检索结果-内蒙古大学图书馆

计算机科学 2021年第10期48卷 135-139页

作者：肖世龙吴迪唐超尘神显豪张德育沈阳理工大学沈阳110159 哈尔滨工程大学计算机科学与技术学院哈尔滨150001 西安电子科技大学通信工程学院西安710071 桂林理工大学广西嵌入式技术与智能系统重点实验室广西桂林541004 沈阳理工大学信息科学与工程学院沈阳110159

为了优化虚拟工业制造的控制策略,采用狼群优化的卷积神经网络算法进行虚拟工业制造控制研究。首先根据虚拟工业制造任务和资源数据,建立任务-资源列表,并结合单位矩阵对任务-资源列表进行稀疏化,形成虚拟制造单元;接着建立卷积神经网... 详细信息

为了优化虚拟工业制造的控制策略,采用狼群优化的卷积神经网络算法进行虚拟工业制造控制研究。首先根据虚拟工业制造任务和资源数据,建立任务-资源列表,并结合单位矩阵对任务-资源列表进行稀疏化,形成虚拟制造单元;接着建立卷积神经网络虚拟制造控制模型,并采用狼群算法对权重和偏置进行优化;最后以所有任务的平均制造时间为目标函数,对虚拟制造单元进行训练优化。船舶主机虚拟制造实验证明,相比于常用的控制算法,通过合理设置卷积核池化尺寸的狼群优化卷积神经网络算法能够获得平均制造时间的最优解。

关键词：虚拟工业制造狼群算法卷积神经网络虚拟制造单元平均制造时间

来源：评论

学校读者我要写书评

暂无评论

离群点检测算法的评价指标

引用

计算机应用 2020年第9期40卷 2622-2627页

作者：宁进陈雷霆罗子娟周川曾慧茹电子科技大学计算机科学与工程学院成都611731 数字媒体技术四川省重点实验室(电子科技大学) 成都611731 电子科技大学广东电子信息工程研究院广东东莞523808 中国电子科技集团公司第二十八研究所信息系统工程重点实验室南京210007

随着离群点检测技术的深入研究和广泛应用,越来越多的优秀算法被提出来,然而,现有的离群点检测技术的评价仍然沿用传统分类算法的测量指标,存在着评价指标单一、适应性差的问题。针对这些问题,提出了一类高真正率指标(HT_AUC)和二类低... 详细信息

随着离群点检测技术的深入研究和广泛应用,越来越多的优秀算法被提出来,然而,现有的离群点检测技术的评价仍然沿用传统分类算法的测量指标,存在着评价指标单一、适应性差的问题。针对这些问题,提出了一类高真正率指标(HT_AUC)和二类低假正率指标(LF_AUC)。首先,整理常用的离群点检测评价指标,分析其优缺点和适用场景;然后,在已有的曲线下面积(AUC)方法的基础上,分别针对高真正率(TPR)要求和低假正率(FPR)要求,提出了一类高真正率指标和二类低假正率指标,为离群点检测算法的效果评价和量化集成提供了更合适的指标。在真实数据集上的实验结果表明,与传统评价指标的相比,所提出的方法更能满足一类高真正率和二类低假正率要求。

关键词：离群点检测评价指标曲线下面积真正率假正率

来源：评论

学校读者我要写书评

暂无评论

双层差值扩展可逆数字水印算法

引用

计算机研究与发展 2019年第7期56卷 1498-1505页

作者：苏文桂沈玉龙王祥西安电子科技大学计算机科学与技术学院西安710071 广西制造系统与先进制造技术重点实验室(广西大学机械工程学院) 南宁530004 西安电子科技大学通信工程学院西安710071

传统的差值扩展可逆数字水印算法通过将图像相邻像素对的差值进行扩展来嵌入1 b水印,最大嵌入率为0.5 bpp.其不足之处在于低嵌入率和高嵌入失真.为提高嵌入率,差值扩展算法需进行多次嵌入,由于无法有效地利用像素间的相关性,从而带来较... 详细信息

传统的差值扩展可逆数字水印算法通过将图像相邻像素对的差值进行扩展来嵌入1 b水印,最大嵌入率为0.5 bpp.其不足之处在于低嵌入率和高嵌入失真.为提高嵌入率,差值扩展算法需进行多次嵌入,由于无法有效地利用像素间的相关性,从而带来较大的嵌入失真.为了提高嵌入性能提出一种新的双层差值扩展嵌入可逆数字水印算法,通过分析差值扩展对像素对的修改规律,对第1层嵌入和第2层嵌入分别采用不同的像素对构建方式,更好地利了像素的相关性,并进一步利用像素块的均值作为预测器优先选择平滑像素对用于嵌入,使得在超过0.5 bpp的嵌入率时仍可保持较高的峰值信噪比.仿真实验结果表明:所提出的算法在提高水印嵌入容量的同时可有效减少图像的失真.

关键词：差值扩展可逆水印信息隐藏双层嵌入法像素选择

来源：评论

学校读者我要写书评

暂无评论

一种能耗约束的多核系统任务调度算法

引用

电子科技大学学报 2019年第2期48卷 247-252页

作者：谢盈陈建英吴尽昭丁旭阳西南民族大学计算机系统国家民委重点实验室成都610041 西南民族大学计算机科学与技术学院成都610041 广西民族大学广西混杂计算与集成电路设计分析重点实验室南宁530006 电子科技大学计算机科学与工程学院成都611731

不同的任务调度算法将任务分配在不同的处理单元,会产生不同的能耗。在基于片上网络的多核系统中,将任务分摊到所有处理器核能提高系统利用率,但导致大量的簇间通信,增加数据传输能耗。本文在对系统能耗进行建模的基础上,提出一种能耗... 详细信息

不同的任务调度算法将任务分配在不同的处理单元,会产生不同的能耗。在基于片上网络的多核系统中,将任务分摊到所有处理器核能提高系统利用率,但导致大量的簇间通信,增加数据传输能耗。本文在对系统能耗进行建模的基础上,提出一种能耗约束的任务调度算法。该算法结合任务间依赖关系,动态计算任务分配时产生通信开销最小的簇和系统利用率最大的簇,通过计算在相应簇上产生的系统能耗,选择产生系统能耗小的分配方案以平衡系统利用率和簇间通信开销。仿真实验结果证明,算法在减少了簇间通信开销并提高系统利用率的同时,降低了系统能耗。

关键词：通信开销能耗约束片上网络系统利用率

来源：评论

学校读者我要写书评

暂无评论

采用相邻像素预测的可逆信息隐藏算法

引用

华侨大学学报（自然科学版） 2020年第2期41卷 223-229页

作者：李亚翔张显全俞春强唐振军广西师范大学计算机科学与信息工程学院广西桂林541004 广西师范大学广西多源信息挖掘与安全重点实验室广西桂林541004 桂林电子科技大学广西高校云计算与复杂系统重点实验室广西桂林541004

为了提高图像信息隐藏算法的信息嵌入容量和载密图像的保真度,提出一种采用相邻像素预测的可逆信息隐藏算法.构建局部线性预测模型,以待预测像素的3个相邻像素为目标像素,通过目标像素的相邻像素建立线性方程组,求解预测模型参数.应用... 详细信息

为了提高图像信息隐藏算法的信息嵌入容量和载密图像的保真度,提出一种采用相邻像素预测的可逆信息隐藏算法.构建局部线性预测模型,以待预测像素的3个相邻像素为目标像素,通过目标像素的相邻像素建立线性方程组,求解预测模型参数.应用预测模型进行预测,计算预测误差,绘制预测误差直方图,通过直方图平移实现可逆信息隐藏.实验结果表明:文中算法可通过较少的预测像素进行预测,比其他算法具有更高的预测精度和更大的信息嵌入容量.

关键词：可逆信息隐藏相邻像素预测误差局部线性预测

来源：评论

学校读者我要写书评

暂无评论

面向增量分类的多示例学习

面向增量分类的多示例学习

引用

第九届中国数据挖掘会议

作者：魏秀参徐书林安鹏杨健南京理工大学计算机科学与工程学院南京210094 综合业务网理论及关键技术国家重点实验室(西安电子科技大学) 西安710071 高维信息智能感知与系统教育部重点实验室(南京理工大学) 南京21009 南京理工大学计算机科学与工程学院南京210094 高维信息智能感知与系统教育部重点实验室(南京理工大学) 南京210094 社会安全图像与视频理解江苏省重点实验室(南京理工大学) 南京210094 中国海洋石油集团有限公司信息技术中心北京100010

近年来多示例学习(multi-instance 1earning,MIL)被广泛应用于复杂数据问题中,但现有的多示例学习算法往往在封闭静态环境中工作良好,其所处理的类别数量也恒定不变。然而在现实应用当中,常会有新的类别不断地加入到系统当中,例如科学... 详细信息

近年来多示例学习(multi-instance 1earning,MIL)被广泛应用于复杂数据问题中,但现有的多示例学习算法往往在封闭静态环境中工作良好,其所处理的类别数量也恒定不变。然而在现实应用当中,常会有新的类别不断地加入到系统当中,例如科学的发展中不断出现新的议题、社交媒体中不断出现新的话题。由于存储限制或保密协议等原因,旧数据可能随着时间的发展变得不可见,这使得直接学习新的类别时模型会忘记曾经学过的知识。增量学习则被用于解决上述问题。因此,在多示例学习设定下进行增量数据挖掘十分有意义,然而目前针对多示例学习下的增量数据挖掘的工作十分稀少。提出一个基于注意力机制和原型分类器映射的多示例增量数据挖掘方法,通过注意力机制选择性地将多示例包的示例汇合为统一的特征表示,然后为每个类别生成类别原型表示并存储下来。类别原型通过原型分类器映射模块得到无偏鲁棒的类别分类器,并通过上一个增量阶段生成的分类器的预测结果对新增量阶段生成的分类器的预测结果进行知识蒸馏,使得模型能够在多示例学习下以极低的存储很好地保留模型的旧知识。实验结果表明：提出的方法能够有效地进行面向增量分类的多示例学习。

关键词：多示例学习增量学习注意力机制知识蒸馏原型

来源：评论

学校读者我要写书评

暂无评论

混合智能管理系统理论与方法研究

引用

管理科学学报 2021年第8期24卷 10-17页

作者：张维曾大军李一军陈伟运王刊良陈国青苏竣黄丽华刘业政杨彦武乔红徐杨熊熊李林静郑晓龙张柱天津大学管理与经济学部天津300072 中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190 中国科学院大学北京100049 深圳人工智能与数据科学研究院(龙华) 深圳518129 哈尔滨工业大学经济与管理学院哈尔滨150001 华中科技大学管理学院武汉430074 中国人民大学商学院北京100872 清华大学经济管理学院北京100084 清华大学公共管理学院北京100084 复旦大学管理学院上海200«3 合肥工业大学管理学院合肥230009 中国科学院自动化研究所“类脑智能研究中心” 北京100190 中国科学院大学计算机与控制学院北京100049 电子科技大学计算机科学与工程学院成都611731

随着人工智能技术的飞速发展及其在诸多行业中广泛和深入的应用,人机混合智能系统逐渐涌现.以人机协同混合智能为特定管理目标的混合智能管理系统,正处于萌芽阶段,已逐渐受到学术界、政府部门和产业界的重视,相关研究对实施科技强国战... 详细信息

随着人工智能技术的飞速发展及其在诸多行业中广泛和深入的应用,人机混合智能系统逐渐涌现.以人机协同混合智能为特定管理目标的混合智能管理系统,正处于萌芽阶段,已逐渐受到学术界、政府部门和产业界的重视,相关研究对实施科技强国战略具有重要意义.结合国家自然科学基金委管理科学部“十四五”规划相关领域专家的前期讨论意见,本文凝练出该领域值得深入探索的五个研究方向,并给出了每个方向的典型科学问题示例.

关键词：机器行为人机协同混合智能

来源：评论

学校读者我要写书评

暂无评论

复杂条件下移动异构无线传感器网络覆盖算法

引用

传感器与微系统 2019年第12期38卷 124-127,132页

作者：李明胡江平重庆工商大学计算机科学与信息工程学院检测控制集成系统工程实验室重庆400067 电子科技大学自动化工程学院四川成都611731

针对给定部署区域在不同的子区域有不同的重要性、部署的移动传感器节点具有不同可靠性、寿命、能量和移动能力的复杂条件下节点部署优化问题,提出了一种改进的微分进化算法。该改进算法一方面根据进化过程中种群个体情况自适应的选择... 详细信息

针对给定部署区域在不同的子区域有不同的重要性、部署的移动传感器节点具有不同可靠性、寿命、能量和移动能力的复杂条件下节点部署优化问题,提出了一种改进的微分进化算法。该改进算法一方面根据进化过程中种群个体情况自适应的选择合适的变异策略和控制参数来提高算法的优化能力,另一方面通过与模拟退火算法结合增强其局部搜索能力。仿真结果显示:改进微分进化算法覆盖性能优于原始微分进化算法,证明了改进算法的有效性。

关键词：移动无线传感器网络异构网络微分进化算法覆盖控制

来源：评论

学校读者我要写书评

暂无评论

基于和声搜索算法的无线传感器网络容错部署方法

引用

传感器与微系统 2019年第11期38卷 50-53页

作者：李明胡江平重庆工商大学计算机科学与信息工程学院检测控制集成系统工程实验室重庆400067 电子科技大学自动化工程学院四川成都611731

针对在给定的具有不同部署代价的位置集合中、在保证监测目标被传感器节点多重覆盖以及部署传感器节点多重连通的条件下,对节点部署优化问题进行研究,提出了一种改进的和声搜索算法。利用学习自动机与环境的交互特性增强算法参数的自适... 详细信息

针对在给定的具有不同部署代价的位置集合中、在保证监测目标被传感器节点多重覆盖以及部署传感器节点多重连通的条件下,对节点部署优化问题进行研究,提出了一种改进的和声搜索算法。利用学习自动机与环境的交互特性增强算法参数的自适应性,增强算法的优化性能。仿真结果表明:相比于原始的和声搜索算法和提出的贪婪算法,在保证节点多重连通和目标被多重覆盖的条件下,改进算法部署代价最小,证明了改进算法的有效性。

关键词：无线传感器网络连通覆盖和声搜索算法学习自动机

来源：评论

学校读者我要写书评

暂无评论

排序学习研究进展与展望

引用

自动化学报 2018年第8期44卷 1345-1369页

作者：李金忠刘关俊闫春钢蒋昌俊井冈山大学电子与信息工程学院计算机科学与技术系吉安343009 电子科技大学网络与数据安全四川省重点实验室成都610054 同济大学电子与信息工程学院计算机科学与技术系上海201804 同济大学嵌入式系统与服务计算教育部重点实验室上海201804 同济大学上海市电子交易与信息服务协同创新中心上海201804

排序学习利用机器学习技术去训练排序模型以解决排序问题,是信息检索与机器学习交叉领域的一个新兴研究热点.越来越多的排序学习方法已经应用于实际系统中,如搜索引擎和推荐系统等.本文概括了排序学习的研究进展,并进行展望.首先,阐述... 详细信息

排序学习利用机器学习技术去训练排序模型以解决排序问题,是信息检索与机器学习交叉领域的一个新兴研究热点.越来越多的排序学习方法已经应用于实际系统中,如搜索引擎和推荐系统等.本文概括了排序学习的研究进展,并进行展望.首先,阐述了排序学习问题.然后,对排序学习方法进行了分类,并重点分析了依据训练排序模型时所采用的不同机器学习技术的排序学习方法类别.本文还介绍了一些代表性的标准排序学习数据集,对排序学习方法在若干领域的成功应用进行了总结,并归纳了一些排序学习方法软件包.最后,对排序学习的未来发展趋势和挑战进行了展望和探讨.

关键词：排序学习排序模型机器学习神经网络支持向量机树进化算法

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：