检索结果-内蒙古大学图书馆

兰州理工大学教师教学质量评价量化指标体系的构建——以计算机与通信学院为例

西北成人教育学院学报 2014年第6期 116-118页

作者：李睿兰州理工大学计算机与通信学院甘肃兰州730050

为了保证教学质量,进一步加强教学管理,落实加强教学质量监控,根据兰州理工大学提出的关于加强教师教学质量评价的规定,对其评价目的和原则进行了分析,构建出评价指标体系,并对其进行简单的加权量化,将有助于调控教学管理,充分调动教师... 详细信息

为了保证教学质量,进一步加强教学管理,落实加强教学质量监控,根据兰州理工大学提出的关于加强教师教学质量评价的规定,对其评价目的和原则进行了分析,构建出评价指标体系,并对其进行简单的加权量化,将有助于调控教学管理,充分调动教师教学的积极性,不断提高教学质量。

关键词：大学教师教学质量评价量化指标体系

来源：评论

学校读者我要写书评

暂无评论

Transformer辅助的超奈奎斯特速率无线光滤波器组多载波检测算法

引用

光学学报 2025年第1期45卷 37-47页

作者：陈轩曹明华张悦王惠琴韩生春兰州理工大学计算机与通信学院甘肃兰州730050

针对光正交频分复用(OOFDM)传输技术存在带外衰减慢、频谱利用率不高的问题,将超奈奎斯特(FTN)技术与光滤波器组多载波(OFBMC)技术结合,提出了一种超奈奎斯特速率无线光滤波器组多载波(OFBMC-FTN)传输方案。基于Gamma-Gamma湍流信道模型... 详细信息

针对光正交频分复用(OOFDM)传输技术存在带外衰减慢、频谱利用率不高的问题,将超奈奎斯特(FTN)技术与光滤波器组多载波(OFBMC)技术结合,提出了一种超奈奎斯特速率无线光滤波器组多载波(OFBMC-FTN)传输方案。基于Gamma-Gamma湍流信道模型,推导了该系统在最大似然准则下的理论误码率表达式,并采用蒙特卡罗仿真验证了理论分析的正确性。在此基础上,针对OFBMC-FTN发送信号的特点,提出了基于Transformer网络的信号检测算法FBMCFormer来降低检测复杂度。结果表明,当FTN的压缩因子为0.9时,系统的频谱效率比直流偏置光滤波器组多载波、非对称限幅光滤波器组多载波和光正交频分复用技术分别提升了11.1%、94%和120%。同时,对于不同的湍流强度,所提检测算法的误码性能在接近最大似然最优检测的同时大幅降低了计算开销。

关键词：光通信光滤波器组多载波超奈奎斯特频谱效率 Transformer 信号检测

来源：评论

学校读者我要写书评

暂无评论

结合特征融合注意力的规范化卷积图像去雾网络

引用

计算机工程与应用 2025年第8期61卷 226-238页

作者：王燕卢鹏屹他雪兰州理工大学计算机与通信学院兰州730050

图像去雾方法可以从受雾、霾或大气干扰影响的模糊图像中恢复清晰图像,在自动驾驶、监控系统等领域有重要意义。近年来,基于深度学习方法在图像去雾领域取得了显著进展,但在去雾过程中会损失一些细节信息,导致纹理信息恢复不足、去雾不... 详细信息

图像去雾方法可以从受雾、霾或大气干扰影响的模糊图像中恢复清晰图像,在自动驾驶、监控系统等领域有重要意义。近年来,基于深度学习方法在图像去雾领域取得了显著进展,但在去雾过程中会损失一些细节信息,导致纹理信息恢复不足、去雾不均匀现象。为了解决这个问题,提出了一种端到端的单幅图像去雾方法,称为EFANNet。该方法由编码器模块、去雾模块、解码器模块组成。编码器模块用于提取图像特征信息传递给去雾模块;去雾模块通过特征融合组(FFG)获得更多图像信息使去雾图像颜色失真更小、伪影更少,将获得的图像信息传递给深度规范化修正卷积块(DNCC)减少协变量偏移,使模型更容易训练。多路径特征卷积块(MFCB)获得纹理细节更丰富的图像信息,最后经过解码器模块通过反卷积和上采样操作将低维的特征映射转换回高维的原始输入空间,得到去雾图像。大量实验结果表明,所提方法在定量和定性上都取得了较好的结果并优于相关的最新方法。

关键词：图像去雾深度学习编码器-解码器深度规范化修正卷积块

来源：评论

学校读者我要写书评

暂无评论

基于Huffman编码的移动终端本地差分隐私位置保护

引用

计算机科学与探索 2025年第3期19卷 802-817页

作者：晏燕吕雅琴李飞飞兰州理工大学计算机与通信学院兰州730050

移动终端的位置信息与个人隐私紧密相连,一旦泄露可能威胁用户的生命和财产安全。本地化差分隐私模型提供了严格的隐私保护效果,允许用户根据个人需求处理和保护敏感信息,避免了对第三方服务器的依赖。针对现有本地化差分隐私位置保护... 详细信息

移动终端的位置信息与个人隐私紧密相连,一旦泄露可能威胁用户的生命和财产安全。本地化差分隐私模型提供了严格的隐私保护效果,允许用户根据个人需求处理和保护敏感信息,避免了对第三方服务器的依赖。针对现有本地化差分隐私位置保护方法用户端灵活性差、扰动位置质量损失严重等问题,提出了一种基于Huffman编码的移动终端本地差分隐私位置保护方法。移动用户根据个性化隐私需求提交位置隐私保护范围,服务器端按需进行位置编码并返回给用户。用户端选择所在区域的Huffman编码,并对其进行本地化差分隐私扰动以实现对原始位置的隐私保护。服务器端通过对接收的扰动位置进行解码来判断用户所处的区域,并据此提供基于位置的服务(location-based services,LBS)。在实际位置数据集合上的实验证明,所提方法能够在实现用户位置本地化差分隐私保护的基础上,提供更好的位置数据可用性和运行效率。

关键词：位置隐私保护本地化差分隐私 Huffman编码随机响应

来源：评论

学校读者我要写书评

暂无评论

基于前后景分割的图像情感分析

引用

计算机工程与应用 2025年第1期61卷 206-213页

作者：高玮军刘书君孙子博兰州理工大学计算机与通信学院兰州730000

图像是生活中重要的信息源之一,对其所表达的内容进行细节分析,可以更充分地利用信息资源。随着信息化的快速发展,针对图像模态开展情感分析工作已成为目前研究的一大热点。图像情感分析的主要环节依次为:情感特征提取、情感空间的选择... 详细信息

图像是生活中重要的信息源之一,对其所表达的内容进行细节分析,可以更充分地利用信息资源。随着信息化的快速发展,针对图像模态开展情感分析工作已成为目前研究的一大热点。图像情感分析的主要环节依次为:情感特征提取、情感空间的选择、特征融合和情感识别分类。现有的大部分图像情感分析工作以图像整体为单位进行输入,未能充分发挥图像中局部特征的情感作用。如果不能对图像的全局特征和局部特征作出区分,当图像出现清晰度不高、背景噪声较多等问题时,图像的全局特征就会变得较为敏感,特征提取和识别工作将会受到严重干扰,对情感分析的准确性产生一定影响。针对目前图像情感分析存在的不足,提出一种基于前后景分割的图像情感分析方法。该方法以YOLOv5为框架,引入ConvNeXt模块和AFF模块,分别进行特征提取和注意力融合。实验结果表明,与目前比较流行的几种图像情感分析方法相比,该方法对于包含更多情感信息和语义信息的场景更为适用,性能也有所提升。

关键词：图像情感分析前后景分割特征融合 YOLOv5 局部特征全局特征

来源：评论

学校读者我要写书评

暂无评论

高效的云外包隐私保护K-means聚类研究

引用

华中科技大学学报(自然科学版) 2025年第5期 143-149页

作者：曹来成靳娜维冯涛郭显兰州理工大学计算机与通信学院

为提高云外包隐私保护K-means算法的聚类效率和计算来自多方用户的密文数据，提出一种可以高效计算多方密文的云外包隐私保护K-means聚类方案．首先，基于稀疏约束的非负矩阵分解算法实现了高维数据的低维表示，从而有效提高了K-means... 详细信息

为提高云外包隐私保护K-means算法的聚类效率和计算来自多方用户的密文数据，提出一种可以高效计算多方密文的云外包隐私保护K-means聚类方案．首先，基于稀疏约束的非负矩阵分解算法实现了高维数据的低维表示，从而有效提高了K-means聚类算法在高维数据下的聚类效果；然后，采用基于共用密钥的多密钥全同态加密技术解决了多方密文在云服务器进行K-means聚类时存在同态运算复杂的问题，在此过程中通过构建四个安全的基础协议使隐私信息得到了保护；最后，使用三角不等式定理实现K-means聚类算法的剪枝优化，减少了聚类中存在的冗余距离计算，提高了聚类效率．实验结果表明：所提方案当处理高维数据时有着较高的聚类效率，且准确率接近于明文数据下的聚类．

关键词： K-means算法多密钥全同态加密云外包隐私保护高维数据

来源：评论

学校读者我要写书评

暂无评论

一种频域注意力机制变量筛选的时序预测模型

引用

华中科技大学学报(自然科学版) 2025年第5期 150-156+177页

作者：陈海燕欧阳林威任宝民兰州理工大学计算机与通信学院

针对多变量时间序列预测中冗余时间序列变量会引入噪声而使序列预测精度降低的问题，提出一种基于频域注意力机制重要变量筛选的多变量时间序列预测模型．首先，该模型通过时间序列分解将多变量时间序列分解为季节项和趋势项．对季节项... 详细信息

针对多变量时间序列预测中冗余时间序列变量会引入噪声而使序列预测精度降低的问题，提出一种基于频域注意力机制重要变量筛选的多变量时间序列预测模型．首先，该模型通过时间序列分解将多变量时间序列分解为季节项和趋势项．对季节项设计了一种频域注意力机制，在频域上计算多变量时间序列变量之间的相关函数并通过激活函数得到各个变量的权重，以权重反映各个变量的重要性，从而降低冗余变量对模型预测性能的影响．然后，设计了一种时间序列的多尺度特征提取方法，将季节项在时间方向以相同比例多次分割，通过多层感知机对分割后季节项的时间段和趋势项分别进行特征提取，获取季节项的多尺度特征，从而增强模型对时间序列的特征提取能力．最后，将季节项的多尺度特征和趋势项的特征在时间方向融合并通过全连接层映射，得到多变量时间序列的预测输出．在6个公开的多变量时间序列数据集上对时间序列预测的实验结果表明：本研究所提出的模型的平均预测精度相比Autoformer,FEDformer,Crossformer,DLinear,iTransformer和TimesNet模型均有显著的提升．

关键词：多变量时间序列预测多尺度特征注意力机制频域特征融合

来源：评论

学校读者我要写书评

暂无评论

基于同态加密的可验证隐私保护联邦学习方案

引用

电子与信息学报 2025年第4期47卷 1113-1125页

作者：郭显王典冬冯涛成玉丹蒋泳波兰州理工大学计算机与通信学院兰州730050

现有基于同态加密的联邦学习安全和隐私保护方案中,仍面临着服务器伪造聚合结果或与用户合谋导致隐私数据泄露风险。针对上述问题,该文提出抗合谋的隐私保护和可验证联邦学习方案。首先,通过结合秘密共享算法实现密钥的生成和协作解密,... 详细信息

现有基于同态加密的联邦学习安全和隐私保护方案中,仍面临着服务器伪造聚合结果或与用户合谋导致隐私数据泄露风险。针对上述问题,该文提出抗合谋的隐私保护和可验证联邦学习方案。首先,通过结合秘密共享算法实现密钥的生成和协作解密,并采用同态加密等密码学原语进一步保护模型,防止用户与服务器的合谋攻击。然后基于双线性聚合签名算法使每个用户能够独立验证服务器提供的聚合结果。同时,为了鼓励更多拥有高质量数据的用户参与进来,该文提出一种激励机制,为用户提供相应的奖励。安全性分析表明,该文方案对系统中存在的合谋攻击具有鲁棒性。最后,理论分析和实验验证结果表明该方案具有可靠性、可行性和有效性。

关键词：联邦学习同态加密隐私保护可验证

来源：评论

学校读者我要写书评

暂无评论

基于SE-AdvGAN的图像对抗样本生成方法研究

引用

计算机工程 2025年第2期51卷 300-311页

作者：赵宏宋馥荣李文改兰州理工大学计算机与通信学院甘肃兰州730050

对抗样本是评估深度神经网络(DNN)鲁棒性和揭示其潜在安全隐患的重要手段。基于生成对抗网络(GAN)的对抗样本生成方法(AdvGAN)在生成图像对抗样本方面取得显著进展,但该方法生成的扰动稀疏性不足且幅度较大,导致对抗样本的真实性较低。... 详细信息

对抗样本是评估深度神经网络(DNN)鲁棒性和揭示其潜在安全隐患的重要手段。基于生成对抗网络(GAN)的对抗样本生成方法(AdvGAN)在生成图像对抗样本方面取得显著进展,但该方法生成的扰动稀疏性不足且幅度较大,导致对抗样本的真实性较低。为解决这一问题,基于AdvGAN提出一种改进的图像对抗样本生成方法(SE-AdvGAN)。SE-AdvGAN通过构造SE注意力生成器和SE残差判别器来提高扰动的稀疏性。SE注意力生成器用于提取图像关键特征,限制扰动生成位置,SE残差判别器指导生成器避免生成无关扰动。同时,在SE注意力生成器的损失函数中加入以l_(2)范数为基准的边界损失以限制扰动的幅度,从而提高对抗样本的真实性。实验结果表明,在白盒攻击场景下,SE-AdvGAN相较于现有方法生成的对抗样本扰动稀疏性更高、幅度更小,并且在不同目标模型上均取得了更好的攻击效果,说明SE-AdvGAN生成的高质量对抗样本可以更有效地评估DNN模型的鲁棒性。

关键词：对抗样本生成对抗网络稀疏扰动深度神经网络鲁棒性

来源：评论

学校读者我要写书评

暂无评论

用于异常交通流预测的时空生成对抗聚类图卷积网络

引用

计算机工程 2025年

作者：张红杨俊译兰州理工大学计算机与通信学院

准确的交通流预测对城市交通至关重要，而交通流中的异常事件（恶劣天气、紧急道路状况等）导致的异常交通流，对现阶段交通流模型预测的准确性提出严峻挑战。现有的交通流预测模型大多难以有效捕捉交通流数据的复杂动态模式，且计算资... 详细信息

准确的交通流预测对城市交通至关重要，而交通流中的异常事件（恶劣天气、紧急道路状况等）导致的异常交通流，对现阶段交通流模型预测的准确性提出严峻挑战。现有的交通流预测模型大多难以有效捕捉交通流数据的复杂动态模式，且计算资源开销较大。为了解决这些问题，本文提出一种用于异常交通流预测的时空生成对抗聚类图卷积网络（CG-STGAN）。具体而言，构建了一个基于时空生成对抗网络的模型，其中，生成器用于捕捉并模拟正常交通流数据，鉴别器则对比生成数据与原始数据，判断其是否异常。通过对抗训练，生成器和鉴别器协同提升了异常交通流的检测能力。此外，提出了聚类图卷积网络，将交通图分解为多个子图，以限制图卷积的邻域扩张，从而降低内存使用并提高预测准确性。最后，结合图卷积门控循环单元挖掘交通流的短期时空特征，并通过长短期记忆模块学习交通流的长期依赖。实验结果表明，与基线模型相比，CG-STGAN在异常交通流预测方面表现出最佳性能。

关键词：交通流预测异常交通流时空动态特性生成对抗网络聚类图卷积网络

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：