检索结果-内蒙古大学图书馆

计算机工程 2025年第1期51卷 174-181页

作者：张会影圣文顺东南大学计算机科学与工程学院江苏南京211189 南京工业大学浦江学院计算机与通信工程学院江苏南京211200

缺乏完整和足够的人脸年龄标记数据集是当前人脸年龄识别问题中最突出的挑战之一。由于相近年龄的面部具有相似性,因此在年龄识别中可以学习并利用相邻年龄的面部信息,将每张人脸图像看作相关年龄的标记分布(LD),从而有效缓解了训练和... 详细信息

缺乏完整和足够的人脸年龄标记数据集是当前人脸年龄识别问题中最突出的挑战之一。由于相近年龄的面部具有相似性,因此在年龄识别中可以学习并利用相邻年龄的面部信息,将每张人脸图像看作相关年龄的标记分布(LD),从而有效缓解了训练和测试数据集不足的问题。但是在不同年龄阶段,人的面部衰老变化速度显著不同,如儿童和老年时期面部变化较快,而中年时期面部变化较平缓,当前常用的LD方法存在模式单一的缺点,难以适应不同年龄阶段人脸特征的变化规律。为提高人脸年龄识别算法的通用性,提出一种深度学习框架下基于标记适应的人脸年龄识别优化算法IFAR-LA。引入标记适应机制,能够更好地学习特征表示,挖掘人脸图像数据中丰富的语义信息,从而有效提取不同年龄阶段面部变化的特征,大幅提升表示学习能力和泛化能力。改进后的标记适应算法能够适应不同年龄阶段人脸变化规律,使每幅人脸图像在学习其真实年龄和相关年龄的时候都能发挥作用,缓解训练数据不足的问题,同时,提升了算法普适性,能够适应不同年龄阶段人的面部衰老变化速度。在公开的人脸数据集MORPH和FG-NET上的实验结果表明,IFAR-LA算法相比改进前的人脸年龄识别算法平均绝对误差分别降低了6.5%和11.5%。

关键词：标记分布学习深度学习卷积神经网络人脸年龄识别平均绝对误差

来源：评论

学校读者我要写书评

暂无评论

基于带标签CBMeMBer滤波器的低慢小群目标跟踪改进方法

引用

信号处理 2025年第5期 906-923页

作者：钟展鸣宋强张月陈泽彬杨珺瑶中山大学电子与通信工程学院湖南科技大学计算机科学与工程学院

群目标跟踪是实现无人机集群反制的关键步骤，具有重要的研究意义。相比传统的多目标跟踪算法，随机有限集（Random Finite Set,RFS）滤波在处理多目标数据关联与进行状态估计方面展现出显著的优势。然而在低慢小群目标的场景中，现有的... 详细信息

群目标跟踪是实现无人机集群反制的关键步骤，具有重要的研究意义。相比传统的多目标跟踪算法，随机有限集（Random Finite Set,RFS）滤波在处理多目标数据关联与进行状态估计方面展现出显著的优势。然而在低慢小群目标的场景中，现有的RFS滤波方法普遍未考虑群特性对跟踪的影响，也未考虑群目标起始与航迹信息提取的问题。为此，本文结合了群建模、带标签势均衡多目标多伯努利（Cardinality Balanced Multi-target Multi-Bernoulli,CBMeMBer）滤波器以及自适应新生目标强度技术，提出一种针对低慢小群目标的跟踪方法。具体而言，本文首先通过虚拟领导-跟随者模型和无向图邻接矩阵对群目标结构进行建模；随后提出了一种三层优先级标签分配策略，改进了传统的带标签CBMeMBer滤波器，解决了标签冲突导致的轨迹混叠问题，提高了跟踪精度和算法运行效率；同时，设计了基于群目标场景与两点起始法的自适应新生目标强度算法，实现了RFS框架下群目标的自适应新生目标初始化；最后，仿真实验和基于全息凝视雷达的实测数据实验表明，所提方法在目标状态估计和轨迹质量方面表现优异，跟踪性能优于包括传统的带标签CBMeMBer滤波器在内的对比算法，且能有效避免轨迹交叉和混叠现象，充分展示了其在低慢小群目标精细化跟踪中的潜力和实际应用价值。

关键词：低慢小目标随机有限集群目标跟踪带标签势均衡多目标多伯努利滤波器全息凝视雷达

来源：评论

学校读者我要写书评

暂无评论

基于期望传播的差分空间调制信号检测算法

引用

电子与信息学报 2025年第3期47卷 590-599页

作者：邵华王淳曹荻非李卫张海君北京科技大学智能科学与技术学院北京100083 北京科技大学计算机与通信工程学院北京100083

设计高效且复杂度低的检测算法是差分空间调制(DSM)系统中的一大关键问题。该文提出了一种多相移键控差分空间调制系统的贝叶斯期望传播(EP)信号检测方法,将DSM的信号检测问题转化为待检测信号的参数估计问题,通过迭代估计先验和后验分... 详细信息

设计高效且复杂度低的检测算法是差分空间调制(DSM)系统中的一大关键问题。该文提出了一种多相移键控差分空间调制系统的贝叶斯期望传播(EP)信号检测方法,将DSM的信号检测问题转化为待检测信号的参数估计问题,通过迭代估计先验和后验分布的参数,获得检测信号的估计值。该算法将原始的信号检测问题分解为天线域信息和星座域信息两部分,其中天线域检测通过期望传播算法迭代求取,星座域比特通过迭代过程中最优解调获得,降低了算法复杂度。进一步地,该文针对传统期望传播方法中噪声参数进行了扩展,在迭代过程中不断调整噪声项的矩估计,获得了比传统方案更好的性能。该文对所提近最优解调方案进行了仿真验证,结果表明所提方案性能优于传统线性检测方案;所提的基于期望传播的噪声修正方案性能优于传统恒值方案;在不同天线配置和调制阶数情况下,所提方案均能够快速收敛。

关键词：差分空间调制 MIMO检测期望传播

来源：评论

学校读者我要写书评

暂无评论

基于信息熵的隐私保护图像检索方案

引用

计算机应用与软件 2025年第1期42卷 294-302页

作者：乐可馨王亮亮罗宜元张秀洁上海电力大学计算机科学与技术学院上海200090 惠州学院计算机科学与工程学院广东惠州516007 潍坊学院计算机工程学院山东潍坊261061

针对现有图像检索方案无法对用户隐私进行有效保护且在实际应用中效率低、检索精确度差的问题,设计一种基于信息熵和局部敏感哈希的两层检索方案。利用图像信息熵的特性筛选出更具代表性的图像特征;使用高效的同态加密算法加密特征;采... 详细信息

针对现有图像检索方案无法对用户隐私进行有效保护且在实际应用中效率低、检索精确度差的问题,设计一种基于信息熵和局部敏感哈希的两层检索方案。利用图像信息熵的特性筛选出更具代表性的图像特征;使用高效的同态加密算法加密特征;采用基于信息熵的混沌加密算法保护图像安全。安全分析和实验表明其在实现有效保护用户隐私的同时,性能也达到了较好的实用水准。

关键词：图像检索隐私保护同态加密信息熵

来源：评论

学校读者我要写书评

暂无评论

多域时空层次图神经网络的空气质量预测

引用

计算机应用 2025年第2期45卷 444-452页

作者：马汉达吴亚东江苏大学计算机科学与通信工程学院江苏镇江212013

在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和... 详细信息

在协同融合气象、空间和时间三大信息的时空混合模型中,时间变化建模通常在一维空间中完成。针对一维序列局限于滑动窗口和缺乏对多尺度特征的灵活提取的问题,提出一种多域时空层次图神经网络(MST-HGNN)模型。首先,构建城市全局尺度和站点局部尺度的两级层次图,从而进行空间关系学习;其次,将一维空气质量序列转换为一组基于多个周期的二维张量,并在二维空间上通过多尺度卷积进行周期解耦以捕获频域特征;同时,在一维空间中利用长短期记忆(LSTM)网络拟合时域特征;最后,为避免聚合冗余信息,设计一种门控机制融合模块用于频域和时域特征的多域特征融合。在Urban-Air数据集和长三角城市群数据集上的实验结果表明,相较于多视图多任务时空图卷积网络模型(M2),所提模型在预测第1 h、3 h、6 h、12 h空气质量的平均绝对误差(MAE)和均方根误差(RMSE)均低于对比模型。可见,MST-HGNN能在频域上解耦复杂时间模式,利用频域信息弥补时域特征建模的局限性,并结合时域信息更全面地预测空气质量变化。

关键词：空气质量预测多域特征融合时空特征周期解耦门控机制融合图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于沙普利值改进的DPOS共识机制

引用

计算机应用与软件 2025年第1期42卷 234-240页

作者：王新胜蒋立卫熊书明江苏大学计算机科学与通信工程学院江苏镇江212013

针对委托权益共识机制(Delegated-Proof-of-Stake, DPOS)中存在的记账权集中在权重节点、节点投票不积极与恶意节点处理困难的问题,提出一种基于沙普利值的DPOS改进方案,对记账节点的选举进行优化适配,区块收益再分配以激励节点积极参与... 详细信息

针对委托权益共识机制(Delegated-Proof-of-Stake, DPOS)中存在的记账权集中在权重节点、节点投票不积极与恶意节点处理困难的问题,提出一种基于沙普利值的DPOS改进方案,对记账节点的选举进行优化适配,区块收益再分配以激励节点积极参与,并引入惩处机制快速剔除恶意节点。实验结果表明,改进后的DPOS机制能够提高节点的投票率,保证系统去中心化,降低恶意节点出块概率,提高整体稳定性与安全性。

关键词：区块链共识机制委托权益博弈论沙普利值

来源：评论

学校读者我要写书评

暂无评论

服务功能链部署的能耗与负载均衡联合优化

引用

计算机应用研究 2025年第5期42卷 1500-1506页

作者：王昌达李柔张治平江苏大学计算机科学与通信工程学院江苏镇江212013

针对如何在部署服务功能链SFC(service function chain)的同时兼顾低能耗与网络负载均衡,提出了一种以节点负载状态预测为基础的SFC部署方法NIR-IACA(improved ant colony algorithm based on node importance ranking)。首先,使用基于粒子群优化的CNN-GRU模型(particle swarm optimization-based CNN-GRU model,PCNN-GRU),结合广义网络温度(GNT)预测网络节点的负载状态,并据此为SFC部署提供备选节点;其次,基于最短路径优先策略的改进蚁群算法(ant colony algorithm,ACA)设计SFC部署节点选择策略(high availability and resource scheduling,HARS)且对选定节点进行虚拟链路映射,优化目标兼顾基础设施网络低能耗与负载均衡的要求。基于Clearwater VNF公开数据集的实验结果表明,提出的NIR-IACA方法与现有的MC-EEVP算法、DPVC算法以及RQAP算法相比平均节省13.09%的能耗,并提高12.98%的负载均衡能力,且在维持相对较高SFC请求的接受率的同时,可以较好地实现SFC部署的能耗与负载均衡联合优化。

关键词：服务功能链网络功能虚拟化能源消耗负载均衡

来源：评论

学校读者我要写书评

暂无评论

基于场景自适应知识蒸馏的红外与可见光图像融合

引用

电子与信息学报 2025年第4期47卷 1150-1160页

作者：蔡烁姚玄石唐远志邓泽阳长沙理工大学大学计算机与通信工程学院长沙410114

红外与可见光图像融合的目的是将这两种异模态图像信息整合成场景细节信息更全面的融合图像。现有的一些融合算法仅关注评价指标的提升,而忽略了其在现实应用中的模型轻量性和场景泛化性的需求。为了解决该问题,该文提出一种基于场景自... 详细信息

红外与可见光图像融合的目的是将这两种异模态图像信息整合成场景细节信息更全面的融合图像。现有的一些融合算法仅关注评价指标的提升,而忽略了其在现实应用中的模型轻量性和场景泛化性的需求。为了解决该问题,该文提出一种基于场景自适应知识蒸馏的红外与可见光图像融合方法。首先,将领先的融合算法作为教师网络得到白天场景的学习样本,用低光增强算法继续处理得到黑夜场景的学习样本;然后,通过光照感知网络预测可见光图像的白天黑夜场景概率,从而指导学生网络实现对教师网络的场景自适应知识蒸馏;最后,引入基于结构重参数化的视觉变换器(RepViT)进一步降低模型的计算资源消耗。在MSRS和LLVIP数据集上与7种主流的深度学习融合算法进行了定性与定量的实验对比,所提融合方法能够在更低的计算资源消耗下,实现多个评价指标的提升,并在白天黑夜场景均能实现较好的融合视觉效果。

关键词：红外与可见光图像融合场景自适应知识蒸馏结构重参数化深度学习

来源：评论

学校读者我要写书评

暂无评论

遮挡情况下基于视觉误差补偿的室内可见光定位算法

引用

光通信技术 2025年第1期49卷 64-70页

作者：纪湘云江苏大学计算机科学与通信工程学院江苏镇江212013

为了解决因发光二极管(LED)图像捕获不完整而导致的定位精度不高的问题,提出一种基于视觉误差补偿的室内可见光定位算法。该算法由像素坐标拟合还原算法、循环坐标优化算法和补偿高度差的双灯定位算法组成,分别处理在不同遮挡条件下捕... 详细信息

为了解决因发光二极管(LED)图像捕获不完整而导致的定位精度不高的问题,提出一种基于视觉误差补偿的室内可见光定位算法。该算法由像素坐标拟合还原算法、循环坐标优化算法和补偿高度差的双灯定位算法组成,分别处理在不同遮挡条件下捕获的矩形灯具图像,降低图像噪声对定位结果的影响,提高屋顶倾斜情况下的定位精度。实验结果表明:与无遮挡条件下的定位精度相比,采用像素坐标拟合还原算法后的定位误差小于1.5 cm;循环坐标优化算法可以补偿图像噪声对定位影响,使得定位误差降低60%;补偿高度差的双灯定位算法使得平均定位误差降低65%。

关键词：可见光通信室内定位算法遮挡视觉定位双灯定位

来源：评论

学校读者我要写书评

暂无评论

全局与局部视觉信息协同优化的多标签缺失学习方法

引用

小型微型计算机系统 2025年第3期46卷 672-679页

作者：刘燕玲马忠臣江苏大学计算机科学与通信工程学院江苏镇江212013

实际图像通常包含不同类别的物体,所以人工标注出足够数量样本中的类别以满足模型训练的需求非常昂贵.因此,使用从互联网采集的大量带有缺失标签的样本来训练多标签学习模型成为当前机器学习领域的热门任务.当前的多标签缺失学习方法主... 详细信息

实际图像通常包含不同类别的物体,所以人工标注出足够数量样本中的类别以满足模型训练的需求非常昂贵.因此,使用从互联网采集的大量带有缺失标签的样本来训练多标签学习模型成为当前机器学习领域的热门任务.当前的多标签缺失学习方法主要依赖于预训练网络的记忆机制,从全局特征角度来纠正假负标签,但未从类别关联的显著性区域上有针对性地纠正假负标签.为此,本研究提出了一种全局与局部视觉信息协同优化的多标签缺失图像识别框架.首先,本文提出了一种局部注意区域定位方法,该方法基于类别显著性生成多样的局部区域.然后,提出了一种损失函数,该损失可在全局和局部视觉信息上协同纠正假负标签.综合实验结果表明,本研究提出的方法相较于当前最先进的算法具有更好的识别性能.

关键词：多标签学习深度学习缺失标签局部视觉信息

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：