检索结果-内蒙古大学图书馆

计算机研究与发展 2024年第2期61卷 428-440页

作者：王正康骆冰清南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neura... 详细信息

在指纹法的定位中,指纹特征和定位模型是影响定位精度的2个关键因素.在指纹特征的选取方面,可见光强度稳定性较高,但位置特征区分度低;无线信号强度区分度较高,但波动性较强.在定位模型的构建方面,基于卷积神经网络(convolutional neural network, CNN)的定位模型在特征提取时不能有效地突出重要特征.针对上述问题,提出一种基于ECA-CNN的混合指纹室内定位方法(hybrid fingerprint indoor localization method based on ECA-CNN, ECACon-HF).首先,利用可见光强度和低功耗蓝牙(Bluetooth low energy, BLE)接收信号强度指示(received signal strength indication, RSSI)来构建混合指纹,降低BLE指纹不稳定的影响,并增强不同位置之间的区分度.同时,基于高效通道注意力(efficient channel attention, ECA)模块改进CNN定位模型,ECA能够通过跨通道交互策略自适应地提取指纹中的重要信息,抑制指纹中的环境干扰,增强混合指纹特征表达能力,更有效地利用混合指纹优势.实验结果显示,ECAConHF在构建的混合指纹库上可以达到0.316 m的定位精度,高于在单一指纹上的精度;并且基于同一指纹库,ECACon-HF相比其他室内定位方法,定位精度具有明显优势.

关键词：室内定位混合指纹可见光强度注意力机制低功耗蓝牙

来源：评论

学校读者我要写书评

暂无评论

一种基于高阶函数摘要的依赖簇检测方法

引用

电子学报 2024年第4期52卷 1337-1348页

作者：杨嘉毅张迎周李俊锋马锐汪全盛薛渝川南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023

依赖簇是相互依赖的程序组件的最大集合,依赖簇中任意一点产生变动都会引起其他组件的连锁反应.在实际生产环境中,依赖簇检测对于软件理解、测试、维护具有非常重要的意义.传统的依赖簇检测方法基于系统依赖图(System Dependence Graph,... 详细信息

依赖簇是相互依赖的程序组件的最大集合,依赖簇中任意一点产生变动都会引起其他组件的连锁反应.在实际生产环境中,依赖簇检测对于软件理解、测试、维护具有非常重要的意义.传统的依赖簇检测方法基于系统依赖图(System Dependence Graph,SDG)实现过程间依赖关系的计算.但是SDG的构建过程比较复杂,时间空间的占用比较大.为提高依赖簇检测的效率并减少空间占用,本文提出了一种有效的轻量级依赖簇检测方法.该方法通过构建每个过程高阶函数形式的函数摘要,将形参和全局变量的数据依赖作为摘要参数,并用函数摘要的参数初始化过程内依赖信息.通过在调用点处对高阶函数形式的摘要进行实例化,即可将调用过程的依赖关系通过摘要参数进行传递,从而获取过程间的依赖信息.为了进一步提升检测效率,我们还提出了基于自适应计算的依赖簇检测优化策略,该策略可以减少因函数的递归调用产生的相关冗余计算.本文选取了不同规模不同领域的工程项目和基准测试集进行相关对比实验,结果表明:基于高阶函数的依赖簇检测方法相比系统依赖图的检测方法,能够提升2.689倍的分析效率并减少35.7%的空间占用;基于自适应计算的依赖簇检测优化策略在高阶函数方法的基础上能够减少56.7%的冗余计算,提升23.9%的分析效率.

关键词：依赖簇高阶函数自适应计算系统依赖图形式概念分析

来源：评论

学校读者我要写书评

暂无评论

基于语言学知识增强的自监督式图卷积网络的事件关系抽取方法

引用

数据分析与知识发现 2023年第5期7卷 92-104页

作者：徐康余胜男陈蕾王传栋南京邮电大学计算机学院、软件学院、网络空间安全学院南京210003

【目的】解决事件关系抽取中因缺少大规模高质量的标注数据以及事件关系复杂的语言表达模式而导致的现有方法难以捕获结构化事件知识的问题。【方法】提出一种基于语言学知识增强的自监督式图卷积网络模型,利用预训练BERT模型编码文本特... 详细信息

【目的】解决事件关系抽取中因缺少大规模高质量的标注数据以及事件关系复杂的语言表达模式而导致的现有方法难以捕获结构化事件知识的问题。【方法】提出一种基于语言学知识增强的自监督式图卷积网络模型,利用预训练BERT模型编码文本特征,将其输入图卷积网络中学习词之间的句法依存关系以增强文本表示,引入多头注意力机制对不同依赖特征加以区分,再利用分段最大池化操作提取结构信息,然后组合多个段的池化结果作为事件对的关系特征,使用关系特征进行自适应聚类生成伪类别标签,并将其作为自监督信息,通过迭代的自监督训练模式优化事件关系特征。【结果】在TACRED和FewRel数据集上进行实验,B3-F1相较于最好的基线模型分别提高了2.1和1.2个百分点。【局限】该模型将句法依存树当作无向图处理,未考虑边的方向和依赖边的标签信息。【结论】本文所提基于语言学知识增强的自监督式图卷积网络模型能有效增强文本的表征效果,为缺少标注数据的事件关系抽取提供了一种自监督学习框架。

关键词：事件关系抽取 BERT 自监督模型图卷积网络多头注意力机制

来源：评论

学校读者我要写书评

暂无评论

一种基于改进CRNN的轻量化乐谱识别方法

引用

电子学报 2023年第11期51卷 3167-3175页

作者：蒋凌云鞠金恒徐佳肖甫南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210003

基于深度学习的乐谱识别方法提高了识别精度,但存在模型训练单次迭代耗时长、总迭代轮数多的问题.本文提出了一种改进卷积循环神经网络的轻量化乐谱识别方法CRNN-lite(lightweight Convolutional Recurrent Neural Networks),该方法在... 详细信息

基于深度学习的乐谱识别方法提高了识别精度,但存在模型训练单次迭代耗时长、总迭代轮数多的问题.本文提出了一种改进卷积循环神经网络的轻量化乐谱识别方法CRNN-lite(lightweight Convolutional Recurrent Neural Networks),该方法在卷积层引入残差式深度可分离卷积,减少计算量并加速特征图的提取;在循环层使用双向简单循环单元,采用并行计算避免了串行计算的强依赖问题;在转录层调节交叉熵函数参数,针对性地学习不均衡样本数据.实验结果表明,该方法提高训练速度,单次迭代耗时为基准网络的43%,在失真图像数据上符号错误率为1.12%,序列错误率为14.5%,错误率指标均优于对比方案.

关键词：光学乐谱识别序列识别卷积循环神经网络深度可分离卷积简单循环单元不均衡样本学习

来源：评论

学校读者我要写书评

暂无评论

面向软件供应链的异常分析方法综述

引用

软件学报 2023年第6期34卷 2606-2627页

作者：葛丽丽帅东昕谢金言张迎周薛渝川杨嘉毅密杰卢跃南京邮电大学计算机学院软件学院网络空间安全学院江苏南京210023

软件在国民经济的各个领域占据越来越重要的地位.万物互联的大背景下,信息之间的交互、分析、协同变得越来越普遍,程序/软件之间的依赖关系逐渐增多,这使得人们对系统可靠性和健壮性提出了更高的要求.由开源组件和第三方组件构成的软件... 详细信息

软件在国民经济的各个领域占据越来越重要的地位.万物互联的大背景下,信息之间的交互、分析、协同变得越来越普遍,程序/软件之间的依赖关系逐渐增多,这使得人们对系统可靠性和健壮性提出了更高的要求.由开源组件和第三方组件构成的软件供应链,其所面临的安全问题近年来成为了学术界和工业界共同关注的焦点.库函数作为开源软件的重要组成部分,与软件供应链安全有着密切的联系.为了提高软件开发效率,软件库或应用程序编程接口(API)在程序编写过程中会被频繁使用,但库函数中存在的错误或漏洞可能会被攻击者利用,从而损害软件供应链安全.这些错误或漏洞往往与库函数中存在的异常有关,因此,从精度和效率两方面对适用于库函数的异常分析方法进行总结归纳,对于每种异常分析方法的基本思想和重要过程进行阐述,并针对库函数异常分析面临的挑战给出初步解决思路.对软件供应链中的库函数进行异常分析,有助于增强软件系统的健壮性,进而保障软件供应链的安全.

关键词：软件供应链异常分析库函数精度优化效率优化函数摘要

来源：评论

学校读者我要写书评

暂无评论

基于生物特征识别的隐私保护可验证联邦学习

引用

计算机学报 2025年

作者：周浩戴华杨庚黄喻先王周生南京邮电大学计算机学院软件学院网络空间安全学院

本文提出了一种基于生物特征的隐私保护可验证联邦学习方法（Biometric-based Privacy-Preserving Verifiable Federated Learning，BPPVFL），以解决联邦学习（Federated Learning， FL）中隐私保护和验证效率的双重挑战。传统的FL方... 详细信息

本文提出了一种基于生物特征的隐私保护可验证联邦学习方法（Biometric-based Privacy-Preserving Verifiable Federated Learning，BPPVFL），以解决联邦学习（Federated Learning， FL）中隐私保护和验证效率的双重挑战。传统的FL方法，通常不考虑隐私保护，使其易受数据泄露的威胁，而更安全的方法如基于零知识证明或同态哈希的FL方法，带来了显著的计算和通信开销。BPPVFL提出了基于生物特征的身份验证和数据完整性验证机制，实现了针对参与者敏感数据的隐私保护和高效的身份和数据验证，减少了客户端和服务器端的验证开销。此外，该方法使用针对生物特征数据的自适应噪声机制，在隐私保护和模型准确性之间取得了平衡。从理论和实验两方面证明了在BPPVFL中客户端的验证通信开销与客户端数量N和梯度维度d无关，从而实现了在大模型和高维度数据情况下的高效验证，即使在梯度维度d增加时，客户端的验证通信开销仍保持不变。在三个真实世界的生物特征数据集（SigD、BIDMC和TBME）上进行的大量实验表明，与隐私保护方法NbAFL相比BPPVFL的准确率最高提升了81%，同时与可验证方法VerifyNet相比BPPVFL的客户端验证通信开销最多减少了85%，服务器端通信开销与梯度维度独立且减少了90%以上。该方法在不同数据维度和隐私预算的环境下表现出出色的可扩展性和高效性。理论分析和实验结果表明，BPPVFL能够有效防止身份伪造和数据篡改，同时确保对敏感生物特征信息的强大隐私保护。BPPVFL为隐私保护联邦学习，尤其是生物特征应用，提供了一种有前景的解决方案。通过在隐私、验证开销和模型性能之间取得平衡，BPPVFL为安全联邦学习提供了一种实用且高效的方法。该工作为未来针对敏感和高维数据环境的隐私保护机器学习方法研究奠定了基础。

关键词：联邦学习隐私保护可验证边缘计算生物特征识别

来源：评论

学校读者我要写书评

暂无评论

基于SM2的去中心化匿名凭证方案

引用

计算机研究与发展 2025年

作者：赵陆天禹王化群南京邮电大学计算机学院软件学院网络空间安全学院

匿名凭证是一种在不透露持有者身份的前提下验证其资格或属性的隐私保护认证方式，广泛应用于数字身份管理系统、电子政务和数字银行等领域.符合国家商用密码标准的匿名凭证也备受关注.然而，现行匿名凭证方案多依赖于中心化的发行机构... 详细信息

匿名凭证是一种在不透露持有者身份的前提下验证其资格或属性的隐私保护认证方式，广泛应用于数字身份管理系统、电子政务和数字银行等领域.符合国家商用密码标准的匿名凭证也备受关注.然而，现行匿名凭证方案多依赖于中心化的发行机构，这不仅限制了其在去中心化网络中的应用，还易因单点故障导致系统瘫痪和隐私泄露.为解决上述问题，提出了一种基于SM2商用密码的去中心化匿名凭证方案.该方案利用区块链网络替代传统凭证发行机构，通过零知识证明方案确保凭证分发的安全可靠.此外，该方案还允许用户根据需求选择性地披露属性，从而有效避免隐私信息的过度泄露.还探讨了国密化零知识证明方案的构造方法，并提出了基于SM2的集合成员关系证明方案，为SM2去中心化匿名凭证的设计提供了构造基础.安全性分析表明，基于SM2的去中心化匿名凭证方案满足不可伪造性和匿名性需求.性能实验进一步显示，该方案具备实际部署所需的效率.

关键词：国家商用密码标准零知识证明匿名凭证区块链隐私保护

来源：评论

学校读者我要写书评

暂无评论

RFreeTrack:基于差分相位全息图的RFID非接触式鲁棒定位系统

引用

通信学报 2024年第3期45卷 92-103页

作者：桂林卿蒋祎张卿云肖甫南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京 210023 江苏省无线传感网高技术研究重点实验室江苏南京 210023 南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京 210023

针对复杂室内环境非接触式RFID目标定位误差大的问题,提出了RFreeTrack系统,其使用商用RFID设备计算出目标反射信号,实现了复杂环境下高精度非接触式目标定位.首先,提出了一种基于时间序列相似度的搜索方法用于校准静态信号,从而显著增... 详细信息

针对复杂室内环境非接触式RFID目标定位误差大的问题,提出了RFreeTrack系统,其使用商用RFID设备计算出目标反射信号,实现了复杂环境下高精度非接触式目标定位.首先,提出了一种基于时间序列相似度的搜索方法用于校准静态信号,从而显著增强了目标反射信号提取的鲁棒性.然后,提出了基于差分相位全息图的非接触式定位方法,排除阅读器天线位置的影响,提升了定位准确度,降低了系统的部署难度.最后,实现了一个高精度的非接触式定位系统原型.实验表明,在复杂环境中使用校准后的静态信号提取出的目标反射信号相位,相较于现有方法误差降低了 68.8%.基于校准过的静态反射信号,在复杂环境中使用差分相位全息图的定位误差平均值为0.040 8 m,相较于现有方法提升了50.6%.

关键词：射频识别室内定位非接触式定位静态信号校准差分相位全息图

来源：评论

学校读者我要写书评

暂无评论

混合博弈问题的求解与应用综述

引用

软件学报 2025年第1期36卷 107-151页

作者：董绍康李超杨光葛振兴曹宏业陈武兵杨尚东陈兴国李文斌高阳计算机软件新技术国家重点实验室(南京大学) 江苏南京210023 南京邮电大学计算机学院、软件学院、网络空间安全学院江苏南京210023

近年来,随着人工智能技术在序贯决策和博弈对抗等问题的应用方面取得了飞速发展,围棋、游戏、德扑和麻将等领域取得了巨大的进步,例如,AlphaGo、OpenAI Five、AlphaStar、DeepStack、Libratus、Pluribus和Suphx等系统都在这些领域中达... 详细信息

近年来,随着人工智能技术在序贯决策和博弈对抗等问题的应用方面取得了飞速发展,围棋、游戏、德扑和麻将等领域取得了巨大的进步,例如,AlphaGo、OpenAI Five、AlphaStar、DeepStack、Libratus、Pluribus和Suphx等系统都在这些领域中达到或超过人类专家水平.这些应用集中在双人、两队或者多人的零和博弈问题中,而对于混合博弈问题的研究缺乏实质性的进展与突破.区别于零和博弈,混合博弈需要综合考虑个体收益、集体收益和均衡收益等诸多目标,被广泛应用于公共资源分配、任务调度和自动驾驶等现实场景.因此,对于混合博弈问题的研究至关重要.通过梳理当前混合博弈领域中的重要概念和相关工作,深入分析国内外研究现状和未来发展方向.具体地,首先介绍混合博弈问题的定义与分类;其次详细阐述博弈解概念和求解目标,包含纳什均衡、相关均衡、帕累托最优等解概念,最大化个体收益、最大化集体收益以及兼顾公平等求解目标;接下来根据不同的求解目标,分别对博弈论方法、强化学习方法以及这两种方法的结合进行详细探讨和分析;最后介绍相关的应用场景和实验仿真环境,并对未来研究的方向进行总结与展望.

关键词：混合博弈博弈论强化学习

来源：评论

学校读者我要写书评

暂无评论

一种面向异构无人机群的博弈任务分配算法

引用

小型微型计算机系统 2025年

作者：张淳伍永江王雪梅南京邮电大学计算机学院软件学院网络空间安全学院

多异构无人机的任务分配是无人机群协同工作中的重要问题，尤其在任务复杂且资源有限的空域环境中，如何快速找到高效、稳定的任务分配方案是一个关键挑战。本文提出了一种基于任务筛选、偏好计算与稳定匹配理论的多无人机任务分配算法... 详细信息

多异构无人机的任务分配是无人机群协同工作中的重要问题，尤其在任务复杂且资源有限的空域环境中，如何快速找到高效、稳定的任务分配方案是一个关键挑战。本文提出了一种基于任务筛选、偏好计算与稳定匹配理论的多无人机任务分配算法。首先，通过任务区域筛选机制，根据任务需求和空域环境筛选出潜在的无人机候选集合，从而有效减少计算复杂度并提高分配效率。随后，利用无人机偏好计算公式，初步分配无人机到各任务区域，并基于 Gale-Shapley 稳定匹配理论确保初始分配的合理性与稳定性。在联盟形成阶段，采用 Shapley 值对联盟收益进行动态优化，通过移除边际贡献较低的无人机提升联盟的整体收益，并对移除的无人机进行二次分配以最大化任务完成率。实验结果表明，与随机算法和拍卖算法相比，本文提出的方法在计算效率、分配收益和分配结构稳定性方面表现出显著优势，适用于较大规模动态任务场景。与边际效益算法相比，该方法不仅减少了联盟迭代次数和算法运行时间，还实现了更高的总收益，达到最佳分配联盟收益的90%以上。在大规模数据量的分配任务中，该方法的表现优于随机边际效益算法和拍卖算法。

关键词：异构无人机集群任务分配博弈论无人机联盟 Gale-Shapley算法

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：