检索结果-内蒙古大学图书馆

计算机应用研究 2025年

作者：柴智丁春涛郭慧张俊娜河南师范大学计算机与信息工程学院北京师范大学人工智能学院

使用云辅助训练少参数的卷积神经网络(Convolutional Neural Network,CNN)可以使其部署在资源受限的物联网设备上，然而现有少参数模型存在对复杂数据特征的提取能力不足、鲁棒性差的问题。为此提出了一种适应复杂数据且鲁棒性强的CNN... 详细信息

使用云辅助训练少参数的卷积神经网络(Convolutional Neural Network,CNN)可以使其部署在资源受限的物联网设备上，然而现有少参数模型存在对复杂数据特征的提取能力不足、鲁棒性差的问题。为此提出了一种适应复杂数据且鲁棒性强的CNN设计方法，组合非线性变换卷积核生成方法(Combined Non-linearity Convolution Kernel Generation,CN2Conv)。首先，从CNN模型的卷积层中随机选取部分卷积核作为种子卷积核，并使用多个生成函数对种子卷积核进行非线性变换，得到多样化的生成卷积核。然后，对不同生成函数使用不同的超参数以控制模型的正则化效果，提高模型鲁棒性。最后，对生成卷积核生成的特征图进行通道混洗和卷积降维操作，同时利用组归一化技术提高特征的分布一致性，增强对复杂数据的特征捕获能力。为了验证CN2Conv的有效性，在CIFAR-10、CIFAR-100、CIFAR-10-C和Icons-50数据集上进行了实验。在CIFAR-10-C数据集上，采用CN2Conv的ResNet34的准确率比标准ResNet34提高8.22%，比MonoCNN提高11.86%。结果表明基于CN2Conv的CNN模型在多个数据集上的准确率优于对比方法，且鲁棒性显著提升。

关键词：卷积神经网络云辅助训练少参数模型鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于VAE-CWGAN和特征统计重要性融合的网络入侵检测方法

引用

通信学报 2024年第2期45卷 54-67页

作者：刘涛涛付钰王坤段雪源海军工程大学信息安全系湖北武汉430033 信阳职业技术学院数学与信息工程学院河南信阳464000 信阳师范大学计算机与信息技术学院河南信阳464000

针对传统入侵检测方法受限于数据集类不平衡以及所选特征代表性不强等问题,提出一种基于VAE-CWGAN和特征统计重要性融合的检测方法。首先,为提升数据质量对数据集进行预处理;其次,搭建VAE-CWGAN模型生成新样本以解决数据集类不平衡问题... 详细信息

针对传统入侵检测方法受限于数据集类不平衡以及所选特征代表性不强等问题,提出一种基于VAE-CWGAN和特征统计重要性融合的检测方法。首先,为提升数据质量对数据集进行预处理;其次,搭建VAE-CWGAN模型生成新样本以解决数据集类不平衡问题,使分类模型不再偏向于多数类;再次,使用标准差、中值均值差对特征进行排序,并融合其统计重要性来进行特征选择旨在获得代表性更强的特征,从而使模型更好地学习数据信息;最后,通过一维卷积神经网络对特征选择后的混合数据集进行分类。实验结果表明,所提方法在NSL-KDD、UNSW-NB15和CIC-IDS-2017数据集上都表现出较好的性能优势,准确率分别为98.95%、96.24%和99.92%,有效提升了入侵检测性能。

关键词：入侵检测网络流量类不平衡特征选择统计重要性融合

来源：评论

学校读者我要写书评

暂无评论

TaintPoint:使用活跃轨迹高效挖掘污点风格漏洞

引用

软件学报 2022年第6期33卷 1978-1995页

作者：方浩然郭帆李航宇江西师范大学计算机信息工程学院江西南昌330022

覆盖反馈的灰盒Fuzzing已经成为漏洞挖掘最有效的方式之一.广泛使用的边覆盖是一种控制流信息,然而在面向污点风格(taint-style)的漏洞挖掘时,这种反馈信息过于粗糙.大量污点无关的种子被加入队列,污点相关的种子数量又过早收敛,导致Fuz... 详细信息

覆盖反馈的灰盒Fuzzing已经成为漏洞挖掘最有效的方式之一.广泛使用的边覆盖是一种控制流信息,然而在面向污点风格(taint-style)的漏洞挖掘时,这种反馈信息过于粗糙.大量污点无关的种子被加入队列,污点相关的种子数量又过早收敛,导致Fuzzing失去进化方向,无法高效测试Source和Sink之间的信息流.首先,详细分析了现有反馈机制在检测污点风格漏洞时不够高效的原因;其次,提出了专门用于污点风格漏洞挖掘的模糊器***在控制流轨迹的基础上加入了活跃污点这一数据流信息,形成活跃轨迹(livetrace)作为覆盖反馈,并围绕活跃轨迹分别在插桩、种子过滤、选择和变异阶段改进现有方法.在UAFBench上的实验结果表明:TaintPoint检测污点风格漏洞的效率、产出和速度优于业界领先的通用模糊器AFL++及定向模糊器AFLGO;此外,在两个开源项目上发现了4个漏洞并被确认.

关键词：静态分析模糊测试覆盖反馈信息流安全污点分析

来源：评论

学校读者我要写书评

暂无评论

融合评论文本和社交网络的矩阵分解推荐方法

引用

小型微型计算机系统 2022年第2期43卷 312-319页

作者：马宁付伟季伟东丁云鸿朱海龙严武尉李超杨耀哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

基于矩阵分解的推荐方法易受到数据稀疏性问题的影响,常见的解决办法是向矩阵分解模型中融入评论文本信息,但是这类方法通常假设用户是独立存在的,忽略了用户之间的社交关系.现实世界中用户的行为与喜好往往会受到其信任好友的影响,因... 详细信息

基于矩阵分解的推荐方法易受到数据稀疏性问题的影响,常见的解决办法是向矩阵分解模型中融入评论文本信息,但是这类方法通常假设用户是独立存在的,忽略了用户之间的社交关系.现实世界中用户的行为与喜好往往会受到其信任好友的影响,因此本文提出一种融合评论文本和社交网络的矩阵分解推荐方法(Review and social probabilistic matrix factorization,RSPMF).首先设计了深度神经网络模型用于学习评论文本的上下文特征;其次,设计了信任传播模型用于根据社交好友的特征修正用户的潜在隐特征;最后将上述两种模型以正则化方式融入概率矩阵分解模型,通过训练模型获取用户与物品之间的内在关系并实现物品推荐.在公开的真实数据集Yelp上进行了实验,并与多种前沿的算法进行了性能对比,结果表明本文提出的RSPMF方法具有良好的推荐性能.

关键词：推荐系统深度神经网络矩阵分解社交网络信任传播

来源：评论

学校读者我要写书评

暂无评论

基于新型混沌系统和二进制块压缩感知的图像加密算法

引用

计算机科学 2025年

作者：范海菊岳爽窦育强李名张明珠河南师范大学计算机与信息工程学院电子科技大学信息与通信工程学院

提出了一个适合在嵌入式设备上实现的基于新型整数混沌系统和二进制块压缩感知(block compressed sensing， BCS)的图像加密方案。首先，设计了一个将一维变参数扰动整数混沌系统；然后，在压缩感知过程，利用该整数混沌系统生成一个二... 详细信息

提出了一个适合在嵌入式设备上实现的基于新型整数混沌系统和二进制块压缩感知(block compressed sensing， BCS)的图像加密方案。首先，设计了一个将一维变参数扰动整数混沌系统；然后，在压缩感知过程，利用该整数混沌系统生成一个二进制测量矩阵来减少嵌入式设备进行压缩时的计算量；为进一步提高压缩感知效率，对原始图像进行分块处理；最后，对图像进行扩散处理来实现二次加密。解密部分使用PL(Projected Landweber)算法和wiener滤波器来加速解密，提高了图像的解密质量。仿真实验和性能分析表明，提出的整数混沌系统具有较好的混沌特性，当计算机字长为32时，其李雅普诺夫指数总是在20.2以上。且基于该混沌系统所提出的图像加密方案获得的图像解密质量较高，同时具有很高的安全性能，可以抵抗常见的攻击手段。

关键词：图像加密新型整数混沌系统块压缩感知测量矩阵嵌入式设备

来源：评论

学校读者我要写书评

暂无评论

分解机深度网络推荐算法

引用

小型微型计算机系统 2022年第2期43卷 300-305页

作者：李超付伟马宁严武尉哈尔滨师范大学计算机科学与信息工程学院哈尔滨150500

近些年很多基于深度学习的推荐模型被提出,这些模型通过对特征的处理和改变深度网络结构来解决推荐系统数据稀疏和冷启动的问题.然而现有的方法忽略了特征与特征之间的交互对深度网络的影响,限制了模型的学习能力.为了给用户推荐更感兴... 详细信息

近些年很多基于深度学习的推荐模型被提出,这些模型通过对特征的处理和改变深度网络结构来解决推荐系统数据稀疏和冷启动的问题.然而现有的方法忽略了特征与特征之间的交互对深度网络的影响,限制了模型的学习能力.为了给用户推荐更感兴趣的项目和信息,本文提出了分解机深度网络(Factorization Machine Deep Network,FMN)模型.该模型将因式分解机和深度神经网络结合,首先利用因式分解机在特征之间进行交互以充分学习交叉项特征,然后利用深度网络学习高阶非线性特征.进而,分解机深度网络将特征的隐藏信息充分发掘出来并拥有高阶的非线性特征学习能力.两个真实数据集的实验表明,本文提出的模型在推荐性能上有着明显的提升.

关键词：推荐系统深度学习因式分解机多层感知机

来源：评论

学校读者我要写书评

暂无评论

应用GhostNet卷积特征的ECO目标跟踪算法改进

引用

激光技术 2022年第2期46卷 239-247页

作者：刘超军段喜萍谢宝文哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

为了减少有效卷积算子(ECO)跟踪算法的特征提取网络参数量和计算量,采用了一种基于端侧神经网络(GhostNet)改进的ECO目标跟踪算法。首先,采用GhostNet网络作为主干特征提取网络提取图像浅层与深层的卷积特征,运用全局平均池化对卷积特... 详细信息

为了减少有效卷积算子(ECO)跟踪算法的特征提取网络参数量和计算量,采用了一种基于端侧神经网络(GhostNet)改进的ECO目标跟踪算法。首先,采用GhostNet网络作为主干特征提取网络提取图像浅层与深层的卷积特征,运用全局平均池化对卷积特征下采样增加特征对图像的表征能力;其次,将卷积特征与手工特征插值后,与当前滤波器在傅里叶域进行卷积计算实现目标定位;最后,采用共轭梯度算法优化响应误差与惩罚项之和的损失函数实现滤波器更新。在上述提出的算法和OTB2015与VOT2018数据集上进行了理论分析和实验验证,取得了目标跟踪的对比实验数据。结果表明,相对于基于ResNet特征提取网络的ECO算法,该算法在实现高精度跟踪时,卷积特征提取过程计算量减少了95.75%,参数量减少了79.69%,跟踪过程速度提升了160%。这些结果为轻量级目标跟踪算法的研究提供了参考。

关键词：图像处理目标跟踪端侧神经网络有效卷积算子全局平均池化卷积特征

来源：评论

学校读者我要写书评

暂无评论

基于阴影集的多粒度三支聚类集成

引用

电子学报 2021年第8期49卷 1524-1532页

作者：姜春茂赵书宝哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025

聚类集成旨在通过融合多个不同的基聚类结果得到一个统一的类簇划分.针对现实环境中的模糊和不确定性数据,本文提出了一种基于阴影集的多粒度三支聚类集成算法.算法首先使用FCM聚类产生一组有差异性的基聚类成员,并通过阴影集构造三支聚... 详细信息

聚类集成旨在通过融合多个不同的基聚类结果得到一个统一的类簇划分.针对现实环境中的模糊和不确定性数据,本文提出了一种基于阴影集的多粒度三支聚类集成算法.算法首先使用FCM聚类产生一组有差异性的基聚类成员,并通过阴影集构造三支聚类.然后引入多粒度粗糙集构建了四个近似集合,将每一个类簇划分为一个核心域和三个边界域.最后对边界域中的数据依次划分到核心域中,无法划分的对象则留在边界域,最终得到了三支聚类集成的结果.实验结果表明,本算法在准确率、调整兰德系数和归一化互信息方面,与多种现有的聚类集成算法相比得到了更好的聚类集成结果.

关键词：聚类集成三支聚类多粒度模糊c均值(FCM) 阴影集

来源：评论

学校读者我要写书评

暂无评论

基于人在回路策略的在线置信规则库疾病诊断方法

引用

计算机工程 2025年第1期51卷 321-331页

作者：韩文策康潇李红宇贺维周国辉卜祥峰哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150000 中国铁塔股份有限公司山东省德州市分公司山东德州253000

在医疗实践中,收集病人的生理指标往往是诊断疾病的关键。然而,现实中病人的生理数据往往是不确定和模糊的。置信规则库(BRB)是一种专家系统方法,它通过结合专家知识将数据转化为置信分布,从而有效地处理各种不确定性和模糊性信息。然而... 详细信息

在医疗实践中,收集病人的生理指标往往是诊断疾病的关键。然而,现实中病人的生理数据往往是不确定和模糊的。置信规则库(BRB)是一种专家系统方法,它通过结合专家知识将数据转化为置信分布,从而有效地处理各种不确定性和模糊性信息。然而,目前基于BRB的疾病诊断模型仍依赖于离线训练方法,这不足以满足疾病诊断环境中的动态实时要求。此外,其他领域现有的在线模型也存在训练数据样本数量爆炸式增长和样本不平衡的问题。因此,提出一种基于人在回路策略的在线置信规则库疾病诊断方法。首先,将传统的离线训练BRB疾病诊断模型改进为在线训练模型,使模型能够根据不同患者的生理指标实现动态增长。其次,在在线学习的BRB模型中,提出了一种人在回路算法,以增强专家的决策能力,有效解决传统在线模型中训练样本爆炸式增长、模型输出过拟合和样本不平衡等问题。最后,通过对慢性肾病分级、丙型肝炎预测、乳腺癌诊断和糖尿病诊断的实验结果验证了该方法的有效性和优越性。

关键词：在线学习人在回路置信规则库疾病诊断样本分析

来源：评论

学校读者我要写书评

暂无评论

基于判别结构向量互补的集成特征选择方法

引用

天津师范大学学报（自然科学版） 2023年第4期43卷 57-63页

作者：任晓莹陈浩刘玘晗李紫璇王淑琴天津师范大学计算机与信息工程学院天津300387

提出一种基于判别结构向量互补的集成特征选择方法,分别使用互信息、ReliefF和Fisher判别比度量特征对子问题的分类能力,并根据判别结构向量互补分别确定特征子集,再将其合并为最优特征子集.使用4个UCI数据集和2个基因表达数据集进行实... 详细信息

提出一种基于判别结构向量互补的集成特征选择方法,分别使用互信息、ReliefF和Fisher判别比度量特征对子问题的分类能力,并根据判别结构向量互补分别确定特征子集,再将其合并为最优特征子集.使用4个UCI数据集和2个基因表达数据集进行实验,将本文算法与基于排序的特征选择算法、特征子集选择算法和其基特征选择算法进行比较,结果表明,本文算法的整体性能优于其他算法.

关键词：集成特征选择判别结构向量互信息 Fisher判别比 ReliefF

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：