检索结果-内蒙古大学图书馆

化工自动化及仪表 2024年第3期51卷 367-378页

作者：缪祥华黄明巍张世奇张世杰王欣源昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室

介绍了安全协议的基本概念和分类,然后对安全协议形式化分析方法进行了详细介绍,包括基于模态逻辑的方法、基于模型检测的方法、基于定理证明的方法和基于可证明安全性理论的方法。其中,基于模型检测的方法是目前应用最广泛的一种方法,... 详细信息

介绍了安全协议的基本概念和分类,然后对安全协议形式化分析方法进行了详细介绍,包括基于模态逻辑的方法、基于模型检测的方法、基于定理证明的方法和基于可证明安全性理论的方法。其中,基于模型检测的方法是目前应用最广泛的一种方法,因此详细介绍了一些常用的基于模型检测方法的工具。最后,总结了当前安全协议形式化分析方法的研究热点和未来的发展方向。

关键词：安全协议形式化分析模态逻辑模型检测定理证明可证明安全性

来源：评论

学校读者我要写书评

暂无评论

基于果蝇算法和卷积神经网络的入侵检测研究

引用

化工自动化及仪表 2024年第5期51卷 837-843,863页

作者：王欣源缪祥华黄明巍张世奇张世杰昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室

提出一种基于果蝇算法(FOA)和卷积神经网络(CNN)的入侵检测方法。FOA实现训练数据的均衡,并结合新型CNN结构(1个输入层、3个卷积层、2个池化层和2个全连接层)改善不均衡数据对入侵检测的影响。研究使用了OpenStack数据集,包含正常数据和... 详细信息

提出一种基于果蝇算法(FOA)和卷积神经网络(CNN)的入侵检测方法。FOA实现训练数据的均衡,并结合新型CNN结构(1个输入层、3个卷积层、2个池化层和2个全连接层)改善不均衡数据对入侵检测的影响。研究使用了OpenStack数据集,包含正常数据和4类攻击数据。数据特征经处理后转换为灰度图作为CNN的输入数据。实验结果表明:该方法显著提高了入侵检测系统的分类平均精确率,克服了不均衡训练数据的负面影响,实现了CNN在入侵检测中的应用。可为提高入侵检测系统的准确性和可信度提供参考。

关键词：入侵检测 FOCNN 数据不平衡少数类攻击 OpenStack CNN新结构

来源：评论

学校读者我要写书评

暂无评论

面向中文医疗问答网站的相似问题检索研究

引用

中文信息学报 2022年第6期36卷 135-145页

作者：王保成刘利军黄青松昆明理工大学信息工程与自动化学院云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

医疗问答平台主要通过关键词检索来服务,但其缺点是难以应对文本中多样化表达、否定词较多等特点,且不能充分根据用户的语义查询,使查询结果中有大量无关项。因此该文先用基于改进文本卷积神经网络的哈希生成模型,进行相似问题的语义检... 详细信息

医疗问答平台主要通过关键词检索来服务,但其缺点是难以应对文本中多样化表达、否定词较多等特点,且不能充分根据用户的语义查询,使查询结果中有大量无关项。因此该文先用基于改进文本卷积神经网络的哈希生成模型,进行相似问题的语义检出,以更好地处理文本中的多样化表达、否定词较多等现象。然后,用更精确的文本匹配模型对检出集合进行过滤和排序,通过集成学习构建该模型。模型先集成Siamese-BERT模型,该模型利用孪生网络,并用BERT作为基础模型,能更好地进行语义抽取;接着集成BERT-Match模型,该模型借助BERT的多头注意力机制,能更好地捕捉问句间的局部相关性。最后,用梯度下降提升树将语义特征及统计特征结合,使模型更准确。实验结果表明,该文方法在进行相似问题检出和文本匹配时能得到更好的结果。

关键词：医疗问答平台文本卷积神经网络文本匹配模型集成学习

来源：评论

学校读者我要写书评

暂无评论

基于对比学习思想的多跳问题生成

引用

吉林大学学报（理学版） 2023年第5期61卷 1103-1111页

作者：王红斌杨何祯旻王灿宇昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学云南省人工智能重点实验室昆明650500 昆明理工大学云南省计算机技术应用重点实验室昆明650500 云南农业大学大数据学院昆明650201

针对获取大规模的多跳问答训练数据集耗时耗力的问题,提出一个基于对比学习思想的多跳问题生成模型.模型分为生成阶段和对比学习打分阶段,生成阶段通过执行推理图生成候选多跳问题,对比学习打分阶段通过一个基于对比学习思想的无参考问... 详细信息

针对获取大规模的多跳问答训练数据集耗时耗力的问题,提出一个基于对比学习思想的多跳问题生成模型.模型分为生成阶段和对比学习打分阶段,生成阶段通过执行推理图生成候选多跳问题,对比学习打分阶段通过一个基于对比学习思想的无参考问题的候选问题打分模型对候选问题进行打分排序,并选择最优的候选问题.该模型在一定程度上缩小了无监督方法与人工标注方法的差距,有效缓解了缺少多跳问答数据集的问题.在数据集HotpotQA上的实验结果表明,基于对比学习的多跳问题生成模型能有效扩充训练数据,极大减少了人工标注数据的成本.

关键词：多跳问题生成机器阅读理解对比学习

来源：评论

学校读者我要写书评

暂无评论

针对复杂用户评论的代码质量属性判断

引用

软件学报 2021年第7期32卷 2183-2203页

作者：徐海燕姜瑛云南省计算机技术应用重点实验室云南昆明650504 昆明理工大学信息工程与自动化学院云南昆明650504

随着开发者社区和代码托管平台成为程序员获取代码的主要途径,针对代码的用户评论数量急剧增加.用户在使用代码后给出的评论中包含多种静态和动态的代码质量属性信息,但是由于用户评论多为复杂句,使得评论中包含的代码质量属性难以判断... 详细信息

随着开发者社区和代码托管平台成为程序员获取代码的主要途径,针对代码的用户评论数量急剧增加.用户在使用代码后给出的评论中包含多种静态和动态的代码质量属性信息,但是由于用户评论多为复杂句,使得评论中包含的代码质量属性难以判断.针对复杂用户评论的代码质量属性判断将有助于分析用户评论中的代码质量信息,有助于开发者在了解用户的代码使用情况和用户关注的代码质量属性后有针对性地提升代码质量.提出了针对复杂用户评论的代码质量属性判断方法.首先对复杂用户评论进行分句并构建分句的依存句法关系有向图;然后,应用基于分句的依存句法关系的主题判断规则抽取分句中的主题;接着,根据初始的代码质量属性特征词库识别各主题对应的代码质量属性,并获取各主题的代码质量属性表现与表现结果;最后,基于主题处理规则分析复杂用户评论中的代码质量属性表现与表现结果,产生复杂用户评论中代码质量属性相关结果,并持续扩充初始代码质量属性特征词库.实验结果表明,该方法能够对复杂用户评论的代码质量属性进行有效判断.

关键词：复杂用户评论代码质量属性主题判断规则代码质量属性表现代码质量属性表现结果主题处理规则

来源：评论

学校读者我要写书评

暂无评论

具有稚虫迁徙机制的S型自适应混沌蜉蝣算法

引用

化工自动化及仪表 2024年第2期51卷 262-273页

作者：张恒齐钱谦昆明理工大学信息工程与自动化学院昆明理工大学云南省计算机技术应用重点实验室

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logisti... 详细信息

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logistic混沌映射产生蜉蝣种群,增加算法初期种群的多样性;随后,将蜉蝣生命周期进行数学建模,并引入S型生命系数替换原有的重力惯性系数,动态调整算法探索能力和开发能力间的平衡性;最后,根据蜉蝣在缺氧环境下的种群活动,引入稚虫迁徙机制强化子代优秀个体摆脱局部最优的能力,进而更加充分地搜索最优解附近的区域,以增强算法的收敛精度。实验部分将S-AMA应用于标准函数测试集,并分别进行优化对比实验、Wilcoxon秩和检验。结果表明:与对比算法相比,S-AMA算法具有更好的寻优能力、收敛速度及鲁棒性。

关键词： S型自适应混沌蜉蝣优化算法(S-AMA) 稚虫迁徙机制混沌映射 S型生命系数莱维飞行

来源：评论

学校读者我要写书评

暂无评论

融合吸引排斥和双向学习的改进粒子群算法

引用

计算机工程与应用 2022年第20期58卷 79-86页

作者：汪雅文钱谦冯勇伏云发昆明理工大学信息工程与自动化学院云南省计算机技术应用重点实验室昆明650500

针对粒子群算法在计算时存在收敛速度慢、易陷入局部收敛等缺陷,提出了一种融合吸引排斥和双向学习的改进粒子群算法来提高算法的寻优能力。双向学习策略扩大了粒子的搜索范围、丰富了种群多样性;在吸引-排斥策略中,粒子能够分别被全局... 详细信息

针对粒子群算法在计算时存在收敛速度慢、易陷入局部收敛等缺陷,提出了一种融合吸引排斥和双向学习的改进粒子群算法来提高算法的寻优能力。双向学习策略扩大了粒子的搜索范围、丰富了种群多样性;在吸引-排斥策略中,粒子能够分别被全局最优粒子和全局最差粒子所引导进而朝着更优的方向进化,提高了算法的局部寻优性能和收敛能力。同时,在双向学习策略中,为了克服单一性的学习因子和惯性权重在优化复杂函数时无法很好地调节寻优进程的问题,提出了双重自适应策略,更好地平衡群体中粒子的搜索行为。最后利用标准测试函数对该算法进行仿真验证,并与其他两种改进的算法对比。实验结果表明,在相同的实验条件下,改进后的粒子群算法在寻优能力和收敛速度方面具有明显优势。

关键词：粒子群优化算法双向学习吸引-排斥自适应

来源：评论

学校读者我要写书评

暂无评论

基于权力指数的DPoS共谋攻击检测与预防

引用

通信学报 2022年第12期43卷 123-133页

作者：付晓东漆鑫鑫刘骊彭玮丁家满代飞昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省计算机应用技术重点实验室云南昆明650500 西南林业大学大数据与智能工程学院云南昆明650224

针对DPoS共识机制存在恶意节点通过共谋操纵选举,导致DPoS共识过程中区块链安全性无法保证的问题,提出基于权力指数的DPoS共谋攻击检测与预防方法。首先,借鉴博弈理论中权力指数的思想,构建DPoS的加权投票博弈模型,以分析恶意节点的行... 详细信息

针对DPoS共识机制存在恶意节点通过共谋操纵选举,导致DPoS共识过程中区块链安全性无法保证的问题,提出基于权力指数的DPoS共谋攻击检测与预防方法。首先,借鉴博弈理论中权力指数的思想,构建DPoS的加权投票博弈模型,以分析恶意节点的行为动机。然后,通过异常的权力指数变化幅度进行攻击检测,在预防DPoS共谋攻击的过程中,加入Softsign激活函数抑制恶意节点的权力指数。最后,理论分析与实验验证了所提方法检测和预防DPoS共谋攻击的有效性。

关键词：区块链 DPoS共识机制共谋攻击权力指数加权投票博弈

来源：评论

学校读者我要写书评

暂无评论

基于自适应注意力机制的表格结构识别模型

引用

化工自动化及仪表 2024年第3期51卷 449-455页

作者：郑剑锋张广涛刘英莉昆明理工大学信息工程与自动化学院云南计算机技术应用重点实验室

针对图像中表格结构识别问题,提出了基于自适应注意力机制的编码-解码架构,预测图像中表格的HTML标签。采用轻量化LCNet和CSP-PAN作为特征编码网络,获得全局图像特征;为解码器设计自适应注意力机制,在解码器的每个时间步骤添加语义特征... 详细信息

针对图像中表格结构识别问题,提出了基于自适应注意力机制的编码-解码架构,预测图像中表格的HTML标签。采用轻量化LCNet和CSP-PAN作为特征编码网络,获得全局图像特征;为解码器设计自适应注意力机制,在解码器的每个时间步骤添加语义特征,使模型自主选择关注图像信息或语义特征。另外,为提升研究效率,对训练图片数量与模型准确率之间的关系进行研究,结果表明合适的图像数量在70k~100k之间,实验从公开数据集PubTabNet中随机选择100k图片进行训练,模型的TEDS-Struct分数达到了95.1%。

关键词：表格结构识别注意力机制文档智能深度学习模式识别图像描述

来源：评论

学校读者我要写书评

暂无评论

基于双路径网络的四足动物运动参数提取方法

引用

江苏农业学报 2022年第2期38卷 403-413页

作者：田泽薇张云伟陈瑶昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500 昆明理工大学云南省计算机技术应用重点实验室云南昆明650500

为了实现畜牧业集约化、规模化、精准化管理中及时分析动物的运动姿态,针对不同环境中动物关节点识别准确率较低的问题,提出了一种双路径网络(Dual path net,Dpnet)特征提取方法。首先,在HRnet(High resolution net)网络输出分支后面添... 详细信息

为了实现畜牧业集约化、规模化、精准化管理中及时分析动物的运动姿态,针对不同环境中动物关节点识别准确率较低的问题,提出了一种双路径网络(Dual path net,Dpnet)特征提取方法。首先,在HRnet(High resolution net)网络输出分支后面添加混合空洞卷积层(Hybrid dilated convolution,HDC)和并行注意力模块(Parallel attention module,PAM)以识别关键点坐标。然后,利用模型生成的热力图与本研究设定的精确圈进一步精准定位关键点位置,通过斜率法区分并匹配动物四肢的关节点归属,从而获取正确的骨架结构。最后,模型通过骨架结构提取并分析了不同速度下动物的同侧步距、步频、关节角度与步态占空比4种运动参数。试验结果表明,该方法中模型识别分类动物5类关键点的精确率为91.1%,召回率为91.0%,5类关键点的平均相似度为87.0%,可有效监测农场或牧场犬类、牛群、羊群等个体的健康状况。

关键词：四足动物 Dpnet 斜率法骨架结构运动参数

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：