检索结果-内蒙古大学图书馆

计算机工程与科学 2025年第05期 902-911页

作者：马汉达李腾飞江苏大学计算机科学与通信工程学院

针对目前推荐系统难以获得特征信息，缺乏有效的方法来表示特征信息的权重的问题，提出了一种基于注意力机制与特征融合的推荐模型FFADeepCF＿SPS。首先，针对特征表示不够充分的问题，使用因子分解机融合特征，将特征从一维扩展到高维... 详细信息

针对目前推荐系统难以获得特征信息，缺乏有效的方法来表示特征信息的权重的问题，提出了一种基于注意力机制与特征融合的推荐模型FFADeepCF＿SPS。首先，针对特征表示不够充分的问题，使用因子分解机融合特征，将特征从一维扩展到高维，从而获得特征的低阶表示，然后使用深度神经网络学习高阶特征，并通过一个全连接层将2种特征组合起来，以获得所需的特征表示；其次，针对单头注意力机制过度倾斜权重的问题，使用将输入切分成多个单头分别计算其注意力权重的多头注意力机制，再经由线性变换将各结果进行拼接，获得最终的输出；最后，结合上述2点构建了基于注意力机制与特征融合的推荐模型。为了验证模型的有效性，在4个公开数据集上与基线模型GMF、DeepCF＿SPS和CNN-BiLSTM进行了对比实验以及消融实验。实验结果表明，在不同规模的数据集上，所提模型与基线模型相比在MSE、RMSE、MAE评价指标上表现出的性能均更优。

关键词：注意力机制特征融合推荐模型评分预测

来源：评论

学校读者我要写书评

暂无评论

多标签零样本学习知识迁移集成分类方法

引用

小型微型计算机系统 2025年第5期 1097-1104页

作者：王广晨王宵马忠臣詹永照江苏大学计算机科学与通信工程学院

在多标签零样本学习中，防止模型对可见类别过拟合，提升对不可见类的泛化识别能力是一个显著的挑战.受集成学习具有良好泛化性的启发，本文提出了一种知识迁移集成分类头方法.该方法将单次训练过程分为多个周期，使识别特定类别的共享... 详细信息

在多标签零样本学习中，防止模型对可见类别过拟合，提升对不可见类的泛化识别能力是一个显著的挑战.受集成学习具有良好泛化性的启发，本文提出了一种知识迁移集成分类头方法.该方法将单次训练过程分为多个周期，使识别特定类别的共享知识从标准图像分类头的特征空间中解耦并分配至多个分类头中，而标准图像分类头的特征空间中识别可见类的基础知识得以保留，进而实现有效识别可见类别的同时，增强对不可见类别的泛化识别能力.该集成分类头可方便地移植到几乎所有的多标签零样本学习模型中，因而其与现有的多标签零样本学习模型的分类头正交，显示出高度的灵活性与鲁棒性.通过分析分类头对识别类别的置信度，揭示了对可见类过拟合的潜在原因，即现有多标签零样本学习方法的分类头受可见类的基础知识的影响，限制了共享知识的有效学习.本方法在两个大规模多标签零样本基准上进行了广泛性实验，证明了本方法的有效性.

关键词：多标签零样本学习知识迁移集成学习过拟合

来源：评论

学校读者我要写书评

暂无评论

一种基于部署价值的命名网内计算接入转发机制

引用

南京邮电大学学报(自然科学版) 2025年第2期 103-112页

作者：饶威勇朱轶江苏大学计算机科学与通信工程学院

现有的命名网内计算调用过程，针对数据不在用户侧的计算场景，默认采用数据优先调用规则向数据源转发，进而在回传路径上加载计算服务，而当回传路径计算资源有限时，网内节点会出现频繁置换计算服务而降低了计算资源利用率。针对这一... 详细信息

现有的命名网内计算调用过程，针对数据不在用户侧的计算场景，默认采用数据优先调用规则向数据源转发，进而在回传路径上加载计算服务，而当回传路径计算资源有限时，网内节点会出现频繁置换计算服务而降低了计算资源利用率。针对这一问题，提出一种基于部署价值的命名网内计算接入转发机制。该机制部署于接入路由器处，一方面通过命名架构下的兴趣包-数据包交互机制获取网内节点的资源信息；另一方面提出服务部署价值的概念，用以表征网内节点消耗CPU资源部署服务所能获得的流量处理能力，进而在接入路由器处动态决策实施数据优先转发或计算优先转发。仿真结果表明，与单一的数据优先调用机制相比，所提出机制能够显著降低计算服务在网内节点的置换次数，在有效提升网内节点资源利用率的同时，降低用户服务请求时延，提高用户的服务调用体验。

关键词：命名网内计算部署价值服务置换计算优先转发数据优先转发

来源：评论

学校读者我要写书评

暂无评论

一种基于幅度谱约束的语音可懂度增强算法

引用

计算机与数字工程 2025年第1期53卷 39-44页

作者：赵艳磊辛凯江苏航空职业技术学院镇江212003 江苏大学计算机科学与通信工程学院镇江212003

语音交流是重要的人机交互方式,然而现实生活中噪声干扰影响接收到的语音信号综合质量。因此对受到噪声污染的带噪语音进行处理,以尽可能地恢复出原始纯净语音信号、保证语音通信效果。论文围绕基于语音幅度谱约束的语音可懂度增强问题... 详细信息

语音交流是重要的人机交互方式,然而现实生活中噪声干扰影响接收到的语音信号综合质量。因此对受到噪声污染的带噪语音进行处理,以尽可能地恢复出原始纯净语音信号、保证语音通信效果。论文围绕基于语音幅度谱约束的语音可懂度增强问题开展了研究和分析。首先,给出语音幅度谱Ⅰ+Ⅱ约束算法的推导过程以及该算法提升语音可懂度的设计思路。其次,围绕Ⅰ+Ⅱ约束算法需要纯净语音信号的先验信息,无法在实际中得到应用的问题,将语音幅度平方谱估计理论与Ⅰ+Ⅱ约束算法相融合提出了两个可实际应用的语音可懂度增强算法。最后,采用多种噪声环境及语音和噪声数据对提出算法的性能进行了仿真验证,有效说明了提出算法在提升带噪语音可懂度等方面的优良性能。

关键词：语音增强语音可懂度幅度平方谱估计幅度谱约束

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

基于改进YOLOv8的凝视雷达小目标检测算法

引用

信号处理 2025年第5期 853-866页

作者：周昶雯宋强张月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

小目标检测在低空飞行器管理、环境监测、边境安防等场景中发挥着至关重要的作用，是保障低空空间安全和推动低空经济发展的关键技术之一。现有的雷达目标检测算法在处理“低慢小”目标时，往往受到目标尺寸、信噪比（Signal-to-Noise R... 详细信息

小目标检测在低空飞行器管理、环境监测、边境安防等场景中发挥着至关重要的作用，是保障低空空间安全和推动低空经济发展的关键技术之一。现有的雷达目标检测算法在处理“低慢小”目标时，往往受到目标尺寸、信噪比（Signal-to-Noise Ratio,SNR）以及背景杂波等因素的限制，导致检测效果不佳。针对上述问题，本文提出将雷达距离-多普勒（Range-Doppler,RD）平面图输入改进后的YOLOv8模型，并结合实际雷达数据进行验证，实现了小目标检测性能的提升。本文利用全息凝视雷达采集了实测数据并进行数据标注和数据集制备。在模型设计方面，本文引入了高效通道注意力（Efficient Channel Attention, ECA）机制。ECA机制通过使用一维卷积代替传统的全连接层，在不增加额外参数量的前提下，有效地捕获了通道间的依赖关系。这种改进能够增强网络在不同通道上的特征选择能力，从而能够对小目标进行准确检测。同时，本文在模型中增加了小目标检测层，该检测层通过调整特征图的分辨率，使得模型能够对更小的目标进行特征提取和识别，从而弥补了常规检测网络对小目标处理能力不足的问题。此外，本文在实验部分选取了多种模型进行对比。实验结果表明，本文提出的改进模型在多个评价指标上均优于其他模型。与基准YOLOv8n相比，改进模型的精度提升了2.3%,mAP@0.5提升了1.9%,mAP@0.5-0.95提升了3.5%。总体来看，本文提出的模型在精度、召回率及mAP@0.5等指标上均表现出最佳的检测效果，验证了所提方法在雷达小目标检测中的有效性。

关键词：全息凝视雷达雷达小目标检测 YOLOv8 ECA注意力机制小目标检测层

来源：评论

学校读者我要写书评

暂无评论

新时代加强研究生“导辅”协同育人的路径研究

引用

北京科技大学学报(社会科学版) 2025年第2期41卷 43-49页

作者：陈雷王锦程郭启航北京科技大学数理学院北京100083 北京科技大学计算机与通信工程学院北京100083

研究生教育承载着为国家和社会培育高级人才、强化人才支撑的重任,需要不断加强研究生人才培养的质量,“导辅”协同育人作为当前增进研究生培养质量的重要手段,在当下的研究生教育中发挥着重要作用。然而,这一模式仍存在着一些需要加强... 详细信息

研究生教育承载着为国家和社会培育高级人才、强化人才支撑的重任,需要不断加强研究生人才培养的质量,“导辅”协同育人作为当前增进研究生培养质量的重要手段,在当下的研究生教育中发挥着重要作用。然而,这一模式仍存在着一些需要加强的地方,这些不足制约着研究生个人的全面发展,影响了研究生教育的质量和效果的进一步提升,需要加以改进。文章对此进行了分析并提出了一些改进对策,以期全面发挥“导辅”协同这一育人模式的价值和效用,助力我国研究生培养事业。

关键词： “导辅”协同育人研究生教育新时代

来源：评论

学校读者我要写书评

暂无评论

改进Simon32/64和Simeck32/64神经网络差分区分器

引用

信息网络安全 2025年第2期 249-259页

作者：武浩莹陈杰刘君西安电子科技大学通信工程学院西安710071 河南省网络密码技术重点实验室郑州450001 陕西师范大学计算机科学学院西安710119

神经网络差分区分器具备良好的泛化能力和强大的学习能力,但目前仍缺乏完善且具有普适性的神经网络差分区分模型。为提升Simon32/64和Simeck32/64神经网络差分区分器的准确率和普适性,文章提出3个改进方向。首先,采用多密文对作为Simon3... 详细信息

神经网络差分区分器具备良好的泛化能力和强大的学习能力,但目前仍缺乏完善且具有普适性的神经网络差分区分模型。为提升Simon32/64和Simeck32/64神经网络差分区分器的准确率和普适性,文章提出3个改进方向。首先,采用多密文对作为Simon32/64和Simeck32/64的输入,并将Inception网络模块引入神经网络模型,以改善过拟合现象。然后,将Simon32/64和Simeck32/64倒数第二轮的差分信息加入多密文对输入样本中,构造7~10轮和7~11轮神经网络差分区分器。最后,将多密文对与多面体差分结合,根据Simon32/64和Simeck32/64两种密码构造改进多面体差分区分器,提高已有多面体神经网络差分区分器的准确率。实验结果表明,8轮Simon32/64和Simeck32/64新型多面体神经网络差分区分器的准确率分别达到99.54%和99.67%。此外,利用10轮神经网络差分区分器对12轮Simon32/64和Simeck32/64开展最后一轮子密钥恢复攻击,在100次攻击实验中,攻击成功率分别达到86%和97%。

关键词：深度学习 Inception模块多密文对多面体差分密钥恢复攻击

来源：评论

学校读者我要写书评

暂无评论

深度强化学习及其在工业场景的应用与展望

引用

工程科学学报 2025年第4期47卷 768-779页

作者：谭靖杨利刚李潇睿袁兆麟崔允端姚超王宗杰班晓娟北京科技大学计算机与通信工程学院北京100083 北京科技大学北京材料基因工程高精尖创新中心北京100083 北京科技大学材料领域知识工程北京市重点实验室北京100083 北京科技大学土木与资源工程学院北京100083 北京科技大学智能科学与技术学院北京100083 中国科学院深圳先进技术研究院深圳518055 辽宁材料实验室材料智能技术研究所沈阳110004

工业控制系统(Industrial control systems,ICS)在现代工业生产中发挥关键作用,负责监控和控制工业过程,确保高效、安全和稳定的生产.随着工业4.0和智能制造的发展,传统工业控制方法难以应对日益复杂且动态变化的生产环境.深度强化学习(... 详细信息

工业控制系统(Industrial control systems,ICS)在现代工业生产中发挥关键作用,负责监控和控制工业过程,确保高效、安全和稳定的生产.随着工业4.0和智能制造的发展,传统工业控制方法难以应对日益复杂且动态变化的生产环境.深度强化学习(Deep reinforcement learning,DRL)结合了深度学习与强化学习的优势,在工业智能控制领域展现出巨大潜力.本文综述了DRL在工业智能控制中的应用现状和研究进展.首先介绍了DRL的基本原理及相关算法,并简述工业控制的背景,分析智能控制的应用需求与现存挑战.随后,详细综述了DRL在工业领域的应用,并对当前研究进行了总结,最后对未来研究方向提出了展望.

关键词：深度强化学习在线强化学习离线强化学习工业控制系统智能控制

来源：评论

学校读者我要写书评

暂无评论

基于OBE的教学大纲编制理论框架与实践应用研究

引用

北京科技大学学报(社会科学版) 2025年第2期41卷 57-64页

作者：冀燕丽罗熊陈建北京科技大学教务处北京100083 北京科技大学计算机与通信工程学院北京100083

文章探讨了如何基于成果导向教学(Outcome-Based Education,OBE)理念编制教学大纲,以提升本科教育质量。首先通过对高等教育在国家发展中重要性的探讨,指出专业建设、课程建设和教学大纲是提升本科教育质量的关键。文章详细介绍了OBE理... 详细信息

文章探讨了如何基于成果导向教学(Outcome-Based Education,OBE)理念编制教学大纲,以提升本科教育质量。首先通过对高等教育在国家发展中重要性的探讨,指出专业建设、课程建设和教学大纲是提升本科教育质量的关键。文章详细介绍了OBE理念的起源、发展和核心原则,并提出了基于OBE的教学大纲编制应遵循的六个步骤,即教学需求分析、教学目标设定、教学内容选择、教学策略设计、评价体系设计和教学大纲的持续改进。通过案例分析,文章展示了如何将OBE理念应用于具体课程的教学大纲编制中,以及如何通过这一过程实现学生的全面发展和毕业要求。文章最后强调了OBE在教学大纲编制管理中的重要性,提出需要综合考虑教育目标、学生需求等因素,以实现教育质量的提升。

关键词：成果导向教学教学大纲编制理论框架实践应用

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：