检索结果-内蒙古大学图书馆

计算机科学与探索 2025年第3期19卷 714-723页

作者：孙宏健徐鹏宇刘冰景丽萍于剑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

随着互联网的兴起,各式各样的数据急速增长,如何高效地利用这些样本数据成为数据挖掘领域的重要问题。多标签分类任务作为机器学习与数据挖掘领域的重要任务,旨在为样本标注多个标签类别。目前的方法大多仅对特征分支进行嵌入表示学习,... 详细信息

随着互联网的兴起,各式各样的数据急速增长,如何高效地利用这些样本数据成为数据挖掘领域的重要问题。多标签分类任务作为机器学习与数据挖掘领域的重要任务,旨在为样本标注多个标签类别。目前的方法大多仅对特征分支进行嵌入表示学习,并未考虑到特征和标签之间的语义关联性,缺乏对特征嵌入空间的有效约束,从而导致学习到的特征嵌入针对性不足。在标签相关性学习方面,现有的大多数方法主要关注低阶标签相关性,在面对复杂的实际标签场景时,多个标签之间的高阶相关性学习不足的问题变得更为突出。为解决上述问题,从嵌入表示学习和标签相关性学习出发,提出了一种基于标签感知变分自编码器的多标签分类方法。针对嵌入表示学习,提出使用特征和标签双流变分自编码器同时学习和对齐特征和标签的嵌入空间,对特征嵌入空间添加标签引导来增强特征嵌入。采用基于标签语义的交叉注意力机制,将特定标签信息加入到特征嵌入中,最终获得标签感知后的判别性特征嵌入。针对标签相关性学习,采用共享解码器中的多层自注意力机制,充分融合多个标签的相似性信息,通过不同标签间的共现交互,学习到标签高阶相关性表示并用于交叉感知特征嵌入。在四个不同领域的数据集上得到的实验结果表明,提出的方法能够有效增强特征和标签嵌入,并充分捕获标签之间高阶相关性信息用于多标签分类任务,通过与多个最先进算法在多个评价指标上进行比较分析,验证了提出的方法在性能上的显著优越性。

关键词：多标签分类嵌入空间学习变分自动编码器 Transformer 标签相关性

来源：评论

学校读者我要写书评

暂无评论

改性活性炭电极用于电厂生活污水后脱氮及减碳的研究

引用

水处理技术 2025年第1期51卷 97-101,119页

作者：杨畅畅于海琴冯瑞琦韩溪童孙贺范思辰北京交通大学环境学院北京100044 北京交通大学计算机与信息技术学院北京100044

受传统氨氮处理工艺限制,电厂生活污水常出现氨氮难达标问题,从而需要投入大量外加碳源,这一过程会造成碳排放和处理成本的增加。本研究使用NaOH改性活性炭电极,应用在传统生活污水生物处理(AAO)之后进一步去除氨氮(后脱氮),此过程中不... 详细信息

受传统氨氮处理工艺限制,电厂生活污水常出现氨氮难达标问题,从而需要投入大量外加碳源,这一过程会造成碳排放和处理成本的增加。本研究使用NaOH改性活性炭电极,应用在传统生活污水生物处理(AAO)之后进一步去除氨氮(后脱氮),此过程中不添加任何外加碳源、除磷药剂以及深度脱氮工艺。实验结果表明,在最优操作条件:电压1.2 V、进水流量37 mL/min、初始氨氮质量浓度6.138 mg/L下,改性后氨氮去除率达到64.31%;TN、TP、电导率去除率达到45.38%、62.08%和89.38%;CDI的加入使得传统生物处理过程无需外加碳源和除磷药剂即可达到出水标准,成本下降了0.4元/m^(3),出水作为电厂回用水可节省2 000元取水费用;对吸附过程进行碳排放核算,在电厂生活污水日处理量为450 m3/d的情况下,CDI装置的加入平均每天可以减少738.25 kgCO_(2)的排放,具有良好的减碳效益。此外,该技术可推广应用于居民小区等建筑做回用水,每天可节省256元污水处理费用,并且具有同样的碳减排效益。

关键词：生活污水 CDI 后脱氮电吸附碳减排

来源：评论

学校读者我要写书评

暂无评论

列车通信网络时间触发调度模型的等价化简技术

引用

铁道学报 2025年第3期47卷 73-80页

作者：朱广超聂晓波李洋涛李宗辉聂晨浩马可中国铁道科学研究院集团有限公司动车组和机车牵引与控制国家重点实验室北京100081 北京交通大学电气工程学院北京100044 北京交通大学计算机与信息技术学院北京100044

时间敏感网络因其高确定性及低时延特性逐步成为列车通信网络的下一步发展方向。它通过时间触发调度精确地指定数据流在网络节点中的发送时间,从而保障数据流端到端的确定性实时传输。时间触发调度模型通常形式化为可满足性约束模型,由... 详细信息

时间敏感网络因其高确定性及低时延特性逐步成为列车通信网络的下一步发展方向。它通过时间触发调度精确地指定数据流在网络节点中的发送时间,从而保障数据流端到端的确定性实时传输。时间触发调度模型通常形式化为可满足性约束模型,由于调度模型数据流数量庞大,且参数不同,造成当前约束规模冗余而庞大,严重影响调度性能。针对该问题,挖掘时间触发传输机制的特点,提出时间触发调度模型的两个化简条件,并证明该化简是等价化简,即化简前后可行解空间不变;给出计算化简模型的算法,并基于可满足性求解器Z3实现了时间触发的增量调度工具;基于列车通信网络拓扑及流配置,对提出的时间触发调度模型等价化简技术进行性能评估。试验结果表明:相比于传统的时间触发调度模型,本文提出的等价化简技术缩小约束规模7.9%,缩小变量规模21%,提升调度性能26.1%。

关键词：列车通信网络确定性实时传输时间触发调度模型等价化简

来源：评论

学校读者我要写书评

暂无评论

序列标签推荐

引用

计算机科学 2025年第1期52卷 142-150页

作者：刘冰徐鹏宇陆思进王诗菁孙宏健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北京100044 北京交通大学计算机与信息技术学院北京100044

随着互联网技术的发展以及社交网络的扩大,网络平台已经成为人们获取信息的一个重要途径。标签的引入提升了信息分类及检索效率。同时,标签推荐系统的出现不仅方便了用户输入标签,还提高了标签的质量。传统的标签推荐算法通常只考虑标... 详细信息

随着互联网技术的发展以及社交网络的扩大,网络平台已经成为人们获取信息的一个重要途径。标签的引入提升了信息分类及检索效率。同时,标签推荐系统的出现不仅方便了用户输入标签,还提高了标签的质量。传统的标签推荐算法通常只考虑标签和项目两个主体,而忽略了用户在选择标签时个人意图所起到的重要作用。由于在标签推荐系统中标签最终由用户确定,因此用户的偏好在标签推荐中起着关键作用。为此,引入用户作为主体,并结合用户发布的历史帖子的先后顺序,将标签推荐任务建模为更加符合真实场景的序列标签推荐任务。提出了一种基于MLP的序列标签推荐方法(MLP for Sequential Tag Recommendation, MLP4STR),该方法显式地建模用户偏好用于引导整体标签推荐。MLP4STR采用一种跨特征对齐的MLP序列特征提取框架,将文本和标签的特征对齐,获取用户的历史帖子信息和历史标签信息中隐含的用户动态兴趣。最后,结合帖子内容和用户偏好进行标签推荐。在4个真实世界的数据集上得到的实验结果表明,MLP4STR能够有效地学习序列标签推荐中的用户历史行为序列的信息,其中,评价指标F1@5较最优的对比算法有显著提升。

关键词：标签推荐序列推荐多标签学习用户偏好

来源：评论

学校读者我要写书评

暂无评论

面向关键词预测的动态对比表示增强方法

引用

郑州大学学报(工学版) 2025年第03期 128-135页

作者：耿雪莲宋明阳冯毅景丽萍于剑北京交通大学计算机与信息技术学院北京交通大学交通数据分析与挖掘北京市重点实验室

关键词预测通常难以充分利用文本结构中的复杂层次和语义信息,针对该问题,提出了一种新型语义表示增强的关键词预测方法(ACL-KP),即利用动态对比学习增强关键词预测。该方法首先通过引入自适应权重机制,动态调整样本权重,解决在对比学... 详细信息

关键词预测通常难以充分利用文本结构中的复杂层次和语义信息,针对该问题,提出了一种新型语义表示增强的关键词预测方法(ACL-KP),即利用动态对比学习增强关键词预测。该方法首先通过引入自适应权重机制,动态调整样本权重,解决在对比学习过程中难以区分真实样本与噪声样本的问题,减少误识别噪声样本的影响,优化空间表示。此外,为了提高训练数据的多样性,引入高斯白噪声,自动生成一些具有挑战性的虚拟样本,从而增强文档和关键词的语义表示。在关键词预测领域的多个公开数据集上进行的实验结果表明:模型在F1@5和F1@M指标上相较于当前先进模型提升了2%～17%,与序列到序列模型和统一模型相比,展现出了更显著的性能优势。

关键词：自然语言处理关键词预测多目标优化对比学习嵌入表示

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

多阶段重建内容协同优化的图像修复算法

引用

信号处理 2025年第2期41卷 325-337页

作者：秦佳白慧慧王梦丽翟双姣晋赞霞秦品乐曾建潮中北大学计算机科学与技术学院山西太原030051 北京交通大学信息科学研究所北京100044 现代信息科学与网络技术北京市重点实验室北京100044

随着数字图像技术的快速发展,图像已经成为日常生活学习中信息传递的重要载体之一。然而,由于错误传输、不当存储或者关键信息被遮挡等情况造成的图像信息丢失,往往影响人们对图像信息的理解和分析。近几年,大量渐进式图像修复算法被提... 详细信息

随着数字图像技术的快速发展,图像已经成为日常生活学习中信息传递的重要载体之一。然而,由于错误传输、不当存储或者关键信息被遮挡等情况造成的图像信息丢失,往往影响人们对图像信息的理解和分析。近几年,大量渐进式图像修复算法被提出,通过由粗到精的修复方式逐步生成受损图像的缺失信息,使修复后的图像在视觉和内容上接近原始图像。然而,在这种渐进式图像修复的结构中,低渐进层的错误往往容易传递到高渐进层中,造成修复结果在图像内容上有误,难以达到人眼视觉要求。针对这一问题,本文提出了一种多阶段重建内容协同优化的图像修复算法(Image inpainting algorithm based on multi-stage reconstruction collaborative optimization,MSNet),在渐进修复中融入并行结构,通过对三阶段渐进层内容的协同优化,提高修复结果的准确性。具体来说,在该网络的初步修复阶段后,提出了一种并行的图像内容精细化修复模块(Parallel image content refinement module,PCRM),通过基于自注意力的U-Net和增强的残差网络两个分支并行地修复图像结构和细节信息。其中,基于自注意力的U-Net倾向于对图像的结构特征进行抽象提取,并通过Multi-Head自注意力机制进行全局恢复。而增强残差网络结构则通过优化特征值区分度的方式,提升重要细节信息的表征能力,使残差网络能够更关注于重要细节的恢复。在PCRM后,为了融合第二阶段所得的多个修复重建信息,细节-结构融合模块被提出来,将细节信息合理嵌入到结构中,提高多渐进层特征在空间表征上的兼容性,减少纹理与结构不统一所造成的图像视觉不连续问题,以生成更加符合客观现实的修复结果。实验结果表明,与现有的修复算法对比,本文提出的算法可以生成纹理更加清晰,视觉上更加逼真的结果。

关键词：图像修复特征融合渐进式图像修复图像复原

来源：评论

学校读者我要写书评

暂无评论

舰载机保障作业自适应批量匹配决策方法

引用

航空学报 2025年第1期46卷 284-300页

作者：刘广王华林友芳贺硕李亚飞徐明亮北京交通大学计算机科学与技术学院北京100091 交通数据分析与挖掘北京市重点实验室北京100044 郑州大学计算机与人工智能学院郑州450001 智能集群系统教育部工程研究中心郑州450001 国家超级计算郑州中心郑州450001

衡量航空母舰作战性能的关键指标是舰载机出动架次率,其高低取决于舰载机的保障阵位匹配策略。现有工作主要采用序列匹配和批量匹配方法为舰载机匹配保障阵位,但均存在一定的局限性,难以兼顾保障作业阵位匹配的实时性和质量。面对复杂... 详细信息

衡量航空母舰作战性能的关键指标是舰载机出动架次率,其高低取决于舰载机的保障阵位匹配策略。现有工作主要采用序列匹配和批量匹配方法为舰载机匹配保障阵位,但均存在一定的局限性,难以兼顾保障作业阵位匹配的实时性和质量。面对复杂时变的作业环境,确定合理的保障作业匹配策略变得十分困难。因此,在批量匹配方法的基础上,提出了一种新的舰载机保障作业自适应批量匹配决策方法。首先,通过构建多维环境状态编码的强化学习方法求解较优的时间窗划分策略。然后,在每个时间窗内应用高效率的批量匹配算法,以求解保障作业与保障阵位的最佳匹配方案。基于公开的尼米兹号航母数据进行的多组模拟实验结果表明,本文方法能够有效应对保障环境的动态变化,在满足实时性需求的前提下能够快速求解出高质量的保障作业阵位分配方案。

关键词：舰载机航空保障实时调度强化学习自适应决策

来源：评论

学校读者我要写书评

暂无评论

基于检索增强的中医药标准知识问答系统构建探索与实践

引用

数据分析与知识发现 2025年

作者：海佳丽汪润袁良志张凯睿邓文萍肖勇周涛常凯湖北中医药大学信息工程学院湖北时珍实验室北京交通大学计算机科学与技术学院

[目的]构建基于检索增强的中医药标准知识问答系统，将高质量的中医药标准化知识和实践经验精准有效地传递给中医药行业从业者和普通民众，提升中医药标准化研究和应用水平。[方法]通过对比已有的大语言模型（如BaiChuan、Gemma、通义... 详细信息

[目的]构建基于检索增强的中医药标准知识问答系统，将高质量的中医药标准化知识和实践经验精准有效地传递给中医药行业从业者和普通民众，提升中医药标准化研究和应用水平。[方法]通过对比已有的大语言模型（如BaiChuan、Gemma、通义千问等）的性能表现，选择GPT 3.5模型作为基础模型，结合数据优化和检索增强生成等技术手段，开发出具有语义分析、上下文关联和生成能力的中医药标准知识问答系统。[结果]基于检索增强的中医药标准知识问答系统的答案相关性在中医文献问题生成数据集上的精确率、召回率和F1值分别为87.9%、83.9%、85.7%，在中医药标准问答数据集上的精确率、召回率和F1值分别为87.1%、83.6%、85.3%，上下文相关性在中医文献问题生成数据集上的精确率、召回率和F1值分别为83.8%、86.9%、85.3%，各项指标优于对比模型，表明本系统相较于其他模型能更好回答中医药标准相关的问题，具有较高的准确性。[局限]当前系统的意图识别模块仍需进一步优化，中医药标准知识库规模有待进一步扩充和更细粒度完善。[结论]本研究针对中医药知识服务的现实需求，探讨构建了基于检索增强的中医药标准知识问答系统，该系统能够回答用户关于中医药诊疗指南、中药标准、信息标准等各类问题，包括治疗原则、病证分类、治疗方法、中医药标准内容技术要求等，展示了较高的实用性和可行性。

关键词：大语言模型中医药标准智能问答检索增强生成

来源：评论

学校读者我要写书评

暂无评论

内部威胁分析与防御综述

引用

信息安全学报 2025年第1期10卷 176-193页

作者：孙德刚刘美辰李梅梅王旭石志鑫刘鹏程李楠中国科学院大学网络空间安全学院北京100049 中国科学院信息工程研究所北京100093 北京交通大学计算机与信息技术学院北京100044

内部威胁攻击是由可信的内部人员发起的,相比较外部威胁更具有透明性、隐蔽性和高危性,是当今最具有挑战的网络安全问题之一,因此需要十分重视且关注该领域的研究成果和发展趋势。本文对内部威胁研究范畴内的成果进行了概述,并使用扎根... 详细信息

内部威胁攻击是由可信的内部人员发起的,相比较外部威胁更具有透明性、隐蔽性和高危性,是当今最具有挑战的网络安全问题之一,因此需要十分重视且关注该领域的研究成果和发展趋势。本文对内部威胁研究范畴内的成果进行了概述,并使用扎根理论的方法进行严格的文献归纳和分析,通过全景视图下的内部威胁系统性研究,帮助组织减轻和消除内部威胁事件并根据自身实际情况快速制定防御方案。本文的研究对内部威胁领域有重要意义,因为它(1)概括了内部威胁的研究范畴,包含定义与分类、数据集分析、事件分析、威慑、缓解和预防、检测、响应七个方面,旨在建立内部威胁的研究框架,该框架遵循从事件到解决方案的方向描绘了内部威胁研究的工作流;(2)从定义与分类、数据集以及事件的角度对内部威胁进行了全面的分析,提出了针对内部威胁的结构化分析与分类方法,将威胁事件的重要特征维持一个易于维护和清晰的状态,便于扩展、整合以及修改;(3)基于内部威胁分析提出一个包含威慑、预防/缓解、检测和响应的分步防御框架,该框架概括了用户行为、心理和犯罪学对于事件的影响,并对防御框架内每一步包含的方法进行归纳分析;(4)通过分析内部威胁案例和当前研究进展,讨论现有研究的不足并从数据集、事件分析、防御三个方面展望进一步的研究方向。

关键词：网络安全内部威胁分析与防御文献归纳结构化分类综述

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：