检索结果-内蒙古大学图书馆

软件学报 2025年

作者：丁世飞朱姜兰张成龙郭丽丽张健中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心(中国矿业大学)

深度随机配置网络(deep stochastic configuration network, DSCN)采取前馈学习方式,基于特有的监督机制随机分配节点参数,具有全局逼近性.但是,在实际场景下,数据采集过程中潜在的离群值和噪声,易对分类结果产生负面影响.为提高DSCN解... 详细信息

深度随机配置网络(deep stochastic configuration network, DSCN)采取前馈学习方式,基于特有的监督机制随机分配节点参数,具有全局逼近性.但是,在实际场景下,数据采集过程中潜在的离群值和噪声,易对分类结果产生负面影响.为提高DSCN解决二分类问题的性能,基于DSCN引入直觉模糊数思想,提出了一种直觉模糊深度随机配置网络(intuitionistic fuzzy deep stochastic configuration network, IFDSCN).与标准DSCN不同, IFDSCN通过计算样本隶属度和非隶属度,为每个样本分配一个直觉模糊数,通过加权的方法来生成最优分类器,以克服噪声和异常值对数据分类的负面影响.在8个基准数据集上的实验结果表明,所提出的模型与直觉模糊孪生支持向量机(intuitionistic fuzzy twin support vector machine, IFTWSVM)、核岭回归(kernel ridge regression, KRR)、直觉模糊核岭回归(intuitionistic fuzzy kernel ridge regression, IFKRR)、随机函数向量链接神经网络(random vector functional link neural network, RVFL)和SCN等学习模型相比, IFDSCN具有更好的二分类性能.

关键词：直觉模糊数随机配置网络二分类数据噪声神经网络

来源：评论

学校读者我要写书评

暂无评论

融合知识蒸馏与记忆机制的无监督工业缺陷检测

引用

中国图象图形学报 2025年第3期30卷 660-671页

作者：刘兵史伟峰刘明明周勇刘鹏中国矿业大学计算机科学与技术学院徐州221116 矿山数字化教育部工程研究中心徐州221116 中国矿业大学物联网中心徐州221116

目的基于深度学习的工业缺陷检测方法可以降低传统人工质检的成本,提升检测的准确性与效率,因而在智能制造中扮演重要角色。针对无监督工业缺陷检测中存在的过检测和逻辑缺陷检测失效等问题,提出一种融合知识蒸馏与记忆机制的无监督工... 详细信息

目的基于深度学习的工业缺陷检测方法可以降低传统人工质检的成本,提升检测的准确性与效率,因而在智能制造中扮演重要角色。针对无监督工业缺陷检测中存在的过检测和逻辑缺陷检测失效等问题,提出一种融合知识蒸馏与记忆机制的无监督工业缺陷检测模型。方法使用显著性检测网络和柏林噪声合成缺陷图像,提升合成图像与真实缺陷图像的分布一致性,缓解传统模型的过检测问题;同时,对传统无监督工业缺陷检测框架进行改进,引入平均记忆模块提取正常样本的原型特征,通过记忆引导提高模型对逻辑缺陷的检测性能。结果在工业缺陷检测基准数据集MVTec AD(MVTec anomaly detection dataset)上的实验结果表明,针对晶体管逻辑缺陷检测难题,在像素级接受者操作特征曲线下面积(area under the receiver operating characteristic curve,AUROC)指标上本文方法相比于基线模型提升了9.1%;针对各类缺陷检测场景,在更具挑战性的平均准确率(average precision,AP)指标上提升了2.5%。针对更具挑战性的Breakfast box数据集中的逻辑缺陷问题,本文方法在图像级AUROC指标上相较于基线模型提升了11.5%。同时,在像素级AUROC指标上,本文方法相较于基线模型提升了4.0%。结论本文不受传统缺陷合成方法的限制,能够有效缓解现有缺陷合成方法引起的过检测问题;引入平均记忆模块不仅可以减小内存开销,而且无需设计复杂的检索算法,节省了检索内存库所耗费的时间;将所提出的缺陷合成方法与记忆机制进行有机结合,能够准确检测出不同种类的工业缺陷。

关键词：缺陷检测知识蒸馏记忆机制缺陷合成显著性检测

来源：评论

学校读者我要写书评

暂无评论

基于图提示的半监督开放词汇多标记学习

引用

计算机研究与发展 2025年第2期62卷 432-442页

作者：李仲年皇甫志宇杨凯杰营鹏孙统风许新征中国矿业大学计算机科学与技术学院江苏徐州221116 计算机辅助设计与图形系统全国重点实验室(浙江大学) 杭州310058 矿山数字化教育部工程研究中心(中国矿业大学) 江苏徐州221116

半监督多标记学习利用有标记数据和无标记数据进行模型的训练,降低了多标记数据的标记成本并取得了不错的结果,吸引了很多研究者不断进行研究.然而,在半监督标注过程中,由于标记的数量较多,往往会出现某些标记缺失标注样本的情况,这些... 详细信息

半监督多标记学习利用有标记数据和无标记数据进行模型的训练,降低了多标记数据的标记成本并取得了不错的结果,吸引了很多研究者不断进行研究.然而,在半监督标注过程中,由于标记的数量较多,往往会出现某些标记缺失标注样本的情况,这些标记被称为开放词汇.开放词汇会导致模型无法学习到该类别的标记信息,使得模型性能下降. 针对上述问题,提出了基于图提示的半监督开放词汇多标记学习方法. 具体地,该方法利用基于提示的图神经网络对预训练大模型进行微调,挖掘和探索开放词汇与监督样本之间的关系. 通过使用包含图像与文本的多模态数据构造图神经网络作为预训练大模型的文本输入进行学习. 其次利用预训练大模型在开放词汇上的泛化能力,对无监督样本生成伪标记,实现对输出分类层的微调,使模型在对开放词汇进行分类时能获得更加理想的效果. 多个基准数据集上的实验结果均显示,基于图提示的半监督开放词汇多标记学习方法优于目前的主流方法,在 VOC,COCO,CUB,NUS 等基准数据集上均取得了最优的效果.

关键词：半监督多标记学习预训练模型图神经网络开放词汇提示

来源：评论

学校读者我要写书评

暂无评论

一种面向车载边缘计算基于服务缓存的任务协同卸载算法

引用

计算机学报 2025年

作者：唐朝刚李召肖硕吴华明中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心天津大学应用数学中心

为充分利用边缘服务器的有限资源，提高应用服务的缓存效益，提出了以应用服务缓存为基础的协同卸载的车载边缘计算模型。在此基础上，以卸载任务的时延和能耗最小化为优化目标，展开对应用服务缓存和计算卸载问题的研究。将服务缓存、... 详细信息

为充分利用边缘服务器的有限资源，提高应用服务的缓存效益，提出了以应用服务缓存为基础的协同卸载的车载边缘计算模型。在此基础上，以卸载任务的时延和能耗最小化为优化目标，展开对应用服务缓存和计算卸载问题的研究。将服务缓存、任务卸载以及计算资源分配的联合优化建模为非线性整数规划问题。为降低求解难度，将原问题分解为服务缓存和计算卸载联合决策子问题以及边缘服务器计算资源分配子问题。其中，将服务缓存和计算卸载子问题建模为马尔科夫决策过程，并提出了一种基于深度强化学习的缓存卸载方案。仿真结果表明，相较于其它基准方法，本文提出的方案能够将优化目标值降低约7%，响应时延减少约12%，同时将缓存命中率提升约9%。

关键词：车载边缘计算任务卸载应用缓存协作卸载深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于CodeBERT和Stacking集成学习的补丁正确性验证方法

引用

计算机科学 2025年第1期52卷 250-258页

作者：韩威姜淑娟周伟中国矿业大学计算机科学与技术学院江苏徐州221116 中国矿业大学矿山数字化教育部工程研究中心江苏徐州221116

近年来,自动程序修复已成为软件工程领域的重要研究课题。然而,现有的自动修复技术大多是基于补丁生成和测试的,在补丁验证环节时间成本很高。此外,由于测试套件的不完备,许多候选补丁虽然能通过测试,但实际上并不正确,从而导致补丁过... 详细信息

近年来,自动程序修复已成为软件工程领域的重要研究课题。然而,现有的自动修复技术大多是基于补丁生成和测试的,在补丁验证环节时间成本很高。此外,由于测试套件的不完备,许多候选补丁虽然能通过测试,但实际上并不正确,从而导致补丁过拟合。为提高补丁验证的效率并缓解补丁过拟合的问题,提出了一种静态的补丁验证方法。该方法首先使用大型预训练模型CodeBERT自动提取缺陷代码片段和补丁代码片段的语义特征,然后使用历史缺陷修复补丁数据训练Stacking集成学习模型,训练之后的模型可以对新的缺陷修复补丁进行有效验证。在Defects4J缺陷数据集相关的1 000个补丁数据上对所提方法的验证能力进行评估。实验结果表明,该方法可以有效地验证补丁的正确性,从而提高补丁验证的效率。

关键词：自动程序修复补丁验证预训练模型集成学习 Defects4J缺陷数据集

来源：评论

学校读者我要写书评

暂无评论

移动群智感知中发掘潜在高质量用户的激励机制

引用

小型微型计算机系统 2025年第3期46卷 620-626页

作者：江海峰商景杰王树豪张寿军中国矿业大学计算机科学与技术学院江苏徐州221000 矿山数字化教育部工程研究中心(中国矿业大学) 江苏徐州221000

在移动群智感知的激励机制中,用户的感知质量和能力是重要的指标,对不同类型的任务是有差异的,用笼统的感知质量与能力标准选择用户往往会埋没潜在的高质量用户.针对这一问题,本文将用户的感知质量与能力根据任务的不同类型进行细分,在... 详细信息

在移动群智感知的激励机制中,用户的感知质量和能力是重要的指标,对不同类型的任务是有差异的,用笼统的感知质量与能力标准选择用户往往会埋没潜在的高质量用户.针对这一问题,本文将用户的感知质量与能力根据任务的不同类型进行细分,在用户感知质量与能力未知的情况下,将用户选择问题建模成反向拍卖与多臂赌博机模型,不断学习与更新用户的感知质量与能力值,使用置信区间上界的方法估计用户的感知质量,并将其与用户的能力和报价作为选择用户的标准,提出了基于置信区间上界的质量与能力并驱的激励机制.当能力值均值达到平台规定的阈值时,用户将拥有招募其他用户的权限,并从其招募的用户完成的任务中获得额外的收益.本文证明了该激励机制满足计算有效性、真实性和个体理性.仿真实验结果表明,本文所提的激励机制在用户平均效用、任务平均质量和不同任务类型高能力值用户占比等方面具有良好的性能.

关键词：移动群智感知激励机制多臂赌博机置信区间上界

来源：评论

学校读者我要写书评

暂无评论

RIC-YOLOv8n:矿下料车超挂轻量化实时检测算法

引用

计算机工程与应用 2025年

作者：丁玲李露李永康赵作鹏江苏联合职业技术学院徐州财经分院中国矿业大学计算机科学与技术学院中国矿业大学矿山数字化教育部工程研究中心

针对矿井下作业环境复杂、光照不足、煤尘干扰等因素导致的传统目标检测算法在检测矿下料车超挂时表现不佳问题，提出了一种料车超挂轻量化实时检测算法RIC-YOLOv8n。首先，使用轻量化模块C2f＿RegNetY替换YOLOv8n中主干和颈部网络中的... 详细信息

针对矿井下作业环境复杂、光照不足、煤尘干扰等因素导致的传统目标检测算法在检测矿下料车超挂时表现不佳问题，提出了一种料车超挂轻量化实时检测算法RIC-YOLOv8n。首先，使用轻量化模块C2f＿RegNetY替换YOLOv8n中主干和颈部网络中的C2f模块，减少了模型参数量并加快了模型推理速度；其次，为了提高检测头的特征提取性能，采用联合信息对齐学习方法增强分类和回归任务的对齐能力；最后，通过DeepSort进行矿下料车的目标追踪，设计了Residual＿IBN模块替换DeepSort特征提取网络中的残差网络，提高了目标追踪的性能。通过自制的矿下料车检测与跟踪数据集进行算法验证，实验结果显示：RIC-YOLOv8n在矿下料车识别平均精度达到91.4%，基于RIC-YOLOv8n和改进的DeepSort目标追踪算法在多目标追踪准确率达到89.13%，检测速度达到61FPS。提出的RIC-YOLOv8n和改进的DeepSort算法能较好的平衡检测速度与精度，适用于矿井下料车检测实时性作业的需要。

关键词：目标检测目标追踪 YOLOv8n 联合对齐解耦头 DeepSort 料车计数

来源：评论

学校读者我要写书评

暂无评论

基于驾驶上下文感知的驾驶员识别模型

引用

计算机工程与科学 2025年第3期47卷 548-560页

作者：杨林张磊刘佰龙梁志贞张雪飞中国矿业大学矿山数字化教育部工程研究中心江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116 江苏恒旺数字科技有限责任公司江苏苏州215000

随着隐私保护意识的提升,利用车辆轨迹识别汽车驾驶员已成为车辆数据分析热点。然而,现有模型难以准确捕捉驾驶风格与驾驶上下文之间的关系,导致识别准确率不高。因此,提出基于驾驶上下文感知的驾驶员识别模型CDIM。CDIM利用轨迹数据计... 详细信息

随着隐私保护意识的提升,利用车辆轨迹识别汽车驾驶员已成为车辆数据分析热点。然而,现有模型难以准确捕捉驾驶风格与驾驶上下文之间的关系,导致识别准确率不高。因此,提出基于驾驶上下文感知的驾驶员识别模型CDIM。CDIM利用轨迹数据计算车辆运动特征,同时通过路网匹配获取出行路线,并设计基于双向Transformer的路段信息嵌入模块,为出行路线中每一段路段生成融合邻接路段特征的嵌入。然后,通过卷积跨模态注意力融合模块结合路段特征与运动特征,实现二者的高效融合。此外,结合外部因素特征,全面捕捉驾驶上下文对驾驶风格的影响。在公开数据集上的实验结果表明,CDIM的识别准确率为68.54%,相较于RM-Driver与Doufu分别提高了8.14%和4.81%,具有更高的驾驶员识别准确率。

关键词：驾驶员识别表示学习上下文感知特征融合

来源：评论

学校读者我要写书评

暂无评论

基于上下文全局空间图的轨迹用户链接

引用

计算机工程与科学 2025年第2期47卷 336-348页

作者：侯萱梁志贞张磊刘佰龙张雪飞中国矿业大学矿山数字化教育部工程研究中心江苏徐州221116 中国矿业大学计算机科学与技术学院江苏徐州221116 江苏恒旺数字科技有限责任公司江苏苏州215000

轨迹用户链接TUL是指判定目标轨迹所属用户,已成为一项重要的轨迹数据挖掘任务。尽管基于深度学习的模型在TUL研究中取得显著进展,但现有模型主要关注单个轨迹点的基本时空特征,忽略全局位置空间相关性、上下文信息和用户的多周期移动规... 详细信息

轨迹用户链接TUL是指判定目标轨迹所属用户,已成为一项重要的轨迹数据挖掘任务。尽管基于深度学习的模型在TUL研究中取得显著进展,但现有模型主要关注单个轨迹点的基本时空特征,忽略全局位置空间相关性、上下文信息和用户的多周期移动规律,导致TUL结果准确度不高。提出了一种基于上下文全局空间图的轨迹用户链接模型CGSG-TUL。在位置嵌入方面,根据历史轨迹构建上下文全局空间图,融入所有位置的邻近关系和类别等上下文信息,对位置的空间相关性有效建模。在时间编码方面,根据不同时间尺度对签入的时间戳进行编码,捕获用户的多周期移动规律。在Foursquare-NYK和Foursquare-TKY这两个真实数据集上的实验结果表明,CGSG-TUL性能比目前最好的基准模型GNNTUL的ACC@1和Marco-F 1分别平均提高2.50%和2.72%。

关键词：轨迹用户链接上下文全局空间图多周期移动规律图神经网络 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于无监督表征学习的深度聚类研究进展

引用

模式识别与人工智能 2022年第11期35卷 999-1014页

作者：侯海薇丁世飞徐晓中国矿业大学计算机科学与技术学院徐州221116 中国矿业大学矿山数字化教育部工程研究中心徐州221116

在大数据时代,数据通常具有规模大、维度高、结构复杂的特点,深度聚类利用深度学习结合表征学习与聚类任务,大幅提高聚类在大规模高维数据中的性能.现有文献少有着重从表征学习的角度归纳和分析目前深度聚类的发展概况,也未通过实验分... 详细信息

在大数据时代,数据通常具有规模大、维度高、结构复杂的特点,深度聚类利用深度学习结合表征学习与聚类任务,大幅提高聚类在大规模高维数据中的性能.现有文献少有着重从表征学习的角度归纳和分析目前深度聚类的发展概况,也未通过实验分析传统聚类算法、深度聚类算法及不同深度聚类算法之间的差异.因此,文中首先基于无监督表征学习,简要整理深度聚类中常用的聚类算法,重点将深度聚类算法分成基于生成模型的深度聚类与基于判别模型的深度聚类,分析聚类任务中各深度模型的表征学习过程.然后,通过实验对比分析多类算法,归纳总结优缺点,便于开展针对具体任务中的算法选择.最后,为了深度聚类的进一步发展,描述其应用场景,并讨论未来的发展趋势.

关键词：神经网络表征学习深度聚类无监督学习损失函数

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：