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） 2022年第2期50卷 112-117页

作者：谭云彭海阔秦姣华薛有元中南林业科技大学计算机与信息工程学院湖南长沙410004

提出一种中文因果关系分析方法,以便更加细腻地表达因果关系.该方法由因果关系提取和权重计算组成.首先,构建了中文因果关系四元组数据集,将因果划分为核心名词和谓语状态,即原因中的核心名词、原因中的谓语或状态、结果中的核心名词、... 详细信息

提出一种中文因果关系分析方法,以便更加细腻地表达因果关系.该方法由因果关系提取和权重计算组成.首先,构建了中文因果关系四元组数据集,将因果划分为核心名词和谓语状态,即原因中的核心名词、原因中的谓语或状态、结果中的核心名词、结果中的谓语和状态;然后,构建了中文因果关系抽取(CCE)模型,该模型由中文预训练的基于全词掩码训练的双向编码表示模型(BERT-wwm)和条件随机场(CRF)组成,在所构建的数据集上,四元组抽取F1分数为0.3;最后,提出基于因果强度的近似原因权重算法,用于计算同一结果不同原因的权重,减小对语料库数据量的依赖性,具有更好的鲁棒性和泛化性,能更加真实地反映不同原因对结果的重要程度.

关键词：因果关系分析序列标注双向编码表示模型(BERT-wwm) 条件随机场(CRF) 原因权重算法

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

基于半监督深度学习网络的水体分割方法

引用

郑州大学学报（理学版） 2023年第6期55卷 29-34页

作者：吴宇鑫陈知明李建军中南林业科技大学计算机与信息工程学院湖南长沙410004

水体分割是遥感图像语义分割的一个重要应用方向,现有的深度学习语义分割方法,无法有效分割复杂的水体边界、难以将空间信息和语义信息统一。为了解决上述问题,提出一种针对水体分割的深度学习网络。网络引入了注意力感知机制,能够对特... 详细信息

水体分割是遥感图像语义分割的一个重要应用方向,现有的深度学习语义分割方法,无法有效分割复杂的水体边界、难以将空间信息和语义信息统一。为了解决上述问题,提出一种针对水体分割的深度学习网络。网络引入了注意力感知机制,能够对特征图中重要的信息加权,提高了对水体边界轮廓的感知能力。为了解决网络上采样过程中语义信息和空间信息不平衡的问题,将不同尺度的特征图融合进行预测。采用半监督框架对网络进行训练,充分利用无标记图像的特征信息,增强了网络的分割性能。实验表明,提出的网络分割性能优于其他现有语义分割网络。

关键词：水体分割语义分割注意力机制多尺度特征融合半监督深度学习卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

智能反射面辅助的OFDM系统稀疏信道估计研究

引用

计算机应用研究 2024年第4期41卷 1159-1163页

作者：朱俊杰彭玲中南林业科技大学计算机与信息工程学院长沙410004

针对智能反射面(IRS)辅助的宽带正交频分复用(OFDM)系统的信道估计,当前大多数研究都是基于单符号全导频设置,且级联信道系数过多会导致导频开销较大。为此,提出了一种基于时域-角域块稀疏的两阶段信道估计方案。首先,通过分析信道在时... 详细信息

针对智能反射面(IRS)辅助的宽带正交频分复用(OFDM)系统的信道估计,当前大多数研究都是基于单符号全导频设置,且级联信道系数过多会导致导频开销较大。为此,提出了一种基于时域-角域块稀疏的两阶段信道估计方案。首先,通过分析信道在时域和角域上存在的共同稀疏特性,将级联信道矩阵转换为时域-角域上的块稀疏表示,并将信道估计问题转换为块稀疏矩阵恢复问题。其次,考虑传输导频限制和时域-角域块稀疏特性,提出了一种两阶段稀疏信道估计方案对级联信道进行稀疏恢复。仿真结果表明,相比另外三种基准方案,该方案可以使用较少的导频获得更优的信道估计性能,有效减少了导频开销,且估计准确度更高。

关键词：智能反射面正交频分复用信道估计压缩感知

来源：评论

学校读者我要写书评

暂无评论

基于改进U-Net的轻量级眼底病变分割算法设计

引用

电子测量技术 2024年第3期47卷 127-134页

作者：刘拥民张毅欧阳凌轩石婷婷中南林业科技大学计算机与信息工程学院长沙410004 中南林业科技大学智慧林业云研究中心长沙410004

精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤,然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此,在原U-Net网络中加入改进的Ghost卷积模块与多尺... 详细信息

精准的糖尿病视网膜病变的分割是实现视网膜病变自动诊断的前提条件和关键步骤,然而现有大部分的分割模型存在着参数量大、模型训练效果不理想、甚至是无法正常处理数据集等局限性。为此,在原U-Net网络中加入改进的Ghost卷积模块与多尺度特征融合模块,提出一种改进U-Net眼底病变分割图像的算法。该模型能以少量的参数量、较低的计算复杂度获得良好的分割结果。利用GhostModel替换原始卷积,设计出Ghost卷积与Ghost下采样卷积模块,在保证准确度的同时降低参数量;设计出一种轻量级的Half-UNet多尺度特征融合模块来获取多尺度信息,针对不同尺度病变目标,引入CBAM注意力机制以改善其适应性,从而更好的提取细小的病变信息。改进后的模型在e_optha与IDRiD两个公开数据集上的mIoU分别为61.42%、61.84%,F1-Score分别为70.59%、69.41%。模型参数量、FLOPs分别仅为5.48M、35.46GMac,较U-Net、Att-UNet等模型更加精简,分割精度更高。

关键词：糖尿病视网膜病变图像分割 Ghost卷积 U-Net

来源：评论

学校读者我要写书评

暂无评论

基于多期相注意力融合网络的肝脏病灶CT影像分类研究

引用

计算机工程 2023年第2期49卷 231-237页

作者：田炜雷志超王楚正中南林业科技大学计算机与信息工程学院长沙410000

肝脏病灶是指肝脏疾病集中的部位或是综合病症、感染的主要部位。由于不同类型的多期相肝脏病灶计算机断层扫描(CT)影像存在异病同影或同病异影的情况,导致同一类型的CT影像结构变化较大,传统方法难以提取丰富的图像特征信息,肝脏病灶... 详细信息

肝脏病灶是指肝脏疾病集中的部位或是综合病症、感染的主要部位。由于不同类型的多期相肝脏病灶计算机断层扫描(CT)影像存在异病同影或同病异影的情况,导致同一类型的CT影像结构变化较大,传统方法难以提取丰富的图像特征信息,肝脏病灶分类准确率有待提高。提出一种多期相注意力融合网络MAFNet,使用单期相分支表征单期相病灶图像特征,并在融合分支中采用中期融合的方式,融合单期相分支中提取出的特征映射,从而充分提取图像中不同层次的特征。利用多期相注意力模块提取单期相分支中肝脏病灶的加权特征,重新组织多期相肝脏病灶的特征映射,以保持不同单期相图像信息,表达3个期相影像的时序增强模式,得到更准确的分类结果。实验结果表明,基于该网络的分类方法能充分利用多期相肝脏CT影像的时序特征,有效捕捉同一患者不同期相的信息,肝脏病灶CT影像分类的平均准确率为90.99%。

关键词：计算机辅助诊断系统残差神经网络肝脏病灶多期相计算机断层扫描影像注意力

来源：评论

学校读者我要写书评

暂无评论

基于golang微服务的库房智能管理系统设计

引用

现代电子技术 2024年第13期47卷 172-179页

作者：向诚万宇杰谭俊伟桂玲中南林业科技大学涉外学院湖南长沙410211 中南林业科技大学计算机与信息工程学院湖南长沙410004

针对传统库房管理主要依赖人工、效率低、数据难以及时更新、人力成本高等问题,文中基于golang微服务,结合ZigBee、RFID、人工智能和区块链等技术设计一种新型仓库智能管理系统。该系统主要由综合信息处理控制系统、以ZigBee为主的信息... 详细信息

针对传统库房管理主要依赖人工、效率低、数据难以及时更新、人力成本高等问题,文中基于golang微服务,结合ZigBee、RFID、人工智能和区块链等技术设计一种新型仓库智能管理系统。该系统主要由综合信息处理控制系统、以ZigBee为主的信息交互系统、以STM32与人脸识别为核心的门禁控制系统、RFID读写设备、后台管理五个部分构成,采用分布式架构将仓库设备管理、数据采集与处理和任务决策整合为一体,既能便捷联动ZigBee、RFID及人脸识别,又具有极强的内存管理和跨平台性。应用系统基于golang语言开发,使用vue、uniapp、electron、php、tdsql-c等技术,采用B/S和C/S两种架构;后端服务采用go-micro微服务形式来提高系统可插拔性和高并发能力;为提高租借数据的可靠性,系统采用区块链对其进行加密,实现每条数据自动上链功能。数据库采用tdsql-c云原生数据库,以方便横向扩展。实验表明,该系统能高效实现盘点和更新、全程无纸化记录及影像和出库数据留存,确保资料溯源,信息化水平高,极大地降低了企业运营成本。

关键词： golang ZigBee RFID 区块链加密人脸识别库房管理

来源：评论

学校读者我要写书评

暂无评论

模拟人工蜂群的高维数据特征选择算法研究

引用

郑州大学学报（理学版） 2023年第3期55卷 57-64页

作者：刘拥民王靖枫黄浩徐卓农中南林业科技大学计算机与信息工程学院湖南长沙410004 中南林业科技大学智慧林业云研究中心湖南长沙410004

针对高维数据集结构复杂且冗余度高的问题,提出一种新型二进制人工蜂群算法进行特征选择。该算法在雇佣蜂蜜源搜索阶段应用差分思想,增加多项式差分变异算子,实现蜜源更新环节的多维性、高效性;在跟随蜂阶段和侦察蜂阶段分别引入交叉算... 详细信息

针对高维数据集结构复杂且冗余度高的问题,提出一种新型二进制人工蜂群算法进行特征选择。该算法在雇佣蜂蜜源搜索阶段应用差分思想,增加多项式差分变异算子,实现蜜源更新环节的多维性、高效性;在跟随蜂阶段和侦察蜂阶段分别引入交叉算子和最优保存策略,进一步打破局部最优,有效提升了人工蜂群算法的收敛效果;对蜜源的二进制初始化处理,使得算法在特征选择过程中取得了良好表现。在4个Benchmark测试函数上进行实验,结果表明,新算法的寻优精度和收敛速度优于其他4种经典搜索算法。同时,选取7个常用高维数据集进行特征选择,并与7种经典降维算法进行对比,发现新算法的特征约简程度普遍高于88%,并且随着数据集维度的增高,新算法的降维程度和分类精度优于其他7种降维算法。

关键词：特征选择高维数据人工蜂群算法差分进化算法

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的轻量化YOLO v5s蓝莓检测算法

引用

河南农业科学 2024年第3期53卷 151-157页

作者：刘拥民张炜麻海志刘原张毅中南林业科技大学计算机与信息工程学院湖南长沙410004 中南林业科技大学智慧林业云研究中心湖南长沙410004

为实现自然环境下蓝莓的精确快速检测,在YOLO v5s的基础上提出了一种结合轻量级网络和注意力机制的改进算法。首先,在主干网络和检测头的位置去除了最大目标检测层的结构,因而降低模型的参数量,增强模型对小目标的检测能力。其次,将MHSA... 详细信息

为实现自然环境下蓝莓的精确快速检测,在YOLO v5s的基础上提出了一种结合轻量级网络和注意力机制的改进算法。首先,在主干网络和检测头的位置去除了最大目标检测层的结构,因而降低模型的参数量,增强模型对小目标的检测能力。其次,将MHSA(Multi‐head self‐attention,多头自注意力)替换了SPPF(Spatial pyramid pooling‐fast,快速空间金字塔池化)前面的C3模块,使模型学习到更全面的特征表示,增强模型对蓝莓图像中复杂空间关系和上下文信息的理解能力。最后,在C3模块中加入了S-PSA(Sequential polarized self‐attention,顺序极化自注意力),以便模型能够更好地捕捉特征图中相邻区域之间的上下文依赖关系。结果表明,改进后的YOLO v5s算法对成熟、半成熟和未成熟蓝莓的检测精度分别提升1.2、4.4、2.6百分点,平均精度提升2.7百分点,模型参数量减少76.0%。与当前主流轻量化目标检测模型相比,改进后的模型性能更加优越,能为自然环境下蓝莓采摘机器人视觉系统提供一种有效的方案。

关键词：蓝莓检测 YOLO v5s 轻量级网络注意力机制多头自注意力

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

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：