检索结果-内蒙古大学图书馆

计算机工程与应用 2020年第12期56卷 169-174页

作者：王立可崔小莉张力戈中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 四川虹信软件股份有限公司成都610041

传统特征工程从关系实体中提取特征完全倚靠人工,繁琐、费时且易出错,深度特征合成算法可以为结构化数据合成大量特征,实现关系实体的自动特征工程。针对深度特征合成算法中合成特征冗余严重且难以筛选的问题,提出一种基于Kullback-Leib... 详细信息

传统特征工程从关系实体中提取特征完全倚靠人工,繁琐、费时且易出错,深度特征合成算法可以为结构化数据合成大量特征,实现关系实体的自动特征工程。针对深度特征合成算法中合成特征冗余严重且难以筛选的问题,提出一种基于Kullback-Leibler(KL)散度和Hellinger距离结合的属性过滤算法。通过映射连接实体与标记,度量实体中属性的重要程度,对实体中的属性多重过滤,拒绝实体中重要程度低的属性参与深度特征合成算法,得到优化的特征合成结果。选取三种不同类型的公开数据集在不同的机器学习算法上进行实验验证。结果表明,改进的方法能够明显减少算法运行时间与合成数据规模,有效提高合成特征的质量与最终预测准确率。

关键词：深度特征合成多重属性过滤 KL散度 Hellinger距离

来源：评论

学校读者我要写书评

暂无评论

深度学习在医学图像配准上的研究进展与挑战

引用

生物医学工程学杂志 2019年第4期36卷 677-683页

作者：邹茂扬杨昊潘光晖(综述) 钟勇(审校) 成都信息工程大学成都610225 中国科学院大学成都计算机应用研究所成都610041

随着影像引导手术和放射治疗的发展,临床对医学图像配准研究的需求更强烈,带来的挑战也更大。最近几年,深度学习,特别是深度卷积神经网络,在医学图像处理方面取得了优异的成绩,在医学图像配准上的研究发展迅速。本文按技术方法分类总结... 详细信息

随着影像引导手术和放射治疗的发展,临床对医学图像配准研究的需求更强烈,带来的挑战也更大。最近几年,深度学习,特别是深度卷积神经网络,在医学图像处理方面取得了优异的成绩,在医学图像配准上的研究发展迅速。本文按技术方法分类总结了基于深度学习的医学图像配准的国内外研究进展,包括了基于优化策略的相似性估计、直接估计医学图像配准的变换参数等。然后分析了深度学习方法在医学图像配准上的挑战,并提出了可能的解决办法和研究方向。

关键词：医学图像配准深度学习卷积神经网络全卷积网络

来源：评论

学校读者我要写书评

暂无评论

安全性电子投票方案研究综述

引用

计算机科学 2020年第9期47卷 275-282页

作者：蒲泓全崔喆刘霆饶金涛中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 广西混杂计算与集成电路设计分析重点实验室南宁530006

近年来,电子投票因可以大幅度提高投票活动的效率和结果的准确性而得到高度关注。安全性问题一直是制约电子投票发展的瓶颈,许多研究者针对某一应用功能场景提出了相关的电子投票方案。结合电子投票的学术研究现状,详细分析了电子投票... 详细信息

近年来,电子投票因可以大幅度提高投票活动的效率和结果的准确性而得到高度关注。安全性问题一直是制约电子投票发展的瓶颈,许多研究者针对某一应用功能场景提出了相关的电子投票方案。结合电子投票的学术研究现状,详细分析了电子投票的类型、模型和安全性要求,并结合盲签名、秘密分享等相关密码学技术对4种类型的典型电子投票方案进行了综述和分析,然后介绍了成熟的电子投票系统,最后研究了电子投票未来可能的发展方向,对电子投票方案的进一步优化和改进提供借鉴和参考。

关键词：电子投票安全性要求盲签名秘密分享密码学技术

来源：评论

学校读者我要写书评

暂无评论

基于深度特征和Seq2Seq模型的网络态势预测方法

引用

计算机应用 2020年第8期40卷 2241-2247页

作者：林志兴王立可三明学院网络中心福建三明365004 福建师范大学数学与信息学院福州350007 中国科学院成都计算机应用研究所成都610041

针对目前大多数的网络态势预测方法不能挖掘数据中的深度信息且需要手动提取与构造特征的问题,提出了深度特征网络态势预测方法DFS-Seq2Seq。首先将网络流、日志和系统事件等产生的数据进行清洗处理,使用深度特征融合算法自动合成深度... 详细信息

针对目前大多数的网络态势预测方法不能挖掘数据中的深度信息且需要手动提取与构造特征的问题,提出了深度特征网络态势预测方法DFS-Seq2Seq。首先将网络流、日志和系统事件等产生的数据进行清洗处理,使用深度特征融合算法自动合成深度关系特征,然后采用自动编码器对合成的特征进行提取,最后使用长短期记忆网络(LSTM)构建Seq2Seq模型对数据进行预测。通过设计缜密的实验在公开数据集Kent2016上对所提方法进行验证,结果显示在深度为2时与支持向量机(SVM)、贝叶斯、随机森林(RF)和LSTM这四种分类模型相比,其召回率分别提升了7.4%、11.5%、6.5%、3.0%。实验结果表明DFS-Seq2Seq可以在实际应用中有效地识别网络身份验证中的危险事件,对网络态势作出有效的预测。

关键词：网络态势深度特征合成自动编码器 Seq2Seq模型双向长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的遥感图像目标检测与识别

引用

计算机应用 2020年第12期40卷 3558-3562页

作者：史文旭鲍佳慧姚宇中国科学院成都计算机应用研究所成都610081 中国科学院大学北京100049 电子科技大学格拉斯哥学院成都611731

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题,提出了一种基于深度学习的遥感图像目标检测与识别算法。首先,构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试;其次,基于原始的多... 详细信息

为解决目前的遥感图像目标检测算法存在的对小尺度目标检测精度低和检测速度慢等问题,提出了一种基于深度学习的遥感图像目标检测与识别算法。首先,构建一个含有不同尺度大小的遥感图像的数据集用于模型的训练和测试;其次,基于原始的多尺度单发射击(SSD)网络模型,融入了设计的浅层特征融合模块、浅层特征增强模块和深层特征增强模块;最后,在训练策略上引入聚焦分类损失函数,以解决训练过程中正负样本失衡的问题。在高分辨率遥感图像数据集上进行实验,结果表明所提算法的检测平均精度均值(mAP)达到77.95%,相较于SSD网络模型提高了3.99个百分点,同时检测速度为33.8 frame/s。此外,在拓展实验中,改进算法对高分辨率遥感图像中模糊目标的检测效果也优于原多尺度单发射击网络模型。实验结果说明,所提改进算法能够有效地提高遥感图像目标检测的精度。

关键词：深度学习目标检测遥感图像卷积神经网络特征融合

来源：评论

学校读者我要写书评

暂无评论

固定翼无人机在线航迹规划方法

引用

计算机应用 2019年第12期39卷 3522-3527页

作者：刘佳秦小林许洋张力戈中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机与控制学院北京100049

在不确定环境下,针对固定翼无人机(UAV)航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系... 详细信息

在不确定环境下,针对固定翼无人机(UAV)航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。

关键词：滚动时域控制模糊粒子群人工势场固定翼无人机航迹规划

来源：评论

学校读者我要写书评

暂无评论

集群智能算法综述

引用

无人系统技术 2021年第3期4卷 1-10页

作者：秦小林罗刚李文博张国华中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049 中国航天科工飞航技术研究院磁悬浮与电磁推进技术总体部北京100074

集群智能领域的研究正呈爆炸趋势增长,每年都有无数新的集群智能算法以及改进算法被提出,这些算法在各自的领域内都扮演着相当重要的角色。从集群智能算法的特点与待解决问题出发,首先介绍集群智能算法的概念及部分经典算法,重点介绍粒... 详细信息

集群智能领域的研究正呈爆炸趋势增长,每年都有无数新的集群智能算法以及改进算法被提出,这些算法在各自的领域内都扮演着相当重要的角色。从集群智能算法的特点与待解决问题出发,首先介绍集群智能算法的概念及部分经典算法,重点介绍粒子群算法与蚁群优化算法的主要思想;然后根据不同集群智能算法在不同应用问题的差异表现,对当下的几个热点问题如Ad Hoc网络、大数据与机器学习、智能电网与智慧交通等领域的集群智能算法作了简单介绍;其次是关于集群智能算法领域理论研究的讨论,主要针对集群智能算法智能行为的产生机制、不同集群智能算法在面对同一问题的性能表现不同的原因、场景选定后集群智能算法性能最优的设计方法等问题展开,并给出了这些研究具有代表性的工作及未来的研究方向;最后对集群智能算法研究尤其是基础理论研究的发展方向进行了展望。

关键词：启发式算法自然启发式计算集群智能粒子群算法蚁群优化算法

来源：评论

学校读者我要写书评

暂无评论

基于SysML的嵌入式软件系统建模与验证方法研究

引用

计算机工程 2019年第1期45卷 1-8页

作者：仵林博陈小红彭艳红聂长海中国工程物理研究院计算机应用研究所四川绵阳621999 华东师范大学计算机科学与软件工程学院上海200062 南京大学计算机科学与技术系南京210023

嵌入式软件系统由于广泛采用分布式异构网络,使得软件系统复杂性呈现几何增长,因此需要在系统设计的论证阶段,对系统需求和设计方案进行正确性和充分性验证,进而发现系统性设计缺陷,避免可能引发或导致的严重系统性问题。为此,提出一种... 详细信息

嵌入式软件系统由于广泛采用分布式异构网络,使得软件系统复杂性呈现几何增长,因此需要在系统设计的论证阶段,对系统需求和设计方案进行正确性和充分性验证,进而发现系统性设计缺陷,避免可能引发或导致的严重系统性问题。为此,提出一种基于SysML的嵌入式软件系统结构与行为需求建模方法。通过对嵌入式软件系统的结构和逻辑行为进行层次化建模,并利用Modelica离散与连续融合的仿真特点,在系统需求论证阶段,基于建立的仿真模型对系统关键功能指标进行仿真,结果表明,该方法对系统需求论证具有可行性。

关键词： SysML模型系统建模 Modelica仿真系统结构嵌入式系统

来源：评论

学校读者我要写书评

暂无评论

蜕变测试在机器学习领域的应用

引用

西安邮电大学学报 2020年第4期25卷 81-89页

作者：潘娅敖海洋西南科技大学计算机科学与技术学院四川绵阳621010 西南科技大学计算机应用研究所四川绵阳621010

机器学习的普遍应用引起了人们对其信任度的关注,利用蜕变测试技术研究机器学习程序质量逐步成为软件测试领域的研究热点之一。为了对蜕变测试技术在机器学习领域的应用相关研究工作进行总体评价,并对蜕变测试技术进行了一些展望,首先,... 详细信息

机器学习的普遍应用引起了人们对其信任度的关注,利用蜕变测试技术研究机器学习程序质量逐步成为软件测试领域的研究热点之一。为了对蜕变测试技术在机器学习领域的应用相关研究工作进行总体评价,并对蜕变测试技术进行了一些展望,首先,通过筛选得到多篇文献并对研究主题进行了分类,梳理了近年来蜕变测试在机器学习领域的应用和发展概况;其次,从应用场景、蜕变关系识别、蜕变测试度量和蜕变测试框架等方面分别对蜕变测试进行分析和讨论;最后,展望了蜕变测试在机器学习领域应用的未来研究热点。

关键词：机器学习机器学习测试测试预言蜕变测试蜕变关系

来源：评论

学校读者我要写书评

暂无评论

异构复杂信息网络敏感数据流动态挖掘

引用

计算机工程与科学 2020年第4期42卷 628-633页

作者：熊菊霞吴尽昭中国科学院成都计算机应用研究所四川成都610041 中国科学院大学北京100049 广西民族大学广西混杂计算与集成电路设计分析重点实验室广西南宁530006

针对异构复杂信息网络中存在高维冗余的敏感数据流,可挖掘数据特征形成概率较低,导致需要多次挖掘、挖掘内存占用高、挖掘精度低、时间长的问题,提出基于最大类间散度的网络敏感数据流动态挖掘方法。将敏感数据的差异最大化间隔作为分... 详细信息

针对异构复杂信息网络中存在高维冗余的敏感数据流,可挖掘数据特征形成概率较低,导致需要多次挖掘、挖掘内存占用高、挖掘精度低、时间长的问题,提出基于最大类间散度的网络敏感数据流动态挖掘方法。将敏感数据的差异最大化间隔作为分类基础,得到网络敏感数据的最大类间散度,在遗传迭代状态下确定最优散度迭代函数,对迭代函数进行挖掘特征优选,得出动态可挖掘特征。对可挖掘特征进行聚类分析,挖掘得到数据隐藏信息模式,并对其进行评价,将合理的信息模式进行知识表示,从而实现异构复杂信息网络敏感数据流动态挖掘。实验结果表明,所提方法可挖掘特征形成概率高达98%,labels标记与实际值较为接近。所提方法挖掘精度高,且运行时间较短、内存占用率低。

关键词：异构复杂信息网络敏感数据流动态挖掘散度迭代函数聚类分析

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：