检索结果-内蒙古大学图书馆

兵工学报 2022年第12期43卷 3132-3141页

作者：徐雨芯顾楚梅曹建军许金勇魏志虎南京信息工程大学计算机与软件学院江苏南京210044 国防科技大学第六十三研究所江苏南京210007

为提高辐射源个体识别的准确率和可靠性,定义并研究孪生辐射源个体识别问题,提出基于蚁群特征选择并行分类集成学习的孪生辐射源个体识别方法。用皮尔森相关系数法确定不同分类器输出结果的分布矩阵的差异性,以基于蚁群特征选择的并行... 详细信息

为提高辐射源个体识别的准确率和可靠性,定义并研究孪生辐射源个体识别问题,提出基于蚁群特征选择并行分类集成学习的孪生辐射源个体识别方法。用皮尔森相关系数法确定不同分类器输出结果的分布矩阵的差异性,以基于蚁群特征选择的并行分类器中各子分类器分类准确率最高、差异性最大并使输入特征子集规模最小为目标建立设计模型,结合模型特点设计求解模型的蚁群算法。各子分类器根据其与所有子分类器的差异度和可靠度确定权重,差异度和可靠度越大,所占权重越大,根据不同权重子分类器预测结果的加权和进行最终决策。为验证方法的优越性,在原始电台采集信号、添加10 dB噪声、添加5 dB噪声3组数据下,将新方法和单一分类器、Adaboost算法及随机森林算法进行实验对比。研究结果表明,所提并行分类器设计模型分类准确率分别为88.70%、76.70%、64.80%,提高了特征的利用率和分类的准确性,优于其余3种方法。

关键词：特征选择支持向量机集成学习蚁群算法二分类问题

来源：评论

学校读者我要写书评

暂无评论

基于RCJAYA算法的太阳电池参数辨识

引用

北京航空航天大学学报 2024年第7期50卷 2133-2140页

作者：欧阳城添黄祖威刘裕嘉张林朱东林周昌军江西理工大学信息工程学院赣州341000 江西应用科技学院人工智能学院南昌330100 江西理工大学软件工程学院南昌330000 浙江师范大学计算机科学与技术学院金华321004

为提升智能优化算法辨识太阳电池参数的精度和准确度,提出一种基于排序概率量化机制和混沌扰动JAYA算法(RCJAYA)的辨识方法。RCJAYA算法根据排序概率选择不同方式对个体进行更新,以平衡局部和全局搜索能力,保持种群多样性;对最优个体进... 详细信息

为提升智能优化算法辨识太阳电池参数的精度和准确度,提出一种基于排序概率量化机制和混沌扰动JAYA算法(RCJAYA)的辨识方法。RCJAYA算法根据排序概率选择不同方式对个体进行更新,以平衡局部和全局搜索能力,保持种群多样性;对最优个体进行混沌扰动,发掘更优解替代最差解,提升种群质量;采用替换策略更新陷入停滞的个体,提升算法性能。通过RCJAYA算法辨识参数得到的太阳电池单、双二极管的电流均方根误差最优值分别为9.8602×10^(-4)A、9.8258×10^(-4)A,与JAYA等5种算法对比,结果表明,RCJAYA算法更具优势。根据辨识结果计算出模拟电流,与实测电流进行比对,在单、双二极管上的平均误差分别为0.00084 A、0.00082 A,表明RCJAYA算法辨识的参数值准确可靠。

关键词：太阳电池参数辨识 JAYA算法排序概率混沌扰动

来源：评论

学校读者我要写书评

暂无评论

深度信号引导学习混合变换器的高性能无监督视频目标分割

引用

电子学报 2023年第5期51卷 1388-1395页

作者：苏天康宋慧慧樊佳庆张开华南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044 南京信息工程大学大气环境与装备技术协同创新中心江苏南京210044 南京航天航空大学计算机与科学技术学院江苏南京211106

现存的无监督视频目标分割方法通常使用光流作为运动线索来提升模型性能.然而,光流的估计常存在误差,这将导致双流网络易对噪声过拟合.为此,本文提出一种基于混合变换器的无监督视频目标分割算法,通过引入深度信号引导变换器高效融合不... 详细信息

现存的无监督视频目标分割方法通常使用光流作为运动线索来提升模型性能.然而,光流的估计常存在误差,这将导致双流网络易对噪声过拟合.为此,本文提出一种基于混合变换器的无监督视频目标分割算法,通过引入深度信号引导变换器高效融合不同模态数据,以学习更加鲁棒的特征表达,从而减轻模型对噪声的过拟合.首先,设计一个新颖的混合注意力模块来获得全局感受野并对不同模态的特征进行充分交互,以增强特征的全局语义信息来提升模型的抗干扰能力.接着,为了进一步感知精细化的目标边缘,设计了一个局部-非局部语义增强模块,将局部语义的归纳偏置引入补充学习非局部语义特征,在提升模型抗干扰力的同时突出更精细化的目标区域.最后,增强后的特征输入变换器的解码器,预测得到高质量的分割结果 .与最先进的方法相比,本文所提算法在四个标准数据集上都获得了领先的性能,充分表明了本文所提方法的有效性.

关键词：无监督视频目标分割混合变换器混合注意力多模态深度估计鲁棒特征

来源：评论

学校读者我要写书评

暂无评论

基于残差注意网络的端到端手写文本识别方法

引用

控制与决策 2023年第7期38卷 1825-1834页

作者：王寅同郑豪常合友李朔南京晓庄学院信息工程学院南京211171 浙江大学计算机科学与技术学院杭州310058 英国德蒙福特大学人工智能研究所莱斯特LE19BH

中文手写文本识别是模式识别领域中的研究热点问题之一,其存在字符类别数量多、书写风格差异大和训练数据集标记难等问题.针对上述问题,提出无切分无循环的残差注意网络结构用于端到端手写文本识别.首先,以ResNet-26为主体结构,使用深... 详细信息

中文手写文本识别是模式识别领域中的研究热点问题之一,其存在字符类别数量多、书写风格差异大和训练数据集标记难等问题.针对上述问题,提出无切分无循环的残差注意网络结构用于端到端手写文本识别.首先,以ResNet-26为主体结构,使用深度可分离卷积提取有意义特征,残差注意门控模块提升文本图像中的关键区域的重要性;其次,采用批量双线性插值模型对输入表征进行拉伸-挤压,实现二维文本表征到一维文本行表征的文本行上采样;最后,以连接时序分类作为识别模型的损失函数,实现高层次抽取表征与字符序列标记的对应关系.在CASIA-HWDB2.x和ICDAR2013两个数据集上进行实验研究,结果表明,所提方法在没有任何字符或文本行的位置信息时能够有效地实现端到端手写文本识别,且优于现有的方法.

关键词：手写文本识别深度可分离卷积残差注意门控双线性插值文本行上采样连接时序分类

来源：评论

学校读者我要写书评

暂无评论

面向无人机自组网和车联网的媒体接入控制协议研究综述

引用

电子与信息学报 2022年第3期44卷 790-802页

作者：董超陶婷冯斯梦屈毓锛刘青昕吴钰蕾张珉南京航空航天大学电子信息工程学院南京211106 上海交通大学计算机科学与工程系上海200240

随着移动通信技术的迭代更新,车联网(VANET)和无人机自组网(FANETs)已成为通信网络的重要组成部分,而媒体接入控制(MAC)协议则是移动自组织网络未来发展的核心研究内容之一。安全控制信息和用户业务信息是自组织网络最主要的两类信息,... 详细信息

随着移动通信技术的迭代更新,车联网(VANET)和无人机自组网(FANETs)已成为通信网络的重要组成部分,而媒体接入控制(MAC)协议则是移动自组织网络未来发展的核心研究内容之一。安全控制信息和用户业务信息是自组织网络最主要的两类信息,而两者不同的服务质量(QoS)需求对MAC机制的设计带来了严峻的考验。该文主要考虑车联网和无人机自组网,针对其网络特征,从不同的优化目标出发,对其使用的MAC协议进行分析与归纳,并对下一步的研究方向进行了思考与展望。

关键词：媒体接入控制协议移动自组织网络多无人系统优化性能

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv5算法的农田杂草检测

引用

中国农机化学报 2023年第4期44卷 167-173页

作者：王宇博马廷淮陈光明南京信息工程大学计算机与软件学院南京市210044 南京交通职业技术学院电子信息工程学院南京市211188 南京农业大学工学院南京市210031

随着智慧农业技术和大田种植技术的不断发展,自动除草具有广阔的市场前景。关于除草剂自动喷洒的有效性,农田杂草的精准、快速地识别和定位是关键技术之一。基于此提出一种改进的YOLOv5算法实现农田杂草检测,该方法通过改进数据增强方式... 详细信息

随着智慧农业技术和大田种植技术的不断发展,自动除草具有广阔的市场前景。关于除草剂自动喷洒的有效性,农田杂草的精准、快速地识别和定位是关键技术之一。基于此提出一种改进的YOLOv5算法实现农田杂草检测,该方法通过改进数据增强方式,提高模型泛化性;通过添加注意力机制,增强主干网络的特征提取能力;通过改进框回归损失函数,提升预测框的准确率。试验表明,在芝麻作物和多种杂草的复杂环境下,本文方法的检测平均精度均值mAP为90.6%,杂草的检测平均精度AP为90.2%,比YOLOv5s模型分别提高4.7%和2%。在本文试验环境下,单张图像检测时间为2.8 ms,可实现实时检测。该研究内容可以为农田智能除草设备提供参考。

关键词：杂草检测 YOLOv5 数据增强注意力机制回归损失函数

来源：评论

学校读者我要写书评

暂无评论

低资源场景事件抽取研究综述

引用

计算机科学 2024年第2期51卷 217-237页

作者：刘涛蒋国权刘姗姗刘浏环志刚南京信息工程大学计算机学院软件学院网络安全空间学院南京210044 国防科技大学第六十三研究所南京210007

事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息。当前基于机器学习和深度学习的自动化信息抽取方法过度依赖于标注数据,而大多数领域的标准数据集规模很小且分布不均匀,因此低资源场景成为了限制自动化信... 详细信息

事件抽取作为信息抽取的任务之一,旨在从非结构化文本中抽取出结构化事件信息。当前基于机器学习和深度学习的自动化信息抽取方法过度依赖于标注数据,而大多数领域的标准数据集规模很小且分布不均匀,因此低资源场景成为了限制自动化信息抽取性能的瓶颈。虽然,近年来众多学者针对低资源场景进行了深入研究,并取得了许多显著的成果,但目前针对该场景下的事件抽取研究综述比较缺乏。文中对现有的学术成果进行了较为全面的总结分析,首先介绍了相关任务的定义,并将低资源场景事件抽取任务分为3类;其次围绕此分类重点阐述了6种相关技术方法,包括基于迁移学习、基于提示学习、基于无监督学习、基于弱监督学习、基于数据与辅助知识增强、基于元学习的方法,并指出了当前方法的不足和未来改进的方向;然后介绍了相关数据集及评价指标,并对典型技术方法的实验结果进行了总结分析;最后从全局角度总结分析了当前低资源场景事件抽取工作面临的挑战及未来研究的趋势。

关键词：事件抽取低资源场景数据处理场景适应

来源：评论

学校读者我要写书评

暂无评论

基于时间自动机的数据流通控制建模及验证

引用

通信学报 2025年第3期46卷 13-27页

作者：李恒李凤华梁琬珩郭云川张玲翠周紫妍中国科学院信息工程研究所北京100085 中国科学院大学网络空间安全学院北京100049 网络空间安全防御全国重点实验室北京100085 自然资源部国家基础地理信息中心北京100830 南京信息工程大学计算机学院、网络空间安全学院江苏南京210044

为了解决数据跨域流通控制策略生成、传递与执行的可行性、正确性和安全性验证难题,提出了一种基于时间自动机和计算树时序逻辑的形式化建模及验证方法。该方法首先针对数据流通控制流程,以及数据交易场景(模式)下的数据提供者、数据使... 详细信息

为了解决数据跨域流通控制策略生成、传递与执行的可行性、正确性和安全性验证难题,提出了一种基于时间自动机和计算树时序逻辑的形式化建模及验证方法。该方法首先针对数据流通控制流程,以及数据交易场景(模式)下的数据提供者、数据使用者(含数据经纪人)和数据监管者等实体分别进行形式化建模;随后给出了数据交易过程中,安全需求性质和流通控制属性的计算树时序逻辑形式化规约描述;最后,对上述时间自动机模型进行仿真,并对其性质和属性进行形式化验证与分析。实例分析表明,所提方法可以有效验证数据流通控制机制的可行性、正确性和安全性。

关键词：数据要素流通访问控制时间自动机延伸控制形式化方法验证

来源：评论

学校读者我要写书评

暂无评论

无人机辅助边缘计算网络轨迹规划与资源分配研究综述

引用

电子与信息学报 2025年第5期47卷 1266-1281页

作者：王侃曹铁林李旭杰李红艳李萌周墨淼西安理工大学计算机科学与工程学院西安710048 河海大学计算机与软件学院南京210098 西安电子科技大学通信工程学院西安710071 北京工业大学信息科学技术学院北京100124 合肥工业大学计算机与信息学院合肥230009

无人机辅助移动边缘计算(MEC)具有灵活部署、快速响应、广域覆盖、分布计算和可扩展性等优势,在智慧城市、环境监测和应急救援等领域具有广阔应用前景,是提升低空智能网联服务质量的重要研究方向。该文围绕无人机辅助MEC场景的飞行轨迹... 详细信息

无人机辅助移动边缘计算(MEC)具有灵活部署、快速响应、广域覆盖、分布计算和可扩展性等优势,在智慧城市、环境监测和应急救援等领域具有广阔应用前景,是提升低空智能网联服务质量的重要研究方向。该文围绕无人机辅助MEC场景的飞行轨迹与资源分配联合优化,从离线优化和在线优化两个维度展开分析:针对离线联合优化,以不同优化性能指标为切入点,从网络场景、性能控制方法和算法设计3个方面梳理研究现状;针对在线联合优化,以优化框架为基础,从网络场景、性能指标和控制方法3个方面梳理研究现状;针对离线与在线混合优化,阐述当前研究成果。最后,聚焦无人机辅助MEC网络与其它网络制式融合时产生的新问题,讨论离线优化环境状态收集、离线优化智能化求解、在线优化多无人机实时协同、在线优化实时信息反馈、无人机能效优化和空-地通信安全保障等关键技术挑战及其未来研究方向。

关键词：移动边缘计算无人机轨迹优化在线优化离线优化

来源：评论

学校读者我要写书评

暂无评论

时空渐进式学习的视频显著性目标检测

引用

计算机系统应用 2023年第4期32卷 317-328页

作者：王星驰李军侠南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044

视频显著性目标检测需要同时结合空间信息和时间信息,连续地定位视频序列中与运动相关的显著性目标,其核心问题在于如何高效地刻画运动目标的时空特征.现有的视频显著性目标检测算法大多使用光流,ConvLSTM以及3D卷积等提取时域特征,缺... 详细信息

视频显著性目标检测需要同时结合空间信息和时间信息,连续地定位视频序列中与运动相关的显著性目标,其核心问题在于如何高效地刻画运动目标的时空特征.现有的视频显著性目标检测算法大多使用光流,ConvLSTM以及3D卷积等提取时域特征,缺乏对时间信息的连续学习能力.为此,设计了一种鲁棒的时空渐进式学习网络(spatial-temporal progressive learning network,STPLNet),以完成对视频序列中显著性目标的高效定位.在空间域中使用一种U型结构对各视频帧进行编码解码,在时间域中通过学习视频序列中帧间运动目标的主体部分和形变区域特征,渐进地对运动目标特征进行编码,能够捕捉到目标的时间相关性特征和运动趋向性.在4个公开数据集上与13个主流的视频显著性目标检测算法进行一系列对比实验,所提出的模型在多个指标(maxF,Smeasure(S),MAE)上达到了最优结果,同时在运行速度上具有较好的实时性.

关键词：视频显著性目标检测深度学习空间信息时间信息静态特征挖掘运动特征渐进学习

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：