检索结果-内蒙古大学图书馆

微型机与应用 2017年第6期36卷 22-25页

作者：陈莹邢建春王洪达杨启亮解放军理工大学国防工程学院江苏南京210007 南京大学计算机软件新技术国家重点实验室江苏南京210093

针对BPEL过程在死路径消除语义下建模与分析不够完善的问题,提出了一种新的BPEL过程建模与分析方法。该方法建立了将BPEL死路径消除语义转化为普通if-then-else的规则,进而可以利用着色Petri网(CPN)形式化地对BPEL过程进行建模,并通过CP... 详细信息

针对BPEL过程在死路径消除语义下建模与分析不够完善的问题,提出了一种新的BPEL过程建模与分析方法。该方法建立了将BPEL死路径消除语义转化为普通if-then-else的规则,进而可以利用着色Petri网(CPN)形式化地对BPEL过程进行建模,并通过CPN-Tools对BPEL过程的建模进行自动分析及验证。案例分析表明,该方法具有一定的实用性和可行性,能够帮助软件工程人员更好地测试、调试和维护BPEL程序。

关键词： Web服务组合 BPEL程序依赖图死路径语义消除着色Petri网

来源：评论

学校读者我要写书评

暂无评论

不确定场境下近似Skyline查询处理算法

引用

小型微型计算机系统 2016年第4期37卷 670-675页

作者：王永阁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

近年来,不确定Skyline查询成为当前不确定数据查询研究的一个重要方面.Skyline查询结果通常与用户的偏好相关,而用户的偏好往往受当前场境的影响,并且现实中的场境往往来源于感知设备,具有不确定性.首次提出了不确定场境偏好可能世界语... 详细信息

近年来,不确定Skyline查询成为当前不确定数据查询研究的一个重要方面.Skyline查询结果通常与用户的偏好相关,而用户的偏好往往受当前场境的影响,并且现实中的场境往往来源于感知设备,具有不确定性.首次提出了不确定场境偏好可能世界语义建模下启发式算法和基于Monte Carlo思想的近似Skyline查询算法.首先,采用可能世界语义模型对不确定场境下偏好进行建模,并提出不确定场境下Skyline查询语义;其次,由于不确定场境下偏好构成的可能世界实例过于庞大,精确Skyline算法ESA是#P问题,提出LHSA和C&T两种启发式Skyline算法,从而大量裁减不满足最终结果的可能世界实例;进而,为了在保证用户指定精度的基础上提高Skyline查询效率提出了两种Monte Carlo近似算法:两阶段Monte Carlo近似算法PMA和改进的两阶段Monte Carlo近似算法MPMA;最后,通过实验对比5种算法,表明LHSA和C&T可以裁减大量可能世界实例,同时在确保精度的前提下,PMA和MPMA比启发式算法更有效,并且MPMA算法优于PMA算法.

关键词： Skyline概率不确定场境定量偏好可能世界语义 Monte Carlo近似

来源：评论

学校读者我要写书评

暂无评论

基于多示例多标记学习的手机游戏道具推荐

引用

计算机科学与探索 2016年第1期10卷 103-111页

作者：唐俊周志华南京大学计算机软件新技术国家重点实验室南京210023 软件新技术与产业化协同创新中心南京210023

手机游戏提供商通过在游戏中销售虚拟道具来获得收益。将游戏玩家日志数据中每个事件描述为一个示例,玩家对多种游戏道具的购买状态表示为多个标记,从而将游戏道具推荐问题抽象为多示例多标记学习问题。在此基础上,将快速多示例多标记... 详细信息

手机游戏提供商通过在游戏中销售虚拟道具来获得收益。将游戏玩家日志数据中每个事件描述为一个示例,玩家对多种游戏道具的购买状态表示为多个标记,从而将游戏道具推荐问题抽象为多示例多标记学习问题。在此基础上,将快速多示例多标记学习算法用于手机网络游戏道具推荐,并利用半监督学习提升推荐性能。离线数据集以及实际在线手机网络游戏实验结果表明,基于多示例多标记学习的游戏道具推荐技术带来了游戏营收的显著增长。

关键词：机器学习多示例多标记学习(MIML) 半监督学习推荐

来源：评论

学校读者我要写书评

暂无评论

基于加权样本选择与主动学习的视频异常行为检测算法

引用

模式识别与人工智能 2016年第4期29卷 341-349页

作者：林玲廖德高阳杨琬琪南京大学计算机科学技术系计算机软件新技术国家重点实验室南京210023 伊犁师范学院电子与信息工程学院伊宁835000 南京大学软件新技术与产业化协同创新中心南京210023 Department of Computer Science University of Illinois

随着日益突出的公共安全问题,视频监控异常行为检测成为计算机视觉的一个研究热点.文中结合视频异常检测数据集,提出基于加权样本选择与主动学习的视频异常行为检测算法.根据视频监控数据集的分布特性,选择合适的权重值消除不平衡数据... 详细信息

随着日益突出的公共安全问题,视频监控异常行为检测成为计算机视觉的一个研究热点.文中结合视频异常检测数据集,提出基于加权样本选择与主动学习的视频异常行为检测算法.根据视频监控数据集的分布特性,选择合适的权重值消除不平衡数据集对分类器的影响,通过主动学习的方式选取少量异常不确定样本,不断迭代更新检测模型,适应复杂多变的异常事件.实验表明,在UCSD异常行为检测数据集上,相比传统方法,文中方法具有更好的检测性能.

关键词：视频监控异常行为检测主动学习

来源：评论

学校读者我要写书评

暂无评论

基于场景模式的立体图像舒适度客观评价模型

引用

电子与信息学报 2016年第2期38卷 294-302页

作者：应宏微蒋刚毅郁梅彭宗举邵枫宁波大学信息科学与工程学院宁波315211 宁波工程学院电子与信息工程学院宁波315211 南京大学计算机软件新技术国家重点实验室南京210093

为了预测双目立体图像内容对视觉健康可能产生的危害,该文提出一种基于场景模式的立体图像舒适度客观评价模型。根据场景中前景目标和后景区域相对于显示屏幕的凹凸性以及是否处于舒适观看区,将自然场景抽象为多种场景模式。在模式选择... 详细信息

为了预测双目立体图像内容对视觉健康可能产生的危害,该文提出一种基于场景模式的立体图像舒适度客观评价模型。根据场景中前景目标和后景区域相对于显示屏幕的凹凸性以及是否处于舒适观看区,将自然场景抽象为多种场景模式。在模式选择阶段,从视差图中自适应分割出前景目标和后景区域,根据前、后景的视差角特征确定场景所属的模式;在建模阶段,采用前、后景的视差角特征结合前景的宽度角和曲折度特征对各个场景模式分别进行建模,并量化了前、后景视差因素对视觉舒适度的影响。在IVY数据库上的实验结果表明,所提出的模型与主观感知存在较好的一致性,Pearson相关系数高于0.91,Spearman相关系数高于0.90,Kendall相关系数高于0.74,平均绝对值误差低于0.24,均方根误差低于0.32,与现有的方法相比,该文所提出的模型的评价效果更好,更接近于主观测试结果。

关键词：立体图像舒适度评价场景模式双目视觉

来源：评论

学校读者我要写书评

暂无评论

融合显著物体检测的图像显示适配

引用

中国图象图形学报 2016年第3期21卷 373-381页

作者：李姝蓁郭竞帆任桐炜武港山南京大学计算机软件新技术国家重点实验室南京210093 南京大学软件新技术与产业化协同创新中心南京210093 南京大学软件学院南京210093

目的图像显著适配旨在自动调节图像尺寸,对图像内容进行非均匀缩放,以便在受限的展示空间内更好地保留显著物体。为了解决显示适配过程中显著物体部分扭曲的问题,提出一种基于显著物体检测的图像显示适配方法。方法本文方法采用显著物... 详细信息

目的图像显著适配旨在自动调节图像尺寸,对图像内容进行非均匀缩放,以便在受限的展示空间内更好地保留显著物体。为了解决显示适配过程中显著物体部分扭曲的问题,提出一种基于显著物体检测的图像显示适配方法。方法本文方法采用显著物体分割结果来替代显著性图,以改进显示适配结果。首先,采用显著性融合和传播的方法生成显著性图;接着,结合输入图像和显著性图,采用自适应三阈值方法实现显著物体分割;然后,以此为基础,生成输入图像的曲边网格表示;最后,通过对不同网格的非均匀缩放,生成符合目标尺寸的适配结果。结果在面向图像显示适配的公开数据集RetargetMe上,将本文方法与现有的10种代表性显示适配方法的结果进行了人工评估和比较。本文方法可以有效地减少显著物体出现部分扭曲的现象,能在48.8%的图像上取得无明显缺陷的适配效果,比现有最好的方法提高了5%。结论基于显著物体检测的图像显示适配方法有助于提高显示适配过程中对显著物体处理的一致性,减少由于显著物体部分扭曲而引起的明显人工处理痕迹,从而达到提升显示适配效果的目的。

关键词：图像显示适配显著物体检测显著性图显著物体分割

来源：评论

学校读者我要写书评

暂无评论

软件形式化方法与应用专题前言

引用

软件学报 2016年第3期27卷 495-496页

作者：詹乃军王戟李宣东计算机科学国家重点实验室(中国科学院软件研究所) 北京100190 国防科学技术大学计算机学院湖南长沙410073 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

形式化方法起步于程序理论和语义的研究,历经50余年的发展,成为了计算机科学的重要领域.它使用严格的数学方法,研究并发展软件和硬件系统的建模、设计、开发、验证与演化等技术,为保障系统的正确性、可靠性和安全性提供了重要途径.本专... 详细信息

形式化方法起步于程序理论和语义的研究,历经50余年的发展,成为了计算机科学的重要领域.它使用严格的数学方法,研究并发展软件和硬件系统的建模、设计、开发、验证与演化等技术,为保障系统的正确性、可靠性和安全性提供了重要途径.本专题收录的13篇论文反映了近年来我国学者在软件形式化方法与应用领域的部分研究成果.

关键词：形式化方法高阶逻辑应用专题定理证明器程序理论数学方法研究成果代数的计算机科学保障系统

来源：评论

学校读者我要写书评

暂无评论

砂岩显微图像分割和鉴别技术及工具实现

砂岩显微图像分割和鉴别技术及工具实现

引用

第六届全国沉积学大会

作者：郝慧珍姜枫李娜王秉乾顾庆胡修棉南京大学软件新技术国家重点实验室南京210023 南京工程学院通信工程学院南京211167 南京大学软件新技术国家重点实验室南京210023 南京理工大学泰州科技学院计算机科学与技术系泰州225300 南京大学软件新技术国家重点实验室南京210023 南京大学地球科学与工程学院南京210023

来源：评论

学校读者我要写书评

暂无评论

抗量化转码的HEVC视频流零水印算法

引用

光电工程 2016年第10期43卷 77-83页

作者：王静郁梅李文锋骆挺宁波大学信息科学与工程学院浙江宁波315211 南京大学计算机软件新技术国家重点实验室南京210093

针对HEVC的视频流版权问题,提出了一种抗量化转码的零水印算法。首先,经过统计发现量化转码后编码单元(CU)深度具有很强的稳定性,部分深度会发生转移且主要往相邻深度转移;然后,为增加深度特征的顽健性,对CU深度进行分组,并映射成二值信... 详细信息

针对HEVC的视频流版权问题,提出了一种抗量化转码的零水印算法。首先,经过统计发现量化转码后编码单元(CU)深度具有很强的稳定性,部分深度会发生转移且主要往相邻深度转移;然后,为增加深度特征的顽健性,对CU深度进行分组,并映射成二值信息;最后,将加密后的特征信息同混沌置乱后的版权信息异或,与时间戳作为最终注册的零水印。实验结果表明,该算法对量化参数在一定变化范围内的重量化转码攻击以及常见的信号攻击具有很强的鲁棒性。

关键词：零水印 HEVC 重量化转码编码单元深度

来源：评论

学校读者我要写书评

暂无评论

基于混沌蜂群算法的高耸结构振动信号小波阈值去噪方法研究

引用

建筑结构学报 2016年第S1期37卷 467-474页

作者：张迅李决龙邢建春王平杨启亮解放军理工大学国防工程学院江苏南京210007 海军海防工程研究中心北京100841 南京大学计算机软件新技术国家重点实验室江苏南京210093

为了有效去除实测振动信号中的噪声,改进了一种基于Kent混沌人工蜂群(KCABC)算法的振动信号小波阈值去噪方法。该算法采用Kent混沌映射初始化蜂群,引入锦标赛选择机制选择食物源,并结合混沌策略搜索最优解。基于广义交叉验证(GCV)阈值... 详细信息

为了有效去除实测振动信号中的噪声,改进了一种基于Kent混沌人工蜂群(KCABC)算法的振动信号小波阈值去噪方法。该算法采用Kent混沌映射初始化蜂群,引入锦标赛选择机制选择食物源,并结合混沌策略搜索最优解。基于广义交叉验证(GCV)阈值构造了目标函数,采用改进的KCABC算法搜索最优阈值,实现了不基于噪声先验知识的振动信号阈值去噪。通过对广州新电视塔4组实测振动信号的处理,比较了改进的KCABC算法与粒子群优化(PSO)算法、标准蜂群(SABC)算法以及Logistic混沌蜂群(LCABC)算法的去噪性能。结果表明:提出的KCABC算法具有较快的收敛速度和较高的搜索精度,能够有效去除高耸结构振动信号中的噪声部分。

关键词：高耸结构振动信号小波阈值去噪人工蜂群算法 Kent混沌

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：