检索结果-内蒙古大学图书馆

计算机科学 2023年第7期50卷 176-193页

作者：胡嘉薇贾泽群孙延涛刘强北京交通大学计算机与信息技术学院北京100044 交通数据分析与挖掘北京市重点实验室北京100044

多无人机协同任务规划是现阶段无人机集群智能化发展的关键技术,其中任务分配与航迹规划是无人机任务规划技术的核心部分。鉴于规划要素众多且相互耦合的研究现状,寻找降低问题耦合度和复杂度的求解策略至关重要。首先,文中从问题建模出... 详细信息

多无人机协同任务规划是现阶段无人机集群智能化发展的关键技术,其中任务分配与航迹规划是无人机任务规划技术的核心部分。鉴于规划要素众多且相互耦合的研究现状,寻找降低问题耦合度和复杂度的求解策略至关重要。首先,文中从问题建模出发,建立了任务规划问题通用模型,总结归纳出常见约束条件和评价指标,并着重分析问题求解框架;其次,从集中式和分布式角度详细阐述了任务分配问题的常见模型与求解算法;再次,论述了单机路径规划和路径平滑方法,并针对多机时空协同约束归纳了多机间协同方法;此外,从约束耦合、子问题耦合、分层结构耦合角度整理归纳了求解过程中存在的复杂耦合因素,并重点探讨了解耦策略;最后,讨论了未来多无人机协同任务规划问题的发展趋势。

关键词：协同任务规划任务分配航迹规划耦合分析解耦合

来源：评论

学校读者我要写书评

暂无评论

铁路运行环境下ERT可信根实体的软件化技术研究

引用

信息网络安全 2024年第5期24卷 794-801页

作者：王巍胡永涛刘清涛王凯崙北京交通大学计算机与信息技术学院北京100044 公安部第三研究所上海200031 北京铁路通信技术中心北京100038

为保障铁路系统的信息安全,文章提出一种铁路运行环境下可信根实体(Entity of Root of Trust,ERT)的软件化技术,在内核中实现强制访问控制功能,通过操作系统内核的修改或扩展,实现更为细粒度和强大的权限管理。同时考虑到轻量级场景下... 详细信息

为保障铁路系统的信息安全,文章提出一种铁路运行环境下可信根实体(Entity of Root of Trust,ERT)的软件化技术,在内核中实现强制访问控制功能,通过操作系统内核的修改或扩展,实现更为细粒度和强大的权限管理。同时考虑到轻量级场景下部分设备存在计算能力弱、存储空间有限和电源供应不稳定等问题,提出一种轻量级可信计算体系,最大程度满足可信计算要求。通过实施内核级的强制访问控制和轻量级的可信计算体系改造,缓解未知风险对关键信息基础设施的威胁,为铁路系统的安全性提供保障。

关键词：铁路系统信息安全 ERT可信根实体强制访问控制可信计算体系

来源：评论

学校读者我要写书评

暂无评论

融合注意力的多维特征图卷积运动想象分类

引用

计算机科学与探索 2022年第9期16卷 2050-2060页

作者：李珍琦王晶贾子钰林友芳北京交通大学计算机与信息技术学院北京100044 北京交通大学交通数据分析与挖掘北京市重点实验室北京100044

运动想象(MI)作为脑机接口(BCI)的重要应用,是运动康复训练的重要支撑。由于脑电的电极分布并非天然的欧式空间,对运动想象进行准确分类具有很大的挑战。而且现有方法仅仅考虑了脑电信号(EEG)中某一维度或者某两维度的信息,无法全面捕... 详细信息

运动想象(MI)作为脑机接口(BCI)的重要应用,是运动康复训练的重要支撑。由于脑电的电极分布并非天然的欧式空间,对运动想象进行准确分类具有很大的挑战。而且现有方法仅仅考虑了脑电信号(EEG)中某一维度或者某两维度的信息,无法全面捕获脑电信号在时、频、空三个维度存在的内在特征。同时,脑电信号各维度上的动态关联强度影响了分类的鲁棒性。针对上述问题,提出了一种新颖的融合注意力的多维特征图卷积网络(AMFGCN)。首先,根据电极节点分布的非欧空间特性设计出图结构,充分表示电极间的空间相关性。其次,提出时-空、频-空的双分支框架,同时表示脑电信号在时域、频域和空间域上的信息。最后,通过融合注意力机制、图卷积和时间/频谱卷积从图表示中学习脑电信号的空间表示、时间依赖性和频率依赖性,并自适应捕获各维度上的动态关联强度。在四个公开脑机接口数据集上进行了实验,结果表明AMFGCN模型提高了分类性能,优于其他现有的运动想象分类方法。

关键词：运动想象(MI) 注意力机制图卷积网络多维特征脑电信号(EEG)

来源：评论

学校读者我要写书评

暂无评论

基于伪标签正则化损失的无监督行人重识别

引用

电子学报 2024年第5期52卷 1743-1758页

作者：贾洁茹张硕蕊钱宇华阮秋琦山西大学大数据科学与产业研究院山西太原030006 山西大学计算机与信息技术学院山西太原030006 山西省机器视觉与数据挖掘工程研究中心山西太原030006 北京交通大学信息科学研究所北京100044

无监督行人重识别旨在不需要行人身份标签的情况下,将查询的行人图像与候选集中的行人图像相匹配.目前主流的无监督行人重识别方法通常先利用聚类算法生成伪标签,然后利用伪标签训练深度神经网络.然而由于模型初始表征能力不足和聚类算... 详细信息

无监督行人重识别旨在不需要行人身份标签的情况下,将查询的行人图像与候选集中的行人图像相匹配.目前主流的无监督行人重识别方法通常先利用聚类算法生成伪标签,然后利用伪标签训练深度神经网络.然而由于模型初始表征能力不足和聚类算法的局限性等,伪标签中会引入大量噪声,严重误导模型优化过程,导致模型性能退化.为了减轻伪标签噪声的影响,本文提出了一种新的伪标签正则化损失函数,用伪标签的置信度分数和样本相似度对伪标签噪声进行约束.具体来说,本文首先提出了一种聚类引导的注意力机制,根据伪标签与聚类中心的语义相关程度来估计伪标签的置信度,以此来识别噪声标签并给正确标签分配更多的权重,有效降低伪标签噪声在总体损失函数中的作用.同时,为了充分利用伪标签的判别能力,本文利用伪标签进行在线软样本挖掘,构建mini-batch中的正负样本对并为每个正负样本对计算一个连续的权重分数.通过将以上两种权重引入到对比损失中,本文提出的伪标签正则化损失函数可以有效抑制伪标签噪声的影响,减轻标签噪声对训练过程的影响,提高模型的准确性和鲁棒性.在多个公开行人数据集上的实验结果验证了本文方法的有效性,在Market1501、DukeMTMC-reID和MSMT17数据集上mAP分别达到了85.9%、75.1%和29.3%.

关键词：行人重识别无监督学习伪标签噪声对比学习聚类优化

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的轻量化目标检测算法

引用

系统工程与电子技术 2022年第9期44卷 2716-2725页

作者：宋爽张悦张琳娜岑翼刚李浥东北京交通大学计算机与信息技术学院北京100044 现代信息科学与网络技术北京市重点实验室北京100044 贵州大学机械工程学院贵州贵阳550025

深度卷积神经网络在各个领域都表现出很好的效果,与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题,提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNe... 详细信息

深度卷积神经网络在各个领域都表现出很好的效果,与之伴随的是庞大的计算量和参数量。针对当前基于深度卷积神经网络的目标检测算法对计算资源需求太大和内存消耗严重的问题,提出一种高性能轻量化的网络模型。首先将Stem模块和ShuffleNet V2进行融合,提升网络特征提取能力,并利用融合后的网络对原始YOLOv5的骨干网络进行重构,显著降低了网络的计算量和内存占用,同时,引入可变形卷积以提升网络的检测性能。道路监控图像和VOC、COCO数据集测试结果表明,所提出的模型在保持检测精度的前提下,将参数量和模型尺寸降低了90%,计算量仅为原始模型的18%,实现了检测模型的轻量化,更有助于在计算资源有限和对实时性要求高的场景中部署。

关键词：目标检测卷积神经网络轻量化网络单阶段检测算法可变形卷积

来源：评论

学校读者我要写书评

暂无评论

面向6G的生成对抗网络研究进展综述

引用

物联网学报 2024年第1期8卷 1-16页

作者：孟婵媛熊轲高博张煜樊平毅北京交通大学计算机与信息技术学院北京100044 北京交通大学高速铁路网络管理教育部工程研究中心北京100044 国网能源研究院有限公司北京102209 清华大学电子工程系北京100084

人工智能(AI,artificial intelligence)与通信技术的深度融合是6G网络的典型特征。一方面,AI为6G网络发展注入了新动力,能够有效利用网络运行产生的历史数据,使网络具备自维护、自优化的功能,加速了网络智能化进程。另一方面,6G网络丰... 详细信息

人工智能(AI,artificial intelligence)与通信技术的深度融合是6G网络的典型特征。一方面,AI为6G网络发展注入了新动力,能够有效利用网络运行产生的历史数据,使网络具备自维护、自优化的功能,加速了网络智能化进程。另一方面,6G网络丰富的场景和大规模的物联设备入网应用为AI提供了广阔的应用渠道和海量的训练数据,使AI能够更好地训练和部署,充分发挥AI的内在优势,为用户提供更加优质的智能服务。尽管如此,在一些实际应用中,受复杂环境的影响,存在数据样本收集困难、收集成本高和样本普适性不足等问题,难以充分发挥AI的性能优势。为此,学术界和工业界将生成对抗网络(GAN,generative adversarial network)引入无线网络的设计中,利用GAN强大的特征学习和特征表达能力产生大量模拟实际的生成样本,实现无线数据库的扩充,从而有效提升面向无线网络的AI模型的泛化能力。由于其优秀的性能表现,以GAN为代表的生成式模型在无线网络领域受到越来越多的关注,并迅速发展成为6G网络新的研究热点。首先,综述了GAN的原理及其改进衍生模型,对各种衍生模型的框架及优缺点进行了分析归纳;然后,综述了这些模型在无线网络领域的研究及应用现状;最后,面向6G网络的需求展望了GAN在6G网络中的研究趋势,为未来的研究提供了一些有价值的探索。

关键词：生成对抗网络无线网络信道估计物理层安全无线感知零和博弈

来源：评论

学校读者我要写书评

暂无评论

基于双种群遗传算法的测试用例优先级排序

中国科技论文在线精品论文

引用

中国科技论文在线精品论文 2023年第2期16卷 223-232页

作者：朱亚南刘峰北京交通大学计算机与信息技术学院北京100044

本研究将双种群遗传算法引入测试用例排序中以解决单一种群中过早收敛和最终解质量不稳定等问题,通过设置多样性较高的初始解,并在两个进化种群中使用不同的控制参数来协同进化,达到扩大解搜索空间的目的,以降低算法陷入局部最优的风险... 详细信息

本研究将双种群遗传算法引入测试用例排序中以解决单一种群中过早收敛和最终解质量不稳定等问题,通过设置多样性较高的初始解,并在两个进化种群中使用不同的控制参数来协同进化,达到扩大解搜索空间的目的,以降低算法陷入局部最优的风险;同时使用引入权重因子的平均方法覆盖率作为适应度函数,利用Boltzmann选择法实现不同进化阶段选择压力的自适应变化,期望加快算法后期收敛速度。最后在具有真实故障的数据集Defects4J上进行对比验证,结果表明:本文算法在平均故障检测率(average percentage of fault detection,APFD)方面优于单一种群遗传算法,且这种性能的提升在统计学上是显著的。

关键词：计算机软件测试用例优先级排序(TCP) 双种群遗传算法自适应选择压力

来源：评论

学校读者我要写书评

暂无评论

空天地一体化智能铁路通信网络安全保障技术研究

引用

铁路计算机应用 2023年第9期32卷 23-28页

作者：刘天皓李许增王凯崙商婧刘吉强北京交通大学计算机与信息技术学院北京100044

智能铁路是我国交通发展的重要方向,空天地一体化通信网络将成为智能铁路未来的关键信息基础设施。文章针对空天地一体化智能铁路通信网络面临的安全挑战,以安全感知、协同推理、防御决策为主线,提出网络安全保障技术框架,探讨网络安全... 详细信息

智能铁路是我国交通发展的重要方向,空天地一体化通信网络将成为智能铁路未来的关键信息基础设施。文章针对空天地一体化智能铁路通信网络面临的安全挑战,以安全感知、协同推理、防御决策为主线,提出网络安全保障技术框架,探讨网络安全知识图谱构建、网络攻击检测和路径图生成以及动态协同防御策略等关键技术,可为空天地一体化智能铁路通信网络安全建设提供参考。

关键词：空天地一体化通信网络智能铁路网络安全入侵检测安全感知协同推理防御决策

来源：评论

学校读者我要写书评

暂无评论

时间序列异常检测综述

引用

北京交通大学学报 2025年

作者：陈福荣熊琛李婷钟超马朝阳李达王晶中国民航信息网络股份有限公司北京交通大学计算机科学与技术学院

异常检测作为数据科学领域的关键任务之一，旨在识别显著偏离常规模式的数据点，在风险控制、故障预警和健康监测等应用中具有重要意义。本论文对时间序列异常检测进行了全面概括，分析了其面临的主要挑战和方法，复杂性主要来自数据特... 详细信息

异常检测作为数据科学领域的关键任务之一，旨在识别显著偏离常规模式的数据点，在风险控制、故障预警和健康监测等应用中具有重要意义。本论文对时间序列异常检测进行了全面概括，分析了其面临的主要挑战和方法，复杂性主要来自数据特性、算法需求和应用场景三方面，包括数据分布的漂移、高维数据处理、噪声影响、实时性和泛化性等问题。我们将时间序列中的异常划分为三类：点异常、片段异常和变量间关联异常，并详细描述了各类异常的定义和检测方法。系统地回顾了基于传统统计、机器学习和深度学习的异常检测技术，分析了各类方法的优缺点及其适用性。统计方法在数据分布明确时表现良好，而机器学习和深度学习方法则在处理复杂数据时具备更强的适应性和能力，尤其是自编码器、卷积神经网络、循环神经网络、Transformer和基于图的方法等深度学习技术，在高维、非线性数据的处理中展现出显著优势，成为研究热点。此外，本文整理了SWAT、SMD、WADI等常用数据集，并说明了这些数据集在异常检测中的应用场景和特点。最后，总结了当前异常检测技术的发展现状，并展望了未来的研究趋势，强调提高模型的自适应性、泛化能力和可解释性是主要方向，研究将继续致力于多变量和多模态数据的整合，以及提升实时性和在线学习能力，以实现更高效和智能的异常检测，为金融风险控制、工业故障预警和健康监测等关键领域提供支持。

关键词：时间序列异常检测异常模式检测算法

来源：评论

学校读者我要写书评

暂无评论

基于改进 YOLOv3 的自然场景下鸟类检测算法

引用

激光与光电子学进展 2022年第18期59卷 329-336页

作者：宋子盈杨奎河张宇北京交通大学计算机与信息技术学院北京100044 河北科技大学信息科学与工程学院河北石家庄050018

针对自然场景下鸟类检测任务中存在模型参数量大、计算量高和正负样本严重不平衡的问题,提出了YOLOBIRDS算法。一方面,对特征提取网络模型进行修改,将标准卷积神经网络结构修改为深度可分离残差模型。另一方面,对损失函数进行修改,将目... 详细信息

针对自然场景下鸟类检测任务中存在模型参数量大、计算量高和正负样本严重不平衡的问题,提出了YOLOBIRDS算法。一方面,对特征提取网络模型进行修改,将标准卷积神经网络结构修改为深度可分离残差模型。另一方面,对损失函数进行修改,将目标框大小与位置损失函数由均方误差修改为广义交并比(CIoU),在置信度损失函数中增加正负样本控制参数。实验结果表明,在衡水湖鸟类数据集中,YOLOBIRDS算法的平均精度均值(mAP)达87.12%,比原算法高2.71个百分点;参数个数达12425917,比原算法低79.88%;速度达32.67 frame/s,比原算法高19.98%。采用该算法训练得到的新模型对鸟类检测的精度更高,检测速度更快,对鸟类检测的整体识别率大幅度提高,平衡了正负样本的损失权重。

关键词：目标检测深度可分离残差模型广义交并比损失函数 YOLOv3算法

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：