检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第2期61卷 59-72页

作者：朱诗能韩萌杨书蓉代震龙杨文艳丁剑北方民族大学计算机科学与工程学院银川750021

现实世界的场景中,从数据流中学习会面临着类不平衡的问题,学习算法由于缺少训练数据而无法有效识别少数类样本。为了介绍不平衡数据流集成分类的研究现状和面临的挑战,依据近年来的不平衡数据流集成分类领域文献,从基于加权、选择和投... 详细信息

现实世界的场景中,从数据流中学习会面临着类不平衡的问题,学习算法由于缺少训练数据而无法有效识别少数类样本。为了介绍不平衡数据流集成分类的研究现状和面临的挑战,依据近年来的不平衡数据流集成分类领域文献,从基于加权、选择和投票的决策规则和基于代价敏感学习、主动学习和增量学习的学习方式的角度详细分析和总结了不平衡数据流的集成方法,并比较了使用相同数据集的算法的性能。针对处理不同类型复杂数据流中的不平问题,从概念漂移、多类、噪声和类重叠四个方面对其集成分类算法进行总结,分析了经典算法的时间复杂度。对动态数据流、缺失信息的数据流、多标签数据流和不确定数据流中不平衡问题的分类挑战提出了下一步的集成策略研究。

关键词：不平衡数据流集成分类决策规则学习方式复杂数据流

来源：评论

学校读者我要写书评

暂无评论

混合特征平衡图注意力网络日志异常检测模型

引用

计算机工程与应用 2025年第1期61卷 308-320页

作者：陈旭张硕景永俊王叔洋北方民族大学计算机科学与工程学院银川750000 北方民族大学电气信息工程学院银川750000

针对现有方法忽略了日志异常数据不平衡和日志特征间的关联性,导致异常检测准确率低的问题。提出一种基于混合特征平衡图注意力网络的日志异常检测模型(HBGATLog)。构建混合日志图构建模块,通过混合特征提取模块提取日志数据的语义信息... 详细信息

针对现有方法忽略了日志异常数据不平衡和日志特征间的关联性,导致异常检测准确率低的问题。提出一种基于混合特征平衡图注意力网络的日志异常检测模型(HBGATLog)。构建混合日志图构建模块,通过混合特征提取模块提取日志数据的语义信息、日志序列和时间结构,增强日志特征间的关联性,并采用日志图构建模块构建日志图,有效保留空间结构特征。设计平衡日志图生成模块,解决不平衡的日志数据导致检测结果偏向多数类问题。采用图日志异常检测模块进行异常检测。使用BGL、Thunderbird和HDFS三个公共数据集对HBGATLog进行验证,实验结果表明,F1 score分别达到了99.0%、98.7%和98.1%。证明HBGATLog不但能够解决日志数据不平衡问题,充分考虑日志数据特征的关联性,而且有效降低了漏检率。

关键词：日志异常检测日志分析图神经网络混合特征提取数据不平衡

来源：评论

学校读者我要写书评

暂无评论

基于随机Petri网的软件测试业务流程建模及多环节效能分析方法

引用

计算机集成制造系统 2025年

作者：薛可涵韩强韩晟乔依昕石智超北方民族大学计算机科学与工程学院

软件测试是确保软件产品质量的关键业务流程，具有高投入、高风险的特点，研究测试实施流程有助于推动测试工作的有序进行，从而保证软件产品质量符合行业标准并降低测试成本。现有研究缺乏对测试流程形式化建模和效能分析方法的探讨，... 详细信息

软件测试是确保软件产品质量的关键业务流程，具有高投入、高风险的特点，研究测试实施流程有助于推动测试工作的有序进行，从而保证软件产品质量符合行业标准并降低测试成本。现有研究缺乏对测试流程形式化建模和效能分析方法的探讨，因此，无法有效识别并评估流程中的关键环节。为解决上述问题，研究结合随机Petri网和模糊理论，提出一种模糊参数的随机Petri网(SPN＿FP)建模与分析方法，并以RSA计时攻击任务为场景构建测试流程仿真模型。通过建立与之同构的连续时间马尔可夫链(CTMC)进行性能分析，识别出流程的关键环节。集成SHapley加性解释(SHAP)的敏感性分析，构建多环节对系统运行效率之间的关系，为从多环节优化角度进行流程管理和决策支持奠定基础。结果表明，RSA计时攻击任务和修复软件缺陷是流程中耗时且对系统整体性能影响较大的关键环节，应作为优化的重点。此外，在提高等量系统运行效率下，提升上述单环节速率相较于协同提升多环节效率会牺牲较多系统鲁棒性，影响测试流程完整性与可靠性。

关键词：随机Petri网模糊理论软件测试流程建模 SHAP分析多环节效能优化

来源：评论

学校读者我要写书评

暂无评论

基于加权与动态选择的不平衡数据流分类算法

引用

计算机工程与应用 2025年第10期61卷 79-95页

作者：韩萌李春鹏李昂孟凡兴何菲菲张瑞华北方民族大学计算机科学与工程学院

在数据挖掘领域中，数据流挖掘是一项关键任务，旨在处理不断产生和演化的数据流。与传统的批处理数据挖掘不同，数据流挖掘强调对实时数据的处理和分析，具有更高的时效性和实用性。然而，现实世界的数据流中存在多类别不平衡、变化的... 详细信息

在数据挖掘领域中，数据流挖掘是一项关键任务，旨在处理不断产生和演化的数据流。与传统的批处理数据挖掘不同，数据流挖掘强调对实时数据的处理和分析，具有更高的时效性和实用性。然而，现实世界的数据流中存在多类别不平衡、变化的类别不平衡比和概念漂移等实际挑战，会极大地降低分类器的性能。针对这些问题，提出了一种基于加权与动态选择的不平衡数据流分类算法（sample difficulty weighting and dynamic ensemble selection,SDW-DES），通过综合考虑样本难度和数据动态性，为实时应用提供可靠解决方案。引入一种基于样本分类难度的加权策略，结合样本的边际值和Focal Loss，以更有效地关注易分类错误的样本和少数类样本，从而提高分类器的准确性。提出一种灵活的动态集成选择方法，通过设计样本滑动窗口和困难样本滑动窗口，来综合分析分类器在不同窗口上的表现并加权，选出集成中最好的分类器进行预测，以适应数据分布的动态变化。在多种数据流环境和评估指标上与9种先进的算法进行了全面的实验评估，实验结果表明SDW-DES在4个评估指标中平均排名第一，并且更能够适应数据流中的不平衡和概念漂移问题。

关键词：数据流分类多类不平衡概念漂移样本加权动态集成选择

来源：评论

学校读者我要写书评

暂无评论

基于模糊测度的最大可能性互模拟等价研究

引用

郑州大学学报(理学版) 2025年

作者：刘子源马占有李霞黄瑞祺何娜娜北方民族大学计算机科学与工程学院

为解决复杂系统模型检测过程中的状态空间爆炸问题,提出了模糊最大可能性互模拟等价理论,并使用其相关性质对状态空间进行优化。首先,在模糊决策过程中对模糊测度和模糊最大互模拟等价进行定义,并对其相关定理进行证明。其次,给出模糊... 详细信息

为解决复杂系统模型检测过程中的状态空间爆炸问题,提出了模糊最大可能性互模拟等价理论,并使用其相关性质对状态空间进行优化。首先,在模糊决策过程中对模糊测度和模糊最大互模拟等价进行定义,并对其相关定理进行证明。其次,给出模糊互模拟商的定义以及路径长度相等和路径最大可能性相等的定理。最后,给出模糊计算树逻辑扩展的语法和语义,并在模糊决策过程中讨论了模糊计算树逻辑和模糊计算树逻辑扩展的模糊最大可能性互模拟等价性质。

关键词：模型检测模糊测度模糊最大互模拟等价模糊计算树逻辑扩展

来源：评论

学校读者我要写书评

暂无评论

时空图神经网络在物联网中的应用综述

引用

计算机工程与应用 2025年第5期61卷 43-54页

作者：张建伟陈旭王叔洋景永俊宋吉飞北方民族大学计算机科学与工程学院银川750030 北方民族大学电气信息工程学院银川750030 国家新型互联网交换中心宁夏中卫755001

随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网... 详细信息

随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网中的拓扑结构和时间信息进行建模,并在物联网预测任务中展现出优秀性能。介绍了物联网中的时间相关性和空间相关性,以及不同时空网络架构的构建方法,并基于空间相关性的不同,将时空图神经网络分为时空图卷积网络和时空图注意力网络。进一步分析了时空图卷积网络和时空图注意力网络在物联网中的应用,主要包括交通、环境和能源领域。最后,探讨了时空图神经网络在物联网应用中面临的挑战和未来的研究方向。

关键词：物联网深度学习时空图神经网络图结构数据

来源：评论

学校读者我要写书评

暂无评论

基于Kolmogorov不等式的数据流漂移检测方法

引用

计算机工程与应用 2025年第9期61卷 102-115页

作者：韩萌孟凡兴李春鹏张瑞华何菲菲丁剑北方民族大学计算机科学与工程学院银川750021 图像图形智能处理国家民委重点实验室(北方民族大学) 银川750021

在现实数据环境中,数据分布经常随着时间推移而变化,该现象称为概念漂移。概念漂移会显著影响原分类模型的性能。因此,当概念漂移出现时,分类模型需及时调整以适应数据分布变化,从而保证学习的有效性。探讨了Kolmogorov不等式在概念漂... 详细信息

在现实数据环境中,数据分布经常随着时间推移而变化,该现象称为概念漂移。概念漂移会显著影响原分类模型的性能。因此,当概念漂移出现时,分类模型需及时调整以适应数据分布变化,从而保证学习的有效性。探讨了Kolmogorov不等式在概念漂移检测领域的应用潜力。提出了一种基于错误率的Kolmogorov漂移检验策略,利用Kolmogorov不等式设计了概念漂移检测方法,并利用该算法来检测数据流中突然或逐渐出现的概念漂移。提出了一种尾部实例调整策略,减轻了漂移检测样本集中旧实例的影响,从而进一步降低了漂移检测延迟。实验表明,与经典或先进的漂移检测器相比,提出的算法在分类准确率方面表现最佳。在漂移检测性能方面,提出的算法在误检率和检测延迟方面的表现均位于前列,达到了较好的平衡。在运行时间方面也表现出了良好的性能。在上述四个指标的总体比较中优于其他算法,达到了该研究的预期。

关键词：概念漂移漂移检测数据流分类 Kolmogorov不等式

来源：评论

学校读者我要写书评

暂无评论

多模态特征增强的双层融合知识推理方法

引用

计算机科学与探索 2025年第2期19卷 406-416页

作者：荆博祥王海荣王彤杨振业北方民族大学计算机科学与工程学院银川750021 北方民族大学图像图形智能处理国家民委重点实验室银川750021

现有的多模态知识推理方法大多采用拼接或注意力的方式,将预训练模型提取到的多模态特征直接进行融合,往往忽略了不同模态之间的异构性和交互的复杂性。为此,提出了一种多模态特征增强的双层融合知识推理方法。结构信息嵌入模块采用自... 详细信息

现有的多模态知识推理方法大多采用拼接或注意力的方式,将预训练模型提取到的多模态特征直接进行融合,往往忽略了不同模态之间的异构性和交互的复杂性。为此,提出了一种多模态特征增强的双层融合知识推理方法。结构信息嵌入模块采用自适应图注意力机制筛选并聚合关键的邻居信息,用来增强实体和关系嵌入的语义表达;多模态嵌入信息模块使用不同的注意力机制关注不同模态数据的独有特征,以及多模态数据间的共性特征,利用共性特征的互补信息进行模态交互,以减少模态间异构性差异;多模态特征融合模块采用将低秩多模态特征融合和决策融合相结合的双层融合策略,实现了多模态数据在模态间和模态内的动态复杂交互,并综合考虑每种模态在推理中的贡献度,得到更全面的预测结果。为了验证方法的有效性,分别在FB15K-237、DB15K和YAGO15K数据集上进行了实验。结果表明:该方法相比多模态推理方法,在FB15K-237数据集上MRR和Hits@1分别平均提升3.6%和2.2%;相比单模态推理方法,MRR和Hits@1分别平均提升13.7%和14.6%。

关键词：多模态知识图谱链接预测知识推理多模态特征融合

来源：评论

学校读者我要写书评

暂无评论

自调节图卷积UNet的三维人体姿态估计方法

引用

北京航空航天大学学报 2025年第1期51卷 63-74页

作者：马金林崔琦磊马自萍武江涛曹浩杰北方民族大学计算机科学与工程学院银川750021 图像图形智能信息处理国家民委重点实验室银川750021 北方民族大学数学与信息科学学院银川750021

基于图卷积网络的三维人体姿态估计方法无法提取关节点的多尺度特征和未充分利用相邻节点的拓扑关系问题,提出自调节图卷积UNet的三维人体姿态估计方法M-Joint-UNet。M-Joint-UNet方法由Joint-UNet、自调节图卷积和融合损失3部分组成:Jo... 详细信息

基于图卷积网络的三维人体姿态估计方法无法提取关节点的多尺度特征和未充分利用相邻节点的拓扑关系问题,提出自调节图卷积UNet的三维人体姿态估计方法M-Joint-UNet。M-Joint-UNet方法由Joint-UNet、自调节图卷积和融合损失3部分组成:Joint-UNet通过关节点池化与去池化改变特征图大小,以提取关节点的不同尺度特征;自调节图卷积通过可学习矩阵自动调节相邻节点或人体骨架结构的关系;使用L_(1)和L_(2)融合的损失缓解梯度爆炸。对比实验表明:所提方法在参数量和估计性能方面均获得了最优的结果,以Human3.6M的二维真实关节点作为输入的参数量仅为0.54×10^(6),MPJPE和P-MPJPE值分别为37.81 mm和30.21 mm。

关键词：三维人体姿态估计图卷积 Graph-UNet 关节点池化权重矩阵

来源：评论

学校读者我要写书评

暂无评论

象群优化的高效用项集挖掘算法

引用

南京师大学报(自然科学版) 2025年第2期48卷 124-138页

作者：何菲菲韩萌张瑞华李春鹏孟凡兴北方民族大学计算机科学与工程学院宁夏银川750021

启发式高效用项集挖掘是近年数据挖掘领域的一个热点研究课题.为了解决启发式高效用项集挖掘算法过早收敛导致的项集丢失问题,设计了一种新的启发式高效用项集挖掘算法,旨在较少的迭代次数内获取更多的高效用项集.其中,提出的基于母象... 详细信息

启发式高效用项集挖掘是近年数据挖掘领域的一个热点研究课题.为了解决启发式高效用项集挖掘算法过早收敛导致的项集丢失问题,设计了一种新的启发式高效用项集挖掘算法,旨在较少的迭代次数内获取更多的高效用项集.其中,提出的基于母象因子的位差进化策略,有效缩减了搜索空间,提高了算法的执行效率.为了防止算法收敛过快陷入局部最优,提出两阶段种群多样性维护策略,保持了种群多样性和收敛性间的平衡.在真实数据集上进行的大量实验表明,提出的算法在高效用项集数量、时空效率和算法收敛性方面均优于现有的先进算法.

关键词：高效用项集挖掘启发式算法象群优化进化策略多样性维护策略

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：