检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第1期61卷 42-58页

作者：宁聪范菁孙书魁云南民族大学电气信息工程学院昆明650500 云南民族大学云南省高校信息与通信安全灾备重点实验室昆明650500 云南民族大学云南省无人自主系统重点实验室昆明650500

无人机在各行各业中发挥重要作用,多无人机之间的合作已成为研究热点。针对任务分配与路径规划两个核心问题,整理和分析了多无人机协同规划两个关键问题之间的复杂性,以及子问题间的信息耦合因素,并重点探讨了解耦策略;从数学模型方面... 详细信息

无人机在各行各业中发挥重要作用,多无人机之间的合作已成为研究热点。针对任务分配与路径规划两个核心问题,整理和分析了多无人机协同规划两个关键问题之间的复杂性,以及子问题间的信息耦合因素,并重点探讨了解耦策略;从数学模型方面对多无人机协同规划问题的通用模型进行描述,整理归纳出常见环境建模方法和多目标优化求解的约束条件;综述了基于集中式控制和分布式控制的任务规划方法,以及启发式算法在多无人机协同规划中的应用和研究进展,并重点介绍了多无人机协同规划问题面临实时性要求下的协同规划方法;结合典型研究,讨论了多无人机协同规划问题的未来研究方法与挑战,展望多无人机协同规划的发展。

关键词：无人机解耦策略智能算法任务分配路径规划

来源：评论

学校读者我要写书评

暂无评论

基于Transformer和对比学习的文本生成图像方法

引用

中国科技论文 2023年第7期18卷 793-798,812页

作者：代婷婷范菁曲金帅诸林云云南省高校信息与通信安全灾备重点实验室(云南民族大学) 昆明650500

针对文本生成图像任务中合成图像丢失部分图像属性并与给定文本描述语义不一致的问题,引入对比学习方法优化改进深度融合生成对抗网络(deep fusion generative adversarial networks,DF-GAN)。使用Transformer编码器结构提取全局语义信... 详细信息

针对文本生成图像任务中合成图像丢失部分图像属性并与给定文本描述语义不一致的问题,引入对比学习方法优化改进深度融合生成对抗网络(deep fusion generative adversarial networks,DF-GAN)。使用Transformer编码器结构提取全局语义信息,并利用对比学习方法来学习同一图像的多个文本表示,解决因语义信息提取不完善导致的合成图像属性丢失的问题;在网络训练过程中,采用对比学习方法来增强来自同一图像相关文本的合成图像之间的一致性。在CUB数据集上的实验结果表明,优化后的DF-GAN初始分数达到了4.97,FID指标达到了15.51,相比于原始DF-GAN分别提高了2.2%和19.38%,使模型生成了高质量的图像,并增强了合成图像与文本描述的语义一致性。

关键词：生成对抗网络文本生成图像对比学习 Transformer

来源：评论

学校读者我要写书评

暂无评论

基于改进暗通道先验去雾的无人机目标检测研究

引用

激光杂志 2024年第7期45卷 102-110页

作者：路佩东范菁孙书魁云南民族大学电气信息工程学院云南省高校信息与通信安全灾备重点实验室昆明650031

图像去雾是图像处理领域的一个重要研究热点。为了解决雾霾天气下图像的去雾与增强问题,提出了一种基于改进暗通道的去雾算法。首先为了使雾霾图像更接近无雾图像,提高图像的清晰度,该算法分别减少雾图像的RGB通道值,并结合每个减少的... 详细信息

图像去雾是图像处理领域的一个重要研究热点。为了解决雾霾天气下图像的去雾与增强问题,提出了一种基于改进暗通道的去雾算法。首先为了使雾霾图像更接近无雾图像,提高图像的清晰度,该算法分别减少雾图像的RGB通道值,并结合每个减少的通道和其他两个先前未减少的通道,使用该图像去雾算法后再对三个新图像加权来恢复图像;为了解决图像天空区域出现颜色失真的问题,设置了一个参数K来分别计算天空区域和非天空区域的透射率;为了解决图像中亮度过暗和增加目标对比度,本文引入CLAHE的方法对图像进行增强处理。实验结果表明:本算法在5张图像的对比度值分别是MDCP和RSD算法的2倍多和3倍多,在5张图像中的信息熵均值为7.5589,均明显优于其余2种算法,并且该算法在雾霾天气下目标检测的平均精度可达73%,相比于未经处理图像前提升了15%,具有一定的可行性。

关键词：去雾增强暗通道模型颜色通道自适应天空 CLAHE 无人机视角目标检测

来源：评论

学校读者我要写书评

暂无评论

计及分布式电源注入谐波的单相接地故障联合选线

引用

电力工程技术 2023年第4期42卷 113-121页

作者：李琰赵莹杜磊徐天奇田业云南省高校电力信息物理融合系统重点实验室、云南省高校信息与通信安全灾备重点实验室(云南民族大学) 云南昆明650504 北京送变电有限公司北京102401

随着配电网线路安全运行要求的提高,分布式电源注入的谐波会使得现有的选线方法失效,且单一判据的故障选线方法愈加难以胜任复杂配电网系统发生单相接地故障后的选线工作。因此文中提出了计及分布式电源注入谐波的谐振接地系统单相接地... 详细信息

随着配电网线路安全运行要求的提高,分布式电源注入的谐波会使得现有的选线方法失效,且单一判据的故障选线方法愈加难以胜任复杂配电网系统发生单相接地故障后的选线工作。因此文中提出了计及分布式电源注入谐波的谐振接地系统单相接地故障联合选线。针对谐振接地系统中出现单相接地故障后,故障线路与健全线路的暂态零序电流相位、周期变化不同的特点,先根据低频周期差异用多尺度交叉样本熵计算暂态零序电流,再根据高频相位差异用加权暂态能量法及同步挤压小波变换计算高频暂态零序电流的重构误差。此外,使用加权暂态能量法控制计算量并通过多尺度交叉样本熵、加权暂态能量和重构误差3个判据判定故障线路。实验结果显示,文中的联合选线法受不同故障条件的影响小,准确性高,抗干扰性强。

关键词：分布式电源谐振接地系统联合选线多尺度交叉样本熵加权暂态能量同步挤压小波变换

来源：评论

学校读者我要写书评

暂无评论

联邦学习在隐私安全领域面临的威胁综述

引用

计算机应用 2025年

作者：郗恩康范菁金亚东董华俞浩孙伊航云南民族大学电气信息工程学院云南省无人自主系统重点实验室(云南民族大学) 云南省高校信息与通信安全灾备重点实验室(云南民族大学)

联邦学习作为一种新型分布式机器学习，在解决数据孤岛和隐私保护问题上具有潜力，然而它面临潜在的隐私威胁和安全威胁。因此，系统性综述了联邦学习隐私与安全领域的前沿研究成果，详细阐述了联邦学习的基本概念、工作流程。对联邦学... 详细信息

联邦学习作为一种新型分布式机器学习，在解决数据孤岛和隐私保护问题上具有潜力，然而它面临潜在的隐私威胁和安全威胁。因此，系统性综述了联邦学习隐私与安全领域的前沿研究成果，详细阐述了联邦学习的基本概念、工作流程。对联邦学习的隐私和安全问题在现有最前沿的研究成果上进行了分类，首先分析了联邦学习中面临的隐私威胁，归纳相应的隐私保护方法；其次，总结了联邦学习中的安全威胁问题以及安全攻击的防御方法；此外，还讨论了未来需要解决的挑战，针对ChatGPT、DeepSeek等大模型在联邦学习中的应用，进一步探讨了大模型带来的计算效率与隐私泄露挑战。

关键词：联邦学习隐私威胁安全威胁大模型分布式机器学习

来源：评论

学校读者我要写书评

暂无评论

基于双向交叉注意力的多尺度特征融合情感分类

引用

计算机应用 2024年

作者：梁一鸣范菁柴汶泽云南民族大学电气信息工程学院云南省无人自主系统重点实验室云南民族大学云南省高校信息与通信安全灾备重点实验室

针对现有情感分类模型在深层情感理解上的局限性、传统注意力机制的单向性束缚及自然语言处理中的类别不平衡等问题，提出一种融合多尺度BERT(Bidirectional Encoder Representation from Transformers)特征和双向交叉注意力机制的情感... 详细信息

针对现有情感分类模型在深层情感理解上的局限性、传统注意力机制的单向性束缚及自然语言处理中的类别不平衡等问题，提出一种融合多尺度BERT(Bidirectional Encoder Representation from Transformers)特征和双向交叉注意力机制的情感分类模型（Multi-scale BERT features with Bidirectional Cross Attention, M-BCA）。该模型首先从BERT的低层、中层、高层分别提取多尺度特征，以捕捉句子文本的表面信息、语法信息和深层语义信息。接着，利用三通道GRU进一步提取深层语义特征，以增强对文本的理解能力。为促进不同尺度特征之间的交互与学习，该模型引入了双向交叉注意力机制，增强了多尺度特征之间的相互作用。此外，针对不平衡数据问题，M-BCA模型还设计了数据增强策略，并采用混合损失函数来优化模型对少数类别样本的学习。在细粒度情感分类任务中，M-BCA模型表现优异。特别是在NLPCC 2014数据集上，与T-E-GRU模型相比，M-BCA模型的精确率提升了1.02%,Macro-Recall提升了11.8%,Macro-F1提升了6.91%。此外，M-BCA模型在少数类别样本的分类任务中表现突出，尤其是在NLPCC2014与Online＿Shopping＿10＿Cats数据集上，少数类别的Macro-Recall均领先于其他模型。实验结果表明，该模型在细粒度情感分类任务中取得了显著的性能提升，并适用于处理不平衡数据集。

关键词： BERT 细粒度情感分类多尺度特征融合数据增强混合损失函数双向交叉注意力

来源：评论

学校读者我要写书评

暂无评论

联邦学习统计异质性综述

引用

计算机应用 2024年

作者：俞浩范菁孙伊航董华郗恩康云南民族大学电气信息工程学院云南省无人自主系统重点实验室(云南民族大学) 云南省高校信息与通信安全灾备重点实验室(云南民族大学)

联邦学习是一种强调隐私保护的分布式机器学习框架，但在应对统计异质性问题时面临显著挑战。统计异质性源于参与节点间的数据分布差异，可能导致模型更新偏差、全局模型性能下降以及收敛不稳定。针对上述问题，详细分析了统计异质性带... 详细信息

联邦学习是一种强调隐私保护的分布式机器学习框架，但在应对统计异质性问题时面临显著挑战。统计异质性源于参与节点间的数据分布差异，可能导致模型更新偏差、全局模型性能下降以及收敛不稳定。针对上述问题，详细分析了统计异质性带来的主要问题，包括特征分布不一致、标签分布不均衡、数据量不对称及数据质量参差不齐等，并对现有的解决方案进行了系统综述。这些方案包括局部校正、聚类方法、客户端选择优化、聚合策略调整、数据共享、知识蒸馏及解耦优化等，并逐一评估它们的优缺点与适用场景。此外，探讨了未来研究方向，如设备计算能力感知、模型异构适应、隐私安全机制的优化及跨任务迁移能力的提升，为应对实际应用中的统计异质性提供了参考。

关键词：联邦学习统计异质性客户端漂移分布式学习非独立同分布

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制与多特征融合的轻量级语义分割算法研究

引用

云南民族大学学报(自然科学版) 2024年

作者：刘竟锋范菁曲金帅柴汶泽梁一鸣云南民族大学云南省高校信息与通信安全灾备重点实验室

在自动驾驶领域中对道路场景进行语义分割十分重要，但是现有的语义分割算法面临着参数多、耗费计算资源大、无法兼顾高精度和实时性等问题。为此，基于DeepLabv3+提出了一种基于注意力机制与多特征融合的轻量级语义分割网络。以MobileN... 详细信息

在自动驾驶领域中对道路场景进行语义分割十分重要，但是现有的语义分割算法面临着参数多、耗费计算资源大、无法兼顾高精度和实时性等问题。为此，基于DeepLabv3+提出了一种基于注意力机制与多特征融合的轻量级语义分割网络。以MobileNetV2为主干网络，提高分割速度，并减少了网络的参数量；引入注意力机制和双池化操作，对主干网络的不同特征图进行并行特征处理，增强网络的特征表示和感知能力；最后，将空洞卷积空间金字塔的输出与并行特征融合的结果进一步融合，让网络获取的特征更加丰富。实验结果表明，该方法在CityScapes数据集上取得了71.68%的平均交并比(MIoU)，相比于传统模型，它能够以较少的资源开销和网络参数实现高效且精确的道路场景分割。

关键词：自动驾驶特征融合注意力机制轻量级

来源：评论

学校读者我要写书评

暂无评论

基于在线监测的雷电流识别方法及其应用

引用

电子测量技术 2023年第5期46卷 172-178页

作者：张雷范菁曲金帅云南民族大学电气信息工程学院昆明650500 云南省高校信息与通信安全灾备重点实验室昆明650500

对于输电线路的雷击过电压在线监测装置,快速准确地识别雷电流信号至关重要,目前不论是硬件触发还是软件触发都存在误触发和漏触发等触发问题,而且目前的监测系统在经济性和便捷性方面存在明显弊端。本文提出一种基于嵌入式的雷击在线... 详细信息

对于输电线路的雷击过电压在线监测装置,快速准确地识别雷电流信号至关重要,目前不论是硬件触发还是软件触发都存在误触发和漏触发等触发问题,而且目前的监测系统在经济性和便捷性方面存在明显弊端。本文提出一种基于嵌入式的雷击在线监测系统,可以实现对输电线路高效便捷的实时监测,极大的提高雷击监测装置的便捷性和经济性。同时提出先检测后识别的触发算法准确识别雷击电流暂态信号,首先通过幅值差的方法快速检测雷电流信号(不良数据),然后通过周期作差的方法准确识别不良数据,通过分析实验,证明该方法可以减少监测系统的误触发和漏触发次数。并且通过实验室测试,证明该监测系统的采集精度为98.49%,满足实时监测的需求,为输电线路在线监测提供一种经济便捷的监测系统。

关键词：输电线路在线监测触发算法雷电流暂态信号

来源：评论

学校读者我要写书评

暂无评论

深度度量学习综述

引用

计算机应用 2024年第10期44卷 2995-3010页

作者：柴汶泽范菁孙书魁梁一鸣刘竟锋云南民族大学电气信息工程学院昆明650504 云南省无人自主系统重点实验室(云南民族大学) 昆明650504 云南省高校信息与通信安全灾备重点实验室(云南民族大学) 昆明650504

随着深度神经网络的兴起,深度度量学习(DML)引起广泛的关注。为了深入了解深度度量学习,首先,整理和分析传统度量学习方法的局限性。其次,从3个类型探讨DML,包括基于样本对、代理和分类的类型:基于样本对的类型包括散度方法、排序方法... 详细信息

随着深度神经网络的兴起,深度度量学习(DML)引起广泛的关注。为了深入了解深度度量学习,首先,整理和分析传统度量学习方法的局限性。其次,从3个类型探讨DML,包括基于样本对、代理和分类的类型:基于样本对的类型包括散度方法、排序方法和基于生成对抗网络(GAN)的方法;基于代理的类型主要从代理样本、类别方面进行讨论;基于分类的类型中主要讨论了跨模态度量学习、类内类间边距问题、超图分类,以及与其他方法(如基于强化学习和基于对抗学习的方法)的结合。再次,介绍评估DML性能的各种指标,同时总结和对比DML在不同任务(包括人脸识别、图像检索和行人重识别等)中的应用。最后,探讨DML面临的挑战,并提出一些可能的解决策略。

关键词：深度神经网络深度度量学习机器学习计算机视觉人工智能

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：