检索结果-内蒙古大学图书馆

天津理工大学学报 2019年第4期35卷 37-42页

作者：叶欣王春东天津理工大学计算机科学与工程学院教育部计算机视觉与系统省部共建重点实验室天津市智能计算与软件新技术重点实验室

入侵检测技术只能在网络受到攻击后才能发现攻击行为,是一种被动防御方法,对未知的攻击行为无法做出响应.攻击图在大多数情况下实现的是在一个固定的评估场景下进行静态的风险评估,而对于目前复杂多变的网络环境,静态评估已经不能满足... 详细信息

入侵检测技术只能在网络受到攻击后才能发现攻击行为,是一种被动防御方法,对未知的攻击行为无法做出响应.攻击图在大多数情况下实现的是在一个固定的评估场景下进行静态的风险评估,而对于目前复杂多变的网络环境,静态评估已经不能满足当今状况下网络安全的需求.基于此将入侵检测和攻击图结合,提出了一种动态风险评估技术.首先对入侵检测系统(IDS)的检测率进行了提升,保证生成日志的准确性,然后结合攻击图中的拓扑和脆弱性信息,用隐马尔可夫模型(HMM)来进行网络安全评估,最后在实验部分表明了方法的准确性.

关键词：网络安全入侵检测攻击图风险评估

来源：评论

学校读者我要写书评

暂无评论

基于改进BIRCH聚类算法的评价对象挖掘

引用

软件 2019年第11期40卷 9-12,61页

作者：王梦遥王晓晔洪睿琪柴晓瑞天津市智能计算及软件新技术重点实验室天津理工大学天津300191 计算机视觉与系统省部共建教育部重点实验室天津理工大学天津300191

本文对于意见挖掘领域中的评价对象的修剪和聚类问题,提出使用K-means聚类算法和BIRCH聚类算法相结合的方式来进行评价对象的修剪和聚类。利用BIRCH算法类别聚类的功能对评价对象进行聚类,并删除包含较少数据的簇来实现修剪评价对象;再... 详细信息

本文对于意见挖掘领域中的评价对象的修剪和聚类问题,提出使用K-means聚类算法和BIRCH聚类算法相结合的方式来进行评价对象的修剪和聚类。利用BIRCH算法类别聚类的功能对评价对象进行聚类,并删除包含较少数据的簇来实现修剪评价对象;再通过对于剩下的簇使用K-means聚类算法来获得最优评价对象。这种修剪聚类方法与以往的基于PMI算法修剪然后基于K-means聚类算法相比,减少了评价对象修剪时对语料库的依赖,最终聚类的结果更加精准,而且BIRCH算法采用一次扫描数据库的策略,可以有效提高速度。

关键词：名词词组模式 BIRCH聚类算法 K-means聚类算法 PMI算法

来源：评论

学校读者我要写书评

暂无评论

一种面向物联网动态感知图像的量子遗传传输新方法

引用

天津理工大学学报 2019年第2期35卷 29-36页

作者：张德干颜浩然吴昊张婷赵德新马震天津理工大学计算机科学与工程学院计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384

由于物联网动态感知图像传输的移动性、分布式控制等特点,本文在对现有量子遗传算法(Quantum Genetic Algorithm)的基础上对其进行改进,并结合最优链路状态路由中多点中继技术的特点,提出了一种面向物联网动态感知图像的传输新方法.该... 详细信息

由于物联网动态感知图像传输的移动性、分布式控制等特点,本文在对现有量子遗传算法(Quantum Genetic Algorithm)的基础上对其进行改进,并结合最优链路状态路由中多点中继技术的特点,提出了一种面向物联网动态感知图像的传输新方法.该方法的创新之处在于利用量子基因位对物联网动态感知图像传输中的图像节点进行编码处理,基于启发式规则以及适应度规则选取中继节点路由,通过量子交叉对节点中的基因链进行交叉操作,以到达收敛和全局最优的目的.仿真和应用实验都表明提出的新方法是切实可行的.该方法在物联网动态感知图像的相关应用中有较好的网络传输效果.

关键词：图像传输物联网最优链路状态动态感知

来源：评论

学校读者我要写书评

暂无评论

一种基于机器学习的运动目标阴影检测新方法

引用

光电子．激光 2018年第12期29卷 1317-1324页

作者：张德干陈晨董悦张婷潘兆华天津理工大学计算机科学与工程学院计算机视觉与系统教育部重点实验室天津理工大学计算机科学与工程学院智能计算及软件新技术天津市重点实验室天津300384

运动目标检测是物联网智能视频监控中的一个重要环节。通过对各种阴影检测方法的研究,我们发现仅仅通过一种特征进行处理并不能准确的检测出阴影。因此,本文提出了一种基于机器学习的运动目标阴影检测新方法。该方法深度融合颜色信息、... 详细信息

运动目标检测是物联网智能视频监控中的一个重要环节。通过对各种阴影检测方法的研究,我们发现仅仅通过一种特征进行处理并不能准确的检测出阴影。因此,本文提出了一种基于机器学习的运动目标阴影检测新方法。该方法深度融合颜色信息、光学不变性以及纹理特征等因素,通过机器学习,自适应地进行目标阴影检测,在综合分析三种信息检测结果的基础上,实现对阴影的有效确定。该算法能够有效地结合各种方法的优势,在物联网应用中取得了较好的效果和运行效率。

关键词：物联网机器学习智能视频监控运动目标阴影检测

来源：评论

学校读者我要写书评

暂无评论

基于density-ORB特征的图像特征点匹配算法

引用

天津理工大学学报 2019年第1期35卷 13-20页

作者：芦文强薛彦兵李胜利张桦王志岗高赞徐光平天津理工大学计算机科学与工程学院计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384 天津通卡智能网络科技股份有限公司天津300384 天津中德应用科技大学天津300350

针对ORB(Oriented FAST and Rotated BRIEF)算法中的Steer BRIEF描述子只通过比较两个像素点的灰度信息来决定0/1编码,容易产生特征点误匹配现象,本文提出基于像素密度(pixel density)的ORB特征描述子算法,利用两幅图像中相同区域的某... 详细信息

针对ORB(Oriented FAST and Rotated BRIEF)算法中的Steer BRIEF描述子只通过比较两个像素点的灰度信息来决定0/1编码,容易产生特征点误匹配现象,本文提出基于像素密度(pixel density)的ORB特征描述子算法,利用两幅图像中相同区域的某一特征点邻域空间内像素密度的相似性原理,通过比较两个像素点的密度信息来决定0/1编码,计算误匹配率,验证了density-ORB算法在图像模糊、压缩、光照变化、视角变化等条件下的鲁棒性.实验结果表明,该算法减少了特征点的误匹配个数,特征点误匹配率比ORB算法降低了2.80%.

关键词：特征点匹配 ORB算法 BRIEF描述子像素密度

来源：评论

学校读者我要写书评

暂无评论

局部Fisher向量编码与交叉视角二次判别分析的人头重识别

引用

天津理工大学学报 2019年第1期35卷 6-12页

作者：何敬霞薛彦兵李胜利张桦王志岗高赞徐光平天津理工大学计算机科学与工程学院计算机视觉与系统省部共建教育部重点实验室天津市智能计算及软件新技术重点实验室天津300384 天津通卡智能网络科技股份有限公司天津300384 天津中德应用科技大学天津300350

目前行人重识别主要是基于完整人体的研究,但是某些特定场景下,完整行人图片难以获取,因此本文建立一个基于人头的重识别数据库,并提出了相关算法.算法采用局部Fisher向量编码和交叉视角二次判别分析算法,首先基于HSV颜色信息去描述特征... 详细信息

目前行人重识别主要是基于完整人体的研究,但是某些特定场景下,完整行人图片难以获取,因此本文建立一个基于人头的重识别数据库,并提出了相关算法.算法采用局部Fisher向量编码和交叉视角二次判别分析算法,首先基于HSV颜色信息去描述特征,使用高斯混合模型对特征数据建模,然后Fisher向量加权聚合,最后对样本的低维特征子空间和度量矩阵同时进行学习.实验及分析证明了基于人头的重识别算法的可行性,其中基于Rank1的重识别率达到89.29%.

关键词：人头重识别高斯混合模型 Fisher向量度量学习

来源：评论

学校读者我要写书评

暂无评论

基于术语长度和语法特征的统计领域术语抽取

引用

哈尔滨工程大学学报 2017年第9期38卷 1437-1443页

作者：刘里肖迎元天津理工大学计算机视觉与系统省部共建教育部重点实验室天津300384 天津理工大学天津市智能计算及软件新技术重点实验室天津300384

针对领域术语抽取中含字长度较大的术语被错误切分的问题,本文提出一种基于术语长度和语法特征的统计领域术语抽取方法。本方法在利用机器学习抽取候选术语时,加入基于术语长度和语法特征的约束规则;在使用统计方法确定候选术语的领域性... 详细信息

针对领域术语抽取中含字长度较大的术语被错误切分的问题,本文提出一种基于术语长度和语法特征的统计领域术语抽取方法。本方法在利用机器学习抽取候选术语时,加入基于术语长度和语法特征的约束规则;在使用统计方法确定候选术语的领域性时,充分考虑词长比这一概念的重要性,将其作为判断术语领域性的重要权值。实验表明,提出的方法能够正确抽取含字长度较大的领域术语,抽取结果的准确率和召回率相比以往的方法有所提高。

关键词：自然语言处理术语抽取支持向量机术语长度语法特征词长比领域相关性领域一致性

来源：评论

学校读者我要写书评

暂无评论

基于深度运动轨迹信息的人体动作描述算法

引用

光电子．激光 2017年第1期28卷 100-107页

作者：章国泰高赞张桦薛彦兵徐光平天津理工大学计算机视觉与系统教育部重点实验室天津300384 天津理工大学天津市智能计算及软件新技术重点实验室天津300384

受到dense轨迹特征的启发,本文提出了基于深度运动轨迹信息的动作描述算法,首先,利用稠密光流场对L帧深度视频提取稠密(dense)兴趣点并形成稠密轨迹,其次,利用轨迹前后兴趣点的深度信息计算深度变化值,并将它加入到稠密轨迹和HOG描述算... 详细信息

受到dense轨迹特征的启发,本文提出了基于深度运动轨迹信息的动作描述算法,首先,利用稠密光流场对L帧深度视频提取稠密(dense)兴趣点并形成稠密轨迹,其次,利用轨迹前后兴趣点的深度信息计算深度变化值,并将它加入到稠密轨迹和HOG描述算子的计算中;再次,在整个数据集上,计算所有动作的平均深度变化值并利用它判断每类动作的深度信息变化情况;最后,根据深度信息变化剧烈程度选择不同的码书,对视频样本进行投影并分类。在两个公开深度动作数据集DHA-17和UTkinect上进行了实验,实验结果表明基于深度运动轨迹信息的动作描述算法具有较好的区分性和鲁棒性,其性能与一些先进的且具有代表性的算法具有可比性。

关键词：深度数据稠密时空兴趣点深度运动轨迹人体动作描述轨迹跟踪

来源：评论

学校读者我要写书评

暂无评论

一种基于图论的车载自组织网络路由新方法

引用

信息通信 2018年第6期31卷 4-10页

作者：张捷张德干张婷牛红莉北京第二十中学北京100085 天津理工大学计算机科学与工程学院计算机视觉与系统教育部重点实验室天津300384 天津理工大学计算机科学与工程学院智能计算及软件新技术天津市重点实验室天津300384

由于车载自组织网络(VANET)中的通信链路比MANET中的通信链路更加频繁,因此这种高度动态网络的路由可靠性需要特别关注。在文章中,我们使用图论对高速公路上的VANET通信图进行建模。扩展的演变图有助于捕捉车载网络拓扑结构的演进特征,... 详细信息

由于车载自组织网络(VANET)中的通信链路比MANET中的通信链路更加频繁,因此这种高度动态网络的路由可靠性需要特别关注。在文章中,我们使用图论对高速公路上的VANET通信图进行建模。扩展的演变图有助于捕捉车载网络拓扑结构的演进特征,并预先确定可靠的路线。在此基础上,提出了一种基于图论的VANET路由新方案,以促进路由过程中的服务质量(QoS)最佳,该方案能够找到从源到目的地的VANET图中最可靠的路线。通过仿真和现场实验。结果证明我们提出的方案明显优于文献中的相关协议。

关键词：车载自组织网络(VANET) 图论动态路由服务质量

来源：评论

学校读者我要写书评

暂无评论

一种面向移动物联网环境的动态路由新协议

引用

天津理工大学学报 2018年第6期34卷 41-48页

作者：张德干汤雅梦张捷张婷牛红莉天津理工大学计算机科学与工程学院计算机视觉与系统教育部重点实验室&智能计算及软件新技术天津市重点实验室天津300384 北京市海淀北京第二十中学北京100085

针对车辆自组织网络(VANET)等移动物联网中网络拓扑变化频繁问题,我们提出了一种面向移动物联网环境的动态路由新协议.该协议将连通概率作为重要参数,其计算方法依据参数节点和它的最近节点的间距,间距的分布按照指数分布;协议中采用了... 详细信息

针对车辆自组织网络(VANET)等移动物联网中网络拓扑变化频繁问题,我们提出了一种面向移动物联网环境的动态路由新协议.该协议将连通概率作为重要参数,其计算方法依据参数节点和它的最近节点的间距,间距的分布按照指数分布;协议中采用了贪婪机会转发(GOF)策略,GOF策略在包的递交率和平均跳数等方面有效提高了车辆网等移动物联网目标的性能.一系列的测试表明,与传统的路由协议相比,我们设计的协议在递交率、平均跳数以及端到端的延时等方面均表现出很好的效果.

关键词：移动物联网车联网转发节点连通性 GOF 路由

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：