检索结果-内蒙古大学图书馆

计算机科学 2023年第12期50卷 368-376页

作者：郭彩彩金瑜武汉科技大学计算机科学与技术学院武汉430065 湖北省智能信息处理与实时工业系统重点实验室武汉430065

云存储凭借其高扩展性、低成本等优点受到广泛关注,但确保云数据的完整性成为了目前亟待解决的问题。由于区块链具有去中心化、不可篡改等特点,可以很好地解决基于第三方审计者的云审计方案中存在的单点失效和安全威胁等问题,因此有学... 详细信息

云存储凭借其高扩展性、低成本等优点受到广泛关注,但确保云数据的完整性成为了目前亟待解决的问题。由于区块链具有去中心化、不可篡改等特点,可以很好地解决基于第三方审计者的云审计方案中存在的单点失效和安全威胁等问题,因此有学者提出了基于区块链的云审计方案,但这类方案的审计证明均由数据拥有者(DO)或委托其他DO进行验证,需要DO保持在线状态,加重了审计负担,且绝大部分方案并未在真正的区块链环境中实现。基于此,提出了一种基于以太坊智能合约的云审计方案——CASESC,使用solidity语言编写可实现向云服务提供商发起审计请求和验证其返回的审计证明等功能的以太坊智能合约代码,并将审计结果和相关信息记录在以太坊中供DO随时查询,使得CASESC能代替DO完成审计工作,无需DO委托验证与实时在线,降低了审计开销。此外,CASESC分别在以太坊Goerli公有链测试网络和Ganache搭建的私有链中运行,验证了其可用性。理论分析和实验结果表明,CASESC可在不增加整体审计开销的情况下大幅降低DO的审计开销。

关键词：云审计区块链以太坊智能合约

来源：评论

学校读者我要写书评

暂无评论

一种基于混合特征选择的图聚类算法

引用

小型微型计算机系统 2024年第3期45卷 606-612页

作者：张寿庞俊廖明习武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065 武汉理工大学计算机与人工智能学院武汉430070

图聚类是图挖掘研究领域目前的研究热点之一.现有基于非深度学习技术的多个中小规模图的聚类算法提取频繁子图并作为特征,主要存在所选特征无效或重要特征丢失的问题,影响了聚类的性能.因此,本文提出了一种基于混合特征选择的图聚类算法... 详细信息

图聚类是图挖掘研究领域目前的研究热点之一.现有基于非深度学习技术的多个中小规模图的聚类算法提取频繁子图并作为特征,主要存在所选特征无效或重要特征丢失的问题,影响了聚类的性能.因此,本文提出了一种基于混合特征选择的图聚类算法.首先提出了一种基于主成分分析原理(Principal Component Analysis,PCA)的评估函数,从图数据集中挖掘出区分特征子图,作为候选特征.其次,提出了一种分支定界技术,加速了区分子图的挖掘过程.接着,为了进一步提高聚类准确率,不失一般性地选择了一种流行的嵌入式特征选择算法,继续对候选特征集进行特性选择,并同时完成图聚类.最后,通过真实数据集上的实验验证了本文提出的基于混合特征选择的图聚类方法的有效性.

关键词：图聚类区分子图特征选择

来源：评论

学校读者我要写书评

暂无评论

基于改进的区块链云数据动态审计机制研究

引用

计算机应用研究 2023年第3期40卷 659-666页

作者：郭彩彩金瑜武汉科技大学计算机科学与技术学院武汉430065 湖北省智能信息处理与实时工业系统重点实验室武汉430065

云存储凭借其高扩展性、低成本等优点得到大众青睐,但确保云数据完整性成为亟待解决的安全挑战。为解决基于TPA的公共审计方案中存在的安全和效率问题,有学者提出了基于区块链的公共审计方案,但数据拥有者的审计负担较大,都是静态审计,... 详细信息

云存储凭借其高扩展性、低成本等优点得到大众青睐,但确保云数据完整性成为亟待解决的安全挑战。为解决基于TPA的公共审计方案中存在的安全和效率问题,有学者提出了基于区块链的公共审计方案,但数据拥有者的审计负担较大,都是静态审计,且不支持错误数据定位操作。基于此,提出了基于改进的区块链云数据动态审计机制,通过将部分审计工作委托给共识代表以减轻数据拥有者审计开销,设计带权多层次MHT结构以支持数据的动态操作,审计失败时帮助定位到错误数据。理论分析和实验结果表明,与现有方案相比,提出方案更安全可靠、动态审计效率更高,数据拥有者的计算和通信开销更少。

关键词：云存储区块链公共审计动态操作错误数据

来源：评论

学校读者我要写书评

暂无评论

基于简易激光雷达的弱纹理区域多视图三维重建研究

引用

激光与光电子学进展 2025年第8期62卷 299-306页

作者：梁婷雅韩燮李昊洋中北大学计算机科学与技术学院山西太原 030051 机器视觉与虚拟现实山西省重点实验室山西太原 030051 山西省视觉信息处理及智能机器人工程研究中心山西太原 030051

针对多视图立体三维重建(MVS)在处理弱纹理区域时存在空洞和区域性缺失的问题,提出一种MVS和激光雷达多源数据融合互补的三维重建方法.首先,采用GeoMVSNet深度学习网络对手机相机采集的多视图进行处理,得到MVS深度图;其次,对手机相机和... 详细信息

针对多视图立体三维重建(MVS)在处理弱纹理区域时存在空洞和区域性缺失的问题,提出一种MVS和激光雷达多源数据融合互补的三维重建方法.首先,采用GeoMVSNet深度学习网络对手机相机采集的多视图进行处理,得到MVS深度图;其次,对手机相机和激光雷达进行标定,计算两者的内外参和坐标系变换矩阵,通过时空、视角、尺度的一致性变换,将激光雷达采集的点云变换为图像视角下的稀疏点云;第三,提出深度图增强算法,生成激光雷达的稠密点云数据;最后,将激光雷达生成的稠密深度图和MVS深度图进行融合.实验结果表明:该方法显著提升自建数据集在弱纹理区域的重建质量,提高三维重建的准确性和完整性,为弱纹理区域的三维重建提供一种有效的解决方案.

关键词：三维重建多视图立体视觉弱纹理融合算法激光雷达

来源：评论

学校读者我要写书评

暂无评论

基于EMPC-BCGRU的云虚拟机CPU负载分析预测

引用

计算机科学 2023年第8期50卷 243-250页

作者：谢同磊邓莉尤文龙李锐龙武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室武汉430065

云平台资源预测对于云资源管理和节能具有非常重要的意义。云虚拟机技术是云平台为了充分利用物理资源而实施的一种虚拟化手段,但是有效的云虚拟机负载预测仍具有挑战性,因为云虚拟机负载具有周期性和非周期性的变化模式以及突变的负载... 详细信息

云平台资源预测对于云资源管理和节能具有非常重要的意义。云虚拟机技术是云平台为了充分利用物理资源而实施的一种虚拟化手段,但是有效的云虚拟机负载预测仍具有挑战性,因为云虚拟机负载具有周期性和非周期性的变化模式以及突变的负载峰值,云虚拟机负载受到用户随机提交作业的影响。为了准确分析云虚拟机负载的变化模式,提升云虚拟机CPU负载预测性能,提出了一种基于分解-预测的云虚拟机负载预测方法。通过经验模态分解和主成分分析的云虚拟机负载模式分解,得到不同尺度的特征波动序列;预测模型的卷积层能够充分提取分解后的特征,并通过双向门控循环神经网络双向学习序列的前向和后向依赖关系,提高了预测模型学习云虚拟机负载变化模式的能力。最后,在真实云环境微软Azure产生的2019 VM数据集上进行单步和多步预测实验,验证了所提预测方法的有效性。

关键词：云虚拟机分解模式本征模函数负载预测神经网络模型

来源：评论

学校读者我要写书评

暂无评论

基于均衡几何感知的三维无监督域适应方法

引用

激光与光电子学进展 2025年第6期62卷 138-144页

作者：蔡玥郭磊谌钟毓韩燮焦世超韩慧妍中北大学计算机科学与技术学院山西太原030051 机器视觉与虚拟现实山西省重点实验室山西太原030051 山西省视觉信息处理及智能机器人工程研究中心山西太原030051

无监督域适应(UDA)方法旨在利用已标注的数据域(源域)来提升模型在另一个未标注的数据域(目标域)的泛化能力。在真实三维(3D)世界中,源域和目标域数据在几何和数据的分布上存在显著不同。但是目前3D无监督域适应方法没有很好地关注此类... 详细信息

无监督域适应(UDA)方法旨在利用已标注的数据域(源域)来提升模型在另一个未标注的数据域(目标域)的泛化能力。在真实三维(3D)世界中,源域和目标域数据在几何和数据的分布上存在显著不同。但是目前3D无监督域适应方法没有很好地关注此类域间隙问题,进而导致其在目标域上的预测性能下降。为此,提出一种基于均衡几何感知的3D无监督域适应方法。首先,为了获取域间一致性底层几何信息,设计了一个基于隐式场的自监督预训练任务,即训练一个基于均衡局部距离的点云隐式场。通过该方法,模型能够充分利用底层几何信息,并有效学习不同密度处的隐式表示,减小异常点云数据的影响。此外,采用点云混合增强策略,对点云数据和标签进行插值,为点云数据提供更多的中间态信息,增加训练数据的多样性,进一步提升模型的泛化能力。实验结果表明,所提方法在分割数据集PointSegDA上的平均交并比(mIoU)和分类数据集PointDA-10上的准确率分别为65.2%和71.8%,证明了所提方法的有效性。

关键词：机器视觉无监督域适应隐式场点云迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于CNN-LSTM及深度学习的风电场时空组合预测模型

引用

信息与控制 2022年第4期51卷 498-512页

作者：廖雪超陈才圣伍杰平武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统重点实验室湖北武汉430065

为了更好地预测风电场的风电功率,提取风电场相邻站点之间时空信息和潜在联系,提出了一种基于卷积神经网络(CNN)、互信息(mutual information,MI)法、长短时记忆网络(LSTM)、注意力机制(AT)和粒子群优化(PSO)的短期风电场预测模型(MI-CN... 详细信息

为了更好地预测风电场的风电功率,提取风电场相邻站点之间时空信息和潜在联系,提出了一种基于卷积神经网络(CNN)、互信息(mutual information,MI)法、长短时记忆网络(LSTM)、注意力机制(AT)和粒子群优化(PSO)的短期风电场预测模型(MI-CNN-ALSTM-PSO)。CNN用于提取不同站点的空间特征,LSTM则用于获取多个站点的风电数据的时间依赖信息,据此设计CNN-LSTM时空预测模型,并结合深度学习算法,如MI特征选择、AT注意力机制、PSO参数优化,对模型进一步改进。通过两个海岛风电场的实验数据分析可知,所提模型具有最优的统计误差,CNN-LSTM模型可以高效提取风电场时空信息并进行时间序列预测,而结合深度学习算法(MI、AT和PSO)后的组合模型能进一步提高风电功率预测精度和稳定性。

关键词：短期风电预测卷积神经网络特征选择长短时记忆网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向自动驾驶的轻量级道路场景语义分割

引用

计算机工程与应用 2023年第19期59卷 177-183页

作者：李顺新吴桐武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学大数据科学与工程研究院武汉430065 湖北智能信息处理与实时工业系统重点实验室武汉430065

自动驾驶领域中,现有的道路场景语义分割算法开销巨大,无法满足自动驾驶的实时性。基于DeepLabV3+的整体结构,提出了一种并行特征处理的轻量级图像语义分割模型,兼顾了高精度和实时性。采用MobileNetV2作为主干网络,精简上采样过程,提... 详细信息

自动驾驶领域中,现有的道路场景语义分割算法开销巨大,无法满足自动驾驶的实时性。基于DeepLabV3+的整体结构,提出了一种并行特征处理的轻量级图像语义分割模型,兼顾了高精度和实时性。采用MobileNetV2作为主干网络,精简上采样过程,提升分割速度,并减少网络参数量,以便于网络迁移和训练;引入双注意力机制,与空洞卷积空间金字塔模块结合组成并行特征处理结构,提高分割精度;最后,将MobileNetV2与该并行特征处理结构相结合,以完成对图像特征的提取。实验结果表明,相比于传统模型,所提出模型能以少量的系统开销和网络参数量保证高效且精准的图像分割。模型在Cityscapes数据集mIoU达到73.61%,处理一张512×512的图片仅需25 ms。

关键词：语义分割自动驾驶轻量级 MobileNetV2 注意力机制

来源：评论

学校读者我要写书评

暂无评论

融合属性项情感的异质图神经网络产品推荐模型

引用

中文信息学报 2024年第12期38卷 137-147页

作者：李旸符玉杰王素格郑建兴山西财经大学金融学院山西太原030006 太原科技大学计算机科学与技术学院山西太原030024 山西大学计算机与信息技术学院山西太原030006 山西大学计算智能与中文信息处理教育部重点实验室山西太原030006

建立用户兴趣与产品属性项间的关联关系,有助于提升产品推荐系统中的准确度,因为在产品评论数据中,属性项可以作为构建用户与产品间关系的媒介。该文利用BERT-SAN/ChatGLM-Turbo自动获取评论数据的属性项情感信息,度量了用户对属性项的... 详细信息

建立用户兴趣与产品属性项间的关联关系,有助于提升产品推荐系统中的准确度,因为在产品评论数据中,属性项可以作为构建用户与产品间关系的媒介。该文利用BERT-SAN/ChatGLM-Turbo自动获取评论数据的属性项情感信息,度量了用户对属性项的偏好度和属性项对产品口碑的贡献度,刻画了用户兴趣和产品口碑。在此基础上,以属性项为媒介构建了用户与产品关系的关联二部图,提出了融合属性项情感的多头注意力机制的异质图神经网络产品推荐模型,模型实现了图中边的更新和结点更新。最后,基于平均误差(MSE)训练了稳定的用户与产品属性项关联的二部图图神经网络产品推荐模型。在Yelp Restaurant和Digital Music两个数据集上进行了实验,验证了融合属性项情感的多头注意力机制的异质图神经网络产品推荐模型相比传统方法能够取得更好的性能,且属性项情感信息可以为产品推荐的可解释性提供依据。

关键词：属性项情感分析图神经网络用户偏好度属性项贡献度可解释性

来源：评论

学校读者我要写书评

暂无评论

基于简易激光雷达的弱纹理区域的多视图三维重建研究

引用

激光与光电子学进展 2024年

作者：梁婷雅韩燮李昊洋中北大学计算机科学与技术学院机器视觉与虚拟现实山西省重点实验室山西省视觉信息处理及智能机器人工程研究中心

针对多视图立体三维重建(MVS)在处理弱纹理区域时存在有空洞和区域性缺失的问题，本文提出一种MVS和激光雷达多源数据融合互补的三维重建方法。首先，采用GeoMVSNet深度学习网络对手机相机采集的多视图进行处理，得到MVS深度图；其次，... 详细信息

针对多视图立体三维重建(MVS)在处理弱纹理区域时存在有空洞和区域性缺失的问题，本文提出一种MVS和激光雷达多源数据融合互补的三维重建方法。首先，采用GeoMVSNet深度学习网络对手机相机采集的多视图进行处理，得到MVS深度图；其次，对手机相机和激光雷达进行标定，计算两者的内外参和坐标系变换矩阵，通过时空、视角、尺度的一致性变换，将激光雷达采集的点云变换为图像视角下的稀疏点云；第三，提出深度图增强算法生成激光雷达的稠密点云数据；最后，对激光雷达生成的稠密深度图和MVS深度图进行融合。实验结果表明，该方法显著提升了自建数据集在弱纹理区域的重建质量，提高了三维重建的准确性和完整性，为弱纹理区域的三维重建提供了一种有效的解决方案。

关键词：三维重建多视图立体视觉弱纹理融合算法激光雷达

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：