检索结果-内蒙古大学图书馆

水文 2025年第2期45卷 37-43页

作者：三梅英黄勇寇一丹赵社强魏鹏刚余宇峰青海黄河上游水电开发有限责任公司青海西宁810000 中国电建集团西北勘测设计研究院有限公司陕西西安710065 河海大学计算机与软件学院江苏南京210098

针对基于DEM的洪水淹没算法中存在的模拟结果准确性差、淹没源点选取困难等问题,提出一种适用于中小河流的横向淹没算法。以河道为考虑对象,在已知洪水水位前提下,根据河道汇流的交叉点将河道划分为若干河段,然后提取河段折点并在同一... 详细信息

针对基于DEM的洪水淹没算法中存在的模拟结果准确性差、淹没源点选取困难等问题,提出一种适用于中小河流的横向淹没算法。以河道为考虑对象,在已知洪水水位前提下,根据河道汇流的交叉点将河道划分为若干河段,然后提取河段折点并在同一河段两个相邻折点间的等分点上向河道两侧进行横向垂直探测,获取河道两侧淹没范围,从而得到洪水淹没区域。选择横江流域30 m、90 m和1 km分辨率的DEM数据进行模拟分析。结果表明,该方法能有效提升洪水淹没分析的能力,可实现中小河流泛洪淹没过程模拟,为中小河流山洪灾害防御和风险评估提供技术支撑。

关键词：中小河流数字高程模型洪水淹没分析河道横向淹没算法

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合的轻量级火灾检测算法

引用

计算机工程与应用 2024年第23期60卷 229-237页

作者：杨国为刘璇郜敏许迪南京审计大学计算机学院南京211815

针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适... 详细信息

针对传统火灾检测算法存在的检测精度不足及速度瓶颈,特别是对于小规模初发火情与大规模迅速蔓延火灾的识别难题,研究提出一种基于多尺度特征融合的轻量级火灾检测算法,设计了EDBAN模块以替代YOLOv8中的C2f模块,提升模型的泛化能力和适应性,尤其是在处理多尺度火灾场景时的精准度。改进原有的BiFPN结构适配YOLOv8模型结构,并设计Weighted Blend模块对各层特征进行加权融合,增强特征的表征能力,降低漏检风险。进一步提出LOTT检测模块,以替代传统的YOLOv8检测,通过一系列组卷积和尺度调整操作,实现了在轻量化的同时保持了检测性能的准确性和稳定性。通过在场景丰富的火灾数据集上进行实验,结果表明,改进的YOLOv8算法在基准模型的基础上参数量减少了58.3%、计算量减少了34.5%,同时mAP提升了2.6个百分点,基本满足火灾实时检测的需求。

关键词： YOLOv8 轻量化火灾检测目标检测加权双向特征金字塔(BiFPN)

来源：评论

学校读者我要写书评

暂无评论

融合时空重构单元和Transformer的雷达回波外推算法

引用

郑州大学学报(工学版) 2025年

作者：方巍王淏西南京信息工程大学计算机学院南京信息工程大学软件学院中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室中国气象局武汉暴雨研究所中国气象科学研究院灾害天气国家重点实验室

针对现有基于深度学习的雷达回波外推算法时空特征提取能力不足和建模能力有限的问题,提出了一种融合Transformer和时空重构单元(SRU)的雷达回波外推模型SRU-Former。首先,在模型的编码器和解码器中引入新设计的时空重构单元,通过分离... 详细信息

针对现有基于深度学习的雷达回波外推算法时空特征提取能力不足和建模能力有限的问题,提出了一种融合Transformer和时空重构单元(SRU)的雷达回波外推模型SRU-Former。首先,在模型的编码器和解码器中引入新设计的时空重构单元,通过分离、变换和重构的策略来提取雷达图像精细化时空特征;其次,在编码器和解码器之间引入Transformer的变体架构模型Poolformer,用全局平均池化操作代替自注意力机制,帮助模型对高度动态变化的雷达序列进行建模;最后,在江苏省气象雷达数据集和上海市气象雷达数据集上训练和测试,与目前主流的深度学习模型进行对比。在2 h外推任务中,CSI、FAR、MSE和SSIM 4个指标均取得最优值,在江苏数据集上CSI提升了0.020,上海数据集上CSI提升了0.048。实验结果表明:SRU-Former能够有效提升模型的预报准确率,外推后期对强回波区域的捕捉更加精确,细节纹理更加丰富清晰。

关键词：深度学习雷达回波外推 Transformer 时空重构单元全局平均池化

来源：评论

学校读者我要写书评

暂无评论

一种基于知识图谱的检索增强生成情报问答技术

引用

计算机科学 2025年第1期52卷 87-93页

作者：成志宇陈星霖王菁周中元张志政东南大学苏州联合研究生院江苏苏州215000 东南大学软件学院南京211189 信息系统工程全国重点实验室南京210023 中国电子科技集团公司第二十八研究所南京210023 东南大学计算机科学与工程学院南京211189 新一代人工智能技术与交叉应用教育部重点实验室(东南大学) 南京211189

为实现军事情报问答,提出了一种基于知识图谱的检索增强生成框架。该框架通过问题分类、实体识别、实体链接、知识检索有效地获取了背景知识。同时考虑到情报问题多约束的特点,使用回答集编程在知识上通过约束限制减少知识数量或者直接... 详细信息

为实现军事情报问答,提出了一种基于知识图谱的检索增强生成框架。该框架通过问题分类、实体识别、实体链接、知识检索有效地获取了背景知识。同时考虑到情报问题多约束的特点,使用回答集编程在知识上通过约束限制减少知识数量或者直接获得答案。最后,使用大语言模型在精炼后的知识上对问题进行求解,以减少问题理解过程中的属性识别与链接。在MilRE数据集上的实验表明,所提框架能够提供基于知识图谱的增强知识检索功能,并具有较好的军事情报问题解答能力。

关键词：情报问答回答集编程大语言模型检索增强生成知识图谱

来源：评论

学校读者我要写书评

暂无评论

一种传感图像特征快速挖掘算法设计

引用

传感技术学报 2024年第5期37卷 869-876页

作者：郭红建赵燕飞南京审计大学计算机学院江苏南京211815

传感图像采集因曝光而损失图像特征,导致特征错误挖掘率高和精准率召回率(Precision-Recall,PR),曲线表现较差,针对该问题,提出一种新的传感图像特征快速挖掘算法。该方法将参数化修正线性单元函数作为激活函数,融合修补图和输入图像,... 详细信息

传感图像采集因曝光而损失图像特征,导致特征错误挖掘率高和精准率召回率(Precision-Recall,PR),曲线表现较差,针对该问题,提出一种新的传感图像特征快速挖掘算法。该方法将参数化修正线性单元函数作为激活函数,融合修补图和输入图像,并在训练阶段使用L1损失函数和结构相似性指数(Structural Similarity Index,SSIM)损失函数约束图像,采用softmax回归挖掘图像特征,构建卷积神经网络传感图像特征挖掘结构,在训练过程中,使用自适应梯度更新结构参数,设计挖掘步骤,实现传感图像特征快速挖掘。实验结果表明,设计的卷积神经网络图像特征挖掘方法的PSNR值较高、SSIM值接近1,错误挖掘率为1.0%,PR曲线最接近右上角,面积最大,并且图像视觉效果更好,特征挖掘时间最高仅为1.3 s,实现了快速挖掘。

关键词：传感图像图像特征快速挖掘卷积神经网络 PReLU函数损失函数 PR曲线

来源：评论

学校读者我要写书评

暂无评论

面向智慧审计的思维变革与审计平台构建研究

引用

审计研究 2023年第5期 11-20页

作者：黄佳佳李鹏伟徐超南京审计大学计算机学院 211815

智慧审计是人工智能浪潮下发展现代审计的必由之路,是提升审计质量和审计效率的重要途径。新一代信息技术的快速发展改变了审计环境,而审计目标的变化进一步促使审计方法革新,即从大数据审计走向智慧审计。这要求审计人员从思维模式上... 详细信息

智慧审计是人工智能浪潮下发展现代审计的必由之路,是提升审计质量和审计效率的重要途径。新一代信息技术的快速发展改变了审计环境,而审计目标的变化进一步促使审计方法革新,即从大数据审计走向智慧审计。这要求审计人员从思维模式上变革审计作业理念,从行动上创新审计技术方法。智慧审计下审计方法创新的关键是构建智慧审计平台,核心思想是将审计理论与审计经验转化为数字化审计知识体系和智能化审计知识模型,这将有助于审计过程由传统的依赖人工规则的自动化流程转变为基于审计平台数字经验的智能化流程。依托于该审计平台可将智慧审计思想付诸实践,动态感知、高效精准、自主学习、人机交互的智慧审计模式有助于更好发挥审计在党和国家监督体系中的重要作用。

关键词：智慧审计审计平台构建审计方法智能化思维模式

来源：评论

学校读者我要写书评

暂无评论

基于学生t分布的鲁棒分层模糊算法及其在图像分割中的应用

引用

电子学报 2017年第7期45卷 1695-1700页

作者：徐超詹天明孔令成张辉南京审计大学工学院江苏南京211815 南京信息工程大学计算机与软件学院江苏南京210044

著名的模糊C均值算法(FCM)一直被视为图像分割应用中一个强有力的工具.然而,由于FCM中距离函数选择问题使得其对图像噪声的鲁棒性不足.本文提出了一个新的分层模糊C均值算法,使得传统的模糊C均值算法对于图像噪声和离群点有更好的鲁棒性... 详细信息

著名的模糊C均值算法(FCM)一直被视为图像分割应用中一个强有力的工具.然而,由于FCM中距离函数选择问题使得其对图像噪声的鲁棒性不足.本文提出了一个新的分层模糊C均值算法,使得传统的模糊C均值算法对于图像噪声和离群点有更好的鲁棒性.在此基础上引入了一个更加灵活的函数,即将距离函数本身看作是一个子学生t分布函数.使分层模型具有更好的通用性和灵活性.本文提出的算法可以扩展到其他基于FCM模型的算法实现,以获得更优的鲁棒性.实验结果表明本文提出新的分层模糊C均值算法的鲁棒性确实有效.

关键词：分层算法模糊C均值图像分割学生t分布

来源：评论

学校读者我要写书评

暂无评论

基于用户情景推断的军事信息Hybrid-CF推荐算法

引用

计算机测量与控制 2025年第4期33卷 186-191页

作者：陶飞飞陈诚石敏芳邓劲柏河海大学计算机与软件学院南京210098

针对当前军事信息推荐方法未对用户所处时间、地理位置和用户场景做区分,以及未考虑军事用户的信息需求与所处场景的关联性,导致推荐结果固定、单一化的问题,设计了基于用户情景推断的军事信息Hybrid-CF(混合协同过滤)推荐方法;融入军... 详细信息

针对当前军事信息推荐方法未对用户所处时间、地理位置和用户场景做区分,以及未考虑军事用户的信息需求与所处场景的关联性,导致推荐结果固定、单一化的问题,设计了基于用户情景推断的军事信息Hybrid-CF(混合协同过滤)推荐方法;融入军事用户情景要素对传统协同过滤算法进行了改进,通过计算当前情景信息与历史信息的相似度,更加准确地推断出当前军事用户的所处情景,继而给军事用户推荐符合其需求的特定情景下的军事信息;为了解决推荐算法矩阵稀疏、效果单一等问题,引入了加权平衡因子将不同的推荐算法进行动态加权得到融合情景信息的Hybrid-CF推荐算法,并通过控制因子λ对加权平衡因子进行动态调整;实验结果表明,所提出的Hybrid-CF推荐算法在准确率和召回率上均体现了良好的提升效果。

关键词：协同过滤融合情景情景推断加权平衡因子混合推荐

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的主题模型研究

引用

计算机学报 2020年第5期43卷 827-855页

作者：黄佳佳李鹏伟彭敏谢倩倩徐超南京审计大学信息工程学院南京211815 武汉大学计算机学院武汉430072

主题模型作为一个发展二十余年的研究问题,一直是篇章级别文本语义理解的重要工具.主题模型善于从一组文档中抽取出若干组关键词来表达该文档集的核心思想,因而也为文本分类、信息检索、自动摘要、文本生成、情感分析等其他文本分析任... 详细信息

主题模型作为一个发展二十余年的研究问题,一直是篇章级别文本语义理解的重要工具.主题模型善于从一组文档中抽取出若干组关键词来表达该文档集的核心思想,因而也为文本分类、信息检索、自动摘要、文本生成、情感分析等其他文本分析任务提供重要支撑.虽然基于三层贝叶斯网络的传统概率主题模型在过去十余年已被充分研究,但随着深度学习技术在自然语言处理领域的广泛应用,结合深度学习思想与方法的主题模型焕发出新的生机.研究如何整合深度学习的先进技术,构建更加准确高效的文本生成模型成为基于深度学习主题建模的主要任务.本文首先概述并对比了传统主题模型中四个经典的概率主题模型与两个稀疏约束的主题模型.接着对近几年基于深度学习的主题模型研究进展进行综述,分析其与传统模型的联系、区别与优势,并对其中的主要研究方向和进展进行归纳、分析与比较.此外,本文还介绍了主题模型常用公开数据集及评测指标.最后,总结了主题模型现有技术的特点,并分析与展望了基于深度学习的主题模型的未来发展趋势.

关键词：主题模型深度学习潜在主题词向量神经网络

来源：评论

学校读者我要写书评

暂无评论

面向长期时间序列预测的多项式投影与信息交换架构

引用

计算机工程与应用 2025年第10期 120-132页

作者：刘建鑫马廷淮苏昱铭荣欢南京信息工程大学软件学院江苏海洋大学计算机工程学院南京信息工程大学人工智能学院

长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测，为长期预警、规划和决策提供支持。现有方法在进行长期预测时，普遍存在分布偏移和长期依赖关系难以捕获的问题。提出一种面向长期时间序列预测的多项式投影与信息交换... 详细信息

长期时间序列预测利用历史数据对未来较远时段的序列走势进行预测，为长期预警、规划和决策提供支持。现有方法在进行长期预测时，普遍存在分布偏移和长期依赖关系难以捕获的问题。提出一种面向长期时间序列预测的多项式投影与信息交换架构LPPIEA(Legendre polynomial projection and information exchange architecture)。引入可逆实例数据归一化，降低长期时间序列中分布偏移对预测的影响。使用勒让德多项式投影来处理复杂的时间模式，获取数据的高维特征表示以增强模型推理长期时间序列的能力。为了有效捕获长期时间依赖关系，构建轻量化的信息交换架构来高效捕获长期时间依赖关系，从而实现准确高效的长期时间序列预测。在4个常用的公开数据集上的实验结果表明，LPPIEA的预测误差相比于基线方法平均降低11.4%，同时还具有较高的计算效率。

关键词：时间序列预测长期时间依赖多项式投影信息交换架构深度学习

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：