检索结果-内蒙古大学图书馆

中文科技期刊数据库（引文版）教育科学 2025年第2期 038-041页

作者：杨晓文张元韩慧妍熊风光薛红新中北大学计算机科学与技术学院山西太原030051 国家级计算机及应用虚拟仿真实验教学中心山西太原030051

人工智能时代推动了操作系统课程教学模式的改革。针对人工智能时代的特色,将操作系统课程的教学模式设计成智慧互动课堂、个性化教学、混合教学、智能辅导、自动化评估和项目式学习的教学模式,进而养成持续学习的习惯。重点阐述改革模... 详细信息

人工智能时代推动了操作系统课程教学模式的改革。针对人工智能时代的特色,将操作系统课程的教学模式设计成智慧互动课堂、个性化教学、混合教学、智能辅导、自动化评估和项目式学习的教学模式,进而养成持续学习的习惯。重点阐述改革模式中的要点——智慧交互课堂与知识图谱的构建,这一改革旨在解决传统教学模式的局限,提供新的教学思路。通过智慧交互与知识图谱的结合,不仅优化了操作系统课程的教学过程,还为未来相关课程的教学提供了参考方向,有望培养出更多适应人工智能时代发展的专业人才。

关键词：人工智能操作系统知识图谱智慧课堂

来源：评论

学校读者我要写书评

暂无评论

面向创新能力培养的数字图像处理教学改革

引用

科教文汇 2025年第2期 115-118页

作者：郭磊梁志剑熊风光庞敏蔺素珍中北大学计算机科学与技术学院山西太原030051 国家级计算机及应用虚拟仿真实验教学中心山西太原030051

数字图像处理课程具有理论难度大、实践性强、碎片化程度高、考核不充分的特点。为适应新工科建设要求,深化培养学生的创新能力,该文设计了理论与实践一体化教学改革方案,重构了教学内容,构建了理论融入式探索性作业和综合项目设计,通... 详细信息

数字图像处理课程具有理论难度大、实践性强、碎片化程度高、考核不充分的特点。为适应新工科建设要求,深化培养学生的创新能力,该文设计了理论与实践一体化教学改革方案,重构了教学内容,构建了理论融入式探索性作业和综合项目设计,通过全过程、多维度的方式来考核学生的综合能力。实践表明,该教学改革能显著激发学生兴趣,有效地培养了学生的综合创新能力,为学生从事数字图像处理领域的高阶研究和研发奠定了基础。

关键词：教学改革数字图像处理项目设计科研素养创新能力

来源：评论

学校读者我要写书评

暂无评论

基于自编码器的人群异常行为检测算法

引用

计算机工程与设计 2025年第3期46卷 779-787页

作者：王玉杨晓文孙福盛况立群韩慧妍张元中北大学计算机科学与技术学院山西太原030051 机器视觉与虚拟现实山西省重点实验室山西太原030051 山西省视觉信息处理及智能机器人工程研究中心山西太原030051

为提高人群异常行为检测算法性能,以STEAL-Net为基础,提出一种融合全局时空特征的自编码器人群异常行为检测算法。在编码器进行特征提取时,将全局跨通道特征提取模块与三维卷积结合,减少全局上下文特征的缺失;将提取到的特征序列输入到... 详细信息

为提高人群异常行为检测算法性能,以STEAL-Net为基础,提出一种融合全局时空特征的自编码器人群异常行为检测算法。在编码器进行特征提取时,将全局跨通道特征提取模块与三维卷积结合,减少全局上下文特征的缺失;将提取到的特征序列输入到全局时空信息增强模块,进一步对视频帧的全局时空特征进行有效提取;进入解码器对输入帧进行重构,利用重构误差大小对异常行为进行检测。该算法在公开数据集UCSD Ped1、UCSD Ped2和ShanghaiTech上与其它先进方法进行了AUC指标的比较,实验结果表明所提算法的有效性。

关键词：人群异常行为检测自编码器全局上下文全局时空特征重构全局跨通道特征提取模块全局时空信息增强模块

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征动态融合的点云配准算法

引用

激光与光电子学进展 2025年第4期62卷 166-176页

作者：刘京张元张乐李波杨晓文中北大学计算机科学与技术学院机器视觉与虚拟现实山西省重点实验室北方自动控制技术研究所仿真装备部

在点云配准过程中，噪声干扰、表面复杂性高、部分重叠或遮挡，以及尺度差异等因素会影响特征提取的准确性和完整性，进而制约配准效果的改善。为解决这一问题，提出了一种基于多尺度特征动态融合的点云配准算法。该算法首先利用不同深... 详细信息

在点云配准过程中，噪声干扰、表面复杂性高、部分重叠或遮挡，以及尺度差异等因素会影响特征提取的准确性和完整性，进而制约配准效果的改善。为解决这一问题，提出了一种基于多尺度特征动态融合的点云配准算法。该算法首先利用不同深度的稀疏卷积操作从点云数据中提取多级尺度特征信息，涵盖了从局部细节到全局结构的丰富层次；其次，将多级尺度特征进行拼接，形成融合特征表示，以增强特征的完整性和准确性；然后，在网络跳跃连接处引入挤压-激励注意力机制，使算法自适应学习并强化重要特征信息，同时在残差位置处融入全局上下文模块，以更好地捕捉全局结构信息；最后，通过随机采样一致性（RANSAC）算法估计刚性变换矩阵以完成配准。实验结果表明，相较于主流方法，所提方法在特征提取和配准精度方面均展现出显著优势，有效提升了点云配准的性能。

关键词：点云配准特征提取多尺度特征特征融合注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于不确定性估计与动态样本选择的噪声标签尘肺分期方法

引用

计算机工程 2025年

作者：冯伟毅任雪婷王盈森王月莹赵涓涓强彦孔晓梅赵慧兰太原理工大学计算机科学与技术学院(大数据学院) 中国电力科学研究院有限公司太原理工大学软件学院中北大学软件学院山西医科大学第一医院呼吸与危重症医学科山西省煤炭中心医院

由于病变分期标准存在模糊性，不同诊断专家可能会得出不同的诊断结果，这导致了实例标签的噪声，即标签准确性受到观察者差异的影响。深度学习依赖于数据的质量，而这些带有噪声标签的数据往往会导致模型的性能下降。为应对尘肺病分期... 详细信息

由于病变分期标准存在模糊性，不同诊断专家可能会得出不同的诊断结果，这导致了实例标签的噪声，即标签准确性受到观察者差异的影响。深度学习依赖于数据的质量，而这些带有噪声标签的数据往往会导致模型的性能下降。为应对尘肺病分期中噪声标签带来的挑战，提出了一种双分支动态样本选择策略。该方法通过在模型的关键层引入蒙特卡洛随机丢弃，在关键层进行多次前向传播进行不确定性估计预测结果，同时将模型的预测概率与混合高斯模型相结合洞察样本的特征空间分布，最终实现可选择的不确定性估计分支和混合高斯模型特征分布预测分支。然后为每一个分支中每一个样本数据设立一个阈值，阈值随着模型训练的推进动量更新，最终依据该动态样本选择模块进行样本划分和差异化约束，减小噪声样本对模型的负面影响。在临床收集的尘肺病X光数据集上进行评估，实验结果表明，该方法在5%、10%、20%以及40%实例噪声比下的性能显著优于同类方法，证明了其在噪声标签学习中的有效性和鲁棒性。

关键词：噪声标签学习尘肺分期不确定性估计样本选择医学图像分类

来源：评论

学校读者我要写书评

暂无评论

基于模糊聚类和动态权重分配的水下传感器网络智能信任评估方法

引用

水下无人系统学报 2025年第02期33卷 220-228页

作者：王照辉韩光洁杜嘉欣林川王雷大连理工大学软件学院河海大学信息科学与工程学院浙江工业大学计算机科学与技术学院东北大学软件学院

水下传感器网络(USN)在海洋环境监测等领域具有重要作用,同时面临诸多的安全挑战。信任模型虽能有效抵御内部攻击,保障网络可靠性，但现有信任评估方法大多依赖于信任特征的线性加权和阈值比较的决策方式。在水下动态环境中,水流和温度... 详细信息

水下传感器网络(USN)在海洋环境监测等领域具有重要作用,同时面临诸多的安全挑战。信任模型虽能有效抵御内部攻击,保障网络可靠性，但现有信任评估方法大多依赖于信任特征的线性加权和阈值比较的决策方式。在水下动态环境中,水流和温度等因素在时空上的不断变化,会导致节点信任特征的变化差异和信任值的整体波动,使得最优权重和合理阈值难以有效确定,影响评估的准确性与决策的可靠性。为解决这一问题,文中提出了一种基于模糊聚类和动态权重分配的智能信任评估方法。该方法首先对USN进行分层动态拓扑建模,以增强普适性;在此基础上综合计算节点的通信、能量和数据特征,以全面反映节点的状态;然后使用无监督机器学习算法模糊C均值聚类,实现自适应的节点信任决策,同时采用主客观结合策略,根据网络和环境条件为特征动态分配权重,从而实现对节点信任度的智能评估。仿真实验结果表明,该方法能够有效评估水下环境中节点的信任度,提高信任决策的可靠性,增强网络安全性。

关键词：水下传感器网络信任评估模糊聚类动态权重

来源：评论

学校读者我要写书评

暂无评论

双折射测量系统的弹光调制器原位定标及数据处理研究

引用

激光杂志 2025年第3期46卷 76-83页

作者：王爽李克武中北大学计算机科学与技术学院太原030051 山西省光电信息与仪器工程技术研究中心太原030051

针对高精度双折射测量需求,开展了双弹光调制型双折射测量研究,重点解决测量系统中弹光调制器(Photoelastic Modulator,PEM)在线原位定标及数据处理问题。运用数字锁相技术完成了调制信号的多个频率成分提取,利用各频率调制信号幅值的比... 详细信息

针对高精度双折射测量需求,开展了双弹光调制型双折射测量研究,重点解决测量系统中弹光调制器(Photoelastic Modulator,PEM)在线原位定标及数据处理问题。运用数字锁相技术完成了调制信号的多个频率成分提取,利用各频率调制信号幅值的比值,实现PEM相位调制幅值在线原位定标,在此基础上进一步完成双折射延迟量和快轴方位角同时测量。利用搭建的实验系统对索利尔巴比涅补偿器标准样品进行了实验测试,结果表明本方案能够实现PEM实时在线原位定标,并且在200 ms时间内实现相对误差低于0.60%,标准偏差不超过0.049 nm的高精度、高灵敏、快速双折射测量。本研究为光学材料、元器件在线实时双折射检测提供了很好的解决方案。

关键词：双折射测量弹光调制相位幅值定标数据处理

来源：评论

学校读者我要写书评

暂无评论

基于词嵌入和特征融合的恶意软件检测研究

引用

信息安全研究 2025年第05期 412-419页

作者：师智斌孙文琦窦建民于孟洋中北大学计算机科学与技术学院公安部第三研究所北方导航控制技术股份有限公司

针对现有传统方法存在特征提取和表示受限、无法同时捕获API序列的空间语义特征和时序特征、无法捕获能决定目标任务的关键特征信息等问题，利用自然语言处理领域的词嵌入技术和多模型特征抽取以及特征融合技术，提出一种基于词嵌入和... 详细信息

针对现有传统方法存在特征提取和表示受限、无法同时捕获API序列的空间语义特征和时序特征、无法捕获能决定目标任务的关键特征信息等问题，利用自然语言处理领域的词嵌入技术和多模型特征抽取以及特征融合技术，提出一种基于词嵌入和特征融合的恶意软件检测方法.首先使用自然语言处理领域的词嵌入技术对API序列编码，得到其语义特征编码表示；然后分别利用多重卷积网络和Bi-LSTM网络提取API序列的n-gram局部空间特征和时序特征；最后利用自注意力机制对捕获的特征进行关键位置信息的深度融合，通过刻画深层恶意行为特征实现分类任务.实验结果表明，在二分类任务中，该方法准确率达到94.79%,相较于传统机器学习方法平均提高了12.37%,比深度学习方法平均提高5.78%.在多分类任务中，该方法的准确率也达到91.95%,能够有效地提高对恶意软件的检测准确率.

关键词：恶意软件检测软件调用序列多重卷积网络长短期记忆网络特征融合

来源：评论

学校读者我要写书评

暂无评论

多模态融合的野外扬尘环境三维目标检测

引用

计算机系统应用 2025年第2期34卷 92-101页

作者：杨文浩况立群王松张珏中北大学计算机科学与技术学院太原030051 智能采矿装备技术全国重点实验室太原030032 山西太重智能采矿装备技术有限公司太原030032 机器视觉与虚拟现实山西省重点实验室太原030051

对于配备多种传感器的自动驾驶车辆,在野外扬尘环境中进行高精度三维目标检测是一项重大挑战,野外地形的多变性导致采集目标的区域特征差异性加剧,同时扬尘颗粒物还会模糊目标特征.为了克服这些困难,本文提出了多模态特征动态融合的三... 详细信息

对于配备多种传感器的自动驾驶车辆,在野外扬尘环境中进行高精度三维目标检测是一项重大挑战,野外地形的多变性导致采集目标的区域特征差异性加剧,同时扬尘颗粒物还会模糊目标特征.为了克服这些困难,本文提出了多模态特征动态融合的三维目标检测方法,构建了多级特征自适应融合模块和特征对齐增强模块,其中,多级特征自适应融合模块动态调整模型对全局级特征和区域级特征的关注程度,充分利用多级感受野,减少区域差异对识别效果的影响;而特征对齐增强模块则在多模态特征对齐之前增强感兴趣区域的特征表达,有效抑制扬尘等干扰因素.实验结果表明,提出方法在自建野外数据集中比基线的平均精度提高了2.79%,在KITTI数据集的困难级别检测中提高了1.7%,表现出较好的鲁棒性和准确性.

关键词：三维目标检测野外扬尘多模态融合点云

来源：评论

学校读者我要写书评

暂无评论

结合因果卷积的非平稳学习倒置Transformer的时间序列预测模型

引用

计算机系统应用 2025年第4期34卷 184-194页

作者：李子烨乔钢柱中北大学计算机科学与技术学院太原030051

针对当前时间序列预测任务中存在多维特征建模困难、数据非平稳、预测准确性要求高等问题,提出结合因果卷积的非平稳学习倒置Transformer模型.该模型首先利用倒置嵌入时间序列数据交换注意力机制和前馈神经网络原有功能,使用注意力机制... 详细信息

针对当前时间序列预测任务中存在多维特征建模困难、数据非平稳、预测准确性要求高等问题,提出结合因果卷积的非平稳学习倒置Transformer模型.该模型首先利用倒置嵌入时间序列数据交换注意力机制和前馈神经网络原有功能,使用注意力机制学习时间序列数据的多元相关性,前馈神经网络学习时间序列的时间依赖性,在多维时间序列时间及变量上建模,增强模型在时间维度和变量间关系的泛化能力,从而提高模型的可解释性.然后,利用序列平稳化模块解决数据非平稳性问题以提高模型的可预测能力.最后使用结合因果卷积的非平稳学习注意力机制将平稳化模块中消失的关键特征与信息重新引入,从而提高模型的预测准确性.与PatchTST、iTransformer、Crossformer等多个主流基准模型进行比较,所提模型在Exchange等4个数据集上的均方误差平均下降了6.2%–65.0%.通过消融实验表明本文的倒置嵌入模块、结合因果卷积的非平稳学习注意力模块能有效提升时间序列预测的准确度.

关键词：多维时间序列倒置嵌入序列平稳化因果卷积非平稳学习

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：