检索结果-内蒙古大学图书馆

桂林理工大学学报 2025年第1期45卷 111-119页

作者：陆秋张云磊邵铧泽黄琳桂林理工大学计算机科学与工程学院广西桂林541006 桂林理工大学广西嵌入式技术与智能系统重点实验室广西桂林541006

为了在复杂的腹部多器官MRI和CT医学影像中解决目标区域与背景的边缘误分割问题,提出一种以ResUNet网络为基架,包含二维分轴的交叉注意力机制和两阶段边缘增强模块的网络模型(REAUp-L)。第1阶段的边缘信息增强模块用于下采样阶段,以更... 详细信息

为了在复杂的腹部多器官MRI和CT医学影像中解决目标区域与背景的边缘误分割问题,提出一种以ResUNet网络为基架,包含二维分轴的交叉注意力机制和两阶段边缘增强模块的网络模型(REAUp-L)。第1阶段的边缘信息增强模块用于下采样阶段,以更好地提取边缘信息;第2阶段的不确定性概率边缘区域增强模块用于上采样阶段,以更好地保留边缘信息和降低噪声造成的误差;跳跃连接阶段使用一种二维分轴交叉注意力机制,以更好地捕获全局依赖关系。在腹部多器官数据集上进行的实验结果表明:该网络模型较基于UNet改进的3种主流网络模型在Dice和IoU评价指标中都有了一定的提升;边缘增强能有效提取医学影像的边缘信息,得到更加清晰的边缘曲线,有利于进一步提升分割性能。

关键词：医学影像分割交叉注意力机制不确定性像素点概率机制

来源：评论

学校读者我要写书评

暂无评论

DD-YOLO,一种面向无人机的小目标检测算法

引用

电光与控制 2025年第5期 20-26页

作者：张攀峰陈文强神显豪程小辉桂林理工大学计算机科学与工程学院广西嵌入式技术与智能系统重点实验室桂林理工大学物理与电子信息工程学院

针对无人机航拍图像存在拍摄距离远、目标小、密度高且物体相互遮挡易造成目标检测的错检、漏检等问题，提出了一种基于YOLOv8s的融合可变深度卷积与多种注意力机制的改进算法DD-YOLO。该算法融入深度卷积简化网络模型，提出可变深度卷... 详细信息

针对无人机航拍图像存在拍摄距离远、目标小、密度高且物体相互遮挡易造成目标检测的错检、漏检等问题，提出了一种基于YOLOv8s的融合可变深度卷积与多种注意力机制的改进算法DD-YOLO。该算法融入深度卷积简化网络模型，提出可变深度卷积来优化C2f模块，增强网络骨干的特征提取能力；引入SE、MHSA注意力机制改造SPPF结构，使之兼顾局部和全局特征的提取；在颈部网络添加四倍下采样分支以缓解对小目标的感受野不足的同时优化目标定位，加强对小目标的关注。实验表明，改进后的模型在数据集VisDrone-DET2019上的mAP@50为43.9%,mAP@50∶95为26.7%,对比YOLOv8s分别提高了5.1和3.6个百分点，参数量减少了13.2%,模型大小缩减了12.6%,对实现无人机小目标检测具有重要意义。

关键词：无人机 YOLOv8s 可变深度卷积注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于时间卷积和长短期记忆网络的短期云资源预测模型

引用

科学技术与工程 2025年第7期25卷 2856-2864页

作者：陈基漓李海军谢晓兰桂林理工大学计算机科学与工程学院桂林541004 广西嵌入式技术与智能系统重点实验室桂林541004

随着容器云技术的不断深入发展,通过预测分析云资源请求的整体趋势及高峰期,对于容器云资源的高效利用和合理分配具有重要意义。利用深度学习技术进行负载预测已经成为解决容器云资源利用率不平衡的关键技术。针对目前负载预测的单一模... 详细信息

随着容器云技术的不断深入发展,通过预测分析云资源请求的整体趋势及高峰期,对于容器云资源的高效利用和合理分配具有重要意义。利用深度学习技术进行负载预测已经成为解决容器云资源利用率不平衡的关键技术。针对目前负载预测的单一模型和组合模型所存在的预测精度低以及捕获序列特征不充分问题,提出基于时间卷积和长短期记忆网络(temporal convolutional network-long short-term memory, TCN-LSTM)的短期云资源组合预测模型,组合模型中的空洞卷积在不减少特征尺寸的情况下增加感受野获取更长久的时间序列特征,其中残差网络可以跨层传递信息以加快网络的收敛,所获取的时间序列特征可有效提高LSTM的预测精度。利用阿里巴巴公开数据集的进行预测,实验表明所提出的模型与单一的预测模型以及其他组合模型进行对比分析,误差指标-平均绝对误差(mean absolute error, MAE)降低8%~13.7%,均方根误差(root mean squared error, RMSE)降低9.8%~13.1%,证明所提模型的有效性。

关键词：容器云云资源预测时间卷积网络(TCN) 长短期记忆网络(LSTM)

来源：评论

学校读者我要写书评

暂无评论

PPDO：一种面向协作式边缘计算的隐私保护感知时延优化任务卸载算法（英文）

引用

Frontiers of Information Technology & Electronic Engineering 2025年第1期 27-42页

作者：敬超许健武桂林理工大学计算机科学与工程学院广西嵌入式技术与智能系统重点实验室

虽然协同边缘计算系统有利于提高移动边缘计算性能，但是在任务卸载过程中，用户面临严重的隐私泄露问题。为解决这一问题，我们在协同边缘计算系统中设计了一种隐私保护感知时延优化任务卸载算法（PPDO）。通过考虑位置和使用模式两种... 详细信息

虽然协同边缘计算系统有利于提高移动边缘计算性能，但是在任务卸载过程中，用户面临严重的隐私泄露问题。为解决这一问题，我们在协同边缘计算系统中设计了一种隐私保护感知时延优化任务卸载算法（PPDO）。通过考虑位置和使用模式两种隐私，建立了一种隐私任务模型来干扰边缘服务器以保护用户隐私。为解决隐私保护带来的额外时延问题，采用基于马尔可夫决策过程的策略迭代算法实现在保护隐私的同时尽量减少时延。同时，为加快马尔可夫决策过程的求解，通过优化动作集改进PPDO。最后，采用EUA数据集进行仿真实验。结果表明，与现有算法相比，PPDO以最小延迟实现了隐私保护和时延优化之间的最佳权衡。此外，研究了改进后PPDO算法的优缺点。

关键词：协作式边缘计算任务卸载隐私保护马尔可夫决策过程

来源：评论

学校读者我要写书评

暂无评论

基于骨骼数据和双流网络的跌倒检测方法

引用

桂林理工大学学报 2025年第1期45卷 120-126页

作者：王琰王玫刘鑫阚瑞祥桂林理工大学计算机科学与工程学院广西桂林541006 国家林业和草原局西北调查规划院西安710048 桂林电子科技大学信息与通信学院广西桂林541004

针对老年人因摔倒后救助不及时而造成伤亡、给家庭和社会带来了严重负担,而及时发现老年人摔倒并通知其子女或者帮助其呼叫救助成为当前越来越迫切的需求的现状,以Kinect v2信息采集系统为平台,提出了一种基于特征融合与注意力机制优化... 详细信息

针对老年人因摔倒后救助不及时而造成伤亡、给家庭和社会带来了严重负担,而及时发现老年人摔倒并通知其子女或者帮助其呼叫救助成为当前越来越迫切的需求的现状,以Kinect v2信息采集系统为平台,提出了一种基于特征融合与注意力机制优化的双流网络的跌倒检测方法,在有效提高跌倒检测准确率的同时,也避免了涉及用户隐私的问题。用骨骼点三维数据与骨骼向量夹角体现人体倾覆跌倒,通过图卷积神经网络(GCN)与双向门控循环单元(Bi-GRU)提取空域与时域特征,结合注意力机制与特征融合操作增强网络对跌倒行为特征信息的提取能力与学习能力,进一步提高老人跌倒事件检测的准确率。仿真结果表明,在实际场景测试与Florence 3D数据集中达到了较好的效果,验证了该方法的准确性与有效性。

关键词： Kinect 注意力机制特征融合图卷积神经网络双向门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于改进G-O费用模型的软件最优发布研究

引用

广西师范大学学报（自然科学版） 2014年第2期32卷 48-54页

作者：谭鸿健杨雅惠董明刚桂林理工大学计算机应用系广西桂林541004

本文研究了基于G-O软件可靠性模型的最优软件发布时间问题,提出了结合风险价值VaR约束的软件测试费用优化模型,给出了在一定置信水平下VaR计算的解析式,通过MonteCarlo仿真实验,计算出软件最优发布时间,分析了仿真结果和参系数的灵敏度... 详细信息

本文研究了基于G-O软件可靠性模型的最优软件发布时间问题,提出了结合风险价值VaR约束的软件测试费用优化模型,给出了在一定置信水平下VaR计算的解析式,通过MonteCarlo仿真实验,计算出软件最优发布时间,分析了仿真结果和参系数的灵敏度,并与经典G-O模型进行比较,结果显示VaR约束模型更加有效地估计了软件发布后多次软件失效的极端风险。

关键词： G-O软件可靠性模型软件最优发布 VaR风险最小期望费用

来源：评论

学校读者我要写书评

暂无评论

基于多进制小波变换的纹理图像分割

引用

模式识别与人工智能 2004年第3期17卷 286-290页

作者：李峰黄达人毕宁戴青云中山大学科学计算与计算机应用系长沙理工大学计算机与通信工程学院

多进制小波分析是二进制小波理论的推广和延伸,冈此其在很多方面具有比二进制小波更优良的特性.本文提出了一种基于多进制小波变换的纹理特征提取方法,通过对小波系数的标准差作为纹理测度以生成特征向量,利用C-均值聚类算法进行纹理分... 详细信息

多进制小波分析是二进制小波理论的推广和延伸,冈此其在很多方面具有比二进制小波更优良的特性.本文提出了一种基于多进制小波变换的纹理特征提取方法,通过对小波系数的标准差作为纹理测度以生成特征向量,利用C-均值聚类算法进行纹理分割.实验结果好于二进制小波.

关键词：小波变换多进制特征提取纹理分割 C-均值聚类

来源：评论

学校读者我要写书评

暂无评论

嵌入式分布计算环境下的高效软件构件化框架研究

引用

兵工学报 2013年第4期34卷 451-458页

作者：曹敬瑜柴玮岩王博郭永红北京理工大学计算机学院北京100081 中国兵器工业计算机应用技术研究所北京100089

针对EJB、CORBA以及发布/订阅中间件等软件构架存在的不足,提出了一种适用于嵌入式分布计算环境下的高效软件构件化框架。该软件构架基于开放服务网关倡议(OSGi)标准,通过加入传输抽象层实现了在多通信协议环境下的应用,具有通用性好、... 详细信息

针对EJB、CORBA以及发布/订阅中间件等软件构架存在的不足,提出了一种适用于嵌入式分布计算环境下的高效软件构件化框架。该软件构架基于开放服务网关倡议(OSGi)标准,通过加入传输抽象层实现了在多通信协议环境下的应用,具有通用性好、稳定性高、内存占用量少的特点。实验结果表明,该软件在内存占用量、启动时间及服务器接口响应时间方面的性能均优于传统的软件构架,并且能够满足条件苛刻的嵌入式应用环境。

关键词：计算机软件计算机系统结构软件构架嵌入式构件化开放服务网关倡议

来源：评论

学校读者我要写书评

暂无评论

基于线性空间隐藏模型的可逆图像水印算法

引用

自动化学报 2014年第10期40卷 2324-2333页

作者：姜传贤杨铁军董明刚程小辉李智桂林理工大学信息科学与工程学院桂林541004 贵州大学计算机科学与信息学院贵阳550025

提出一种基于线性空间隐藏模型的可逆图像水印算法.通过对原始图像载体互不重叠的划分形成图像块序列,对其进行整数小波变换,获取待嵌水印子带.根据0/1水印序列和线性空间隐藏模型,将水印不可感知地嵌入到图像的小波域中,提高水印鲁棒... 详细信息

提出一种基于线性空间隐藏模型的可逆图像水印算法.通过对原始图像载体互不重叠的划分形成图像块序列,对其进行整数小波变换,获取待嵌水印子带.根据0/1水印序列和线性空间隐藏模型,将水印不可感知地嵌入到图像的小波域中,提高水印鲁棒性和不可见性.只需判断奇偶性提取水印,并且通过简单逆向平移恢复原始.线性空间隐藏模型的提出实现了水印间相互独立,从而使该算法能扩展到多著作权的无损水印领域.投票原则的使用又进一步提高水印的鲁棒性和降低了误检率.在无外界干扰的条件下,拥有密钥和其他秘密参数的用户能够无损恢复原始图像.仿真实验表明,与相关工作比较该算法能应对一定程度的有损压缩和高斯噪声攻击,表现出较高的鲁棒性、安全性和不可见性.

关键词：可逆图像水印鲁棒可逆图像水印多重可逆水印整数小波变换线性空间隐藏模型

来源：评论

学校读者我要写书评

暂无评论

六面体插值体细分方法研究与应用

引用

计算机研究与发展 2004年第9期41卷 1572-1579页

作者：王建民由芳罗笑南中山大学计算机应用研究所广州510275 香港理工大学纺织与制衣学院

细分方法是一种非常有效的表示曲线、曲面和三维体甚至高维数据的手段 ,针对细分方法新的研究热点问题———体细分实体造型 ,提出了一种新的基于六面体拓扑网格结构的插值型体细分方法 ,使用多元情形下生成函数的性质进行了收敛性证明 ... 详细信息

细分方法是一种非常有效的表示曲线、曲面和三维体甚至高维数据的手段 ,针对细分方法新的研究热点问题———体细分实体造型 ,提出了一种新的基于六面体拓扑网格结构的插值型体细分方法 ,使用多元情形下生成函数的性质进行了收敛性证明 ,给出了计算实例 ;结合离散动力学方程 ,对细分方法初始控制网格赋予一定的物理属性和运动约束 ,建立动态细分体变形算法。

关键词：体细分插值细分实体造型功能性服装CAD

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：