检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2018年第5期48卷 1606-1613页

作者：刘元宁刘帅朱晓冬陈一浩郑少阁沈椿壮吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012 吉林大学软件学院长春130012

为了抑制虹膜噪声并提高算法通用性,提出在虹膜识别中运用高斯拉普拉斯(Log)算子与自适应优化伽柏(Gabor)滤波。Log算子抑制虹膜噪声,40组频率和方向各不同的Gabor滤波提取虹膜特征,将特征转化为二进制特征编码。滤波参数用变异粒子群优... 详细信息

为了抑制虹膜噪声并提高算法通用性,提出在虹膜识别中运用高斯拉普拉斯(Log)算子与自适应优化伽柏(Gabor)滤波。Log算子抑制虹膜噪声,40组频率和方向各不同的Gabor滤波提取虹膜特征,将特征转化为二进制特征编码。滤波参数用变异粒子群优化(MPSO)算法针对不同虹膜库进行自适应优化。通过计算虹膜间的汉明(Hamming)距离判定虹膜类别。与其他Gabor滤波和机器学习类算法相比,该算法可以有效抑制虹膜噪声干扰进而提高识别正确率,同时算法在多种虹膜库识别的通用性更好。

关键词：计算机应用虹膜识别高斯拉普拉斯算子自适应优化伽柏滤波变异粒子群优化

来源：评论

学校读者我要写书评

暂无评论

车载FlexRay总线安全协议的设计与实现

引用

西安交通大学学报 2018年第12期52卷 63-69页

作者：韩正士秦贵和赵睿刘毅梁云龙吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012

针对智能车、网联车的高速发展所引发的车载信息安全问题设计了车载FlexRay总线安全协议。该协议包含两个模块:节点身份认证模块和网络安全加密模块。节点身份认证模块采用密钥交换算法以及非对称加密算法保证连入总线节点身份的合法性... 详细信息

针对智能车、网联车的高速发展所引发的车载信息安全问题设计了车载FlexRay总线安全协议。该协议包含两个模块:节点身份认证模块和网络安全加密模块。节点身份认证模块采用密钥交换算法以及非对称加密算法保证连入总线节点身份的合法性;网络安全加密模块采用对称加密算法以及哈希算法保证总线传输数据的机密性、真实性和新鲜性。与其他协议相比,该协议既能够提供节点的身份认证,又能在不影响总线实时通信的基础上保护总线的信息安全。实验结果表明,该协议能够在满足实时通信的基础上为汽车提供从启动到运行全方位的信息安全防护,提升了车载FlexRay总线的信息安全防护级别。

关键词：车载信息安全 FlexRay总线安全协议实时通信

来源：评论

学校读者我要写书评

暂无评论

车载控制器局域网络安全协议

引用

西安交通大学学报 2018年第5期52卷 94-100页

作者：刘毅秦贵和赵睿吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012

针对汽车智能化、网联化快速发展,攻击者通过逐渐开放的接口向汽车发动攻击,严重威胁驾驶者的人身和财产安全,进而引发的车载信息安全问题,提出了一种车载控制器局域网络安全协议(SPOCAN)。SPOCAN包含2个模块,启动阶段的安全模块采用公... 详细信息

针对汽车智能化、网联化快速发展,攻击者通过逐渐开放的接口向汽车发动攻击,严重威胁驾驶者的人身和财产安全,进而引发的车载信息安全问题,提出了一种车载控制器局域网络安全协议(SPOCAN)。SPOCAN包含2个模块,启动阶段的安全模块采用公钥体系认证机制,在车辆点火启动的过程中进行初始化认证,保证了待通信节点身份的真实性;通信阶段的安全模块采用对称加密算法及信息摘要算法,在车辆正常运行时保障了节点间通信的安全,保证了数据机密性、消息正确性和数据完整性,并通过递增的序列号实现了防重放保护。通过搭建控制器局域网络车载控制系统的硬件平台对所提出的安全协议进行评估,实验结果表明,该协议能够从汽车点火启动阶段到运行通信阶段有效地为车载控制器局域网络提供安全保障,提高了网络的信息安全级别。

关键词：车载信息安全控制器局域网络安全协议

来源：评论

学校读者我要写书评

暂无评论

蚁群变异粒子群优化的2次虹膜识别

引用

计算机辅助设计与图形学学报 2018年第9期30卷 1604-1614页

作者：刘帅刘元宁朱晓冬林泽江杨金阳吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012 吉林大学计算机科学与技术学院长春130012

针对多类别虹膜识别耗时长、图像容易受到干扰以及识别不准确的问题,提出基于蚁群变异粒子群优化的2次虹膜识别算法.首先用主成分分析法降低虹膜的噪声与冗余;然后通过Gabor滤波与Hamming距离进行首次识别,将虹膜分为淘汰类别与待定类别... 详细信息

针对多类别虹膜识别耗时长、图像容易受到干扰以及识别不准确的问题,提出基于蚁群变异粒子群优化的2次虹膜识别算法.首先用主成分分析法降低虹膜的噪声与冗余;然后通过Gabor滤波与Hamming距离进行首次识别,将虹膜分为淘汰类别与待定类别,淘汰差异较大的虹膜,缩小识别范围,对待定类别用Haar小波与BP神经网络进行2次识别,确定虹膜类别,神经网络连接权重与Gabor滤波参数用蚁群变异法改进的粒子群优化算法优化.与多种算法在不同虹膜库进行比较的实验结果表明,该算法识别性能高,稳定性、鲁棒性好,消耗时间短.

关键词： 2次虹膜识别蚁群变异粒子群优化主成分分析

来源：评论

学校读者我要写书评

暂无评论

基于经验指导的深度确定性多行动者-评论家算法

引用

计算机研究与发展 2019年第8期56卷 1708-1720页

作者：陈红名刘全闫岩何斌姜玉斌张琳琳苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 软件新技术与产业化协同创新中心南京210000

连续控制问题一直是强化学习研究的一个重要方向.近些年深度学习的发展以及确定性策略梯度(deterministic policy gradients, DPG)算法的提出,为解决连续控制问题提供了很多好的思路.这类方法大多在动作空间中加入外部噪声源进行探索,... 详细信息

连续控制问题一直是强化学习研究的一个重要方向.近些年深度学习的发展以及确定性策略梯度(deterministic policy gradients, DPG)算法的提出,为解决连续控制问题提供了很多好的思路.这类方法大多在动作空间中加入外部噪声源进行探索,但是它们在一些连续控制任务中的表现并不是很好.为更好地解决探索问题,提出了一种基于经验指导的深度确定性多行动者评论家算法(experience-guided deep deterministic actor-critic with multi-actor, EGDDAC-MA),该算法不需要外部探索噪声,而是从自身优秀经验中学习得到一个指导网络,对动作选择和值函数的更新进行指导.此外,为了缓解网络学习的波动性,算法使用多行动者评论家模型,模型中的多个行动者网络之间互不干扰,各自执行情节的不同阶段.实验表明:相比于DDPG,TRPO和PPO算法,EGDDAC-MA算法在GYM仿真平台中的大多数连续任务中有更好的表现.

关键词：强化学习深度强化学习确定性行动者评论家经验指导专家指导多行动者

来源：评论

学校读者我要写书评

暂无评论

基于条件相关的特征选择方法

引用

吉林大学学报（工学版） 2018年第3期48卷 874-881页

作者：刘杰张平高万夫吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012

在特征选择中候选特征与类标签的相关性是随着已选特征的加入而动态变化的,本文提出了一种新的相关性定义——条件相关性,即基于每一个已选特征给出候选特征和类标签新的相关性定义。利用条件相关性,提出了一种新颖的基于信息论的条件... 详细信息

在特征选择中候选特征与类标签的相关性是随着已选特征的加入而动态变化的,本文提出了一种新的相关性定义——条件相关性,即基于每一个已选特征给出候选特征和类标签新的相关性定义。利用条件相关性,提出了一种新颖的基于信息论的条件相关特征选择算法(CRFS)。首先,在理论上证明了条件相关性的优越性;然后,将新的特征选择算法在2个不同的分类器和10个真实数据集上与7种特征选择算法进行比较。实验结果表明,新的算法能有效提高分类性能。

关键词：人工智能特征选择信息论条件相关性分类

来源：评论

学校读者我要写书评

暂无评论

一种带探索噪音的深度循环Q网络

引用

计算机学报 2019年第7期42卷 1588-1604页

作者：刘全闫岩朱斐吴文张琳琳苏州大学计算机科学与技术学院江苏苏州215006 软件新技术与产业化协同创新中心南京210000 吉林大学符号计算与知识工程教育部重点实验室长春130012 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

结合深度神经网络和强化学习方法的深度Q网络在Atari 2600游戏平台上取得了巨大成功.相较于深度Q网络,深度循环Q网络具有记忆历史信息的能力,在部分游戏上显示出了更好的性能.然而在某些复杂的游戏环境中,一方面深度循环Q网络需要大量... 详细信息

结合深度神经网络和强化学习方法的深度Q网络在Atari 2600游戏平台上取得了巨大成功.相较于深度Q网络,深度循环Q网络具有记忆历史信息的能力,在部分游戏上显示出了更好的性能.然而在某些复杂的游戏环境中,一方面深度循环Q网络需要大量的训练时间,另一方面其在动作空间抖动的策略中不能做出合理决策.针对这些问题,本文提出一种带探索噪音的深度循环Q网络(Deep Recurrent Q-Networks with Exploratory Noise, EN-DRQN)模型.与在动作空间的探索方式不同,EN-DRQN在网络空间注入噪音,引起网络输出变化,然后根据该变化选择动作.这种在网络空间的探索可以在未来多个时间步内造成复杂的改变,并通过循环神经网络记忆多步变化,使智能体(Agent)做出的决策更具有战略性.EN-DRQN具有以下特点:一是利用带探索性的噪音进行深度探索以弥补传统策略探索的低效性.噪音来自于噪音分布,通过方差驱动探索,这使得Agent可以发现大量新状态,提供更加丰富的样本,为决策提供有效信息;二是使用改进的双层门限循环单元来记忆较长时间步的历史信息,使Agent能够在延迟奖赏的情况下做出合理的决策.实验结果表明,EN-DRQN模型在Atari 2600游戏平台上的部分战略性游戏以及具有延迟奖赏的游戏上,与动作空间的抖动策略相比,取得了更优的表现。

关键词：深度学习强化学习循环神经网络卷积神经网络噪音探索

来源：评论

学校读者我要写书评

暂无评论

一种带自适应学习率的综合随机梯度下降Q-学习方法

引用

计算机学报 2019年第10期42卷 2203-2215页

作者：金海东刘全陈冬火苏州大学计算机科学与技术学院江苏苏州215006 软件新技术与产业化协同创新中心南京210000 吉林大学符号计算与知识工程教育部重点实验室长春130012 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

在线强化学习中,值函数的逼近通常采用随机梯度下降(Stochastic Gradient Descent,SGD)方法.在每个时间步,SGD方法使用强化学习算法获取随机样本,计算损失函数的局部梯度,单次模型参数更新的计算量小,适合在线学习.但是,由于目标函数不... 详细信息

在线强化学习中,值函数的逼近通常采用随机梯度下降(Stochastic Gradient Descent,SGD)方法.在每个时间步,SGD方法使用强化学习算法获取随机样本,计算损失函数的局部梯度,单次模型参数更新的计算量小,适合在线学习.但是,由于目标函数不同维度存在梯度差异,SGD方法会产生优化震荡,导致迭代次数增多,收敛速度变慢甚至不能收敛.本文提出一种带自适应学习率的综合随机梯度下降方法(Adaptive Learning Rate on Integrated Stochastic Gradient Descent,ALRI-SGD),对SGD做了两方面改进:(1)在基于参数预测的基础上,利用历史随机梯度信息综合计算当前时间步的更新梯度;(2)根据不同维度的历史梯度信息,动态计算每个维度的学习率.在一定的数学约束条件下,证明了ALRI-SGD方法的收敛性.把ALRI-SGD方法与基于线性函数逼近的离策略Q-学习算法结合,用于求解强化学习中经典的Mountain Car问题和平衡杆问题,并与基于SGD的Q-学习算法进行实验比较.实验结果表明,ALRI-SGD方法能动态匹配模型参数在不同维度上的梯度差异,并使学习率自动更新以适应不同维度的数据特征.ALRI-SGD方法在收敛效率和收敛稳定性两个方面都有提升.

关键词：强化学习综合随机梯度下降自适应学习率参数预测 Q-学习

来源：评论

学校读者我要写书评

暂无评论

流数据处理中负载突发感知的弹性资源分配

引用

计算机学报 2018年第10期41卷 2193-2208页

作者：李丽娜魏晓辉李翔王兴旺吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学高性能计算中心长春130012

在分布式并行数据流处理中,面向实时变化且具有突发性的流数据负载,固定的资源分配将造成资源浪费或服务质量降低,因此,可伸缩的弹性资源分配是一个亟待解决的关键问题.然而,由于资源分配延迟和负载预测模型存在误差,已有的弹性资源分... 详细信息

在分布式并行数据流处理中,面向实时变化且具有突发性的流数据负载,固定的资源分配将造成资源浪费或服务质量降低,因此,可伸缩的弹性资源分配是一个亟待解决的关键问题.然而,由于资源分配延迟和负载预测模型存在误差,已有的弹性资源分配策略无法准确地提供与突发负载相匹配的资源,且存在不必要的资源调整反复,增加了系统开销.该文主要解决弹性资源分配的调整延迟和调整颠簸问题.针对上述问题,主要的挑战在于突发负载的准确预测和节点间的协作.为此,该文提出了一个上、下游节点协同的弹性资源分配策略,最优化数据质量和资源使用率,兼顾考虑调整代价.在该策略中,基于数据负载关联模型和双向的控制机制,下游节点能够实时感知和预测上游节点产生的突发负载和负载的变化趋势,预先调整资源并避免调整颠簸;同时,上游节点能够基于反馈机制,动态调节数据处理速率以抑制下游节点的负载波动,降低其资源调整的可能性.实验结果表明,当负载变化较大时,该策略平均减少数据丢失达85%,并显著降低了系统资源调整开销,同时,提高了资源使用率.

关键词：流数据流数据处理突发感知资源分配弹性调整

来源：评论

学校读者我要写书评

暂无评论

智能交通混合动态路径优化算法

引用

吉林大学学报（工学版） 2018年第4期48卷 1214-1223页

作者：赵宏伟刘宇琦董立岩王玉刘陪吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学应用技术学院长春130012

针对实时环境下交通信息实时、动态的特性,提出了实时环境下基于混合的动态路径优化算法。该算法在广义自适应A~*算法的基础上,结合剪枝算法,同时引入了粒子群算法局部最优及全局最优智能存储、模糊时间窗等优化策略。剪枝算法以当前局... 详细信息

针对实时环境下交通信息实时、动态的特性,提出了实时环境下基于混合的动态路径优化算法。该算法在广义自适应A~*算法的基础上,结合剪枝算法,同时引入了粒子群算法局部最优及全局最优智能存储、模糊时间窗等优化策略。剪枝算法以当前局部最优为阈值,从而能够有效控制阈值的大小;模糊时间窗约束算法优化时间以及控制仿真时间,从而使算法更好地适应实时环境。实验数据采用纽约地图数据,并在仿真实验环境下,分别验证了优化策略的有效性,同时,将优化算法与A~*算法进行了对比实验。实验证明:优化策略在动态路径优化算法中是有效且合理的,可适应于动态路径诱导系统。

关键词：计算机应用智能交通系统动态路径诱导系统路径优化算法广义自适应A^＊算法剪枝算法

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：