检索结果-内蒙古大学图书馆

食品科学 2020年第23期41卷 166-171页

作者：王小艺陈谦赵峙尧熊科史策裴鹏钢北京工商大学计算机与信息工程学院北京100048 北京工商大学中国轻工业工业互联网与大数据重点实验室北京100048 北京工商大学北京市食品添加剂工程技术研究中心北京100048 北京市农业信息技术研究中心北京100097

小麦是重要的粮食作物,对其食品安全问题的研究具有十分重要的意义。在小麦供应链中,小麦仓储环节是生物性危害物产生的高风险环节,应对其危害物的风险水平进行有效监控和预警。风险评估技术正被大力推动并用于评估因接触食物中的生物... 详细信息

小麦是重要的粮食作物,对其食品安全问题的研究具有十分重要的意义。在小麦供应链中,小麦仓储环节是生物性危害物产生的高风险环节,应对其危害物的风险水平进行有效监控和预警。风险评估技术正被大力推动并用于评估因接触食物中的生物、化学或物理危害物而对健康生活造成的潜在危害和相关风险。考虑到已有定性和定量风险评估方法的优缺点以及缺少直观明确的风险度量指标等问题,本实验以小麦仓储环节中菌落总数为评估对象,研究一种针对生物性危害物的风险评估方法。首先,建立可以适应不同生长环境的菌落动态生长模型;在此基础上,基于蒙特卡洛仿真对小麦仓储环节中菌落总数概率分布进行定量预测;最后,提出风险度量指标“危害度”,并基于该指标对小麦仓储环节中菌落总数风险进行定量评价。该风险评估方法可以为风险管理和决策部门提供实时、直观的风险评估结果,给风险防控提供理论支持。

关键词：食品安全危害物蒙特卡洛仿真菌落总数风险评估

来源：评论

学校读者我要写书评

暂无评论

中文医学知识图谱研究进展

引用

中国数字医学 2021年第6期16卷 86-91页

作者：赵悦淑王军王蕊昝红英张坤丽穗志方郑州大学第三附属医院河南省郑州市450052 鹏城实验室广东省深圳市518055 郑州大学信息工程学院河南省郑州市450001 北京大学计算语言学教育部重点实验室北京市100871

目的:探讨中文医学知识图谱发展状况及制约因素。方法:检索1990—2020年中国知网(CNKI)和PubMed中文医学知识图谱文献并分析。结果:共获取395篇文献,其中期刊论文213篇(有基金支持123篇)。结论:2009年医学知识图谱研究起步,2018年快速发... 详细信息

目的:探讨中文医学知识图谱发展状况及制约因素。方法:检索1990—2020年中国知网(CNKI)和PubMed中文医学知识图谱文献并分析。结果:共获取395篇文献,其中期刊论文213篇(有基金支持123篇)。结论:2009年医学知识图谱研究起步,2018年快速发展,在中医药、影像智能、疾病风险预测等方面取得较大进步。中文医学知识图谱建设要更注重知识的正确性和更新的及时性。由于医学知识复杂,目前通用的知识推理和融合技术是制约医学知识图谱发展的瓶颈。

关键词：医学知识图谱智慧医疗质量评估

来源：评论

学校读者我要写书评

暂无评论

一种基于深度学习的恶意软件家族分类模型

引用

信息安全学报 2020年第1期5卷 1-9页

作者：郑锐汪秋云傅建明姜政伟苏日古嘎汪姝玮空天信息安全与可信计算教育部重点实验室武汉大学国家网络安全学院中国武汉430072 中国科学院信息工程研究所中国北京100093 中国科学院大学网络空间安全学院中国北京100049

恶意软件的家族分类问题是网络安全研究中的重要课题,恶意软件的动态执行特征能够准确的反映恶意软件的功能性与家族属性。本文通过研究恶意软件调用Windows API的行为特点,发现恶意软件的恶意行为与序列前后向API调用具有一定的依赖关... 详细信息

恶意软件的家族分类问题是网络安全研究中的重要课题,恶意软件的动态执行特征能够准确的反映恶意软件的功能性与家族属性。本文通过研究恶意软件调用Windows API的行为特点,发现恶意软件的恶意行为与序列前后向API调用具有一定的依赖关系,而双向LSTM模型的特征计算方式符合这样的依赖特点。通过设计基于双向LSTM的深度学习模型,对恶意软件的前后API调用概率关系进行了建模,经过实验验证,测试准确率达到了99.28%,所提出的模型组合方式对恶意软件调用系统API的行为具有良好的建模能力,为了深入的测试深度学习方法的分类性能,实验部分进一步设置了对抗样本实验,通过随机插入API序列的方式构造模拟对抗样本来测试原始参数模型的分类性能,对抗样本实验表明,深度学习方法相对某些浅层机器学习方法具有更高的稳定性。文中实验为深度学习技术向工业界普及提供了一定的参考意义。

关键词：深度学习恶意软件家族分类鲁棒性

来源：评论

学校读者我要写书评

暂无评论

全卷积神经网络下的多光谱遥感影像分割

引用

中国图象图形学报 2020年第1期25卷 180-192页

作者：姚建华吴加敏杨勇施祖贤宁夏回族自治区遥感测绘勘查院银川750021 北京科技大学计算机与通信工程学院北京100083 材料领域知识工程北京市重点实验室北京100083

目的传统的遥感影像分割方法需要大量人工参与特征选取以及参数选择,同时浅层的机器学习算法无法取得高精度的分割结果。因此,利用卷积神经网络能够自动学习特征的特性,借鉴处理自然图像语义分割的优秀网络结构,针对遥感数据集的特点提... 详细信息

目的传统的遥感影像分割方法需要大量人工参与特征选取以及参数选择,同时浅层的机器学习算法无法取得高精度的分割结果。因此,利用卷积神经网络能够自动学习特征的特性,借鉴处理自然图像语义分割的优秀网络结构,针对遥感数据集的特点提出新的基于全卷积神经网络的遥感影像分割方法。方法针对遥感影像中目标排列紧凑、尺寸变化大的特点,提出基于金字塔池化和DUC(dense upsampling convolution)结构的全卷积神经网络。该网络结构使用改进的Dense Net作为基础网络提取影像特征,使用空间金字塔池化结构获取上下文信息,使用DUC结构进行上采样以恢复细节信息。在数据处理阶段,结合遥感知识将波段融合生成多源数据,生成植被指数和归一化水指数,增加特征。针对遥感影像尺寸较大、采用普通预测方法会出现拼接痕迹的问题,提出基于集成学习的滑动步长预测方法,对每个像素预测14次,每次预测像素都位于不同图像块的不同位置,对多次预测得到的结果进行投票。在预测结束后,使用全连接条件随机场(CRFs)对预测结果进行后处理,细化地物边界,优化分割结果。结果结合遥感知识将波段融合生成多源数据可使分割精度提高3.19%;采用基于集成学习的滑动步长预测方法可使分割精度较不使用该方法时提高1.44%;使用全连接CRFs对预测结果进行后处理可使分割精度提高1.03%。结论针对宁夏特殊地形的遥感影像语义分割问题,提出基于全卷积神经网络的新的网络结构,在此基础上采用集成学习的滑动步长预测方法,使用全连接条件随机场进行影像后处理可优化分割结果,提高遥感影像语义分割精度。

关键词：遥感影像语义分割全卷积神经网络 DUC结构空间金字塔池化上下文信息多尺度特征

来源：评论

学校读者我要写书评

暂无评论

基于循环神经网络的通信卫星故障检测

引用

计算机科学 2020年第2期47卷 227-232页

作者：刘云尹传环胡迪赵田梁宇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 中国空间技术研究院北京100094

随着现代航天事业的飞速发展,通信卫星的结构日益复杂,其故障也逐渐增多,通信卫星的故障检测已成为当前航天领域关注的重点问题。目前,各大航天机构对故障的检测仍以简单的上下限阈值检测为主,只能检测出少部分特定的故障。早期利用传... 详细信息

随着现代航天事业的飞速发展,通信卫星的结构日益复杂,其故障也逐渐增多,通信卫星的故障检测已成为当前航天领域关注的重点问题。目前,各大航天机构对故障的检测仍以简单的上下限阈值检测为主,只能检测出少部分特定的故障。早期利用传统机器学习算法进行检测的研究也仅能检测出数量特征上的故障。针对传统的机器学习算法难以有效学习遥测数据趋势变化的问题,文中提出了基于长短时记忆(Long Short-term Memory,LSTM)网络的阈值化方法。通过LSTM预测模型来学习卫星遥测数据的趋势变化,同时以最大化相关系数与F1分数的方式为多维遥测数据的故障判定确定合适的阈值,此方式能够有效地通过卫星遥测数据的趋势变化来判断故障。实验数据采用某航天机构提供的时长为2年的24维通信卫星遥测数据,其核心模型LSTM网络在NVIDIA Corporation GP102[TITAN Xp]上训练,最终整体模型的准确率为99.34%,查准率为81.93%,查全率为94.62%。同时,与传统机器学习算法以及基于LSTM的非阈值方法进行对比,该模型的精度明显更高。实验结果表明,LSTM网络能够高效地学习到卫星遥测数据的趋势变化特征;同时,采用合适的方法选定阈值,能够有效地检测出通信卫星发生的故障,在很大程度上成功地解决航天领域中通信卫星的故障检测难题。

关键词：遥测数据故障检测机器学习长短时记忆网络阈值化

来源：评论

学校读者我要写书评

暂无评论

基于CART决策树的计算机网络课程学生成绩分析

引用

计算机教育 2019年第12期 76-79,84页

作者：刘一帆詹静范雪北京工业大学计算机学院北京100124 可信计算北京市重点实验室北京100124

针对大数据背景下教育数据挖掘已成为改善教育质量重要手段的现状,提出使用CART决策树算法对计算机网络课程的数据进行分析和研究,生成基于CART树的学生成绩分类模型,最后分析结果并提出有针对性的合理教学建议。

关键词：决策树 CART算法学习成绩分析计算机网络

来源：评论

学校读者我要写书评

暂无评论

面向交通流量预测的多组件时空图卷积网络

引用

软件学报 2019年第3期30卷 759-769页

作者：冯宁郭晟楠宋超朱琪超万怀宇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(北京交通大学) 北京100044

流量预测一直是交通领域研究者和实践者关注的热点问题.流量数据具有高度的非线性和复杂性,对其进行精准预测具有很大的挑战,现有的预测方法大多不能很好地捕获数据的时空相关性.提出一种新颖的基于深度学习的多组件时空图卷积网络(MCST... 详细信息

流量预测一直是交通领域研究者和实践者关注的热点问题.流量数据具有高度的非线性和复杂性,对其进行精准预测具有很大的挑战,现有的预测方法大多不能很好地捕获数据的时空相关性.提出一种新颖的基于深度学习的多组件时空图卷积网络(MCSTGCN),以解决交通流量预测问题.MCSTGCN通过3个组件分别建模流量数据的近期、日周期、周周期特性,每个组件同时利用空间维图卷积和时间维卷积有效捕获交通数据的时空相关性.在美国加利福尼亚州高速公路流量公开数据集上进行了实验,结果表明,MCSTGCN模型的预测效果优于现有的预测方法.

关键词：交通流量预测时空相关性图卷积网络多组件融合

来源：评论

学校读者我要写书评

暂无评论

5G通信中基于混合波束成型的多用户MIMO调度算法研究

引用

高技术通讯 2020年第6期30卷 545-552页

作者：徐顺清石晶林张宗帅龙隆任俊威移动计算与新型终端北京市重点实验室北京100190 中国科学院计算技术研究所无线通信技术研究中心北京100190 中国科学院大学北京100049 中国三星研究院北京100028

大规模多输入多输出(MIMO)技术是5G通信的核心技术之一,信号多入多出可以有效提高通信传输中的频谱效率与用户的通信质量。本文从用户下行信道与通信向量函数2个维度阐述了信道有效传输原理,并基于此设计了一种毫米波MIMO混合波束成型... 详细信息

大规模多输入多输出(MIMO)技术是5G通信的核心技术之一,信号多入多出可以有效提高通信传输中的频谱效率与用户的通信质量。本文从用户下行信道与通信向量函数2个维度阐述了信道有效传输原理,并基于此设计了一种毫米波MIMO混合波束成型模型。文章分析了毫米波混合波束成型模型设计原理、实现步骤及算法复杂度情况,并利用混合波束成型模型设计了多用户MIMO调度的具体实现方法;基于模型确定出双向交替优化MIMO系统的发射端和接收端子阵列的天线加权矢量,给出数字模拟混合波束成型的算法方案,最终实现多用户MIMO的均衡调度。仿真结果表明,所提出的调度算法具有收敛速度快、计算复杂度低、基带传输效率高等优势。

关键词： 5G通信混合波束多用户大规模多输入输出(MIMO) 调度算法

来源：评论

学校读者我要写书评

暂无评论

基于条件变分自编码的密码攻击算法

引用

计算机应用研究 2020年第3期37卷 821-823,837页

作者：段大高赵振东梁少虎韩忠明北京工商大学计算机与信息工程学院北京100048 北京工商大学食品安全大数据技术北京市重点实验室北京100048

使用密码猜测算法是评估用户密码强度和安全性的有效方法,提出一种基于条件变分自编码密码猜测算法PassCVAE。算法基于条件变分自编码模型,将用户个人信息作为条件特征,训练密码攻击模型。在编码器端,分别使用双向循环神经网络(GRU)和... 详细信息

使用密码猜测算法是评估用户密码强度和安全性的有效方法,提出一种基于条件变分自编码密码猜测算法PassCVAE。算法基于条件变分自编码模型,将用户个人信息作为条件特征,训练密码攻击模型。在编码器端,分别使用双向循环神经网络(GRU)和文本卷积神经网络(TextCNN),实现对密码序列和用户个人信息的编码和特征的抽象提取;在解码器端使用两层GRU神经网络,实现对用户个人信息和密码数据隐编码的解码,生成密码序列。该算法可以有效地拟合密码数据的分布和字符组合规律,生成高质量的猜测密码数据。多组实验结果表明,提出的PassCVAE算法优于现有的主流密码猜测算法。

关键词：条件变分自编码密码猜测算法密码攻击

来源：评论

学校读者我要写书评

暂无评论

改进的不平衡贝叶斯学习分类模型研究

引用

计算机应用研究 2020年第12期37卷 3561-3564页

作者：韩忠明刘聃段大高杨伟杰张珣北京工商大学计算机与信息工程学院北京100048 北京工商大学食品安全大数据技术北京市重点实验室北京100048

基于函数逼近的方法存在少数类样本不足时分类效果不佳的问题,针对此问题提出了不平衡贝叶斯学习分类模型。模型引入类间隔似然函数,用于降低后验分布在参数空间上存在的偏态性,以采样到对各类样本分类精确的参数点。在UCI、KEEL上的公... 详细信息

基于函数逼近的方法存在少数类样本不足时分类效果不佳的问题,针对此问题提出了不平衡贝叶斯学习分类模型。模型引入类间隔似然函数,用于降低后验分布在参数空间上存在的偏态性,以采样到对各类样本分类精确的参数点。在UCI、KEEL上的公开不平衡数据集中的实验结果验证了所提方法的有效性;基于MINIST数据集构建了两个不平衡数据集,在这两个数据集中几何均值分别达到92.4%和81.6%。

关键词：不平衡分类数据挖掘类间隔似然函数贝叶斯学习

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：