检索结果-内蒙古大学图书馆

计算机研究与发展 2014年第11期51卷 2470-2482页

作者：吴迎红黄皓曾庆凯计算机软件新技术国家重点实验室(南京大学) 南京210046

策略精化是解决分布式应用访问控制策略配置复杂性的重要方法.现有的策略精化技术给出了分层策略描述和逐层精化的方法,但是描述和处理策略之间关联问题能力不足,影响策略精化应用.为此给出了策略和包括组合、互斥、精化、访问路径协同... 详细信息

策略精化是解决分布式应用访问控制策略配置复杂性的重要方法.现有的策略精化技术给出了分层策略描述和逐层精化的方法,但是描述和处理策略之间关联问题能力不足,影响策略精化应用.为此给出了策略和包括组合、互斥、精化、访问路径协同等策略之间关系的形式描述方法,提出了能够描述策略之间关联属性的精化算法和记录策略和策略之间这些关联属性的策略精化树构建方法,为策略精化中的策略关联问题处理提供基础.策略精化树还能直观呈现访问控制的服务品质协议(service-level agreement,SLA).

关键词：模型驱动架构访问控制策略描述策略精化策略冲突分析关联属性

来源：评论

学校读者我要写书评

暂无评论

Mogent系统迁移机制的设计和实现

引用

计算机研究与发展 2001年第9期38卷 1035-1041页

作者：张冠群陶先平李新冯新宇吕建南京大学计算机软件新技术国家重点实验室南京210093

移动 agent计算模式将成为未来网络计算的主流模式 .迁移技术是移动 agent的核心技术之一 ,受到了广泛的关注 .在分析现有 agent系统迁移机制的基础上 ,提出了一种结构化的 agent迁移机制 ,该机制提供了任务级迁移 ,采用结构化旅行计划... 详细信息

移动 agent计算模式将成为未来网络计算的主流模式 .迁移技术是移动 agent的核心技术之一 ,受到了广泛的关注 .在分析现有 agent系统迁移机制的基础上 ,提出了一种结构化的 agent迁移机制 ,该机制提供了任务级迁移 ,采用结构化旅行计划表分离移动信息和 agent功能体 ,在降低 agent开发复杂度的同时保证了较高的灵活性和表达能力 .最后 ,结合自行研制的移动 agent系统—— Mogent系统 ,讨论了该机制的实现工作 .

关键词：移动agent Mogent系统迁移机制人工智能 Internet

来源：评论

学校读者我要写书评

暂无评论

水面无人艇智能化技术的发展现状和趋势

引用

中国造船 2020年第S01期61卷 211-220页

作者：侯瑞超唐智诚王博颜秉卿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京210023

随着人工智能技术的快速发展,水面无人艇在海上巡逻安防、反水雷作战以及反潜作战等领域中扮演日益重要的角色。其中,智能化技术作为水面无人艇的核心技术之一,受到广泛关注。论文对国外水面无人艇的发展现状进行调研,分析智能化技术对... 详细信息

随着人工智能技术的快速发展,水面无人艇在海上巡逻安防、反水雷作战以及反潜作战等领域中扮演日益重要的角色。其中,智能化技术作为水面无人艇的核心技术之一,受到广泛关注。论文对国外水面无人艇的发展现状进行调研,分析智能化技术对无人艇发展的影响。阐述水面无人艇智能化的关键技术,包括智能环境感知、智能目标分析、智能路径规划、智能编队控制等,并对智能化水面无人艇的作战应用进行展望。

关键词：水面无人艇智能化关键技术作战应用

来源：评论

学校读者我要写书评

暂无评论

基于图匹配网络的可解释知识图谱复杂问答方法

引用

计算机研究与发展 2021年第12期58卷 2673-2683页

作者：孙亚伟程龚厉肖瞿裕忠计算机软件新技术国家重点实验室(南京大学) 南京210023

知识图谱问答是人工智能领域的研究热点之一.在该任务中,自然语言问句结构与知识图谱结构之间的语义匹配是一个具有挑战的研究问题.现有工作主要利用深度学习技术对自然语言问句进行序列化编码,然后与知识图谱子图计算语义匹配,这样做... 详细信息

知识图谱问答是人工智能领域的研究热点之一.在该任务中,自然语言问句结构与知识图谱结构之间的语义匹配是一个具有挑战的研究问题.现有工作主要利用深度学习技术对自然语言问句进行序列化编码,然后与知识图谱子图计算语义匹配,这样做法未充分利用复杂问句的结构信息,方法也缺乏可解释性.针对此问题,提出一种基于图匹配网络的知识图谱复杂问答方法TTQA.首先,通过语法分析方法,构建一个与知识图谱无关的未定查询图.然后,依据未定查询图和给定的知识图谱,构建一个与知识图谱相关的已定查询图,在其中,提出一种图匹配网络GMN,通过结合预训练语言模型和图神经网络技术,再利用注意力机制学习查询结构的上下文表示,从而得到更加丰富的结构匹配表示,用于已定查询图预测.在2个复杂问答数据集LC-QuAD 1.0和ComplexWebQuestions 1.1进行实验,结果表明:TTQA超过了现有方法.同时,通过消融实验验证了GMN的有效性.此外,TTQA生成的未定结构图和已定查询图增强了问答系统可解释性.

关键词：知识图谱问答复杂问句查询图图匹配网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

自动驾驶系统中视觉感知模块的安全测试

引用

计算机研究与发展 2022年第5期59卷 1133-1147页

作者：吴昊王浩苏醒李明昊许封元仲盛计算机软件新技术国家重点实验室(南京大学) 南京210023

近年来,基于深度学习的视觉感知技术的发展极大地促进了车联网领域中自动驾驶的繁荣,然而自动驾驶系统的安全问题频出引发了人们对自动驾驶未来的担忧.由于深度学习系统的行为缺乏可解释性,测试基于深度学习的自动驾驶系统的安全性极具... 详细信息

近年来,基于深度学习的视觉感知技术的发展极大地促进了车联网领域中自动驾驶的繁荣,然而自动驾驶系统的安全问题频出引发了人们对自动驾驶未来的担忧.由于深度学习系统的行为缺乏可解释性,测试基于深度学习的自动驾驶系统的安全性极具挑战.目前,已有针对自动驾驶场景的安全性测试工作被提出,但这些方法在测试场景生成、安全问题检测和安全问题解释等方面仍存在不足之处.针对基于视觉感知的自动驾驶系统,设计开发了一种场景驱动的、可解释性强的、运行高效的安全性测试系统.提出了一种能够平衡真实性与丰富度的场景描述方法,并利用实时渲染引擎生成可以用于驾驶系统安全性测试的场景;设计了一种高效的针对非线性系统的场景搜索算法,其可以针对不同的待测试系统动态调整搜索方案;同时,还设计了一个故障分析器,自动化分析定位待测试系统的安全性缺陷成因.复现了现有基于实时渲染引擎的动态自动驾驶测试系统,并同时使用本系统和复现系统对CILRS系统和CIL系统进行安全测试,实验结果表明相同时间下该工作的安全问题发现率是复现的场景驱动的动态测试方法的1.4倍.进一步的实验表明:可以分别为具有代表性的深度学习自动驾驶系统CIL和CILRS,从旷野、乡村与城市的3类环境中动态生成的共3000个场景中,搜索到1939个和1671个造成故障的场景,并且每个故障场景的搜索时间平均为16.86 s.分析器从统计的角度判断出CILRS系统容易导致故障的区域在道路两侧,雨天和红色或黄色物体更易导致该自动驾驶系统发生故障.

关键词：车联网视觉感知模块深度学习安全性黑盒测试场景搜索

来源：评论

学校读者我要写书评

暂无评论

工程图对象识别规则自动获取方法的研究

引用

计算机学报 2003年第10期26卷 1234-1240页

作者：杨若瑜胡笳蔡士杰南京大学计算机软件新技术国家重点实验室南京210093

分析了工程图中工程对象的构图特点 ,设计了适用于识别的对象特征组结构 .提出了通过抽取对象特征组、由特征组自动生成识别规则的方法 .提出了在识别系统中加入对象特征抽取以及识别规则自动生成与调整功能使识别系统能方便地适应新图... 详细信息

分析了工程图中工程对象的构图特点 ,设计了适用于识别的对象特征组结构 .提出了通过抽取对象特征组、由特征组自动生成识别规则的方法 .提出了在识别系统中加入对象特征抽取以及识别规则自动生成与调整功能使识别系统能方便地适应新图例从而提高适应能力的方法 .该方法已应用于一个建筑工程图自动分析软件并取得了较好的效果 .

关键词：建筑工程图计算机辅助设计工程图对象识别规则自动识别自动获取

来源：评论

学校读者我要写书评

暂无评论

三方众包市场中的发包方-平台博弈机制设计

引用

计算机研究与发展 2022年第11期59卷 2507-2519页

作者：何雨橙丁尧相周志华计算机软件新技术国家重点实验室(南京大学) 南京210023

众包(crowdsourcing)通常涉及到目标各不相同的多个参与者.设计有效的众包机制,使得各个参与者在竞争中实现共赢,是众包理论研究中的基本问题之一.当前,众包机制设计通常基于发包方标注者直接进行交互的两方博弈模型.而现实应用中,发包... 详细信息

众包(crowdsourcing)通常涉及到目标各不相同的多个参与者.设计有效的众包机制,使得各个参与者在竞争中实现共赢,是众包理论研究中的基本问题之一.当前,众包机制设计通常基于发包方标注者直接进行交互的两方博弈模型.而现实应用中,发包方与标注者之间往往通过平台进行交互,从而构成三方博弈下的众包市场.其中的发包方平台博弈机制设计是过往众包研究中未曾涉及的全新问题.将三方众包市场建模为不完全信息博弈,并证明该博弈问题的Nash均衡可通过在线学习来最小化发包方和平台的累计遗憾而达到.在单发包方情形下,证明经典的EXP3算法对于发包方的最优性,并基于反事实遗憾最小化技术为平台设计了有效策略.同时,将单发包方情形下发包方和平台策略拓展到多发包方情形下并给出理论分析.合成及真实数据集上的实验验证了该方法的有效性.

关键词：众包博弈理论机制设计在线学习反事实遗憾最小化

来源：评论

学校读者我要写书评

暂无评论

网上IP劫持攻击的研究

引用

软件学报 2000年第4期11卷 515-519页

作者：赵欣 *** 陈道蓄谢立南京大学计算机软件新技术国家重点实验室

当前 ,网上出现了一种基于 TCP的主动攻击 ,称为 IP劫持 .这种攻击不同于以往的基于网络侦听的被动式网络攻击 ,它能绕过系统口令和 S/ KEY口令保护的防御 ,将网络连接完全接管 ,对网络安全造成了重大威胁 .该文分析了这种攻击的实施原... 详细信息

当前 ,网上出现了一种基于 TCP的主动攻击 ,称为 IP劫持 .这种攻击不同于以往的基于网络侦听的被动式网络攻击 ,它能绕过系统口令和 S/ KEY口令保护的防御 ,将网络连接完全接管 ,对网络安全造成了重大威胁 .该文分析了这种攻击的实施原理。

关键词： IP劫持网络监视器 Internet网网络安全

来源：评论

学校读者我要写书评

暂无评论

一种基于标记传播的大规模图像分类方法

引用

计算机研究与发展 2012年第11期49卷 2289-2295页

作者：佘俏俏俞扬姜远周志华南京大学计算机软件新技术国家重点实验室南京210093

在基于内容的图像检索中,图像标记具有十分重要的作用.由于为图像加标注代价昂贵,研究者通过利用大量的未标记数据来提高分类性能,标记传播是其中的一类有效方法.随着数据采集、存储技术的发展,数字图像的积累越来越容易,但现有的标记... 详细信息

在基于内容的图像检索中,图像标记具有十分重要的作用.由于为图像加标注代价昂贵,研究者通过利用大量的未标记数据来提高分类性能,标记传播是其中的一类有效方法.随着数据采集、存储技术的发展,数字图像的积累越来越容易,但现有的标记传播方法难以处理真实世界中的大规模数据.因此,针对大规模图像标记,融合标记传播和随机森林技术,提出一种新方法RFLP.它使用随机决策树进行样本压缩,使得传统的标记传播方法能够在压缩过的示例上高效执行,以利用未标记数据提高分类性能,然后利用随机森林将标记传播的结果推广到所有未标记示例上.实验结果表明,新方法RFLP的可扩展性明显优于传统标记传播方法,且其分类性能良好.

关键词：图像标记大规模问题标记传播直推式学习随机森林

来源：评论

学校读者我要写书评

暂无评论

基于频繁项集挖掘的贝叶斯分类算法

引用

计算机研究与发展 2007年第8期44卷 1293-1300页

作者：眭俊明姜远周志华南京大学计算机软件新技术国家重点实验室南京210093

朴素贝叶斯分类器是一种简单而且高效的分类学习算法,但是它所要求的属性独立性假设在真实世界应用中经常难以满足.为了放松属性独立性约束以提高朴素贝叶斯分类器的泛化能力,研究人员进行了大量的工作.提出了一种基于频繁项集挖掘技术... 详细信息

朴素贝叶斯分类器是一种简单而且高效的分类学习算法,但是它所要求的属性独立性假设在真实世界应用中经常难以满足.为了放松属性独立性约束以提高朴素贝叶斯分类器的泛化能力,研究人员进行了大量的工作.提出了一种基于频繁项集挖掘技术的贝叶斯分类学习算法FISC(frequent item sets classifier).在训练阶段,FISC找到所有频繁项集并计算可能用到的概率估值.在测试阶段,FISC对于测试样本包含的每个项集构造一个分类器,通过集成这些分类器来给出预测结果.实验结果验证了FISC的有效性.

关键词：机器学习贝叶斯分类半朴素贝叶斯分类频繁项集挖掘集成学习

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：