检索结果-内蒙古大学图书馆

中国图象图形学报 2024年第8期29卷 2303-2318页

作者：于柳吴晓群北京工商大学计算机与人工智能学院北京100048 食品安全大数据技术北京市重点实验室北京100048

三维重建场景的纹理优化是计算机图形学和计算机视觉等领域的基础任务之一,其目的是优化纹理映射,减小重建几何体和纹理之间的对齐误差,提升重建场景的细节表现。为了对三维重建场景纹理优化算法的现状进行全面研究,本文从传统优化算法... 详细信息

三维重建场景的纹理优化是计算机图形学和计算机视觉等领域的基础任务之一,其目的是优化纹理映射,减小重建几何体和纹理之间的对齐误差,提升重建场景的细节表现。为了对三维重建场景纹理优化算法的现状进行全面研究,本文从传统优化算法和基于深度学习的优化算法两个方面对现有三维重建场景的纹理优化算法进行综述。传统的纹理优化算法一般通过优化相机姿态、校正图像颜色、提高重建几何精度等步骤达到三维场景纹理优化的目的,按照优化方式的不同,主要包括基于图像融合的优化算法、基于图像拼接的优化算法以及纹理与几何联合优化算法,而基于深度学习的优化算法则利用神经网络优化三维场景纹理。同时,本文汇总了常用的三维重建场景纹理优化的数据集与评价指标,并重点讨论了不同数据集和评价指标的特点与用法。此外,本文对现有的各类纹理优化算法进行了定性分析和定量对比,重点阐述了这些算法的原理及优缺点,最后探讨了三维重建场景的纹理优化面临的挑战和发展方向。

关键词：场景重建纹理优化图像融合图像拼接联合优化

来源：评论

学校读者我要写书评

暂无评论

基于双通道回声状态网络的时间序列补全及单步预测

引用

计算机科学 2024年第3期51卷 128-134页

作者：郑伟楠於志勇黄昉菀福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

随着物联网的发展,众多传感器采集到大量具有丰富数据相关性的时间序列,为各种数据挖掘应用提供强大的数据支持。然而,一些客观或主观原因(如设备故障、稀疏感知等)往往会造成采集到的数据出现不同程度的缺失。虽然已有很多方法被提出... 详细信息

随着物联网的发展,众多传感器采集到大量具有丰富数据相关性的时间序列,为各种数据挖掘应用提供强大的数据支持。然而,一些客观或主观原因(如设备故障、稀疏感知等)往往会造成采集到的数据出现不同程度的缺失。虽然已有很多方法被提出用于解决这一问题,但这些方法在数据相关性方面或考虑不够全面,或计算成本过高。而且,现有方法仅关注对缺失值的补全,未能兼顾下游应用。针对上述不足,设计了一种兼顾补全与预测任务的双通道回声状态网络。两个通道的网络虽共用输入层,但具有各自的储备池和输出层。两者最大的区别是左/右通道的输出层分别表示输入层前/后一个时刻对应的目标值或预补值。最后将两个通道的估计值进行融合,充分利用来自缺失时刻之前和之后的数据相关性以进一步提升性能。两种缺失现象下(随机缺失和分段缺失)不同缺失率的实验结果表明,所提模型无论是在补全精度还是预测精度上都优于目前流行的各类方法。

关键词：数据相关性时间序列外生变量双通道ESN 缺失补全单步预测

来源：评论

学校读者我要写书评

暂无评论

基于可攻击空间假设的陷阱式集成对抗防御网络

引用

软件学报 2024年第4期35卷 1861-1884页

作者：孙家泽温苏雷郑炜陈翔西安邮电大学计算机学院陕西西安710121 陕西省网络数据分析与智能处理重点实验室(西安邮电大学) 陕西西安710121 西安市大数据与智能计算重点实验室(西安邮电大学) 陕西西安710121 西北工业大学软件学院陕西西安710072 南通大学信息科学技术学院江苏南通226019

如今,深度神经网络在各个领域取得了广泛的应用.然而研究表明,深度神经网络容易受到对抗样本的攻击,严重威胁着深度神经网络的应用和发展.现有的对抗防御方法大多需要以牺牲部分原始分类精度为代价,且强依赖于已有生成的对抗样本所提供... 详细信息

如今,深度神经网络在各个领域取得了广泛的应用.然而研究表明,深度神经网络容易受到对抗样本的攻击,严重威胁着深度神经网络的应用和发展.现有的对抗防御方法大多需要以牺牲部分原始分类精度为代价,且强依赖于已有生成的对抗样本所提供的信息,无法兼顾防御的效力与效率.因此基于流形学习,从特征空间的角度提出可攻击空间对抗样本成因假设,并据此提出一种陷阱式集成对抗防御网络Trap-Net. Trap-Net在原始模型的基础上向训练数据添加陷阱类数据,使用陷阱式平滑损失函数建立目标数据类别与陷阱数据类别间的诱导关系以生成陷阱式网络.针对原始分类精度损失问题,利用集成学习的方式集成多个陷阱式网络以在不损失原始分类精度的同时,扩大陷阱类标签于特征空间所定义的靶标可攻击空间.最终, Trap-Net通过探测输入数据是否命中靶标可攻击空间以判断数据是否为对抗样本.基于MNIST、K-MNIST、F-MNIST、CIFAR-10和CIFAR-100数据集的实验表明, Trap-Net可在不损失干净样本分类精确度的同时具有很强的对抗样本防御泛化性,且实验结果验证可攻击空间对抗成因假设.在低扰动的白盒攻击场景中, Trap-Net对对抗样本的探测率高达85%以上.在高扰动的白盒攻击和黑盒攻击场景中, Trap-Net对对抗样本的探测率几乎高达100%.与其他探测式对抗防御方法相比, Trap-Net对白盒和黑盒对抗攻击皆有很强的防御效力.为对抗环境下深度神经网络提供一种高效的鲁棒性优化方法.

关键词：深度神经网络对抗样本集成学习对抗防御鲁棒性优化

来源：评论

学校读者我要写书评

暂无评论

缓解随机一致性的基尼指数与决策树方法

引用

中国科学：信息科学 2024年第1期54卷 159-190页

作者：王婕婷李飞江李珏钱宇华梁吉业山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

决策树模型具有较强的可解释性,是随机森林、深度森林等机器学习方法的基础.如何选择节点的分割属性与分割值是决策树算法的关键问题,对树的泛化能力、深度、平衡程度等重要性能产生影响.传统属性选择准则的定义大多基于凹函数,使得决... 详细信息

决策树模型具有较强的可解释性,是随机森林、深度森林等机器学习方法的基础.如何选择节点的分割属性与分割值是决策树算法的关键问题,对树的泛化能力、深度、平衡程度等重要性能产生影响.传统属性选择准则的定义大多基于凹函数,使得决策树算法存在多值偏向问题,即倾向于选择取值种类多的属性作为节点分割属性.已有研究表明缓解随机一致性的评价准则能够降低分类偏差与类簇个数偏向.本文将基于标准化框架缓解基尼指数的随机一致性,以此缓解其多值偏向问题.通过人造数据集验证,标准基尼指数能够缓解基尼指数的多值偏向问题,并且选择出具有决策信息的属性.通过12个基准数据集与两个图像数据集的实验验证,基于标准基尼指数的决策树算法比现有缓解多值偏向的决策树算法具有较高的泛化性能.

关键词：基尼指数多值偏向决策树随机一致性

来源：评论

学校读者我要写书评

暂无评论

时滞反应扩散系统的双侧间歇边界控制

引用

华中科技大学学报（自然科学版） 2023年第11期51卷 47-53,104页

作者：陈金雄黄振坤王万林胡娜集美大学理学院福建厦门361021 武夷学院数学与计算机学院福建武夷山354300 集美大学数字福建大数据建模与智能计算研究所福建厦门361021 福建省茶产业大数据应用与智能化重点实验室(武夷学院) 福建武夷山354300

为解决时滞反应扩散系统(DRDSs)的指数型稳定性问题,提出一种双侧间歇边界控制策略.首先,在系统状态信息完全已知的前提下,设计基于状态依赖的双侧间歇边界控制器,当系统状态不完全已知时,根据已知的边界状态信息和观测器获取的状态估... 详细信息

为解决时滞反应扩散系统(DRDSs)的指数型稳定性问题,提出一种双侧间歇边界控制策略.首先,在系统状态信息完全已知的前提下,设计基于状态依赖的双侧间歇边界控制器,当系统状态不完全已知时,根据已知的边界状态信息和观测器获取的状态估计值设计双侧间歇边界控制器;然后,结合李雅普诺夫泛函和线性矩阵不等式(LMI)技巧,建立DRDSs指数型稳定的两个充分条件.相关结果是对已有单侧边界控制的推广,所给的结果更具一般性.最后,数值模拟验证结果表明:在双侧间歇边界控制作用下系统收敛到零解的速度更快,系统更易于实现稳定,说明双侧间歇边界策略明显优于单侧边界控制策略.

关键词：时滞反应扩散系统双侧间歇边界控制控制器观测器指数稳定

来源：评论

学校读者我要写书评

暂无评论

一种用于答案选择的知识增强图卷积网络

引用

小型微型计算机系统 2024年第2期45卷 278-284页

作者：郑超凡陈羽中徐俊杰福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

答案选择是问答领域的一个重要子任务,目标是根据问题从候选答案集合中选择最合适的答案.该任务的核心是问答语义匹配.近年来,随着深度神经网络和预训练语言模型的应用,许多端对端的问答匹配模型展现出优异的性能.但是,现有模型仍然存... 详细信息

答案选择是问答领域的一个重要子任务,目标是根据问题从候选答案集合中选择最合适的答案.该任务的核心是问答语义匹配.近年来,随着深度神经网络和预训练语言模型的应用,许多端对端的问答匹配模型展现出优异的性能.但是,现有模型仍然存在语义信息提取不充分以及未有效利用外部知识信息等问题.针对上述问题,本文提出一种知识增强图卷积网络(A Knowledge-enhanced Graph Convolutional Network,KEGCN).首先,KEGCN提出一种基于图卷积神经网络的问题-答案结构信息提取机制,在利用BERT获得文本语义信息的基础上,KEGCN通过图卷积神经网络学习问答对之间的结构信息,增强语义信息.其次,KEGCN设计了一种基于自注意力门控网络的扩展知识语义构建机制,利用自注意力门控网络获取扩展知识实体之间的上下文语义关联并过滤知识噪声,增强模型的鲁棒性.最后,KEGCN利用多尺寸卷积神经网络提取多粒度的全局语义信息,以进一步提高答案选择推理的准确性.WikiQA和TrecQA数据集上的实验结果表明,与对比模型相比较,KEGCN的综合性能更加优异.

关键词：答案选择图卷积神经网络知识图谱多粒度语义自注意力门控网络

来源：评论

学校读者我要写书评

暂无评论

基于偏序关系的多视图多粒度图表示学习框架

引用

智能系统学报 2025年第1期20卷 243-254页

作者：肖添龙徐计王国胤贵州大学省部共建公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 重庆邮电大学计算智能重庆市重点实验室重庆400065

图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系... 详细信息

图池化作为图神经网络中重要的组件,在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点,普遍未考虑利用邻域内数据之间的偏序关系,从而造成图结构信息破坏。针对此问题,本文提出一种基于偏序关系的多视图多粒度图表示学习框架(multi-view and multi-granularity graph representation learning based on partial order relationships,MVMGr-PO),它通过从节点特征视图、图结构视图以及全局视图对节点进行综合评分,进而基于节点之间的偏序关系进行下采样操作。相比于其他图表示学习方法,MVMGr-PO可以有效地提取多粒度图结构信息,从而可以更全面地表征图的内在结构和属性。此外,MVMGr-PO可以集成多种图神经网络架构,包括GCN(graph convolutional network)、GAT(graph attention network)以及GraphSAGE(graph sample and aggregate)等。通过在6个数据集上进行实验评估,与现有基线模型相比,MVMGr-PO在分类准确率上有明显提升。

关键词：图神经网络图池化多粒度偏序关系节点分类任务图表示学习半监督学习图嵌入

来源：评论

学校读者我要写书评

暂无评论

用于问题生成的知识增强双图交互网络

引用

小型微型计算机系统 2024年第5期45卷 1032-1038页

作者：李亚峰叶东毅陈羽中福州大学计算机与大数据学院福州350108 福建省网络计算与智能信息处理重点实验室福州350108

问题生成是一项具有挑战性的自然语言处理任务,旨在生成具有给定答案和上下文的问题,近年来受到了广泛关注.最近,由于神经网络的发展,问题生成任务取得了较大的进展.然而,现有模型仍然存在未有效利用外部知识以及在利用图神经网络捕获... 详细信息

问题生成是一项具有挑战性的自然语言处理任务,旨在生成具有给定答案和上下文的问题,近年来受到了广泛关注.最近,由于神经网络的发展,问题生成任务取得了较大的进展.然而,现有模型仍然存在未有效利用外部知识以及在利用图神经网络捕获隐藏结构信息未捕获语法信息等问题.针对上述问题本文提出知识增强双图交互网络KE-BGINN(Knowledge-Enhanced Bi-Graph Interaction Neural Network).首先为了有效利用外部知识信息,KE-BGINN通过知识图谱本身的图结构信息构造知识增强图,并利用图卷积网络对文本以及答案上下文语义信息进行扩充.其次,KE-BGINN引入一种双图交互机制,利用两个图卷积网络学习上下文的隐藏结构信息以及语法信息,在图间信息融合时,构造一个虚拟图来充分融合不同图之间的异构信息.最后,KE-BGINN利用指针网络解码机制来解决问题生成时罕见和未知词的问题.在SQuAD数据集上的实验结果证明,与对比模型相比较,KE-BGINN模型的综合性能更加优异.

关键词：问题生成知识图谱图卷积网络双图交互虚拟图

来源：评论

学校读者我要写书评

暂无评论

流密码框架下的SM4专用认证加密算法

引用

计算机工程与应用 2024年第2期60卷 272-278页

作者：李胡彭长根侯金秋公共大数据国家重点实验室贵阳550025 贵州大学计算机科学与技术学院贵阳550025

认证加密算法是能同时满足数据机密性与完整性的对称密码算法,在数据安全领域具有广泛应用。针对基于分组密码的认证加密算法的安全性以及效率需求,提出一种基于SM4轮函数的专用认证加密算法SMRAE。算法采用流密码思想,从SM4底层部件出... 详细信息

认证加密算法是能同时满足数据机密性与完整性的对称密码算法,在数据安全领域具有广泛应用。针对基于分组密码的认证加密算法的安全性以及效率需求,提出一种基于SM4轮函数的专用认证加密算法SMRAE。算法采用流密码思想,从SM4底层部件出发,结合Feistel结构设计状态更新函数用于轮变换,处理256 bit消息只需调用4个SM4轮函数指令。在初始化阶段将初始向量和密钥经过16轮迭代,使差分充分随机化;利用SM4加密消息,将生成的密文参与轮变换,实现状态更新和加密并行;解密时先进行消息认证,降低时间消耗,提高算法安全性。安全性分析与实验结果表明SMRAE能够抵抗伪造攻击、差分攻击和猜测攻击等主流攻击,效率高于AES-GCM,与SM4效率相当,具备一定的实用性。

关键词： SM4 认证加密分组密码 Feistel结构流密码

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv7的航拍图像目标检测

引用

计算机工程与应用 2024年第8期60卷 173-181页

作者：邹振涛李泽平公共大数据国家重点实验室贵阳550025 贵州大学计算机科学与技术学院贵阳550025

航拍图像目标检测对于高效解译航拍图像,并用于地图绘制、资源普查、城乡规划等领域有着重大现实意义。针对无人机航拍图像中的物体尺度变化大、易受到背景干扰和微小目标容易错检漏检的问题,提出一种基于YOLOv7进行改进的航拍图像目标... 详细信息

航拍图像目标检测对于高效解译航拍图像,并用于地图绘制、资源普查、城乡规划等领域有着重大现实意义。针对无人机航拍图像中的物体尺度变化大、易受到背景干扰和微小目标容易错检漏检的问题,提出一种基于YOLOv7进行改进的航拍图像目标检测算法(AirYOLOv7)。AirYOLOv7通过在原网络的特征提取阶段结合三维注意力机制,在特征融合阶段结合通道注意力机制,以帮助模型更好地聚焦于图像中的关键信息。考虑到航拍图像中存在许多微小物体,算法额外增加了一个用于检测微小物体的预测头,并在每个预测头前引入C3STB,以增强算法对不同尺度目标的检测能力。针对IoU损失对微小物体的位置偏差非常敏感,通过在原边框回归损失中引入Wasserstein距离来衡量微小物体之间的差异,以提高算法对微小物体的检测能力。实验结果表明,AirYOLOv7在DOTA和VisDrone这两个公开的光学航拍数据集上的mAP分别达到78.65%和51.79%,相较于原始的YOLOv7分别提高了1.92个百分点和2.28个百分点,证明了改进方法在光学航拍图像上的有效性。

关键词：目标检测航拍图像注意力机制损失函数 Swin Transformer YOLOv7

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：