检索结果-内蒙古大学图书馆

深圳大学学报(理工版) 2025年第2期42卷 233-241页

作者：王嘉昊阎红灿谷建涛华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210

现有的卷积神经网络(convolutional neural network,CNN)隐写分析模型主要关注隐写图像的局部特征,尽管CNN通过堆叠更深的卷积层来扩展感受野,但在全局特征提取方面仍较为薄弱,而对于大尺寸图像,关注全局特征有助于提高隐写分析的效果.... 详细信息

现有的卷积神经网络(convolutional neural network,CNN)隐写分析模型主要关注隐写图像的局部特征,尽管CNN通过堆叠更深的卷积层来扩展感受野,但在全局特征提取方面仍较为薄弱,而对于大尺寸图像,关注全局特征有助于提高隐写分析的效果.提出一种基于CNN-Transformer的图像隐写分析网络模型(CNN-Transformer image steganalysis network,CTS-Net),能够有效捕捉隐写信号局部特征与全局特征的依赖关系.在预处理阶段,采用多尺度残差提取与信息融合,以提高信噪比;在特征提取阶段,结合CNN和Transformer进行局部与全局特征提取,提高了对大尺寸隐写图像的检测精度;最后采用全连接层进行分类.在公开数据集BOSSbase1.01上采用WOW、HILL和S-UNIWARD隐写算法,使用不同嵌入率进行检测,结果表明,在低嵌入率(0.1 bpp)下,CTS-Net模型的检测准确率最优;在公开数据集ALASKA#2上采用WOW隐写算法,对16种图像尺寸的数据集进行隐写分析表明,CTS-Net模型在固定大小数据集与异构数据集上能有效利用隐写信号的全局特征,检测准确率高于SRNet、SiaStegNet、CvT Net和CVTS模型.

关键词：人工智能卷积神经网络图像隐写分析多尺度残差全局特征大尺寸图像

来源：评论

学校读者我要写书评

暂无评论

融合机器学习与动态模型优化的雪崩预测及防治策略

引用

应用科学学报 2025年第1期43卷 35-50页

作者：金永超王志坚贾慧爽杜云天胡鑫婷陈学斌华北理工大学理学院河北唐山063210 华北理工大学经济管理学院河北唐山063210 华北理工大学冶金与能源学院河北唐山063210 华北理工大学河北省数据科学与应用重点实验室河北唐山063210

爆破是防止雪崩的有效方法,但合适的爆破时间、爆破位置和爆破能量很难确定。本文首先收集、爬取了关于雪崩的指标数据,并对数据进行预处理。然后对数据进行探索性数据分析,重点分析时间与雪崩发生的关系,发现雪崩具有明显的季节性。以... 详细信息

爆破是防止雪崩的有效方法,但合适的爆破时间、爆破位置和爆破能量很难确定。本文首先收集、爬取了关于雪崩的指标数据,并对数据进行预处理。然后对数据进行探索性数据分析,重点分析时间与雪崩发生的关系,发现雪崩具有明显的季节性。以数据的80%为训练集,20%为测试集,建立支持向量机、随机森林和感知器神经网络模型,并利用贝叶斯优化算法对模型进行参数寻优,结果显示感知器神经网络的准确率最高。最后根据损失度对3个模型进行集成,对3个集成策略进行对比,结果显示SVM-RF-MLP模型的准确率最高为0.952。此后,建立基础的爆破能量模型,考虑山体高度、雪层密度随时间的变化,再基于历史数据寻找雪层稳定性的分布规律,构建动态雪崩稳定性爆破能量模型。通过对数据进行模拟验证以及对其进行三维山体可视化分析,获得最佳的爆破时机、爆破位置和爆破能量。

关键词：贝叶斯优化算法 SVM-RF-MLP模型动态雪崩稳定性爆破能量模型

来源：评论

学校读者我要写书评

暂无评论

面向遥感数据的基于本地差分隐私的联邦学习隐私保护方案

引用

计算机应用 2025年第2期45卷 506-517页

作者：陈海田陈学斌马锐奎张帅华华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室(华北理工大学) 河北唐山063210 唐山市数据科学重点实验室(华北理工大学) 河北唐山063210

遥感数据具有高度的时空相关性以及复杂的地物特征,使得这些数据的隐私保护面临挑战。联邦学习作为一种旨在保护参与方数据隐私的分布式学习方法,为应对遥感数据隐私保护面对的挑战提供了有效的解决方案;然而,在联邦学习模型的训练阶段... 详细信息

遥感数据具有高度的时空相关性以及复杂的地物特征,使得这些数据的隐私保护面临挑战。联邦学习作为一种旨在保护参与方数据隐私的分布式学习方法,为应对遥感数据隐私保护面对的挑战提供了有效的解决方案;然而,在联邦学习模型的训练阶段,恶意攻击者可能通过反演推断参与者的隐私信息,进而导致敏感信息的泄露。针对遥感数据在联邦学习训练中存在的隐私泄露问题,提出一种基于本地差分隐私的联邦学习隐私保护方案。首先,对模型进行预训练,计算模型的层重要性,并根据层重要性合理分配隐私预算;然后,通过对模型更新进行裁剪变换,并对裁剪值进行自适应随机扰动,实现本地差分隐私保护;最后,在聚合扰动更新时,采用模型校正以进一步提高模型性能。理论分析和仿真结果表明,所提方案不仅能为各参与方提供合适的差分隐私保护,并有效防止通过反演推断出隐私敏感信息,而且在3个遥感数据集上相较于基于分段机制的扰动方案提升了3.28~3.93个百分点的准确率。可见,所提方案在保证隐私的同时有效保障了模型性能。

关键词：联邦学习差分隐私层重要性遥感数据模型校正

来源：评论

学校读者我要写书评

暂无评论

基于历史模型更新的自适应防御机制FedAud

引用

计算机应用 2025年第2期45卷 490-496页

作者：任志强陈学斌华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室(华北理工大学) 河北唐山063010 唐山市数据科学重点实验室(华北理工大学) 河北唐山063210

联邦学习(FL)已成为一种在分散的边缘设备上训练机器学习模型并保护数据隐私的有前景的方法。然而,FL系统容易受到拜占庭攻击的影响,即恶意客户端可能会破坏全局模型的完整性。此外,现有的部分防御方法存在较大的计算开销。针对上述问题... 详细信息

联邦学习(FL)已成为一种在分散的边缘设备上训练机器学习模型并保护数据隐私的有前景的方法。然而,FL系统容易受到拜占庭攻击的影响,即恶意客户端可能会破坏全局模型的完整性。此外,现有的部分防御方法存在较大的计算开销。针对上述问题,提出一种自适应防御机制FedAud,该机制旨在减小服务端的计算开销,同时确保FL系统对拜占庭攻击的鲁棒性。FedAud结合异常检测模块和信誉机制,并基于历史模型更新动态调整防御策略。使用MNIST和CIFAR-10数据集在不同的攻击场景和防御方法下进行评估的实验结果表明,FedAud能有效降低防御方法的执行频率,从而减轻服务器的计算负担,并提高FL的效率,特别是在防御方法计算开销大或训练周期较长的情况下。此外,FedAud能保持模型的准确性,并在某些情况下提升模型的性能,验证了它在实际FL部署中的有效性。

关键词：联邦学习拜占庭攻击异常检测计算开销通信效率

来源：评论

学校读者我要写书评

暂无评论

基于改进GraphSAGE的网络攻击检测

引用

郑州大学学报(理学版) 2025年

作者：闫彦彤于文涛李丽红方伟华北理工大学理学院河北省数据科学与应用重点实验室

基于深度学习的网络攻击检测是对欧几里得数据进行建模,无法学习攻击数据中的结构特征。为此,提出一种基于改进图采样与聚合(graph sample and aggregate,GraphSAGE)的网络攻击检测算法。首先,将攻击数据从平面结构转换为图结构数据。其... 详细信息

基于深度学习的网络攻击检测是对欧几里得数据进行建模,无法学习攻击数据中的结构特征。为此,提出一种基于改进图采样与聚合(graph sample and aggregate,GraphSAGE)的网络攻击检测算法。首先,将攻击数据从平面结构转换为图结构数据。其次,对GraphSAGE算法进行了改进,包括在消息传递阶段融合节点和边的特征,同时在消息聚合过程中考虑不同源节点对目标节点的影响程度,并在边嵌入生成时引入残差学习机制。在两个公开网络攻击数据集上的实验结果表明,在二分类情况下,所提算法的总体性能优于E-GraphSAGE、LSTM、RNN、CNN算法;在多分类情况下,所提算法在大多数攻击类型上的F1值高于对比算法。

关键词：网络攻击检测深度学习图神经网络图采样与聚合注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于多方向混合滤波器的轻量化图像隐写分析模型

引用

信息安全研究 2025年第4期11卷 318-325页

作者：胡原平阎红灿刘盈华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室(华北理工大学) 河北唐山063210

针对当前图像隐写分析模型参数量庞大、泛化能力有限、准确率不高等问题,构建了一个基于多方向混合滤波器的轻量化图像隐写分析模型.该模型设计多方向、多尺寸的高低频混合滤波器组并应用通道注意力机制对图像进行预处理,自适应地提取... 详细信息

针对当前图像隐写分析模型参数量庞大、泛化能力有限、准确率不高等问题,构建了一个基于多方向混合滤波器的轻量化图像隐写分析模型.该模型设计多方向、多尺寸的高低频混合滤波器组并应用通道注意力机制对图像进行预处理,自适应地提取图像中有效特征,提高模型的泛化能力;特征提取模块设计包含残差模块的多层卷积,对图像特征进行深度提取,提高模型对特征的捕捉能力;降维模块采用深度可分离卷积代替传统卷积,有效降低模型参数量,实现轻量化.实验数据对比分析表明,该模型具有轻量化特点和较好的泛化能力,同时提高了隐写分析的准确性.

关键词：图像隐写分析混合滤波器通道注意力机制深层卷积深度可分离卷积

来源：评论

学校读者我要写书评

暂无评论

轻梯度提升机算法的发展与应用

引用

计算机工程与应用 2025年第5期61卷 32-42页

作者：魏佳妹袁书娟孔闪闪杨爱民赵晨颖华北理工大学理学院河北唐山063000 华北理工大学铁矿石优选与铁前工艺智能化河北省工程研究中心河北唐山063000 华北理工大学河北省数据科学与应用重点实验室河北唐山063000 华北理工大学唐山市工程计算重点实验室河北唐山063000 华北理工大学唐山市智能工业与图像处理技术创新中心河北唐山063000

轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。... 详细信息

轻梯度提升机算法(light gradient boosting machine,LightGBM)是机器学习领域中比较强大的算法之一,LightGBM采用高效的树学习算法,以更快地训练模型,其独特的直方图分桶方法和基于梯度的单边叶子生长技术降低了内存的使用和计算成本。LightGBM被广泛应用于医疗、自然语言处理、金融、工业制造等领域。然而,LightGBM在高维数据处理、类别特征处理、模型解释性等方面仍面临许多挑战。目前,解决这些问题的方法主要集中在特征工程、可视化、模型混合等方面,并取得了很好的效果。介绍了决策树家族的相关算法原理和变体研究;对LightGBM的原理、优缺点进行梳理,归纳出算法所面临的挑战,并指出LightGBM未来的研究热点和难点;对LightGBM的发展进行了总结和展望。

关键词：轻梯度提升机算法决策树集成学习机器学习

来源：评论

学校读者我要写书评

暂无评论

联邦学习的公平性综述

引用

计算机应用 2025年第1期45卷 1-14页

作者：张淑芬张宏扬任志强陈学斌华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室(华北理工大学) 河北唐山063210 唐山市大数据安全与智能计算重点实验室(华北理工大学) 河北唐山063210 唐山市数据科学重点实验室(华北理工大学) 河北唐山063210

联邦学习(FL)凭借分布式结构和隐私安全的优势快速发展,但大规模FL引发的公平性问题影响了FL系统的可持续性。针对FL的公平性问题,对近年FL公平性的研究工作进行了系统梳理和深度分析。首先,对FL的工作流程和定义进行了解释,总结了FL中... 详细信息

联邦学习(FL)凭借分布式结构和隐私安全的优势快速发展,但大规模FL引发的公平性问题影响了FL系统的可持续性。针对FL的公平性问题,对近年FL公平性的研究工作进行了系统梳理和深度分析。首先,对FL的工作流程和定义进行了解释,总结了FL中的偏见和公平性概念;其次,详细归纳了FL公平性研究中常用的数据集,探讨了公平性研究所面临的挑战;最后,从数据源选择、模型优化、贡献评估和激励机制这4个方面归纳梳理了相关研究工作的优缺点、适用场景以及实验设置等,并展望了FL公平性未来的研究方向和趋势。

关键词：联邦学习公平性数据选择模型优化贡献评估激励机制

来源：评论

学校读者我要写书评

暂无评论

面向语音伪造检测的集成学习方法研究

引用

重庆邮电大学学报(自然科学版) 2025年第2期37卷 250-260页

作者：阎红灿李闰淼樊秋红华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210

现有主流语音伪造检测模型大多基于深度学习技术构建,关于集成学习方法在该领域的应用研究相对较少。鉴于集成学习在提高检测系统泛化能力和鲁棒性方面的优势,为进一步拓展语音伪造检测方法可优化的方向,深入研究了常见的集成学习方法,... 详细信息

现有主流语音伪造检测模型大多基于深度学习技术构建,关于集成学习方法在该领域的应用研究相对较少。鉴于集成学习在提高检测系统泛化能力和鲁棒性方面的优势,为进一步拓展语音伪造检测方法可优化的方向,深入研究了常见的集成学习方法,分别构建基于不同集成算法的语音伪造检测模型与深度学习模型进行对比实验。结果表明,通过集成可以更全面地理解和捕捉伪造攻击的多样性,提高了模型融合的灵活性,并且结合深度学习和适当融合策略的集成学习模型能够取得更好的语音伪造检测效果,其中LightGBM和结合投票法的并行训练模型表现更优。

关键词：语音伪造检测集成学习 LightGBM 并行训练快照集成

来源：评论

学校读者我要写书评

暂无评论

MSHC:一种多阶段超图聚类算法

引用

深圳大学学报(理工版) 2025年第1期42卷 68-76页

作者：张春英王静刘璐兰思武张庆达华北理工大学理学院河北唐山063210 华北理工大学河北省数据科学与应用重点实验室河北唐山063210 华北理工大学唐山市工程计算重点实验室河北唐山063210 华北理工大学唐山市智能工业与图像处理技术创新中心河北唐山063210 华北理工大学铁矿石优选与铁前工艺智能化河北省工程研究中心河北唐山063210

超图作为普通图的高维推广,能够更加灵活地反映节点间的高阶复杂关系.超图聚类旨在发现超图结构中复杂的高阶关联关系.针对目前超图聚类结果不稳定、容易陷入局部最优等问题,结合超图划分思想,提出一种多阶段超图聚类(multi-stage hyper... 详细信息

超图作为普通图的高维推广,能够更加灵活地反映节点间的高阶复杂关系.超图聚类旨在发现超图结构中复杂的高阶关联关系.针对目前超图聚类结果不稳定、容易陷入局部最优等问题,结合超图划分思想,提出一种多阶段超图聚类(multi-stage hypergraph clustering,MSHC)算法,该算法将超图聚类过程分为超图约简、超图初始聚类以及优化迁移3个阶段.在超图约简阶段,提出一种不改变超图结构的快速约简方法,降低了后续算法的复杂度;提出基于集对分析理论的超图节点间相似性度量方法,并采用层次聚类方法对超图进行初始聚类,采用4种不同的类簇合并计算方法,增加聚类方案的多样性;将遗传算法应用于优化超图聚类方案的研究中,以此获得最优超图聚类方案.在3个不同规模的数据集上与4个经典的超图聚类方法进行对比实验,结果表明,MSHC算法在Songs_genres数据集和Papers_keywords数据集上超图模块度指数分别提高了0.0797和0.0777,在Movies_genres数据集上仅降低0.0060.

关键词：数据处理超图聚类遗传算法集对分析理论超图约简多阶段聚类超图模块度

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：