检索结果-内蒙古大学图书馆

地球物理学进展 2018年第4期33卷 1331-1338页

作者：陈润航黄汉明柴慧敏广西师范大学计算机科学与信息工程学院桂林541004

本文首先从震源波形中提取梅尔频率倒谱系数(MFCC)图,然后采用卷积神经网络(CNN)进行地震波形信号的震源类型—天然地震和爆破事件—分类识别.事件为首都圈及其附近的72个天然地震和101个人工爆破事件,用于提取梅尔频率倒谱系数图的波... 详细信息

本文首先从震源波形中提取梅尔频率倒谱系数(MFCC)图,然后采用卷积神经网络(CNN)进行地震波形信号的震源类型—天然地震和爆破事件—分类识别.事件为首都圈及其附近的72个天然地震和101个人工爆破事件,用于提取梅尔频率倒谱系数图的波形信号为各观测台站波形3分量中的垂直分量波形.在各个事件的所有观测台站的垂直分量波形中,通过滑动窗口按同一准则去除被噪声淹没的部分台站波形,只选择留下未被噪声淹没的台站波形.每一个事件有107个观测台站,故有107份垂直分量波形,而不同事件被留下未被噪声淹没的波形则有几份至几十份不等.然后提取被留下未被噪声淹没的波形的梅尔频率倒谱系数图,以梅尔频率倒谱系数图作为CNN的输入,CNN的输出则为波形的震源类型(天然地震事件或爆破事件).若以单份波形为识别单元,采用五折交叉验证法进行测试,得到的平均准确率为95.78%.使用训练集中单份波形为识别单元,提取梅尔频率倒谱系数图,采用CNN训练出了天然地震事件与爆破事件波形分类器,一个事件在测试集中的多份波形信号通常不会都被正确识别,很可能有些波形被识别为天然地震事件,另一些波形被识别为爆破事件;这时,若识别单元改为事件,一个事件各台站的有效垂直分量波形中,超过一半的波形被识别为某一事件类型,则这个事件被归类为该事件类型,得到的正确识别率为97.1%.实验结果表明:卷积神经网络在天然地震事件与爆破事件的识别方面表现出色.这说明MFCC与卷积神经网络可以用于识别天然地震和爆破事件,尤其是深度学习更值得在地震信号处理方面做进一步的研究.

关键词：天然地震事件爆破事件震源波形震源类型识别梅尔频率倒谱系数卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

完备的IBE密码学逆向防火墙构造方法

引用

软件学报 2024年第7期35卷 3482-3496页

作者：赵一刘行明洋杨波长安大学信息工程学院陕西西安710064 陕西师范大学计算机科学学院陕西西安710119

斯诺登事件后,以算法替换攻击为代表的后门攻击带来的威胁受到广泛关注.该类攻击通过不可检测的篡改密码协议参与方的算法流程,在算法中嵌入后门来获得秘密信息.为协议参与方配置密码学逆向防火墙(cryptographic reverse firewall,CRF)... 详细信息

斯诺登事件后,以算法替换攻击为代表的后门攻击带来的威胁受到广泛关注.该类攻击通过不可检测的篡改密码协议参与方的算法流程,在算法中嵌入后门来获得秘密信息.为协议参与方配置密码学逆向防火墙(cryptographic reverse firewall,CRF)是抵抗算法替换攻击的主要手段.基于身份加密(identity-based encryption,IBE)作为一种广泛应用的公钥加密体制,亟需构建合适的CRF方案.然而,已有工作仅实现了CRF再随机化的功能,忽视了将用户私钥直接发送给作为第三方的CRF的安全风险.针对上述问题,首先给出适用于IBE的CRF安全性质的形式化定义和安全模型.其次提出可再随机化且密钥可延展的无安全信道IBE(rerandomizable and keymalleable secure channel free IBE,RKM-SFC-IBE)的形式化定义并给出传统IBE转化为RKM-SFC-IBE以及增加匿名性的方法.最后基于RKM-SFC-IBE给出对应CRF的一般性构造方法,并给出标准模型下IBE方案的CRF构造实例与性能优化方法.与已有工作相比,提出完备的适用于IBE的CRF安全模型,给出一般构造方法,明确为表达力更强的加密方案构造CRF时的基本原则.

关键词：算法替换攻击密码学逆向防火墙无安全信道的基于身份加密安全保持性

来源：评论

学校读者我要写书评

暂无评论

基于量子多目标进化算法的多任务Agent联盟生成

引用

系统工程理论与实践 2012年第10期32卷 2253-2261页

作者：许波彭志平余建平王永广东石油化工学院计算机科学与技术系茂名525000 湖南师范大学数学与计算机科学学院长沙410081 湖南大学电气与信息工程学院长沙410082

多Agent联盟生成是多Agent系统的关键问题之一,主要研究如何在多Agent系统中动态生成面向任务的最优联盟.为使Agent能稳定的组织起来完成单Agent不能完成的任务并在成本、资源、利益等方面达到一个良好的平衡性能并达到全局最优,提出了... 详细信息

多Agent联盟生成是多Agent系统的关键问题之一,主要研究如何在多Agent系统中动态生成面向任务的最优联盟.为使Agent能稳定的组织起来完成单Agent不能完成的任务并在成本、资源、利益等方面达到一个良好的平衡性能并达到全局最优,提出了联盟多目标综合评价模型,并将量子进化多目标算法应用于多目标多任务Agent联盟问题,运用编码的映射,将资源组合和任务分配合并为一个过程,降低了问题的复杂性.对比实验结果表明该算法求得的解的质量高,平衡性好,能有效避免了联盟死锁和资源浪费.

关键词：多Agent 联盟生成多目标优化量子多目标进化算法

来源：评论

学校读者我要写书评

暂无评论

基于不完备决策表的正区域属性约简的压缩差别矩阵方法

引用

计算机科学 2014年第S1期41卷 377-382页

作者：王婷徐章艳陈宇文岳明广西师范大学计算机科学与信息工程学院桂林541004

差别矩阵、二进制差别矩阵方法易懂,易设计,一直以来为广大学者所喜欢。但两方法在运算时会产生大量的重复元素与无用元素(若A是B的子集,则称B是A的无用元素),这些重复、无用元素会占用大量的空间,影响算法的效率。针对以往文献中基于... 详细信息

差别矩阵、二进制差别矩阵方法易懂,易设计,一直以来为广大学者所喜欢。但两方法在运算时会产生大量的重复元素与无用元素(若A是B的子集,则称B是A的无用元素),这些重复、无用元素会占用大量的空间,影响算法的效率。针对以往文献中基于差别矩阵的属性约简算法存储代价高的问题,结合二进制差别矩阵引入二叉树(B_Tree)的设计思想,提出基于压缩存储的属性约简算法。该算法将二进制差别矩阵的属性集存储在二叉树(B_Tree)的相应路径上,通过边存边剪枝(剪枝的思想就是从二叉树上删除那些在同一条路径上的重复、无用属性集)的思想,有效地降低了算法的时空效率。最后通过实例分析验证了新算法的有效性和可行性。

关键词：粗糙集差别矩阵二叉树属性约简

来源：评论

学校读者我要写书评

暂无评论

基于互补空间信息的多目标进化聚类图像分割

引用

电子与信息学报 2015年第3期37卷 672-678页

作者：赵凤刘汉强范九伦西安邮电大学通信与信息工程学院西安710061 陕西师范大学计算机科学学院西安710062

现有的多目标进化聚类算法应用于图像分割时,没有考虑图像的任何空间信息,使得该类算法在含噪图像上的分割性能不理想。该文鉴于图像的局部空间信息和非局部空间信息的互补性,试图将这两种空间信息同时引入到聚类有效性函数中,构造了融... 详细信息

现有的多目标进化聚类算法应用于图像分割时,没有考虑图像的任何空间信息,使得该类算法在含噪图像上的分割性能不理想。该文鉴于图像的局部空间信息和非局部空间信息的互补性,试图将这两种空间信息同时引入到聚类有效性函数中,构造了融合互补空间信息的目标函数,进而提出了应用于图像分割的基于互补空间信息的多目标进化聚类算法。该算法采用染色体可变长编码策略在进化过程中自动确定图像分割数目,减少了人为干预。自然图像的分割实验表明,该算法不但能在含噪图像上取得较为满意的分割性能,而且适用于多种类型的含噪图像。

关键词：图像分割多目标进化聚类互补空间信息局部空间信息

来源：评论

学校读者我要写书评

暂无评论

一种Gaussian-Hermite矩分块重构的抗几何攻击水印算法

引用

西安交通大学学报 2014年第4期48卷 20-25页

作者：贾晓琳葛建超綦艳丽邵利平西安交通大学电子与信息工程学院西安710049 陕西师范大学计算机科学学院西安710062

针对目前抗几何攻击水印算法易在大尺度几何攻击下失效的问题,提出了一种基于几何校正和分块重构的局部区域水印算法,从而提高水印的鲁棒性和提取精度。该算法利用图像不变质心进行几何形变参数的估计,对图像进行几何校正以实现载体的同... 详细信息

针对目前抗几何攻击水印算法易在大尺度几何攻击下失效的问题,提出了一种基于几何校正和分块重构的局部区域水印算法,从而提高水印的鲁棒性和提取精度。该算法利用图像不变质心进行几何形变参数的估计,对图像进行几何校正以实现载体的同步;根据几何攻击对图像视觉质量影响的分析,筛选可嵌入分块;利用高斯-埃尔米特矩良好的图像重构能力,修改特定矩集,实现水印嵌入,获得含水印图像。为验证算法的抗几何攻击能力,对含水印载体图像遭受旋转、缩放、平移和其他常规性攻击后的性能进行了实验测试。实验结果表明,所提算法可抵抗多种几何攻击及常规图像攻击,能提取出较高精度的水印信息,相对于其他算法,水印的鲁棒性虽然相差无几但在保持较高视觉不可见性的前提下,嵌入容量有了一定程度的提高。

关键词：数字水印几何攻击不变质心高斯-埃尔米特矩

来源：评论

学校读者我要写书评

暂无评论

基于空间特征的谱聚类含噪图像分割

引用

模式识别与人工智能 2012年第3期25卷 419-425页

作者：刘汉强赵凤陕西师范大学计算机科学学院西安710062 西安邮电大学通信与信息工程学院西安710061

为克服传统谱聚类算法应用到含噪图像分割时易受到图像中噪声影响的问题,提出一种基于空间特征的谱聚类含噪图像分割算法.该方法利用图像各个像素的灰度信息、局部空间邻接信息及非局部空间信息设计像素的三维特征,通过引入空间紧致性... 详细信息

为克服传统谱聚类算法应用到含噪图像分割时易受到图像中噪声影响的问题,提出一种基于空间特征的谱聚类含噪图像分割算法.该方法利用图像各个像素的灰度信息、局部空间邻接信息及非局部空间信息设计像素的三维特征,通过引入空间紧致性函数建立像素特征点与其K个最近邻之间的相似性,进而利用谱聚类算法得到图像的最终分割结果.实验中采用含噪的人工图像、自然图像及合成孔径雷达图像与空间模糊聚类、规范切谱聚类和Nystrm方法3种算法进行对比实验,实验结果验证文中方法能克服图像中噪声影响并取得较满意的分割效果.

关键词：图像分割谱聚类局部空间信息非局部空间信息相似性矩阵

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv4-tiny的轻量化室内人员目标检测算法

引用

电子与信息学报 2022年第11期44卷 3815-3824页

作者：赵凤李永恒李晶刘汉强西安邮电大学通信与信息工程学院西安710121 陕西师范大学计算机科学学院西安710119

深度学习在室内人员检测领域应用广泛,但是传统的卷积神经网络复杂度大且需要高算力GPU的支持,很难实现在嵌入式设备上的部署。针对上述问题,该文提出一种基于改进YOLOv4-tiny的轻量化室内人员目标检测算法。首先,设计一种改进的Ghost... 详细信息

深度学习在室内人员检测领域应用广泛,但是传统的卷积神经网络复杂度大且需要高算力GPU的支持,很难实现在嵌入式设备上的部署。针对上述问题,该文提出一种基于改进YOLOv4-tiny的轻量化室内人员目标检测算法。首先,设计一种改进的Ghost卷积特征提取模块,有效减少了模型的复杂度;同时,该文通过采用带有通道混洗机制的深度可分离卷积进一步减少网络参数;其次,该文构建了一种多尺度空洞卷积模块以获得更多具有判别性的特征信息,并结合改进的空洞空间金字塔池化结构和具有位置信息的注意力机制进行有效的特征融合,在提升准确率的同时提高推理速度。在多个数据集和多种硬件平台上的实验表明,该文算法在精度、速度、模型参数和体积等方面优于原YOLOv4-tiny网络,更适合部署于资源有限的嵌入式设备。

关键词：室内人员检测深度学习 YOLOv4-tiny Ghost卷积

来源：评论

学校读者我要写书评

暂无评论

两步迭代自返馈神经网络排序模型

引用

小型微型计算机系统 1997年第7期18卷 8-12页

作者：孟令奎高劲松武汉测绘科技大学信息工程学院华中师范大学计算机科学系

本文提出了用神经网络有效地解决排序问题的途径和方法。建立了一个自返馈神经网络排序模型。对于ｎ个元素的排序问题，利用该模型可在两个迭代步内完成。排序时间与排序问题的规模无关。该模型的空间复杂度为Ｏ（ｎ２）。

关键词：神经网络排序自返馈迭代

来源：评论

学校读者我要写书评

暂无评论

多空间协同进化的自然计算方法

引用

小型微型计算机系统 2022年第1期43卷 15-21页

作者：孙小晴季伟东林平徐浩天哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 哈尔滨医科大学哈尔滨150086

在自然计算方法中,种群规模大,计算复杂度高;种群规模小,容易陷入局部最优.本文提出多空间协同进化(Multispace Coevolution,简称MSC)的自然计算方法,该方法适用于各种基于种群进化的优化算法,不依赖于算法进化的具体步骤,具有普适性.... 详细信息

在自然计算方法中,种群规模大,计算复杂度高;种群规模小,容易陷入局部最优.本文提出多空间协同进化(Multispace Coevolution,简称MSC)的自然计算方法,该方法适用于各种基于种群进化的优化算法,不依赖于算法进化的具体步骤,具有普适性.在传统的生物种群进化的基础上,将大种群分解为个数有限的小种群,部分小种群组成进化空间,另一部分构成指导空间,两个空间拥有不同的功能,指导空间通过特定的信息传递方式将经验概括信息传递到进化空间,从而使整个种群协同进化.将该策略分别应用到粒子群优化算法(PSO)和遗传算法(GA)中,并与标准粒子群算法、遗传算法以及目前主流的针对大规模问题进行优化的7个算法对比,在高维测试函数中,结果表明,寻优性能方面新的种群进化算法相比其他算法提高80%左右,具有普适性.

关键词：指导空间进化空间协同进化自然计算

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：