检索结果-内蒙古大学图书馆

计算机研究与发展 2025年第3期62卷 808-819页

作者：李松曹文琪郝晓红张丽平郝忠孝哈尔滨理工大学计算机科学与技术学院哈尔滨150080

集合空间关键字查询在空间数据库、位置服务、智能推荐和群智感知等领域具有重要的作用.现有的集合空间关键字查询方法没有考虑要求同时带有时空约束和成本感知的问题,不能满足大部分用户在时空约束条件下的查询需求问题,已有研究成果... 详细信息

集合空间关键字查询在空间数据库、位置服务、智能推荐和群智感知等领域具有重要的作用.现有的集合空间关键字查询方法没有考虑要求同时带有时空约束和成本感知的问题,不能满足大部分用户在时空约束条件下的查询需求问题,已有研究成果具有较大的局限性.为了弥补已有方法的不足,提出一种基于时空约束和成本感知的集合空间关键字查询TDCCA-Co SKQ.为了解决现有索引中无法同时包含关键字信息和时间信息的问题,提出了一种TDCIR-Tree索引,该索引融合了倒排文件和时间属性标签文件,可以减小查询计算的开销;为了有效地筛选出符合查询条件的集合,提出了一种TDCCA_PP算法,其中包括第1层剪枝算法、组间有序排列和第2层剪枝算法,可以提高关键字的查询效率;进一步提出了一种基于TDC成本函数的排序算法,TDC成本函数是由距离成本和时间成本组成的,其中包含代表用户偏好度的自变量系数α和β,可以增加用户的选择自由度,有效解决了现有的成本函数无法满足时空约束和成本感知的集合空间关键字查询的问题.理论研究与实验表明,所提出的方法具有较好的效率与准确性.

关键词：集合空间关键字查询时空约束成本感知倒排文件时间属性标签文件

来源：评论

学校读者我要写书评

暂无评论

道路网中针对多目标决策的兴趣点高效查询算法

引用

西安交通大学学报 2025年第4期59卷 148-157页

作者：李松杨晓龙靳海鹏张丽平哈尔滨理工大学计算机科学与技术学院 150080哈尔滨

为了解决道路网中利用多目标决策技术进行兴趣点推荐和高效位置查询的问题,针对由于数据规模增加产生大量近似数据,导致传统多目标决策技术在道路网环境下查询效率和可用性方面较低的问题,提出了一种道路网广义近似Skyline查询算法。首... 详细信息

为了解决道路网中利用多目标决策技术进行兴趣点推荐和高效位置查询的问题,针对由于数据规模增加产生大量近似数据,导致传统多目标决策技术在道路网环境下查询效率和可用性方面较低的问题,提出了一种道路网广义近似Skyline查询算法。首先基于兴趣点的维度相似性和道路网近似性构建近似集和独立点,并根据兴趣点特性设计相应的剪枝策略;随后,通过近似集和独立点重构数据集,根据剪枝策略过滤掉当查询位置移动时对查询结果无影响的兴趣点,并构建AA-R*-Tree索引以提升查询效率;最后,根据兴趣点的近似性提出一种广义近似聚集支配算法,通过选取代表点代替近似集进行Skyline计算,减少冗余运算并优化查询结果,最终得到满足兴趣点近似整合有序的Skyline结果集。实验结果表明:所提近似查询算法在大规模数据集和大量相似数据条件下表现出较好的效率与可行性;与Higher-Gsky、MG-EGsky和GSSK-A算法相比,所提算法在数据规模、查询范围及路段数增加时的平均效率提升约14%,能够为道路网用户提供更快速有效的决策支持。

关键词：道路网 Skyline查询多目标决策近似查询兴趣点推荐

来源：评论

学校读者我要写书评

暂无评论

模型参数不确定下多无人艇系统固定时间二分编队跟踪控制

引用

自动化学报 2025年第3期51卷 669-677页

作者：温广辉余星火黄廷文周艳东南大学系统科学系南京211189 皇家墨尔本理工大学工学院澳大利亚墨尔本VIC 3001 深圳理工大学计算机科学与控制工程学院深圳518055

针对模型参数不确定下多无人艇(Multiple unmanned surface vehicle,Multi-USV)系统的固定时间二分编队跟踪控制问题,通过将命令滤波与复合学习技术融合到反推控制方法中,提出一种新型分布式固定时间二分编队跟踪控制协议.首先,将命令... 详细信息

针对模型参数不确定下多无人艇(Multiple unmanned surface vehicle,Multi-USV)系统的固定时间二分编队跟踪控制问题,通过将命令滤波与复合学习技术融合到反推控制方法中,提出一种新型分布式固定时间二分编队跟踪控制协议.首先,将命令滤波引入到反推控制中,进而分别设计虚拟控制协议与真实控制协议.在此基础上,为估计未知参数设计了参数复合学习律,利用在线记录的数据和即时数据来产生预测误差,并利用跟踪误差和预测误差来更新参数估计.结果表明,在严格弱于持续激励(Persistent excitation,PE)条件的区间激励(Interval excitation,IE)条件下,本文提出的控制方案不仅能够保证编队误差的固定时间收敛性,也能够保证参数估计误差的固定时间收敛性,同时解决了多无人艇系统的固定时间二分编队跟踪控制问题.最后,通过仿真实验验证了本文提出的控制协议的有效性.

关键词：无人艇二分编队跟踪固定时间控制复合学习

来源：评论

学校读者我要写书评

暂无评论

大语言模型安全性:分类、评估、归因、缓解、展望

引用

智能系统学报 2025年第1期20卷 2-32页

作者：黄河燕李思霖兰天伟邱昱力柳泽明姚嘉树曾理单赢宇施晓明郭宇航北京理工大学计算机学院北京100081 北京航空航天大学计算机学院北京100191 哈尔滨工业大学计算机学院社会计算与信息检索研究中心黑龙江哈尔滨150001

大语言模型能够在多个领域及任务上给出与人类水平相当的解答,并且在未经训练的领域和任务上展现了丰富的涌现能力。然而,目前基于大语言模型的人工智能系统存在许多安全性隐患,例如大语言模型系统容易受到难以被察觉的攻击,模型生成的... 详细信息

大语言模型能够在多个领域及任务上给出与人类水平相当的解答,并且在未经训练的领域和任务上展现了丰富的涌现能力。然而,目前基于大语言模型的人工智能系统存在许多安全性隐患,例如大语言模型系统容易受到难以被察觉的攻击,模型生成的内容存在违法、泄密、仇恨、偏见、错误等问题。并且在实际应用中,大语言模型可能被滥用,生成的内容可能引起国家、人群和领域等多个层面的困扰。本文旨在深入探讨大语言模型面临的安全性风险并进行分类,回顾现有的评估方法,研究安全性风险背后的因果机制,并总结现有的解决措施。具体而言,本文明确了大语言模型面临的10种安全性风险,并将其归类为模型自身安全性风险与生成内容的安全性风险两个方面,并对每种风险进行了详细的分析和讲解。此外,本文还从生命周期和危害程度两个角度对大语言模型的安全风险进行了系统化的分析,并介绍了现有的大语言模型安全风险评估方法、大语言模型安全风险的出现原因以及相应的缓解措施。大语言模型的安全风险是亟待解决的重要问题。

关键词：大语言模型模型自身安全性生成内容安全性安全性分类安全性风险评估安全性风险归因安全性风险缓解措施安全性研究展望

来源：评论

学校读者我要写书评

暂无评论

一种基于区间验证的隐私保护真值发现算法

引用

小型微型计算机系统 2025年第2期46卷 410-416页

作者：张志敏赵国生王健哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 哈尔滨理工大学计算机科学与技术学院哈尔滨150080

隐私保护真值发现技术在移动群智感知网络领域中受到了广泛关注.然而在实际应用中,恶意用户上传的异常值对真值发现结果的可靠性带来了较大影响.为此,提出了一种基于区间验证的隐私保护真值发现算法IVPPTD (Interval Verification based... 详细信息

隐私保护真值发现技术在移动群智感知网络领域中受到了广泛关注.然而在实际应用中,恶意用户上传的异常值对真值发现结果的可靠性带来了较大影响.为此,提出了一种基于区间验证的隐私保护真值发现算法IVPPTD (Interval Verification based Privacy-Preserving Truth Discovery).首先,采用Paillier同态加密方法实现用户感知数据的安全上传和真值发现,保护用户的感知数据、权重信息以及估算真值的隐私不被泄露.其次,提出一种密文域中的异常数据过滤算法,对数据约束区间外的异常值进行数据清洗,从而在保护用户敏感信息不被泄露的前提下,提高真值发现结果的可靠性.最后,基于感知平台和密钥生成中心协作完成真值发现过程,减少了用户与云服务器之间的通信开销.仿真实验结果表明,所提方法具有高准确率、对异常值的鲁棒性以及较低的计算开销.

关键词：移动群智感知真值发现隐私保护异常数据过滤同态加密

来源：评论

学校读者我要写书评

暂无评论

满足本地差分隐私的混合噪音感知的模糊C均值聚类算法

引用

电子与信息学报 2025年第3期47卷 739-757页

作者：张朋飞程俊张治坤方贤进孙笠王杰姜茸安徽理工大学计算机科学与工程学院淮南232001 云南省服务计算重点实验室(云南财经大学) 昆明650221 浙江大学计算机科学与技术学院杭州310058 华北电力大学控制与计算机工程学院北京102206 安徽理工大学安全科学与工程学院淮南232001

在大数据和物联网应用中,本地差分隐私(LDP)技术用于保护聚类分析中的用户隐私,但现有方法要么在LDP下交互式地进行聚类,需要消耗大量隐私预算,要么没有同时考虑到聚类数据中蕴含的表示数据质量的高斯噪音以及为满足LDP保护的拉普拉斯噪... 详细信息

在大数据和物联网应用中,本地差分隐私(LDP)技术用于保护聚类分析中的用户隐私,但现有方法要么在LDP下交互式地进行聚类,需要消耗大量隐私预算,要么没有同时考虑到聚类数据中蕴含的表示数据质量的高斯噪音以及为满足LDP保护的拉普拉斯噪音,致使聚类精度低下。同时,对于衡量用户提交数据和簇心之间的距离选择较为武断,没有充分利用到用户提交的噪音数据中蕴含的噪音模式。为此,该文创新性地提出一种满足LDP的混合噪音感知的模糊C均值聚类算法(mnFCM),该算法的主要思想是同时建模用户上传数据中蕴含的表示用户质量的高斯噪音以及为保护用户数据注入的拉普拉斯噪音,进而设计出混合噪音感知的距离替代传统的欧式距离,来衡量样本数据与簇心间的相似性。特别地,在mnFCM中,该文首先设计了混合噪音感知的距离计算方法,在此基础上给出算法新的目标函数,并基于拉格朗日乘子法设计了求解方法,最后理论上分析了求解算法的收敛性。该文进一步理论分析了mnFCM的隐私、效用和复杂度,分析结果表明所提算法严格满足LDP、相对于对比算法更接近非隐私下的簇心以及和非隐私算法具有接近的复杂度。在两个真实数据集上的实验结果表明,mnFCM在满足LDP下,聚类精度提高了10%~15%。

关键词：聚类分析隐私保护本地差分隐私模糊C均值聚类拉普拉斯机制

来源：评论

学校读者我要写书评

暂无评论

心电特征引导下的自监督房颤异常检测方法

引用

计算机工程与应用 2025年第2期61卷 208-218页

作者：陈鹏邓淼磊樊好义张德贤韩涵河南工业大学信息科学与工程学院郑州450001 郑州大学计算机与人工智能学院郑州450001 哈尔滨理工大学测控技术与通讯工程学院哈尔滨150006

心电异常检测旨在发现心电数据中异常的模式,例如房颤特征或无效干扰信号特征。针对心房颤动心电异常,提出了一种简单有效的自监督房颤异常检测方法,称为心电特征引导下的房颤异常检测器(electrocardiogram feature induced atrial fibr... 详细信息

心电异常检测旨在发现心电数据中异常的模式,例如房颤特征或无效干扰信号特征。针对心房颤动心电异常,提出了一种简单有效的自监督房颤异常检测方法,称为心电特征引导下的房颤异常检测器(electrocardiogram feature induced atrial fibrillation detector,EFAFD),通过引入P波掩码和心率变异性指标预测多任务学习策略,指导模型学习房颤心电P波消失和RR间期绝对不齐等医学特征,提高模型对房颤异常心电模式的判别能力。具体地,将P波掩码心电数据通过自编码器重构原始的心电数据,学习房颤心电P波易消失的特征。同时,将心率变异性指标的预测任务整合到自编码器框架中,学习房颤心电RR间期绝对不齐的节律特征。通过度量心电的重构误差,实现房颤心电的检测。在真实的动态心电数据集上评估了所提出的方法,包括CPSC2021数据集和Icentia11k数据集。EFAFD模型的AUC分别达到了81.85%和92.46%。实验结果表明,所提出的方法在房颤异常检测方面优于现有的方法。

关键词：心电图时间序列异常检测自监督学习房颤检测自编码器

来源：评论

学校读者我要写书评

暂无评论

空—地多视角行为识别的判别信息增量学习方法

引用

中国图象图形学报 2025年第1期30卷 130-147页

作者：刘文璇钟忺徐晓玉周卓江奎王正白翔武汉理工大学计算机与人工智能学院武汉430070 水路交通控制全国重点实验室武汉430063 武汉大学计算机学院武汉430072 哈尔滨工业大学计算机科学与技术学院哈尔滨150001 华中科技大学软件学院武汉430074

目的随着社会民生需求的日益增长,地面设备联合无人机等空中设备进行空—地多视角场景下的行为识别应运而生。现有方法只关注水平空间视角变化时的视角关系,忽视了垂直空间变化带来的巨大判别行为差异。由于高度不同,同一物体的观测特... 详细信息

目的随着社会民生需求的日益增长,地面设备联合无人机等空中设备进行空—地多视角场景下的行为识别应运而生。现有方法只关注水平空间视角变化时的视角关系,忽视了垂直空间变化带来的巨大判别行为差异。由于高度不同,同一物体的观测特征差异显著,对传统的多视角动作识别方法在应对垂直空间视角变化时构成了重大挑战。方法本文将显著的动作外观差异定义为辨别动作信息的差异,提出了一种基于判别行为信息增量学习(discriminative action information incremental learning,DAIL)的空—地场景多视角行为识别方法,根据视角高度和信息量判别地面视角和空中视角。引入类脑“由易到难,循序渐进”的思想,分别蒸馏不同视角的判别行为信息,将地面视角(简单)样本的判别行为信息增量到空中视角(困难)样本中,辅助网络学习空中视角样本。结果在DroneAction和UAV(unmanned aerial vehicle)两个数据集上进行了实验,对比于当前先进方法SBP(stochastic backpropagation),在两个数据集上准确率分别提高了18.0%和16.2%;对比于强基线方法,本文方法在UAV数据集上参数量减少了2.4 M,计算量减少了6.9 G。结论所提出的方法表明通过使用简单样本增强复杂样本,显著提高了网络的特征学习能力。相反,尝试反向操作会导致准确性下降。本文从新角度讨论多视角行为识别任务,兼具效果和性能,在常见的高空视角数据集中优于代表性的方法且可拓展到其他多视角任务。

关键词：多视角行为识别增量学习样本分类判别行为信息蒸馏学习

来源：评论

学校读者我要写书评

暂无评论

Autoformer双分支网络下的多元空气质量长时预测研究

引用

安全与环境学报 2025年第1期25卷 310-321页

作者：刘杰张译丹田明韩轲哈尔滨理工大学测控技术与通信工程学院哈尔滨150080 中国电信股份有限公司黑龙江分公司哈尔滨150040 哈尔滨商业大学计算机与信息工程学院哈尔滨150028

空气质量数据复杂多变,现有方法难以捕捉长期依赖关系,且对季节趋势和多变量建模不足。针对以上问题,研究基于Autoformer模型进行改进,创新性地融入了特征渐进挖掘和多维深度联系两个分支。首先,特征渐进挖掘分支通过序列分解模块将空... 详细信息

空气质量数据复杂多变,现有方法难以捕捉长期依赖关系,且对季节趋势和多变量建模不足。针对以上问题,研究基于Autoformer模型进行改进,创新性地融入了特征渐进挖掘和多维深度联系两个分支。首先,特征渐进挖掘分支通过序列分解模块将空气质量数据分解为季节分量和趋势分量,对季节分量设计了一种特征增强模块(Feature Enhancement,FE)以捕获关键特征。其次,对趋势分量设计了门控-膨胀因果卷积模块(Gated Linear Unit Dilated Causal Convolution,GLU-DCC)来获取高级时序特征。最后,构建了多维深度联系分支,该分支通过引入维度-分段嵌入模块(Dimension-Segment-Wise Embedding,DSW)和两阶段注意力机制(Two Stage Attention,TSA)提取了多元空气质量数据中的跨维度相关性。研究对两个站点进行空气质量指数(Air Quality Index,AQI)预测,试验结果显示:与基线模型相比,研究模型的两个数据集的均方误差(M_(SE))分别平均下降了47.6%和57.5%,平均绝对误差(M_(AE))分别平均下降了15.5%和38.5%,具有更优的预测性能。

关键词：环境工程学空气质量预测双分支融合网络特征挖掘跨维度相关性

来源：评论

学校读者我要写书评

暂无评论

基于模糊强化学习的云计算虚拟机调度策略

引用

计算机工程与科学 2025年第1期47卷 56-65页

作者：余世瑞姜春茂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 福建理工大学计算机科学与数学学院福建福州350118

针对云计算数据中心中,低效的资源管理产生的高能耗问题,提出一种基于模糊的(Q-learning(λ))强化学习算法,通过处理虚拟机放置(VMP)问题来解决云计算数据中心的高能耗开销问题。将当前状态下的虚拟机数量以及物理机利用率作为输入状态... 详细信息

针对云计算数据中心中,低效的资源管理产生的高能耗问题,提出一种基于模糊的(Q-learning(λ))强化学习算法,通过处理虚拟机放置(VMP)问题来解决云计算数据中心的高能耗开销问题。将当前状态下的虚拟机数量以及物理机利用率作为输入状态传入模糊控制器,并与强化学习(RL)算法相结合来执行对应相关的策略。该算法能够动态地将相关虚拟机分配到所对应的物理服务器上并且能够减少虚拟机迁移次数,优化资源利用率,在满足用户服务级别协议(SLA)的同时降低能源消耗。该算法能够应对工作负载波动的情况,并在满足SLA的期望服务质量(QoS)需求的同时,提供合适的VM部署(初始或重新映射)。实验结果显示,与Q-learning、Q-learning(λ)、Greedy和PSO放置算法相比,基于模糊的Q-learning(λ)算法的能源消耗显著减少且具有更快的收敛速度和一定的实用价值。

关键词：云计算虚拟机放置强化学习模糊系统

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：