检索结果-内蒙古大学图书馆

计算机研究与发展 2025年第1期62卷 90-103页

作者：尚俊霖张振宇屈稳稳王晓玲华东师范大学计算机科学与技术学院上海200062

图结构作为表达事物之间复杂关联的数据结构,被广泛使用在多种应用场景中.随着互联网应用的不断发展,数据规模的不断增加,分布式的图计算系统相较于传统单机系统从运算时间、资源调度等各个方面显现出优越的性能.近年来,基于大规模图数... 详细信息

图结构作为表达事物之间复杂关联的数据结构,被广泛使用在多种应用场景中.随着互联网应用的不断发展,数据规模的不断增加,分布式的图计算系统相较于传统单机系统从运算时间、资源调度等各个方面显现出优越的性能.近年来,基于大规模图数据的分布式图计算系统使用需求快速增加,图数据划分技术受到了学术界的广泛关注.通过对分布式图计算系统中的图划分技术的研究,首先介绍了面向分布式图计算的图划分的技术背景,给出当前分布式图计算系统中的图划分相关概念的定义以及相关计算模型的分类体系,报告了分布式图计算模型的发展现状.接着对不同的图划分策略中的具体技术进行介绍,通过在不同策略之间进行分析与比较,总结其在各类分布式图计算系统中的优势与不足.最后就分布式图计算系统中图划分技术的发展现状,讨论了其当前存在的挑战与未来的研究方向.

关键词：图划分图数据分析与管理图计算分布式图系统超图划分

来源：评论

学校读者我要写书评

暂无评论

Slice-GCN:基于程序切片与图神经网络的智能合约漏洞检测方法

引用

信息安全学报 2025年第1期10卷 105-118页

作者：张人娄吴胜张浩刘方宇江苏师范大学计算机科学与技术学院徐州211116

智能合约是一段由计算机代码构成的程序。随着智能合约数量的暴涨,如何利用漏洞检测方法来提升智能合约的安全性显得更加重要。已有的符号执行、模糊测试与形式化验证等漏洞检测方法自动化程度低,而基于序列模型的深度学习方法由于对智... 详细信息

智能合约是一段由计算机代码构成的程序。随着智能合约数量的暴涨,如何利用漏洞检测方法来提升智能合约的安全性显得更加重要。已有的符号执行、模糊测试与形式化验证等漏洞检测方法自动化程度低,而基于序列模型的深度学习方法由于对智能合约源代码的特征挖掘不足导致检测结果的精度偏低。因此,本文提出一个基于程序切片与图神经网络的以太坊智能合约(简称智能合约)漏洞检测方法Slice-GCN。该方法先对程序进行代码预处理简化程序,再使用基于图可达性和数据流方程的程序切片方法对预处理后的程序进行切片,并将切片结果输入长短期记忆网络(LSTM)中提取智能合约的程序语义特征。接着,简化程序依赖图后将其输入图卷积神经网络中,并提取智能合约的程序结构特征。然后,将智能合约的程序语义特征和结构特征拼接后输入多层感知机(MLP)中,并对智能合约进行漏洞检测。在提出Slice-GCN方法的基础上,针对重入攻击、时间戳依赖及整数溢出三类漏洞,本文对Slice-GCN方法与Oyente、Osiris和Soliditycheck三款智能漏洞检测工具进行了对比实验,并且通过消融实验分析了程序切片、图神经网络及图收缩比例对实验结果的影响。实验结果表明本文提出的方法在各类指标上均有较大提升,能有效提升检测准确度和精度,降低误报率,同时在检测速度上也明显优于传统的智能合约漏洞检测工具。

关键词：智能合约漏洞检测图神经网络程序切片

来源：评论

学校读者我要写书评

暂无评论

面向CPS时空规则验证制导的安全强化学习

引用

计算机科学与探索 2025年第2期19卷 513-527页

作者：印婵祝义王金永陈小颖郝国生江苏师范大学计算机科学与技术学院江苏徐州221116 徐州工程学院信息工程学院江苏徐州221018 南京大学计算机科学与技术系南京210023

深度强化学习是目前信息物理融合系统(CPS)决策中常用的一种方法。然而,当面对未知环境和复杂任务时,基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题,提出了一种形式化时空规则验证制导... 详细信息

深度强化学习是目前信息物理融合系统(CPS)决策中常用的一种方法。然而,当面对未知环境和复杂任务时,基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题,提出了一种形式化时空规则验证制导的安全强化学习方法。提出了时空规则通信顺序进程(CSR-TCSP)对系统进行建模,并结合时空规约语言(STSL)和模型检测工具FDR对进程代数模型进行验证。利用系统环境模型形式化奖励状态机的结构,提出了时空规则奖励状态机(STR-RM)以指导强化学习中奖励函数的设置。此外,为了监测系统的运行并确保输出决策的安全性,设计了一个监控器及安全动作决策算法以获得更安全的状态行为策略。通过一个自动驾驶系统中的避障与变道超车实例,证明所提方法的有效性。

关键词：信息物理融合系统形式化方法进程代数安全强化学习自动驾驶

来源：评论

学校读者我要写书评

暂无评论

基于集成学习的不平衡图节点分类算法

引用

电子科技大学学报 2025年

作者：赵华健杨钦程胡兆龙浙江师范大学计算机科学与技术学院

图神经网络（graph neural network, GNN）在过去几年里被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络... 详细信息

图神经网络（graph neural network, GNN）在过去几年里被广泛应用于节点分类。然而，现有研究集中于平衡数据集，但是不平衡数据却普遍存在。传统处理不平衡数据集的方法，如重采样和重加权，往往需要进行较多的预处理或提出新的网络结构，容易引入新的偏差和导致信息丢失。提出了一种改良的装袋（Bootstrap aggregating,Bagging）集成学习方法，对不平衡图数据集进行了k折划分，并采用GNN为基础模型对子数据集进行训练得到多个不同的子模型。最后，通过融合不同模型提升了节点分类精度而不引入过多的预处理。基于不平衡图数据集的实验结果，表明所提出的方法在准确性和鲁棒性上优于基本分类器，此外，还发现分类精度随着k的增加先提高后降低。

关键词：图神经网络节点分类图网络结构不平衡图数据集集成学习

来源：评论

学校读者我要写书评

暂无评论

基于提示学习和抽取式阅读理解的古籍礼仪实体关系联合抽取方法研究

引用

数据分析与知识发现 2025年第3期9卷 147-159页

作者：斯日古楞林民郭振东张树钧内蒙古师范大学文学院呼和浩特010022 内蒙古民族大学计算机科学与技术学院通辽028000 内蒙古电子信息职业技术学院呼和浩特010070 海南大学计算机科学与技术学院海口570228 内蒙古师范大学计算机科学技术学院呼和浩特010022

【目的】解决基于深度学习的实体关系抽取方法在古籍小样本场景下,由于依赖大规模标注数据而导致的微调效率低、抽取性能不佳问题。【方法】提出一种基于提示学习和抽取式阅读理解的古籍礼仪实体关系联合抽取方法。首先,将实体识别和关... 详细信息

【目的】解决基于深度学习的实体关系抽取方法在古籍小样本场景下,由于依赖大规模标注数据而导致的微调效率低、抽取性能不佳问题。【方法】提出一种基于提示学习和抽取式阅读理解的古籍礼仪实体关系联合抽取方法。首先,将实体识别和关系抽取任务整合至一个抽取式阅读理解框架中,简化模型结构。然后,利用领域知识设计三种轻量级提示策略,有效降低联合抽取任务的复杂度。最后,基于预训练语言模型和全局指针网络构建古籍礼仪实体关系联合抽取模型MPG-GP(MRC-Prompt-GujiBERT with Global Pointer),有效抽取古籍中的礼仪实体关系三元组。【结果】在构建的古籍礼仪实体关系联合抽取数据集上进行实验,本文方法F1值比基线方法提升了0.32~6.05个百分点。【局限】在构建提示模板时,未采用可学习的软提示方式,并且提示设计仍有进一步优化的空间。【结论】所提方法能够有效缓解深度神经网络对大量标注数据的依赖,提升了模型在小样本古籍礼仪实体关系联合抽取任务上的准确性,为古籍低资源场景信息抽取提供了新的方法和思路。

关键词：实体关系联合抽取古籍礼仪知识提示学习机器阅读理解预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

人在环路的细分行业logo生成方法

引用

图学学报 2025年第2期46卷 382-392页

作者：李纪远管哲予宋海川谭鑫马利庄华东师范大学计算机科学与技术学院上海200062

logo图像相比于其他生成图像类型,有着高度抽象、设计多变、风格统一的特点,因此较难直接控制生成结果。为了实现符合各行业特点、满足多种设计构成形态需要的logo高效生成,提出了一种人在环路的细分领域logo生成方法。首先,基于Dreambo... 详细信息

logo图像相比于其他生成图像类型,有着高度抽象、设计多变、风格统一的特点,因此较难直接控制生成结果。为了实现符合各行业特点、满足多种设计构成形态需要的logo高效生成,提出了一种人在环路的细分领域logo生成方法。首先,基于Dreambooth微调文生图扩散模型,以网络公开资源搜集的logo作为数据集,将文生图模型Stable Diffusion XL作为基座模型训练出适用于基础logo生成的“雏形模型”。然后,构造出多组适用于各目标行业领域的文本提示词库,在提示词库指导下,通过雏形模型对各目标行业的logo进行生成。接着,通过人工介入对生成结果进行筛选,推演构造出符合行业需求的二次数据集。最后,利用得到二次数据集对模型基于LoRA进行迭代微调,得到生成logo的“成品模型”,并通过生成图像与提示词的余弦相似度以及人工问卷指标对成品模型的生成结果进行评估,验证了成品模型生成的logo图像在行业关联度、结构完整性以及美观程度等评价维度上相比于未经过上述处理的原模型直接生成的效果有可观提升。

关键词：图像生成扩散模型人在回路训练集构造文本合成图像

来源：评论

学校读者我要写书评

暂无评论

知识点相关性与遗忘程度融合的深度知识追踪模型

引用

计算机研究与发展 2025年第2期62卷 364-373页

作者：贾瑞董永权刘源陈成江苏师范大学计算机科学与技术学院江苏徐州221116 江苏省教育信息化工程技术研究中心(江苏师范大学) 江苏徐州221116 徐州云计算工程技术研究中心江苏徐州221116

知识追踪(knowledge tracing,KT)是对学习者知识水平建模的一种技术,根据学习者过去的学习交互预测其未来答题表现,这些交互代表了学习者回答一个习题序列的过程.当前知识追踪方法在建模学习者遗忘行为时缺乏考虑知识点重复练习次数,并... 详细信息

知识追踪(knowledge tracing,KT)是对学习者知识水平建模的一种技术,根据学习者过去的学习交互预测其未来答题表现,这些交互代表了学习者回答一个习题序列的过程.当前知识追踪方法在建模学习者遗忘行为时缺乏考虑知识点重复练习次数,并且少有模型考虑知识点相关性对答题预测的影响.基于此,提出了一个融合知识点相关性和遗忘程度的深度知识追踪模型.首先使用统计方法构建了一个关联矩阵,以捕获知识点之间的相关性.其次,利用交互之间的时间间隔和学习者学习同一知识点的次数来计算知识点的遗忘程度,以更好地拟合学生的遗忘行为.最后,将知识点相关性和遗忘程度整合到一个注意力模块中,以获得过去的每个交互对未来答题的影响,据此预测学习者的答题结果.在真实的在线教育数据集algebra2005-2006和ASSISTment2012上的实验表明,相较于已有主流方法,所提模型取得了更好的预测结果.

关键词：知识追踪深度知识追踪知识点相关性遗忘程度智慧教育

来源：评论

学校读者我要写书评

暂无评论

基于优先级先验的演化大规模多目标安全博弈框架

引用

计算机研究与发展 2025年第2期62卷 458-471页

作者：吴宇鹏钱鸿王为业张杨文辉周爱民华东师范大学计算机科学与技术学院上海200062 华东师范大学上海智能教育研究院上海200062

多目标安全博弈(multi-objective security game,MOSG)旨在同时最优化防御者应对多个异质攻击者获得的收益,在实际应用中具有重要意义.近期提出的基于空间离散化的演化搜索(space discretization based evolutionary search,SDES)框架将... 详细信息

多目标安全博弈(multi-objective security game,MOSG)旨在同时最优化防御者应对多个异质攻击者获得的收益,在实际应用中具有重要意义.近期提出的基于空间离散化的演化搜索(space discretization based evolutionary search,SDES)框架将MOSG中的带约束的高维阶梯函数优化问题转换为低维组合优化问题,并使用贪心策略解决组合优化任务.虽然SDES能够在有限时间内处理大规模MOSG任务,但是SDES难以收敛到大规模MOSG任务对应的最优Pareto前沿上.一方面,SDES的贪心策略的收敛性假设随问题规模扩大而变得愈发难以满足;另一方面,SDES过多的阶段组件(空间离散化、演化优化、评估、解的精炼)存在阶段耦合的风险,即上游组件的优化质量直接影响下游组件的表现.因此,挖掘并利用MOSG任务中被保护对象的优先级(priority)先验知识,旨在提高解的质量并简化SDES框架,从而提出了SDES-P框架.SDES-P重新设计了SDES的核心组件——评估组件,并移除解的精炼组件.具体而言,SDES-P从具有最大资源的不可行解开始,根据被保护对象优先级先验将被保护对象分成2组,优先级较高的一组对象会逐渐释放资源以找到可行解.最后,SDES-P包含了一种结合优先级先验的演化局部搜索策略,增强最终Pareto前沿的质量.分析出SDES-P可保持SDES所具有的样本复杂度低、规模可扩展性强的优势,并且用实验结果表明,无论MOSG任务是否满足收敛假设,SDES-P可以找到相较于SDES收敛性、多样性更优的高质量Pareto前沿.

关键词：大规模演化安全博弈 Stackelberg博弈多目标演化优化优先级先验局部搜索

来源：评论

学校读者我要写书评

暂无评论

OpenPerf:面向开源生态可持续发展的数据科学基准测试体系

引用

计算机学报 2025年第3期48卷 632-649页

作者：韩凡宇毕枫林张琰彬李晖游兰王伟钱卫宁周傲英华东师范大学数据科学与工程学院上海200062 贵州大学计算机科学与技术学院贵阳550025 湖北大学计算机与信息工程学院武汉430062

基准测试是指通过设计科学的测试方法、测试工具和测试系统,实现对一类测试对象的某项性能指标进行定量的和可对比的测试。随着人工智能时代的到来,诸如ImageNet、DataPerf等这类新型的AI基准测试数据集逐步成为学术界和工业界的共识性... 详细信息

基准测试是指通过设计科学的测试方法、测试工具和测试系统,实现对一类测试对象的某项性能指标进行定量的和可对比的测试。随着人工智能时代的到来,诸如ImageNet、DataPerf等这类新型的AI基准测试数据集逐步成为学术界和工业界的共识性标准。当前,关于开源生态的研究大多基于某一项具体的研究点展开分析而缺少对开源生态基准体系的构建,一个开源项目处于怎样的发展位置、企业开源程序办公能力处于行业什么位置、开发者活跃度、项目影响力等基础数据与评价,都是数据使用方迫切需要的开源领域知识。为了解决开源领域“有数据无基准”的局面,本文提出一种面向开源生态可持续发展的数据科学基准测试体系(OpenPerf)。该体系自下而上主要包含数据科学任务类基准、指数类基准以及标杆类基准,旨在为学术界、工业界提供不同的基准参考。本文定义了9个数据科学任务类基准,给出了3项典型的数据科学任务类基准测试结果、2项指数类基准以及1项标杆类基准,其中2项指数类基准被中国电子技术标准化研究院作为开源社区治理的评估标准。数据科学任务类基准主要应用于学术界,为不同研究方向的研究者提供自己擅长的研究领域的基准。指数类基准主要面向企业界,企业界可以通过影响力和活跃度等基准数据了解当前企业开源程序办公能力所处的行业位置以及旗下开源项目所处的发展位置。标杆类基准是一种可测量的业界最佳水平的成绩,用来比较参考尺度。最后,通过3个应用在阿里、蚂蚁以及华东师范大学等国内知名公司和高校的实际案例验证了OpenPerf在推动开源生态可持续发展中所起到的关键作用。

关键词：基准测试开源生态可持续发展基准任务应用案例

来源：评论

学校读者我要写书评

暂无评论

一种基于核数据变换方法的遥感图像谱聚类算法

引用

林业工程学报 2025年第2期10卷 130-137页

作者：赵海军陈华月崔梦天西华师范大学计算机学院南充637009 西南民族大学计算机科学与技术学院成都610041

随着遥感图像在各行各业的日益广泛应用,遥感图像的处理变得愈来愈重要。为了实现谱聚类算法应用于林业工程中的遥感图像处理,本研究提出了一种基于核数据变换和角距离度量的谱聚类新算法。首先,通过对基于多变量核特征提取的一般核熵... 详细信息

随着遥感图像在各行各业的日益广泛应用,遥感图像的处理变得愈来愈重要。为了实现谱聚类算法应用于林业工程中的遥感图像处理,本研究提出了一种基于核数据变换和角距离度量的谱聚类新算法。首先,通过对基于多变量核特征提取的一般核熵成分分析法的分析,并运用信息论概念和核密度估计密切相关的瑞利二次熵,提出了最佳特征提取和无监督降维方法,即最佳核熵成分分析法。它根据类或聚类信息方面的数据结构,采用一个额外的旋转,使得成分之间的独立性最大化;在这些成分中最佳地捕捉数据的高信息势部分,直接找到关于保留成分的数量的最大化信息势的基,以确保得到的解比标准的核熵成分分析得到的解保留更多(或相等)的信息势;并提出了采用梯度上升法来求解最佳核熵成分分析优化问题,具体实现是采用了一种简单的提前终止方案,以确保梯度达到一个额外迭代不会显著修改成本函数的区域。其次,通过对最佳核熵成分分析变换和样本外扩展的分析,构建了一种基于角距离度量的谱聚类算法,它采用角距离度量的核k-均值聚类目标,而不是采用基于欧氏距离的度量。优化过程采用最佳核熵成分分析空间中的角距离,以保证收敛到局部最优,从而实现图像的聚类。采用多光谱卫星图像的实验结果表明,本研究提出的谱聚类算法不仅适用于遥感图像的云筛选问题,而且相比目前其他先进的聚类算法有更好的分类性能。

关键词：遥感图像非线性特征提取概率密度函数 k-均值瑞利熵谱聚类

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：