检索结果-内蒙古大学图书馆

上海理工大学学报 2025年第2期47卷 220-229页

作者：程森茂郭玳豆栗风永韩彦芳秦川上海理工大学光电信息与计算机工程学院上海200093 上海电力大学计算机科学与技术学院上海201306

屏摄信道传输中的多媒体安全问题是数字水印研究领域中的一大难点。鉴于屏摄过程中存在光照度差异和采样失真的问题,基于数字信道设计的水印方法并不适用于屏摄信道,为此,提出了一种基于可逆神经网络的小波域抗屏摄水印方法,以解决“跨... 详细信息

屏摄信道传输中的多媒体安全问题是数字水印研究领域中的一大难点。鉴于屏摄过程中存在光照度差异和采样失真的问题,基于数字信道设计的水印方法并不适用于屏摄信道,为此,提出了一种基于可逆神经网络的小波域抗屏摄水印方法,以解决“跨媒介鲁棒性”问题。通过基于U-Net网络结构的预处理网络对水印信息和原始图像进行预编码生成残差图像,将该残差图像与原始图像进行离散小波变换,并利用可逆神经网络实现在小波域的水印嵌入和提取。在模型训练过程中加入噪声池,以提升抵抗屏摄噪声攻击的鲁棒性。实验结果表明,通过所提方法生成的含水印图像具有更好的视觉质量,且在不同距离、角度和光照度的屏摄情况下,均有着较高的水印信息提取准确率。

关键词：鲁棒水印屏幕拍摄可逆神经网络小波域

来源：评论

学校读者我要写书评

暂无评论

数字全息显微信号项频谱定位及干扰项抑制

引用

光学技术 2024年第3期50卷 277-287页

作者：张贺孔勇吴慧慧廖后章陈杰上海工程技术大学电子电气工程学院控制工程系上海201620 上海理工大学光电信息与计算机工程学院上海200093

在离轴数字全息显微和非相干光成像研究中,空间频域滤波是重建目标物体的振幅和相位信息的关键步骤。信号项频谱选取及中心定位对滤波后重建相位的质量有着极大影响,即使像素级的微小差异也会导致重建相位的严重失真。为了解决这个问题... 详细信息

在离轴数字全息显微和非相干光成像研究中,空间频域滤波是重建目标物体的振幅和相位信息的关键步骤。信号项频谱选取及中心定位对滤波后重建相位的质量有着极大影响,即使像素级的微小差异也会导致重建相位的严重失真。为了解决这个问题,文章提出了一种数字全息显微信号项频谱定位及干扰项抑制的方法。方法根据全息图频谱的直方图分布特性,自适应确定滤波形状和大小,同时,采用质心法来快速准确的确定信号项频谱的中心,并在频域中运用形态学处理来消除信号项频谱周围的干扰项。实现了信号项频谱自适应滤波,从而提高了相位重建的质量。文章使用二维山形图模拟相位进行了仿真验证,并搭建光路拍摄USAF1951标定板上的数字区域和洋葱表皮细胞进行了实验验证。仿真和实验结果表明,算法可以实现高质量的相位重建,并对干扰项进行抑制,提高了离轴数字全息显微系统的成像质量。

关键词：数字全息频谱滤波频谱中心定位干扰项抑制相位重建

来源：评论

学校读者我要写书评

暂无评论

基于块分类的密文域多重嵌入可逆信息隐藏算法

引用

应用科学学报 2023年第2期41卷 272-283页

作者：张翔宇栗风永秦川上海理工大学光电信息与计算机工程学院上海200093 上海电力大学计算机科学与技术学院上海200120

针对现有密文域可逆信息隐藏方法中图像块利用不充分,使得嵌入秘密信息量不高的问题,提出了一种基于块分类的多重嵌入可逆信息隐藏算法。首先将原始图像用流密码加密,加密图像被分成若干个不重叠的块。然后,用最高有效位(most significa... 详细信息

针对现有密文域可逆信息隐藏方法中图像块利用不充分,使得嵌入秘密信息量不高的问题,提出了一种基于块分类的多重嵌入可逆信息隐藏算法。首先将原始图像用流密码加密,加密图像被分成若干个不重叠的块。然后,用最高有效位(most significant bit,MSB)自适应预测算法对块内的第1个像素和其他像素进行预测,将每一个块标记为可用块或非可用块。进一步对可用块进行重构嵌入,同时用中值边缘检测器(median-edge detector,MED)预测算法对非可用块进行二次嵌入,最终实现秘密信息的嵌入。当接收方接收到含密图像时,通过嵌入密钥实现秘密信息的正确提取,同时利用加密密钥恢复原始图像。实验证明,该文提出的方法在相同图像恢复质量的情况下能够显著提升秘密信息的嵌入量,在嵌入容量和图像恢复质量上均优于已有的方法。

关键词：可逆信息隐藏图像加密中间边缘检测器块分类

来源：评论

学校读者我要写书评

暂无评论

基于SMOTE和gcForest的医疗小样本数据分类研究

引用

物联网学报 2023年第2期7卷 76-87页

作者：刘文昌魏赟袁浩轩高跃上海理工大学光电信息与计算机工程学院上海200093 复旦大学计算机科学技术学院上海200438

针对传统机器学习模型在医疗小样本数据上由浅层模型结构和复杂数据特征导致的分类表现不佳的问题,提出了一种联合多粒度改进级联森林(cgicForest,combine multi-grained improved cascade forest)模型。通过在多粒度扫描中加入随机抽... 详细信息

针对传统机器学习模型在医疗小样本数据上由浅层模型结构和复杂数据特征导致的分类表现不佳的问题,提出了一种联合多粒度改进级联森林(cgicForest,combine multi-grained improved cascade forest)模型。通过在多粒度扫描中加入随机抽样环节以及对变换特征进行优化来提高模型表征学习能力,并改进级联森林部分的层级结构来提升模型分类能力。针对存在类别不平衡问题的数据集,提出安全边界过采样(SBS,safe-borderline-SMOTE)算法在属于安全边界的少数样本周围进行动态插值,提高训练数据质量,再通过cgicForest模型进行训练学习,最终得到支持不平衡医疗小样本数据的SBS-cgicForest分类模型。在3种医疗数据集上应用SBS-cgicForest分类模型进行测试,结果表明,cgicForest模型在具有复杂特征的医疗小样本数据上分类的性能指标较多粒度级联森林(gcForest,multi-grained cascade forest)模型提升了4.1~5.4个百分点,与SBS算法结合后各性能指标提升6.6~11.2个百分点,比与传统采样方法结合后的F1评分高出2~2.5个百分点,为解决医疗小样本数据的分类问题提供了参考,并为智慧医疗场景下的物联网应用提供了支持。

关键词：医疗数据小样本 SMOTE gcForest

来源：评论

学校读者我要写书评

暂无评论

面向虚假新闻检测的社交媒体多模态数据集构建

引用

网络与信息安全学报 2023年第4期9卷 144-154页

作者：高国鹏房耀东韩彦芳钱振兴秦川上海理工大学光电信息与计算机工程学院上海200093 复旦大学计算机科学技术学院上海200433

社交媒体的出现正在改变着人们的生活,通过社交媒体可以便捷地获取和分享新闻,但同时助力了虚假新闻的滋生和传播,从而严重影响社会安全和稳定。因此,虚假新闻检测引起了研究者广泛关注。尽管存在多种基于深度学习的解决方案,但这些方... 详细信息

社交媒体的出现正在改变着人们的生活,通过社交媒体可以便捷地获取和分享新闻,但同时助力了虚假新闻的滋生和传播,从而严重影响社会安全和稳定。因此,虚假新闻检测引起了研究者广泛关注。尽管存在多种基于深度学习的解决方案,但这些方法需要大量的数据作为支撑。现有的虚假新闻数据集,尤其是中文数据集不仅稀缺,而且数据集中的新闻大多属于同一个类别。为了更好地检测虚假新闻,构建了一个新的多模态的虚假新闻数据集(MFND,multi-modal fake news dataset),其中包含政治、经济、娱乐、体育、国际、科技、军事、教育、健康和社会生活这10个类别的中文和英文新闻数据。对提出的虚假新闻数据集的词频和类别进行分析,并与现有的虚假新闻数据集在新闻数量、新闻类别、模态信息和新闻语种等方面进行了对比,结果显示MFND在类别信息和新闻语种方面表现突出。另外,利用现有的典型虚假新闻检测方法在MFND上进行训练和验证,实验结果表明,相较于现有主流的虚假新闻数据集,MFND可以为模型提供10%左右的性能提升。

关键词：社交媒体虚假新闻检测多模态多类别数据集

来源：评论

学校读者我要写书评

暂无评论

视觉融合下的复杂路况车辆换道决策模型

引用

小型微型计算机系统 2024年第9期45卷 2205-2214页

作者：袁健陈佳钦潘杰忠孙煜赵逢禹上海理工大学光电信息与计算机工程学院上海200093 上海出版印刷高等专科学校信息与智能工程系上海200093

车辆换道是一个融合车辆行为及其周围环境的多因素动态过程,不合理的换道行为会招致严重的交通事故.现有安全防撞模型未考虑换道时多车辆间的耦合关系,且换道车辆的感知方式有一定局限性,在需强制性换道时决策效果不理想.因此本文提出... 详细信息

车辆换道是一个融合车辆行为及其周围环境的多因素动态过程,不合理的换道行为会招致严重的交通事故.现有安全防撞模型未考虑换道时多车辆间的耦合关系,且换道车辆的感知方式有一定局限性,在需强制性换道时决策效果不理想.因此本文提出视觉融合下的复杂路况车辆换道决策模型.该模型以单视角补偿双目视差计算的视觉融合方法感知参与换道的多车辆,解决了因车辆遮挡覆盖等非线性运动导致的多目标车辆轨迹预测误差问题,通过提取出三维的换道行为参数输入RBF神经网络进行可行性安全评估,可使车辆在合适时机进行换道.实验结果表明,提出的车辆换道决策模型在相同实验环境下相较单目检测算法YOLOv3准确性可提升5.1%,相较选取的基准双目检测算法准确性提升0.7%,且对换道进行安全评估的预测综合准确率达97.33%,能满足自动驾驶车辆强制性换道需求.

关键词：换道决策自动驾驶车辆视觉融合策略换道安全评估强制性换道

来源：评论

学校读者我要写书评

暂无评论

基于VMD-DenseNet的短期电力负荷预测

引用

计算机应用与软件 2023年第7期40卷 34-40,70页

作者：余珊温蜜顾春华陈禹帆上海电力大学计算机科学与技术学院上海201306 上海理工大学光电信息与计算机工程学院上海200093

针对电力负荷较为复杂的变化特性,以及现有预测算法未能充分利用数据中的特征、存在精度不足的问题,提出一种基于VMD-DenseNet的组合预测模型。通过VMD将原始负荷序列分解为趋势分量、细节分量和随机分量,并采用最大信息系数为各分量选... 详细信息

针对电力负荷较为复杂的变化特性,以及现有预测算法未能充分利用数据中的特征、存在精度不足的问题,提出一种基于VMD-DenseNet的组合预测模型。通过VMD将原始负荷序列分解为趋势分量、细节分量和随机分量,并采用最大信息系数为各分量选取相关性较大的特征变量。引入一维DenseNet神经网络模型预测各分量负荷,通过密集连接实现特征重用,加强对各分量特征的提取。以欧洲某电网的负荷数据集为算例,分别在提前1 h和提前6 h两种不同的预测时间尺度下进行实验,结果表明提出的模型都能够更好地提取数据中的潜在特征,相较于其他模型具有更高的预测精度。

关键词：短期电力负荷预测 DenseNet 变分模态分解最大信息系数特征重用

来源：评论

学校读者我要写书评

暂无评论

自适应动态选择尺度的ViT后训练量化模型研究

引用

小型微型计算机系统 2025年

作者：裴颂文彭宇昂刘方鑫陈铭松张波上海理工大学光电信息与计算机工程学院上海交通大学计算机科学与工程系华东师范大学软硬件协同设计与应用教育部工程研究中心上海师范大学信息与机电工程学院

后训练量化方法无需重新训练神经网络，且对数据集的依赖性小，是一种轻量且实用的模型压缩技术。然而，现有的量化范式未能有效地拟合post-Softmax激活的分布特性，并且在重新参数化post-LayerNorm激活后，精度不可避免地出现下降。因... 详细信息

后训练量化方法无需重新训练神经网络，且对数据集的依赖性小，是一种轻量且实用的模型压缩技术。然而，现有的量化范式未能有效地拟合post-Softmax激活的分布特性，并且在重新参数化post-LayerNorm激活后，精度不可避免地出现下降。因此，本文提出了一种自适应动态选择量化尺度的变换器后训练量化框架DAQ-ViT。DAQ-ViT首先提出了一种基于偏度度量的缩放因子分布选择器，解决了post-LayerNorm激活存在显著的通道间变化所导致的精度下降问题。其次，针对post-Softmax和post-GELU激活分布特性，提出了满足分布特性的Sigmoid量化器。此外，提出了感知分布检测器，自适应感知激活值分布情况，从而动态选择Sigmoid量化和log2量化。实验结果表明，在没有输出重建的情况下与PTQ4ViT相比，DAQ-ViT进行4比特量化时，在DeiT-Tiny和DeiT-Small上的精度分别提高了20%和35%。

关键词：模型压缩模型量化后训练量化图像分类视觉变换器

来源：评论

学校读者我要写书评

暂无评论

基于DRAM牺牲Cache的异构内存页迁移机制

引用

计算机研究与发展 2022年第3期59卷 568-581页

作者：裴颂文钱艺幻叶笑春刘海坤孔令和上海理工大学光电信息与计算机工程学院上海200093 计算机体系结构国家重点实验室(中国科学院计算技术研究所) 北京100190 华中科技大学计算机科学与技术学院武汉430074 上海交通大学计算机科学与工程系上海200240

当海量数据请求访问异构内存系统时,异构内存页在动态随机存储器(dynamic random access memory, DRAM)和非易失性存储器(non-volatile memory, NVM)之间进行频繁的往返迁移.然而,应用于传统内存页的迁移策略难以适应内存页"冷&quo... 详细信息

当海量数据请求访问异构内存系统时,异构内存页在动态随机存储器(dynamic random access memory, DRAM)和非易失性存储器(non-volatile memory, NVM)之间进行频繁的往返迁移.然而,应用于传统内存页的迁移策略难以适应内存页"冷""热"度的快速动态变化,这使得从DRAM迁移至NVM的"冷"页面可能在短时间内变"热"从而产生大量冗余的迁移操作.当前的相关研究都仅着眼于正在执行迁移的页面而忽视了等待迁移和完成迁移的页面,且判断"冷""热"程度的标准不一,使得冗余的迁移大量产生.因此,提出了一个基于DRAM牺牲Cache的异构内存页迁移机制(VC-HMM),使用非易失性存储器中工艺较为成熟的相变存储器(phase change memory, PCM),通过在DRAM和PCM之间增加一个由DRAM构成的小容量牺牲Cache将系统主存DRAM中变"冷"的页面迁移到牺牲Cache中,以避免主存页面在短时间内再次变"热"而造成的冗余迁移.同时,还使得迁回PCM的部分页面不需要写回,减少PCM存储单元的写入操作次数,延长PCM的使用寿命.另外,对于不同的工作负载,VC-HMM可以自适应设置迁移操作的参数,增加迁移的合理性.实验结果表明:与其他迁移策略(CoinMigrator, MQRA,THMigrator)相比,VC-HMM平均减少了至少62.97%的PCM写操作次数、22.72%的平均访问时延、38.37%的重复迁移操作以及3.40%的系统能耗.

关键词： VC-HMM 异构内存系统 DRAM牺牲Cache 内存页迁移非易失性存储器

来源：评论

学校读者我要写书评

暂无评论

分布式模型训练中的通信优化方法:现状及展望

引用

小型微型计算机系统 2024年第12期45卷 2964-2978页

作者：赵海燕易庆奥汤敬华钱诗友曹健上海理工大学光电信息与计算机工程学院上海市现代光学系统重点实验室光学仪器与系统教育部工程研究中心上海200093 上海交通大学计算机科学与工程系上海200240

在进行大模型训练时,采用分布式训练是解决单个GPU卡或单个节点无法处理庞大模型参数和数据集的有效方法.通过将训练任务分配给多个节点,分布式模型训练实现了计算资源的并行利用,从而提高了训练效率.然而,随着模型规模的迅速增大,通信... 详细信息

在进行大模型训练时,采用分布式训练是解决单个GPU卡或单个节点无法处理庞大模型参数和数据集的有效方法.通过将训练任务分配给多个节点,分布式模型训练实现了计算资源的并行利用,从而提高了训练效率.然而,随着模型规模的迅速增大,通信成为制约分布式训练性能的瓶颈.近年来,许多研究者对分布式训练中的通信问题进行了深入的研究,本文对相关研究进行全面的综述,从5个不同角度对分布式训练中的通信问题进行了分析,并总结了相应的优化方法.这些优化方法包括但不限于通信拓扑优化、梯度压缩技术、同步和异步算法、重叠通信与计算、以及通信库及硬件的优化.最后,本文对未来的研究方向进行了分析与展望.

关键词：大模型分布式训练并行通信优化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：