检索结果-内蒙古大学图书馆

山东大学学报(理学版) 2025年

作者：叶晓雅王秀青马海滨张诺飞河北师范大学计算机与网络空间安全学院河北省网络与信息安全重点实验室(河北师范大学) 河北省供应链大数据分析与数据安全工程研究中心(河北师范大学)

为了解决脑电数据分辨率低、数据量不足以及被试者个体差异所导致的解码效率低下问题,提出了适于脑电信号分析的轻量级多分支融合网络(multi-branch fusion network for electroencephalogram signal,EEG-MFNet)模型。通过多尺度时空卷... 详细信息

为了解决脑电数据分辨率低、数据量不足以及被试者个体差异所导致的解码效率低下问题,提出了适于脑电信号分析的轻量级多分支融合网络(multi-branch fusion network for electroencephalogram signal,EEG-MFNet)模型。通过多尺度时空卷积模块提取脑电数据的多层次时空特征,并进一步应用多尺度时间卷积提取更高级的时-空-频域特征。对输入分类器的特征数据应用滑动窗口,增强了数据的有效特征。EEG-MFNet模型的平均分类准确率、标准差相比对比模型分别提升至少3.19%、22.86%,模型推理时间减少了16.87%以上。实验结果表明所提方法在提高运动想象脑电信号分类准确率的同时,增强了模型的稳定性,提升了模型的训练效率。本文中的工作为基于运动想象的脑电信号分析提供了更有效的解码方案。

关键词：多尺度卷积滑动窗口运动想象脑机接口脑电信号

来源：评论

学校读者我要写书评

暂无评论

结合CNN与Transformer的双流U型医学图像分割网络

引用

小型微型计算机系统 2024年

作者：杨超荣张朝晖河北师范大学计算机与网络空间安全学院河北师范大学供应链大数据分析与数据安全河北省工程研究中心河北师范大学河北省网络与信息安全重点实验室

为有效利用医学输入图像的局部特征与全局语义信息，从而获得边界更清晰、语义结构更完整的图像分割结果，提出一种结合CNN与Transformer的双流U型医学图像分割网络(DS-UNet)。首先，双流U型结构由用于局部特征提取的CNN分支和进行全局... 详细信息

为有效利用医学输入图像的局部特征与全局语义信息，从而获得边界更清晰、语义结构更完整的图像分割结果，提出一种结合CNN与Transformer的双流U型医学图像分割网络(DS-UNet)。首先，双流U型结构由用于局部特征提取的CNN分支和进行全局特征提取的Swin Transformer分支构成；之后，为实现局部特征与全局特征的优势互补，以通道注意力和空间注意力为基础，提出了CNN和Transformer的融合模块(CTFB)，并将其作为DS-UNet的重要组件，用于特征处理三个关键阶段双分支的信息交互与特征融合；此外，还提出一种用于双分支特征图与浅层多尺度特征图融合的跨分支信息增强模块(CBIE)，为后续分割结果的生成做进一步的全局语义信息增强与浅层细节补充。以Dice相似系数与IoU值为评价指标，在GlaS、MoNuSeg、QaTa-COV19以及Synapse 4个公开数据集的对比实验表明，DS-UNet优于其他大部分竞争算法，并在GlaS、MoNuSeg以及Synapse数据集上性能最优。

关键词：医学图像语义分割双流U型结构 Swin Transformer CNN 特征融合

来源：评论

学校读者我要写书评

暂无评论

基于改进SKNet-SVM的网络安全态势评估

引用

应用科学学报 2024年第2期42卷 334-349页

作者：赵冬梅孙明伟宿梦月吴亚星河北师范大学计算机与网络空间安全学院河北石家庄050024 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024 供应链大数据分析与数据安全河北省工程研究中心河北石家庄050024

为提高网络安全态势评估的准确率,增强稳定性与鲁棒性,提出一种基于改进选择性卷积核卷积神经网络和支持向量机的网络安全态势评估模型。首先,使用改进选择性卷积核代替传统卷积核进行特征提取,提高卷积神经网络感受野变化的自适应性,... 详细信息

为提高网络安全态势评估的准确率,增强稳定性与鲁棒性,提出一种基于改进选择性卷积核卷积神经网络和支持向量机的网络安全态势评估模型。首先,使用改进选择性卷积核代替传统卷积核进行特征提取,提高卷积神经网络感受野变化的自适应性,增强特征之间关联性。然后,将提取的特征输入到支持向量机中进行分类,并使用网格优化算法对支持向量机中的参数进行全局寻优。最后,根据网络攻击影响指标计算网络安全态势值。实验表明,基于改进选择性卷积核卷积神经网络和支持向量机的态势评估模型与传统的卷积神经网络搭建的态势评估模型相比,准确率更高,并且具有更强的稳定性和鲁棒性。

关键词：网络安全态势评估网络安全态势感知改进选择性卷积核卷积神经网络支持向量机网格优化算法

来源：评论

学校读者我要写书评

暂无评论

自适应聚类中心策略优化的密度峰值聚类算法

引用

计算机工程与应用 2023年第21期59卷 91-101页

作者：徐童童解滨张喜梅张春昊河北师范大学计算机与网络空间安全学院石家庄050024 河北师范大学河北省网络与信息安全重点实验室石家庄050024 河北师范大学供应链大数据分析与数据安全河北省工程研究中心石家庄050024

密度峰值聚类算法(DPC)是一种简单高效的无监督聚类算法,能够快速找到聚类中心完成聚类。该算法通过截断距离定义局部密度未考虑样本点的空间分布特征;通过决策图选择聚类中心点,具有较强人为主观性;在分配样本点时采用单一分配策略,易... 详细信息

密度峰值聚类算法(DPC)是一种简单高效的无监督聚类算法,能够快速找到聚类中心完成聚类。该算法通过截断距离定义局部密度未考虑样本点的空间分布特征;通过决策图选择聚类中心点,具有较强人为主观性;在分配样本点时采用单一分配策略,易产生连带错误。因此提出一种自适应聚类中心策略优化的密度峰值聚类算法(ADPC),采用共享近邻定义两点之间的相似性度量,重新定义了局部密度,使局部密度反应样本间的空间分布特征;通过相邻点之间斜率差分确定样本密度ρ与相对距离δ的乘积γ值的“拐点”,并对γ进行幂函数变换,以提高潜在聚类中心与非聚类中心的区分度,利用决策函数确定潜在的聚类中心,再通过潜在聚类中心之间距离均值自适应确定真实聚类中心;优化了非聚类中心点的分配策略。通过在UCI以及人工数据集上进行实验,该算法都可以自适应准确选定聚类中心,且在一定程度上提高了聚类性能。

关键词：密度峰值聚类共享近邻斜率差分自适应决策函数

来源：评论

学校读者我要写书评

暂无评论

基于图文知识融合的常识问答模型

引用

计算机科学 2024年

作者：蔡瑞祥赵书良何家瑶河北师范大学计算机与网络空间安全学院供应链大数据分析与数据安全河北省工程研究中心河北省网络与信息安全重点实验室

知识图谱在常识性问答中展现出了显著的成效。现有的方法通常利用问题中的实体来从知识图谱(KG)中检索局部子图，然后对其使用图神经网络(GNN)进行编码；随后将GNN编码的结果与语言模型(LMs)相结合，以进行答案的推理和问题的回答。然... 详细信息

知识图谱在常识性问答中展现出了显著的成效。现有的方法通常利用问题中的实体来从知识图谱(KG)中检索局部子图，然后对其使用图神经网络(GNN)进行编码；随后将GNN编码的结果与语言模型(LMs)相结合，以进行答案的推理和问题的回答。然而，使用GNN和LMs的常识问答系统存在两个挑战：(1)如何高效地提取知识图谱中的子图，对其知识与结构信息进行有效的表示和利用；(2)如何实现问题上下文与子图知识的深度融合与联合推理。本文提出了一个基于图文知识融合的常识问答模型(Graph-TextIntegratingforCommonsenseQuestionAnswering，GTICQA)，该模型首先通过外部词典过滤精炼出关键实体，实现对知识子图的剪枝，然后分别使用LM对问题上下文进行编码，GNN编码器对精炼后的知识子图进行编码。同时在子图编码的过程中，引入了一个新的k稀疏注意力机制增强对子图全局特征的提取并抑制噪声。最后使用一种包括细粒度双模态交互融合层和均值交互融合层的知识融合方法，对两种知识表示进行深度融合与动态更新。本文在CommonsenseQA、OpenBookQA和MedQA-USMLE三个数据集上对GTICQA进行了评估，分别以79.12%、72.20%和39.40%的准确率超越了现有最佳方法，表明了模型在处理常识性问答上的优势。

关键词：常识性问答多项选择问答知识融合知识图谱语言模型

来源：评论

学校读者我要写书评

暂无评论

基于自然邻居搜索优化策略的密度峰值聚类算法

引用

山东大学学报(理学版) 2025年第1期60卷 29-44页

作者：张春昊解滨徐童童张喜梅河北师范大学计算机与网络空间安全学院河北石家庄050024 供应链大数据分析与数据安全河北省工程研究中心(河北师范大学) 河北石家庄050024 河北省网络与信息安全重点实验室(河北师范大学) 河北石家庄050024

结合自然邻居搜索算法改进了密度峰值聚类(clustering by fast search and find of density peaks,CFSFDP)算法存在的一系列问题,提出基于自然邻居搜索优化策略的密度峰值聚类(density peak clustering algorithm optimized by natural neighbor search,NaN-CFSFDP)算法。基于自然邻居搜索算法提出了一种离群样本的检测方法,针对CFSFDP算法中截断距离d_(c)人工准确取值较难的问题,结合自然邻居搜索算法改进了d_(c)的计算方式,实现了d_(c)的自动取值。重新设计并统一了CFSFDP算法的样本密度度量规则,使其更关注每个样本的局部信息。由于数据集中因类簇间的密度差异大,密度峰值点集中于稠密簇使得簇丢失,因此提出样本共享自然邻居和类簇共享自然邻居的概念,构造新的类簇融合算法。合成数据集和真实数据集上的实验结果表明,在大多数情况下,NaN-CFSFDP算法在聚类性能上优于或至少与比较方法相当,且与CFSFDP算法及其改进算法相比参数更少。

关键词：密度峰值自然邻居聚类类簇融合离群样本截断距离

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的滚动轴承故障诊断方法

引用

轴承 2023年第10期 84-92页

作者：李秋婷王秀青解飞杨云鹏杜文霞河北师范大学计算机与网络空间安全学院石家庄050024 河北师范大学中燃工学院石家庄050024 河北省网络与信息安全重点实验室石家庄050024

在深度学习和注意力机制的基础上提出了基于卷积注意力模块(CBAM)和残差网络(ResNet)的滚动轴承故障诊断CAR模型和基于Transformer(多头注意力)的滚动轴承故障诊断模型。CAR模型引入注意力机制提高特征选取能力,引入残差网络有效防止梯... 详细信息

在深度学习和注意力机制的基础上提出了基于卷积注意力模块(CBAM)和残差网络(ResNet)的滚动轴承故障诊断CAR模型和基于Transformer(多头注意力)的滚动轴承故障诊断模型。CAR模型引入注意力机制提高特征选取能力,引入残差网络有效防止梯度消失或爆炸;Transformer模型则使用多头注意力完成故障信号的有效特征提取。将CAR和Transformer模型用于不同采样频率、不同转速下的滚动轴承故障诊断,2个模型在CWRU轴承数据集上的最高诊断准确率分别达99.91%和99.85%,在江南大学轴承数据集上的最高诊断准确率分别达98.71%和99.85%,均优于现有研究结果,而且CAR以及Transformer滚动轴承故障诊断模型的结构简单、易于实施,可满足实际应用中高故障诊断准确率的需求。

关键词：滚动轴承故障诊断注意力机制残差网络 Transformer 深度学习

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的网络安全态势预测

引用

华中科技大学学报（自然科学版） 2022年第5期50卷 46-52页

作者：赵冬梅李志坚河北师范大学计算机与网络空间安全学院河北石家庄050024 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024 河北师范大学河北省供应链大数据分析与数据安全工程研究中心河北石家庄050024

针对当下网络安全态势预测准确率低的问题,将Transformer用于网络安全态势预测.首先,引入门控循环单元(GRU)来降低样本特征的维度,维度的下降有利于减少训练Transformer的代价和缓解Transformer过拟合问题;然后,将降维后的特征输入Trans... 详细信息

针对当下网络安全态势预测准确率低的问题,将Transformer用于网络安全态势预测.首先,引入门控循环单元(GRU)来降低样本特征的维度,维度的下降有利于减少训练Transformer的代价和缓解Transformer过拟合问题;然后,将降维后的特征输入Transformer层,通过编码器提取具有时序关系的特征;最后,使用全局平均池化处理提取的特征,以减少全连接层的参数量,减缓过拟合问题.在两个网络安全数据集上的实验表明:该方法可以降低训练时间,并且在准确率、精确率和F1值三个指标上的综合表现优于其他方法.

关键词：网络安全态势预测 Transformer 门控循环单元(GRU) 降维

来源：评论

学校读者我要写书评

暂无评论

基于反向K近邻和密度峰值初始化的加权Kmeans聚类入侵检测算法

引用

南京理工大学学报 2023年第1期47卷 56-65页

作者：张喜梅解滨徐童童张春昊河北师范大学计算机与网络空间安全学院河北石家庄050024 河北师范大学河北省网络与信息安全重点实验室河北石家庄050024 河北师范大学供应链大数据分析与数据安全河北省工程研究中心河北石家庄050024

传统Kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权Kmeans聚类算法。通过样本的近邻信息计算每个样本的反向... 详细信息

传统Kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权Kmeans聚类算法。通过样本的近邻信息计算每个样本的反向K近邻,针对不同规模、不同密度分布数据集,可以自适应地搜索密度峰值点作为初始类簇中心;自适应设定相对簇半径,并通过样本加权进行类簇中心迭代,在不同数据分布下可以有效降低边缘点和离群点对聚类结果的影响。试验结果证明,该算法在聚类性能提升的同时迭代次数大幅降低,随着入侵行为类型和数据规模的增加,该文聚类算法仍体现出较好的性能,且在发现未知攻击类型上效果显著。

关键词： Kmeans聚类入侵检测密度峰值样本加权反向K近邻

来源：评论

学校读者我要写书评

暂无评论

基于参数优化元学习和困难样本挖掘的小样本恶意软件分类方法

引用

武汉大学学报（理学版） 2022年第1期68卷 17-25页

作者：王方伟柴国芳李青茹王长广河北师范大学河北省网络与信息安全重点实验室河北石家庄050024 河北师范大学计算机与网络空间安全学院河北石家庄050024

在恶意软件分类中,针对新出现的恶意软件样本数量少导致分类准确性低的问题,提出了一种基于参数优化元学习和困难样本挖掘的方法。首先,将恶意软件反编译得到二进制文件,进而转化为灰度图。然后,使用参数优化元学习在多个任务上训练模型... 详细信息

在恶意软件分类中,针对新出现的恶意软件样本数量少导致分类准确性低的问题,提出了一种基于参数优化元学习和困难样本挖掘的方法。首先,将恶意软件反编译得到二进制文件,进而转化为灰度图。然后,使用参数优化元学习在多个任务上训练模型,获得浅层神经网络的初始化参数,并在此基础上,根据测试集中的少量任务来微调模型。同时,结合困难样本挖掘方法,有目的性地组织样本训练模型,提高模型的收敛速度以及分类准确率。最后,在Malimg数据集和BIG-2015数据集上与已有深度学习方法做了对比实验。实验结果表明:在Malimg数据集上,分类准确率达到0.9967;在BIG-2015数据集上,分类准确率达到0.9933,都优于已有方法。

关键词：恶意软件神经网络元学习困难样本挖掘

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：