检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2024年

作者：牛玉贞陈珊珊李悦洲刘文犀福州大学计算机与大数据学院

现有的图像美学评价方法通常依赖图像本身而忽略了用户评论中的丰富语义信息，因此在性能方面呈现一定的局限性. 一些研究尝试结合用户评论辅助进行图像美学评价，但未能充分挖掘图像特征，且未能较好地对图像-文本特征的复杂关系进... 详细信息

现有的图像美学评价方法通常依赖图像本身而忽略了用户评论中的丰富语义信息，因此在性能方面呈现一定的局限性. 一些研究尝试结合用户评论辅助进行图像美学评价，但未能充分挖掘图像特征，且未能较好地对图像-文本特征的复杂关系进行建模，导致图像-文本信息利用不充分且交互不够紧密. 为解决上述问题，提出一种融合场景特征的跨模态图像美学评价方法. 由于图像场景通常会影响人们对图像的美学评价，因此首先提取图像的场景特征和美学特征，并使用多尺度特征融合模块将两者深度融合; 考虑到图像-文本特征之间的内在相关性，使用多头交叉注意力机制在图像特征和文本特征之间进行交叉注意力计算，将图像-文本模态信息进行交互融合; 最后将融合后的跨模态特征用于美学评价. 在通用的大型图像美学评价数据集AVA上的广泛实验结果表明，所提方法在ACC， SRCC和PLCC指标上分别达到了86.96%， 0.852 3和0.864 8，超越了文中对比的跨模态图像美学评价方法.

关键词：图像美学评价跨模态学习场景特征多头交叉注意力机制多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

自适应分割的视频点云多模式帧间编码方法

引用

自动化学报 2023年第8期49卷 1707-1722页

作者：陈建廖燕俊王适郑明魁苏立超福州大学先进制造学院泉州362251 福州大学物理与信息工程学院福州350116 福州大学计算机与大数据学院/软件学院福州350116

基于视频的点云压缩(Video based point cloud compression, V-PCC)为压缩动态点云提供了高效的解决方案,但V-PCC从三维到二维的投影使得三维帧间运动的相关性被破坏,降低了帧间编码性能.针对这一问题,提出一种基于V-PCC改进的自适应分... 详细信息

基于视频的点云压缩(Video based point cloud compression, V-PCC)为压缩动态点云提供了高效的解决方案,但V-PCC从三维到二维的投影使得三维帧间运动的相关性被破坏,降低了帧间编码性能.针对这一问题,提出一种基于V-PCC改进的自适应分割的视频点云多模式帧间编码方法,并依此设计了一种新型动态点云帧间编码框架.首先,为实现更精准的块预测,提出区域自适应分割的块匹配方法以寻找最佳匹配块;其次,为进一步提高帧间编码性能,提出基于联合属性率失真优化(Rate distortion optimization, RDO)的多模式帧间编码方法,以更好地提高预测精度和降低码率消耗.实验结果表明,提出的改进算法相较于V-PCC实现了-22.57%的BD-BR (Bjontegaard delta bit rate)增益.该算法特别适用于视频监控和视频会议等帧间变化不大的动态点云场景.

关键词：点云压缩基于视频的点云压缩三维帧间编码点云分割率失真优化

来源：评论

学校读者我要写书评

暂无评论

基于特征记忆库的三维点云域自适应语义分割

引用

福建师范大学学报(自然科学版) 2025年第2期41卷 35-42页

作者：陈子宜叶锋福建师范大学计算机与网络空间安全学院福建福州350117 数字福建大数据安全技术研究所福建福州350117 福建省公共服务大数据挖掘与应用工程技术研究中心福建福州350117

由于城市车载激光点云应用场景的复杂性,导致基于深度学习的语义分割模型面临着目标语义层面的域迁移现象,通常需要重新训练完整模型才能处理新增的语义类别。然而城市车载激光点云通常包括极大量的点,重新训练语义分割模型会浪费大量... 详细信息

由于城市车载激光点云应用场景的复杂性,导致基于深度学习的语义分割模型面临着目标语义层面的域迁移现象,通常需要重新训练完整模型才能处理新增的语义类别。然而城市车载激光点云通常包括极大量的点,重新训练语义分割模型会浪费大量的资源。通过基于特征记忆库的城市车载激光点云域自适应语义分割方法,解决城市车载激光点云之间的目标语义域迁移现象,使得新增语义类别数据时,只需提取新增语义类别的特征,而无需重新训练完整的语义分割模型,得到的语义分割性能对比重新训练完整模型仅有较小的损失。

关键词：三维点云车载激光语义分割域自适应增量学习计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习的无信号灯路口决策研究

引用

计算机工程 2024年第5期50卷 91-99页

作者：傅明建郭福强福州大学计算机与大数据学院福建福州350108

无信号灯左转路口是自动驾驶场景中最为危险的场景之一,如何实现高效安全的左转决策是自动驾驶领域的重大难题。深度强化学习(DRL)算法在自动驾驶决策领域具有广阔应用前景。但是,深度强化学习在自动驾驶场景中存在样本效率低、奖励函... 详细信息

无信号灯左转路口是自动驾驶场景中最为危险的场景之一,如何实现高效安全的左转决策是自动驾驶领域的重大难题。深度强化学习(DRL)算法在自动驾驶决策领域具有广阔应用前景。但是,深度强化学习在自动驾驶场景中存在样本效率低、奖励函数设计困难等问题。提出一种基于专家先验的深度强化学习算法(CBAMBC SAC)来解决上述问题。首先,利用SMARTS仿真平台获得专家先验知识;然后,使用通道-空间注意力机制(CBAM)改进行为克隆(BC)方法,在专家先验知识的基础上预训练模仿专家策略;最后,使用模仿专家策略指导深度强化学习算法的学习过程,并在无信号灯路口左转决策中进行验证。实验结果表明,基于专家先验的DRL算法比传统的DRL算法更具优势,不仅可以免去人为设置奖励函数的工作量,而且可以显著提高样本效率从而获得更优性能。在无信号灯路口左转场景下,CBAM-BC SAC算法与传统DRL算法(SAC)、基于传统行为克隆的DRL算法(BC SAC)相比,平均通行成功率分别提高了14.2和2.2个百分点。

关键词：深度强化学习自动驾驶模仿学习行为克隆驾驶决策

来源：评论

学校读者我要写书评

暂无评论

基于可编程交换机的网内灰色故障检测技术研究进展

引用

电子学报 2024年第10期52卷 3613-3622页

作者：刘宏岩张栋吴春明浙江大学计算机科学与技术学院浙江杭州310063 福州大学计算机与大数据学院福建福州350108

灰色故障是指对生产网络产生细微影响的交换机故障.然而,当这些轻微故障相互叠加或与新增故障叠加时,可能会导致整个生产网络的瘫痪.因此,检测灰色故障对生产网络的稳定性至关重要.传统解决方案关注的是在控制平面收集数据平面交换机中... 详细信息

灰色故障是指对生产网络产生细微影响的交换机故障.然而,当这些轻微故障相互叠加或与新增故障叠加时,可能会导致整个生产网络的瘫痪.因此,检测灰色故障对生产网络的稳定性至关重要.传统解决方案关注的是在控制平面收集数据平面交换机中的流记录,并对其进行处理以检测灰色故障.然而,此类解决方案存在着不足:(1)缓存和处理大量的流记录会引入庞大的资源开销;(2)较高的检测时延无法保证灰色故障检测的时效性.近年来,可编程交换机的出现为灰色故障检测技术带来了新机遇:网络管理员可以将灰色故障检测算法部署运行至可编程交换机的线速ASIC流水线上,从而支持低开销、低时延、高精度的网内灰色故障检测技术.本文针对基于可编程交换机的网内灰色故障检测技术进行综述,在对灰色故障的概念、普遍性及对生产网络的危害进行描述的基础上,分析与讨论了现有基于可编程交换机的网内灰色故障检测技术的研究现状与进展,详细介绍每项技术的工作原理及流程,搭建真实的实验平台评估各项技术的检测指标,在文末指出了现有技术所面临的问题与挑战.

关键词：灰色故障检测可编程交换机网内计算网络测量数据报丢失数据中心网络

来源：评论

学校读者我要写书评

暂无评论

融合用户关系表示和信息传播拓扑特征的信息传播预测

引用

计算机科学与探索 2024年第10期18卷 2738-2749页

作者：吴运兵高航曾炜森阴爱英福州大学计算机与大数据学院福州350108 福州大学至诚学院计算机工程系福州350002

信息传播预测旨在分析信息传播网络或社交媒体中信息扩散的规律,以理解和预测信息的传播过程。现有工作主要关注用户群体关系中的社交关系和动态影响关系,忽略了群体关系中用户间相似性关系和个体关系中内在因素对用户转发信息的影响。... 详细信息

信息传播预测旨在分析信息传播网络或社交媒体中信息扩散的规律,以理解和预测信息的传播过程。现有工作主要关注用户群体关系中的社交关系和动态影响关系,忽略了群体关系中用户间相似性关系和个体关系中内在因素对用户转发信息的影响。为此,提出了融合用户关系表示和信息传播拓扑特征的信息传播预测模型,从群体关系和个体关系两个层面分析用户受信息影响的可能性。在群体关系层面,构建用户共现次数图来学习用户相似性关系表示,随后融合了用户关系表示和信息传播拓扑特征来更全面地捕捉群体关系;在个体关系层面,融合了用户个体特征表示和影响因素向量,以捕捉不同的内在因素对刺激用户转发信息h的影响。实验结果表明,该模型在两个公开数据集上性能均有提升,在Memetracker数据集上MAP@k和its@k评价指标分别平均提升了6.54%和2.75%。

关键词：信息传播预测拓扑结构相似性共同兴趣

来源：评论

学校读者我要写书评

暂无评论

基于大语言模型隐含语义增强的细粒度虚假新闻检测方法

引用

计算机研究与发展 2024年第5期61卷 1250-1260页

作者：柯婧谢哲勇徐童陈宇豪廖祥文陈恩红中国科学技术大学大数据学院合肥230026 中国科学技术大学计算机科学与技术学院合肥230027 福州大学计算机与大数据学院福州350108

随着生成式人工智能技术的发展,许多领域都得到了帮助与发展,但与此同时虚假信息的构建与传播变得更加简单,虚假信息的检测也随之难度增加.先前的工作主要聚焦于语法问题、内容煽动性等方面的特点,利用深度学习模型对虚假新闻内容进行建... 详细信息

随着生成式人工智能技术的发展,许多领域都得到了帮助与发展,但与此同时虚假信息的构建与传播变得更加简单,虚假信息的检测也随之难度增加.先前的工作主要聚焦于语法问题、内容煽动性等方面的特点,利用深度学习模型对虚假新闻内容进行建模.这样的方式不仅缺乏对内容本身的判断,还无法回溯模型的判别原因.针对上述问题提出一种基于大语言模型隐含语义增强的细粒度虚假新闻检测方法.该方法充分挖掘并利用了现有的生成式大语言模型所具有的总结与推理能力,按照主干事件、细粒度次要事件和隐含信息推理的顺序进行层级式推导,逐步判别新闻的真实性.通过分解任务的方式,该方法最大程度发挥了模型的能力,提高了对虚假新闻的捕获能力,同时该方法也具有一定的可解释性,能够为检测提供判别依据.

关键词：社交媒体虚假新闻检测大语言模型事件抽取知识增强

来源：评论

学校读者我要写书评

暂无评论

用于多跳阅读理解的双视图对比学习网络

引用

模式识别与人工智能 2023年第5期36卷 471-482页

作者：陈谨雯陈羽中福州大学计算机与大数据学院福州350108 福州大学福建省网络计算与智能信息处理重点实验室福州350108

多跳阅读理解是机器阅读理解的重要任务,旨在从多段文档中构造一条多跳推理链,以此结合多文档中证据回答问题.近年来,图神经网络广泛应用于多跳阅读理解任务,但仍存在多文档推理链的上下文互信息获取不充分、部分答案仅因为与题目相似... 详细信息

多跳阅读理解是机器阅读理解的重要任务,旨在从多段文档中构造一条多跳推理链,以此结合多文档中证据回答问题.近年来,图神经网络广泛应用于多跳阅读理解任务,但仍存在多文档推理链的上下文互信息获取不充分、部分答案仅因为与题目相似就被误判为候选答案而引入噪声的缺陷.针对上述问题,文中提出用于多跳阅读理解的双视图对比学习网络(Dual View Contrastive Learning Networks,DVCGN).首先,提出基于异构图的节点级正负样本对比学习方法,对异构图进行节点级损坏和特征级损坏,构造双视图.被损坏的两个视图经图注意力网络迭代后生成两个更新后的视图,DVCGN通过最大化双视图节点表示相似性学习节点表示,获取丰富的上下文语义信息,精确建模当前节点表示及其与推理链其余节点关系,有效辨别多粒度上下文信息及干扰信息,为推理链构造更丰富的互信息.然后,提出问题引导的图节点剪枝方法,充分利用问题信息筛选答案实体节点,缩小候选答案范围,减弱证据句子中相似性表述带来的噪声.在HOTPOTQA数据集上的实验表明,DVCGN的性能较优.

关键词：机器阅读理解多跳阅读理解异构图图注意力网络对比学习

来源：评论

学校读者我要写书评

暂无评论

基于语义传播与前/背景感知的图像语义分割网络

引用

模式识别与人工智能 2022年第1期35卷 71-81页

作者：刘漳辉占小路陈羽中福州大学计算机与大数据学院福州350116 福州大学福建省网络计算与智能信息处理重点实验室福州350116

虽然图像语义分割因其有助于更好地分析和理解图像而被广泛应用于多个领域,但是基于全卷积神经网络的模型在语义分割方面依然存在分辨率重构及如何利用上下文信息的问题.因此,文中提出基于语义传播与前/背景感知的图像语义分割网络.首先... 详细信息

虽然图像语义分割因其有助于更好地分析和理解图像而被广泛应用于多个领域,但是基于全卷积神经网络的模型在语义分割方面依然存在分辨率重构及如何利用上下文信息的问题.因此,文中提出基于语义传播与前/背景感知的图像语义分割网络.首先,提出联合语义传播上采样模块,提取高层特征的全局语义信息与局部语义信息,用于得到语义权重,将高层特征语义传播到低层特征,缩小两者之间的语义差距,再通过逐层上采样实现分辨率重构.此外,还提出金字塔前/背景感知模块,通过两个并行分支提取不同尺度前景特征与背景特征,建立前景与背景间的依赖关系,捕获多尺度的前/背景感知特征,增强前景特征的上下文表示.语义分割基准数据集上的实验表明,文中网络性能较优.

关键词：语义分割全卷积神经网络分辨率重构上下文信息

来源：评论

学校读者我要写书评

暂无评论

基于联邦增量学习的SDN环境下DDoS攻击检测模型

引用

计算机学报 2024年第12期47卷 2852-2866页

作者：刘延华方文昱郭文忠赵宝康黄维福州大学计算机与大数据学院福州350108 福州大学至诚学院福州350002 国防科技大学计算机学院长沙410073 大数据智能教育部工程研究中心福州350108 福建省网络计算与智能信息处理重点实验室(福州大学) 福州350108

SDN是一种被广泛应用的网络范式.面对DDoS攻击等网络安全威胁,在SDN中集成高效的DDoS攻击检测方法尤为重要.由于SDN集中控制的特性,集中式DDoS攻击检测方法在SDN环境中存在较高的安全风险,使得SDN的控制平面安全性受到了巨大挑战.此外,... 详细信息

SDN是一种被广泛应用的网络范式.面对DDoS攻击等网络安全威胁,在SDN中集成高效的DDoS攻击检测方法尤为重要.由于SDN集中控制的特性,集中式DDoS攻击检测方法在SDN环境中存在较高的安全风险,使得SDN的控制平面安全性受到了巨大挑战.此外,SDN环境中流量数据不断增加,导致复杂流量特征的更复杂化、不同实体之间严重的Non-IID分布等问题.这些问题对现有的基于联邦学习的检测模型准确性与鲁棒性的进一步提高造成严重阻碍.针对上述问题,本文提出了一种基于联邦增量学习的SDN环境下DDoS攻击检测模型.首先,为解决集中式DDoS攻击检测的安全风险与数据增量带来的Non-IID分布问题,本文提出了一种基于联邦增量学习的加权聚合算法,使用动态调整聚合权重的方式个性化适应不同子数据集增量情况,提高增量聚合效率.其次,针对SDN环境中复杂的流量特征,本文设计了一种基于LSTM的DDoS攻击检测方法,通过统计SDN环境中流量数据的时序特征,提取并学习数据的时序关特征的相关性,实现对流量特征数据的实时检测.最后,本文结合SDN集中管控特点,实现了SDN环境下的DDoS实时防御决策,根据DDoS攻击检测结果与网络实体信息,实现流规则实时下发,达到有效阻断DDoS攻击流量、保护拓扑重要实体并维护拓扑流量稳定的效果.本文将提出的模型在增量式DDoS攻击检测任务上与FedAvg、FA-FedAvg和FIL-IIoT三种方法进行性能对比实验.实验结果表明,本文提出方法相比于其他方法,在DDoS攻击检测准确率上提升5.06%~12.62%,F1-Score提升0.0565~0.1410.

关键词：联邦学习联邦增量学习网络安全 DDoS攻击检测软件定义网络

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：