检索结果-内蒙古大学图书馆

计算机研究与发展 2022年第8期59卷 1723-1731页

作者：魏秀参徐书林安鹏杨健南京理工大学计算机科学与工程学院南京210094 综合业务网理论及关键技术国家重点实验室(西安电子科技大学) 西安710071 高维信息智能感知与系统教育部重点实验室(南京理工大学) 南京210094 社会安全图像与视频理解江苏省重点实验室(南京理工大学) 南京210094 计算机软件新技术国家重点实验室(南京大学) 南京210023 中国海洋石油集团有限公司信息技术中心北京100010

近年来多示例学习(multi-instance learning,MIL)被广泛应用于复杂数据问题中,但现有的多示例学习算法往往在封闭静态环境中工作良好,其所处理的类别数量也恒定不变.然而在现实应用当中,常会有新的类别不断地加入到系统当中,例如科学的... 详细信息

近年来多示例学习(multi-instance learning,MIL)被广泛应用于复杂数据问题中,但现有的多示例学习算法往往在封闭静态环境中工作良好,其所处理的类别数量也恒定不变.然而在现实应用当中,常会有新的类别不断地加入到系统当中,例如科学的发展中不断出现新的议题、社交媒体中不断出现新的话题.由于存储限制或保密协议等原因,旧数据可能随着时间的发展变得不可见,这使得直接学习新的类别时模型会忘记曾经学过的知识.增量学习则被用于解决上述问题.因此,在多示例学习设定下进行增量数据挖掘十分有意义,然而目前针对多示例学习下的增量数据挖掘的工作十分稀少.提出一个基于注意力机制和原型分类器映射的多示例增量数据挖掘方法,通过注意力机制选择性地将多示例包的示例汇合为统一的特征表示,然后为每个类别生成类别原型表示并存储下来.类别原型通过原型分类器映射模块得到无偏鲁棒的类别分类器,并通过上一个增量阶段生成的分类器的预测结果对新增量阶段生成的分类器的预测结果进行知识蒸馏,使得模型能够在多示例学习下以极低的存储很好地保留模型的旧知识.实验结果表明:提出的方法能够有效地进行面向增量分类的多示例学习.

关键词：多示例学习增量学习注意力机制知识蒸馏原型

来源：评论

学校读者我要写书评

暂无评论

车联网边缘计算环境下基于深度强化学习的分布式服务卸载方法

引用

计算机学报 2021年第12期44卷 2382-2405页

作者：许小龙方子介齐连永窦万春何强段玉聪南京信息工程大学计算机与软件学院南京210044 南京大学计算机软件新技术国家重点实验室南京210023 曲阜师范大学信息科学与工程学院山东曲阜273199 斯威本科技大学计算机科学与软件工程系澳大利亚墨尔本3122 海南大学计算机与网络空间安全学院海口570228

边缘计算将计算、存储和带宽等资源分布到了靠近用户的一侧.通过将边缘计算引入车联网,服务提供商能为车载用户提供低延时的服务,从而提高用户出行的服务体验.然而,由于边缘服务器所配备的资源一般是有限的,不能同时支持所有车联网用户... 详细信息

边缘计算将计算、存储和带宽等资源分布到了靠近用户的一侧.通过将边缘计算引入车联网,服务提供商能为车载用户提供低延时的服务,从而提高用户出行的服务体验.然而,由于边缘服务器所配备的资源一般是有限的,不能同时支持所有车联网用户的服务需求,因此,如何在边缘服务器资源限制的约束下,确定服务卸载地点,为用户提供低时延的服务,仍然是一个巨大的挑战.针对上述问题,本文提出了一种“端-边-云”协同的5G车联网边缘计算系统模型,并针对该系统模型设计了深度学习和深度强化学习协同的分布式服务卸载方法D-SOAC.首先,通过深度时空残差网络,D-SOAC在中心云预测出潜在的用户服务需求量,协同各边缘服务器获取本地车联网边缘计算环境的系统状态,输入边缘服务器上的本地行动者网络,得到该状态下的服务卸载策略.然后,本地评论家网络基于时序差分误差评价该服务卸载策略的优劣,并指导本地行动者网络进行网络参数的优化.优化一定步数后,边缘服务器将优化过的本地网络参数上传到位于中心云的全局网络,协同中心云进行网络参数的更新.最后,中心云将最新的参数推送回本地网络,从而不断对行动者评论家网络进行调优,获得服务卸载的最优解.基于来自现实世界的车载用户服务需求数据集的实验结果表明,在各种车联网边缘计算环境中,相比于四种现有的服务卸载算法,D-SOAC能够降低0.4%~20.4%的用户平均服务时延.

关键词：边缘计算车联网服务卸载深度时空残差网络异步优势行动者评论家

来源：评论

学校读者我要写书评

暂无评论

面向半监督聚类的最优间隔分布学习机

引用

中国科学：信息科学 2022年第1期52卷 86-98页

作者：张腾黎铭金海华中科技大学大数据技术与系统国家地方联合工程研究中心武汉430074 华中科技大学服务计算技术与系统教育部重点实验室武汉430074 华中科技大学集群与网格计算湖北省重点实验室武汉430074 华中科技大学计算机科学与技术学院武汉430074 南京大学计算机软件新技术国家重点实验室南京210023

基于间隔的聚类是一类经典的聚类算法,此类算法假设聚类结构能通过引入监督学习中的间隔来确定.即一个好的聚类结果,当以其簇标记作为类别标记进行监督学习时,所得分类器产生的关于间隔的目标物理量也同时达到最优.目前最为有效的间隔... 详细信息

基于间隔的聚类是一类经典的聚类算法,此类算法假设聚类结构能通过引入监督学习中的间隔来确定.即一个好的聚类结果,当以其簇标记作为类别标记进行监督学习时,所得分类器产生的关于间隔的目标物理量也同时达到最优.目前最为有效的间隔物理量是间隔分布,其基于最新的间隔理论,取得了比优化最小间隔更好的效果.然而在现实聚类任务中,我们往往还能获得一些额外的监督信息,例如两两样本之间的"必连"约束和"勿连"约束,此时优化间隔分布是否还有效尚未可知.对此,本文提出面向半监督聚类的最优间隔分布学习机(ODMSSC),对该问题进行初步探索. ODMSSC对应的形式化是一个混合整数规划,我们将其放松成一个鞍点问题,并提出一种高效的交替优化方法进行求解.最终通过真实数据集上的实验,我们验证了所提算法的有效性.

关键词：半监督聚类约束聚类最优间隔分布学习机间隔分布间隔

来源：评论

学校读者我要写书评

暂无评论

非结构化数据的多粒度集成分类方法

引用

南京航空航天大学学报 2020年第5期52卷 723-728页

作者：王子一徐苏平商琳计算机软件新技术国家重点实验室(南京大学) 南京210023 南京大学计算机科学与技术系南京210023

深度学习模型已经在文本和图像等分类任务上取得了不错的效果,然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法,与其他学习方法相比,多粒度集成分类方法能够保留数据的上下文信息。在多粒... 详细信息

深度学习模型已经在文本和图像等分类任务上取得了不错的效果,然而深度学习模型很难为分类结果提供可解释性。本文提出一种非结构化数据的多粒度集成分类方法,与其他学习方法相比,多粒度集成分类方法能够保留数据的上下文信息。在多粒度集成分类方法中,数据被划分成不同的粒度,用于训练不同的基学习器,这些学习结果为集成模型最后的分类提供了可解释性。基学习器根据它们在验证集上的精度被赋予不同的权重,从而构造出一个较好的集成学习器。在实验中,本文验证了所提出模型在3种非结构化数据类型(文本、医学图像和时间序列)上的有效性。实验结果表明,本文的模型比现有的基准方法简单,具有较好的分类精度,并且能够为数据的分类提供可解释性。

关键词：集成学习多粒度神经网络分类

来源：评论

学校读者我要写书评

暂无评论

可成长软件理论方法和实现技术:从范型到跨越

引用

中国科学：信息科学 2020年第11期50卷 1595-1611页

作者：许畅秦逸余萍曹春吕建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

在云计算和大数据的技术背景下,"人–机–物"三元融合的应用模式正不断加速社会的信息化进程,并对软件系统的自适应和持续演化能力提出了新的需求.本文探索了面临软硬件环境及外部资源不断变迁挑战下的可成长网构软件理论方... 详细信息

在云计算和大数据的技术背景下,"人–机–物"三元融合的应用模式正不断加速社会的信息化进程,并对软件系统的自适应和持续演化能力提出了新的需求.本文探索了面临软硬件环境及外部资源不断变迁挑战下的可成长网构软件理论方法和实现技术,从软件可成长性问题的由来,至可成长性概念的内涵和可成长软件的范型机理,在开放环境感知与自适应、无缝演化和过程演进,以及演化质量评估方法和保障机制3个方面系统分析了可成长软件的技术挑战并介绍了当前的技术进展,以支撑软件系统在不断成长视角下的长期生存.

关键词：可成长软件范型机理自主适应持续演化

来源：评论

学校读者我要写书评

暂无评论

一种手绘制导的移动应用界面测试方法

引用

软件学报 2020年第12期31卷 3671-3684页

作者：成浩亮汤恩义玉淳舟张初成陈鑫王林章卜磊李宣东计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京大学软件学院江苏南京210093 南京大学计算机科学与技术系江苏南京210023

软件测试在提高移动应用的安全性和可靠性方面扮演着重要角色.然而,目前主流的移动应用界面测试技术存在着许多不足:人工编写脚本和录制回放技术需要消耗大量的人力成本,自动化测试在移动应用界面测试的应用场景上受到了诸多限制.针对... 详细信息

软件测试在提高移动应用的安全性和可靠性方面扮演着重要角色.然而,目前主流的移动应用界面测试技术存在着许多不足:人工编写脚本和录制回放技术需要消耗大量的人力成本,自动化测试在移动应用界面测试的应用场景上受到了诸多限制.针对这些问题,提出一种基于手绘制导的移动应用界面测试方法.该方法通过设计一种简单直观且具有较强表达能力的手绘语言来帮助测试者轻松表达其测试意图,测试者仅需在待测应用的界面图像上做简单绘制,就能生成对应的测试模型,并以此为基础生成界面测试所需的测试用例.以近年来在相关文献中已经用作移动应用界面测试的评估用例集为基准来评估该方法的测试效果.评估结果表明:在提供很少人力成本的条件下,手绘图形所表达的用户测试意图在制导移动应用界面测试上能起到非常关键的作用.

关键词：手绘制导测试生成模型驱动的自动化测试移动应用图形界面测试

来源：评论

学校读者我要写书评

暂无评论

基于全卷积神经网络的单幅隧道图像裂纹提取算法

引用

计算机工程与科学 2022年第5期44卷 845-854页

作者：仇静博燕雪峰汪俊郭延文魏明强南京航空航天大学计算机科学与技术学院江苏南京211106 南京航空航天大学模式分析与机器智能工业和信息化部重点实验室江苏南京211106 南京大学计算机软件新技术国家重点实验室江苏南京210023

提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法,能够有效避免复杂背景下的伪裂纹噪声点干扰,实现对隧道裂纹的精确分割。首先,构建深度残差网络模型提取裂纹特征;其次,使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图... 详细信息

提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法,能够有效避免复杂背景下的伪裂纹噪声点干扰,实现对隧道裂纹的精确分割。首先,构建深度残差网络模型提取裂纹特征;其次,使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图的尺寸和裂纹细节;为了提升裂缝提取的精细程度,提出一个细节修复模块来保持裂缝的完整性与边缘细节;最后,公开一个裂纹数据集NUAACrack-2000,包含2 000幅隧道裂纹图像与精准标注标签。实验表明,提出的算法在避免噪声点干扰方面优于传统图像分割算法;在保留提取裂纹的整体性以及边缘细节处理方面优于基于机器学习的主流裂纹提取算法。

关键词：裂纹提取图像分割 NUAACrack-2000 全卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于边缘计算的云游戏服务质量增强机制

引用

西北师范大学学报（自然科学版） 2021年第1期57卷 38-47页

作者：白光伟张慧丽沈专沈航南京工业大学计算机科学与技术学院江苏南京211816 南京大学计算机软件新技术国家重点实验室江苏南京210093

提出了一种基于边缘计算的云游戏服务质量增强算法,旨在减少网络传输响应延迟和提高可靠性,扩大云游戏服务范围.该方法使用边缘服务器为玩家渲染游戏,云端负责计算游戏状态和发送更新信息给边缘服务器.首先,设计区域划分算法来确定集群... 详细信息

提出了一种基于边缘计算的云游戏服务质量增强算法,旨在减少网络传输响应延迟和提高可靠性,扩大云游戏服务范围.该方法使用边缘服务器为玩家渲染游戏,云端负责计算游戏状态和发送更新信息给边缘服务器.首先,设计区域划分算法来确定集群部署位置,以均衡负载;第二,研究集群部署位置选择算法,在满足差异化游戏需求基础上尽可能节约资源;第三,设计服务器分配算法,尽可能将相关性高的玩家分配到同一台服务器上,以减少交互所致延迟;最后,考虑到游戏动态的周期性变化,提出了服务器动态部署策略来动态开启服务器,提升服务器的可靠性并节约成本.仿真结果证明提出的方法能够减少响应延迟18~20 ms,节约带宽和提高服务覆盖率.

关键词：云游戏边缘计算响应延迟用户覆盖服务质量

来源：评论

学校读者我要写书评

暂无评论

国际开源发展经验及其对我国开源创新体系建设的启示

引用

中国科学院院刊 2021年第12期36卷 1497-1505页

作者：隆云滔王晓明顾荣包云岗中国科学院科技战略咨询研究院北京100190 中国科学院大学公共政策与管理学院北京100049 计算机软件新技术国家重点实验室(南京大学) 南京210023 南京大学计算机科学与技术系南京210023 中国科学院计算技术研究所北京100190

开源已成为全球科技进步至关重要的创新渠道。开源创新体系建设是我国实现科技自立自强的重要途径。中国作为全球软件价值链和高新技术产业链必不可少的一环,需要更完善的开源创新生态。文章在系统梳理欧美先发国家开源发展经验的基础上... 详细信息

开源已成为全球科技进步至关重要的创新渠道。开源创新体系建设是我国实现科技自立自强的重要途径。中国作为全球软件价值链和高新技术产业链必不可少的一环,需要更完善的开源创新生态。文章在系统梳理欧美先发国家开源发展经验的基础上,立足我国开源生态建设面临的实际问题,提出促进我国开源创新体系建设的政策建议。

关键词：开源基金会开源治理开源生态开源创新体系

来源：评论

学校读者我要写书评

暂无评论

基于Shapelet的不相关情感子序列挖掘方法

引用

南京大学学报（自然科学版） 2020年第1期56卷 57-66页

作者：吴静怡吴钟强商琳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

为了描述和分析特定微博事件的情感变化,情感时间序列被应用在微博事件分析当中.情感时间序列是根据不同时间段内的情感强度生成的曲线,能够描述用户关于事件的情感随时间变化的趋势.为了使对微博的情感挖掘定位到更为精准的时间片,提... 详细信息

为了描述和分析特定微博事件的情感变化,情感时间序列被应用在微博事件分析当中.情感时间序列是根据不同时间段内的情感强度生成的曲线,能够描述用户关于事件的情感随时间变化的趋势.为了使对微博的情感挖掘定位到更为精准的时间片,提出一种基于Shapelet的不相关情感子序列挖掘方法.首先通过事件和不同类别用户的微博生成相应的情感时间序列,然后利用基于Shapelet的思想将相应序列划分成不同的子序列,最后通过计算不同种类用户的子序列和事件子序列的相似性得到最不相关的情感子序列.通过基于微博事件数据集的实验展示了使用该方法挖掘出的情感子序列结果,并进一步通过情感相似度方法验证了该方法的合理性.

关键词：时间序列微博情感分析数据挖掘 Shapelet

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：