检索结果-内蒙古大学图书馆

计算机科学 2013年第1期40卷 118-121页

作者：付东来彭新光太原理工大学计算机科学与技术学院太原030024 中北大学电子与计算机科学与技术学院太原030051

为了进一步提高平台配置远程证明机制的实用性,针对RAMT(remote attestation based on Merkle hashtree)方案的不足,基于Chameleon哈希算法,采用软件分组的思想,改进了RAMT方案,给出了实验证明。认真讨论了RAMT方案的特点,详细描述了改... 详细信息

为了进一步提高平台配置远程证明机制的实用性,针对RAMT(remote attestation based on Merkle hashtree)方案的不足,基于Chameleon哈希算法,采用软件分组的思想,改进了RAMT方案,给出了实验证明。认真讨论了RAMT方案的特点,详细描述了改进后的RAMT方案的体系结构、度量及验证过程,并深入讨论了新机制的特点。实验结果表明,新机制不仅提高了远程证明机制的可伸缩性,而且进一步增强了隐私保护能力,从而进一步提高了方案的实用性。

关键词：可信计算远程证明 Chameleon哈希软件分组

来源：评论

学校读者我要写书评

暂无评论

动态生成Shapelet的网络流量异常检测

引用

计算机工程与设计 2024年第5期45卷 1337-1342页

作者：霍帅师智斌窦建民郝伟泽石琼中北大学计算机科学与技术学院山西太原030000

当前网络流量异常检测方法大多针对流量特征集构建检测算法,为充分利用网络流量本身数据信息,降低对人为构建特征集的依赖,采用原始网络流量数据,基于对抗性动态Shapelet网络(ADSN),动态学习Shapelet时序特征,提出一种单尺度输入的ADSN(... 详细信息

当前网络流量异常检测方法大多针对流量特征集构建检测算法,为充分利用网络流量本身数据信息,降低对人为构建特征集的依赖,采用原始网络流量数据,基于对抗性动态Shapelet网络(ADSN),动态学习Shapelet时序特征,提出一种单尺度输入的ADSN(S-ADSN)流量异常检测方法。将网络会话流中用于建立连接的数据转换为时间序列,基于S-ADSN对原始流量序列样本动态学习和生成Shapelet时序特征,计算Shapelet与流量序列之间的距离向量并通过分类器判断流量类别。实验结果表明,所提方法能够动态获取具有辨识性的流量时序特征,具有可解释性和早期检测性优点,实现较高的恶意流量检测精度。

关键词：网络流量异常检测时间序列时序特征特征学习卷积神经网络生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

一种基于特征抽取的文档信息过滤算法研究

引用

现代图书情报技术 2008年第4期 29-34页

作者：杨陟卓韩燮中北大学电子与计算机科学技术学院太原030051

针对传统TF-IDF在文本过滤时存在的缺点,提出一种基于特征词抽取的文本过滤算法。简要分析文档信息过滤原理和流程,重点讨论文档信息过滤算法设计及技术实现。实验结果表明,所提出的算法可有效对文档信息进行过滤,能够提高信息检索质量。

关键词：信息检索信息过滤文本特征抽取 TF—IDF

来源：评论

学校读者我要写书评

暂无评论

轻量化FPGA布线路径搜索算法

引用

计算机辅助设计与图形学学报 2023年第5期35卷 789-795页

作者：王德奎张丽丽陆旭西北大学信息科学与技术学院西安710127 西安电子科技大学计算机科学与技术学院西安710071

针对FPGA布线耗时较长的问题,提出一种基于最优节点预测的轻量化FPGA布线路径搜索算法.该算法通过预测最优布线资源节点,在搜索最优布线路径时只对最优节点进行详细计算、分析,无须搜索其他节点,从而提高搜索速度;当轻量化搜索失败时,... 详细信息

针对FPGA布线耗时较长的问题,提出一种基于最优节点预测的轻量化FPGA布线路径搜索算法.该算法通过预测最优布线资源节点,在搜索最优布线路径时只对最优节点进行详细计算、分析,无须搜索其他节点,从而提高搜索速度;当轻量化搜索失败时,以全局最优节点为源点重新进行轻量化搜索,提高全局搜索能力;在寻找全局最优节点时,只对可能出现在最优路径上的次优节点进行详细计算分析,减少无效计算.使用VTR标准电路对所提算法和VPR 8.0进行测试,并从布线所需时间和结果质量2个方面进行比较.实验结果表明,与VPR 8.0中布线路径搜索算法相比,所提算法在保证布线结果质量基本不变的情况下,将搜索的布线资源节点数量减少41.8%,可节省31.3%的运行时间.

关键词：现场可编程门阵列布线算法轻量化搜索大规模电路最短路径

来源：评论

学校读者我要写书评

暂无评论

最近对寻址的专利实体关系抽取方法

引用

计算机工程与设计 2024年第4期45卷 1100-1108页

作者：李成奇雷海卫李帆呼文秀中北大学计算机科学与技术学院山西太原030051

针对专利领域没有公开数据集的问题,标注一个中文专利实体关系抽取数据集PERD(patent entity relation dataset)。为完成实体关系抽取任务,提出最近对寻址的实体关系抽取模型NPAM(nearest pair addressing entity relationship extracti... 详细信息

针对专利领域没有公开数据集的问题,标注一个中文专利实体关系抽取数据集PERD(patent entity relation dataset)。为完成实体关系抽取任务,提出最近对寻址的实体关系抽取模型NPAM(nearest pair addressing entity relationship extraction model),实体位置信息获取方法的改进、注意力机制建模矩阵和实体抽取方法的创新,使该模型在PERD上F1值达到72.74%,相比模型PRGC提升12.64个百分点。实验结果验证了该模型的有效性。

关键词：实体关系抽取专利领域数据集最近对寻址注意力机制关联性矩阵全词标记

来源：评论

学校读者我要写书评

暂无评论

基于SVD-SAE-GPR的锂离子电池RUL预测

引用

储能科学与技术 2023年第4期12卷 1257-1267页

作者：董渊昌庞晓琼贾建芳史元浩温杰李笑张鑫中北大学计算机科学与技术学院中北大学电气与控制工程学院山西太原030051

锂离子电池是重要的储能手段之一,对其剩余使用寿命(RUL)进行预测具有非常重要的实际意义。本工作首先针对传统特征提取方法依赖参数设置且对于不同锂离子电池数据集适应性差的缺陷,将电池数据视作矩阵,并引入奇异值分解(SVD)从测量数... 详细信息

锂离子电池是重要的储能手段之一,对其剩余使用寿命(RUL)进行预测具有非常重要的实际意义。本工作首先针对传统特征提取方法依赖参数设置且对于不同锂离子电池数据集适应性差的缺陷,将电池数据视作矩阵,并引入奇异值分解(SVD)从测量数据和包含更多退化信息的特征提取对象中提取潜在健康因子(HIs)。其次,潜在HIs的冗余和不足会影响RUL的预测,同时考虑到主成分分析(PCA)的缺点,使用Spearman相关分析和堆叠自编码器(SAE)处理HIs得到一个融合HI。在此基础上,利用高斯过程回归(GPR)算法构建了融合HI与容量之间的模型,得到了带有不确定性表达的最终预测结果。最后,通过NASA提供的四个老化电池数据验证了所提预测模型的可行性和有效性。并额外选取MIT电池数据集验证特征提取方法的适应性。实验结果表明,所提出的RUL预测框架具有较好的预测性能,SVD特征提取方法在避免参数设置的前提下具有较好的适应性。本工作提取的HI与经过PCA融合的HI、其他HI相比,预测精度有显著提高。

关键词：锂离子电池剩余使用寿命(RUL) 奇异值分解堆叠自编码器高斯过程回归

来源：评论

学校读者我要写书评

暂无评论

基于MCA和Context模型结合的磁共振图像去噪

引用

电视技术 2012年第23期36卷 12-14页

作者：孙凌云樊永生张挺飞中北大学电子与计算机科学与技术学院山西太原030051

在噪声污染的磁共振图像中,运用MCA和Context模型结合的算法进行处理,以达到尽可能完全滤除噪声的目的。该方法的主要思想是用MCA方法将图像分离成两个部分,分别采用二进小波和Context模型对这两部分进行处理。仿真实验结果表明,本方法... 详细信息

在噪声污染的磁共振图像中,运用MCA和Context模型结合的算法进行处理,以达到尽可能完全滤除噪声的目的。该方法的主要思想是用MCA方法将图像分离成两个部分,分别采用二进小波和Context模型对这两部分进行处理。仿真实验结果表明,本方法是有效可用的,提高了图像的视觉效果,具有更高的PSNR值。

关键词：磁共振图像形态成分分析 context模型阈值滤波图像去噪

来源：评论

学校读者我要写书评

暂无评论

动态Huffman树平台配置远程证明方案

引用

计算机应用 2012年第8期32卷 2275-2279,2282页

作者：付东来彭新光陈够喜杨秋翔太原理工大学计算机科学与技术学院太原030024 中北大学电子与计算机科学技术学院太原030051

为了进一步提高平台配置远程证明方案的效率,在基于Merkle哈希树的远程验证机制RAMT的基础上,改进了可信实体散列值的存储方案,提出了基于动态Huffman树的平台配置远程证明方案RADHT,给出了算法效率的理论证明过程。认真讨论了可信实体... 详细信息

为了进一步提高平台配置远程证明方案的效率,在基于Merkle哈希树的远程验证机制RAMT的基础上,改进了可信实体散列值的存储方案,提出了基于动态Huffman树的平台配置远程证明方案RADHT,给出了算法效率的理论证明过程。认真讨论了可信实体的散列值存储方案,详细描述了动态Huffman树平台配置远程证明方案的体系结构、度量及验证过程,给出了一个完整性度量算法示例,并讨论了新机制的隐私保护能力和验证效率。与RAMT方案相比,新机制考虑了可信实体的散列值被查询的概率及其概率的动态更新问题。结果表明,新机制改进了平台配置远程证明方案的效率。

关键词：可信计算远程证明平台配置动态哈夫曼树验证效率

来源：评论

学校读者我要写书评

暂无评论

基于多尺度的时序数据部分周期模式增量挖掘

引用

计算机应用 2023年第2期43卷 391-397页

作者：荀亚玲王林青蔡江辉杨海峰太原科技大学计算机科学与技术学院太原030024 中北大学计算机科学与技术学院太原030051

针对动态时序数据部分周期模式挖掘过程存在的计算复杂度过高和扩展性差等问题,提出了一种结合多尺度理论的时间序列部分周期模式挖掘算法(MSI-PPPGrowth),所提算法充分利用了时序数据客观存在的时间多尺度特性,将多尺度理论引入时序数... 详细信息

针对动态时序数据部分周期模式挖掘过程存在的计算复杂度过高和扩展性差等问题,提出了一种结合多尺度理论的时间序列部分周期模式挖掘算法(MSI-PPPGrowth),所提算法充分利用了时序数据客观存在的时间多尺度特性,将多尺度理论引入时序数据的部分周期模式挖掘过程。首先,将尺度划分后的原始数据以及增量时序数据作为更细粒度的基准尺度数据集进行独立挖掘;然后,利用不同尺度数据间的相关性实现尺度转换,以间接获取动态更新后的数据集对应的全局频繁模式,从而避免了原始数据集的重复扫描和树结构的不断调整。其中,基于克里金法并考虑时序周期性设计了一个新的频繁缺失计数估计模型(PJK-EstimateCount),以有效估计在尺度转换过程中的缺失项支持度计数。实验结果表明,MSI-PPPGrowth具有良好的可扩展性和实时性,尤其是对于稠密数据集,其性能优势更为突出。

关键词：频繁项集挖掘时序数据部分周期模式多尺度增量挖掘

来源：评论

学校读者我要写书评

暂无评论

基于特征融合的多波段图像描述生成方法

引用

计算机工程 2024年第6期50卷 236-244页

作者：贺姗蔺素珍王彦博李大威中北大学计算机科学与技术学院山西太原030051 中北大学控制工程学院山西太原030051

针对现有图像描述生成方法普遍存在的对夜间场景、目标被遮挡情景和拍摄模糊图像描述效果不佳的问题,提出一种基于特征融合的多波段探测图像描述生成方法。将红外探测成像引入图像描述领域,首先利用多层卷积神经网络(CNN)对可见光图像... 详细信息

针对现有图像描述生成方法普遍存在的对夜间场景、目标被遮挡情景和拍摄模糊图像描述效果不佳的问题,提出一种基于特征融合的多波段探测图像描述生成方法。将红外探测成像引入图像描述领域,首先利用多层卷积神经网络(CNN)对可见光图像和红外图像分别提取特征;然后根据不同探测波段的互补性,以多头注意力机制为主体设计空间注意力模块,以融合目标波段特征;接着应用通道注意力机制聚合空间域信息,指导生成不同类型的单词;最后在传统加性注意力机制的基础上构建注意力增强模块,计算注意力结果图与查询向量的相关权重系数,消除无关变量的干扰,从而实现图像描述生成。在可见光图像-红外图像描述数据集上进行多组实验,结果表明,该方法能有效融合双波段的语义特征,BLEU4指标、CIDEr指标分别达到58.3%和136.1%,能显著提高图像描述准确度,可以用于安防监控、军事侦察等复杂场景任务。

关键词：图像描述图像融合多波段图像自注意力机制组合注意力

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：