检索结果-内蒙古大学图书馆

电子学报 2023年第7期51卷 1956-1963页

作者：胡钢卢志宇王乐萌许丽鹏徐翔任勇军安徽工业大学管理科学与工程学院安徽马鞍山243032 东南大学经济管理学院江苏南京211189 国防科技大学信息系统工程重点实验室湖南长沙410073 南京信息工程大学计算机与软件学院江苏南京210044

为更精细化辨识节点重要性,本文研究节点多阶交互演化对节点重要性序结构形成的影响,提出基于复杂网络多阶邻域贡献度的节点重要性序结构辨识系统模型.首先,基于节点间不同阶层交互关系和节点多阶邻域规模异质性程度构建多阶邻域贡献度... 详细信息

为更精细化辨识节点重要性,本文研究节点多阶交互演化对节点重要性序结构形成的影响,提出基于复杂网络多阶邻域贡献度的节点重要性序结构辨识系统模型.首先,基于节点间不同阶层交互关系和节点多阶邻域规模异质性程度构建多阶邻域贡献度模型;通过节点多阶圈信息集结节点自身多阶邻域空间结构信息;其次,构建融合多阶邻域空间位置信息贡献和多阶圈信息贡献的节点重要性辨识系统模型,给出节点序结构辨识算法;最后,仿真分析表明在各真实网络中本文算法相比经典算法最高提升88%节点辨识率,以0.5资源投入进行网络攻击,分别最大提升67.47%,39.40%和20.17%攻击效用值.

关键词：复杂网络节点重要性序结构多阶邻域矩阵圈结构贡献度邻域k-shell值

来源：评论

学校读者我要写书评

暂无评论

在线学习环境:隐喻问题与系统改进

引用

开放学习研究 2024年第1期29卷 1-14,62页

作者： [加]乔恩·德龙肖俊洪(译) 阿萨巴斯卡大学计算机与信息系统学院加拿大阿萨巴斯卡T9S 3A3 不详

在线教育中,教师经常沿用面授教学方法,学校则复制针对面授教学而设置的各种制度和结构,虽然这些制度和结构的原本唯一目的是解决物理空间环境下教学所产生的问题。与此同时,学习技术的开发和使用主要是为了建设旨在复制具备校园学习环... 详细信息

在线教育中,教师经常沿用面授教学方法,学校则复制针对面授教学而设置的各种制度和结构,虽然这些制度和结构的原本唯一目的是解决物理空间环境下教学所产生的问题。与此同时,学习技术的开发和使用主要是为了建设旨在复制具备校园学习环境特点的虚拟学习环境,结果复制的是面授教师在物理环境下不得不解决的问题,而且复制得很蹩脚。这是一个制造问题和解决问题的恶性循环,对谁都没有好处。把我们为了支持学习而建设的在线学习系统比喻为“环境”有误导之嫌,因为这种认识限制了我们在教学方法上的选择和借助技术解决问题的能力。本文采用基础设施和服务这个比喻,以便能够使用更能体现灵活性、学习者驱动和数字原生的方法设计支持学习的系统(包括工具、教学方法和结构)。

关键词：在线学习学习环境学习管理系统下一代数字学习环境个人学习环境学习基础设施

来源：评论

学校读者我要写书评

暂无评论

边缘环境下基于无证书公钥密码的数据完整性审计方案

引用

通信学报 2022年第7期43卷 62-72页

作者：王子园杜瑞忠河北大学管理学院河北保定071002 河北省高可信信息系统重点实验室河北保定071002 河北大学网络空间安全与计算机学院河北保定071002

边缘环境下,当数据传输到云端时需途经边缘节点这一新的实体,这使数据安全问题变得更加复杂,数据的机密性和完整性很难得到保证,传统的数据完整性审计方案不适用于设备繁多的边缘环境。基于此,提出了一种边缘环境下基于无证书公钥密码... 详细信息

边缘环境下,当数据传输到云端时需途经边缘节点这一新的实体,这使数据安全问题变得更加复杂,数据的机密性和完整性很难得到保证,传统的数据完整性审计方案不适用于设备繁多的边缘环境。基于此,提出了一种边缘环境下基于无证书公钥密码的数据完整性审计方案,结合在线/离线签名思想,在边缘节点半可信的情况下,用户设备只需在上传数据时进行轻量级的计算,其余计算量交由离线阶段执行。该方案利用边缘节点进行审计工作,同时支持不同存储状态下的审计和隐私保护等特性。安全性分析表明,所提方案在随机预言模型下能有效应对三类敌手攻击,证明该方案是安全的。与其他方案进行实验对比,结果显示所提方案时间开销最低。

关键词：边缘计算数据完整性审计在线/离线签名无证书公钥密码

来源：评论

学校读者我要写书评

暂无评论

基于在线品牌社区意见领袖的用户关键需求挖掘

引用

计算机技术与发展 2024年第2期34卷 23-31页

作者：申彦刘春华江苏大学信息管理与信息系统系江苏镇江212013 江苏大学计算机科学与通信工程学院江苏镇江212013

随着社会的快速发展以及技术的不断进步,人们生活节奏不断加快,对产品的需求也在快速发生着变化。在线评论是目前用户需求表达的重要渠道。为克服不加区分挖掘所有评论的传统用户需求挖掘方法耗时过长,难以聚焦用户关键需求的问题,从用... 详细信息

随着社会的快速发展以及技术的不断进步,人们生活节奏不断加快,对产品的需求也在快速发生着变化。在线评论是目前用户需求表达的重要渠道。为克服不加区分挖掘所有评论的传统用户需求挖掘方法耗时过长,难以聚焦用户关键需求的问题,从用户关键性与需求关键性的双关键性角度出发,研发了一种基于在线品牌社区意见领袖的用户关键需求挖掘方法以快速获取用户重要需求,简称KEY-DEMANDS-OL。该方法依据帕累托法则,依托意见领袖评论大数据,采用优化的情感程度及初始改进率,结合KANO模型对用户关键需求进行挖掘。该方法不仅考虑了程度副词的语义信息,提高了情感分析的准确率,而且能够完成意见领袖的生成内容与KANO模型的自动整合,实现用户关键需求的获取与分类。研究结果表明,与挖掘所有评论的传统方法相比,KEY-DEMANDS-OL可以快速获取用户的关键需求,为企业制定产品优化方案提供辅助决策支持。

关键词：用户需求挖掘在线品牌社区 KANO模型用户评论意见领袖

来源：评论

学校读者我要写书评

暂无评论

基于联邦学习的无线网络节点能量与信息管理策略

引用

计算机工程 2022年第1期48卷 188-196,203页

作者：杨文琦章阳聂江天杨和林康嘉文熊泽辉武汉理工大学计算机科学与技术学院武汉430063 武汉理工大学交通物联网技术湖北省重点实验室武汉430063 南洋理工大学计算机科学与工程学院新加坡639798 新加坡科技设计大学信息系统技术与设计学院新加坡487372

在无线通信网络环境中,分布式客户端节点在用户隐私保护、数据传输效率、能量利用效率之间较难实现平衡。针对该问题,提出一种结合联邦学习与传统集中式学习的能量与信息管理优化策略。以覆盖性强、适用性广的移动信息采集设备作为学习... 详细信息

在无线通信网络环境中,分布式客户端节点在用户隐私保护、数据传输效率、能量利用效率之间较难实现平衡。针对该问题,提出一种结合联邦学习与传统集中式学习的能量与信息管理优化策略。以覆盖性强、适用性广的移动信息采集设备作为学习服务器,将分布分散、资源受限的客户端节点作为学习参与者,通过构建马尔科夫决策模型分析客户端节点在移动信息采集过程中的状态变化和行为模式,同时采用值迭代算法和深度强化学习算法对该模型进行近似求解,获得客户端节点最优的信息传输与能量管理组合策略。仿真结果表明,相比MDP、GRE、RAN策略,该策略的长期效用较高且数据延迟较小,可实现客户端节点在信息传输过程中的数据隐私性、数据可用性与能量消耗之间的最优平衡。

关键词：联邦学习无线通信网络信息传输能量管理马尔科夫决策过程深度强化学习

来源：评论

学校读者我要写书评

暂无评论

物联网环境下基于云边协同的数据审计方案

引用

计算机应用研究 2023年第12期40卷 3789-3794页

作者：杜瑞忠纪丽娟王子园河北大学网络空间安全与计算机学院河北保定071000 河北大学管理学院河北保定071000 河北省高可信信息系统重点实验室河北保定071000

针对数据完整性审计过程中,半可信的云服务提供商存在不诚实选取数据的行为,提出一种物联网环境下基于云边协同的高效数据审计方案。首先,为了适应物联网环境,采用端—边—云三层审计框架,将标签生成算法外包到边缘节点进行,提高响应速... 详细信息

针对数据完整性审计过程中,半可信的云服务提供商存在不诚实选取数据的行为,提出一种物联网环境下基于云边协同的高效数据审计方案。首先,为了适应物联网环境,采用端—边—云三层审计框架,将标签生成算法外包到边缘节点进行,提高响应速度,降低物联网设备端的计算成本。其次,设计了一种链表结构存储文件信息,以支持数据监测和实时更新。最后,根据用户对文件的访问频率将数据分为非风险数据和风险数据,并设计了基于用户行为的抽样方法,通过优先审计风险数据实现有效的针对性审计。安全性分析和实验表明,该方案能实现更安全、更高效的审计。

关键词：数据审计云边协同物联网用户行为

来源：评论

学校读者我要写书评

暂无评论

适用于PLC的时间基一次性密码方案

引用

计算机工程 2021年第8期47卷 149-156页

作者：包致婷柯俊明杨铮龙华黄东重庆理工大学计算机科学与工程学院重庆400054 山东大学计算机科学与技术学院济南250000 新加坡科技设计大学信息系统技术与设计系新加坡138682 重庆机电职业技术大学信息工程学院重庆402760

针对现有时间基一次性密码方案无法高效运行于可编程逻辑控制器(PLC)的问题,借鉴T/KEY单链方案,提出一种基于分组密码的时间基一次性密码方案BC-TOTP。使用PRESENT和SPECK分组密码算法来实例化加密函数,采用该加密函数计算链上的所有节... 详细信息

针对现有时间基一次性密码方案无法高效运行于可编程逻辑控制器(PLC)的问题,借鉴T/KEY单链方案,提出一种基于分组密码的时间基一次性密码方案BC-TOTP。使用PRESENT和SPECK分组密码算法来实例化加密函数,采用该加密函数计算链上的所有节点,使得证明方可在相应的时间内向验证方证明其身份。通过基于理想密码模型和分组密码IND-CPA的安全假设验证了BC-TOTP方案的安全性,并在罗克韦尔Allen-Bradley PLC上的测试结果表明,其能大幅减少计算时间,且单链使用周期将近1年。

关键词：时间基一次性密码可编程逻辑控制器分组密码身份验证结构化文本

来源：评论

学校读者我要写书评

暂无评论

人在回路学习增强的地理命名实体识别

引用

测绘通报 2023年第8期 155-160,177页

作者：杨盈邱芹军谢忠田苗郑诗语郑帅深圳市规划和自然资源数据管理中心广东深圳518000 自然资源部城市国土资源监测与仿真重点实验室广东深圳518034 中国地质大学(武汉)计算机学院湖北武汉430074 地理信息系统国家地方联合工程实验室湖北武汉430074 三峡大学计算机与信息学院湖北宜昌443002

地理命名实体识别是高质量地理知识图谱构建的重要环节,被广泛应用于地理编码、语义检索及地理知识推理等方面。主流的深度学习模型存在标注语料库耗时费力、模型可解释性差等问题。为发挥人在回路机制推动学习模型利用少量样本学习的优... 详细信息

地理命名实体识别是高质量地理知识图谱构建的重要环节,被广泛应用于地理编码、语义检索及地理知识推理等方面。主流的深度学习模型存在标注语料库耗时费力、模型可解释性差等问题。为发挥人在回路机制推动学习模型利用少量样本学习的优势,本文提出了一种人在回路学习增强的地理命名实体识别方法。即以部分标注及未标注地理语料为输入,基于BERT-BiLSTM-CRF模型进行训练并对待标注语料库进行识别,对于模型识别错误的句子提供人工干预形式对其进行纠正,并将纠正之后的句子重新输送到学习模型中进行迭代训练,最终形成标准地理命名实体数据集及人在回路强化后的抽取模型。以地理大百科全书数据为例进行模型性能评估,该方法对于多数地理命名实体识别解析准确率达90%以上,相比已有深度学习模型,该方法仅需要少量标注样本且识别效果更优,对多种地理命名实体识别类型能够保持较好性能。

关键词：地理命名实体识别人在回路深度学习预训练模型 BERT-BiLSTM-CRF

来源：评论

学校读者我要写书评

暂无评论

基于局部生成对抗网络的水上低照度图像增强

引用

计算机工程 2021年第5期47卷 16-23页

作者：刘文杨梅芳聂江天章阳杨和林熊泽辉武汉理工大学航运学院武汉430063 武汉理工大学内河航运技术湖北省重点实验室武汉430063 武汉理工大学计算机科学与技术学院武汉430063 南洋理工大学计算机科学与工程学院新加坡639798 新加坡科技与设计大学信息系统技术与设计系新加坡487372

针对低照度条件下获取的水上图像亮度和对比度低以及质量差的问题,提出一种基于局部生成对抗网络的图像增强方法。以残差网络作为基本框架设计生成器,通过加入金字塔扩张卷积模块提取与学习图像深层特征和多尺度空间特征,从而减少结构... 详细信息

针对低照度条件下获取的水上图像亮度和对比度低以及质量差的问题,提出一种基于局部生成对抗网络的图像增强方法。以残差网络作为基本框架设计生成器,通过加入金字塔扩张卷积模块提取与学习图像深层特征和多尺度空间特征,从而减少结构信息丢失。设计一个自编码器作为注意力网络,估计图像中的光照分布并指导图像不同亮度区域的自适应增强。构建具有判别图像局部区域能力的判别器结构,约束生成器输出增强效果更加自然的图像。实验结果表明,该方法能够有效增强水上低照度图像,场景还原和细节保留能力优于SRIE和LIME等方法。

关键词：低照度图像增强深度学习生成对抗网络金字塔扩张卷积自适应增强

来源：评论

学校读者我要写书评

暂无评论

基于近邻样本联合学习模型的疟疾识别算法

引用

河北大学学报（自然科学版） 2022年第2期42卷 208-216页

作者：哈艳孟翔杰田俊峰河北大学管理学院河北保定071002 河北省高可信信息系统重点实验室河北保定071002 河北大学数学与信息科学学院河北保定071002 河北大学网络空间安全与计算机学院河北保定071002

疟疾早期诊断可以有效防止疾病暴发.深度学习在细胞形态和组织图像检测等任务中具有出色能力.已有许多基于深度学习的疟疾研究,但它们主要用于环状体和红细胞二分类.本文首次研究疟疾多阶段识别,并提出近邻样本联合学习(neighbor sample... 详细信息

疟疾早期诊断可以有效防止疾病暴发.深度学习在细胞形态和组织图像检测等任务中具有出色能力.已有许多基于深度学习的疟疾研究,但它们主要用于环状体和红细胞二分类.本文首次研究疟疾多阶段识别,并提出近邻样本联合学习(neighbor sample joint learning,NSJL)模型.NSJL包括卷积神经网络(convolutional neural network,CNN)特征学习、领域相关性挖掘和图特征嵌入.它提取CNN特征,并将其与K近邻(K-nearset neighbor,K-NN)建立的邻域图传入图卷积网络(graph convolutional network,GCN).为评估NSJL,将其与先进方法比较,结果表明NSJL模型可达92.50%准确率,92.84%精确度,92.50%召回率和92.52%F1分数,至少高于其他方法7%的准确率表明其优秀疟疾识别能力.

关键词：疟原虫识别图卷积网络多阶段分类样本联系深度学习.

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：