检索结果-内蒙古大学图书馆

计算机应用 2024年

作者：王祉苑彭涛杨捷武汉纺织大学计算机与人工智能学院纺织行业智慧感知与计算重点实验室伍伦贡大学计算机与信息技术学院

分布外（OOD）检测旨在识别偏离训练数据分布的外来样本，以规避模型对异常情况的错误预测。由于真实OOD数据的不可知性，目前基于预训练语言模型的OOD检测方法尚未同时评估OOD分布在训练与测试阶段对检测性能的影响。针对这一问题，提... 详细信息

分布外（OOD）检测旨在识别偏离训练数据分布的外来样本，以规避模型对异常情况的错误预测。由于真实OOD数据的不可知性，目前基于预训练语言模型的OOD检测方法尚未同时评估OOD分布在训练与测试阶段对检测性能的影响。针对这一问题，提出一种训练与测试阶段整合内外数据的分布外文本检测框架（IEDOD-TT）。该框架分阶段采用不同的数据整合策略：在训练阶段通过掩码语言模型（MLM）在原始训练集上生成伪OOD数据集，并引入对比学习增强内外数据之间的特征差异；在测试阶段结合内外数据分布的密度估计，设计一个综合的OOD检测评分指标。实验结果表明，所提方法在CLINC150、NEWS-TOP5、SST2和YELP四个数据集上的综合表现与最优基线方法doSCL-cMaha相比，平均接受者操作特征曲线下面积（AUROC）和平均95%真阳性率下的假阳性率（FPR95）分别提升了1.56、2.83个百分点；与所提方法的最佳变体IS/IEDOD-TT相比，所提方法在这4个数据集上的平均AUROC和平均FPR95分别提升了1.61、2.71个百分点。通过对比实验证明了IEDOD-TT在处理文本分类任务时针对不同数据分布偏移的有效性，并验证了综合考虑内外数据分布的额外性能提升。

关键词：分布外检测预训练语言模型内外数据整合对比学习文本分类

来源：评论

学校读者我要写书评

暂无评论

面向节点分类任务的节点级自适应图卷积神经网络

引用

模式识别与人工智能 2024年第4期37卷 287-298页

作者：王鑫隆胡睿郭亚梁杜航原张槟淇王文剑山西大学计算机与信息技术学院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006 山西警察学院网络安全保卫系太原030401

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convoluti... 详细信息

图神经网络通过对图中节点的递归采样与聚合以学习节点嵌入,而现有方法中节点采样与聚合的模式较固定,对局部模式的多样性捕获存在不足,从而降低模型性能.因此,文中提出节点级自适应图卷积神经网络(Node-Level Adaptive Graph Convolutional Neural Network,NA-GCN).设计基于节点重要性的采样策略,自适应地确定各节点的邻域规模.同时,提出基于自注意力机制的聚合策略,自适应地融合给定邻域内的节点信息.在多个基准图数据集上的实验表明,NA-GCN在节点分类任务上具有较优性能.

关键词：自适应采样自适应聚合节点分类图神经网络(GNNs) 谱图理论

来源：评论

学校读者我要写书评

暂无评论

移动物联网环境下无线传感网络异常节点快速定位算法

引用

传感技术学报 2024年第8期37卷 1448-1453页

作者：贾文雅杨红菊山西药科职业学院器械工程系山西太原030031 山西大学计算机与信息技术学院山西太原030006

为了提升无线传感网络异常节点定位精度,提出一种移动物联网环境下无线传感网络异常节点快速定位算法。通过高通图滤波器对网络信号展开处理后获取高频分量,利用高频分量划分异构哈希网络,确定子图对应输出信号的特征频率分量。通过对... 详细信息

为了提升无线传感网络异常节点定位精度,提出一种移动物联网环境下无线传感网络异常节点快速定位算法。通过高通图滤波器对网络信号展开处理后获取高频分量,利用高频分量划分异构哈希网络,确定子图对应输出信号的特征频率分量。通过对比疑似异常节点集合和子图节点集合进行异常节点检测。利用锚节点和未知节点之间的跳数展开区域划分,并选择对应跳距的锚节点估算展开距离。通过筛选方式排除异常因子并优化全局最优解,完成异常节点定位。实验结果表明,所提方法能够实现异常节点精准检测,检测概率高达99%以上,虚警概率最高仅为0.02%,针对不同数量的锚节点数、通信半径与未知节点数,其平均定位误差均处于5%以下,提升了系统的实用性。

关键词：移动物联网环境无线传感网络异常节点快速定位

来源：评论

学校读者我要写书评

暂无评论

多层信息自适应扩散融合图对比神经网络

引用

山西大学学报(自然科学版) 2025年

作者：马千里刘俊岐李宗阳张学奎山西大学计算机与信息技术学院维多利亚大学数学与统计系(加拿大)

图神经网络（Graph Neural Networks,GNNs）是图深度学习的核心模型，但传统的GNNs模型在处理半监督分类任务中存在着局限性，如：仅能卷积两阶的邻居，无法充分捕捉较远的节点信息、对图结构变化敏感以及卷积层数加深会产生过平滑等问... 详细信息

图神经网络（Graph Neural Networks,GNNs）是图深度学习的核心模型，但传统的GNNs模型在处理半监督分类任务中存在着局限性，如：仅能卷积两阶的邻居，无法充分捕捉较远的节点信息、对图结构变化敏感以及卷积层数加深会产生过平滑等问题。针对以上问题，本文提出了一种新的图神经网络算法：多层信息自适应扩散融合图对比神经网络——Graph Contrastive Neural Network with Adaptive Diffusion Fusion for Multi-Layer Information(ADFGCNN)。首先，ADFGCNN中设计了一种新的图数据增强方法来防止过拟合；其次，提出了一种基于多层神经网络的信息自适应扩散融合的传播方式，使模型能够学习到更多的全局信息；最后，为了提高模型的泛化能力以及半监督节点分类任务的精度，加入一种正则化项。实验结果表明，ADFGCNN在分类任务中精度比传统模型高，并展现出了很好的泛化性，同时在过平滑实验中随着卷积层数增加也表现出非常稳定的性能。

关键词：图神经网络半监督过平滑自适应扩散融合节点分类

来源：评论

学校读者我要写书评

暂无评论

融合判决门限和信任过滤机制的WSN异常节点定位方法

引用

传感技术学报 2024年第10期37卷 1820-1826页

作者：贾文雅杨红菊山西药科职业学院化妆品医美系山西太原030031 山西大学计算机与信息技术学院山西太原030006

由于网络拓扑频繁变化使无线传感网络(Wireless Sensor Network,WSN)中的节点会移动或失效,从而造成传感器节点所产生数据具有不确定性,且节点异常具有多模态特性,易造成错定漏定的问题。因此,提出融合判决门限和信任过滤机制的WSN异常... 详细信息

由于网络拓扑频繁变化使无线传感网络(Wireless Sensor Network,WSN)中的节点会移动或失效,从而造成传感器节点所产生数据具有不确定性,且节点异常具有多模态特性,易造成错定漏定的问题。因此,提出融合判决门限和信任过滤机制的WSN异常节点定位方法。通过传感器位置特征组建K-近邻图信号函数捕捉节点间的空间关系;利用低通滤波前后的平滑度差异设计判决门限来减少数据不确定性的影响,实现WSN异常节点检测;通过Beta分布初步信任评价锚点位置信息,调节信任更新权重来适应拓扑变化,引入信任过滤机制差异化处理WSN节点,并通过簇头节点判断锚点可信度,实现WSN异常节点精准定位。结果表明,所提方法异常节点定位虚警概率在1%以下,OPR值可达到99.12%,具有较高的定位精度。

关键词：无线传感网络异常节点定位判决门限信任过滤机制

来源：评论

学校读者我要写书评

暂无评论

基于图卷积网络的掩码数据增强

引用

计算机应用 2024年第11期44卷 3335-3344页

作者：胡新荣陈静雪黄子键王帮超姚迅刘军平朱强杨捷武汉纺织大学计算机与人工智能学院武汉430200 伍伦贡大学计算机与信息技术学院澳大利亚新南威尔士州伍伦贡市2259

针对多项选择问答(MCQA)领域中原始数据信息不准确、样本质量低以及模型泛化能力差等问题,提出一种基于图卷积网络(GCN)的掩码数据增强模型GMDA(Graph convolution network-based MASK Data Augmentation)。该模型以GCN作为基础框架,首... 详细信息

针对多项选择问答(MCQA)领域中原始数据信息不准确、样本质量低以及模型泛化能力差等问题,提出一种基于图卷积网络(GCN)的掩码数据增强模型GMDA(Graph convolution network-based MASK Data Augmentation)。该模型以GCN作为基础框架,首先将文章中的单词抽象为图节点,并利用问题-候选答案(QA)对节点进行连接,建立与相关的文章节点之间的联系;其次,计算节点之间的相似性,并应用掩码技术对图中的节点进行掩盖,从而生成增强样本;再次,利用GCN对增强样本进行特征扩充,以提升模型的信息表达能力;最后,引入打分器对原始样本和增强样本进行评分,并结合课程学习策略提高答案预测的准确性。综合评估实验结果表明:与RACE-M、RACE-H数据集上的最优基线模型EAM相比,所提模型GMDA的准确率分别平均提高了0.8、0.4个百分点,而与DREAM数据集上的最优基线模型STM(SelfTraining Method)相比,GMDA模型的准确率平均提高了1.4个百分点。此外,对比实验的结果也验证了GMDA模型在MCQA任务中的有效性,可为数据增强技术在该领域的进一步研究和应用提供帮助。

关键词：多项选择问答数据增强图卷积网络打分器课程学习

来源：评论

学校读者我要写书评

暂无评论

基于VAE-CWGAN和特征统计重要性融合的网络流量异常检测方法

引用

通信学报 2024年

作者：刘涛涛付钰王坤段雪源海军工程大学信息安全系信阳职业技术学院数学与信息工程学院信阳师范大学计算机与信息技术学院

针对传统入侵检测方法受限于数据集类不平衡以及所选特征代表性不强等问题，提出一种基于VAE-CWGAN和特征统计重要性融合的检测方法。首先，为提升数据质量对数据集进行预处理；其次，搭建VAE-CWGAN模型生成新样本以解决数据集类不平衡... 详细信息

针对传统入侵检测方法受限于数据集类不平衡以及所选特征代表性不强等问题，提出一种基于VAE-CWGAN和特征统计重要性融合的检测方法。首先，为提升数据质量对数据集进行预处理；其次，搭建VAE-CWGAN模型生成新样本以解决数据集类不平衡问题，使分类模型不再偏向于多数类；再次，使用标准差、中值差和均值差对特征进行排序，并融合其统计重要性来进行特征选择旨在获得代表性更强的特征，从而使模型更好地学习数据信息；最后，通过一维卷积神经网络对特征选择后的混合数据集进行分类。实验结果表明，所提方法在NSL-KDD、UNSW＿NB-15和CIC-IDS-2017数据集上都表现出较好的性能优势，准确率分别为98.95%、96.24%和99.92%，有效提升了入侵检测性能。

关键词：入侵检测网络流量类不平衡特征选择统计重要性融合

来源：评论

学校读者我要写书评

暂无评论

生成式标签对抗的文本分类模型

引用

计算机应用 2024年第6期44卷 1781-1785页

作者：姚迅秦忠正杨捷武汉纺织大学计算机与人工智能学院武汉430200 伍伦贡大学计算机与信息技术学院澳大利亚新南威尔士州伍伦贡市2522

文本分类是自然语言处理(NLP)中的一项基础任务,目的是将文本数据分配至预先定义的类别。图卷积神经网络(GCN)与大规模的预训练模型BERT(Bidirectional Encoder Representations from Transformer)的结合在文本分类任务中取得了良好的... 详细信息

文本分类是自然语言处理(NLP)中的一项基础任务,目的是将文本数据分配至预先定义的类别。图卷积神经网络(GCN)与大规模的预训练模型BERT(Bidirectional Encoder Representations from Transformer)的结合在文本分类任务中取得了良好的效果。大规模异构图中GCN的无向的信息传递产生信息噪声影响模型的判断,造成模型分类能力下降,针对这一问题,提出一种生成式标签对抗模型,即类对抗图卷积网络(CAGCN)模型,以降低分类时无关信息的干扰,提升模型的分类性能。首先,采用TextGCN(Text Graph Convolutional Network)中的构图法构建邻接矩阵,结合GCN和BERT模型作为类生成器(CG);其次,在模型训练时采用伪标签特征训练法,并构建聚类器与类生成器联合训练;最后,在多个广泛使用的数据集上进行实验。实验结果表明,在泛用的分类数据集20NG、R8、R52、Ohsumed和MR上,CAGCN模型的分类准确率比RoBERTaGCN模型分别提高了1.2、0.1、0.5、1.7和0.5个百分点。

关键词：文本分类图卷积神经网络 BERT 伪标签异构图

来源：评论

学校读者我要写书评

暂无评论

基于CAN的现代车辆入侵检测

引用

计算机应用与软件 2024年第2期41卷 328-332页

作者：赵丽孙敏晋中学院信息技术与工程系山西晋中030619 山西大学计算机与信息技术学院山西太原030006

现代汽车广泛使用CAN总线结构控制车辆内的各种电子部件,但标准的CAN协议存在漏洞,易受到拒绝服务、模糊攻击和重放等攻击,而传统的基于IP协议的入侵检测技术不能直接应用于现代车辆。于是分析CAN结构,找到其缺陷;针对CAN的攻击技术,分... 详细信息

现代汽车广泛使用CAN总线结构控制车辆内的各种电子部件,但标准的CAN协议存在漏洞,易受到拒绝服务、模糊攻击和重放等攻击,而传统的基于IP协议的入侵检测技术不能直接应用于现代车辆。于是分析CAN结构,找到其缺陷;针对CAN的攻击技术,分析CAN总线特征后,融合基于频率检测、机器学习和统计检测三种异常检测方法对车辆进行入侵检测,通过实验验证,可以总体上提高现代车辆入侵检测系统的性能。

关键词： CAN 入侵检测频率检测机器学习统计检测

来源：评论

学校读者我要写书评

暂无评论

基于全局-局部先验和纹理细节关注的图像修复

引用

模式识别与人工智能 2025年第2期38卷 101-115页

作者：徐祺津叶海良曹飞龙梁吉业中国计量大学理学院应用数学系杭州310018 浙江师范大学数学科学学院金华321004 山西大学计算机与信息技术学院(大数据学院)人工智能系太原030006

图像修复旨在利用周围信息填充图像中的缺失区域,然而现有基于先验的方法大多难以兼顾全局语义一致性和局部纹理细节.因此,文中提出基于全局-局部先验和纹理细节关注的图像修复方法,结合小波卷积与傅里叶卷积,构造小波-傅里叶卷积块,增... 详细信息

图像修复旨在利用周围信息填充图像中的缺失区域,然而现有基于先验的方法大多难以兼顾全局语义一致性和局部纹理细节.因此,文中提出基于全局-局部先验和纹理细节关注的图像修复方法,结合小波卷积与傅里叶卷积,构造小波-傅里叶卷积块,增强局部特征和全局特征的交互.在此基础上,提出全局-局部学习式先验,通过一个由小波-傅里叶卷积块构成的先验提取器,同时学习全局先验和局部先验.该先验提取器作用于受损图像和完整图像,分别得到受损先验和监督先验.在修复阶段,受损图像和学习的先验分别输入两个结构相似的修复分支.这两个分支均由小波-傅里叶卷积构成,能同时提取和融合全局特征与局部特征.最后,合并两个分支的输出,生成具有一致语义内容和清晰局部细节的图像.此外,构造高感受野风格损失,从语义层面提升图像风格一致性.实验表明,文中方法在多个数据集上均性能较优.

关键词：图像修复学习式先验小波变换全局-局部特征

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：