检索结果-内蒙古大学图书馆

图学学报 2024年第3期45卷 548-557页

作者：赵盛吴晓群刘鑫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

使用消费级深度相机采集深度信息时,受到设备、环境和物体材质等因素的影响,采集的深度信息往往存在缺失和孔洞,使得深度图像在后续的视觉任务中应用受限。现有的深度补全算法在解决大面积深度缺失时存在补全效果不佳和物体边界保持较... 详细信息

使用消费级深度相机采集深度信息时,受到设备、环境和物体材质等因素的影响,采集的深度信息往往存在缺失和孔洞,使得深度图像在后续的视觉任务中应用受限。现有的深度补全算法在解决大面积深度缺失时存在补全效果不佳和物体边界保持较差的问题。针对这2个问题,提出了基于结构引导边界增长的大孔洞深度补全算法。首先,结合RGB图像提供的边界信息,利用结构引导的边界增长策略补全物体边界处的深度缺失;最后,利用大孔洞切分填充与均值滤波相结合的方法,补全物体内部的大孔洞。实验结果表明,该算法能够在具有大面积缺失以及跨越物体缺失情况下有效地保持物体边界,同时能够补全大面积缺失的深度信息,并在多个数据集上的定量以及定性结果证明了该方法的有效性。

关键词：分割图像结构引导 Bézier曲线拟合大孔洞补全边界增长

来源：评论

学校读者我要写书评

暂无评论

基于目标相似性驱动与双端变量引导搜索的大规模多目标进化算法

引用

计算机科学 2025年

作者：杨昌好秦进王豪公共大数据国家重点实验室贵州大学计算机科学与技术学院

大规模多目标优化问题涉及成百上千维的决策变量，致使探索空间过于庞大，这给进化算法在有限资源内快速得到理想解集合带来了巨大挑战。为此，一种基于目标相似性驱动与双端变量引导搜索的大规模多目标进化算法（LMOEA/OS-DES）被提出... 详细信息

大规模多目标优化问题涉及成百上千维的决策变量，致使探索空间过于庞大，这给进化算法在有限资源内快速得到理想解集合带来了巨大挑战。为此，一种基于目标相似性驱动与双端变量引导搜索的大规模多目标进化算法（LMOEA/OS-DES）被提出。LMOEA/OS-DES包含三种策略：第一种是基于目标相似性驱动的多种群共同进化策略，以快速得到反映Pareto最优解分布特点的解。第二种策略根据精英解在决策空间上的分布特点，设计多种决策变量分组方案，以适应不同目标向量方向最优解的分布差异。结合分组方案，增强探索性的双端变量引导搜索采取较之前策略更大的探索强度，生成与先前精英解分布特点相近的新解，以加速优化收敛性与多样性。在最后一个策略中，借助竞争群优化在优解周围探索，以优化多样性。LMOEA/OS-DES与其他8个具有竞争力的算法，在100至5000维的LSMOP及UF问题上进行对比实验。结果表明，LMOEA/OS-DES具有显著的优势。

关键词：进化算法大规模多目标优化多种群优化问题转换竞争群优化

来源：评论

学校读者我要写书评

暂无评论

面向特征融合与知识蒸馏的恶意软件分类

引用

福州大学学报（自然科学版） 2023年第6期51卷 762-768页

作者：庄贤陈志豪蔡铁城陈开志廖祥文福建省网络计算与智能信息处理重点实验室数字福建金融大数据研究所福州大学计算机与大数据学院福建福州350108

提出一种面向特征融合与知识蒸馏的恶意软件分类方法.一方面,通过残差网络分别从灰度图和马尔可夫图中抽取恶意软件的序列特征和分布特征,并利用自注意力挖掘不同特征之间的关联性,以提升模型性能;另一方面,通过教师网络向多个学生网络... 详细信息

提出一种面向特征融合与知识蒸馏的恶意软件分类方法.一方面,通过残差网络分别从灰度图和马尔可夫图中抽取恶意软件的序列特征和分布特征,并利用自注意力挖掘不同特征之间的关联性,以提升模型性能;另一方面,通过教师网络向多个学生网络进行知识迁移,并让学生网络互相协作学习,进一步降低模型规模.在微软和CCF数据集上的实验结果证明,该方法不仅能有效提升模型性能,而且可以降低模型的参数量和计算量.此外,通过热力图定位影响分类结果的字节,验证卷机神经网络从图像中抽取特征进行分类的科学性.

关键词：恶意软件分类恶意软件图像自注意力知识蒸馏

来源：评论

学校读者我要写书评

暂无评论

抗攻击的联邦学习隐私保护算法

引用

计算机工程 2025年第2期51卷 179-187页

作者：吴若岚陈玉玲豆慧张洋文龙钟贵州大学省部共建公共大数据国家重点实验室计算机科学与技术学院贵州贵阳550025

联邦学习作为新兴的分布式学习框架,允许多个客户端在不共享原始数据的情况下共同进行全局模型的训练,从而有效保护了数据隐私。然而,传统联邦学习仍然存在潜在的安全隐患,容易受到中毒攻击和推理攻击的威胁。因此,为了提高联邦学习的... 详细信息

联邦学习作为新兴的分布式学习框架,允许多个客户端在不共享原始数据的情况下共同进行全局模型的训练,从而有效保护了数据隐私。然而,传统联邦学习仍然存在潜在的安全隐患,容易受到中毒攻击和推理攻击的威胁。因此,为了提高联邦学习的安全性和模型性能,需要准确地识别恶意客户端的行为,同时采用梯度加噪的方法来避免攻击者通过监控梯度信息来获取客户端的数据。结合恶意客户端检测机制和本地差分隐私技术提出了一种鲁棒的联邦学习框架。该算法首先利用梯度相似性来判断和识别潜在的恶意客户端,减小对模型训练任务产生的不良影响;其次,根据不同查询的敏感性以及用户的个体隐私需求,设计一种基于动态隐私预算的本地差分隐私算法,旨在平衡隐私保护和数据质量之间的权衡。在MNIST、CIFAR-10和MR文本分类数据集上的实验结果表明,与3种基准算法相比,该算法在准确性方面针对sP类客户端平均提高了3百分点,实现了联邦学习中更高的安全性水平,显著提升了模型性能。

关键词：联邦学习中毒攻击推理攻击本地差分隐私隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于自监督图卷积和注意力机制实现隐式反馈降噪的社交推荐

引用

电子学报 2025年第1期53卷 151-162页

作者：郭向星周魏杨正益文俊浩杨佳佳刘蔓重庆大学大数据与软件学院重庆400044 信息物理社会可信服务计算教育部重点实验室(重庆大学) 重庆400044 中国移动通信集团重庆有限公司重庆401320

基于图神经网络的社交推荐系统取得了较好的性能,然而,基于图神经网络的社交推荐模型存在以下挑战:基于图神经网络的模型的邻域聚集操作会放大用户的隐式行为中的噪声,使得用户和物品的向量表示存在偏差;用户物品图中的边和用户社交关... 详细信息

基于图神经网络的社交推荐系统取得了较好的性能,然而,基于图神经网络的社交推荐模型存在以下挑战:基于图神经网络的模型的邻域聚集操作会放大用户的隐式行为中的噪声,使得用户和物品的向量表示存在偏差;用户物品图中的边和用户社交关系图中的边的异质性,导致基于图神经网络在两张图上学习到的用户向量表示存在于不同的语义空间,直接融合往往得到次优的向量表示.针对上述问题,本文提出了基于自监督图卷积和注意力机制实现隐式反馈降噪的社交推荐模型.该模型从原始的用户物品图中捕捉用户的真实兴趣,生成降噪的用户物品交互图;提出一种新颖的用户向量融合方法,对异质的用户向量表示进行融合.在两个公开数据集上的实验结果表明,所提出的模型在不同数据集上的推荐性能均较基线模型有显著提升.在lastfm数据集上,推荐性能提升了1.18%至3.87%;在ciao数据集上,推荐性能提升了3.56%至7.31%.通过消融实验验证了模型各个模块的有效性.

关键词：注意力机制隐式反馈图卷积神经网络自监督学习社交推荐

来源：评论

学校读者我要写书评

暂无评论

基于分组学习粒子群算法的众包软件项目调度

引用

计算机集成制造系统 2024年第6期30卷 2056-2068页

作者：申晓宁徐继勇姚铖滨宋丽妍南京信息工程大学自动化学院江苏南京210044 江苏省大气环境与装备技术协同创新中心江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044 南方科技大学广东省类脑智能计算重点实验室广东深圳518055

为解决众包软件项目调度问题中的开发者选择、任务分配和投入度确定3个强耦合子问题,引入开发者信誉度,考虑技能、工作时长、开发团队规模等约束,以项目完成质量和工期为目标建立数学模型。提出一种采用三段式混合编码的分组学习粒子群... 详细信息

为解决众包软件项目调度问题中的开发者选择、任务分配和投入度确定3个强耦合子问题,引入开发者信誉度,考虑技能、工作时长、开发团队规模等约束,以项目完成质量和工期为目标建立数学模型。提出一种采用三段式混合编码的分组学习粒子群算法求解所建模型。所提算法根据适应度排序将种群划分为3组,不同分组的粒子数量随进化代数自适应变化,且各组根据不同的适应度采用不同的更新策略。将所提算法与10种具有代表性的算法在12个不同规模的众包软件项目调度算例中进行对比,结果表明,所提算法能够获得精度更高的调度方案。

关键词：众包软件项目调度粒子群优化分组学习混合编码信誉度

来源：评论

学校读者我要写书评

暂无评论

基于形状流和多尺度特征融合的腺体分割

引用

中国生物医学工程学报 2025年第1期44卷 52-65页

作者：林嘉雯陈苏苏林智明李笠翁谦福州大学计算机与大数据学院福州350108 福州大学大数据智能教育部工程研究中心福州350108 福州大学福建省网络计算与智能信息处理重点实验室福州350108 锐捷网络股份有限公司福州350007 福州大学附属省立医院眼科福州350001

睑板腺成像技术广泛应用于干眼症的分型诊断、管理与个性化治疗中,但仅靠眼科医生进行直接观察和定性评估,评价主观且可重复性低。为提高眼科医生的诊断效率,研究者们提出了一系列基于U-Net的红外睑板腺图像腺体分割方法,但在图像边缘... 详细信息

睑板腺成像技术广泛应用于干眼症的分型诊断、管理与个性化治疗中,但仅靠眼科医生进行直接观察和定性评估,评价主观且可重复性低。为提高眼科医生的诊断效率,研究者们提出了一系列基于U-Net的红外睑板腺图像腺体分割方法,但在图像边缘、出现反光点以及腺体密集区域,分割结果仍不理想。考虑到红外睑板腺图像成像与腺体分布的特点,提出基于形状流和多尺度特征融合的腺体分割模型SS-UNet,引入空洞卷积模块以增强模型的特征提取能力,设计形状流辅助分支以充分学习腺体的形状信息,采用多尺度特征融合模块以获得粗细各异腺体的特征表示。为验证模型的有效性,使用由福州大学附属省立医院眼科收集的包含203幅红外睑板腺图像的全标注数据集在同等实验环境下与其他先进分割模型开展对比实验,并进行模块消融分析,同时展示了可视化结果。实验表明,SS-UNet的Acc、Dice、IoU等指标分别达到了94.62%、80.94%和68.17%,相较于基准网络U-Net分别提升了0.36%、1.41%和1.95%。研究表明,SS-UNet能够充分运用腺体的形状与尺度等信息,解决腺体粘连、漏检等错误分割问题,有效提高分割精度,为辅助临床诊断提供客观依据。

关键词：睑板腺功能障碍腺体分割空洞卷积形状流多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

基于PEST分析的"三医"协同治理实现路径探索

引用

商情 2024年第32期 37-40页

作者：张莉大数据智能与隐私计算重庆市重点实验室

"三医联动"模式已被进一步明确为"医保、医疗、医药协同发展和治理",更强调多元主体的协同性.基于PEST模型分析结果,本文从发展框架、创新举措和制度保障三个角度探索了数据要素赋能"三医"协同治理的实... 详细信息

"三医联动"模式已被进一步明确为"医保、医疗、医药协同发展和治理",更强调多元主体的协同性.基于PEST模型分析结果,本文从发展框架、创新举措和制度保障三个角度探索了数据要素赋能"三医"协同治理的实现路径.发展框架指出数据融汇是基石,数字协同是手段,健康绩效是目标.创新举措提出了基于数字对象模型组织数据,坚持业务引领治理数据,实现按需调度数据.制度保障建议域内做好数据分类分级,域间关注数据交互的安全规范,多方合作方面需要统筹联动.基于此路径,实现数据要素赋能"三医"协同治理,提升医疗卫生体系的服务效率和性能,为"三医联动"在数字时代的应用和发展提供理论支撑和实践指南.

关键词： "三医"协同治理发展框架创新举措制度保障

来源：评论

学校读者我要写书评

暂无评论

基于改进型EfficientNet模型的木薯病害识别方法研究

引用

西南大学学报（自然科学版） 2024年第6期46卷 197-208页

作者：曾姣艳林思涛谢亚君曾美艳福州外语外贸学院大数据学院福州350202 数据科学与智能计算重点实验室福州350202 郴州职业技术学院商贸旅游学院湖南郴州423000

为实现木薯病害图像的快速、准确识别,提出一种基于EfficientNet模型的木薯病害识别方法.首先针对输入样本的分布不平衡问题,通过Mixup、CutMix及GridMask这3种数据增强方法对数据进行增强,数据增强后由EfficientNet-B4模型提取特征,然... 详细信息

为实现木薯病害图像的快速、准确识别,提出一种基于EfficientNet模型的木薯病害识别方法.首先针对输入样本的分布不平衡问题,通过Mixup、CutMix及GridMask这3种数据增强方法对数据进行增强,数据增强后由EfficientNet-B4模型提取特征,然后引入warmup结合余弦退火优化学习率防止模型在初期发生过拟合及后期收敛速度慢的情况.实验结果表明,所采用模型相较于近年来主流的VGG16及ResNet101模型不仅参数量远小于两者,在木薯病害图像分类上的表现也优于两者,且其计算量更少,模型精度更高,训练速度更快,符合实际应用的要求.EfficientNet模型在木薯病害数据上的分类准确率可达90%.

关键词：木薯病害图像数据增强 EfficientNet模型余弦退火

来源：评论

学校读者我要写书评

暂无评论

基于动量的非凸随机梯度下降的高概率界限

引用

计算机学报 2025年第4期48卷 763-778页

作者：李少杰刘勇中国人民大学高瓴人工智能学院北京市大数据管理与分析方法重点实验室

基于动量的随机梯度下降（Stochastic Gradient Descent with Momentum, SGDM）在机器学习中得到了广泛应用，但其理论性质尚缺乏深入理解。在非凸领域，现有文献对SGDM的分析主要集中在期望意义上，而高概率的分析相对较少。高概率结... 详细信息

基于动量的随机梯度下降（Stochastic Gradient Descent with Momentum, SGDM）在机器学习中得到了广泛应用，但其理论性质尚缺乏深入理解。在非凸领域，现有文献对SGDM的分析主要集中在期望意义上，而高概率的分析相对较少。高概率结果的重要性在于它适用于样本空间中的最坏情况。针对这一问题，本文为SGDM提供了高概率的收敛界限和泛化界限，推导出的收敛界限与现有的期望结果相匹配，并且据我们所知，推导出的泛化界限是SGDM的首次提出。此外，同时考虑收敛和泛化有助于理解SGDM在实际应用中的优良性能，本文的理论结果解释了两个新近提出的SGDM算法的优越性。最后，本文通过数值实验验证了理论分析所用假设的合理性，并且验证了所用假设如何影响泛化界限的变化速率。

关键词：随机梯度下降优化界限泛化界限非凸优化

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：