检索结果-内蒙古大学图书馆

火力与指挥控制 2024年第10期49卷 8-18页

作者：潘成胜程博王建伟施建锋南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学计算机学院、网络空间安全学院南京210044

针对陆军合成旅作战任务多样化、作战力量多类别带来的协同指挥难的问题,提出一种基于SCMOPSO算法的陆军合成旅协同多任务分配方法。根据陆军合成旅协同作战特性建立了协同多任务分配模型,提出一种SCMOPSO算法对该模型进行求解,设计了... 详细信息

针对陆军合成旅作战任务多样化、作战力量多类别带来的协同指挥难的问题,提出一种基于SCMOPSO算法的陆军合成旅协同多任务分配方法。根据陆军合成旅协同作战特性建立了协同多任务分配模型,提出一种SCMOPSO算法对该模型进行求解,设计了不同作战场景进行仿真验证。仿真结果表明,该方法显著降低了陆军合成旅协同多任务分配方案的任务执行时间与成本消耗,且所提SCMOPSO算法在各项评价指标中均优于传统的NSGA-II与MOPSO算法。

关键词：协同多任务分配多目标优化粒子群算法交叉进化

来源：评论

学校读者我要写书评

暂无评论

基于细节还原卷积神经网络的压缩视频质量增强技术研究

引用

南京信息工程大学学报（自然科学版） 2023年第3期15卷 274-285页

作者：李子晗邵笑张佩云南京信息工程大学计算机学院南京210044

视频编码技术有效地解决了原始视频数据量过大的问题,但压缩效率的提升会使视频质量下降.为了提高压缩视频的视觉质量,本文提出了一种基于细节还原卷积神经网络(Detail Recovery Convolutional Neural Network, DRCNN)的视频质量增强方... 详细信息

视频编码技术有效地解决了原始视频数据量过大的问题,但压缩效率的提升会使视频质量下降.为了提高压缩视频的视觉质量,本文提出了一种基于细节还原卷积神经网络(Detail Recovery Convolutional Neural Network, DRCNN)的视频质量增强方法,该方法由一个主去噪分支和一个细节补偿分支组成.为了有效地提取和消除压缩失真,在主去噪分支中提出了一个多尺度失真特征提取块(Multi-scale Distortion Feature Extraction Block, MDFEB),使其更加关注压缩视频中的失真区域,并提高DRCNN的失真特征学习能力.此外,为了丰富压缩视频中的细节,本文提出了细节补偿分支:首先采用预训练的50层残差网络组成的内容特征提取器,提供丰富的内容特征,如突出的物体、形状、细节等;然后通过设计的细节响应块(Detail Response Block, DRB)从内容特征中有效地提取细节特征.大量的实验结果表明,与4种有代表性的方法相比,本文所提出的DRCNN实现了最佳的压缩视频质量增强性能.

关键词：视频质量增强深度学习视频后处理多尺度特征提取

来源：评论

学校读者我要写书评

暂无评论

基于图像小波域自适应干扰的GAN生成人脸反取证

引用

东南大学学报（自然科学版） 2024年第5期54卷 1330-1338页

作者：陈北京李玉茹舒华忠南京信息工程大学计算机学院南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 东南大学影像科学与技术实验室南京210096

针对现有生成对抗网络(GAN)生成人脸反取证方法攻击迁移性不强的问题,提出了一个基于图像小波域自适应干扰的GAN生成人脸反取证方法以提升攻击迁移性.该方法通过对GAN生成人脸图像的小波域信息(即图像经过小波分解后的频率分量)施加扰... 详细信息

针对现有生成对抗网络(GAN)生成人脸反取证方法攻击迁移性不强的问题,提出了一个基于图像小波域自适应干扰的GAN生成人脸反取证方法以提升攻击迁移性.该方法通过对GAN生成人脸图像的小波域信息(即图像经过小波分解后的频率分量)施加扰动以实现其对取证模型的抵抗,并且分别在空域和频域上基于最小可觉察误差(JND)设计自适应扰动阈值,对图像不同像素点位置设置不同的扰动强度,从而增强扰动的人眼不可感知性.此外,还设计了一种数据增强方式对反取证人脸进行数据分布多样性扩充,以进一步提升攻击迁移性.实验结果表明,与6种基线方法相比,所提方法生成的反取证人脸在保证扰动对人眼不可感知前提下具有更强的攻击迁移性.

关键词：对抗扰动 GAN生成人脸反取证离散小波变换(DWT) 最小可觉察误差

来源：评论

学校读者我要写书评

暂无评论

渐进式多尺度因果干预航拍图像分割

引用

中国图象图形学报 2023年第2期28卷 628-642页

作者：周峰杭仁龙徐超刘青山杨国为南京审计大学计算机学院南京 211815 南京信息工程大学计算机与软件学院南京 210044 南京审计大学计算机学院南京 211815 青岛大学电子信息学院青岛 266071

目的航拍图像分割为遥感领域中许多实际应用提供支撑.与传统方法相比,深度学习方法能够自适应地学习与任务相关的特征,极大提升了分割精度,但忽略了数据集中的偏置问题.由偏置引起的混杂因子干扰使分割方法容易获得模糊的物体边缘,并... 详细信息

目的航拍图像分割为遥感领域中许多实际应用提供支撑.与传统方法相比,深度学习方法能够自适应地学习与任务相关的特征,极大提升了分割精度,但忽略了数据集中的偏置问题.由偏置引起的混杂因子干扰使分割方法容易获得模糊的物体边缘,并且难以区分易混淆物体.针对这个问题,提出了一种基于渐进式多尺度因果干预的模型.方法首先,使用深度卷积神经网络提取航拍图像的卷积特征.然后,解混杂模块引入类别隐特征,近似表示混杂因子特征.同时,使用混杂因子特征以因果干预的方式将卷积特征分解成对应每一种混杂因子下的特征表示,抑制特定混杂因子的干扰.最后,由深层解混杂特征得到的分割结果,经过融合模块指导浅层解混杂特征生成分割结果,以此得到每个尺度的分割结果,并以加权求和的方式得到最终分割结果.结果实验在公开的航拍图像数据集Potsdam和Vaihingen上进行,与6种先进的深度学习分割方法和7种公开的基准方法进行对比.本文方法在Potsdam和Vaihingen数据集中的总体准确率分别为90.3％和90.8％,相比性能第2的深度学习方法分别提高了0.6％和0.8％.与性能第2的基准方法相比,本文方法在Potsdam和Vaihingen数据集上的总体准确率分别提升了1.3％和0.5％.结论本文提出的分割模型能够有效缓解数据集中的偏置问题,提升了航拍图像分割性能.

关键词：航拍图像语义分割卷积神经网络(CNN) 因果干预解混杂

来源：评论

学校读者我要写书评

暂无评论

基于Kriging模型的改进型NSGA-Ⅲ解决昂贵优化问题

引用

计算机科学 2023年第7期50卷 194-206页

作者：耿焕同宋飞飞周征礼徐小涵南京信息工程大学计算机学院南京210044

在许多实际的优化问题中,为了进行适应度评估,其物理实验或数值仿真代价高昂,这给大多数现有的多目标进化算法(EAs)带来了巨大挑战。因此,文中提出了一种基于克里金模型辅助的改进参考点引导进化的优化算法,用于解决昂贵的超多目标优化... 详细信息

在许多实际的优化问题中,为了进行适应度评估,其物理实验或数值仿真代价高昂,这给大多数现有的多目标进化算法(EAs)带来了巨大挑战。因此,文中提出了一种基于克里金模型辅助的改进参考点引导进化的优化算法,用于解决昂贵的超多目标优化问题。具体而言,根据种群的空间分布特征,借助关联点的熵差信息筛选参考点引导进化,以达到探索与开发的平衡。所提出的代理辅助进化算法(SAEA)使用克里金法来逼近每个目标函数,而无需进行原始昂贵的函数评估从而降低了计算成本。模型管理中采用一种纯指标填充采样准则,借助收敛性、多样性指标确定适当采样策略并使用昂贵目标函数对采样解进行真实评估以提升种群收敛与算法优化的效率。对具有3个以上目标的80个DTLZ与WFG基准测试问题进行了对比研究,证明了此算法的有效性和可行性。

关键词：昂贵耗时问题进化算法代理辅助多目标优化 Kriging模型模型管理

来源：评论

学校读者我要写书评

暂无评论

融合社交关系的流行度偏好感知序列推荐方法

引用

数据分析与知识发现 2025年

作者：吴亦凡马崧捷李树青南京信息工程大学商学院南京财经大学计算机与人工智能学院

[目的]感知用户个人及其好友对流行度处于某一阶段的商品产生的偏好，实现更准确的推荐。[方法]首先计算融合贡献度和影响力的项目流行度，使用注意力机制和循环神经网络捕捉个人的流行度偏好表征，并使用卷积网络和图注意力机制获得好... 详细信息

[目的]感知用户个人及其好友对流行度处于某一阶段的商品产生的偏好，实现更准确的推荐。[方法]首先计算融合贡献度和影响力的项目流行度，使用注意力机制和循环神经网络捕捉个人的流行度偏好表征，并使用卷积网络和图注意力机制获得好友的长短期流行度偏好。[结果]在Douban数据集、Deliciouse数据集、Yelp数据集上进行了对比实验，本模型的评价指标均优于次优模型DGRec。Recall@20最高提升13.03%，NDCG最高提升11.69%；本文提出的流行度计算方法相比于传统的计算方法Recall@20最高提升11.53%，NDCG最高提升10.29%。[局限]本模型在处理短序列时性能较差。[结论]本模型增加了用户流行度偏好表征和用户社交流行度偏好表征，增强了对每次交互权重的表达能力，为长尾项目提供了一定的曝光率。代码见：https://***/msj1010/SPPSRec＿Pytorch。

关键词：序列推荐项目流行度长尾效应自注意力机制循环神经网络

来源：评论

学校读者我要写书评

暂无评论

生物序列比对动态规划算法的统一形式化构造与Isabelle验证

引用

计算机研究与发展 2025年第1期62卷 119-131页

作者：石海鹤蓝孙文刘日明石海鹏王岚钟林辉江西师范大学计算机信息工程学院南昌330022 江西师范大学软件学院南昌330022

序列比对是生物序列分析中的一个经典问题,旨在找出序列之间的相似性,它对于发现生物序列中的功能、结构和进化信息都具有重要的意义.该问题可分为双序列比对和多序列比对2类,现有工作多针对特定算法展开,没有设计通用的求解方法;此外,... 详细信息

序列比对是生物序列分析中的一个经典问题,旨在找出序列之间的相似性,它对于发现生物序列中的功能、结构和进化信息都具有重要的意义.该问题可分为双序列比对和多序列比对2类,现有工作多针对特定算法展开,没有设计通用的求解方法;此外,甚少涉及算法可信性的研究.从生物序列比对问题的形式化规约出发,通过深入分析问题的性质,刻画问题求解的本质特征,借助形式化方法PAR(partition andrecursion)设计了序列比对动态规划算法的统一构造框架seqAlign;展示了应用该框架构造序列数为3的多序列比对算法的过程,并使用Isabelle定理证明器对构造结果进行形式化验证;利用PAR平台生成了该算法的C++可执行程序,进一步分析了由seqAlign框架机械化构造其他类型序列比对算法的过程.通过严密的规约精化和形式验证,有效地保证了生成算法的可信性;开发的seqAlign框架提供了序列比对问题类的通用求解方案,显著提高了序列比对算法族生成的效率.研究结果在生物序列分析中序列比对问题上的成功应用,从方法学和实践上可为复杂生物信息学领域高可靠算法的构造提供参考.

关键词：序列比对 PAR方法形式构造 Isabelle定理证明器

来源：评论

学校读者我要写书评

暂无评论

人工智能背景下面向计算思维能力培养的《计算机组成原理》教学改革与实践

引用

实验室研究与探索 2023年第12期42卷 129-135页

作者：郭萍庄伟许小龙南京信息工程大学计算机学院、网络空间安全学院南京210044 南京信息工程大学软件学院南京210044

计算思维作为继科学思维和实验思维后的第三大思维方式,是信息化时代人们认识和解决问题的基本能力之一,也是应对人工智能挑战的必备思维能力。《计算机组成原理》作为计算机类专业重要的必修课程,需要进行教学改革,培养学生的计算思维... 详细信息

计算思维作为继科学思维和实验思维后的第三大思维方式,是信息化时代人们认识和解决问题的基本能力之一,也是应对人工智能挑战的必备思维能力。《计算机组成原理》作为计算机类专业重要的必修课程,需要进行教学改革,培养学生的计算思维能力。结合实际教学工作,介绍了基于计算思维能力培养的《计算机组成原理》课程全面改革,通过教学内容重构、“问-思-做-评”教学方法,及“产出导向”的多元化考核评价等方面的改革与实践,培养学生计算思维能力,提高他们解决问题和创新能力,以适应人工智能时代的挑战和需求。

关键词：人工智能计算思维能力 “问-思-做-评”四步教学法 “产出导向”考核评价

来源：评论

学校读者我要写书评

暂无评论

基于多质量因子压缩误差的对抗样本攻击方法识别

引用

中国图象图形学报 2023年第3期28卷 850-863页

作者：赵俊杰王金伟吴俊凤南京信息工程大学电子与信息工程学院南京210044 南京信息工程大学计算机学院南京210044 数字取证教育部工程研究中心南京210044

目的对抗样本严重干扰了深度神经网络的正常工作。现有的对抗样本检测方案虽然能准确区分正常样本与对抗样本,但是无法判断具体的对抗攻击方法。对此,提出一种基于多质量因子压缩误差的对抗样本攻击方法识别方案,利用对抗噪声对JPEG压... 详细信息

目的对抗样本严重干扰了深度神经网络的正常工作。现有的对抗样本检测方案虽然能准确区分正常样本与对抗样本,但是无法判断具体的对抗攻击方法。对此,提出一种基于多质量因子压缩误差的对抗样本攻击方法识别方案,利用对抗噪声对JPEG压缩的敏感性实现攻击方法的识别。方法首先使用卷积层模拟JPEG压缩、解压缩过程中的颜色转换和空频域变换,实现JPEG误差在图形处理器(graphic processing unit,GPU)上的并行提取。提出多因子误差注意力机制,在计算多个质量因子压缩误差的同时,依据样本差异自适应调整各质量因子误差分支的权重。以特征统计层为基础提出注意力特征统计层。多因子误差分支的输出经融合卷积后,获取卷积层多维特征的同时计算特征权重,从而形成高并行对抗攻击方法识别模型。结果本文以Image Net图像分类数据集为基础,使用8种攻击方法生成了15个子数据集,攻击方法识别率在91%以上;在快速梯度符号法(fast gradient sign method,FGSM)和基本迭代法(basic iterative method,BIM)数据集上,噪声强度识别成功率超过96%;在对抗样本检测任务中,检测准确率达到96%。结论所提出的多因子误差注意力模型综合利用了对抗噪声的分布差异及其对JPEG压缩的敏感性,不仅取得了优异的对抗攻击方法识别效果,而且对于对抗噪声强度识别、对抗样本检测等任务有着优越表现。

关键词：图像处理卷积神经网络(CNN) 对抗样本图像分类压缩误差

来源：评论

学校读者我要写书评

暂无评论

基于样本内外协同表示和自适应融合的多模态学习方法

引用

计算机研究与发展 2024年第5期61卷 1310-1324页

作者：黄学坚马廷淮王根生江西财经大学虚拟现实(VR)现代产业学院南昌330013 南京信息工程大学计算机学院南京210044 江西财经大学信息管理学院南昌330013

多模态机器学习是一种新的人工智能范式,结合各种模态和智能处理算法以实现更高的性能.多模态表示和多模态融合是多模态机器学习的2个关键任务.目前,多模态表示方法很少考虑样本间的协同,导致特征表示缺乏鲁棒性,大部分多模态特征融合... 详细信息

多模态机器学习是一种新的人工智能范式,结合各种模态和智能处理算法以实现更高的性能.多模态表示和多模态融合是多模态机器学习的2个关键任务.目前,多模态表示方法很少考虑样本间的协同,导致特征表示缺乏鲁棒性,大部分多模态特征融合方法对噪声数据敏感.因此,在多模态表示方面,为了充分学习模态内和模态间的交互,提升特征表示的鲁棒性,提出一种基于样本内和样本间多模态协同的表示方法.首先,分别基于预训练的BERT,Wav2vec 2.0,Faster R-CNN提取文本特征、语音特征和视觉特征;其次,针对多模态数据的互补性和一致性,构建模态特定和模态共用2类编码器,分别学习模态特有和共享2种特征表示;然后,利用中心矩差异和正交性构建样本内协同损失函数,采用对比学习构建样本间协同损失函数;最后,基于样本内协同误差、样本间协同误差和样本重构误差设计表示学习函数.在多模态融合方面,针对每种模态可能在不同时刻表现出不同作用类型和不同级别的噪声,设计一种基于注意力机制和门控神经网络的自适应的多模态特征融合方法.在多模态意图识别数据集MIntRec和情感数据集CMU-MOSI,CMU-MOSEI上的实验结果表明,该多模态学习方法在多个评价指标上优于基线方法.

关键词：多模态表示多模态融合多模态学习协同表示自适应融合

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：