检索结果-内蒙古大学图书馆

计算机工程 2021年第9期47卷 304-312页

作者：闫茹孙永奇朱卫国李宇霞北京交通大学计算机与信息技术学院北京100044

手写票据识别是模式识别中的研究难点之一,手写体风格多样、票据背景复杂等原因导致手写票据识别的准确率不高。大写金额作为票据中最重要的部分,对其进行准确识别是手写票据自动识别的关键。对基于分割的手写体大写金额识别及处理问题... 详细信息

手写票据识别是模式识别中的研究难点之一,手写体风格多样、票据背景复杂等原因导致手写票据识别的准确率不高。大写金额作为票据中最重要的部分,对其进行准确识别是手写票据自动识别的关键。对基于分割的手写体大写金额识别及处理问题进行研究,提出一种基于卷积神经网络(CNN)与有限状态自动机的手写体大写金额识别方法。在利用过分割和组合过分割项得到单字符后使用CNN对其进行识别。通过对字符进行分类、定义各类字符之间的逻辑关系构造用于语法检查的有限状态自动机,通过语法自动机在识别结果中选择符合语法规则的字符串,并在路径搜索中利用语法自动机优化搜索性能。在此基础上,运用语法自动机对模糊字符进行预测,以纠正CNN的识别错误。实验结果表明,该方法在对大写金额单字符和文本行进行识别时准确率分别高达98.2%与96.6%。

关键词：卷积神经网络有限状态自动机手写票据识别大写金额光学字符识别模式识别

来源：评论

学校读者我要写书评

暂无评论

基于CNN图像识别与语义可靠性的路径搜索方法

引用

计算机工程 2021年第1期47卷 255-263,274页

作者：李宇霞孙永奇闫茹朱卫国北京交通大学计算机与信息技术学院北京100044

光学字符识别技术可有效提高票据应用中票据信息录入的工作效率。针对票据的复杂背景与不规范手写字符降低票据识别准确率的问题,结合卷积神经网络图像识别与语义可靠性,提出一种可靠性优先的路径搜索方法,以降低模糊字符对搜索路径的... 详细信息

光学字符识别技术可有效提高票据应用中票据信息录入的工作效率。针对票据的复杂背景与不规范手写字符降低票据识别准确率的问题,结合卷积神经网络图像识别与语义可靠性,提出一种可靠性优先的路径搜索方法,以降低模糊字符对搜索路径的干扰。利用基于公司名结构特点的前后缀推断策略,有效解决公司名前后缀识别错误问题。采用结巴中文分词与字符位置信息检查识别结果中的错误,并将长短期记忆语言模型与在传统字形相似度基础上引入的汉字部件相似度相结合进行纠错。实验结果表明,通过将纠错策略与该方法相结合可有效提高公司名识别准确率至93.08%。

关键词：文本识别语言模型卷积神经网络长短期记忆网络字形相似度结巴中文分词

来源：评论

学校读者我要写书评

暂无评论

结合事件链与事理图谱的脚本事件预测模型

引用

计算机工程 2022年第4期48卷 119-125页

作者：孙盼王琪万怀宇北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044

现有脚本事件预测模型在事件表示时未充分考虑各个元素之间的相关性,且不能同时利用事件链和事理图谱中的信息进行事件预测。针对事件表示不全面和信息融合不充分的问题,提出一种结合事件链和事理图谱的脚本事件预测模型ECGNet。将每个... 详细信息

现有脚本事件预测模型在事件表示时未充分考虑各个元素之间的相关性,且不能同时利用事件链和事理图谱中的信息进行事件预测。针对事件表示不全面和信息融合不充分的问题,提出一种结合事件链和事理图谱的脚本事件预测模型ECGNet。将每个事件的各个元素构造成一个短句,使用Transformer编码器捕获元素之间的序列信息,从而获得更准确的事件表示。在此基础上,构建一个长程时序模块(LRTO)学习事件链中的时序信息,同时构建一个全局事件演化模块(GEEP)捕获隐藏在事理图谱中的演化模式,通过门控注意力机制动态融合时序信息和演化模式进行脚本事件预测。基于纽约时报和新浪新闻两个数据集的实验结果表明,ECGNet能够有效融合事件链和事理图谱的信息进行脚本事件预测,与PMI、Bigram、SAM-Net、SGNN等模型相比,其准确率较最优值取得了3%以上的提升。

关键词：脚本事件预测事件表示事件链事理图谱注意力机制

来源：评论

学校读者我要写书评

暂无评论

图像可逆信息隐藏研究发展综述

引用

北京交通大学学报 2022年第1期46卷 1-10页

作者：欧博李晓龙倪蓉蓉赵耀湖南大学信息科学与工程学院长沙410082 北京交通大学计算机科学与技术学院北京100044

可逆信息隐藏技术能够恢复图像初始状态,其独特之处在于图像本身就是一个复杂语义的信息表达.这既要求可逆嵌入操作所施加的影响不违背图像所表达的主要语义,又要求该操作是可逆转的.这一特点不仅是敏感领域信息处理所亟需,也是常见领... 详细信息

可逆信息隐藏技术能够恢复图像初始状态,其独特之处在于图像本身就是一个复杂语义的信息表达.这既要求可逆嵌入操作所施加的影响不违背图像所表达的主要语义,又要求该操作是可逆转的.这一特点不仅是敏感领域信息处理所亟需,也是常见领域处理中所不排斥的.现有可逆信息隐藏研究成果繁多,迁移知识广泛,本文将简要梳理可逆信息隐藏的发展脉络,回顾基本技术框架和代表性研究成果,归纳各类方法的特点和优势.然后根据当前人工智能发展的趋势,展望可逆研究的未来发展方向.研究结果表明:增加可逆算法的多样性、普适性研究,引入新的评价指标来导引算法设计与现实应用需求结合,对推动可逆研究与多学科融合解决更难、更广泛的问题,实现信息安全行业的长远发展,具有一定的必要性和可行性.

关键词：可逆信息隐藏加密域可逆水印高维空间可逆水印人工智能

来源：评论

学校读者我要写书评

暂无评论

基于鲁棒回归度量学习的图像分类算法

引用

北京交通大学学报 2021年第2期45卷 119-126页

作者：常冬霞王舒伟北京交通大学计算机与信息技术学院北京100044

度量学习是机器学习中的重要研究问题之一,针对实际应用中的噪声数据,如何建立一个鲁棒的度量仍是一个挑战.本文将稀疏表示、特征学习与分类模型相结合提出了一种新的基于鲁棒回归度量学习(RRML)的算法并将其应用于图像分类.算法对最优... 详细信息

度量学习是机器学习中的重要研究问题之一,针对实际应用中的噪声数据,如何建立一个鲁棒的度量仍是一个挑战.本文将稀疏表示、特征学习与分类模型相结合提出了一种新的基于鲁棒回归度量学习(RRML)的算法并将其应用于图像分类.算法对最优特征子空间和稀疏表示进行联合学习,在更具判别性的低维表征空间中,通过稀疏表示有效地编码数据的局部结构信息,进而更好地揭示数据的内在鉴别信息,并以此指导该模型学习到最优的投影矩阵;同时对噪声矩阵和投影矩阵的行稀疏约束,可以极大降低噪声的影响.实验结果表明所提算法在图像分类准确率和鲁棒性方面均优于其他对比算法.

关键词：图像分类度量学习鲁棒回归稀疏表示特征子空间

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

区块链交易内容隐私保护技术研究综述

引用

密码学报 2022年第4期9卷 596-618页

作者：姚爽张大伟李勇王伟北京交通大学计算机与信息技术学院北京100044 智能交通数据安全与隐私保护技术北京市重点实验室北京100044 北京交通大学电子信息工程学院北京100044

区块链技术是一种去中心化、多方共识、公开透明的新型计算范式,由于其交易数据具有全网分发、多方共识和公开存储验证的特点,因此用户交易内容的隐私保护面临着极大的挑战.本文对现有区块链交易内容隐私保护技术进行研究.首先,在明确... 详细信息

区块链技术是一种去中心化、多方共识、公开透明的新型计算范式,由于其交易数据具有全网分发、多方共识和公开存储验证的特点,因此用户交易内容的隐私保护面临着极大的挑战.本文对现有区块链交易内容隐私保护技术进行研究.首先,在明确区块链交易内容隐私保护含义的基础上,分析了区块链交易内容和交易身份隐私保护在设计思路和实现技术上的差异,厘清了区块链交易内容隐私保护所面临的威胁和挑战;其次,从区块链的交易内容隐藏、隐藏交易验证和隐藏交易监管三个方面比较分析了目前主流区块链平台的交易内容隐私保护技术,详细介绍了不同方案的设计架构、安全机制、密码算法和安全协议等内容,并对比剖析了不同方案在实现架构、算法设计、保护粒度和性能开销方面的优缺点.最后,从监管需求、架构设计和算法优化等方面对未来区块链交易内容隐私保护的研究方向进行了展望.

关键词：区块链隐私保护交易内容密码学

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BASFPA-BP的可靠性预测模型研究

引用

计算机科学 2023年第5期50卷 31-37页

作者：李红辉陈博鲁姝艺张骏温北京交通大学计算机与信息技术学院北京100044 高速铁路网络管理教育部工程研究中心北京100044

软件可靠性预测以软件可靠性预测模型为基础,对软件的可靠性以及与其直接相关的度量进行分析、评价和预测,利用软件运行中所收集的失效数据对未来的软件可靠性进行预测,成为了评估软件失效行为和保障软件可靠程度的重要手段。BP神经网... 详细信息

软件可靠性预测以软件可靠性预测模型为基础,对软件的可靠性以及与其直接相关的度量进行分析、评价和预测,利用软件运行中所收集的失效数据对未来的软件可靠性进行预测,成为了评估软件失效行为和保障软件可靠程度的重要手段。BP神经网络结构简单、参数少、易实现,在软件可靠性预测领域已经得到了广泛应用。然而基于传统BP神经网络搭建的软件可靠性预测模型的预测精度无法达到预期目标,因此提出了基于BASFPA-BP的软件可靠性预测模型。该模型利用软件失效数据,在BP神经网络训练过程中利用BASFPA算法优化网络权值、阈值,从而提高模型的预测精度。选用3组公开的软件失效数据,将实际值与预测值的均方误差作为预测结果的衡量标准,同时将BASFPA-BP与FPA-BP,BP,Elman这3种模型进行对比研究。实验结果表明,基于BASFPA-BP的软件可靠性预测模型在同类型模型中实现了较高的预测精度。

关键词：软件可靠性预测模型天牛须搜索算法花朵授粉算法 BASFPA

来源：评论

学校读者我要写书评

暂无评论

基于自适应小波分解的时间序列分类方法

引用

计算机工程 2022年第4期48卷 81-88,98页

作者：梁小慧郭晟楠万怀宇北京交通大学计算机与信息技术学院交通数据分析与挖掘北京市重点实验室北京100044

时间序列分类即通过构建分类模型建模时间序列中的特征来实现对该时间序列的归类,是时间序列挖掘的重要研究分支。现有的时间序列分类方法多数从时域的角度对时间序列进行建模,忽视了时间序列中隐含的频域信息,而时间序列往往同时蕴含... 详细信息

时间序列分类即通过构建分类模型建模时间序列中的特征来实现对该时间序列的归类,是时间序列挖掘的重要研究分支。现有的时间序列分类方法多数从时域的角度对时间序列进行建模,忽视了时间序列中隐含的频域信息,而时间序列往往同时蕴含着多种不同变化速率的变化模式,这些变化模式在时域上相互叠加,使得时间序列的变化规律变得比较复杂,因此仅从时域的角度进行建模,难以有效地从复杂的规律中捕获其蕴含的多种相对简单的规律。提出一种基于自适应多级小波分解的神经网络方法AMWDNet,使用自适应小波分解建模时间序列中的多级时频信息,自适应小波分解模块能够同时从时域和频域的角度出发,对时间序列中蕴含的多种变化模式进行有效分解,通过使用长短期时间模式提取模块分别建模时间序列中的长期和短期时间模式。选取时间序列分类任务中8个主流的方法作为基准方法,在UCR数据集仓库中的8个数据集上进行对比实验,结果表明,AMWDNet在其中的7个数据集上取得了最高的分类准确率,相比于次优的基准方法提升了0.1~2.2个百分点,整体分类性能优于MLP和FCN等基准方法。

关键词：时间序列分类自适应小波分解多分辨率分析时频分析

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：