检索结果-内蒙古大学图书馆

物联网学报 2024年第4期8卷 45-53页

作者：穆司琪文硕陆杨艾渤北京体育大学体育工程学院北京100084 北京交通大学计算机与信息技术学院北京100044 北京交通大学电子信息工程学院北京100044

体域网(BAN,bodyareanetwork)是医疗物联网在个人健康监测领域的关键技术,融合边缘计算实现生理数据实时监测、紧急预警和治疗诊断智能化等服务。然而,体域网中感知节点计算任务的服务质量(QoS,qualityof service)随感知数据的紧急程度... 详细信息

体域网(BAN,bodyareanetwork)是医疗物联网在个人健康监测领域的关键技术,融合边缘计算实现生理数据实时监测、紧急预警和治疗诊断智能化等服务。然而,体域网中感知节点计算任务的服务质量(QoS,qualityof service)随感知数据的紧急程度动态变化,现有的边缘算力网络资源分配方法难以高效灵活地保障体域网中多源异质任务的动态QoS。对长时程动态QoS感知的计算卸载和边缘算力随机优化问题进行了研究。考虑各体域网多源任务优先级和信道状态变化的马尔可夫性质,首先将原始的随机优化问题转化为无穷视域的马尔可夫决策过程问题。然后,构建各体域网的多源任务优先级序列,提出融合近端策略优化(PPO,proximal policy optimization)的深度强化学习任务卸载及算力分配在线决策算法。仿真结果表明,所提的决策算法优于现有基准算法,可有效地满足体域网中任务动态优先级需求,并降低任务完成所需的能量消耗和平均时延。

关键词：医疗物联网边缘计算资源管理服务质量

来源：评论

学校读者我要写书评

暂无评论

面向铁路信创的软件测试人才培养方案探索

引用

安徽工业大学学报（社会科学版） 2024年第2期41卷 61-63页

作者：张焘王健唐湘云刘吉强北京交通大学软件学院北京100044 北京交通大学计算机与信息技术学院北京100044 中央民族大学信息工程学院北京100081

随着我国信创产业的迅猛发展,铁路行业对信创软件测试人员的能力和素质提出了很高的要求。然而目前国内铁路信创领域的软件测试人才严重短缺,而且没有一套科学完整的人才培养体系做支撑。针对此背景,本文分析了铁路信创领域软件测试人... 详细信息

随着我国信创产业的迅猛发展,铁路行业对信创软件测试人员的能力和素质提出了很高的要求。然而目前国内铁路信创领域的软件测试人才严重短缺,而且没有一套科学完整的人才培养体系做支撑。针对此背景,本文分析了铁路信创领域软件测试人才的培养定位与层次,依据相关行业标准提出铁路信创领域软件测试人才的培养方案和培养过程,以期提高人才培养质量。

关键词：铁路信创软件测试培养方案

来源：评论

学校读者我要写书评

暂无评论

嵌入典型时间序列特征的随机Shapelet森林算法

引用

计算机科学 2022年第7期49卷 40-49页

作者：高振卓王志海刘海洋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

近年来,时间序列分类问题的研究受到了广泛关注。先进的时间序列分类方法通常建立在良好的特征表示的基础之上。Shapelet是时间序列中具备鉴别性的子序列,可有效表达时间序列的局部形状特征。然而,高昂的计算成本大大限制了基于Shapele... 详细信息

近年来,时间序列分类问题的研究受到了广泛关注。先进的时间序列分类方法通常建立在良好的特征表示的基础之上。Shapelet是时间序列中具备鉴别性的子序列,可有效表达时间序列的局部形状特征。然而,高昂的计算成本大大限制了基于Shapelet的时间序列分类方法的实用性。除此之外,传统的Shapelet仅能描述欧氏距离度量下子序列的形状特征,因此极易受到噪声干扰并难以挖掘子序列中蕴含的其他类型的鉴别性信息。为应对上述问题,提出了一种新的时间序列分类算法——嵌入典型时间序列特征的随机Shapelet森林。该算法基于以下3个关键策略:1)随机选取Shapelet并限制Shapelet的作用范围以提高效率;2)在Shapelet中嵌入多个典型时间序列特征以提高算法对不同分类问题的适应性,并弥补随机选取Shapelet带来的精度损失;3)在新的特征表示的基础上构建随机森林分类器以确保算法的泛化能力。112个UCR时间序列数据集上的实验结果表明,本文算法的准确性超越了基于Shapelet精确搜索和Shapelet转换技术的STC算法,以及多个其他类型的先进时间序列分类算法。此外,广泛的实验对比验证了本文算法在效率上的显著优势。

关键词：时间序列分类 Shapelet 典型时间序列特征随机森林

来源：评论

学校读者我要写书评

暂无评论

基于BERT的漏洞文本特征分类技术研究

引用

信息安全研究 2023年第7期9卷 687-692页

作者：杜林许传淇国家计算机网络应急技术处理协调中心天津分中心天津300100 北京交通大学计算机与信息技术学院北京100044

随着信息化的发展和网络应用的增多,许多软硬件产品受到各种类型的网络安全漏洞影响.漏洞分析和管理工作往往需要对大量漏洞情报文本进行人工分类.为了高效准确地判断漏洞情报文本所描述漏洞的类别,提出了一种基于多层双向Transformer... 详细信息

随着信息化的发展和网络应用的增多,许多软硬件产品受到各种类型的网络安全漏洞影响.漏洞分析和管理工作往往需要对大量漏洞情报文本进行人工分类.为了高效准确地判断漏洞情报文本所描述漏洞的类别,提出了一种基于多层双向Transformer编码器表示(bidirectional encoder representation from Transformers,BERT)的网络安全漏洞分类模型.首先,构建漏洞分类数据集,用预训练模型对漏洞情报文本进行特征向量表示.然后,将所得的特征向量通过分类器完成分类.最后,使用测试集对分类效果进行评估.实验共使用了48000个包含漏洞描述的漏洞情报文本,分别用TextCNN,TextRNN,TextRNN_Att,fastText和所提模型进行分类.实验结果表明,所提模型在测试集上的分类评价指标得分均为最高,能够有效应用于网络安全漏洞分类任务,降低人工工作量.

关键词：自然语言处理系统网络安全特征抽取分类器深度学习

来源：评论

学校读者我要写书评

暂无评论

基于度量的小样本分类方法研究综述

引用

模式识别与人工智能 2021年第10期34卷 909-923页

作者：刘鑫周凯锐何玉琳景丽萍于剑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 北京交通大学计算机与信息技术学院北京100044 北京新纽科技有限公司北京100083

小样本学习旨在让机器像人类一样通过对少量样本的学习达到对事物认知和概括的能力.基于度量的小样本学习方法希望学习一个低维嵌入空间,直接对比查询集合和支持类之间的相似性,分类测试样本.文中针对基于度量的小样本学习方法,尝试从... 详细信息

小样本学习旨在让机器像人类一样通过对少量样本的学习达到对事物认知和概括的能力.基于度量的小样本学习方法希望学习一个低维嵌入空间,直接对比查询集合和支持类之间的相似性,分类测试样本.文中针对基于度量的小样本学习方法,尝试从这类方法需要解决的关键问题、类表示学习和相似性度量入手,梳理相关文献.与已有相关综述不同,文中只针对基于度量的小样本学习方法进行更详尽全面的分类,而且从关键问题角度进行分类.最后总结目前代表性工作在常用的图像分类任务数据集上的实验结果,分析现有方法存在的问题,并展望未来工作.

关键词：小样本学习基于度量的小样本学习类表示相似性学习图像分类

来源：评论

学校读者我要写书评

暂无评论

基于解析器树的日志压缩优化方法

引用

信息网络安全 2022年第4期22卷 30-39页

作者：刘吉强何嘉豪张建成黄学臻北京交通大学计算机与信息技术学院北京100044 山东省计算中心济南250014 山东正中信息技术股份有限公司济南250014 公安部第一研究所北京100048

信息系统日志数据对安全分析非常重要,随着日志规模与日俱增,高效地进行日志数据存储和审计成为信息系统安全的关键问题之一。日志数据压缩能够减少对日志数据存储的巨大开销,已经成为日志数据领域的研究热点之一。传统的压缩工具、算... 详细信息

信息系统日志数据对安全分析非常重要,随着日志规模与日俱增,高效地进行日志数据存储和审计成为信息系统安全的关键问题之一。日志数据压缩能够减少对日志数据存储的巨大开销,已经成为日志数据领域的研究热点之一。传统的压缩工具、算法在小规模文本的处理上效果较好,但对于信息系统产生的大规模日志数据并不适用。现有日志压缩算法通过提取日志结构的方式实现数据压缩,但对日志数据中数值变量部分的压缩率和压缩速度的提升不明显。文章提出一种基于解析器树的日志压缩优化方法(TOLC),通过解析器构造解析器树,提取相应的日志模板并进行模板压缩,进而对数值变量部分进行编码压缩。文章通过5个不同类型的大型日志数据集对TOLC进行评估,并与其他方法进行比较。实验结果表明,TOLC在所有数据集上都实现了最高的压缩率,且在大型日志数据集中也表现出了很好的压缩速度,整体上表现最优。

关键词：解析器树日志压缩模板提取数值编码压缩率

来源：评论

学校读者我要写书评

暂无评论

基于对齐性和均匀性约束的图神经网络会话推荐方法

引用

应用科技 2024年第2期51卷 90-98页

作者：唐韬韬楚飞汪炅贾彩燕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

会话推荐(session-based recommendation,SBR)旨在匿名状态下通过用户的短期历史行为序列来预测下一个待点击的项目。为解决现有基于图神经网络(graph neural networks,GNNs)的会话推荐方法忽略会话中不同位置相同项目之间差异的问题,... 详细信息

会话推荐(session-based recommendation,SBR)旨在匿名状态下通过用户的短期历史行为序列来预测下一个待点击的项目。为解决现有基于图神经网络(graph neural networks,GNNs)的会话推荐方法忽略会话中不同位置相同项目之间差异的问题,在图卷积获得项目表示后,进一步考虑该项目与相邻项目之间的相关性,生成邻域相关的项目表示。此外,鉴于对齐性和均匀性在对比学习中的起到的重要作用,还提出了一种适用于会话推荐的对齐性和均匀性损失方法,以约束生成的会话表示和项目表示。在3个公开数据集上的实验表明,文中提出的模型TAU-GNN的推荐性能优于对比的主流会话推荐模型。

关键词：会话推荐图神经网络对齐性均匀性对比学习交叉熵损失匿名会话邻域信息

来源：评论

学校读者我要写书评

暂无评论

大数据风险性预测方法在地质灾害评估工作中的应用

引用

中国科技成果 2023年第1期24卷 28-30页

作者：李雅元张东明北京交通大学计算机与信息技术学院北京100044 重庆大学资源与安全学院重庆400030

重庆市骡坪镇斜坡和两坪乡斜坡多为碎块石和土质边坡,极易发生滑坡灾害,有部分区域已出现局部滑移和边坡滑塌.为了更好地预防滑坡灾害的发生,我们结合现场地质资料,构建了灾害评价体系,编制了滑坡风险性预测与评价软件.该软件可实现滑... 详细信息

重庆市骡坪镇斜坡和两坪乡斜坡多为碎块石和土质边坡,极易发生滑坡灾害,有部分区域已出现局部滑移和边坡滑塌.为了更好地预防滑坡灾害的发生,我们结合现场地质资料,构建了灾害评价体系,编制了滑坡风险性预测与评价软件.该软件可实现滑坡概率计算并绘制影响因素图,计算结果有利于滑坡的预防工作,影响因素图也可作为滑坡治理的参考,这对于灾害的防治有着重要意义.此外,案例分析的结果也验证了软件的准确性,表明该软件可运用于同种类型的滑坡预测与评价,对相关的研究工作有着参考价值;构建出的算法体系也为灾害评价提供了新的思路.

关键词：滑坡风险评价影响因子风险预测

来源：评论

学校读者我要写书评

暂无评论

人工智能辅助下的心理健康新型测评

引用

心理科学进展 2022年第1期30卷 157-167页

作者：姜力铭田雪涛任萍骆方北京师范大学心理学部北京100875 北京交通大学计算机与信息技术学院北京100044 中国基础教育质量监测协同创新中心北京100875

近年来,人工智能技术的飞速发展及应用催生了"智能化心理健康测评"这一领域。智能化心理健康测评能够弥补传统方法的不足,降低漏诊率并提高诊断效率,这对于心理健康问题的普查及预警具有重大意义。目前,智能化心理健康测评处... 详细信息

近年来,人工智能技术的飞速发展及应用催生了"智能化心理健康测评"这一领域。智能化心理健康测评能够弥补传统方法的不足,降低漏诊率并提高诊断效率,这对于心理健康问题的普查及预警具有重大意义。目前,智能化心理健康测评处于初步发展阶段,研究者基于在线行为数据、便携式设备数据等开展主要以数据驱动为导向的探索研究,旨在实现更高的预测准确率,但是测评结果的可解释性等指标尚不够理想。未来的智能化心理健康测评需要强调心理学领域知识和经验的深度介入,提高测评的针对性和精细化程度,加强信效度检验,这对于智能化心理健康测评工具的进一步发展和应用至关重要。

关键词：人工智能大数据心理健康心理测评

来源：评论

学校读者我要写书评

暂无评论

基于多任务学习的快件送达时间预测方法

引用

计算机工程 2022年第4期48卷 314-320页

作者：王强林友芳万怀宇北京交通大学计算机与信息技术学院北京100044 综合交通运输大数据应用技术交通运输行业重点实验室北京100044

快件送货时间预测(即在任何时间预测包裹送达的到达时间)是物流领域中最重要的服务之一。准确地预测快件送达时间可以为用户提供更准时的服务,缓解客户的等待焦虑,提升用户体验,且有利于快递员的路径规划,从而提高派送效率。然而在快递... 详细信息

快件送货时间预测(即在任何时间预测包裹送达的到达时间)是物流领域中最重要的服务之一。准确地预测快件送达时间可以为用户提供更准时的服务,缓解客户的等待焦虑,提升用户体验,且有利于快递员的路径规划,从而提高派送效率。然而在快递派送场景下,多因素、动态性及多目的地等特征给快件投递准确预测送达时间带来巨大挑战。提出一种基于多任务学习的模型MTDTN,从快递员的大量历史时空轨迹中预测快件送达时间。MTDTN建模多种影响送达时间的外部因素,利用地理信息编码、卷积操作以及双向长短时记忆网络来捕获派送行为的时空关系,并运用多任务学习框架,引入顺序预测的辅助任务与送达时间预测的主任务,提高模型预测性能。在真实数据集上的实验结果表明,与基准方法中最优的DeepETA模型相比,该模型的平均绝对误差与平均绝对百分比误差分别降低了16.11%和12.88%,模型效果明显提升。

关键词：送达时间预测时空轨迹卷积神经网络双向长短时记忆多任务学习

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：