检索结果-内蒙古大学图书馆

计算机应用 2025年

作者：吕乐张博瀚荆军昌刘栋河南师范大学计算机与信息工程学院教育人工智能与个性化学习河南省重点实验室教学资源与教育质量评估大数据河南省工程实验室

社区检测尽管能深度揭示网络潜在的结构特征以及节点之间关系，但也产生了隐私泄露问题。社区隐藏方法能够有效对抗社区检测算法，从而实现网络节点信息的隐私保护。但传统的社区隐藏方法大多关注网络中单一目标或单一社区的隐私保护，... 详细信息

社区检测尽管能深度揭示网络潜在的结构特征以及节点之间关系，但也产生了隐私泄露问题。社区隐藏方法能够有效对抗社区检测算法，从而实现网络节点信息的隐私保护。但传统的社区隐藏方法大多关注网络中单一目标或单一社区的隐私保护，当前研究中仍然缺乏一种能够针对任意目标集合进行隐藏的方法。针对上述问题，提出一种持久性损失最大化的多目标节点隐藏（BPMNH）方法，该方法可以自由配置拟隐藏的目标节点集合，并根据网络规模自适应地给出持久性损失最大化方案，在最小的网络拓扑扰动代价下，实现不同社区的多个目标节点隐藏。实验结果表明，该方法能够有效实现多目标节点社区隐藏。

关键词：社区隐藏社区检测多目标节点持久性复杂网络

来源：评论

学校读者我要写书评

暂无评论

OBE理念下师范类计算机科学与技术专业教学评价体系研究

引用

计算机教育 2025年第4期 235-239,246页

作者：刘慧杨淑霄史霄波河南师范大学计算机与信息工程学院河南新乡453007 河南师范大学教学资源与教育质量评估大数据河南省工程实验室河南新乡453007

针对师范类计算机科学与技术专业现有评价体系存在的培养目标评价不够全面、毕业要求指标点支撑较弱、课程设置结构有待完善等问题,提出基于OBE理念的师范类计算机科学与技术师范专业教学评价体系,从培养目标达成评价、毕业要求达成评... 详细信息

针对师范类计算机科学与技术专业现有评价体系存在的培养目标评价不够全面、毕业要求指标点支撑较弱、课程设置结构有待完善等问题,提出基于OBE理念的师范类计算机科学与技术师范专业教学评价体系,从培养目标达成评价、毕业要求达成评价和课程目标达成评价3个方面,介绍评价体系构建过程及应用,旨在提升师范类计算机科学与技术专业学生培养质量,为高校相关专业开展教学评价提供可借鉴的思路和方法。

关键词：教学评价 OBE理念师范专业认证师范类计算机科学与技术专业

来源：评论

学校读者我要写书评

暂无评论

MCNet:融合多层感知机和卷积的轻量级病变区域分割网络

引用

河南师范大学学报(自然科学版) 2025年第3期53卷 96-103页

作者：申华磊上官国庆袁成雨陈艳浩刘栋河南师范大学计算机与信息工程学院河南新乡453007 河南师范大学河南省教育人工智能与个性化学习重点实验室河南新乡453007 河南师范大学教学资源与教育质量评估大数据河南省工程实验室河南新乡453007

针对现有医学图像分割网络存在计算量大、对硬件资源要求高和推理速度慢等不足,提出一种轻量级快速分割网络***采用编码器-解码器架构,使用多层感知机(MLP)和卷积分别提取并融合医学图像的全局特征和局部特征,以减少网络参数量并提高分... 详细信息

针对现有医学图像分割网络存在计算量大、对硬件资源要求高和推理速度慢等不足,提出一种轻量级快速分割网络***采用编码器-解码器架构,使用多层感知机(MLP)和卷积分别提取并融合医学图像的全局特征和局部特征,以减少网络参数量并提高分割精度.在编码阶段使用卷积分支和多层感知机分支分别提取多尺度的局部特征和全局特征.通过跳跃连接融合这些特征并送入解码器.在解码阶段使用注意力门控机制进行特征增强.在BUSI和ISIC2018数据集上进行实验.和当前最优方法相比,MCNet的Dice相似系数和均交并比在BUSI数据集上分别提高0.11%和0.09%、在ISIC2018数据集上分别提高0.64%和0.95%.同时,MCNet显著减少了网络参数量、降低了浮点运算次数并缩短了CPU推理时间.

关键词：医学图像分割深度神经网络多层感知机(MLP) 轻量级网络

来源：评论

学校读者我要写书评

暂无评论

基于KR积的稀疏重构近场源定位

引用

电子科技大学学报 2019年第6期48卷 845-849页

作者：窦育强王晖河南师范大学教学资源与教育质量评估大数据河南省工程实验室河南新乡453007 中国传媒大学媒介音视频教育部重点实验室北京朝阳区100024

针对声源数多于阵元数的近场信源定位问题,该文提出一种基于Khatri-Rao(KR)积的稀疏重构近场源定位方法.该方法首先假设信号是准平稳的,然后通过KR积得到虚拟阵列结构,增加了阵列的自由度;接着在虚拟阵列结构下对虚拟信号进行稀疏表示,... 详细信息

针对声源数多于阵元数的近场信源定位问题,该文提出一种基于Khatri-Rao(KR)积的稀疏重构近场源定位方法.该方法首先假设信号是准平稳的,然后通过KR积得到虚拟阵列结构,增加了阵列的自由度;接着在虚拟阵列结构下对虚拟信号进行稀疏表示,最后通过l1范数约束得到声源的空间谱估计.仿真表明,此稀疏重构定位方法可以实现信源定位的欠定估计,且性能优于基于KR积的子空间方法.

关键词： KR积 l1范数近场源定位稀疏重构

来源：评论

学校读者我要写书评

暂无评论

传播源估计中有效观察点部署策略研究

引用

中文信息学报 2018年第8期32卷 120-127,142页

作者：刘栋赵婧聂豪河南师范大学计算机与信息工程学院河南新乡453007 教学资源与教育质量评估大数据河南省工程实验室河南新乡453007

谣言或疾病的扩散均可模拟为传播源在网络中的传播,如何在网络中估计传播源位置是一项具有挑战性的任务。该任务往往根据部分观察点推断传播源的位置,故如何有效的选择观察点对准确定位传播源位置至关重要。该文分析了随机、度、聚类系... 详细信息

谣言或疾病的扩散均可模拟为传播源在网络中的传播,如何在网络中估计传播源位置是一项具有挑战性的任务。该任务往往根据部分观察点推断传播源的位置,故如何有效的选择观察点对准确定位传播源位置至关重要。该文分析了随机、度、聚类系数、特征向量、紧密度以及介数等观察点部署策略对传染源估计的影响。在实验中,采用SI传播模型和反向贪心算法估计传播源在三类合成网络和四个真实网络进行模拟仿真,实验结果表明采用特征向量的观察点部署策略更有利于提高传播源估计的精度。

关键词：复杂网络传播源观察点

来源：评论

学校读者我要写书评

暂无评论

基于随机块模型的社区隐藏统一框架

引用

计算机研究与发展 2024年第7期61卷 1850-1862页

作者：刘栋刘侠贾若雪张文生河南师范大学计算机与信息工程学院河南新乡453007 教育人工智能与个性化学习河南省重点实验室(河南师范大学) 河南新乡453007 教学资源与教育质量评估大数据河南省工程实验室(河南师范大学) 河南新乡453007 中国科学院自动化研究所北京100190

社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现... 详细信息

社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现有的社区隐藏方法忽略了网络的生成机制且缺少针对不同尺度隐藏的统一框架,因此提出了一种基于随机块模型的社区隐藏(community hiding-stochastic block model,HC-SBM)算法,该算法从网络生成机制角度构建了社区隐藏的统一框架,即实现微观(个体)、介观(社区)、宏观(网络)3个尺度上的社区检测算法攻击.其基本思想是基于随机块模型刻画网络的生成机制,特别是网络社区形成和分裂的规律和模式,挖掘生成过程中的关键性链接以及链接集合,最终通过最小代价扰动策略破坏网络社区结构.通过在真实网络上的大量实验,并与4种先进的基准算法进行比较,表明了提出的HC-SBM算法在社区隐藏效果更优.

关键词：社区隐藏社区检测随机块模型生成机制社会网络分析

来源：评论

学校读者我要写书评

暂无评论

基于时延和能耗约束的感知数据协作卸载策略研究

引用

物联网学报 2023年第1期7卷 109-117页

作者：袁培燕邵赛珂魏然张俊娜赵晓焱河南师范大学计算机与信息工程学院河南新乡453007 河南师范大学教学资源与教育质量评估大数据河南省工程实验室河南新乡453007

研究了物联网感知数据边缘卸载问题,即多个边缘节点相互协作,将原本需要发送给云中心的感知数据全部或部分卸载,以保护数据隐私与提升用户体验。在协作卸载过程中,感知数据传输以及边缘节点之间的信息交互会消耗系统资源,产生协作代价... 详细信息

研究了物联网感知数据边缘卸载问题,即多个边缘节点相互协作,将原本需要发送给云中心的感知数据全部或部分卸载,以保护数据隐私与提升用户体验。在协作卸载过程中,感知数据传输以及边缘节点之间的信息交互会消耗系统资源,产生协作代价。如何在保持较低协作代价的基础上提高感知数据的卸载比例是一个具有挑战性的问题。首先,将该问题表述为一个满足网络时延和系统能耗约束的感知数据卸载比例和协作规模联合优化问题。其次,提出了一种基于约束投影和变量分裂的分布式交替方向乘子法(ADMM,alternating direction method of multipliers)进行求解。最后,使用MATLAB进行仿真实验,数值结果表明,与分布式优化算法(DOA,distributed optimization algorithm)、公平合作算法(FCA,fairness cooperation algorithm)和多子任务到多服务器卸载方案(MTMS,multi-subtasks-to-multi-servers offloading scheme)相比,所提方法在网络时延和能耗上均有较大优化。

关键词：协同边缘计算数据卸载系统能耗网络时延分布式ADMM

来源：评论

学校读者我要写书评

暂无评论

面向学生画像的偏好知识获取研究

引用

河南师范大学学报（自然科学版） 2020年第6期48卷 19-24页

作者：王晓东江培超李梦莹郝明丽胡富珍河南师范大学计算机与信息工程学院教学资源与教育质量评估大数据河南省工程实验室河南新乡453007

针对信息过载导致学生不能有效获取偏好知识的问题,提出一种面向学生画像的偏好知识获取方法.利用学生浏览知识内容,通过学生关键词、主题分布两个维度,构建学生画像向量空间模型.据此,计算学生与知识之间的相似度,获取直接偏好知识.利... 详细信息

针对信息过载导致学生不能有效获取偏好知识的问题,提出一种面向学生画像的偏好知识获取方法.利用学生浏览知识内容,通过学生关键词、主题分布两个维度,构建学生画像向量空间模型.据此,计算学生与知识之间的相似度,获取直接偏好知识.利用学生浏览知识内容进行聚类分析,根据学生学习行为设计算法,获取间接偏好知识.以实际运行系统中提取的学生学习行为信息为实验数据,进行实验分析,结果表明,获取的偏好知识能更好地刻画学生画像.

关键词：学生画像偏好知识学习行为

来源：评论

学校读者我要写书评

暂无评论

基于联合约束策略和稀疏表示的图像分割

引用

计算机应用研究 2021年第2期38卷 619-624页

作者：刘国奇董一飞李旭升宋一帆河南师范大学计算机与信息工程学院河南新乡453007 河南师范大学“教学资源与教育质量评估大数据”河南省工程实验室河南新乡453007

基于像素级的交互式图像分割算法对初始种子位置和噪声敏感,同时仅基于超像素的分割方法无法保留图像细节经常导致分割结果出现欠分割问题。针对上述问题,提出超像素/像素约束和稀疏表示的图像分割模型。该方法利用高斯函数分别对像素... 详细信息

基于像素级的交互式图像分割算法对初始种子位置和噪声敏感,同时仅基于超像素的分割方法无法保留图像细节经常导致分割结果出现欠分割问题。针对上述问题,提出超像素/像素约束和稀疏表示的图像分割模型。该方法利用高斯函数分别对像素和超像素构造了相互约束的代价函数,引入了稀疏分解对模型进行优化以提升模型对图像噪声的鲁棒性,最后利用联合优化策略对代价函数求解估计出目标和背景标记实现目标提取。实验结果表明,与现有的分割方法相比,提出的方法能获得较好的分割效果,对高斯噪声和椒盐噪声具有较强的鲁棒性。

关键词：超像素稀疏表示概率图模型交互式图像分割

来源：评论

学校读者我要写书评

暂无评论

基于超像素/像素协同约束和稀疏分解活动轮廓模型

引用

计算机应用研究 2021年第3期38卷 946-951页

作者：刘国奇董一飞李旭升茹琳媛常宝方河南师范大学计算机与信息工程学院河南新乡453007 河南师范大学“教学资源与教育质量评估大数据”河南省工程实验室河南新乡453007

针对水平集图像分割模型的分割结果不够准确且对初始轮廓位置和噪声敏感问题,提出了超像素/像素协同约束和稀疏分解的活动轮廓模型。首先引入超像素提取图像块信息构造符号压力函数防止轮廓在演化过程中陷入局部最优;其次,构建了基于超... 详细信息

针对水平集图像分割模型的分割结果不够准确且对初始轮廓位置和噪声敏感问题,提出了超像素/像素协同约束和稀疏分解的活动轮廓模型。首先引入超像素提取图像块信息构造符号压力函数防止轮廓在演化过程中陷入局部最优;其次,构建了基于超像素/像素协同约束的能量泛函以弥补超像素无法保留局部细节的缺陷;同时,为了解决基于非全局信息的活动轮廓模型演化速度慢的问题,提出模型利用超像素块加速轮廓演化;最后引入了稀疏分解对模型进行优化以减弱局部噪声对分割精度的影响。与多种水平集分割模型的实验结果对比,证明了提出方法的有效性,尤其与原始的二值选择和高斯滤波正则化水平集模型相比,提出方法对噪声和初始轮廓位置不敏感,平均Jaccard相似度系数提升了34%。

关键词：图像分割活动轮廓模型超像素稀疏分解符号压力函数

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：