检索结果-内蒙古大学图书馆

软件学报 2024年第4期35卷 1667-1681页

作者：周植张丁楚李宇峰张敏灵计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 东南大学计算机科学与工程学院江苏南京210096

开集识别旨在研究测试阶段突现未见类别对于机器学习模型的挑战,以期学习模型既能分类已见类别又可识别/拒绝未见类别,是确保机器学习模型能够在开放世界中高效稳健部署的重要技术.既有开集识别技术通常假设已见类别的协变量分布在训练... 详细信息

开集识别旨在研究测试阶段突现未见类别对于机器学习模型的挑战,以期学习模型既能分类已见类别又可识别/拒绝未见类别,是确保机器学习模型能够在开放世界中高效稳健部署的重要技术.既有开集识别技术通常假设已见类别的协变量分布在训练与测试阶段维持不变.然而在实际场景中,类别的协变量分布常不断变化.直接利用既有技术不再奏效,其性能甚至劣于基线方案.因此,亟需研究新型开集识别方法,使其能不断适应协变量分布偏移,以期模型在测试阶段既能稳健分类已见类别又可识别未见类别.将此新问题设置命名为开放世界适应问题(AOW),并提出了一种开放测试时适应方法(OTA).该方法基于无标注测试数据优化自适应熵损失与开集熵损失更新模型,维持对已见类的既有判别能力,同时增强了识别未见类的能力.大量实验分析表明,该方法在多组基准数据集、多组不同协变量偏移程度下均稳健地优于现有先进的开集识别方法.

关键词：开集识别测试时适应分布偏移图像识别流数据

来源：评论

学校读者我要写书评

暂无评论

基于可泛化模型的复杂商务场景数据分析

引用

中国科学基金 2024年第5期38卷 762-772页

作者：史颖欢郭金涛李泽昆祁磊高阳南京大学计算机软件新技术全国重点实验室南京210023 东南大学计算机科学与工程学院南京210096

随着全球经济合作与竞争形势的快速发展,复杂商务场景日益涌现。其中,数据的规模和复杂性也呈现显著增长,在带来可利用数据资源的同时,也为有效挖掘和分析潜在商务模式带来挑战。本文首先针对复杂商务场景下的数据特点进行分析,其次调... 详细信息

随着全球经济合作与竞争形势的快速发展,复杂商务场景日益涌现。其中,数据的规模和复杂性也呈现显著增长,在带来可利用数据资源的同时,也为有效挖掘和分析潜在商务模式带来挑战。本文首先针对复杂商务场景下的数据特点进行分析,其次调研了商务分析方法的研究进展,包括:大规模商务数据集、多模态预训练与特征融合方法以及多场景下可泛化商务模型技术。此外,对复杂商务场景数据分析在未来的应用发展进行思考与总结,讨论了目前亟需解决的关键问题,包括:对更多模态的适应性、商务分析模型可解释性、动态环境下的分布变化鲁棒性等。进一步分析了复杂商务场景可泛化模型的研究现状和挑战,旨在为复杂商务分析领域的研究提供初步参考,实现复杂商务场景的全面智能化。

关键词：商务场景可泛化数据分析深度学习多模态融合

来源：评论

学校读者我要写书评

暂无评论

意图感知的社交网络用户城外移动行为预测

引用

计算机学报 2024年第11期47卷 2579-2593页

作者：胥帅李博涵许建秋曹玖新傅晓明南京航空航天大学计算机科学与技术学院南京211106 计算机软件新技术国家重点实验室(南京大学) 南京210023 东南大学网络空间安全学院南京211189 哥廷根大学计算机科学研究所哥廷根37077德国

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外... 详细信息

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外出行偏好,进而准确预测用户在城外的移动行为.为此,本文提出一种意图感知的社交网络用户城外移动偏好建模框架TIEMPO.首先,为缓解数据稀疏性问题,通过随机游走从构建的城外地点网络中采样移动轨迹,利用无监督聚类发现特定数目的用户城外出行意图;其次,引入记忆网络从相似用户在城外的移动轨迹中进一步提炼出行意图;然后,基于迁移学习思想,将用户城内签到与城外出行意图进行交互建模,从而强化用户城外移动偏好表示;最后,融合用户城外移动偏好表示与地点隐含表示对用户访问城外地点的概率进行量化.本文基于多个跨城市签到数据集进行广泛的实验分析,结果表明TIEMPO能有效预测社交网络用户在城外的移动行为,预测准确性指标Acc@10相比基线模型体现出12%~15%的明显优势,排序可靠性指标NDCG@10相比基线模型则超出3%~5%,即使在冷启动预测场景下TIEMPO依然表现最优.

关键词：移动行为预测跨城市意图感知偏好建模知识迁移社交网络

来源：评论

学校读者我要写书评

暂无评论

标记分布与时空注意力感知的视频动作质量评估

引用

中国图象图形学报 2023年第12期28卷 3810-3824页

作者：张宇徐天宇米思娅东南大学计算机科学与工程学院南京211189 东南大学软件学院南京211189 东南大学网络空间安全学院南京211189 紫金山实验室南京211111

目的视频动作质量评估旨在评估视频中特定动作的执行情况和完成质量。自动化的动作质量评估能够有效地减少人力资源的损耗,可以更加精准、公正地对视频内容进行评估。传统动作质量评估方法主要存在以下问题:(1)视频中动作主体的多尺度... 详细信息

目的视频动作质量评估旨在评估视频中特定动作的执行情况和完成质量。自动化的动作质量评估能够有效地减少人力资源的损耗,可以更加精准、公正地对视频内容进行评估。传统动作质量评估方法主要存在以下问题:(1)视频中动作主体的多尺度时空特征问题;(2)认知差异导致的标记内在模糊性问题;(3)多头自注意力机制的注意力头冗余问题。针对以上问题,提出了一种能够感知视频序列中不同时空位置、生成细粒度标记的动作质量评估模型SALDL(self-attention and label distribution learning)。方法SALDL提出Attention-Inc(attention-inception)结构,该结构通过Embedding、多头自注意力以及多层感知机将自注意力机制渐进式融入Inception结构,使模型能够获得不同尺度卷积特征之间的上下文信息。提出一种正负时间注意力模块PNTA(pos-neg temporal attention),通过PNTA损失挖掘时间注意力特征,从而减少自注意力头冗余并提取不同片段的注意力特征。SALDL模型通过标记增强及标记分布学习生成细粒度的动作质量标记。结果提出的SALDL模型在MTL-AQA(multitask learning-action quality assessment)和JIGSAWS(JHU-ISI gesture and skill assessment working set)等数据集上进行了大量对比及消融实验,斯皮尔曼等级相关系数分别为0.9416和0.8183。结论SALDL模型通过充分挖掘不同尺度的时空特征解决了多尺度时空特征问题,并引入符合标记分布的先验知识进行标记增强,达到了解决标记的内在模糊性问题以及注意力头的冗余问题。

关键词：动作质量评估(AQA) Inception模块自注意力机制标记分布学习斯皮尔曼等级相关系数

来源：评论

学校读者我要写书评

暂无评论

基于特定领域解码的域泛化医学图像分割方法

引用

数据采集与处理 2023年第2期38卷 324-335页

作者：叶怀泽周子奇祁磊史颖欢南京大学计算机软件新技术国家重点实验室南京210023 南京大学健康医疗大数据国家研究院南京210023 东南大学计算机科学与工程学院南京210023

多源域领域泛化是模型利用多个不同领域中的语义信息,并且能够很好地泛化到未知领域上。在医学图像中,不同领域之间的跨度比较大,模型泛化性能在未知域上会有较大程度的下降。为了解决这一问题,本文提出了一种编码特征再针对特定领域进... 详细信息

多源域领域泛化是模型利用多个不同领域中的语义信息,并且能够很好地泛化到未知领域上。在医学图像中,不同领域之间的跨度比较大,模型泛化性能在未知域上会有较大程度的下降。为了解决这一问题,本文提出了一种编码特征再针对特定领域进行解码的网络结构。该模型使用一个通用编码器来学习所有领域上的领域不变特征,并通过特定领域解码器还原原有图像以加强其对图像特征的复原能力。此外,该模型还通过生成特征迁移图像与源域图像进行对抗学习来加强编码器学习领域不变特征的能力。同时,本文在模型中还引入了特殊构造的分割融合预处理步骤来扩充数据集以增强模型的泛化能力,并进一步提高了本文提出网络结构的性能。在两个医学图像的分割任务中,大量实验数据表明,本文提出的模型相比现有先进模型表现出了优异的性能,此外本文还进行了一系列消融实验,证明了模型的有效性。

关键词：领域泛化医学图像分割迁移学习对抗学习数据增广

来源：评论

学校读者我要写书评

暂无评论

车联网边缘计算环境下基于流量预测的高效任务卸载策略研究

引用

电子学报 2024年

作者：许小龙杨威杨辰翊程勇齐连永项昊龙窦万春南京信息工程大学软件学院江苏省大气环境与装备技术协同创新中心江苏省先进计算与智能服务工程研究中心东南大学软件学院中国石油大学(华东)计算机科学与技术学院南京大学计算机软件新技术国家重点实验室

车联网（Internet of Vehicles,IoV）边缘计算通过将移动边缘计算和车联网相结合，实现了车辆计算任务从云服务器向边缘服务器的下沉，从而有效降低了车联网服务的响应时延.然而，车联网中不规则的交通流时空分布会导致边缘服务器计算... 详细信息

车联网（Internet of Vehicles,IoV）边缘计算通过将移动边缘计算和车联网相结合，实现了车辆计算任务从云服务器向边缘服务器的下沉，从而有效降低了车联网服务的响应时延.然而，车联网中不规则的交通流时空分布会导致边缘服务器计算负载不均衡，进而影响车联网服务的实时响应.为此，本文提出了一种车联网边缘计算环境下基于流量预测的高效任务卸载策略.具体而言，首先设计了能充分挖掘路段间连通性和距离信息的切比雪夫图加权网络（Chebyshev graph Weighted Network,ChebWN）进行交通流量预测.然后，设计了一种基于深度强化学习的二元任务卸载方法（DRL-based Binary task Offloading Algorithm,DBOA），该算法将二元任务卸载的决策过程分为两个阶段，即首先通过深度强化学习得到卸载策略，再通过一维双端查找算法确定最大化总计算速率的时间片分配方案，降低了决策过程的复杂度.最后，通过大量的对比实验验证了ChebWN在预测交通流量方面的准确性，以及DBOA在提升车联网服务响应速度方面的优越性.

关键词：移动边缘计算深度强化学习车联网图神经网络(GNN) 任务卸载

来源：评论

学校读者我要写书评

暂无评论

基于网络表示学习的车险欺诈溯因分析研究

引用

计算机科学 2023年第2期50卷 300-309页

作者：李炜卓卢冰洁杨骏铭那崇宁南京邮电大学现代邮政学院南京210003 之江实验室金融科技研究中心杭州311100 南京大学计算机软件新技术国家重点实验室南京210093 东南大学计算机网络和信息集成教育部重点实验室南京211189

车险欺诈检测对促进汽车保险业的良性健康发展有着重要意义。由于欺诈的判断涉及公民权利等核心内容,需要车险专家对案件进行核查,提供欺诈原因。尽管基于机器学习的方法泛化能力强、精确度高,但缺少可解释性,而基于专家系统的规则方法... 详细信息

车险欺诈检测对促进汽车保险业的良性健康发展有着重要意义。由于欺诈的判断涉及公民权利等核心内容,需要车险专家对案件进行核查,提供欺诈原因。尽管基于机器学习的方法泛化能力强、精确度高,但缺少可解释性,而基于专家系统的规则方法尽管有较好的可解释性,但受限于规则复杂的触发条件。为了解决未触发专家系统欺诈规则而被机器学习方法检测为“欺诈”的案件无法被解释的问题,文中提出了基于网络表示学习的车险欺诈溯因分析方法。该方法首先定义了车险欺诈溯因分析任务,然后采用网络表示学习对已触发专家系统中欺诈规则的案件进行案件-规则因子网络的建模,学习欺诈规则中因子的分布式向量表示。为了更好地度量“欺诈”案件与专家系统中因子未全部触发规则之间的相似度,该方法基于溯因缺省原理,设计了一种规则因子的加权拼接策略来缓解训练数据不足的问题。实验结果表明,所提方法相较于已有方法在车险欺诈溯因预测任务的3项指标中均能取得更好的效果。

关键词：汽车保险欺诈网络表示学习溯因推理专家系统可解释性

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型的重大慢病健康管理信息系统构建

引用

计算机研究与发展 2025年

作者：吴天星曹旭东毕胜陈亚蔡平强沙航宇漆桂林王昊奋东南大学计算机科学与工程学院新一代人工智能技术与交叉应用教育部重点实验室(东南大学) 东南大学法学院江苏亚寰软件股份有限公司南京大学医学院同济大学创意设计学院

随着全球人口老龄化和生活方式的变化，慢性病（慢病）的管理和治疗变得日益重要.慢病包括心血管疾病、糖尿病、慢性呼吸系统疾病等，它们通常需要长期甚至终身的健康管理，其核心在于制定和执行长期的健康计划，包括合理饮食、适量运... 详细信息

随着全球人口老龄化和生活方式的变化，慢性病（慢病）的管理和治疗变得日益重要.慢病包括心血管疾病、糖尿病、慢性呼吸系统疾病等，它们通常需要长期甚至终身的健康管理，其核心在于制定和执行长期的健康计划，包括合理饮食、适量运动、定期检查和用药管理等.近年来，大语言模型在医疗领域取得了一定的进展，但并未关注慢病健康管理领域，因此在个性化健康管理建议方面缺乏对中国特定饮食习惯和文化背景的深入理解，在处理数字信息方面的能力有限.为解决这些问题，构建了基于大语言模型的重大慢病健康管理信息系统.其中，通过整合慢病基础知识、健康管理指导原则以及实际的健康管理计划作为领域数据，训练蜻蜓大模型作为系统的核心，用于健康相关问题的有效回答.此外，系统引入了工具增强策略，通过调用工具增强蜻蜓大模型对健康数据中数字信息的处理能力.同时，系统采用了基于不确定性知识图谱的检索增强生成技术，进一步提升蜻蜓大模型在答复慢性病管理相关问题时的精确性和可信度.对基于大语言模型的重大慢病健康管理信息系统的测试实验显示，蜻蜓大模型在健康管理对话中的表现明显优于其他大语言模型，并验证了工具增强与检索增强方法的有效性.

关键词：信息系统大语言模型健康管理慢病检索增强生成

来源：评论

学校读者我要写书评

暂无评论

车联网边缘计算环境下基于流量预测的高效任务卸载策略研究

引用

电子学报 2025年第2期53卷 329-343页

作者：许小龙杨威杨辰翊程勇齐连永项昊龙窦万春南京信息工程大学软件学院江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044 江苏省先进计算与智能服务工程研究中心江苏南京210044 东南大学软件学院江苏南京211189 中国石油大学(华东)计算机科学与技术学院山东青岛266580 南京大学计算机软件新技术国家重点实验室江苏南京210000

车联网(Internet of Vehicles,IoV)边缘计算通过将移动边缘计算和车联网相结合,实现了车辆计算任务从云服务器向边缘服务器的下沉,从而有效降低了车联网服务的响应时延.然而,车联网中不规则的交通流时空分布会导致边缘服务器计算负载不... 详细信息

车联网(Internet of Vehicles,IoV)边缘计算通过将移动边缘计算和车联网相结合,实现了车辆计算任务从云服务器向边缘服务器的下沉,从而有效降低了车联网服务的响应时延.然而,车联网中不规则的交通流时空分布会导致边缘服务器计算负载不均衡,进而影响车联网服务的实时响应.为此,本文提出了一种车联网边缘计算环境下基于流量预测的高效任务卸载策略.具体而言,首先设计了能充分挖掘路段间连通性和距离信息的切比雪夫图加权网络(Chebyshev graph Weighted Network,ChebWN)进行交通流量预测.然后,设计了一种基于深度强化学习的二元任务卸载方法(DRL-based Binary task Offloading Algorithm,DBOA),该算法将二元任务卸载的决策过程分为两个阶段,即首先通过深度强化学习得到卸载策略,再通过一维双端查找算法确定最大化总计算速率的时间片分配方案,降低了决策过程的复杂度.最后,通过大量的对比实验验证了ChebWN在预测交通流量方面的准确性,以及DBOA在提升车联网服务响应速度方面的优越性.

关键词：移动边缘计算深度强化学习车联网图神经网络(GNN) 任务卸载

来源：评论

学校读者我要写书评

暂无评论

面向软件缺陷报告的缺陷定位方法研究与进展

引用

计算机科学 2022年第11期49卷 8-23页

作者：倪珍李斌孙小兵李必信朱程扬州大学信息工程学院江苏扬州225127 南京大学计算机软件新技术国家重点实验室南京210023 东南大学计算机软科学与工程学院南京211189

软件缺陷定位是软件缺陷修复任务的一个重要步骤。面向软件缺陷报告的缺陷定位方法以描述缺陷产生现象的软件缺陷报告作为查询,以项目的源代码作为语料库,通过分析缺陷报告与源代码单元之间的相关关系,设计缺陷报告与源代码单元之间相... 详细信息

软件缺陷定位是软件缺陷修复任务的一个重要步骤。面向软件缺陷报告的缺陷定位方法以描述缺陷产生现象的软件缺陷报告作为查询,以项目的源代码作为语料库,通过分析缺陷报告与源代码单元之间的相关关系,设计缺陷报告与源代码单元之间相关度的计算方法;随后,挖掘各类软件历史仓库来创建缺陷定位数据集,构建缺陷定位模型,以识别缺陷报告所描述的缺陷对应的源代码单元(即缺陷位置),实现缺陷定位。对近年来国内外学者在该研究领域取得的成果进行了系统总结。首先,介绍了软件缺陷定位的相关概念,归纳了面向软件缺陷报告的缺陷定位方法的主要流程;其次,围绕定位流程中的3个关键步骤梳理了已有研究工作;然后,总结了缺陷定位领域常用的实验数据集和实验评估指标;最后,对未来研究可能面临的挑战进行了展望。

关键词：软件缺陷定位软件缺陷报告定位模型信息检索深度学习

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：