检索结果-内蒙古大学图书馆

北京教育（德育） 2022年第9期 83-86页

作者：张驰张东明北京交通大学学生心理素质教育中心北京100044 北京交通大学计算机与信息技术学院北京100044

随着社会的发展,激烈的社会竞争环境加剧了高校大学生心理问题的出现,这不仅对大学生的健康成长造成一定影响,而且给当下的校园和谐带来了不稳定因素。针对当前环境下大学生心理危机干预的内涵特点、面临的问题以及高校心理危机管理工... 详细信息

随着社会的发展,激烈的社会竞争环境加剧了高校大学生心理问题的出现,这不仅对大学生的健康成长造成一定影响,而且给当下的校园和谐带来了不稳定因素。针对当前环境下大学生心理危机干预的内涵特点、面临的问题以及高校心理危机管理工作现状进行分析,从“体系”“技术”“赋能”等三个方面提出了高校心理危机干预工作的重要思路,从而建立科学、有效的高校心理危机干预体系,解决当前大学生面临的心理问题困境。

关键词：心理危机大学生干预

来源：评论

学校读者我要写书评

暂无评论

车辆再识别技术综述

引用

智能科学与技术学报 2020年第1期2卷 10-25页

作者：刘凯李浥东林伟鹏北京交通大学计算机与信息技术学院北京100044

车辆再识别是指给定一张车辆图像,找出其他摄像头拍摄的同一车辆,可将车辆再识别问题看作图像检索的子问题。在真实交通监控系统中,车辆再识别可以起到对目标车辆进行定位、监管、刑侦的作用。随着深度神经网络的兴起和大型数据集的提出... 详细信息

车辆再识别是指给定一张车辆图像,找出其他摄像头拍摄的同一车辆,可将车辆再识别问题看作图像检索的子问题。在真实交通监控系统中,车辆再识别可以起到对目标车辆进行定位、监管、刑侦的作用。随着深度神经网络的兴起和大型数据集的提出,提升车辆再识别的准确度成为近年来计算机视觉和多媒体领域的研究热点。从不同角度对车辆再识别方法进行了分类,并从特征提取、方法设计和性能表现等方面对车辆再识别技术进行了概述、比较和分析,对车辆再识别技术面临的挑战及发展趋势进行了预测。

关键词：车辆再识别深度学习特征表达度量学习

来源：评论

学校读者我要写书评

暂无评论

基于CUDA加速的GPS L1C/A实时信号发生器设计

引用

电子技术应用 2023年第11期49卷 146-152页

作者：王子涵巴晓辉姜维蔡伯根王剑文韬郭旗北京交通大学电子信息工程学院北京100044 北京交通大学轨道交通控制与安全国家重点实验室北京100044 北京市电磁兼容与卫星导航工程技术研究中心北京100044 北京交通大学计算机与信息技术学院北京100044

提出了一种基于软件无线电和CUDA(Compute Unified Device Architecture)加速的GPS L1C/A信号生成方法,系统根据用户自定义轨迹和卫星星历产生中频信号,并通过USRP(Universal Software Radio Peripheral)在相应的射频频点发射,由此实现... 详细信息

提出了一种基于软件无线电和CUDA(Compute Unified Device Architecture)加速的GPS L1C/A信号生成方法,系统根据用户自定义轨迹和卫星星历产生中频信号,并通过USRP(Universal Software Radio Peripheral)在相应的射频频点发射,由此实现了实时卫星导航信号的播发。为了提升GPU的并行计算速度,从设备内存优化、并行结构优化、CUDA流加速三个角度来对算法进行改进,提出了一种基于异步运算思想的针对采样点数据加速计算的CUDA优化实现方案。测试结果表明,优化后的算法能够产生高速、实时的卫星信号,在RTX1050TI设备上,可以做到信号195 MHz采样率,10颗可见卫星情况下卫星信号的实时生成。

关键词： GPU GNSS模拟器软件无线电高速实时

来源：评论

学校读者我要写书评

暂无评论

基于三高斯模型的多小目标检测方法

引用

现代计算机 2021年第27期27卷 53-63,70页

作者：张立红瞿有利北京交通大学计算机与信息技术学院北京100044

图书配帖应用中的书帖标识检测本质上为多小目标检测问题。在非经典感受野机制的启发下,提出了基于三高斯模型的多小目标检测方法。首先建立书脊图像中目标、背景和噪声分布的数学模型;然后,分析利用三高斯模型进行多小目标检测的可行性... 详细信息

图书配帖应用中的书帖标识检测本质上为多小目标检测问题。在非经典感受野机制的启发下,提出了基于三高斯模型的多小目标检测方法。首先建立书脊图像中目标、背景和噪声分布的数学模型;然后,分析利用三高斯模型进行多小目标检测的可行性;接着,根据书脊图像中各个元素的分布特性和统计特性,针对三高斯模型设计参数选择方法;最后,引入补偿度量因子,以增强边缘平滑背景暗区。实验结果表明,该方法在背景抑制和目标检测方面均具有较好的性能。

关键词：多小目标检测非经典感受野三高斯模型背景抑制

来源：评论

学校读者我要写书评

暂无评论

专用短程通信辅助的车辆卫星定位故障检测方法

引用

中国公路学报 2021年第11期34卷 265-281页

作者：刘江蔡伯根王剑赵泽乾北京交通大学电子信息工程学院北京100044 北京市轨道交通电磁兼容与卫星导航工程技术研究中心北京100044 北京交通大学计算机与信息技术学院北京100044 中国铁道科学研究院集团有限公司铁道科学技术研究发展中心北京100081

为了确保卫星定位性能满足特定协作式智能交通应用需求,提高车辆定位系统的故障容错能力,针对车辆卫星定位的自主故障检测与性能优化问题,提出基于专用短程通信辅助的卫星定位故障检测方法,充分利用专用短程通信设备的测距率观测信息,... 详细信息

为了确保卫星定位性能满足特定协作式智能交通应用需求,提高车辆定位系统的故障容错能力,针对车辆卫星定位的自主故障检测与性能优化问题,提出基于专用短程通信辅助的卫星定位故障检测方法,充分利用专用短程通信设备的测距率观测信息,实现故障检测对不同类型卫星可视条件的有效适应。基于专用短程通信多普勒观测特性,构建基于载波频偏的车间测距率观测模型;设计卫星定位与专用短程通信组合观测与解算框架;基于容积卡尔曼滤波提出适于非线性观测特征的故障检测、识别与排除算法,并叠加量测噪声方差矩阵动态调整策略,对故障检测性能进行优化;基于实测试验检验车间测距率的观测性能,并运用实车轨迹对多车协同运行及定位采集过程进行仿真,检验所提出方法的故障检测性能。研究结果表明:提出的方法有效解决了常规接收机自主完好性监测算法受卫星可视条件限制的问题,所引入的量测噪声方差矩阵调整策略提升了故障检测及故障排除性能的稳定性,在给定仿真场景中,常规卫星观测条件下阶跃故障、斜坡故障排除率相对常规方法最高可分别提升52%、18%,受限观测条件下不同水平2类故障的排除率最高分别可达100%、89%,边界观测条件下不同水平2类故障的检测率最高分别可达100%、96%。研究结果对于充分发挥车-车协同模式的核心优势、保障车辆定位性能具有重要价值。

关键词：交通工程卫星定位故障检测专用短程通信协作式智能交通系统

来源：评论

学校读者我要写书评

暂无评论

一种面向IPv6物联网网关的边缘智能优化技术

引用

现代计算机 2021年第15期27卷 66-71页

作者：许文元方维维孟娜北京交通大学计算机与信息技术学院北京100044

随着物联网设备的广泛部署应用,海量数据被直接送入互联网中导致网络服务质量变差。虽然深度神经网络技术的发展给数据智能识别分类提供技术支撑,但大量的参数和计算使得这些技术难以被应用于资源受限的网关设备中。因此,提出将知识蒸... 详细信息

随着物联网设备的广泛部署应用,海量数据被直接送入互联网中导致网络服务质量变差。虽然深度神经网络技术的发展给数据智能识别分类提供技术支撑,但大量的参数和计算使得这些技术难以被应用于资源受限的网关设备中。因此,提出将知识蒸馏与模型早退方法结合应用于深度神经网络中,在降低模型计算量、保证模型精度的同时提供可选择的检测识别速度。在真实IPv6网络中的实验结果表明,网关设备部署优化模型后网络带宽占用减少用近90%。

关键词：物联网 IPv6网络深度神经网络知识蒸馏模型早退

来源：评论

学校读者我要写书评

暂无评论

基于改进SMOTE算法和位置编码的漏洞检测模型优化研究

引用

现代计算机 2021年第18期27卷 3-10页

作者：张铁耀杜晔黎妹红北京交通大学计算机与信息技术学院北京100044

针对软件代码存在安全隐患等问题,提出一种基于邻域划分加权SMOTE算法的Transformer-CNN(TF-CNN)源代码漏洞检测模型,并且对Transformer模型位置编码进行了改进,可以更好地学习源代码特征表示。模型以可能产生漏洞的库函数为切入点提取... 详细信息

针对软件代码存在安全隐患等问题,提出一种基于邻域划分加权SMOTE算法的Transformer-CNN(TF-CNN)源代码漏洞检测模型,并且对Transformer模型位置编码进行了改进,可以更好地学习源代码特征表示。模型以可能产生漏洞的库函数为切入点提取代码切片,将其转化为固定长度的特征向量,通过基于邻域划分的加权SMOTE算法合成少数类样本,将合成后的新数据集作为TF-CNN模型的输入。本文方法可充分学习源代码的局部特征和全局特征,能更好地获取源代码的语义信息。实验结果验证了使用加权SMOTE算法的TF-CNN模型比TF-CNN混合模型和单独的Transformer模型有更高的漏洞检测能力,精确率达到98.45%,特异度达到94.99%。

关键词：源代码漏洞挖掘邻域划分 SMOTE 位置编码

来源：评论

学校读者我要写书评

暂无评论

融合深度语义表示的开放域复述模板抽取

引用

情报工程 2021年第5期7卷 40-50页

作者：金波刘明童张玉洁徐金安陈钰枫北京交通大学计算机与信息技术学院北京100044

[目的/意义]复述知识在自然语言处理领域应用广泛,例如复述生成、自动问答、复述数据构建等,复述模板是复述知识的一种抽象表现形式。[方法/过程]早期复述模板抽取方法依赖复述实例和可比语料,近年来,有研究在人工给定种子实体对的基础... 详细信息

[目的/意义]复述知识在自然语言处理领域应用广泛,例如复述生成、自动问答、复述数据构建等,复述模板是复述知识的一种抽象表现形式。[方法/过程]早期复述模板抽取方法依赖复述实例和可比语料,近年来,有研究在人工给定种子实体对的基础上,利用实体关系,通过自举迭代的方式获取复述模板,规避对特定语料依赖,但是只能获得语义受限的复述模板,且迭代过程中存在语义偏移现象。因此本文提出从英文维基百科的大规模开放域文本中自动获取复述模板的思路,针对问题,设计融合深度语义表示学习的复述模板抽取方法,从大规模开放域文本中抽取高精度多样化的复述模板。[结果/结论]实验结果表明,本文所提方法可以获取高质量、语义一致、形式多样的复述模板。

关键词：复述模板语义表示自动聚类

来源：评论

学校读者我要写书评

暂无评论

基于补丁特性的漏洞扫描研究

引用

信息技术与网络安全 2021年第7期40卷 52-58页

作者：刘思琦王一鸣北京交通大学计算机与信息技术学院北京100044

为抵御漏洞引发的黑客攻击和漏洞自身产生的威胁,1day漏洞应用修复的通用办法是使用代码匹配检测。但目前源代码匹配误报率高,二进制代码匹配不精确且不通用。基于此,提出了一种由源代码到二进制的基于补丁特性的漏洞扫描模型——BinSca... 详细信息

为抵御漏洞引发的黑客攻击和漏洞自身产生的威胁,1day漏洞应用修复的通用办法是使用代码匹配检测。但目前源代码匹配误报率高,二进制代码匹配不精确且不通用。基于此,提出了一种由源代码到二进制的基于补丁特性的漏洞扫描模型——BinScan。它先形成已知漏洞数据库并对源代码进行已知漏洞扫描得出漏洞检测结果;然后利用源代码检测信息对打补丁前后源代码编译生成二进制文件,形成二进制漏洞库;最后比较目标二进制文件相似性,利用源代码结果进行检验。最终生成Linux Kernel的2700条漏洞数据,15496个patch文件,实现了利用源代码检测限制二进制文件的漏洞检测范围,然后基于CFG和二进制代码相似性检测补丁存在以检测漏洞。检测结果表明,此方法与其他二进制漏洞检测工具相比,可以将源代码级的漏洞扫描能力应用于二进制,是有效的。

关键词：补丁特性漏洞扫描二进制源代码安全

来源：评论

学校读者我要写书评

暂无评论

自编码器与分类器相结合的时间序列异常检测方法

引用

现代计算机 2021年第32期27卷 8-15页

作者：迟百峰北京交通大学计算机与信息技术学院北京100044

时间序列异常检测是数据挖掘领域的研究热点方向,基于统计或传统机器学习的方法虽取得一定的效果,但仍缺乏对类不平衡问题、数据间关系等方面的考虑。基于自编码器和分类器相结合的方法能有效捕捉到时间序列数据的局部空间特征和前后依... 详细信息

时间序列异常检测是数据挖掘领域的研究热点方向,基于统计或传统机器学习的方法虽取得一定的效果,但仍缺乏对类不平衡问题、数据间关系等方面的考虑。基于自编码器和分类器相结合的方法能有效捕捉到时间序列数据的局部空间特征和前后依赖关系,经自编码器编码后再使用传统分类器能更精准识别出异常,同时避免阈值筛选等方案所面临的问题。通过与多个基准方法进行实验对比,该方案在多个数据集上都表现出良好的效果。

关键词：时间序列异常检测自编码器

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：