检索结果-内蒙古大学图书馆

华中科技大学学报（自然科学版） 2024年第2期52卷 49-54页

作者：秦姣华段振雄向旭宇谭云中南林业科技大学计算机与信息工程学院湖南长沙410004

为解决传统数字水印技术导致模型精度下降的问题,并保护局部版权,提出了一种基于语义分割的三维模型版权保护算法.首先,使用PointNet对三维模型进行语义分割,并根据分割结果将模型划分为子块,以子块为单位计算版权信息,保护局部版权;然... 详细信息

为解决传统数字水印技术导致模型精度下降的问题,并保护局部版权,提出了一种基于语义分割的三维模型版权保护算法.首先,使用PointNet对三维模型进行语义分割,并根据分割结果将模型划分为子块,以子块为单位计算版权信息,保护局部版权;然后,提出了一种基于顶点范数与表面曲率的版权信息生成算法.由于版权信息是使用无载体隐写方式生成的,因此该算法可以在不修改模型本身的情况下对模型整体及各子部件进行版权保护.实验证明:该算法在完全抵抗相似变换攻击的情况下,对其他种类攻击同样具有较好的鲁棒性.

关键词：三维模型点云模型版权保护无载体隐写 PointNet

来源：评论

学校读者我要写书评

暂无评论

基于Transformer双线性网络的细粒度图像分类方法

引用

华中科技大学学报（自然科学版） 2024年第2期52卷 84-89页

作者：向旭宇刘亚捷曾彬谭云中南林业科技大学计算机与信息工程学院湖南长沙410000 长沙学院计算机科学与工程学院湖南长沙410000

为了改进在细粒度图像分类过程中类别差异难以提取的问题,提出了一种基于Transformer双线性网络的细粒度网络分类优化方法(BT-Net).首先,将输入图像通过不同卷积处理成不同长度的二维向量;然后,构建重复次数不同的编码器;最后,双网络分... 详细信息

为了改进在细粒度图像分类过程中类别差异难以提取的问题,提出了一种基于Transformer双线性网络的细粒度网络分类优化方法(BT-Net).首先,将输入图像通过不同卷积处理成不同长度的二维向量;然后,构建重复次数不同的编码器;最后,双网络分支将图像表示为来自两个Transformer的特征集合,得到更加丰富的互补特征信息,从而提高细粒度分类的精度.实验结果表明:在CUB-200-2011,Cars196和Stanford Dogs数据集中,BT-Net分类准确率分别为89.4%,92.5%,94.8%,优于已有的双线性卷积神经网络.

关键词：细粒度特征融合图像分类双线性 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于事件异构图表示的文本去重算法

引用

湖南大学学报（自然科学版） 2023年第2期50卷 74-85页

作者：艾玮许佳谢灿豪孟涛中南林业科技大学计算机与信息工程学院湖南长沙410018

基于图结构的文本表示方法在新闻文本去重中具有更好的效果.但是,目前该表示方法还不能完整地表示文本的全部信息,并且忽略了图的语义信息,降低了新闻文本的去重效果.为此,本研究提出基于事件异构图表示的文本去重算法,该算法首先通过... 详细信息

基于图结构的文本表示方法在新闻文本去重中具有更好的效果.但是,目前该表示方法还不能完整地表示文本的全部信息,并且忽略了图的语义信息,降低了新闻文本的去重效果.为此,本研究提出基于事件异构图表示的文本去重算法,该算法首先通过事件异构图表示新闻文本的全局语义与结构信息,然后提出双标签图核算法表征事件异构图,实现深度表征图的结构及语义信息.实验结果表明,该研究提出的去重算法比现有的基于图结构的文本表示去重方法在F1-score指标上提升了10%.最后,该算法能提高新闻文本的去重效果.

关键词：图核算法事件异构图新闻文本文本表示文本去重

来源：评论

学校读者我要写书评

暂无评论

一种OFDM稀疏信道估计系数优化方案

引用

湖南大学学报（自然科学版） 2023年第8期50卷 165-171页

作者：朱俊杰刘昊郑志安中南林业科技大学计算机与信息工程学院湖南长沙410003

围绕利用贪婪追踪算法的正交频分复用(orthogonal frequency division multiplexing,OFDM)调制系统的稀疏信道估计,研究了由于原子的错误选择所导致的恢复性能下降问题.基于针对贪婪追踪算法中最小二乘重构运算过程的分析,发现错误原子... 详细信息

围绕利用贪婪追踪算法的正交频分复用(orthogonal frequency division multiplexing,OFDM)调制系统的稀疏信道估计,研究了由于原子的错误选择所导致的恢复性能下降问题.基于针对贪婪追踪算法中最小二乘重构运算过程的分析,发现错误原子上存在严重的原子系数的过估计现象.在此基础上,提出了利用相邻符号间信道路径时延相关性的系数优化方案(coefficients optimization scheme,COS),用以提高原子选择错误时稀疏信道估计的准确性.仿真结果表明,将COS与传统的正交匹配追踪(orthogonal matching pursuit,OMP)算法和稀疏度自适应匹配追踪(sparsity adaptive matching pursuit,SAMP)算法融合,都有效地抑制了原子的错误选择对稀疏信道估计的影响,并且在低信噪比下提升了贪婪追踪算法的估计性能,在不同多径信道模型下的仿真测试中均具有较好的鲁棒性.

关键词：正交频分复用信道估计压缩感知贪婪追踪算法

来源：评论

学校读者我要写书评

暂无评论

CNS-Net:一种循环多注意力特征聚合架构

引用

郑州大学学报（理学版） 2024年第2期56卷 73-79页

作者：陈俊松易积政陈爱斌中南林业科技大学计算机与信息工程学院湖南长沙410004

基于卷积神经网络(convolutional neural network,CNN)方法在高分辨率遥感图像分类时,提取全局特征信息和局部特征信息方面有一定优势,但不能有效区别关键信息和干扰信息。由此,提出一种端到端的CNS-Net网络来提取图像显著性特征。首先... 详细信息

基于卷积神经网络(convolutional neural network,CNN)方法在高分辨率遥感图像分类时,提取全局特征信息和局部特征信息方面有一定优势,但不能有效区别关键信息和干扰信息。由此,提出一种端到端的CNS-Net网络来提取图像显著性特征。首先,设计了一个全局增强性模块(global enhancement module,GEM)通过显示建模通道之间的相互依赖关系,使网络选择性提取关键区域;其次,提出了一个多级循环注意模块(multi-stage cyclic attention module,MCAM)来捕捉特征信息的长期依赖关系和上下文感知信息;最后,在4个公共数据集上进行实验,结果表明所提方法达到了最优的分类性能。

关键词：卷积神经网络长短期记忆网络注意力机制遥感图像

来源：评论

学校读者我要写书评

暂无评论

基于改进型转子信息观测器的PMSM无位置传感器控制

引用

控制理论与应用 2025年第4期42卷 837-846页

作者：邹恒祥朱俊杰刘浩然郑志安中南林业科技大学计算机与信息工程学院湖南长沙410004 中国中车株洲电力机车研究所湖南株洲412001

针对传统滑模观测器由于抖振而导致永磁同步电机转子信息观测精度低的问题,设计了一种基于二阶广义积分器(SOGI)的自适应高阶滑模转子信息观测器.首先,通过构造一种具有增益自适应跟踪算法的高阶滑模观测器,解决传统滑模观测器引入低通... 详细信息

针对传统滑模观测器由于抖振而导致永磁同步电机转子信息观测精度低的问题,设计了一种基于二阶广义积分器(SOGI)的自适应高阶滑模转子信息观测器.首先,通过构造一种具有增益自适应跟踪算法的高阶滑模观测器,解决传统滑模观测器引入低通滤波器所造成相位滞后与幅值衰减问题,减少抖振对观测精度的影响;其次,使用SOGI与归一化正交锁相环技术获取位置和速度信息,将转子角频率反馈至SOGI模块作为其中心频率,减少负载扰动和死区效应引起的谐波和噪声的污染,并通过Lyapunov稳定性定理证明了系统的稳定性;最后,搭建永磁同步电机无位置传感器控制系统,通过仿真以及实验验证了该方法的有效性.实验结果表明,相比于传统的滑模观测器,改进后的转子信息观测器有效提高了转子位置估计精度,抑制了滑模抖振与谐波.

关键词：表贴式永磁同步电机高阶滑模观测器自适应滑模增益二阶广义积分器

来源：评论

学校读者我要写书评

暂无评论

基于特征选择和时空特征的网络入侵检测

引用

计算机工程 2024年

作者：周莎车生兵考友琛张旭郭甚驿中南林业科技大学计算机与信息工程学院

由于恶意软件、web攻击等行为频发，互联网上存在的大量用户隐私信息，需要避免因网络恶意攻击而导致私密信息外泄，使得网络入侵检测系统成为研究热点。网络入侵数据中存在大量冗余和不相关的信息，现有的检测模型很少捕捉网络入侵数... 详细信息

由于恶意软件、web攻击等行为频发，互联网上存在的大量用户隐私信息，需要避免因网络恶意攻击而导致私密信息外泄，使得网络入侵检测系统成为研究热点。网络入侵数据中存在大量冗余和不相关的信息，现有的检测模型很少捕捉网络入侵数据中时间和空间维度上的模式和规律，导致模型的检测性能受到限制。本文结合特征选择和特征融合，建立了一种新的网络入侵检测模型BRFE-CBIAT。该模型首先通过随机森林和递归特征消除结合构建BRFE。BRFE模型对数据特征进行选择，剔除部分不重要的特征，减少了冗余信息。其次，建立时空特征并行提取的CBIAT模型，使用卷积神经网络的一维卷积层对数据进行初步空间特征提取。然后，通过时间特征模块中的双向长短时记忆网络对深层序列数据建模，捕获特征之间的时序关系，并利用改进的空间注意模块关注空间特征。最后，通过softmax分类器处理融合的时空特征获取分类预测结果。本文提出的BRFE-CBIAT模型，在NSL-KDD和UNSW-NB15数据集上的多分类检测准确率分别为99.7%和94.0%，优于目前主流的网络模型。实验结果表明，本文提出的模型对多类别的细分效果也存在明显优势，在NSL-KDD数据集中，所有细分性能达到了96%以上。在UNSW-NB15数据集上Dos攻击检测F1-score达到了89%。

关键词：网络入侵检测特征选择深度学习时空特征提取特征融合

来源：评论

学校读者我要写书评

暂无评论

基于类相似特征扩充与中心三元组损失的哈希图像检索

引用

模式识别与人工智能 2023年第8期36卷 685-700页

作者：潘丽丽马俊勇熊思宇邓智茂胡清华中南林业科技大学计算机与信息工程学院长沙410004 天津大学智能与计算学部天津300350

现有的深度哈希图像检索方法主要采用卷积神经网络,提取的深度特征的相似性表征能力不足.此外,三元组深度哈希主要从小批量数据中构建局部三元组样本,样本数量较少,数据分布缺失全局性,使网络训练不够充分且收敛困难.针对上述问题,文中... 详细信息

现有的深度哈希图像检索方法主要采用卷积神经网络,提取的深度特征的相似性表征能力不足.此外,三元组深度哈希主要从小批量数据中构建局部三元组样本,样本数量较少,数据分布缺失全局性,使网络训练不够充分且收敛困难.针对上述问题,文中提出基于类相似特征扩充与中心三元组损失的哈希图像检索模型(Hash Image Retrieval Based on Category Similarity Feature Expansion and Center Triplet Loss,HRFT-Net).设计基于Vision Transformer的哈希特征提取模块(Hash Feature Extraction Module Based on Vision Transformer,HViT),利用Vision Transformer提取表征能力更强的全局特征信息.为了扩充小批量训练样本的数据量,提出基于类约束的相似特征扩充模块(Similar Feature Expansion Based on Category Constraint,SFEC),利用同类样本间的相似性生成新特征,丰富三元组训练样本.为了增强三元组损失的全局性,提出基于Hadamard的中心三元组损失函数(Central Triplet Loss Function Based on Hadamard,CTLH),利用Hadamard为每个类建立全局哈希中心约束,通过增添局部约束与全局中心约束的中心三元组加速网络的学习和收敛,提高图像检索的精度.在CIFAR10、NUS-WIDE数据集上的实验表明,HRFT-Net在不同长度比特位哈希码检索上的平均精度均值较优,由此验证HRFT-Net的有效性.

关键词：图像检索深度哈希 Vision Transformer(ViT) 特征扩充三元组损失

来源：评论

学校读者我要写书评

暂无评论

基于CNN和Bi-LSTM模型的蛋白质甲基化位点识别

引用

哈尔滨理工大学学报 2024年

作者：马驰卓周文静雷志超王楚正中南林业科技大学计算机与信息工程学院

甲基化是一种调节细胞功能的蛋白质翻译后修饰（PTM），能对基因调控和疾病预测等领域的研究提供指导和帮助。当前，甲基化位点识别研究存在标注数据集少，正样本数据不足和甲基化研究识别准确率低等问题。为了解决这些问题，本文提出... 详细信息

甲基化是一种调节细胞功能的蛋白质翻译后修饰（PTM），能对基因调控和疾病预测等领域的研究提供指导和帮助。当前，甲基化位点识别研究存在标注数据集少，正样本数据不足和甲基化研究识别准确率低等问题。为了解决这些问题，本文提出了一种基于CNN和Bi-LSTM模型的蛋白质甲基化位点识别方法。我们的模型分为两个分支，CNN分支采用密集连接的方式使每一层的特征信息充分地传递和共享；堆叠的Bi-LSTM分支获得序列中双向的长期依赖关系，然后两个分支进行特征融合用于甲基化识别。实验表明，利用该模型识别甲基化位点得到的准确率（ACC）、F1值（F1 score）和马修斯相关系数（MCC）分别为0.8519、0.8494和0.7284，相对比其他方法，我们的模型具有更良好性能。

关键词：甲基化卷积神经网络双向长短时记忆网络特征融合位点识别

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的多用户边缘计算任务卸载调度与资源分配算法

引用

计算机学报 2022年第4期45卷 812-824页

作者：邝祝芳陈清林李林峰邓晓衡陈志刚中南林业科技大学计算机与信息工程学院长沙410004 中南大学计算机学院长沙410083

移动边缘计算(Mobile Edge Computing,MEC)把计算和存储等资源部署在网络边缘以满足某些对延迟要求苛刻的应用.用户设备可以通过无线网络将计算任务整体或者部分卸载到边缘服务器执行从而降低延迟和本地耗能,进而获得良好的用户体验.现... 详细信息

移动边缘计算(Mobile Edge Computing,MEC)把计算和存储等资源部署在网络边缘以满足某些对延迟要求苛刻的应用.用户设备可以通过无线网络将计算任务整体或者部分卸载到边缘服务器执行从而降低延迟和本地耗能,进而获得良好的用户体验.现有传统优化算法在MEC卸载决策和资源分配方面是可行的,但传统优化算法并不很适合高实时性的MEC系统.深度强化学习可以通过与传统优化算法不同的方式,建立尝试-奖励反馈机制,通过积累经验进行学习,从而完成优化目标.本文考虑移动边缘计算网络中多用户多任务卸载的情况下,研究任务卸载中的卸载决策和任务调度以及服务器资源分配的问题,以最小化系统延迟和传输耗能、本地耗能为目标,基于深度强化学习提出了一种多用户多任务下的任务卸载调度与资源分配算法,在上层服务器分配资源确定的情况下,提出基于贪心策略的流水车间调度算法解决了任务卸载决策和卸载调度问题,下层采用强化学习方法优化服务器资源分配问题.仿真结果表明,所提出的方法在降低延迟和本地耗能方面有比较优越的性能.

关键词：移动边缘计算深度强化学习任务卸载任务调度资源分配

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：