检索结果-内蒙古大学图书馆

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

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

基于互信息的粒化特征加权多标签学习k近邻算法

引用

计算机研究与发展 2017年第5期54卷 1024-1035页

作者：李峰苗夺谦张志飞张维同济大学计算机科学与技术系上海201804 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

传统基于k近邻的多标签学习算法,在寻找近邻度量样本间的距离时,对所有特征给予同等的重要度.这些算法大多采用分解策略,对单个标签独立预测,忽略了标签间的相关性.多标签学习算法的分类效果跟输入的特征有很大的关系,不同的特征含有的... 详细信息

传统基于k近邻的多标签学习算法,在寻找近邻度量样本间的距离时,对所有特征给予同等的重要度.这些算法大多采用分解策略,对单个标签独立预测,忽略了标签间的相关性.多标签学习算法的分类效果跟输入的特征有很大的关系,不同的特征含有的标签分类信息不同,故不同特征的重要度也不同.互信息是常用的度量2个变量间关联度的重要方法之一,能够有效度量特征含有标签分类的知识量.因此,根据特征含有标签分类知识量的大小,赋予相应的权重系数,提出一种基于互信息的粒化特征加权多标签学习k近邻算法(granular feature weighted k-nearest neighbors algorithm for multi-label learning,GFWML-kNN),该算法将标签空间粒化成多个标签粒,对每个标签粒计算特征的权重系数,以解决上述问题和标签组合爆炸问题.在计算特征权重时,考虑到了标签间可能的组合,把标签间的相关性融合进特征的权重系数.实验表明:相较于若干经典的多标签学习算法,所提算法GFWML-kNN整体上能取得较好的效果.

关键词：互信息特征权重粒化多标签学习 k-近邻

来源：评论

学校读者我要写书评

暂无评论

基于动态路网的分布式邻近目标查询算法

引用

通信学报 2014年第12期35卷 116-123,135页

作者：叶晨杨振宇喻剑龙其同济大学计算机科学与技术系上海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

提出了一种基于实时路况信息的分布式邻近目标查询算法,采用基于Voronoi图的划分将地理信息存储在离它最近路口的智能摄像头上,实时路况信息由智能摄像头采集,通过对路口的畅通程度进行建模,估算出路口间通行所需要的时间。当有车辆查... 详细信息

提出了一种基于实时路况信息的分布式邻近目标查询算法,采用基于Voronoi图的划分将地理信息存储在离它最近路口的智能摄像头上,实时路况信息由智能摄像头采集,通过对路口的畅通程度进行建模,估算出路口间通行所需要的时间。当有车辆查询邻近目标时,网络中的智能摄像头根据所在路口的畅通程度和到邻近路口的距离,在分布式查询过程中加入延时转发机制,广播目标路径询问的数据分组,使数据分组的发送能模拟当前的路况进行传输,从而获得到达邻近目标的路径。基于真实数据的实验结果表明算法是有效的,处理大量并发查询时的性能优于现有方法。

关键词：动态路网最邻近查询 k邻近查询分布式查询延迟路由

来源：评论

学校读者我要写书评

暂无评论

基于粒计算的多粒度用户画像

引用

模式识别与人工智能 2019年第8期32卷 691-698页

作者：蒋明会苗夺谦罗晟赵才荣同济大学计算机科学与技术系上海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

现有的用户画像分析模型使用单一模型单一粒度的学习方式处理异构多源的原始数据,限制分析模型的性能,无法完整展示多层次、多角度的用户画像特征.针对该问题,基于粒计算思想,文中提出多粒度用户画像分析模型.首先,构建数据的多粒度表... 详细信息

现有的用户画像分析模型使用单一模型单一粒度的学习方式处理异构多源的原始数据,限制分析模型的性能,无法完整展示多层次、多角度的用户画像特征.针对该问题,基于粒计算思想,文中提出多粒度用户画像分析模型.首先,构建数据的多粒度表示结构,粒化原始数据.再根据数据粒度结构,提出基于集成学习的粒度提升算法,用于融合低粒层的数据信息以得到高粒层的数据表示.最后,在多个粒层数据表示上进行用户画像分析,展示一个较全面的用户画像.实验表明,相比单一粒度的用户画像,多粒度的用户画像更全面、立体和丰富.

关键词：用户画像多粒度集成学习粒度提升

来源：评论

学校读者我要写书评

暂无评论

基于多粒度特征的行人跟踪检测结合算法

引用

计算机研究与发展 2020年第5期57卷 996-1002页

作者：王子晔苗夺谦赵才荣罗晟卫志华同济大学计算机科学与技术系上海201804 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

对于一些较为流行的应用,例如视频场景监控,对行人的长期有效跟踪是应用的基础.尽管对目标检测与跟踪的相关技术研究已经有了很长的历史,但是如何实时并较为准确地实现目标行人跟踪目前仍然是一个活跃的研究领域.基于多粒度的思想,提出... 详细信息

对于一些较为流行的应用,例如视频场景监控,对行人的长期有效跟踪是应用的基础.尽管对目标检测与跟踪的相关技术研究已经有了很长的历史,但是如何实时并较为准确地实现目标行人跟踪目前仍然是一个活跃的研究领域.基于多粒度的思想,提出了一种改进的行人跟踪算法,将卷积特征与底层颜色特征结合,对基于深度学习的跟踪算法GOTURN(generic object tracking using regression networks)得到的跟踪结果进行判断决策,结合目标检测对跟踪结果进行修正.实验结果表明:与单一的跟踪算法相比,多粒度决策的跟踪算法能够更加准确地对目标行人进行跟踪,可以显著提高跟踪精度.

关键词：行人跟踪目标检测深度学习多粒度鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于代数方程组的属性约简研究

引用

电子学报 2010年第5期38卷 1021-1027页

作者：苗夺谦周杰张楠冯琴荣王睿智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 同济大学计算机科学与技术系上海201804

属性约简是粗糙集理论重要研究内容之一,求取决策表所有属性约简已被证明为NP-难问题.本文基于吴方法,从代数方程组角度给出了一种求解所有属性约简的新思路.UCI数据集和人工数据集实验表明了该新方法的有效性.

关键词：决策表属性约简分辨函数吴方法特征列

来源：评论

学校读者我要写书评

暂无评论

基于主曲线的书法字动态重现算法

引用

模式识别与人工智能 2019年第9期32卷 835-843页

作者：杨晨旭张红云苗夺谦同济大学计算机科学与技术系上海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

如何高效逼真地动态重现书法作品的创作过程日益成为亟需解决的问题,因此文中提出基于主曲线的书法字动态重现方法,解决当前细化算法在提取骨架时存在的无效分支较多、不能保证笔画的连续性和准确性的问题.结合书法字自身结构对主曲线... 详细信息

如何高效逼真地动态重现书法作品的创作过程日益成为亟需解决的问题,因此文中提出基于主曲线的书法字动态重现方法,解决当前细化算法在提取骨架时存在的无效分支较多、不能保证笔画的连续性和准确性的问题.结合书法字自身结构对主曲线算法进行改进和优化.对书法图像进行骨架提取、骨架追踪、笔顺获取等处理,结合骨架信息和二值图像实现笔画宽度复原,针对笔画宽度存在的“肿瘤”问题,提出“角点剔除法”进行修正,结合HTML5的Canvas绘图技术进行书法字动态书写过程.在模拟数据集上的实验表明,文中算法的书法动态重现取得较好效果.

关键词：主曲线书法字动态重现骨架提取笔顺获取

来源：评论

学校读者我要写书评

暂无评论

一种新的基于小波包分解的EEG特征抽取与识别方法研究

引用

电子学报 2013年第1期41卷 193-198页

作者：王登苗夺谦王睿智同济大学计算机科学与技术系上海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

为了提高脑思维任务分类精度,提出一种新的脑电特征抽取与识别方法.首先进行小波包分解,然后结合能反映脑电信号在时域与频域上的能量分布特征的小波包熵概念,从小波包库中选择最优小波包基,对各个最优基所对应的小波系数求取统计特性,... 详细信息

为了提高脑思维任务分类精度,提出一种新的脑电特征抽取与识别方法.首先进行小波包分解,然后结合能反映脑电信号在时域与频域上的能量分布特征的小波包熵概念,从小波包库中选择最优小波包基,对各个最优基所对应的小波系数求取统计特性,然后根据不同脑思维任务下左右半脑各导联间的差异性对各个导联对求取不对称率构成分类特征向量,最后利用SVM分类器对其进行分类.实验结果表明：相对于一般的小波包分解,最优小波包基和自回归特征抽取方法,该方法对5类不同脑思维任务的所有10种不同组合任务对的平均分类预测精度可以达到95.41%~99.65%.

关键词：非平稳脑电信号特征抽取小波包分解脑机接口

来源：评论

学校读者我要写书评

暂无评论

基于幂图的属性约简搜索式算法

引用

计算机学报 2009年第8期32卷 1486-1492页

作者：陈玉明苗夺谦同济大学计算机科学与技术系上海201804 嵌入式系统与服务计算教育部重点实验室上海201804

粗糙集理论是一种新的处理不精确、不完全与不一致数据的数学工具.属性约简是粗糙集理论的重要研究内容之一,已有的属性约简算法主要是基于代数表示与信息表示的方法.同一问题在不同的知识表示下,其求解难度是不同的.文中从改变属性约... 详细信息

粗糙集理论是一种新的处理不精确、不完全与不一致数据的数学工具.属性约简是粗糙集理论的重要研究内容之一,已有的属性约简算法主要是基于代数表示与信息表示的方法.同一问题在不同的知识表示下,其求解难度是不同的.文中从改变属性约简问题的知识表示入手,提出了该问题的一种新的表示方式——幂图;给出了基于幂图的属性约简搜索式算法,把属性约简计算问题转化为在幂图中的搜索问题.理论分析表明新算法是有效的,为属性约简研究提供了一条新的途径.

关键词：粗糙集属性约简幂图粒计算知识表示

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：