检索结果-内蒙古大学图书馆

计算机科学与探索 2024年第2期18卷 378-386页

作者：刘晓雪姜春茂哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 福建理工大学计算机科学与数学学院福州350118

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行... 详细信息

三支决策的“分、治、效”(TAO)模型包括构建三分、施加策略、结果评估三个部分。目前,关于结果评估的研究旨在衡量策略施加后结果的前后变化,还无法预测施加哪个策略能达到最大效果。为了解决这一问题,对TAO模型的“治”和“效”进行了研究,提出一种基于强化学习的三支改变模型的策略选择与有效性预测的方法。首先将改变三支决策TAO模型中的改变三分状态和策略分别作为强化学习中的状态和动作,并将每次施加策略得到新的改变三分状态的过程看作一个周期,利用累积前景理论计算每个周期产生的奖励,将智能体与环境的交互过程用马尔可夫决策过程来表示;其次设置一个目标奖励,将各个周期的累计奖励达到目标奖励时的状态作为马尔可夫决策过程的终止状态;然后用Q-learning算法迭代出一个最短周期内达到目标奖励的策略序列,同时利用该策略序列预测当前改变三分状态的未来效用。最后使用一个实例体现出该方法实用性和有效性。

关键词：三支决策改变三支决策强化学习策略选择效用度量

来源：评论

学校读者我要写书评

暂无评论

基于全局局部协同的非均匀图像去雾方法

引用

自动化学报 2024年第7期50卷 1333-1344页

作者：罗小同杨汶锦曲延云谢源厦门大学信息学院计算机科学与技术系厦门361005 华东师范大学计算机科学与技术学院上海200063

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此... 详细信息

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络***分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.

关键词：图像去雾卷积神经网络 Transformer 特征融合稀疏自注意力

来源：评论

学校读者我要写书评

暂无评论

面向CNN和RNN改进的物联网入侵检测模型

引用

计算机工程与应用 2023年第14期59卷 242-250页

作者：李晓佳赵国生汪洋宁可哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

针对卷积神经网络的原始池化层存在信息丢失的问题和循环神经网络在处理长序列数据时存在梯度消失的问题,提出了基于卷积和循环神经网络改进的物联网入侵检测模型。通过格拉姆角场图像化方式对时间序列数据图像化,为数据作为入侵检测模... 详细信息

针对卷积神经网络的原始池化层存在信息丢失的问题和循环神经网络在处理长序列数据时存在梯度消失的问题,提出了基于卷积和循环神经网络改进的物联网入侵检测模型。通过格拉姆角场图像化方式对时间序列数据图像化,为数据作为入侵检测模型的输入做好准备,由SoftPool池化层代替原始的池化层;将多头自注意力机制中的多头结构应用于循环神经网络中,循环神经网络选择参数较少的双向门控循环单元。以TON-IoT物联网数据集作为基准数据集进行试验,试验部分主要包括图像化方式的选择、池化层组合的选择和多头双向门控循环单元层头数的选择,仿真试验结果显示选择格拉姆角和场、SoftPool+SoftPool的池化层组合和三头结构的模型在多分类上在准确率、精确率、检测率、F1得分和假阳性率上的性能最优,并且精确率、检测率、F1得分和假阳性率优于现有模型至少0.14、0.09、0.13和0.08。

关键词：物联网入侵检测格拉姆角场多头结构 SoftPool池化层

来源：评论

学校读者我要写书评

暂无评论

使用编码的反向散射通信协议设计与性能分析

引用

计算机研究与发展 2024年第12期61卷 3098-3107页

作者：何昕吴帆祝玉军许勇杨盘隆安徽师范大学计算机与信息学院安徽芜湖241002 南京信息工程大学计算机学院南京210044 中国科学技术大学计算机科学与技术学院合肥230026

周围环境中不断增加的物联网设备带来了巨大的机遇,但也带来了挑战,包括有限的电池寿命、低计算能力和多址接入的可扩展性.反向散射通信使得无处不在的物联网设备能够以超低功耗的方式进行通信,然而,支持大规模并发通信也是反向散射通... 详细信息

周围环境中不断增加的物联网设备带来了巨大的机遇,但也带来了挑战,包括有限的电池寿命、低计算能力和多址接入的可扩展性.反向散射通信使得无处不在的物联网设备能够以超低功耗的方式进行通信,然而,支持大规模并发通信也是反向散射通信需要研究的问题之一.针对大规模标签并发通信误码率(BER)较高、传输速率低等问题,设计基于编码的码分多址(CDMA)接入技术,以支持多标签反向散射并发可靠通信.首先,该系统利用沃尔什(Walsh)码等正交性较强的码片区分标签并结合纠错编码,以增强抗干扰能力;其次利用相关检测与译码联合解码以降低误码率,实现信道的可靠通信;最后,在此基础上,基于K均值聚类算法(K-means clustering algorithm)设计标签分组机制,充分利用时-码2维资源扩充容量.实验表明,该方案能够实现100+个标签的可靠通信,误码率约2%、吞吐量达到了39 Mbps.

关键词：反向散射通信多标签码分多址接入分组算法性能评价

来源：评论

学校读者我要写书评

暂无评论

三维片上网络自适应路由算法研究综述

引用

计算机工程与科学 2025年

作者：邵晶波宁家鸿苏鑫苓哈尔滨师范大学计算机科学与信息工程学院

近年来，随着半导体制造工艺不断发展，芯片的集成度不断提高。作为大规模片上互联问题的一种解决方案，三维片上网络(Three-Dimensional Network-on-Chip，3D NoC)已经成为集成电路发展的一个主要趋势。然而，系统之间大规模的通信可... 详细信息

近年来，随着半导体制造工艺不断发展，芯片的集成度不断提高。作为大规模片上互联问题的一种解决方案，三维片上网络(Three-Dimensional Network-on-Chip，3D NoC)已经成为集成电路发展的一个主要趋势。然而，系统之间大规模的通信可能会造成网络出现拥塞、链路故障以及局部温度过高，从而降低系统性能。故拥塞控制、拓扑感知以及热点避免是路由算法所研究的重点。而3D NoC自适应路由算法根据3D NoC的网络状况，动态地对数据包进行路由决策，已成为3D NoC路由算法研究的热点之一。论文首先介绍了自适应路由算法的研究历程，阐述了3D NoC自适应路由算法的工作原理、实现方式并从算法设计原则的角度对算法进行分类。其次在基于路由规则、路由策略以及调整策略方面的分析框架下，论文对近年来提出的自适应路由算法进行了分析，并归纳了它们的特点。最后，讨论了自适应路由算法面临的挑战和未来发展趋势并总结全文。

关键词：三维片上网络自适应路由算法热点拥塞控制拓扑感知

来源：评论

学校读者我要写书评

暂无评论

融合静态程序分析与集成学习的Android代码异味共存检测

引用

计算机应用研究 2025年第4期42卷 1167-1176页

作者：王祯启边奕心马偌楠毕博宇王金鑫哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的An... 详细信息

相对于单一种类的代码异味,异味共存对程序更具危害性。针对Android特有代码异味,现有研究主要关注单一种类异味的检测,忽略异味共存对Android应用程序的负面影响。为识别共存的Android特有代码异味,提出融合静态程序分析与集成学习的Android代码异味共存检测方法。作为初步研究,识别忽略类成员变量的方法异味与缺少低内存处理程序异味的共存。首先,提出基于静态程序分析的Android代码异味共存检测方法和正负样本自动生成方法并实现工具ASSD。该工具的输出为后续集成学习模型提供丰富的训练样本。然后,针对单一机器学习模型泛化能力有限的问题,提出一种软投票集成学习模型,识别共存的Android代码异味。该模型不仅可以集成传统机器学习模型,还可以集成改进的深度学习模型。实验结果表明,所提方法优于已有基于静态程序分析的检测方法,F_(1)值提升了26.1百分点。此外,基于传统机器学习的软投票集成学习模型优于基于深度学习的软投票集成学习模型,F_(1)值提升了6.1百分点。所提方法可以实现Android代码异味共存的检测。

关键词： Android代码异味共存软投票集成学习静态程序分析

来源：评论

学校读者我要写书评

暂无评论

一种基于欧氏距离的种群规模动态控制方法

引用

电子与信息学报 2022年第6期44卷 2195-2206页

作者：季伟东倪婉璐哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

种群规模是决定算法性能最重要的参数,其大小会引发算法过早收敛或效率低下等问题。该文提出一种基于欧氏距离的种群规模动态控制方法(EDPS),通过引入欧氏距离建立核心圆域,利用核心圆域反馈的信息动态控制种群规模,提出基于核心圆域的... 详细信息

种群规模是决定算法性能最重要的参数,其大小会引发算法过早收敛或效率低下等问题。该文提出一种基于欧氏距离的种群规模动态控制方法(EDPS),通过引入欧氏距离建立核心圆域,利用核心圆域反馈的信息动态控制种群规模,提出基于核心圆域的增加/删除个体数目的方法。将该方法运用到粒子群算法、遗传算法和差分进化算法中,对收敛性进行分析,在测试函数上对其性能进行测试,实验结果表明了所提新策略的有效性。

关键词：欧氏距离核心圆域动态控制种群规模自然计算

来源：评论

学校读者我要写书评

暂无评论

融合改进TCN与DRSN的IoT入侵检测模型

引用

小型微型计算机系统 2025年第2期46卷 474-481页

作者：赵建姜伟哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差... 详细信息

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差收缩网络的物联网入侵检测模型.首先,利用扩张因果卷积与一维卷积充分提取数据的时空特征,形成深层层次的网络结构;然后引入自我注意的软门槛,能够无需专家经验自动地设置门槛,消除冗余特征;最后,使用焦点损失函数来增强对少数类的识别率.实验在TON-IoT数据集上的总体准确率和F1值分别高达99.88%和99.64%,其中小样本类的F1值为100%.实验结果表明,与其他模型相比,所提模型显著提高了对于不平衡入侵数据的检测能力.

关键词：物联网入侵检测时域卷积网络深度残差收缩网络样本不平衡焦点损失函数

来源：评论

学校读者我要写书评

暂无评论

基于MODIS-EVI2与集成学习的森林火烧迹地面积预测

引用

遥感技术与应用 2024年第5期39卷 1261-1270页

作者：冯俊辰董昊韩鹏李远斌刘靖宇丁云鸿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

在林火救援中,根据火灾早期阶段预测最终燃烧面积,可有效指导火灾救援。然而,以往研究采用归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)作为输入指标,其对土壤反射率敏感,数据噪声大。因此两波段增强植被指数(Two-... 详细信息

在林火救援中,根据火灾早期阶段预测最终燃烧面积,可有效指导火灾救援。然而,以往研究采用归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)作为输入指标,其对土壤反射率敏感,数据噪声大。因此两波段增强植被指数(Two-band Enhanced Vegetation Index,EVI2)被使用以准确预测野火过火面积。此外,针对单一机器学习预测算法抗干扰能力差的问题,一种基于堆叠泛化(Stacking)集成学习的Stacking-XRSK模型被提出。结果表明:使用EVI2使模型R^(2)较NDVI提高6.05%,MAE和MSE分别降低0.88%和0.41%。相比于单一模型,使用Stacking-XRSK模型的R^(2)最高,高出范围在2.8%~11.06%之间,MAE、MSE和AOC最低。验证了利用EVI2代替NDVI预测火烧迹地面积的可行性和准确性,同时表明Stacking模型能在充分发挥单一基模型优势的基础上提高模型的泛化能力,为森林火灾安全管理与及时扑救提供科学的参考。

关键词：森林火烧迹地面积两波段增强植被指数预测模型集成学习机器学习

来源：评论

学校读者我要写书评

暂无评论

一种多种群进化和差分变异的鲸鱼优化算法

引用

小型微型计算机系统 2024年第11期45卷 2618-2627页

作者：朱杰付伟马宁季伟东苏婷陈珊哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

针对鲸鱼优化算法容易陷入局部最优,求解精度低,收敛速度慢,提出了一种多种群进化和差分变异的鲸鱼优化算法(MDWOA).首先,根据适应度值将种群划分为两个大小相等的子种群,并为每个子种群分配不同的移动策略,以平衡全局和局部搜索能力.其... 详细信息

针对鲸鱼优化算法容易陷入局部最优,求解精度低,收敛速度慢,提出了一种多种群进化和差分变异的鲸鱼优化算法(MDWOA).首先,根据适应度值将种群划分为两个大小相等的子种群,并为每个子种群分配不同的移动策略,以平衡全局和局部搜索能力.其次,设计了一种种群进化和差分变异的策略来帮助MDWOA提高收敛速度,避免其陷入局部最优.最后,引入反向学习策略,增加种群多样性.将MDWOA与多种优化算法在13个基准函数上进行仿真测试,非参数检验的结果表明相较于其他优化算法来说改进的算法具有更高的精度和稳定性.在此基础上,建立了基于MDWOA优化BP神经网络模型,预测波士顿房价的实验结果表明所提出的预测模型具有更好的预测性能和有效性.

关键词：多种群进化差分变异鲸鱼优化算法反向学习 MDWOA-BP神经网络

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：