检索结果-内蒙古大学图书馆

智能系统学报 2025年第1期20卷 230-242页

作者：苗春玲张红云吴卓嘉张齐贤苗夺谦同济大学电子与信息工程学院上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

现有行人搜索方法着重于从有限的标注场景图中学习有效的行人表征,虽然这些方法取得了一定的效果,但学习更具有身份辨别力的行人表征通常依赖于大规模的标注数据,而获取大规模的标注数据是一个资源、劳动密集型的过程。为此,该文提出了... 详细信息

现有行人搜索方法着重于从有限的标注场景图中学习有效的行人表征,虽然这些方法取得了一定的效果,但学习更具有身份辨别力的行人表征通常依赖于大规模的标注数据,而获取大规模的标注数据是一个资源、劳动密集型的过程。为此,该文提出了一种场景图多粒度遮挡特征增强算法,对原始场景图进行多粒度随机遮挡,扩充训练数据,并从遮挡后的场景图中生成具有多样化信息的虚拟特征,最后利用生成的虚拟特征增强真实特征中的行人表征。进一步,基于生成对抗学习,该文设计了多粒度特征对齐模块,用于对齐遮挡图像特征和原始图像特征,保持两者语义一致性。实验结果表明,在CUHK-SYSU和PRW数据集上,该算法能够显著提升行人搜索任务的搜索精度。

关键词：深度学习计算机视觉行人搜索目标检测粒计算数据处理特征提取生成对抗网络对齐

来源：评论

学校读者我要写书评

暂无评论

基于最短路径序列化图的域内路由保护算法

引用

软件学报 2025年第2期36卷 680-697页

作者：耿海军胡睿乾胡治国尹霞山西大学自动化与软件学院山西太原030006 山西大学计算机与信息技术学院山西太原030006 嵌入式系统与服务计算教育部重点实验室(同济大学) 上海200092 清华大学计算机科学与技术系北京100084

互联网服务提供商采用路由保护算法来满足实时性、低时延和高可用应用的需求.然而已有路由保护算法存在下面3个方面的问题:(1)在不改变传统路由协议转发机制的前提下,故障保护率普遍较低;(2)为了追求较高的故障保护率,通常需要改变传统... 详细信息

互联网服务提供商采用路由保护算法来满足实时性、低时延和高可用应用的需求.然而已有路由保护算法存在下面3个方面的问题:(1)在不改变传统路由协议转发机制的前提下,故障保护率普遍较低;(2)为了追求较高的故障保护率,通常需要改变传统路由协议的转发机制,实际部署难度较大;(3)无法同时利用最优下一跳和备份下一跳,从而导致网络负载均衡能力较差.针对上述3个问题,提出一种基于最短路径序列化图的路由保护算法,所提算法不需要改变转发机制,支持增量部署,同时使用最优下一跳和备份下一跳不会出现路由环路,并且具有较高的故障保护率.所提算法主要包括下面两个步骤:(1)为每个节点计算一个序号,构造最短路径正序化图;(2)利用最短路径正序化图和反序搜索规则构造最短路径序列化图,在此基础上根据备份下一跳计算规则计算节点对之间的备份下一跳集合.在真实和模拟网络拓扑上进行测试,实验结果表明,与其他路由保护算法相比,所提算法在平均备份下一跳数量、故障保护率和路径拉伸度3个指标方面均具有显著的优势.

关键词：网络故障路由保护最短路径序列化图故障保护率路径拉伸度

来源：评论

学校读者我要写书评

暂无评论

产教融合背景下车联网智能环境感知实验室建设的探索

引用

西部素质教育 2025年第8期11卷 132-135页

作者：李富王泉顾晟昊无锡学院物联网工程学院江苏无锡214105 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

为了借助实验室提高人才培养质量,文章从实验室建设背景与目标、实验和实践内容、实验设备选型及配置方案、实验教学新模式四个方面论述了产教融合背景下车联网智能环境感知实验室建设。

关键词：车联网智能环境感知实验室产教融合人才培养

来源：评论

学校读者我要写书评

暂无评论

基于Attention-1DCNN-CE的加密流量分类方法

引用

计算机应用 2025年第3期45卷 872-882页

作者：耿海军董赟胡治国池浩田杨静尹霞山西大学自动化与软件学院太原030031 山西清众科技股份有限公司太原030006 山西大学计算机与信息技术学院太原030006 嵌入式系统与服务计算教育部重点实验室(同济大学) 上海201804 清华大学计算机科学与技术系北京100084

针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段... 详细信息

针对传统加密流量识别方法存在多分类准确率低、泛化性不强以及易侵犯隐私等问题,提出一种结合注意力机制(Attention)与一维卷积神经网络(1DCNN)的多分类深度学习模型——Attention-1DCNN-CE。该模型包含3个核心部分:1)数据集预处理阶段,保留原始数据流中数据包间的空间关系,并根据样本分布构建成本敏感矩阵;2)在初步提取加密流量特征的基础上,利用Attention和1DCNN模型深入挖掘并压缩流量的全局与局部特征;3)针对数据不平衡这一挑战,通过结合成本敏感矩阵与交叉熵(CE)损失函数,显著提升少数类别样本的分类精度,进而优化模型的整体性能。实验结果表明,在BOT-IOT和TON-IOT数据集上该模型的整体识别准确率高达97%以上;并且该模型在公共数据集ISCX-VPN和USTC-TFC上表现优异,在不需要预训练的前提下,达到了与ET-BERT(Encrypted Traffic BERT)相近的性能;相较于PERT(Payload Encoding Representation from Transformer),该模型在ISCX-VPN数据集的应用类型检测中的F1分数提升了29.9个百分点。以上验证了该模型的有效性,为加密流量识别和恶意流量检测提供了解决方案。

关键词：网络安全加密流量注意力机制一维卷积神经网络数据不平衡成本敏感矩阵

来源：评论

学校读者我要写书评

暂无评论

跳频技术在高频地波雷达中的应用

引用

同济大学学报（自然科学版） 2008年第7期36卷 967-971,989页

作者：桂任舟同济大学嵌入式系统与服务计算教育部重点实验室上海200092

为提高高频地波雷达的抗干扰能力,提出了一种在线性调频中断连续波的基础上基于跳频技术的新高频地波雷达体制.并从整体上对这一新体制进行了阐述.在分析了这一新体制优缺点的基础上,对由跳频引起的旁瓣过高这一缺点,采用三次样条插值... 详细信息

为提高高频地波雷达的抗干扰能力,提出了一种在线性调频中断连续波的基础上基于跳频技术的新高频地波雷达体制.并从整体上对这一新体制进行了阐述.在分析了这一新体制优缺点的基础上,对由跳频引起的旁瓣过高这一缺点,采用三次样条插值方法实现对不可靠数据的替代来进行弥补.最后给出了这一体制雷达的理论分析和系统仿真结果.

关键词：高频地波雷达跳频三次样条插值旁瓣抑制

来源：评论

学校读者我要写书评

暂无评论

面向互联网金融行业的大数据资源服务平台

引用

科学通报 2014年第35期59卷 3547-3553页

作者：蒋昌俊丁志军王俊丽闫春钢同济大学嵌入式系统与服务计算教育部重点实验室上海200092

在大数据时代,数据已经渗透至各个行业,并且呈现出数量大、动态性、类型复杂等显著特征,尤其是互联网金融等为代表的典型行业.本文简要阐述了大数据的研究现状与重大意义,探讨了大型数据资源服务平台架构及其3个主要组成部分:数据资源... 详细信息

在大数据时代,数据已经渗透至各个行业,并且呈现出数量大、动态性、类型复杂等显著特征,尤其是互联网金融等为代表的典型行业.本文简要阐述了大数据的研究现状与重大意义,探讨了大型数据资源服务平台架构及其3个主要组成部分:数据资源识别和获取、数据资源存储和分析、服务支撑平台,并介绍了项目组在面向可信网络金融交易的大型数据分析研究与应用方面所开展的工作.具体来讲,围绕软件行为认证等关键技术,研究并开发了以行为认证为核心的可信网络金融交易系统,支持在线交易过程中产生的用户行为数据与软件行为数据的实时监控和动态展示.

关键词：大数据互联网金融可信网络交易行为认证

来源：评论

学校读者我要写书评

暂无评论

生成式对抗网络的应用综述

引用

同济大学学报（自然科学版） 2020年第4期48卷 591-601页

作者：叶晨关玮同济大学嵌入式系统与服务计算教育部重点实验室上海201804

生成式对抗网络(GAN)是一种优秀的生成式模型,能够不依赖任何先验假设,学习到高维复杂的数据分布。这一强大的性能使得它成为近年来研究的热点,并在诸多应用领域取得了显著的研究成果。首先介绍了生成式对抗网络的基本原理,各种目标函... 详细信息

生成式对抗网络(GAN)是一种优秀的生成式模型,能够不依赖任何先验假设,学习到高维复杂的数据分布。这一强大的性能使得它成为近年来研究的热点,并在诸多应用领域取得了显著的研究成果。首先介绍了生成式对抗网络的基本原理,各种目标函数以及常用的模型结构。然后,详细分析了生成式对抗网络在条件限制下生成图片的各种演进方法。此外,介绍了生成式对抗网络在不同领域的应用,包括高分辨率图像生成、小目标检测、非图像数据生成、医学图像分割等方面的最新研究进展。最后,总结了生成式对抗网络训练过程中的优化技巧。旨在通俗地阐明GAN的基础理论以及发展历程,并从应用角度对未来工作进行了展望。

关键词：生成式对抗网络条件生成模型图像生成

来源：评论

学校读者我要写书评

暂无评论

延时估计偏差对多项式预失真的影响

引用

同济大学学报（自然科学版） 2009年第3期37卷 395-398页

作者：钱业青刘富强同济大学嵌入式系统与服务计算教育部重点实验室上海200092

延时估计偏差通常会严重影响射频(RF)功率放大器预失真技术的性能.通过对预失真技术中延时估计偏差的理论分析,发现若要保证存在延时估计偏差时预失真器仍能实现放大器的线性化,则设计的预失真器应是理论上理想预失真器的一个延时版本;... 详细信息

延时估计偏差通常会严重影响射频(RF)功率放大器预失真技术的性能.通过对预失真技术中延时估计偏差的理论分析,发现若要保证存在延时估计偏差时预失真器仍能实现放大器的线性化,则设计的预失真器应是理论上理想预失真器的一个延时版本;并提出一种记忆多项式模型用于放大器的预失真.仿真结果表明,采用记忆多项式模型比一般多项式模型对延时估计偏差有更强的鲁棒性.

关键词：延时估计偏差多项式预失真功率放大器

来源：评论

学校读者我要写书评

暂无评论

深度自编码与自更新稀疏组合的异常事件检测算法

引用

智能系统学报 2020年第6期15卷 1197-1203页

作者：王倩倩苗夺谦张远健同济大学嵌入式系统与服务计算教育部重点实验室上海201804

基于深度学习的异常检测算法输入通常为视频帧或光流图像,检测精度和速度较低。针对上述问题,提出了一种以运动前景块为中心的卷积自动编码器和自更新稀疏组合学习(convolutional auto-encoders and selfupdating sparse combination le... 详细信息

基于深度学习的异常检测算法输入通常为视频帧或光流图像,检测精度和速度较低。针对上述问题,提出了一种以运动前景块为中心的卷积自动编码器和自更新稀疏组合学习(convolutional auto-encoders and selfupdating sparse combination learning,CASSC)算法。首先,采用自适应混合高斯模型(gaussian mixture model,GMM)提取视频前景,并以滑动窗口的方式根据前景像素点占比过滤噪声;其次,构建3个卷积自动编码器提取运动前景块的时空特征;最后,使用自更新稀疏组合学习对特征进行重构,依据重构误差进行异常判断。实验结果表明,与现有算法相比,该方法不仅有效地提高了异常事件检测的准确性,且可以满足实时检测需求。

关键词：深度学习稀疏组合自动编码器自更新异常事件检测卷积神经网络无监督学习稀疏学习

来源：评论

学校读者我要写书评

暂无评论

聚类分析及关联挖掘在Web服务组合中的应用研究

引用

高技术通讯 2008年第11期18卷 1187-1194页

作者：孙萍蒋昌俊同济大学计算机科学与工程系上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804

从有助于实现 Web 服务的自动发现及最优选择的角度,从聚类分析和关联挖掘两个方面研究了数据挖掘技术在 Web 服务组合领域中的应用。仿真研究表明:根据服务之间的语义相似性,包括基本描述相似性、功能属性相似性以及社会关系相似性,对... 详细信息

从有助于实现 Web 服务的自动发现及最优选择的角度,从聚类分析和关联挖掘两个方面研究了数据挖掘技术在 Web 服务组合领域中的应用。仿真研究表明:根据服务之间的语义相似性,包括基本描述相似性、功能属性相似性以及社会关系相似性,对服务注册库中的原子服务进行聚类分析,在此基础上进行服务的自动查找,可在很大程度上降低服务的查找空间,提高服务的匹配效率;对服务执行日志中的历史记录进行分析,挖掘服务组合的模式以及服务之间的关联关系,结合服务质量进行服务的最优选择,可在一定程度上提高合成服务的执行成功率。

关键词：聚类分析关联挖掘服务发现选择相似性关联度

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：