检索结果-内蒙古大学图书馆

计算机学报 2014年第5期37卷 1100-1110页

作者：辛知陈惠宇韩浩茅兵谢立南京大学软件新技术国家重点实验室南京210093 南京大学计算机科学与技术系南京210093

内核Rootkit对于操作系统来说是个严重的威胁.入侵者通过植入内核Rootkit,修改一些关键的内核结构体,实现恶意进程隐藏、日志文件删除、私密信息窃取等恶意行为.由于Rootkit主要通过篡改内核结构体对象来实现控制流截取,因此我们试图通... 详细信息

内核Rootkit对于操作系统来说是个严重的威胁.入侵者通过植入内核Rootkit,修改一些关键的内核结构体,实现恶意进程隐藏、日志文件删除、私密信息窃取等恶意行为.由于Rootkit主要通过篡改内核结构体对象来实现控制流截取,因此我们试图通过结构体随机化来防御这些入侵.在文中,作者提出了一种基于编译器的自动结构体随机化技术,解决了包括结构体的可随机化识别,随机化语义不变保护以及自动随机化等多个技术难题,最终利用随机环境下攻击者无法预知结构体域排列的特点,实现对内核Rootkit的防御.在实验环节,我们在被随机化的Linux系统中测试了已知的5种不同原理的8个真实的Rootkit,结果展示了我们的方法以几乎零负荷的代价防御了全部的Rootkit加载.

关键词：计算机安全内核Rootkit 随机化结构体操作系统网络安全信息安全

来源：评论

学校读者我要写书评

暂无评论

基于Kinect的人体实时三维重建及其应用

引用

计算机辅助设计与图形学学报 2014年第10期26卷 1720-1726页

作者：马旋薛原杨若瑜南京大学计算机科学与技术系南京210093 南京大学软件新技术国家重点实验室南京210093

目前,人体三维重建技术在建模前一般需要采集从多个视角观察人体的数据,并限定人体的姿势,不能很好地用于需要人体模型的交互式应用中.针对这个问题,提出一种基于单个Kinect的渐进式人体重建方法.首先结合特征点检测算法和校错处理,对... 详细信息

目前,人体三维重建技术在建模前一般需要采集从多个视角观察人体的数据,并限定人体的姿势,不能很好地用于需要人体模型的交互式应用中.针对这个问题,提出一种基于单个Kinect的渐进式人体重建方法.首先结合特征点检测算法和校错处理,对深度视频帧中人体上的特征点进行定位;其次对身体尺寸进行测算或估算,并在对视频流的处理中渐进式地补充与完善;最后根据以上信息对人体进行分块参数化建模和合成,得到人体模型.实验结果表明,在尺寸不完整的情况下,该方法即可重建包含肢体结构语义的完整人体,易于实现局部模型或姿势的修改,并在虚拟试衣应用中体现出良好的实时性和交互性.

关键词：人体三维重建实时性特征点定位渐进式人体测量

来源：评论

学校读者我要写书评

暂无评论

传感器网络中节点能量有效均衡的Top-k查询技术

引用

电子与信息学报 2014年第6期36卷 1478-1484页

作者：宋保利郑吉平王海翔南京航空航天大学计算机科学与技术学院南京210016 南京大学计算机软件新技术国家重点实验室南京210093

无线传感器网络中top-k查询处理的节点能量高效以及实现各节点的能量消耗均衡,可以有效延长网络的生命周期。该文提出一种基于采样技术和节点空间相关性,来实现节点的能量均衡和高效的查询处理算法,称为能量均衡采样(e,d)近似top-k算法E... 详细信息

无线传感器网络中top-k查询处理的节点能量高效以及实现各节点的能量消耗均衡,可以有效延长网络的生命周期。该文提出一种基于采样技术和节点空间相关性,来实现节点的能量均衡和高效的查询处理算法,称为能量均衡采样(e,d)近似top-k算法EBSTopk(e,d)。首先对传感器网络进行分区处理,利用区域内两两节点间的空间相关性对其建立线性回归预测模型和高斯预测模型;然后根据用户给定的相对误差界e和置信水平1-d建立节点高相关性预测准则;最后根据上述预测模型和准则,提出基于反复随机采样的能量均衡算法EBSTopk(e,d)-LR和EBSTopk(e,d)-MG。实验表明,所提出的EBSTopk(e,d)算法减少了无线传感器网络中的全局能量消耗,且在多次top-k查询后各节点的能量消耗达到均衡。

关键词：无线传感器网络能量均衡近似top-k查询反复随机采样

来源：评论

学校读者我要写书评

暂无评论

基于Spark的大规模矩阵并行化分解与求逆

基于Spark的大规模矩阵并行化分解与求逆

引用

第三届CCF大数据学术会议

作者：高兴坤顾荣袁春风黄宜华南京大学计算机软件新技术国家重点实验室计算机科学与技术系/江苏省软件新技术与产业化协同创新中心

作为代数运算的基石，矩阵的分解和求逆在科学计算、数据挖掘、机器学习等诸多领域有着广泛的应用。然而大规模矩阵的分解和求逆运算难以在当下流行的Hadoop、Spark等分布式计算平台上很好地并行，以至于Apache Mahout里对于Cholesky分...

作为代数运算的基石，矩阵的分解和求逆在科学计算、数据挖掘、机器学习等诸多领域有着广泛的应用。然而大规模矩阵的分解和求逆运算难以在当下流行的Hadoop、Spark等分布式计算平台上很好地并行，以至于Apache Mahout里对于Cholesky分解目前都只有单机的实现。其中一个重要的原因是矩阵分解与求逆运算结果中的一个元素往往依赖于输入矩阵的若干个元素。针对这一问题，本文基于Spark平台研究优化了大规模分布式稠密矩阵的LU分解、Cholesky分解以及求逆的并行化运算方法。本文首先采用分而治之的并行化设计思路对大规模矩阵进行分块，将整个计算任务划分为更小的计算任务，最终实现高效的并行化矩阵分解和矩阵求逆运算。然后，本文研究了计算过程中的一些优化方法，例如利用高性能本地库、缩小工作集等。实验结果表明，本文提出的并行化算法具有较高的效率，所提的优化方法总体平均能提升约60％的性能。此外，本并行化算法具有近线性的数据与节点可扩展性和受益于Spark平台的高容错性。据我们所知，本文是第一个基于Spark设计实现分布式大规模矩阵LU、Cholesky分解以及求逆算法的工作。

关键词：

来源：评论

学校读者我要写书评

暂无评论

基于核方法的连续动作Actor-Critic学习

引用

模式识别与人工智能 2014年第2期27卷 103-110页

作者：陈兴国高阳范顺国俞亚君南京大学计算机软件新技术国家重点实验室南京210093 南京大学计算机科学与技术系南京210093

强化学习算法通常要处理连续状态及连续动作空间问题以实现精确控制.就此文中结合Actor-Critic方法在处理连续动作空间的优点及核方法在处理连续状态空间的优势,提出一种基于核方法的连续动作Actor-Critic学习算法(KCACL).该算法中,Acto... 详细信息

强化学习算法通常要处理连续状态及连续动作空间问题以实现精确控制.就此文中结合Actor-Critic方法在处理连续动作空间的优点及核方法在处理连续状态空间的优势,提出一种基于核方法的连续动作Actor-Critic学习算法(KCACL).该算法中,Actor根据奖赏不作为原则更新动作概率,Critic采用基于核方法的在线选择时间差分算法学习状态值函数.对比实验验证该算法的有效性.

关键词：强化学习连续动作空间函数估计核方法

来源：评论

学校读者我要写书评

暂无评论

一种基于上下文的医学图像ROI分类方法

引用

模式识别与人工智能 2014年第12期27卷 1057-1064页

作者：郭乔进李宁谢俊元南京大学计算机软件新技术国家重点实验室南京210023 南京大学计算机科学与技术系南京210023

感兴趣区域(ROI)的分类是医学图像的计算机辅助诊断过程的最后一步,传统方法只针对每个ROI区域单独提取特征,再利用统计学习的方法训练分类器进行分类.然而图像中每个区域所包含的视觉特征有限,很难进行准确的分类.文中提出一种基于LDA... 详细信息

感兴趣区域(ROI)的分类是医学图像的计算机辅助诊断过程的最后一步,传统方法只针对每个ROI区域单独提取特征,再利用统计学习的方法训练分类器进行分类.然而图像中每个区域所包含的视觉特征有限,很难进行准确的分类.文中提出一种基于LDA主题模型的改进模型(LDAC),考虑ROI周围区域,即图像的上下文关系,通过利用LDA对ROI周围区域所包含的上下文信息进行建模,同时结合ROI区域的视觉信息和类别标签,从而辅助ROI区域的分类,以达到提高分类准确率的目的.乳腺图像肿块分类实验表明,文中方法可提高分类的准确性.

关键词：感兴趣区域(ROI)分类上下文隐层狄利克雷分配(LDA) 医学图像

来源：评论

学校读者我要写书评

暂无评论

基于量子精英蛙的最小属性自适应合作型协同约简算法

引用

计算机研究与发展 2014年第4期51卷 743-753页

作者：丁卫平王建东管致锦南通大学计算机科学与技术学院江苏南通226019 南京航空航天大学计算机科学与技术学院南京210016 计算机软件新技术国家重点实验室(南京大学) 南京210093

属性约简是粗糙集理论研究的重要内容之一,现已证明求决策表的最小属性约简是一个典型NP-Hard问题.提出一种基于量子精英蛙的最小属性自适应合作型协同约简算法.该算法首先将进化蛙群编码为多状态量子染色体形式,利用量子精英蛙快速引... 详细信息

属性约简是粗糙集理论研究的重要内容之一,现已证明求决策表的最小属性约简是一个典型NP-Hard问题.提出一种基于量子精英蛙的最小属性自适应合作型协同约简算法.该算法首先将进化蛙群编码为多状态量子染色体形式,利用量子精英蛙快速引导进化蛙群进入最优化区域寻优,有效增强进化蛙群的收敛速度和全局搜索能力.然后构建一种自适应合作型协同进化的最小属性约简模型,融合蛙群最优执行经验和分配信任度自适应分割属性约简集,并以模因组内最优精英蛙优化各自选择的属性子集,提高属性约简的协同性和高效性,快速找到全局最小属性约简集.实验研究表明提出的算法在搜索最小属性约简解时具有较高的执行效率和精度.

关键词：最小属性约简量子精英蛙合作型协同进化自适应分割最优执行经验分配信任度

来源：评论

学校读者我要写书评

暂无评论

基于UKF区域交叉定位的WSNs Sink节点动态跟踪算法

引用

传感器与微系统 2015年第4期34卷 123-126,129页

作者：姚依翔谢俊元南京大学计算机科学与技术系江苏南京210093 南京晓庄学院数学与信息技术学院江苏南京211100 计算机软件新技术国家重点实验室江苏南京210093

为了提高无线传感器网络(WSNs)使用寿命,对WSNs的目标跟踪方式进行研究,提出基于无迹Kalman滤波(UKF)的WSNs Sink节点动态跟踪算法,以实现高效节能的资源管理和利用方式。首先利用UKF算法对目标节点的下一位置进行预测,然后通过四圆区... 详细信息

为了提高无线传感器网络(WSNs)使用寿命,对WSNs的目标跟踪方式进行研究,提出基于无迹Kalman滤波(UKF)的WSNs Sink节点动态跟踪算法,以实现高效节能的资源管理和利用方式。首先利用UKF算法对目标节点的下一位置进行预测,然后通过四圆区域定位交叉定位算法对Sink节点的位置区域进行局部准确定位。实验结果表明:这种动态的Sink节点预测定位算法能够有效缩短数据发射传感器和Sink点之间的距离,减少跳数,从而实现负载均衡降低能耗的效果。

关键词：无线传感器网络无迹卡尔曼滤波区域交叉定位 Sink节点动态跟踪

来源：评论

学校读者我要写书评

暂无评论

一种面向非干扰的线程程序逻辑

引用

软件学报 2014年第6期25卷 1143-1153页

作者：李沁曾庆凯袁志祥安徽工业大学计算机学院安徽马鞍山243032 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京大学计算机科学与技术系江苏南京210023

目前,针对线程信息流的验证研究主要着重于时间信道.然而,由于线程程序中线程控制原语存在函数副作用,对此类原语的不恰当调用亦可引起非法信息流,有意或无意地破坏程序的非干扰属性.因此,提出以验证线程程序信息流为目的依赖逻辑,其可... 详细信息

目前,针对线程信息流的验证研究主要着重于时间信道.然而,由于线程程序中线程控制原语存在函数副作用,对此类原语的不恰当调用亦可引起非法信息流,有意或无意地破坏程序的非干扰属性.因此,提出以验证线程程序信息流为目的依赖逻辑,其可表达线程程序的数据流、控制流以及线程控制函数的副作用,推理程序变量和线程标识符之间的依赖关系,进而判定是否存在高机密性变量对低机密性变量的干扰.

关键词：非干扰动态作用域线程公理语义

来源：评论

学校读者我要写书评

暂无评论

多模型融合的多标签图像自动标注

引用

计算机辅助设计与图形学学报 2014年第3期26卷 472-478页

作者：张静胡微微陈志华袁玉波华东理工大学计算机科学与工程系上海200237 南京大学计算机软件新技术国家重点实验室南京210093

为了实现更为准确的复杂语义内容图像理解,提出一种融合多模型的多标签图像自动标注方法.该方法采用3个不同的模型分别对图像语义内容进行分析:在前景语义概念检测中,提出一种基于多特征的视觉显著性分析方法,并利用多Nystrm近似核对... 详细信息

为了实现更为准确的复杂语义内容图像理解,提出一种融合多模型的多标签图像自动标注方法.该方法采用3个不同的模型分别对图像语义内容进行分析:在前景语义概念检测中,提出一种基于多特征的视觉显著性分析方法,并利用多Nystrm近似核对前景对象的语义进行判别分析;对于背景概念检测,提出一种区域语义分析的方法;通过构造基于潜语义分析的语义相关矩阵来消除标注错误的标签.根据前景和背景的语义和视觉特征,分别采用不同的模型提取前景和背景标注词,而语义相关分析能够有效地提高标注的准确性.实验结果表明,该多模型融合标注方法在图像的深层语义分析以及多标签标注方面具有较好的效果;与同类算法相比,能够有效地减少错误标注的标签数目,得到更加准确的标注结果.

关键词：图像标注多模型 MNKDA 区域语义分析语义相关分析

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：