检索结果-内蒙古大学图书馆

软件学报 2025年第4期36卷 1620-1636页

作者：郁俊杰王星陈文亮张民苏州大学计算机科学与技术学院江苏苏州215006 腾讯AI Lab 广东深圳518000

自训练是缓解标注数据不足问题的常见方法,其通常做法是利用教师模型去获取高置信度的自动标注数据作为可靠数据.然而在低资源场景关系抽取任务上,该方法不仅存在教师模型泛化能力差的问题,而且受到关系抽取任务中易混淆关系类别的影响... 详细信息

自训练是缓解标注数据不足问题的常见方法,其通常做法是利用教师模型去获取高置信度的自动标注数据作为可靠数据.然而在低资源场景关系抽取任务上,该方法不仅存在教师模型泛化能力差的问题,而且受到关系抽取任务中易混淆关系类别的影响,导致难以从自动标注数据中有效地识别出可靠数据,同时产生大量难以利用的低置信度噪音数据.因此,提出一种有效利用低置信度数据的自训练方法ST-LRE(self-training approach for lowresource relation extraction).该方法一方面基于复述增强的预测方法来加强教师模型筛选可靠数据的能力;另一方面,基于部分标注模式从低置信度数据中提炼出可利用的模糊数据.基于模糊数据的候选类别集合,提出了基于负标签集合的负向训练方法.最后,为了支持可靠数据和模糊数据的融合训练,提出一种支持正负向训练的联合方法.在两个广泛使用的关系抽取数据集SemEval2010 Task-8和Re-TACRED的低资源场景上进行实验,ST-LRE方法取得显著且一致的提升.

关键词：自然语言处理信息抽取关系抽取低资源自训练

来源：评论

学校读者我要写书评

暂无评论

无人机网络中基于无证书的群组认证密钥协商协议

引用

工程科学与技术 2025年第1期57卷 213-224页

作者：王钺程朱友文张志强南京航空航天大学计算机科学与技术学院江苏南京210016

随着无人机技术在物流行业等场景下的应用越来越广泛,在一些需要多无人机协同工作的场景下无人机之间需要对收集的数据进行交换,使用对称密钥进行加密和解密操作时,由于网络的通信环境是开放的,极易遭到第三方的窃听,通信前无人机协商... 详细信息

随着无人机技术在物流行业等场景下的应用越来越广泛,在一些需要多无人机协同工作的场景下无人机之间需要对收集的数据进行交换,使用对称密钥进行加密和解密操作时,由于网络的通信环境是开放的,极易遭到第三方的窃听,通信前无人机协商的会话密钥也容易遭到泄露。因此,本文面向无人机网络通信中的身份认证及数据隐私需求,提出一种基于无证书密钥体系的群组认证密钥协商协议。本文协议将无人机群组分为一个高算力的中心节点和多个低算力的节点,以降低通信开销及计算开销。协议共分为注册、协商、加入/退出3个阶段。注册阶段会为每个节点生成密钥对;协商阶段进行会话密钥的计算,群组中高算力中心节点是中枢节点,承担大部分的计算与通信任务,所有节点在注册阶段计算好密钥对后,只需进行高算力的中心节点与低算力节点的两轮交互即可完成密钥协商;此外,在有无人机退出或加入群组的情况下,该协议支持无人机单元及群组密钥的动态变更。本文对所提协议进行了安全性分析并在eCK模型下进行了安全证明,分析结果表明,该协议满足不可否认性、前后向保密性以及抗公钥替换攻击。在模拟实验中与同类型协议进行了计算开销和通信开销的对比,实验结果表明,该协议具有较低的计算开销和通信开销。由于该协议不基于双线性配对构造,所以更适合轻量化的无人机通信场景。

关键词：无人机无证书公钥体系身份认证群密钥协商椭圆曲线加密

来源：评论

学校读者我要写书评

暂无评论

基于密度的多度量空间数据聚类算法

引用

软件学报 2025年第2期36卷 851-873页

作者：朱轶凡罗程阳马瑞遥陈璐毛玉仁高云君浙江大学计算机科学与技术学院浙江杭州310027 浙江大学软件学院浙江宁波315048

具有噪声的基于密度的数据聚类(DBSCAN)算法是数据挖掘领域中的经典方法之一,其不仅能发现数据中潜藏的复杂关系,还能过滤其中的数据噪声,从而获得高质量的数据聚类.然而,现有的基于密度的数据聚类算法仅支持单模态(类型)数据的聚类,难... 详细信息

具有噪声的基于密度的数据聚类(DBSCAN)算法是数据挖掘领域中的经典方法之一,其不仅能发现数据中潜藏的复杂关系,还能过滤其中的数据噪声,从而获得高质量的数据聚类.然而,现有的基于密度的数据聚类算法仅支持单模态(类型)数据的聚类,难以应对多模态(类型)数据并存的应用场景.随着信息技术的快速发展,数据呈现多模态化的发展态势,现实生活中的数据不再是单一的数据类型,而是多种数据模态(类型)的组合,如文本、图像、地理坐标、数据特征等.因此,现有的数据聚类方法难以对复杂的多模态数据进行有效的数据建模,更无法进行高效的多模态数据聚类.基于此,提出一种基于密度的多度量空间聚类算法.首先,为了刻画多模态数据间的复杂关系,利用多度量空间表征数据之间的相似性关系,并且利用聚合多度量图索引(AMG)实现多模态数据建模.接着,利用差分化的相似性关系优化聚合多度量图的图结构,并且结合最优策略优先的搜索策略进行剪枝,以实现高效的多模态数据聚类.最后,在真实与合成数据集上针对多种参数设置进行实验.实验结果验证了所提方法运行效率提升了至少1个数量级,并具有较高的聚类精度与良好的可扩展性.

关键词：多度量空间多度量图基于密度的数据聚类数据挖掘多模态数据

来源：评论

学校读者我要写书评

暂无评论

面向非均质图像去雾的解耦合三阶段增强网络

引用

中国图象图形学报 2025年第1期30卷 83-94页

作者：刘春晓胡鹏靖厉世昌王成骅凌云浙江工商大学计算机科学与技术学院杭州310018

目的在雾霾环境下拍摄的图像通常具有结构对比度较低、细节信息模糊和颜色饱和度失真等特点。虽然目前的去雾算法已经能较好地处理均质雾霾图像,但是对于非均质雾霾图像的去雾能力仍较差。为此,提出了一种面向非均质雾霾图像去雾的解耦... 详细信息

目的在雾霾环境下拍摄的图像通常具有结构对比度较低、细节信息模糊和颜色饱和度失真等特点。虽然目前的去雾算法已经能较好地处理均质雾霾图像,但是对于非均质雾霾图像的去雾能力仍较差。为此,提出了一种面向非均质雾霾图像去雾的解耦合三阶段增强网络。方法通过颜色空间变换将输入图像解耦为亮度、饱和度和色度3个通道之后,该算法首先通过对比度增强模块增强亮度图的对比度,使去雾结果具有更清晰的结构和细节信息;然后,通过饱和度增强模块增强图像的饱和度,使去雾结果具有更鲜艳的颜色;最后,使用颜色矫正增强模块对总体颜色进行微调,使去雾结果更符合人眼视觉感知。特别地,在饱和度增强模块中设计了一个雾霾密度编码矩阵,通过计算亮度图在对比度增强前后的梯度差异,估计出雾霾图像的雾霾密度信息,为饱和度增强模块提供指导,以保证饱和度恢复的准确性。结果在3个数据集上与14种方法进行了对比实验,本文方法在NHD(nonhomogeneous dataset)数据集上得到了最优结果,相比于性能第2的模型,平均峰值信噪比提升了8.5 dB,平均结构相似性提升了0.12;在Real-World数据集中,本文方法的感知雾密度预测值为0.47,雾密度估计值为0.21,均处于前列;在SOTS(synthetic object testing set)数据集中,本文方法的平均峰值信噪比为16.52 dB,平均结构相似性为0.80,在人眼感知效果方面不输于已有方法。结论本文所提方法对于非均质雾霾图像具有优秀的处理能力,可以有效地去除图像的雾霾并还原出雾霾图像的真实细节信息和颜色。

关键词：深度学习非均质图像去雾饱和度增强对比度增强三阶段增强雾霾密度编码矩阵

来源：评论

学校读者我要写书评

暂无评论

BSGAN-GP:类别均衡驱动的半监督图像识别模型

引用

中国图象图形学报 2025年第1期30卷 95-109页

作者：胡静张汝敏连炳全太原科技大学计算机科学与技术学院太原030024

目的已有的深度学习图像识别模型严重依赖于大量专业人员手工标记的数据,这些专业图像标签信息难以获取,人工标记代价昂贵。实际场景中的数据集大多具有不平衡性,正负样本偏差严重导致模型在拟合时常偏向多数类,对少数类的识别精度不足... 详细信息

目的已有的深度学习图像识别模型严重依赖于大量专业人员手工标记的数据,这些专业图像标签信息难以获取,人工标记代价昂贵。实际场景中的数据集大多具有不平衡性,正负样本偏差严重导致模型在拟合时常偏向多数类,对少数类的识别精度不足。这严重阻碍了深度学习在实际图像识别中的广泛应用。方法结合半监督生成式对抗网络(semi-supervised generative adversarial netowrk)提出了一种新的平衡模型架构BSGAN-GP(balancing semi-supervised generative adversarial network-gradient penalty),使得半监督生成式对抗网络的鉴别器可以公平地判别每一个类。其中,提出的类别均衡随机选择算法(class balancing random selection,CBRS)可以解决图像样本类别不均导致少数类识别准确度低的问题。将真实数据中有标签数据按类别随机选择,使得输入的有标签数据每个类别都有相同的数量,然后将训练后参数固定的生成器NetG生成每个类同等数量的假样本输入鉴别器,更新鉴别器NetD保证了鉴别器可以公平地判别所有类;同时BSGAN-GP在鉴别器损失函数中添加了一个额外的梯度惩罚项,使得模型训练更稳定。结果实验在3个主流数据集上与9种图像识别方法(包含6种半监督方法和3种全监督方法)进行了比较。为了证明对少数类的识别准确度提升,制定了3个数据集的不平衡版本。在Fashion-MNIST数据集中,相比于基线模型,总体准确率提高了3.281%,少数类识别率提升了7.14%;在MNIST数据集中,相比于基线模型,对应的4个少数类识别率提升了2.68%~7.40%;在SVHN(street view house number)数据集中,相比于基线模型,总体准确率提高了3.515%。同时也在3个数据集中进行了合成图像质量对比以验证CBRS算法的有效性,其少数类合成图像质量以及数量的提升证明了其效果。消融实验评估了所提出模块CBRS与引进模块在网络中的重要性。结论本文所提出的BSGAN-GP模型能够实现更公平的图像识别以及更高质量的合成图像结果。实验结果开放源代码地址为https://***/zrm0616/***。

关键词：深度学习半监督学习(SSL) 生成式对抗网络(GAN) 不平衡性图像识别梯度惩罚

来源：评论

学校读者我要写书评

暂无评论

结合浓度划分与图像融合的多分支非均质图像去雾

引用

中国图象图形学报 2025年第3期30卷 798-810页

作者：金鑫乐刘春晓叶爽爽王成骅周子翔浙江工商大学计算机科学与技术学院杭州310018

目的目前的去雾算法已能够较好地处理均质的薄雾图像,但针对雾霾浓度不同的非均质雾霾图像往往具有较低的去雾性能。为此,提出了结合浓度划分与图像融合的多分支非均质图像去雾算法。方法本文将单幅非均质雾霾图像视为由多个具有均质薄... 详细信息

目的目前的去雾算法已能够较好地处理均质的薄雾图像,但针对雾霾浓度不同的非均质雾霾图像往往具有较低的去雾性能。为此,提出了结合浓度划分与图像融合的多分支非均质图像去雾算法。方法本文将单幅非均质雾霾图像视为由多个具有均质薄雾或者均质浓雾的局部区域组成,通过分别解决单幅非均质雾图中的不同均质雾霾区域来进行整幅非均质图像去雾。首先在不同均质雾霾浓度的去雾数据集上训练了多个图像增强网络,以得到针对不同均质雾霾浓度的图像增强模型,它们对于相应雾霾浓度的图像区域具有较好的增强性能。由于单个图像增强模型只能较好地增强一幅非均质雾霾图像中具有对应雾霾浓度的图像区域,但对其他不同雾霾浓度的图像区域可能存在去雾力度不足或者过度增强的现象,本文又设计了一个图像融合网络,将多个初始图像增强结果中的优势区域进行融合,得到最终的图像去雾结果。结果大量的实验结果显示,在合成雾霾数据集FiveK-Haze上,本文算法与排名第2的SCAN(self-paced semi-curricular attention network)方法相比在峰值信噪比(peak signal-tonoise ratio,PSNR)和结构相似性(structural similarity index,SSIM)有参考指标上分别提高了5.2866 dB和0.1138。在真实雾霾数据集Real-World上,本文算法与排名第2的DEAN(detail-enhanced convolution and content-guided attention network)方法相比,在FADE(fog aware density evaluator)和HazDes无参考指标上分别降低了0.0793和0.0512。在室内合成测试数据集SOTS-indoor(synthetic objective testing set)上,本文算法的PSNR和SSIM指标比排名第2的DeFormer方法分别提高了2.5182 dB和0.0123。在室外合成测试数据集SOTS-outdoor上,本文算法在PSNR指标上比排名第2的SGID-PFF(self-guided image dehazing using progressive feature fusion)方法提高了2.832 dB,在SSIM指标上比排名第2的DeFormer方法提高了0.0238。结论与已有的单幅图像去雾方法相比,本文算法能够有效增强非均质雾霾图像,具有更高的鲁棒性,展现出较好的性能指标。

关键词：图像去雾非均质雾霾图像雾霾浓度划分图像融合多分支神经网络

来源：评论

学校读者我要写书评

暂无评论

基于区块链的可搜索加密电子病历共享方案

引用

计算机工程与应用 2025年第4期61卷 289-298页

作者：高改梅王娜刘春霞党伟超史旭太原科技大学计算机科学与技术学院太原030024

针对电子病历共享效率低与隐私易泄露的问题,提出一种基于区块链的可搜索加密电子病历共享方案。方案采用链上链下相结合的模式存储数据,实现电子病历的安全共享,云服务器存储电子病历密文,区块链存储密文哈希值、病历标识符及关键字索... 详细信息

针对电子病历共享效率低与隐私易泄露的问题,提出一种基于区块链的可搜索加密电子病历共享方案。方案采用链上链下相结合的模式存储数据,实现电子病历的安全共享,云服务器存储电子病历密文,区块链存储密文哈希值、病历标识符及关键字索引等。设计了一种动态倒排索引结构,采用键值形式存储索引,利用可搜索加密技术在倒排索引中完成密文搜索。区块链节点在检索密文关键字的同时建立搜索索引,提高区块链节点的搜索效率。实验分析表明,该方案相比其他同类方案具有更高的效率,平均搜索时间减少了19.8%,陷门生成时间减少了12.14%,即在保证数据安全的前提下,该方案能够更快速地进行电子病历的搜索和共享。

关键词：电子病历共享可搜索加密区块链倒排索引云服务器

来源：评论

学校读者我要写书评

暂无评论

云辅助物联网环境下可验证的安全图像检索

引用

通信学报 2025年第3期46卷 28-44页

作者：郭佳琦马智王文胜田聪段振华西安电子科技大学计算机科学与技术学院陕西西安710071

针对现有的云辅助物联网环境中图像检索精度和效率低、服务器潜在恶意性问题,提出一种可验证的安全图像检索方案。采用矩阵形式的索引和查询,结合基于容错学习的改进安全k近邻算法加密特征矩阵,提升索引和查询安全性。利用区块链技术,... 详细信息

针对现有的云辅助物联网环境中图像检索精度和效率低、服务器潜在恶意性问题,提出一种可验证的安全图像检索方案。采用矩阵形式的索引和查询,结合基于容错学习的改进安全k近邻算法加密特征矩阵,提升索引和查询安全性。利用区块链技术,并结合四叉默克哈希树和高效短签名,实现搜索结果的可验证性。安全性和性能分析表明,所提方案在保证索引和查询安全性的同时,显著降低了索引和查询的加密计算复杂度及密钥存储开销。所提方案在提高图像检索精度和安全性的同时,优化了计算与存储资源,适用于云辅助物联网环境。

关键词：图像安全检索安全k近邻算法容错学习问题物联网

来源：评论

学校读者我要写书评

暂无评论

解决动态约束多目标问题的复合预测进化算法

引用

控制理论与应用 2025年第2期42卷 335-343页

作者：郭知业魏静萱西安电子科技大学计算机科学与技术学院陕西西安710071

动态约束多目标问题在路口交通管理、节能电力调度等现实场景中出现较多,其目标函数和约束条件都会随时间(环境)发生连续缓慢变化.求解这类动态问题的关键,是有效追踪问题的随环境变化的一组最优解集.为求解此类问题,首先,将约束变化分... 详细信息

动态约束多目标问题在路口交通管理、节能电力调度等现实场景中出现较多,其目标函数和约束条件都会随时间(环境)发生连续缓慢变化.求解这类动态问题的关键,是有效追踪问题的随环境变化的一组最优解集.为求解此类问题,首先,将约束变化分为2类,并针对两类变化提出2个约束预测器,用以追踪可行区域;其次,将约束预测器与非线性预测器组合成复合预测策略,根据问题的不同变化情况使用策略中的对应预测器,消耗较少的资源获得预测解,加速寻优过程;再次,应用基于分解的多目标优化算法,将预测解优化得到最终的最优解.所提出的基于复合预测的动态多目标优化算法在8个动态变化的问题上与6个典型算法进行对比测试,实验结果表明,所提算法获得的解集在收敛性和多样性上具有显著优势,复合预测策略的预测性能较优.

关键词：动态多目标优化进化算法动态约束条件

来源：评论

学校读者我要写书评

暂无评论

辐射场表面物点引导的主动视图选择

引用

图学学报 2025年第1期46卷 179-187页

作者：谢文想许威威浙江大学计算机科学与技术学院浙江杭州310000

神经辐射场(NeRF)的出现显著提高了新视图渲染和3D重建的质量,但其数据收集过程仍然依赖于人工经验,这限制了在未知环境探索和规划等任务上的应用,因此,如何有效选择最具信息增益的视图变得至关重要,为此提出了一种新的主动视图选择策... 详细信息

神经辐射场(NeRF)的出现显著提高了新视图渲染和3D重建的质量,但其数据收集过程仍然依赖于人工经验,这限制了在未知环境探索和规划等任务上的应用,因此,如何有效选择最具信息增益的视图变得至关重要,为此提出了一种新的主动视图选择策略。首先,通过体渲染权重获取训练光线投射到场景表面附近的三维点,然后计算每个三维点对于候选视图的可见性,并使用光度置信度加权来衡量候选视图,最终选择可见三维点较少且置信度低的候选视图作为新的训练视图。在Blender数据集上的实验表明,与现有的方法相比,该方法在下一最佳视图和下一批最佳视图选择上分别提高了3.88 dB和5.88 dB的PSNR质量,同时视图选择速度提高近30倍。

关键词：神经渲染神经辐射场主动视图选择场景感知未知环境探索

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：