與拓撲之間的關(guān)系，提出了拓撲軟集的概念，并進行了相關(guān)研究［１２］（見圖２中的合作團隊１０）。（２）研究前沿２———直覺模糊聚合算子在決策中的應(yīng)用研究中南大學(xué)的王堅強等基于聚合算子和ＴＯＰＳＩＳ的ＱＵＡＬＩＦＬＥＸ方法提出了一種群決策方法，該方法主要用于解決綠色產(chǎn)品的設(shè)計選擇問題［１３］（見圖３中的合作團隊１）。中國人民解放軍理工大學(xué)的徐澤水等對直覺模糊集的性質(zhì)和關(guān)系進行了研究［１４］（見圖３中的合作團隊２）。重慶文理學(xué)院的林銳等基于模糊語言信息的算術(shù)聚合算子對多屬性決策問題進行了研究，并提出了一種用于解決模糊語言多屬性決策問題的模糊語言集結(jié)算子［１５］（見圖３中的合作團隊３）。西班牙巴塞羅那大學(xué)的Ｍｅｒｉｇｏ等對誘導(dǎo)有序加權(quán)平均算子和誘導(dǎo)有序加權(quán)幾何算子進行了修正，然后利用Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ證據(jù)理論對決策問題進行了研究［１６］（見圖３中的合作團隊４）。圖３研究前沿２中的合作團隊Ｆｉｇ．３Ｃｏｏｐｅｒａｔｉｏｎｔｅａｍｓｉｎｒｅｓｅａｒｃｈｆｒｏｎｔｉｅｒ２（３）研究前沿３———多聚焦圖像融合研究加拿大不列顛哥倫比亞大學(xué)的ＬｉｕＺｈｅｎｇ、美國空軍研究實驗室的Ｂｌａｓｃｈ、美國國立醫(yī)學(xué)圖書館的ＸｕｅＺｈｉ－ｙｕｎ、加拿大渥太華大學(xué)的Ｌａｇａｎｉｅｒｅ、四川大學(xué)的吳煒等對６種多分辨率圖像的融合算法進行了比較研究［１７］（見圖４中的合作團隊１）。冰島大學(xué)的Ｂｅｎｅ


本文編號：3393522