检索结果-内蒙古大学图书馆

大连理工大学学报 2025年第2期65卷 212-220页

作者：高翔王凡胡小鹏大连理工大学计算机科学与技术学院辽宁大连116024

基于Transformer的算法在图像超分辨率领域取得的重要性能突破,得益于其捕捉图像中长程依赖关系的强大能力.然而,繁重的计算成本和高GPU显存消耗限制了其在实际中的应用,于是提出了一种基于轻量化Transformer的高效图像超分辨率算法——... 详细信息

基于Transformer的算法在图像超分辨率领域取得的重要性能突破,得益于其捕捉图像中长程依赖关系的强大能力.然而,繁重的计算成本和高GPU显存消耗限制了其在实际中的应用,于是提出了一种基于轻量化Transformer的高效图像超分辨率算法——LISRFormer.该算法引入轻量化Transformer,在捕捉长程依赖关系的同时将复杂度从现有的二次方降为线性.通过跨通道计算交叉协方差,得到可应用于大尺寸图像的转置注意力图.层归一化仅作用于查询和键分支,以保留重要的输入特征.此外,还设计了一种高效门控深度卷积前馈网络(EGDFN),作为Transformer中的前馈网络,进一步恢复准确的纹理信息.在基准数据集上进行的大量定量和定性实验表明,该算法在计算成本和图像重建质量方面优于现有轻量化图像超分辨率算法.

关键词：图像超分辨率 Transformer 轻量化注意力

来源：评论

学校读者我要写书评

暂无评论

融合情绪标签和原型网络的对话情绪识别

引用

大连理工大学学报 2025年第3期65卷 313-320页

作者：张洪通王健徐博杨亮林鸿飞大连理工大学计算机科学与技术学院辽宁大连116024

对话情绪识别的目标是识别对话中话语的情绪,尽管已经有一些先进的监督对比学习方法被提出用于区分不同的情绪类别,但情绪标签中的内在信息仍未得到充分利用.情绪标签包含特定的语义和复杂的相互关系,可以被用作对比学习的样本,以提高... 详细信息

对话情绪识别的目标是识别对话中话语的情绪,尽管已经有一些先进的监督对比学习方法被提出用于区分不同的情绪类别,但情绪标签中的内在信息仍未得到充分利用.情绪标签包含特定的语义和复杂的相互关系,可以被用作对比学习的样本,以提高情绪识别的效果.提出了一种标签引导的原型对比学习方法用于对话情绪识别,该方法设计了一个对比目标,其中情绪标签被视为正负样本,构建的标签嵌入参与了对比训练过程,有效地丰富了对比样本.此外,该方法利用原型网络关注数据的整体分布和平均特性.在3个广泛使用的基准数据集上的实验表明,所提方法在对话情绪识别上的性能超越了现有方法.

关键词：情绪识别对比学习标签信息原型网络

来源：评论

学校读者我要写书评

暂无评论

一种注意力引导知识增强的事件因果关系识别方法

引用

中文信息学报 2025年第1期39卷 89-100页

作者：徐博孙晋辰林鸿飞宗林林大连理工大学计算机科学与技术学院辽宁大连116023 中国科学技术大学计算机科学与技术学院安徽合肥230027 大连理工大学软件学院辽宁大连116620

事件因果关系识别是自然语言处理领域的重要任务,由于因果关系表达方式多样且以隐式表达为主,现有方法难以准确识别。该文将外部结构化知识融入事件因果关系识别任务,提出一种注意力引导知识增强的事件因果关系识别方法。首先,通过BERT... 详细信息

事件因果关系识别是自然语言处理领域的重要任务,由于因果关系表达方式多样且以隐式表达为主,现有方法难以准确识别。该文将外部结构化知识融入事件因果关系识别任务,提出一种注意力引导知识增强的事件因果关系识别方法。首先,通过BERT模型对事件对及其上下文进行编码;然后,提出零跳混合匹配方案挖掘事件相关的描述型知识和关系型知识,通过注意力机制对事件的描述型知识序列进行编码,通过稠密图神经网络对事件对的关系型知识进行编码。最后,融合前三个编码模块识别事件因果关系。基于EventStoryLine和Causal-TimeBank数据集的实验结果表明,该文所构建模型的识别效果优于现有模型,在零跳概念匹配、描述性和关系型知识编码等层面均获得了识别性能的提升。

关键词：事件抽取因果识别知识图谱注意力机制自然语言处理

来源：评论

学校读者我要写书评

暂无评论

基于XGBoost和随机森林的区块链异常交易检测

引用

南京邮电大学学报(自然科学版) 2025年第1期45卷 115-122页

作者：赵鹏王文剑吴迪张虹太原师范学院计算机科学与技术学院山西晋中030619 山西大学计算机与信息技术学院山西太原030006 大连理工大学计算机学院辽宁大连116081

近年来,黑客攻击、网络钓鱼、勒索病毒等事件频发,使得区块链交易异常检测成为当前研究的热点之一。XGBoost作为一种基于梯度提升框架的机器学习算法,可灵活地处理数据特征,不仅关注模型的预测误差,还考虑了每个样本的相对重要性。在前... 详细信息

近年来,黑客攻击、网络钓鱼、勒索病毒等事件频发,使得区块链交易异常检测成为当前研究的热点之一。XGBoost作为一种基于梯度提升框架的机器学习算法,可灵活地处理数据特征,不仅关注模型的预测误差,还考虑了每个样本的相对重要性。在前人区块链交易异常检测研究的基础上,将XGBoost与随机森林算法相结合,提出了基于XGBoost和随机森林的区块链异常交易检测模型(Blockchain Anomalous Transaction Detection Based on XGBoost and Random Forests,BATD_XRF)。模型分为数据特征处理、特征选择、分类检测3个模块,选取Elliptic Data Set、Bitcoin Alpha Dataset和Bitcoin OTC Trust Network Dataset数据集,使用主成分分析方法对数据进行二分类。特征选择过程中通过Gini Mean Decrease计算平均递减量,进一步确定特征的相对重要性。分类检测过程中提出网络搜索参数调优算法,并进行10倍交叉验证。最终通过与其他模型的对比实验,证明了所提模型在区块链交易异常检测中的准确性更高,训练时间更短。

关键词：区块链异常交易检测 XGBoost 随机森林比特币交易

来源：评论

学校读者我要写书评

暂无评论

联合多视图可控融合和关节相关性的三维人体姿态估计

引用

中国图象图形学报 2025年第1期30卷 254-267页

作者：董婧张鸿儒方小勇周东生杨鑫张强魏小鹏大连大学先进设计与智能计算教育部重点实验室大连116622 湖南工学院安全与管理工程学院衡阳421002 大连理工大学计算机科学与技术学院大连116024

目的多视图三维人体姿态估计能够从多方位的二维图像中估计出各个关节点的深度信息,克服单目三维人体姿态估计中因遮挡和深度模糊导致的不适定性问题,但如果系统性能被二维姿态估计结果的有效性所约束,则难以实现最终三维估计精度的进... 详细信息

目的多视图三维人体姿态估计能够从多方位的二维图像中估计出各个关节点的深度信息,克服单目三维人体姿态估计中因遮挡和深度模糊导致的不适定性问题,但如果系统性能被二维姿态估计结果的有效性所约束,则难以实现最终三维估计精度的进一步提升。为此,提出了一种联合多视图可控融合和关节相关性的三维人体姿态估计算法CFJCNet(controlled fusion and joint correlation network),包括多视图融合优化模块、二维姿态细化模块和结构化三角剖分模块3部分。方法首先,基于极线几何框架的多视图可控融合优化模块有选择地利用极线几何原理提高二维热图的估计质量,并减少噪声引入;然后,基于图卷积与注意力机制联合学习的二维姿态细化方法以单视图中关节点之间的联系性为约束,更好地学习人体的整体和局部信息,优化二维姿态估计;最后,引入结构化三角剖分以获取人体骨长先验知识,嵌入三维重建过程,改进三维人体姿态的估计性能。结果该算法在两个公共数据集Human3.6M、Total Capture和一个合成数据集Occlusion-Person上进行了评估实验,平均关节误差为17.1 mm、18.7 mm和10.2 mm,明显优于现有的多视图三维人体姿态估计算法。结论本文提出了一个能够构建多视图间人体关节一致性联系以及各自视图中人体骨架内在拓扑约束的多视图三维人体姿态估计算法,优化二维估计结果,修正错误姿态,有效地提高了三维人体姿态估计的精确度,取得了最佳的估计结果。

关键词：多视图三维人体姿态估计关节相关性图卷积网络(GCN) 注意力机制三角剖分

来源：评论

学校读者我要写书评

暂无评论

时频注意力和通道式门控的合成语声检测

引用

应用声学 2025年

作者：毛嘉莹魏小鹏张婷婷大连大学先进设计与智能计算省部共建教育部重点实验室大连理工大学计算机科学与技术学院

深度神经网络的发展极大提高了合成语声的相似度和自然度，这给合成语声检测带来了全新挑战。为了充分利用语声数据中的时域和频域信息，并根据输入的语声数据动态地选择通道特征以抑制不相关的通道，提出了一种基于时频注意力和通道式... 详细信息

深度神经网络的发展极大提高了合成语声的相似度和自然度，这给合成语声检测带来了全新挑战。为了充分利用语声数据中的时域和频域信息，并根据输入的语声数据动态地选择通道特征以抑制不相关的通道，提出了一种基于时频注意力和通道式门控的合成语声检测模型。该模型首先利用SincNet架构进行前端特征学习；然后，通过时频注意力模块有效地整合时域与频域信息并突出其关键信息；最后，使用多组潜在空间通道级门控模块解决时频信息融合造成的通道信息冗余问题，并使模型在训练过程中有选择性地从各个通道中学习区分性更高的信息。在ASVspoof2019 LA数据集上的实验结果表明，提出的方法在等错误率和最小串联检测成本函数两个指标上与当前的先进模型相比有一定的竞争力。同时，模型在ASVspoof2015 LA和ASVspoof2021 LA数据集上的表现也证明了其具有良好的泛化能力。

关键词：合成语声检测时频注意力通道式门控

来源：评论

学校读者我要写书评

暂无评论

基于法条检索的生成式法律问答研究

引用

山西大学学报(自然科学版) 2025年

作者：李明达邸洪波孙媛媛王艳华杨志豪林鸿飞大连理工大学计算机科学与技术学院大连市公安局网安支队中国人民解放军空军通信士官学校

基于预训练语言模型的法律问答系统无法灵活理解用户的意图，且缺乏外部知识的整合，难以达到预期的效果。为此，该文提出了基于法条库的细粒度刑法问答数据集（Fine-Grained Criminal Law Question Answering,FCL-QA），并基于该数据... 详细信息

基于预训练语言模型的法律问答系统无法灵活理解用户的意图，且缺乏外部知识的整合，难以达到预期的效果。为此，该文提出了基于法条库的细粒度刑法问答数据集（Fine-Grained Criminal Law Question Answering,FCL-QA），并基于该数据集，提出了基于大语言模型的法条检索增强问答框架（Statutory Articles Retrieval Augmented Question Answering Framework,SaRAF）。其核心思想是通过多等级分类定位到问题所属的主题，通过主题缩小法条的范围便于进行检索，并最终利用大语言模型生成答案。实验结果表明，SaRAF框架优于无法条生成与传统检索增强生成（Retrieval-augmented Generation,RAG）的方法，在FLC-QA数据集上取得了42.27%的ROUGEL F1分数、27.78%的BLEU-4分数和72.52%的BERTScore分数。

关键词：大语言模型问答系统检索增强

来源：评论

学校读者我要写书评

暂无评论

基于模糊聚类和动态权重分配的水下传感器网络智能信任评估方法

引用

水下无人系统学报 2025年第02期33卷 220-228页

作者：王照辉韩光洁杜嘉欣林川王雷大连理工大学软件学院河海大学信息科学与工程学院浙江工业大学计算机科学与技术学院东北大学软件学院

水下传感器网络(USN)在海洋环境监测等领域具有重要作用,同时面临诸多的安全挑战。信任模型虽能有效抵御内部攻击,保障网络可靠性，但现有信任评估方法大多依赖于信任特征的线性加权和阈值比较的决策方式。在水下动态环境中,水流和温度... 详细信息

水下传感器网络(USN)在海洋环境监测等领域具有重要作用,同时面临诸多的安全挑战。信任模型虽能有效抵御内部攻击,保障网络可靠性，但现有信任评估方法大多依赖于信任特征的线性加权和阈值比较的决策方式。在水下动态环境中,水流和温度等因素在时空上的不断变化,会导致节点信任特征的变化差异和信任值的整体波动,使得最优权重和合理阈值难以有效确定,影响评估的准确性与决策的可靠性。为解决这一问题,文中提出了一种基于模糊聚类和动态权重分配的智能信任评估方法。该方法首先对USN进行分层动态拓扑建模,以增强普适性;在此基础上综合计算节点的通信、能量和数据特征,以全面反映节点的状态;然后使用无监督机器学习算法模糊C均值聚类,实现自适应的节点信任决策,同时采用主客观结合策略,根据网络和环境条件为特征动态分配权重,从而实现对节点信任度的智能评估。仿真实验结果表明,该方法能够有效评估水下环境中节点的信任度,提高信任决策的可靠性,增强网络安全性。

关键词：水下传感器网络信任评估模糊聚类动态权重

来源：评论

学校读者我要写书评

暂无评论

主持传播多模态自洽呈现的计算范式研究

引用

新闻春秋 2025年第1期 50-61页

作者：张亮张伟英周福战于涛李盛之金博魏小鹏大连理工大学计算机科学与技术学院大连116024 大连理工大学社会计算与认知智能教育部重点实验室大连116024 大连新闻传媒集团大连116024 大连理工大学公共管理学院大连116024 大连理工大学创新创业学院大连116024 大连理工大学社会计算与认知智能教育部重点实验室战略指导委员会大连116024

信息技术的加速迭代,形成了以人或虚拟数字人为中心,融合视频、声音、文字等多种模态信号的主持传播新模式,专业主持传播与社会化传播之间的边界变得逐渐模糊,主持传播内容同质化和传播穿透力弱化的特征日渐突出。因此,本文研究提升主... 详细信息

信息技术的加速迭代,形成了以人或虚拟数字人为中心,融合视频、声音、文字等多种模态信号的主持传播新模式,专业主持传播与社会化传播之间的边界变得逐渐模糊,主持传播内容同质化和传播穿透力弱化的特征日渐突出。因此,本文研究提升主持传播效能和引导力的方法。具体而言,基于计算社会科学的理论,首先提出了计算主持传播范式,即以主持传播多模态自洽呈现为关键核心,实现多模态信息的有效协同;其次,以主持传播多时空多尺度精准分析和主持传播效能有效度量为重要支撑,研究多模态信息融合方法,实现传播内容和效能的差异化、细粒度感知。这一研究为数智化时代的主持传播提供了定量化的理论方法、框架和指导准则。

关键词：主持传播社会计算多模态自洽呈现虚拟主播

来源：评论

学校读者我要写书评

暂无评论

融合CNN和Bi-LSTM的miRNA-lncRNA互作关系预测模型

引用

计算机研究与发展 2019年第8期56卷 1652-1660页

作者：石文浩孟军张朋刘婵娟大连理工大学计算机科学与技术学院

非编码RNA(ncRNA)在很多动植物生命活动方面起着重要的调节作用,而微小RNA(miRNA)与长非编码RNA(lncRNA)的相互作用更为重要,其互作关系的研究不仅有助于深入分析基因间生物学功能,也可为疾病的诊治和植物的遗传育种方面提供新思路.目前... 详细信息

非编码RNA(ncRNA)在很多动植物生命活动方面起着重要的调节作用,而微小RNA(miRNA)与长非编码RNA(lncRNA)的相互作用更为重要,其互作关系的研究不仅有助于深入分析基因间生物学功能,也可为疾病的诊治和植物的遗传育种方面提供新思路.目前,miRNA-lncRNA互作关系的预测大多使用生物实验和传统机器学习方法.由于生物鉴定代价高耗时长和机器学习涉及过多人工干预且特征提取过程复杂,在此提出一种融合卷积神经网络(convolutional neural network, CNN)和双向长短期记忆网络(bidirectional long short-term memory network, Bi-LSTM)的深度学习模型,兼备两者优势,既考虑序列间信息相关性和结合上下文信息,又能充分提取序列数据的特征.采用交叉检验评估模型性能,在玉米数据集上与传统机器学习方法和单一模型比对,取得较优的分类效果.另外,采用马铃薯和小麦数据集进行模型测试,准确率分别达到95%和93%以上,验证了模型具有良好的泛化能力.

关键词：卷积神经网络双向长短期记忆网络 miRNA-lncRNA 预测深度学习

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：