检索结果-内蒙古大学图书馆

中南大学学报（自然科学版） 2018年第7期49卷 1677-1682页

作者：刘雪娟袁家斌许娟段博佳南京航空航天大学计算机科学与技术学院江苏南京210016

考虑到量子计算具有超强的并行计算能力,拟引入量子计算以降低局部密度和delta距离度量的聚类算法(DDC)计算复杂度。DDC算法的局部密度求解过程是计数算法,提出利用量子计数算法加速局部密度的求解;delta距离是最小值查找的过程,提出利... 详细信息

考虑到量子计算具有超强的并行计算能力,拟引入量子计算以降低局部密度和delta距离度量的聚类算法(DDC)计算复杂度。DDC算法的局部密度求解过程是计数算法,提出利用量子计数算法加速局部密度的求解;delta距离是最小值查找的过程,提出利用最小值查找量子算法加速delta距离的求解。研究结果表明:利用量子计算对DDC聚类算法进行加速,能够使算法的执行效率获得显著提升。

关键词：局部密度 delta距离聚类算法量子计算加速

来源：评论

学校读者我要写书评

暂无评论

有序判别典型相关分析

引用

软件学报 2014年第9期25卷 2018-2025页

作者：周航星陈松灿南京航空航天大学计算机科学与技术学院江苏南京210016

多视图学习方法通过视图间互补信息的融合,达到增强单一视图方法的鲁棒性并提升学习性能的目的.典型相关分析(canonical correlation analysis,简称CCA)是一种重要的多视图信息融合技术.其研究的是针对同一组目标两组不同观测数据间的... 详细信息

多视图学习方法通过视图间互补信息的融合,达到增强单一视图方法的鲁棒性并提升学习性能的目的.典型相关分析(canonical correlation analysis,简称CCA)是一种重要的多视图信息融合技术.其研究的是针对同一组目标两组不同观测数据间的相关性,目标是得到一组相关性最大的投影向量.但当面对标号有序的分类任务时,CCA因没有利用类信息和类间有序信息,造成了对分类性能的制约.为此,通过将有序类信息嵌入CCA进行扩展,发展出有序判别典型相关分析(ordinal discriminative canonical correlation analysis,简称OR-DisCCA).实验结果表明,OR-DisCCA的性能比相关方法更优.

关键词：典型相关分析有序回归分类信息融合判别分析

来源：评论

学校读者我要写书评

暂无评论

支持日志乱序提交的分布式一致性协议

引用

浙江大学学报（工学版） 2023年第2期57卷 320-329页

作者：王进李博涵吴佳骏宋欣洋南京航空航天大学计算机科学与技术学院江苏南京211106

为了解决Raft算法中日志提交的严格串行化设计,提出一种Raft协议变体:并行提交Raft (PC-Raft). PCRaft在日志提交阶段运用流水线,重新设计日志缓冲区,实现日志的乱序提交.传输方式使用RDMA网络,在提高日志传输的并发性的同时加快传输速... 详细信息

为了解决Raft算法中日志提交的严格串行化设计,提出一种Raft协议变体:并行提交Raft (PC-Raft). PCRaft在日志提交阶段运用流水线,重新设计日志缓冲区,实现日志的乱序提交.传输方式使用RDMA网络,在提高日志传输的并发性的同时加快传输速度.在日志执行阶段,采用批处理,将多条指令打包发送给状态机逐条执行.针对日志并行提交情况下会出现的幽灵复现问题,采用LSN与任期号结合的方式保证日志的安全性.针对日志乱序提交会出现的日志空洞问题,重新设计领导者选举算法,在选举中加入临时领导者,保证选举出的领导者能最快恢复日志.测试结果证明PC-Raft对比Raft在吞吐量方面有着明显的性能提升,同时延迟更低,并且在日志指令依赖频繁的情况下,吞吐量比现有基于Raft的变体更高,延迟也更低.

关键词：一致性协议 Paxos Raft PC-Raft 乱序提交

来源：评论

学校读者我要写书评

暂无评论

基于不稳定性采样的主动学习方法

引用

国防科技大学学报 2022年第3期44卷 50-56页

作者：何花谢明昆黄圣君南京航空航天大学计算机科学与技术学院江苏南京211106

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。... 详细信息

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。

关键词：主动学习标注代价不稳定性后验概率熵

来源：评论

学校读者我要写书评

暂无评论

基于融合欧氏距离与Kendall Tau距离度量的谱聚类算法（英文）

引用

控制理论与应用 2017年第6期34卷 783-789页

作者：光俊叶邵伟孙亮张道强南京航空航天大学计算机科学与技术学院江苏南京211106

大多数现存的谱聚类方法均使用传统距离度量计算样本之间的相似性,这样仅仅考虑了两两样本之间的相似性而忽略了周围的近邻信息,更没有顾及数据的全局性分布结构.因此,本文提出一种新的融合欧氏距离和Kendall Tau距离的谱聚类方法.该方... 详细信息

大多数现存的谱聚类方法均使用传统距离度量计算样本之间的相似性,这样仅仅考虑了两两样本之间的相似性而忽略了周围的近邻信息,更没有顾及数据的全局性分布结构.因此,本文提出一种新的融合欧氏距离和Kendall Tau距离的谱聚类方法.该方法通过融合两两样本之间的直接距离以及其周围的近邻信息,充分利用了不同的相似性度量可以从不同角度抓取数据之间结构信息的优势,更加全面地反映数据的底层结构信息.通过与传统聚类算法在UCI标准数据集上的实验结果作比较,验证了本文的方法可以显著提高聚类效果.

关键词： KendallTau距离距离度量相似性融合谱聚类

来源：评论

学校读者我要写书评

暂无评论

面向移动终端的云计算跨域访问委托模型

引用

软件学报 2013年第3期24卷 564-574页

作者：袁家斌魏利利曾青华南京航空航天大学计算机科学与技术学院江苏南京210016

为实现移动节点跨域访问过程中的云资源保护,针对云环境和移动终端特点,借鉴已有的基于委托的RBAC访问控制技术,提出了一种面向移动终端的跨域访问委托模型、委托机制,有效解决了移动终端所属域的动态多变问题.域管理节点维护的动态路由... 详细信息

为实现移动节点跨域访问过程中的云资源保护,针对云环境和移动终端特点,借鉴已有的基于委托的RBAC访问控制技术,提出了一种面向移动终端的跨域访问委托模型、委托机制,有效解决了移动终端所属域的动态多变问题.域管理节点维护的动态路由表,实现了移动节点的准确定位.模型给出了角色合成方法,结合量化角色技术,避免了映射过程中权限的隐蔽提升问题.委托申请频率阈值,避免了恶意节点频繁申请带来的资源耗尽风险.分析结果表明,模型具有较好的实用性和安全性,为实现现有跨域访问控制模型向移动终端扩展提供了新思路.

关键词：跨域访问控制移动终端委托角色映射 RBAC 云安全

来源：评论

学校读者我要写书评

暂无评论

基于大间隔编码的空间非负矩阵分解

引用

华南理工大学学报（自然科学版） 2015年第5期43卷 120-125页

作者：刘大琨谭晓阳南京航空航天大学计算机科学与技术学院江苏南京210016

虽然基于局部的表示方法在图像处理中具有很好的鲁棒性,但非负矩阵分解只有隐式局部约束,导致分解不唯一和基图像不够局部.另外,局部性与判别性作为样本表示的重要性质几乎没有在非负矩阵分解中被同时考虑过.为此,文中提出了基于大间隔... 详细信息

虽然基于局部的表示方法在图像处理中具有很好的鲁棒性,但非负矩阵分解只有隐式局部约束,导致分解不唯一和基图像不够局部.另外,局部性与判别性作为样本表示的重要性质几乎没有在非负矩阵分解中被同时考虑过.为此,文中提出了基于大间隔编码的空间非负矩阵分解,将图像数据看作像素构成的二维网络,借鉴网络中的知识将空间信息嵌入基图像,不但施加了显式的局部约束,而且能够弥补数据向量化损失的空间信息.同时,利用大间隔约束学到的额外一维空间平衡重建误差和判别性约束对基图像的影响.在AR数据库和扩展的Yale B数据库上的人脸识别实验结果表明,相比于非负矩阵及其他几种典型的扩展方法,基于大间隔编码的空间非负矩阵分解更加鲁棒.

关键词：模式分类非负矩阵分解空间约束判别的子空间表示大间隔约束

来源：评论

学校读者我要写书评

暂无评论

使用事件自动机规约的C语言有界模型检测

引用

软件学报 2014年第11期25卷 2452-2472页

作者：阚双龙黄志球陈哲徐丙凤南京航空航天大学计算机科学与技术学院江苏南京210016

提出使用事件自动机对C程序的安全属性进行规约,并给出了基于有界模型检测的形式化验证方法.事件自动机可以规约程序中基于事件的安全属性,且可以描述无限状态的安全属性.事件自动机将属性规约与C程序本身隔离,不会改变程序的结构.在事... 详细信息

提出使用事件自动机对C程序的安全属性进行规约,并给出了基于有界模型检测的形式化验证方法.事件自动机可以规约程序中基于事件的安全属性,且可以描述无限状态的安全属性.事件自动机将属性规约与C程序本身隔离,不会改变程序的结构.在事件自动机的基础上,提出了自动机可达树的概念.结合自动机可达树和有界模型检测技术,给出将事件自动机和C程序转化为可满足性模理论SMT(satisfiability modulo theory)模型的算法.最后,使用SMT求解器对生成的SMT模型求解,并根据求解结果给出反例路径分析算法.实例分析和实验结果表明,该方法可以有效验证软件系统中针对事件的属性规约.

关键词：事件自动机可满足性模理论有界模型检测自动机可达树安全关键软件

来源：评论

学校读者我要写书评

暂无评论

UDM:基于NFV的防止DDoS攻击SDN控制器的机制

引用

通信学报 2019年第3期40卷 116-124页

作者：钱红燕薛昊陈鸣南京航空航天大学计算机科学与技术学院江苏南京211106

广泛存在的分布式拒绝服务(DDoS)攻击对于软件定义网络(SDN)的控制器形成了致命威胁,至今还没有一种安全机制能够防御。将SDN和网络功能虚拟化(NFV)结合,提出了一种新颖的防范DDoS攻击SDN控制器的前置检测中间盒(UDM)机制,在SDN交换机... 详细信息

广泛存在的分布式拒绝服务(DDoS)攻击对于软件定义网络(SDN)的控制器形成了致命威胁,至今还没有一种安全机制能够防御。将SDN和网络功能虚拟化(NFV)结合,提出了一种新颖的防范DDoS攻击SDN控制器的前置检测中间盒(UDM)机制,在SDN交换机端口与用户主机之间分布式部署UDM以检测并拒止DDoS攻击报文。此外,还提出了一种基于NFV的前置中间盒的实现方法,使这种UDM机制更为经济和有效,实现了基于该机制的原型系统,并对其进行大量测试。实验结果表明,基于NFV的UDM机制能够实时有效地检测和防止对控制器的DDoS攻击。

关键词： DDoS攻击控制器安全软件定义网络与网络功能虚拟化前置检测中间盒

来源：评论

学校读者我要写书评

暂无评论

基于IMIU的在线类增量对比学习

引用

软件学报 2024年第12期35卷 5544-5557页

作者：刘雨薇陈松灿南京航空航天大学计算机科学与技术学院江苏南京211106

在线类增量连续学习旨在数据流场景下进行有效的新类学习,并保证模型满足小缓存和小批次约束.然而由于数据流的单趟(one-pass)特性,小批次内的类别信息难以如离线学习那样被多趟探索利用.为缓解该问题,目前常采用数据多重增广并借助对... 详细信息

在线类增量连续学习旨在数据流场景下进行有效的新类学习,并保证模型满足小缓存和小批次约束.然而由于数据流的单趟(one-pass)特性,小批次内的类别信息难以如离线学习那样被多趟探索利用.为缓解该问题,目前常采用数据多重增广并借助对比回放建模.但考虑到小缓存和小批次限制,现有随机选择和保存数据的策略不利于获取多样性的负样本,制约了模型判别性.已有研究表明困难负样本是提升对比学习性能的关键,但这鲜少在在线学习场景被探索.Universum学习提出的概念含混(condued)数据恰好提供一种生成困难负样本的简单直观思路,据此先前用特定系数插值混合(mixup)诱导出的Universum数据(mixup-induced Universum,MIU)已有效提升了离线对比学习的性能.受此启发,尝试将其引入在线场景.但不同于先前静态生成的Universum,数据流场景面临着某些额外挑战.首先随类数的动态增加,相对基于全局给定类生成的静态Universum不再适用,需重新加以定义和动态生成,为此提出仅利用当前数据(局部)递归生成相对已见类熵为最大的MIU(称为增量MIU,IMIU),并为其提供额外的小缓存从总体上满足内存限制;其次将生成的IMIU和小批次内的正样本再次插值混合出多样且高质的困难负样本.最后综合上述各步,发展出基于IMIU的在线类增量对比学习(incrementally mixup-induced Universum based online class-increment contrastive learning,IUCL)学习算法.在标准数据集CIFAR-10、CIFAR-100和Mini-ImageNet上的对比实验验证所提算法一致的有效性.

关键词：机器学习在线类增量学习对比学习插值混合 Universum

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：