检索结果-内蒙古大学图书馆

中国图象图形学报 2025年第4期30卷 1183-1194页

作者：刘英莉茶寅秋黄一山高明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计算机技术应用重点实验室昆明650500 云南省第一人民医院骨科昆明650032

目的膝关节前交叉韧带(anterior cruciate ligament,ACL)损伤的及时诊断是降低骨关节炎等风险重要途径。作为ACL损伤判别的常用影像学方法,三维磁共振成像(magnetic resonance imaging,MRI)相较于二维自然图像细节更繁杂,医生诊断所需... 详细信息

目的膝关节前交叉韧带(anterior cruciate ligament,ACL)损伤的及时诊断是降低骨关节炎等风险重要途径。作为ACL损伤判别的常用影像学方法,三维磁共振成像(magnetic resonance imaging,MRI)相较于二维自然图像细节更繁杂,医生诊断所需时间长,智能辅助医疗是有益的。目前应用三维卷积神经网络(3D convolutional neural network,3D CNN)的ACL损伤分类算法存在计算成本大且数据使用不充分的问题,而基于二维卷积神经网络(2D convolutional neural network,2D CNN)的方法则忽略了第三维度的相关性和ACL的形态多样性。方法提出一种嵌入切片序列关联模式的网络(slice sequence association mode network,SSAMNet)。SSAMNet通过设计切片序列信息融合(slice sequence information fusion,SFS)模块从MRI数据的邻近、全量切片中并行学习序列性质,建立切片特征映射中的关联模式,整合切片信息。借助多级尺度特征自适应关注(multi-level scale feature adaptive attention,MSFAA)模块,对不同关联尺度权重再分配,以适应ACL区域形状和位置表征多变的特性。结果在MRNet数据集的实验中,模型的AUC(area under curve)值达到98.4%,相较于其他的ACL损伤分类算法性能最优,准确性及特异性指标也分别达到了91.4%和97%的最优值。在kneeMRI数据集上进行5折交叉验证实验后,SSAMNet的AUC平均值最高,ROC(receiver operating characteristic curve)曲线始终保持着平稳的趋势。可视化结果也表明提出的方法可以有效关注病变区域。结论针对ACL损伤分类任务,所提模型性能优异且具有鲁棒性,存在临床应用价值。

关键词：磁共振成像(MRI) 3D图像分类切片特征聚合自适应尺度注意力二维卷积神经网络(2D CNN)

来源：评论

学校读者我要写书评

暂无评论

基于元学习的小样本癌症亚型分类算法

引用

集成技术 2025年

作者：戴伟张浩轩陈方旭彭玮昆明理工大学信息工程与自动化学院计算机系昆明理工大学云南省计算机技术应用重点实验室

癌症是一种与基因密切相关的疾病，具有多种亚型，各亚型在遗传、表型和治疗反应上存在显著差异。准确的癌症亚型分类对于个性化治疗至关重要，有助于提高治疗效果。然而，基于患者基因表达数据的癌症亚型分类方法在样本不均衡的情况下... 详细信息

癌症是一种与基因密切相关的疾病，具有多种亚型，各亚型在遗传、表型和治疗反应上存在显著差异。准确的癌症亚型分类对于个性化治疗至关重要，有助于提高治疗效果。然而，基于患者基因表达数据的癌症亚型分类方法在样本不均衡的情况下，往往难以有效区分稀有亚型。为了解决这一问题，提出了一种基于元学习的癌症亚型分类方法MFP-VAE（Meta-learning Few-shot Prototype learning VAE），专注于处理样本不均衡的数据集。该方法改进了样本抽取策略，以确保在元学习任务中不同亚型的样本得到平衡重视。该模型采用变分自编码器进行特征提取，并通过计算样本与亚型原型之间的距离进行分类。实验结果表明，MFP-VAE在两个公开癌症数据集上优于现有方法，特别是在样本不平衡的情况下，显著提高了分类精度。此外，生存率分析显示，所区分的癌症亚型在临床特性上具有显著差异和临床意义。

关键词：癌症亚型分类元学习变分自编码器小样本学习

来源：评论

学校读者我要写书评

暂无评论

一种抗投毒攻击的联邦学习聚合方法

引用

数据通信 2025年第2期 26-30+50页

作者：缪祥华张世奇黄明巍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

联邦学习，作为打破数据孤岛、保护用户隐私的关键技术，已受到业界的高度关注。然而，由于其结构特性，联邦学习易遭受投毒攻击。本文旨在提出一种针对联邦学习模型投毒攻击的防御方法，该方法主要依托远程客户端模型的局部密度差异，... 详细信息

联邦学习，作为打破数据孤岛、保护用户隐私的关键技术，已受到业界的高度关注。然而，由于其结构特性，联邦学习易遭受投毒攻击。本文旨在提出一种针对联邦学习模型投毒攻击的防御方法，该方法主要依托远程客户端模型的局部密度差异，作为评估模型恶意程度的指标。依据恶意程度，筛选并排除可疑模型，再将所有正常模型聚合为全局模型。与传统的二分类方法不同，该方法基于模型参数的局部特征来评估模型的恶意程度，显著提升了防御效能。为验证该防御方法的有效性，我们在真实数据集上进行了大量实验。实验结果表明，本文提出的算法能够有效抵抗投毒攻击，保障联邦学习系统的安全稳定。

关键词：联邦学习投毒攻击防御方法隐私保护

来源：评论

学校读者我要写书评

暂无评论

基于元学习的小样本癌症亚型分类算法

引用

集成技术 2025年第3期14卷 87-101页

作者：戴伟张浩轩陈方旭彭玮昆明理工大学信息工程与自动化学院昆明650050 昆明理工大学云南省计算机技术应用重点实验室昆明650050

癌症是一种与基因密切相关的疾病,具有多种亚型,各亚型在遗传、表型和治疗反应上存在显著差异。准确的癌症亚型分类对个性化治疗至关重要,有助于提高治疗效果。然而,基于患者基因表达数据的癌症亚型分类方法在样本不均衡的情况下,往往... 详细信息

癌症是一种与基因密切相关的疾病,具有多种亚型,各亚型在遗传、表型和治疗反应上存在显著差异。准确的癌症亚型分类对个性化治疗至关重要,有助于提高治疗效果。然而,基于患者基因表达数据的癌症亚型分类方法在样本不均衡的情况下,往往难以有效区分稀有亚型。为解决这一问题,本文提出一种基于元学习的癌症亚型分类方法MFP-VAE(meta-learning few-shot prototype learning VAE),专注于处理样本不均衡的数据集。该方法改进了样本抽取策略,以确保在元学习任务中不同亚型的样本得到平衡重视。该模型采用变分自编码器进行特征提取,并通过计算样本与癌症亚型对应原型之间的距离进行分类。实验结果表明,MFP-VAE在两个公开癌症数据集上的表现优于现有方法,特别是在样本不平衡的情况下,显著提高了分类效果。此外,生存率分析显示,不同的癌症亚型在临床特性上具有显著差异。

关键词：癌症亚型分类元学习变分自编码器小样本学习

来源：评论

学校读者我要写书评

暂无评论

基于Lowe分类的EAP-AKA′协议安全性分析与改进

引用

数据通信 2025年第1期 24-28,32页

作者：黄明巍缪祥华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昆明650000 云南省计算机技术应用重点实验室云南昆明650000

EAP-AKA′协议是5G网络中重要的认证协议之一,但在其协议中存在一些潜在的安全风险。针对EAP-AKA′协议在5G网络中的安全性问题,基于Lowe分类法对协议的安全性进行了分析,并提出了一系列改进措施,包括使用由Fiat-Shamir启发式优化的挑战... 详细信息

EAP-AKA′协议是5G网络中重要的认证协议之一,但在其协议中存在一些潜在的安全风险。针对EAP-AKA′协议在5G网络中的安全性问题,基于Lowe分类法对协议的安全性进行了分析,并提出了一系列改进措施,包括使用由Fiat-Shamir启发式优化的挑战-应答机制及数字签名验证,从而增强了认证过程的安全性。最后,我们采用了Tamarin验证工具进行了实验验证,结果表明,本文提出的改进措施可以有效地提高EAP-AKA′协议的安全性。

关键词： 5G网络安全 EPA-AKA′协议 Lowe分类 Tamarin分析器 Dolve-Yao敌手模型 Fiat-Shamir启发式形式化方法

来源：评论

学校读者我要写书评

暂无评论

基于自适应遗传算法与集成学习的微服务异常检测方法

引用

微电子学与计算机 2025年第3期42卷 49-58页

作者：杨云皓姜瑛云南省计算机技术应用重点实验室云南昆明650500 昆明理工大学信息工程与自动化学院云南昆明650500

当前微服务异常检测方法存在的问题主要包括仅使用单一数据源进行分析以及模型参数依赖于开发人员的经验。此外,一些方法不能有效应对样本不平衡问题,这些因素都会影响模型的准确率。为了解决上述问题,提出了一种基于自适应遗传算法与... 详细信息

当前微服务异常检测方法存在的问题主要包括仅使用单一数据源进行分析以及模型参数依赖于开发人员的经验。此外,一些方法不能有效应对样本不平衡问题,这些因素都会影响模型的准确率。为了解决上述问题,提出了一种基于自适应遗传算法与集成学习的微服务异常检测方法(Adaptive Genetic Algorithm and Ensemble Learning-Microservice Anomaly Detection,AGEL-MAD)。该方法首先通过特征组合的方式表示服务轨迹数据,并将其与性能数据进行融合。其次,为应对样本不平衡问题,引入了单分类支持向量机(One-Class Support Vector Machine,OCSVM)与多层感知机(Multi-Layer Perception,MLP)的集成学习。最后,为排除开发人员的影响,在异常检测过程中引入自适应遗传算法(AGA)以获取参数的最优组合,提高模型的适应性和准确率。通过在不同的数据集上进行实验,验证了AGEL-MAD方法的有效性。

关键词：微服务异常检测样本不平衡自适应遗传算法集成学习

来源：评论

学校读者我要写书评

暂无评论

面向程序员编程过程中重点代码修改识别研究

引用

计算机技术与发展 2025年第1期35卷 81-87页

作者：刘雨姜瑛云南省计算机技术应用重点实验室云南昆明650500 昆明理工大学信息工程与自动化学院云南昆明650500

软件的持续变化增加了维护的复杂性。为提高维护效率,该文提出了一种基于动态抽象语法树(Dynamic Abstract Syntax Tree,DAST)的重点代码修改识别方法。传统的修改识别方法主要依赖语法分析,忽略了程序语义的重要信息,导致识别的精度和... 详细信息

软件的持续变化增加了维护的复杂性。为提高维护效率,该文提出了一种基于动态抽象语法树(Dynamic Abstract Syntax Tree,DAST)的重点代码修改识别方法。传统的修改识别方法主要依赖语法分析,忽略了程序语义的重要信息,导致识别的精度和粒度受到限制。通过DAST提取出代码的重点信息,结合语法结构和语义信息,以提高程序员在编程过程中重点代码修改识别的准确性。同时,引入了注意力机制,进一步突出重点代码的频繁修改区域。最后在版本变化和三个不同程序员的数据集上进行实验,结果表明,与传统的重点代码修改识别方法相比,该方法在准确性和稳定性方面均有提升,验证了在重点代码修改识别任务上的有效性,从而提升了软件维护效率。

关键词：软件维护语法结构语义信息注意力机制深度学习重点代码修改

来源：评论

学校读者我要写书评

暂无评论

基于XLNet 的WebShell 上传检测研究

引用

数据通信 2025年第1期 36-39,53页

作者：王欣源缪祥华昆明理工大学信息工程与自动化学院云南昆明650000 云南省计算机技术应用重点实验室云南昆明650000

随着互联网的迅速发展,Web应用的安全问题日益突出,其中WebShell攻击已成为一种严重的网络安全威胁。本文基于XLNet模型,致力于提升WebShell上传检测的准确性和效率。通过分析网络流量,将XLNet模型用于样本文件的预处理、词嵌入、训练... 详细信息

随着互联网的迅速发展,Web应用的安全问题日益突出,其中WebShell攻击已成为一种严重的网络安全威胁。本文基于XLNet模型,致力于提升WebShell上传检测的准确性和效率。通过分析网络流量,将XLNet模型用于样本文件的预处理、词嵌入、训练及测试阶段。实验结果表明,该方法在召回率、精确率以及F1分数等关键指标方面均表现出卓越的性能。相较于传统的机器学习方法,基于XLNet的检测模型能够更准确地识别潜在的WebShell上传操作,从而降低Web应用系统受到持久性攻击的风险,同时提升了Web应用的整体安全水平。这一研究成果强化了网络安全防线,能够为Web应用保驾护航。

关键词：机器学习入侵检测自然语言处理 XLNet WebShell

来源：评论

学校读者我要写书评

暂无评论

结合知识增强和特征对齐的胸片图像报告生成

引用

中国图象图形学报 2025年第5期 1528-1542页

作者：符杰刘骊付晓东刘利军彭玮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

目的针对胸片X-Ray图像报告生成中图像文本的语义鸿沟、疾病种类的复杂多样以及诊断报告的偏差缺失导致的表征不精确、特征不匹配、结果不准确等问题，提出一种结合知识增强和特征对齐的胸片图像报告生成方法。方法该方法包括图像和... 详细信息

目的针对胸片X-Ray图像报告生成中图像文本的语义鸿沟、疾病种类的复杂多样以及诊断报告的偏差缺失导致的表征不精确、特征不匹配、结果不准确等问题，提出一种结合知识增强和特征对齐的胸片图像报告生成方法。方法该方法包括图像和文本特征表示、知识增强视觉特征学习和全局—局部特征对齐3个模块。首先，输入胸片图像和文本报告，通过构建包含视觉和文本编码器的图像和文本特征表示模块，分别提取图像和文本的全局特征和局部特征；然后，引入胸部先验知识图谱，通过病理图知识编码进行知识增强视觉特征学习，得到融合后的增强视觉特征；最后，定义交叉注意力对图像文本的全局—局部特征和视觉—疾病标签进行跨模态特征对齐，通过多头注意力编解码生成准确的胸片图像报告。结果为了验证方法的有效性，在两个具有挑战性的数据集IU X-Ray和MIMICCXR上进行对比实验。结果表明，本文方法在IU X-Ray数据集中，BLEU-1、BLEU-3、BLEU-4指标分别达到0.505、0.235和0.178，较现有大多数同任务方法有所提升；在MIMIC-CXR数据集中较性能第2的方法，BLEU-2、BLEU-3指标分别提升0.4%和1.2%，说明本文方法具有更大优势。结论本文提出的胸片图像报告生成方法，能捕获图像和文本的细节特征，聚焦全局—局部特征以及疾病类别间的关联，提高了图像与文本的匹配度，能够生成完整准确的医学报告。

关键词：胸片图像报告生成全局—局部特征表示知识增强特征学习特征对齐

来源：评论

学校读者我要写书评

暂无评论

高效还原式二值神经网络

引用

电子学报 2025年第02期 568-580页

作者：曾凯万子鑫王铭涛沈韬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

将权重分布、激活分布和梯度尽可能地还原为原始全精度网络数据，能够极大提高二值网络的推理能力.然而，现有方法将正向传播中的还原操作直接作用于二值数据，同时用以控制反向传播的梯度近似函数均为固定或手动方式确定，导致二值网... 详细信息

将权重分布、激活分布和梯度尽可能地还原为原始全精度网络数据，能够极大提高二值网络的推理能力.然而，现有方法将正向传播中的还原操作直接作用于二值数据，同时用以控制反向传播的梯度近似函数均为固定或手动方式确定，导致二值网络的还原效率有待改进.针对这一问题，构建了高效还原式二值神经网络.首先提出面向信息熵最大的分布恢复方法，通过对原始全精度权重均值平移和模长缩放，使量化后的二值权重直接具备分布最大还原特性，同时采用基于简单统计的平移和缩放因子，极大提高了权重和激活的还原效率；进一步提出基于自适应分布近似的梯度函数，根据当前全精度数据的实际分布，以P分位动态确定当前梯度的更新范围，进而自适应改变近似函数的形状，使训练过程中的梯度得到高效更新，从而提高了模型的收敛能力.在保证执行效率提升的前提下，通过理论分析证实了本文方法能够使二值数据达到最大程度还原.与当前现有的先进二值网络模型相比本文方法实验结果表现优异，其中针对ResNet-18和ResNet-20量化的分布还原操作计算时间开销分别下降了60%和67%；同时在CIFAR-10数据集上针对VGG-Small二值量化取得93.0%的准确率，在ImageNet数据集上针对ResNet-18二值量化取得61.9%的准确率，均为当前二值神经网络的最佳性能表现.相关代码开源在https：//***/sjmp525/IA/tree/ER-BNN.

关键词：二值神经网络信息还原信息熵最大自适应梯度

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：