检索结果-内蒙古大学图书馆

软件学报 2025年第2期36卷 805-829页

作者：杜云箫陈珂寿黎但江大伟骆歆远陈刚浙江大学计算机科学与技术学院浙江杭州310027 浙江大学软件学院浙江杭州310027 浙江省大数据智能计算重点实验室(浙江大学) 浙江杭州310027

基于日志合并树(LSM-tree)的键值(key-value)存储由于其出色的读写性能而被广泛用于许多应用中.大多数现有的日志合并树采用多层结构来存储数据.尽管多层数据结构可以很好地服务于适度的写密集型应用,但这种结构并不十分适合高写密集型... 详细信息

基于日志合并树(LSM-tree)的键值(key-value)存储由于其出色的读写性能而被广泛用于许多应用中.大多数现有的日志合并树采用多层结构来存储数据.尽管多层数据结构可以很好地服务于适度的写密集型应用,但这种结构并不十分适合高写密集型应用.这是因为以多层方式保存数据会引入写放大问题,即新的数据插入会引发很大一部分已经存储在多层中的数据被重组的问题.这种巨大的(有时是频繁的)数据重组是昂贵的,并且在许多高写密集型的应用中降低了写入性能.此外,多层结构不能为热数据持续提供出色的读取性能.这是因为多级结构不能通过及时合并重叠的范围来优化热数据的读取操作.为了解决上述两个问题,提出LazyStore,一种基于混合存储架构的新型单层日志合并树.LazyStore通过将数据存储在单一逻辑层而不是多个逻辑层来解决写放大的问题.因此,昂贵的多级数据重组在很大程度上被消除.为了进一步提高写入性能,LazyStore根据每个存储设备的容量和读/写性能,将逻辑层中的数据分布到多个存储设备中,如内存、非易失性内存和闪存.此外,LazyStore引入实时合并操作,以提高热数据范围的读取性能.实验表明,与其他多级日志合并树相比,LazyStore最多将写入性能提高3倍,并将写入放大率降低至1/4.而对于热门范围的读取,LazyStore的实时数据合并优化可以将范围查询处理的延迟降低一半.

关键词：键值存储日志合并树非易失性内存

来源：评论

学校读者我要写书评

暂无评论

基于多粒度表示学习的动态人脸草图检索

引用

计算机科学 2024年

作者：王亮戴大伟付诗宇王国胤重庆邮电大学计算机科学与技术学院重庆邮电大学网络空间大数据智能计算教育部重点实验室大数据智能计算重点实验室

在特定场景中，人脸草图可用于人的身份识别。然而，绘制人脸草图往往需要专业技术，而且完整绘制非常耗时，这限制了其在实际场景中的广泛应用。在更少笔画人脸草图检索（Sketch Less Face Image Retrieval， SLFIR）[1]的框架中，试... 详细信息

在特定场景中，人脸草图可用于人的身份识别。然而，绘制人脸草图往往需要专业技术，而且完整绘制非常耗时，这限制了其在实际场景中的广泛应用。在更少笔画人脸草图检索（Sketch Less Face Image Retrieval， SLFIR）[1]的框架中，试图通过在绘制过程中提供人机互动的方法来克服上述障碍。但考虑到在 SLFIR 框架中包含少量笔画的不完整草图与完整的人脸照片之间存在较大差距，导致绘制初期阶段的检索性能不佳。在本研究中，我们提出了一种多粒度表示学习（Multi-Granularity Representation Learning， MGRL）的方法来解决 SLFIR 中存在的问题，即学习不完整绘制草图的不同粒度区域的表示，然后通过组合草图和图像的所有粒度区域来确定最终的检索距离。实验表明，在两个公开数据集上，我们的方法在草图绘制初期的检索效果优于最新的基线方法。

关键词：更少笔画人脸草图检索图像检索多粒度不完整草图

来源：评论

学校读者我要写书评

暂无评论

基于目标扰动的AdaBoost算法

引用

通信学报 2023年第2期44卷 198-209页

作者：张淑芬董燕灵徐精诚王豪石华北理工大学理学院河北唐山063210 河北省数据科学与应用重点实验室河北唐山063210 唐山市大数据安全与智能计算重点实验室河北唐山063210 唐山市数据科学重点实验室河北唐山063210

针对AdaBoost算法的多轮迭过程会放大为实现差分隐私保护而添加的噪声,从而导致模型收敛缓慢、数据可用性大幅降低的问题,提出了一种基于目标扰动的AdaBoost算法——DPAda,采用目标扰动的方式对样本权值进行加噪,精确计算其敏感度,并赋... 详细信息

针对AdaBoost算法的多轮迭过程会放大为实现差分隐私保护而添加的噪声,从而导致模型收敛缓慢、数据可用性大幅降低的问题,提出了一种基于目标扰动的AdaBoost算法——DPAda,采用目标扰动的方式对样本权值进行加噪,精确计算其敏感度,并赋予其动态的隐私预算。为了解决噪声叠加过多的问题,提出基于摆动数列、随机响应和改进的随机响应3种噪声注入算法。实验结果表明,与DPAda_Random算法和DPAda_Swing算法相比,DPAda_Improved算法能实现数据的隐私保护,拥有更高的分类准确率,优于其他差分隐私AdaBoost算法,并能解决连续加噪带来的噪声过大的问题。

关键词：差分隐私摆动数列随机响应隐私预算分配 AdaBoost算法

来源：评论

学校读者我要写书评

暂无评论

基于时空交叉感知的实时动作检测方法

引用

电子学报 2024年第2期52卷 574-588页

作者：柯逍缪欣郭文忠福州大学计算机与大数据学院福建福州350116 福建省网络计算与智能信息处理重点实验室(福州大学) 福建福州350116 空间数据挖掘与信息共享教育部重点实验室福建福州350003

时空动作检测依赖于视频空间信息与时间信息的学习.目前,最先进的基于卷积神经网络(Convolutionsl Neural Networks,CNN)的动作检测器采用2D CNN或3D CNN架构,取得了显著的效果.然而,由于网络结构的复杂性与时空信息感知的原因,这些方... 详细信息

时空动作检测依赖于视频空间信息与时间信息的学习.目前,最先进的基于卷积神经网络(Convolutionsl Neural Networks,CNN)的动作检测器采用2D CNN或3D CNN架构,取得了显著的效果.然而,由于网络结构的复杂性与时空信息感知的原因,这些方法通常采用非实时、离线的方式.时空动作检测主要的挑战在于设计高效的检测网络架构,并能有效地感知融合时空特征.考虑到上述问题,本文提出了一种基于时空交叉感知的实时动作检测方法.该方法首先通过对输入视频进行乱序重排来增强时序信息,针对仅使用2D或3D骨干网络无法有效对时空特征进行建模,提出了基于时空交叉感知的多分支特征提取网络.针对单一尺度时空特征描述性不足,提出一个多尺度注意力网络来学习长期的时间依赖和空间上下文信息.针对时序和空间两种不同来源特征的融合,提出了一种新的运动显著性增强融合策略,对时空信息进行编码交叉映射,引导时序特征和空间特征之间的融合,突出更具辨别力的时空特征表示.最后,基于帧级检测器结果在线计算动作关联性链接.本文提出的方法在两个时空动作数据集UCF101-24和JHMDB-21上分别达到了84.71%和78.4%的准确率,优于现有最先进的方法,并达到73帧/秒的速度.此外,针对JHMDB-21数据集存在高类间相似性与难样本数据易于混淆等问题,本文提出了基于动作表示的关键帧光流动作检测方法,避免了冗余光流的产生,进一步提升了动作检测准确率.

关键词：实时动作检测多尺度注意力时空交叉感知

来源：评论

学校读者我要写书评

暂无评论

基于Prandtl-Ishlinskii模型的气动肌肉迟滞特性动态建模与控制方法

引用

农业机械学报 2024年第3期55卷 452-458页

作者：段慧茹谢胜龙万延见陈迪剑中国计量大学浙江省智能制造质量大数据溯源与应用重点实验室杭州310018

现有迟滞模型由于采用离线参数辨识方法,难以表征气动肌肉迟滞的时变性和负载相关性,极易产生较大的建模误差。为了精确表征气动肌肉的迟滞特性,利用Prandtl-Ishlinskii(PI)模型描述气动肌肉的位移-气压迟滞特性,并采用带遗忘因子的递... 详细信息

现有迟滞模型由于采用离线参数辨识方法,难以表征气动肌肉迟滞的时变性和负载相关性,极易产生较大的建模误差。为了精确表征气动肌肉的迟滞特性,利用Prandtl-Ishlinskii(PI)模型描述气动肌肉的位移-气压迟滞特性,并采用带遗忘因子的递推最小二乘法在线辨识PI模型参数。在此基础上,结合PI逆模型设计了一种带有前馈在线补偿的复合控制方法用于气动肌肉的运动控制。同时搭建相应的实验装置进行了气动肌肉迟滞建模和运动控制实验。实验结果表明,采用在线参数辨识方法后的PI模型能有效描述气动肌肉迟滞的负载相关性,且极大地降低了负载变化带来的控制误差。

关键词：气动肌肉迟滞补偿 Prandtl-Ishlinskii模型在线辨识

来源：评论

学校读者我要写书评

暂无评论

基于离散麻雀搜索优化的X结构绕障Steiner最小树算法

引用

计算机科学与探索 2025年第06期 1494-1507页

作者：郑瀚周茹平刘耿耿福州大学计算机与大数据学院大数据智能教育部工程研究中心福建省网络计算与智能信息处理重点实验室

Steiner最小树是求解超大规模集成电路布线问题的最佳连接模型。然而，现代芯片中往往存在各种障碍,如宏单元、IP块等，这些障碍使得Steiner最小树的构建更为困难。同时，考虑到X结构布线具有的良好线长优化能力以及麻雀搜索算法在求解N... 详细信息

Steiner最小树是求解超大规模集成电路布线问题的最佳连接模型。然而，现代芯片中往往存在各种障碍,如宏单元、IP块等，这些障碍使得Steiner最小树的构建更为困难。同时，考虑到X结构布线具有的良好线长优化能力以及麻雀搜索算法在求解NP难问题上展现出良好的应用前景，提出了一种基于离散麻雀搜索优化的X结构绕障Steiner最小树算法（DSSA＿OAXSMT）。设计了基于边点对编码的麻雀表示方法与有效的适应度计算方法，以及一种基于离散化变异与交叉运算的麻雀种群更新机制，能够有效解决离散化的X结构绕障Steiner最小树问题。提出了一种预处理策略，避免了障碍信息的重复计算，提高了算法的运行效率。提出了一种混合初始化策略，通过结合贪心思想和轮盘赌思想提高初始种群的多样性。提出了一种基于绕行的调整策略以满足障碍约束。提出了一种混合精炼策略，其中包含基于公共边的局部精炼策略与基于交叉检测与处理的优化策略，能够进一步优化线长代价。实验结果表明，所提算法相比于同类工作取得了更佳的线长优化能力。

关键词： Steiner最小树 X结构绕障离散麻雀搜索优化超大规模集成电路

来源：评论

学校读者我要写书评

暂无评论

求解张量绝对值方程的非精确LM方法

引用

河南师范大学学报（自然科学版） 2023年第1期51卷 63-68页

作者：马昌凤谢亚君福州外语外贸学院大数据学院数据科学与智能计算重点实验室福州350202

通过引入互补函数将张量绝对值问题重新表述为张量互补问题.针对重构的张量互补问题,建立了自适应非精确LM算法,并证明了算法的收敛性.数值实验结果表明所提出的算法是有效的.

关键词：张量绝对值方程非精确LM方法收敛性分析数值实验

来源：评论

学校读者我要写书评

暂无评论

多输入傅里叶神经网络及其麻雀搜索优化

引用

北京航空航天大学学报 2024年第2期50卷 623-633页

作者：黎亮亮张洪张永丹贵州大学大数据与信息工程学院贵州省系统优化与科学计算特色重点实验室贵阳550025

鉴于反向传播(BP)神经网络存在灵敏度高但收敛速度慢,以及已有傅里叶神经网络不具备多输入数据特征提取能力,借助多个傅里叶神经网络构建能接收多维数据的堆叠神经网络,进而将其与多层感知器融合,获得基于梯度下降的多输入傅里叶神经网... 详细信息

鉴于反向传播(BP)神经网络存在灵敏度高但收敛速度慢,以及已有傅里叶神经网络不具备多输入数据特征提取能力,借助多个傅里叶神经网络构建能接收多维数据的堆叠神经网络,进而将其与多层感知器融合,获得基于梯度下降的多输入傅里叶神经网络。结合此神经网络获取全局最优参数值难的因素,通过在麻雀搜索算法中引入Cat混沌映射、动态种群规模调节机制及参数自适应调节方案,提出改进型麻雀搜索算法,并将其应用于多输入傅里叶神经网络的参数优化及高维函数优化问题的求解。理论分析可得,所提算法的计算复杂度主要由种群规模和优化问题的维度决定。比较性的数值实验表明,所获神经网络提取多源数据特征的能力和泛化能力强,同时所提算法处理高维优化问题具有明显优势且收敛速度快。

关键词：傅里叶神经网络多层感知器麻雀搜索高维函数优化多属性分类

来源：评论

学校读者我要写书评

暂无评论

一种基于在线蒸馏的轻量化噪声标签学习方法

引用

计算机研究与发展 2024年第12期61卷 3121-3133页

作者：黄贻望黄雨鑫刘声铜仁学院大数据学院贵州铜仁554300 福建理工大学计算机科学与数学学院福州350001 贵州省公共大数据重点实验室(贵州大学) 贵阳550025

利用含有有损标签的噪声数据来训练深度学习模型是机器学习中的研究热点.研究表明深度学习模型训练易受噪声数据的影响而产生过拟合现象.最近,一种将元学习与标签校正相结合的方法能够使模型更好地适应噪声数据以减缓过拟合现象,然而这... 详细信息

利用含有有损标签的噪声数据来训练深度学习模型是机器学习中的研究热点.研究表明深度学习模型训练易受噪声数据的影响而产生过拟合现象.最近,一种将元学习与标签校正相结合的方法能够使模型更好地适应噪声数据以减缓过拟合现象,然而这种元标签校正方法依赖于模型的性能,同时轻量化模型在噪声数据下不具备良好的泛化性能.针对这一问题,本文结合元学习提出一种基于在线蒸馏的轻量化噪声标签学习方法KDMLC(knowledge distillation-based meta-label correction learning),该方法将深度神经网络与多层感知机构成的元标签校正(meta label correction,MLC)模型视为教师模型,对噪声标签进行校正并指导轻量化模型进行训练,同时采用双层优化策略训练并增强教师模型的泛化能力,从而生成更高质量的伪标签用于训练轻量化模型.实验表明,KDMLC在高噪声水平下对比MLC方法准确率提高了5.50个百分点;同时对CIFAR10数据集使用Cutout数据增强,KDMLC在高噪声水平下对比MLC准确率提升了9.11个百分点,而在真实噪声数据集Clothing1M上的实验,KDMLC也优于其他方法,验证了KDMLC的可行性和有效性.

关键词：伪标签标签校正元学习知识蒸馏噪声数据

来源：评论

学校读者我要写书评

暂无评论

求解张量绝对值方程的两步非精确Levenberg-Marquardt算法

引用

山西大学学报(自然科学版) 2023年第3期46卷 585-591页

作者：马昌凤谢亚君福州外语外贸学院大数据学院数字技术与智能计算重点实验室

张量绝对值方程可以重构为张量互补问题来求解。针对重构的张量互补问题，提出了两步非精确Levenberg-Marquardt (LM)算法，并给出了LM参数μk的一个新的选取方式，同时证明了所提出算法的收敛性定理。一些数值实例被测试，实验结果表... 详细信息

张量绝对值方程可以重构为张量互补问题来求解。针对重构的张量互补问题，提出了两步非精确Levenberg-Marquardt (LM)算法，并给出了LM参数μk的一个新的选取方式，同时证明了所提出算法的收敛性定理。一些数值实例被测试，实验结果表明该算法是有效的。

关键词：张量绝对值方程两步非精确LM算法收敛性定理数值实验

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：