检索结果-内蒙古大学图书馆

通信学报 2023年第2期44卷 198-209页

作者：张淑芬董燕灵徐精诚王豪石华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210 唐山市大数据安全与智能计算重点实验室河北唐山063210 唐山市数据科学重点实验室河北唐山063210

针对AdaBoost算法的多轮迭过程会放大为实现差分隐私保护而添加的噪声,从而导致模型收敛缓慢、数据可用性大幅降低的问题,提出了一种基于目标扰动的AdaBoost算法——DPAda,采用目标扰动的方式对样本权值进行加噪,精确计算其敏感度,并赋... 详细信息

针对AdaBoost算法的多轮迭过程会放大为实现差分隐私保护而添加的噪声,从而导致模型收敛缓慢、数据可用性大幅降低的问题,提出了一种基于目标扰动的AdaBoost算法——DPAda,采用目标扰动的方式对样本权值进行加噪,精确计算其敏感度,并赋予其动态的隐私预算。为了解决噪声叠加过多的问题,提出基于摆动数列、随机响应和改进的随机响应3种噪声注入算法。实验结果表明,与DPAda_Random算法和DPAda_Swing算法相比,DPAda_Improved算法能实现数据的隐私保护,拥有更高的分类准确率,优于其他差分隐私AdaBoost算法,并能解决连续加噪带来的噪声过大的问题。

关键词：差分隐私摆动数列随机响应隐私预算分配 AdaBoost算法

来源：评论

学校读者我要写书评

暂无评论

基于原始单通道脑电图的高效睡眠自动分期方法

引用

郑州大学学报（理学版） 2022年第3期54卷 40-44页

作者：陶雨洁杨云云南大学软件学院云南昆明650504 昆明市数据科学与智能计算重点实验室云南昆明650504 云南省高校数据科学与智能计算重点实验室云南昆明650504

提出一种基于单通道脑电数据的睡眠自动分期方法。利用多个并行的卷积操作学习脑电的多尺度空间特征,使用长短期记忆网络挖掘局部时不变特征中的时间信息。针对类别不平衡问题,采用时移滚动方法和加权交叉熵损失函数。在公开数据集Sleep... 详细信息

提出一种基于单通道脑电数据的睡眠自动分期方法。利用多个并行的卷积操作学习脑电的多尺度空间特征,使用长短期记忆网络挖掘局部时不变特征中的时间信息。针对类别不平衡问题,采用时移滚动方法和加权交叉熵损失函数。在公开数据集Sleep-EDF上的实验结果表明,所提方法仅使用单通道数据实现了端到端的高效睡眠自动分期,缓解了不平衡数据集的分类问题。

关键词：睡眠分期单通道脑电图类别不平衡端到端

来源：评论

学校读者我要写书评

暂无评论

LazyStore:基于混合存储架构的写优化键值存储系统

引用

软件学报 2025年第2期36卷 805-829页

作者：杜云箫陈珂寿黎但江大伟骆歆远陈刚浙江大学计算机科学与技术学院浙江杭州310027 浙江大学软件学院浙江杭州310027 浙江省大数据智能计算重点实验室(浙江大学) 浙江杭州310027

基于日志合并树(LSM-tree)的键值(key-value)存储由于其出色的读写性能而被广泛用于许多应用中.大多数现有的日志合并树采用多层结构来存储数据.尽管多层数据结构可以很好地服务于适度的写密集型应用,但这种结构并不十分适合高写密集型... 详细信息

基于日志合并树(LSM-tree)的键值(key-value)存储由于其出色的读写性能而被广泛用于许多应用中.大多数现有的日志合并树采用多层结构来存储数据.尽管多层数据结构可以很好地服务于适度的写密集型应用,但这种结构并不十分适合高写密集型应用.这是因为以多层方式保存数据会引入写放大问题,即新的数据插入会引发很大一部分已经存储在多层中的数据被重组的问题.这种巨大的(有时是频繁的)数据重组是昂贵的,并且在许多高写密集型的应用中降低了写入性能.此外,多层结构不能为热数据持续提供出色的读取性能.这是因为多级结构不能通过及时合并重叠的范围来优化热数据的读取操作.为了解决上述两个问题,提出LazyStore,一种基于混合存储架构的新型单层日志合并树.LazyStore通过将数据存储在单一逻辑层而不是多个逻辑层来解决写放大的问题.因此,昂贵的多级数据重组在很大程度上被消除.为了进一步提高写入性能,LazyStore根据每个存储设备的容量和读/写性能,将逻辑层中的数据分布到多个存储设备中,如内存、非易失性内存和闪存.此外,LazyStore引入实时合并操作,以提高热数据范围的读取性能.实验表明,与其他多级日志合并树相比,LazyStore最多将写入性能提高3倍,并将写入放大率降低至1/4.而对于热门范围的读取,LazyStore的实时数据合并优化可以将范围查询处理的延迟降低一半.

关键词：键值存储日志合并树非易失性内存

来源：评论

学校读者我要写书评

暂无评论

用户需求驱动的5G基站选址方法

引用

计算机研究与发展 2025年第3期62卷 672-681页

作者：黄文辉王笳辉周丽萍岳昆云南大学信息学院昆明650500 云南省智能系统与计算重点实验室(云南大学) 昆明650500 《云南大学学报(自然科学版)》编辑部昆明650500

随着5G网络的不断发展和相关应用的快速普及,用户设备数量及潜在需求急剧增加.然而,5G信号的高频特性导致其传播损耗较大,为实现5G网络对用户设备更好的覆盖,需要以低成本、高效率为目标对已建5G基站站址进行优化或指导新建基站选址.现... 详细信息

随着5G网络的不断发展和相关应用的快速普及,用户设备数量及潜在需求急剧增加.然而,5G信号的高频特性导致其传播损耗较大,为实现5G网络对用户设备更好的覆盖,需要以低成本、高效率为目标对已建5G基站站址进行优化或指导新建基站选址.现有选址方法大多采用启发式算法进行站址优化,当候选5G基站站址数量增加时,算法的收敛时间会呈指数级上升,为站址优化带来了诸多挑战.因此,从用户的通信需求出发,提出了一种用户需求驱动的5G基站选址方法.利用规划区域网格化方法来降低基站所覆盖用户需求点的计算时间复杂度,提出基站间分离度的概念并使用基站所覆盖的需求点数对其进行度量,进而给出满足子模性的目标函数,利用贪心算法得到基站最优选址方案.实验结果表明,用户需求驱动的选址方法在各项评价指标上均优于其他对比算法,在相同的基站规划区域内,能用最少的基站数量达到最大覆盖率.

关键词： 5G基站站址站址选择用户需求分离度子模性贪心算法

来源：评论

学校读者我要写书评

暂无评论

自适应特征融合与cosIoU-NMS的目标检测算法

引用

计算机辅助设计与图形学学报 2024年第1期36卷 112-121页

作者：马素刚李宁博彭冠升杨小宝侯志强西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 西安电子科技大学计算机科学与技术学院西安710126 西安邮电大学西安市大数据与智能计算重点实验室西安710121

针对经典的有锚框检测算法RetinaNet、无锚框检测算法FCOS等目标检测算法中存在漏检以及重复检测的问题,提出一种自适应特征融合与cosIoU-NMS的目标检测算法.首先采用自适应特征融合模块对多尺度特征中相邻3层特征加权融合,获取丰富的... 详细信息

针对经典的有锚框检测算法RetinaNet、无锚框检测算法FCOS等目标检测算法中存在漏检以及重复检测的问题,提出一种自适应特征融合与cosIoU-NMS的目标检测算法.首先采用自适应特征融合模块对多尺度特征中相邻3层特征加权融合,获取丰富的上下文信息和空间信息;然后采用cosIoU计算检测框之间的余弦相似度与重叠面积,使目标定位更准确;最后使用cosIoU-NMS代替Greedy-NMS抑制置信度分数较高的冗余框,保留更准确的检测结果.以RetinaNet和FCOS为基准,在PASCAL VOC数据集上的实验结果表明,所提算法的检测精度达到81.3%和82.3%,分别提升2.8个百分点和1.2个百分点;在MSCOCO数据集上检测精度达到36.8%和38.0%,分别提升1.0个百分点和0.7个百分点;该算法能够增强特征表征能力,筛除多余的检测框,有效地提高检测性能.

关键词：深度学习目标检测多尺度特征融合交并比非极大值抑制余弦相似度

来源：评论

学校读者我要写书评

暂无评论

面向Stacking算法的差分隐私保护研究

引用

计算机工程与科学 2024年第2期46卷 244-252页

作者：董燕灵张淑芬徐精诚王豪石华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210 唐山市数据科学重点实验室河北唐山063210 唐山市大数据安全与智能计算重点实验室河北唐山063210

为解决同质集成学习算法对噪声更敏感,难以兼顾较好的预测性能和有效的隐私保护这一问题,提出一种基于差分隐私的DPStacking算法,将异质Stacking算法与差分隐私技术相结合,以优化算法的隐私保护和预测性能。但是,由于Stacking算法的低... 详细信息

为解决同质集成学习算法对噪声更敏感,难以兼顾较好的预测性能和有效的隐私保护这一问题,提出一种基于差分隐私的DPStacking算法,将异质Stacking算法与差分隐私技术相结合,以优化算法的隐私保护和预测性能。但是,由于Stacking算法的低层和高层模型都可以由不同的学习器构成,若对某个具体学习器设计隐私预算分配方案来提供差分隐私保护,该方案往往无法适用于由任意基学习器和元学习构成的Stacking算法。基于此,设计了一种基于元学习器的隐私预算分配方案,此方案根据皮尔逊相关系数及差分隐私并行组合的特性为元学习器输入的不同构成体分配不同的隐私预算。通过理论与实验验证,DPStacking算法符合ε-差分隐私保护,与基于差分隐私的随机森林算法(DiffRFs)、Adaboost算法(DP-AdaBoost)、XGBoost算法(DPXGB)相比,能有效保护数据隐私的同时拥有更好的预测性能,并较好地解决了单一同质集成学习算法对噪声更加敏感的问题。

关键词：差分隐私隐私预算分配 Stacking算法集成学习

来源：评论

学校读者我要写书评

暂无评论

基于可攻击空间假设的陷阱式集成对抗防御网络

引用

软件学报 2024年第4期35卷 1861-1884页

作者：孙家泽温苏雷郑炜陈翔西安邮电大学计算机学院陕西西安710121 陕西省网络数据分析与智能处理重点实验室(西安邮电大学) 陕西西安710121 西安市大数据与智能计算重点实验室(西安邮电大学) 陕西西安710121 西北工业大学软件学院陕西西安710072 南通大学信息科学技术学院江苏南通226019

如今,深度神经网络在各个领域取得了广泛的应用.然而研究表明,深度神经网络容易受到对抗样本的攻击,严重威胁着深度神经网络的应用和发展.现有的对抗防御方法大多需要以牺牲部分原始分类精度为代价,且强依赖于已有生成的对抗样本所提供... 详细信息

如今,深度神经网络在各个领域取得了广泛的应用.然而研究表明,深度神经网络容易受到对抗样本的攻击,严重威胁着深度神经网络的应用和发展.现有的对抗防御方法大多需要以牺牲部分原始分类精度为代价,且强依赖于已有生成的对抗样本所提供的信息,无法兼顾防御的效力与效率.因此基于流形学习,从特征空间的角度提出可攻击空间对抗样本成因假设,并据此提出一种陷阱式集成对抗防御网络Trap-Net. Trap-Net在原始模型的基础上向训练数据添加陷阱类数据,使用陷阱式平滑损失函数建立目标数据类别与陷阱数据类别间的诱导关系以生成陷阱式网络.针对原始分类精度损失问题,利用集成学习的方式集成多个陷阱式网络以在不损失原始分类精度的同时,扩大陷阱类标签于特征空间所定义的靶标可攻击空间.最终, Trap-Net通过探测输入数据是否命中靶标可攻击空间以判断数据是否为对抗样本.基于MNIST、K-MNIST、F-MNIST、CIFAR-10和CIFAR-100数据集的实验表明, Trap-Net可在不损失干净样本分类精确度的同时具有很强的对抗样本防御泛化性,且实验结果验证可攻击空间对抗成因假设.在低扰动的白盒攻击场景中, Trap-Net对对抗样本的探测率高达85%以上.在高扰动的白盒攻击和黑盒攻击场景中, Trap-Net对对抗样本的探测率几乎高达100%.与其他探测式对抗防御方法相比, Trap-Net对白盒和黑盒对抗攻击皆有很强的防御效力.为对抗环境下深度神经网络提供一种高效的鲁棒性优化方法.

关键词：深度神经网络对抗样本集成学习对抗防御鲁棒性优化

来源：评论

学校读者我要写书评

暂无评论

ALERT:基于Radix Tree的工作负载自适应学习型索引

引用

软件学报 2022年第12期33卷 4688-4703页

作者：陈井爽陈珂寿黎但江大伟陈刚浙江大学计算机科学与技术学院浙江杭州310027 浙江省大数据智能计算重点实验室(浙江大学) 浙江杭州310027

学习型索引通过学习数据分布可以准确地预测数据存取的位置,在保持高效稳定的查询下,显著降低索引的内存占用.现有的学习型索引主要针对只读查询进行优化,而对插入和更新支持不足.针对上述挑战,设计了一种基于Radix Tree的工作负载自适... 详细信息

学习型索引通过学习数据分布可以准确地预测数据存取的位置,在保持高效稳定的查询下,显著降低索引的内存占用.现有的学习型索引主要针对只读查询进行优化,而对插入和更新支持不足.针对上述挑战,设计了一种基于Radix Tree的工作负载自适应学习型索引***使用Radix Tree来管理不定长的分段,段内采用具有最大误差界的线性插值模型进行预测.同时,ALERT使用一种高效的插入缓冲来降低数据插入更新的代价.针对点查询和范围查询提出两种自适应重组优化方法,通过对工作负载进行感知,动态地调整插入缓冲的组织结构.经实验验证,ALERT与业界流行的学习型索引相比,构建时间平均降低了81%,内存占用平均降低了75%,在保持了优秀读性能的同时,使插入延迟平均降低了50%;此外,ALERT使用自适应重组优化能有效感知查询工作负载特征,与不使用自适应重组优化相比,查询延迟平均降低了15%.

关键词：学习型索引自适应索引机器学习数据库

来源：评论

学校读者我要写书评

暂无评论

SG-UNet:基于全局注意力和自校准卷积增强的黑色素瘤分割模型

引用

南方医科大学学报 2025年

作者：计寰宇王蕊高盛祥车文刚昆明理工大学信息工程与自动化学院昆明城市学院数据科学与工程学院昆明理工大学云南省人工智能重点实验室昆明理工大学云南省计算机技术应用重点实验室

目的提出了一种新的黑色素瘤分割模型SG-UNet，以提高黑色素瘤皮肤镜图像的精确分割。通过分割后边界特征评估，可以更准确地识别诊断黑色素瘤从而辅助早期诊断。方法使用一种U形结构的卷积神经网络UNet，对其主干、跳跃连接和下采样... 详细信息

目的提出了一种新的黑色素瘤分割模型SG-UNet，以提高黑色素瘤皮肤镜图像的精确分割。通过分割后边界特征评估，可以更准确地识别诊断黑色素瘤从而辅助早期诊断。方法使用一种U形结构的卷积神经网络UNet，对其主干、跳跃连接和下采样池化部分进行改进。在主干部分，我们将UNet的下采样部分参考Vgg的结构将卷积数量由10个增加到13个加深网络层次来捕获更加精细的特征表示。为了进一步提升特征提取和细节识别的能力，主干部分将传统的卷积替换为自校准卷积增强模型对空间维度和通道维度特征的捕获能力。同时，在池化部分将哈尔小波下采样替换原有的池化层实现更有效的多尺度特征融合，并降低特征图的空间分辨率。接着将全局注意力机制融入到每一层的跳跃连接中更好地理解图像的上下文信息。结果实验结果表明SG-UNet在ISIC 2017和ISIC 2018数据集上的分割效果对比目前其他先进分割模型得到明显提升。在ISIC2017和ISIC 2018数据集上Dice,IoU分别达到了92.41%,86.62%和92.31%,86.48%。结论实验结果证实，所提出的方法能够有效实现黑色素瘤的精确分割。

关键词：图像分割全局注意力机制黑色素瘤 UNet 自校准卷积哈尔小波下采样 SG-UNet

来源：评论

学校读者我要写书评

暂无评论

基于树状模型的复杂自然语言查询转SQL技术研究

引用

软件学报 2022年第12期33卷 4727-4745页

作者：赵猛陈珂寿黎但伍赛陈刚浙江大学计算机科学与技术学院浙江杭州310027 浙江省大数据智能计算重点实验室(浙江大学) 浙江杭州310027 浙江大学计算机辅助设计与图形学国家重点实验室浙江杭州310027

自然语言查询转SQL(NL2SQL)是指将自然语言表达的查询文本自动转化成数据库系统可以理解并执行的结构化查询语言SQL表达式的技术.NL2SQL可以为普通用户提供数据库查询访问的自然交互界面,从而实现基于数据库的自然问答.复杂查询的NL2SQ... 详细信息

自然语言查询转SQL(NL2SQL)是指将自然语言表达的查询文本自动转化成数据库系统可以理解并执行的结构化查询语言SQL表达式的技术.NL2SQL可以为普通用户提供数据库查询访问的自然交互界面,从而实现基于数据库的自然问答.复杂查询的NL2SQL是当前数据库学术界的研究热点,主流方法采用序列到序列(Seq2seq)的编解码方式对问题进行建模.然而,已有的工作大多基于英文场景,面向中文领域实际应用时,中文特殊的口语化表达导致复杂查询转化困难;此外,现有工作难以正确输出包含复杂计算表达式的查询子句.针对上述问题,提出一种树状模型取代序列表示,将复杂查询自顶向下分解为多叉树,树结点代表SQL的各组成元素,采用深度优先搜索来预测生成SQL语句.在Du SQL中文NL2SQL竞赛的两个官方测试集中,该方法分别取得了第1名和第2名的成绩,验证了其有效性.

关键词：自然语言查询转SQL 语义解析自然语言处理

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：