检索结果-内蒙古大学图书馆

福建师范大学学报(自然科学版) 2025年第1期41卷 1-10页

作者：王小军王兴林羽金彪熊金波福建师范大学计算机与网络空间安全学院福建福州350117 福建省大数据分析与应用工程研究中心福建福州350117

现有的交通流量预测模型通常基于时空图神经网络(GNN)提取交通流量数据的时空特征。然而,GNN通常基于路网连通性、路网中传感器之间的距离构建图结构,忽略了路段的拥塞信息。为了充分捕捉交通流量数据的动态时空依赖关系,提出一种基于... 详细信息

现有的交通流量预测模型通常基于时空图神经网络(GNN)提取交通流量数据的时空特征。然而,GNN通常基于路网连通性、路网中传感器之间的距离构建图结构,忽略了路段的拥塞信息。为了充分捕捉交通流量数据的动态时空依赖关系,提出一种基于时间感知注意力与拥塞驱动图卷积的交通流量预测模型TCGCN。在空间维度上,TCGCN利用两种衡量交通拥塞程度的度量指标构建图结构,挖掘路段之间的动态空间依赖关系,在时间维度上,TCGCN设计了一个时间门控因果卷积多头自注意力机制增强模型的时间感知能力和局部趋势感知能力。最后,在两个真实交通数据集上的实验结果表明,与最优基线模型相比,TCGCN在MAE、MAPE和RMSE这3评价指标上分别平均降低了5.22%、5.05%和2.90%。

关键词：交通流量预测交通拥塞注意力机制时空图神经网络

来源：评论

学校读者我要写书评

暂无评论

大邻域多约束无人机数据收集路径规划

引用

计算机科学与探索 2025年第1期19卷 158-168页

作者：潘淼鑫陈崇成福建师范大学计算机与网络空间安全学院福州350117 数字福建大数据安全技术研究所福州350117 福建省高校大数据分析与应用工程技术研究中心福州350117 福州大学地理空间信息技术国家地方联合工程研究中心福州350116

在公网受限的应急环境中,利用无人机辅助物联网能促进传感数据的及时传递。当考虑无线通信距离时,无人机作为移动收集器在有限续航时间内收集尽可能多的传感数据的路径规划可建模为足够近定向问题(CEOP)。现有求解CEOP的算法是逐个计算... 详细信息

在公网受限的应急环境中,利用无人机辅助物联网能促进传感数据的及时传递。当考虑无线通信距离时,无人机作为移动收集器在有限续航时间内收集尽可能多的传感数据的路径规划可建模为足够近定向问题(CEOP)。现有求解CEOP的算法是逐个计算目标节点的访问顺序及其邻域内的采集点,这在节点邻域较大并覆盖周围多个节点时效率低下,这些方法也没有考虑数据传输时间和无人机遥控距离等约束。为此,建立了大邻域多约束无人机数据收集路径规划的数学模型,提出了基于贪婪随机自适应搜索过程(GRASP)的GRASP-LN算法进行求解。该算法不重复计算重合的采集点,而是维护路径每个航点采集的节点集合,无人机在每个航点悬停一段时间以收集集合内节点的数据。公开的CEOP数据集的实验结果表明,GRASP-LN比GSOA、VNS和GRASP_(opt)具有更好的求解质量和更短的计算时间。与基线算法GRASP_(opt)相比,GRASP-LN的路径奖励平均提高了5.86%,最大提高了14.91%,执行时间平均减少了69%,特别在节点邻域平均覆盖4.67个以上节点时,GRASP-LN的路径奖励和稳定性均优于GRASP_(opt)。考虑数据传输时间和无人机遥控距离约束的实验验证了GRASP-LN算法对考虑这些约束的无人机数据收集路径规划问题的有效性。

关键词：无人机贪婪随机自适应搜索过程数据收集足够近定向问题路径规划物联网

来源：评论

学校读者我要写书评

暂无评论

图像矩在图像区域复制粘贴检测中的快速计算算法

引用

中国科学技术大学学报 2016年第9期46卷 743-748页

作者：赖玥聪黄添强林晶福建师范大学数学与计算机科学学院福建福州350007 福建师范大学大数据分析与应用福建省高校工程研究中心福建福州350007

在图像区域复制粘贴篡改检测中,特征提取是非常重要的一个步骤,而图像矩(如Zernike矩,圆谐-傅里叶矩和指数矩)是一种比较常见的特征向量.针对目前大多数检测算法在提取某些图像矩运行时间过长的问题,提出一种图像矩的快速算法.利用计算... 详细信息

在图像区域复制粘贴篡改检测中,特征提取是非常重要的一个步骤,而图像矩(如Zernike矩,圆谐-傅里叶矩和指数矩)是一种比较常见的特征向量.针对目前大多数检测算法在提取某些图像矩运行时间过长的问题,提出一种图像矩的快速算法.利用计算机仿真计算图像矩时,要把积分形式的表达式离散化,将积分转化为求和.在最终的计算图像矩的离散表达式中,可以将表达式分成固定值和像素值的乘积.将两部分分开计算,只计算固定值一次,像素值N_(um)次,然后得到它们的乘积.由此大大减少了计算的次数,从而大幅度降低了运行时间.只要图像的分辨率不变和计算的图像矩个数足够多,相比于经典的计算方法,图像矩的快速算法能极大的提高算法的运行效率.

关键词：图像矩快速算法区域复制粘贴图像取证

来源：评论

学校读者我要写书评

暂无评论

GenFedRL：面向深度强化学习智能体的联邦学习框架

引用

通信学报 2023年

作者：金彪李逸康姚志强陈瑜霖熊金波福建师范大学计算机与网络空间安全学院大数据分析与应用福建省高校工程研究中心

针对智能物联网中，搭载深度强化学习智能体的智能设备缺乏有效安全数据共享机制的现状，提出一种面向深度强化学习智能体的联邦强化学习框架GenFedRL。GenFedRL无需共享深度强化学习智能体的本地私有数据，而通过模型共享技术实现共同... 详细信息

针对智能物联网中，搭载深度强化学习智能体的智能设备缺乏有效安全数据共享机制的现状，提出一种面向深度强化学习智能体的联邦强化学习框架GenFedRL。GenFedRL无需共享深度强化学习智能体的本地私有数据，而通过模型共享技术实现共同训练，在保护各智能体私有数据隐私的同时，有效地利用其数据资源和计算资源。为应对现实通信状况的复杂性与满足加速训练的需要，为GenFedRL设计了基于同步并行的模型共享机制。同时，结合常见深度强化学习算法自身的模型结构特点，基于FedAvg算法设计了适用于单网络结构与多网络结构的通用联邦强化学习算法，进而实现了具有同种网络结构的智能体间的模型共享机制，更好地保护各类智能体的私有数据。仿真实验表明，即使在大部分数据节点无法参与训练的恶劣通信环境下，常见深度强化学习算法智能体在所提框架上仍表现出良好的性能。

关键词：智能物联网联邦学习联邦强化学习深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于动态环境衰减的粒子滤波室内定位算法

引用

计算机应用 2015年第9期35卷 2465-2469页

作者：李奕诺肖如良倪友聪苏小敏杜欣蔡声镇福建师范大学软件学院福州350117 大数据分析与应用福建省高校工程研究中心福州350117

针对精确的室内定位中节点受复杂环境的干扰带来因距离相同而位置不同的环境差异,造成定位精度不足和定位稳定性较差的问题,提出了一种新的动态环境衰减因子(DEAF)模型的算法。算法构造DEAF模型,且重新定义了其取值方式。在算法中,首先... 详细信息

针对精确的室内定位中节点受复杂环境的干扰带来因距离相同而位置不同的环境差异,造成定位精度不足和定位稳定性较差的问题,提出了一种新的动态环境衰减因子(DEAF)模型的算法。算法构造DEAF模型,且重新定义了其取值方式。在算法中,首先利用粒子滤波算法对接收到的信号强度(RSSI)进行平滑处理;然后利用DEAF模型计算目标节点的估计距离;最后用三边测量法求出目标节点的坐标。通过与几种常用的滤波模型进行对比实验,得出这种动态环境衰减模型结合粒子滤波的算法能很好地调和不同位置带来的环境噪声差异,算法使定位平均误差降到0.68 m左右,且在室内定位中有较高的定位精度和较好的稳定性。

关键词：动态环境衰减因素粒子滤波接收信号强度三边测量法室内定位

来源：评论

学校读者我要写书评

暂无评论

GenFedRL:面向深度强化学习智能体的通用联邦强化学习框架

引用

通信学报 2023年第6期44卷 183-197页

作者：金彪李逸康姚志强陈瑜霖熊金波福建师范大学计算机与网络空间安全学院福建福州350007 大数据分析与应用福建省高校工程研究中心福建福州350007

针对智能物联网中,搭载深度强化学习智能体的智能设备缺乏有效安全数据共享机制的问题,提出一种面向深度强化学习智能体的通用联邦强化学习(GenFedRL)框架。GenFedRL不需要共享深度强化学习智能体的本地私有数据,而通过模型共享技术实... 详细信息

针对智能物联网中,搭载深度强化学习智能体的智能设备缺乏有效安全数据共享机制的问题,提出一种面向深度强化学习智能体的通用联邦强化学习(GenFedRL)框架。GenFedRL不需要共享深度强化学习智能体的本地私有数据,而通过模型共享技术实现共同训练,在保护各智能体私有数据隐私的同时,有效地利用其数据资源和计算资源。为应对现实通信环境的复杂性与满足加速训练的需要,为GenFedRL设计了基于同步并行的模型共享机制。结合常见深度强化学习算法自身的模型结构特点,基于FedAvg算法设计了适用于单网络结构与多网络结构的通用联邦强化学习算法,进而实现了具有同种网络结构的智能体间的模型共享机制,更好地保护各类智能体的私有数据。仿真实验表明,即使在大部分数据节点无法参与训练的恶劣通信环境下,常见深度强化学习算法智能体在所提框架上仍表现出良好的性能。

关键词：智能物联网联邦学习联邦强化学习深度强化学习

来源：评论

学校读者我要写书评

暂无评论

采用局部强度顺序模式的图像复制—粘贴篡改检测算法

引用

通信学报 2016年第S1期37卷 132-139页

作者：林晶黄添强林玲鹏李小琛福建师范大学数学与计算机科学学院福建福州350007 福建师范大学软件学院福建福州350007 福建师范大学大数据分析与应用福建省高校工程研究中心福建福州350007

复制—粘贴篡改是一种最简单而且常见的图像篡改方式。为了提高目前复制—粘贴篡改检测算法的顽健性,提出一种基于局部强度顺序模式(LIOP,local intensity order pattern)的图像复制—粘贴篡改检测算法。首先,提取待测图像的LIOP特征描... 详细信息

复制—粘贴篡改是一种最简单而且常见的图像篡改方式。为了提高目前复制—粘贴篡改检测算法的顽健性,提出一种基于局部强度顺序模式(LIOP,local intensity order pattern)的图像复制—粘贴篡改检测算法。首先,提取待测图像的LIOP特征描述子,然后以特征描述子间的夹角余弦值作为相似性度量,根据最近邻与次近邻的比值阈值寻找稳定的匹配点,最后计算匹配点对间的空间距离以移除误匹配点。实验结果表明,所提算法能够有效检测并定位复制粘贴篡改位置,而且算法检测的准确率高,能够抵抗缩放、旋转、亮度变化以及高斯模糊、加性高斯白噪声、JPEG压缩等后期处理操作。

关键词：图像篡改检测复制—粘贴篡改特征描述局部强度顺序模式

来源：评论

学校读者我要写书评

暂无评论

一种基于后门技术的深度强化学习水印框架

引用

福建师范大学学报（自然科学版） 2024年第1期40卷 96-105页

作者：陈瑜霖姚志强金彪李璇蔡娟娟熊金波福建师范大学计算机与网络空间安全学院福建福州350117 福建省大数据分析与应用工程研究中心福建福州350117

深度强化学习(DRL)已经证明了它在各种复杂任务中的有效性,因其出色的性能使其商业化正在急剧加速。生成一个DRL模型需要大量的计算资源和专业知识,使得一个训练有素的DRL模型已经成为人工智能应用程序和产品的核心知识产权。基于对DRL... 详细信息

深度强化学习(DRL)已经证明了它在各种复杂任务中的有效性,因其出色的性能使其商业化正在急剧加速。生成一个DRL模型需要大量的计算资源和专业知识,使得一个训练有素的DRL模型已经成为人工智能应用程序和产品的核心知识产权。基于对DRL模型的产权保护,防止非法抄袭、未经授权的分发和复制,提出一种后门技术的DRL水印框架DrlWF,并使用一个全新的评价指标水印动作实现比例来衡量水印性能。通过向训练状态中添加水印,并使用带有水印的水印状态训练模型从而实现将水印嵌入至模型中。框架中的水印嵌入操作可以通过将水印嵌入到少量的训练数据中(仅需0.025%的训练数据)和不影响性能的奖励修改来实现。实验结果证明,在标准状态下,DRL模型仍具有良好的性能;在水印状态下,DRL模型性能将急剧下降,不足原有性能的1%,且水印动作执行比例达到了99%。通过急剧下降的性能以及模型对水印状态的动作表现,即可验证模型的所有权。此外,该水印具有良好的鲁棒性,在模型微调和模型压缩下,模型依然能够识别出水印,性能急剧下降且水印动作执行比例依旧达到了99%以上,证明了该DRL水印具有良好的鲁棒性。

关键词：深度强化学习知识产权保护后门攻击神经网络水印黑盒模型

来源：评论

学校读者我要写书评

暂无评论

采用指数矩的图像区域复制粘贴篡改检测

引用

中国图象图形学报 2015年第9期20卷 1212-1221页

作者：赖玥聪黄添强蒋仁祥福建师范大学数学与计算机科学学院福州350007 福建师范大学网络安全与密码技术福建省高校重点实验室福州350007 福建师范大学大数据分析与应用福建省高校工程研究中心福州350007 福建师范大学软件学院福州350007

目的图像区域复制粘贴篡改是目前众多图像篡改技术中一种简单而且常见的方式。针对目前大多数区域复制粘贴篡改检测算法鲁棒性不强,提出一种基于指数矩的图像篡改检测算法。方法首先将图像分成重叠的图像子块,然后提取每一图像子块的指... 详细信息

目的图像区域复制粘贴篡改是目前众多图像篡改技术中一种简单而且常见的方式。针对目前大多数区域复制粘贴篡改检测算法鲁棒性不强,提出一种基于指数矩的图像篡改检测算法。方法首先将图像分成重叠的图像子块,然后提取每一图像子块的指数矩作为特征向量进行字典排序,利用向量相似度和位移初步确定疑似图像子块,再根据疑似图像子块的相邻子块个数和角度方差去除误匹配块,得到最终篡改区域。结果该算法具有良好的鲁棒性,与采用圆谐-傅里叶矩的算法相比,在图像受到噪声干扰时,检测率平均提高26.66%,错误率平均降低33.77%。结论本文算法利用图像的指数矩,针对图像区域复制粘贴篡改操作,能有效检测出图像的篡改区域。检测图像在经过旋转、高斯模糊和添加噪声等后期处理时,算法依然有效。

关键词：图像取证区域复制粘贴指数矩字典排序

来源：评论

学校读者我要写书评

暂无评论

基于自适应提升的概率矩阵分解算法

引用

计算机应用 2015年第12期35卷 3497-3501页

作者：彭行雄肖如良张桂刚福建师范大学软件学院福州350117 大数据分析与应用福建省高校工程研究中心福州350117 中国科学院自动化研究所北京100190

针对推荐系统中概率矩阵分解模型(PMF)泛化能力(对新用户和物品的推荐性能)较差、预测准确性不高的问题,提出一种新的基于自适应提升的概率矩阵分解算法(AdaBoost PMF)。该算法首先为每个样本分配样本权重;然后根据PMF中的每一轮随机梯... 详细信息

针对推荐系统中概率矩阵分解模型(PMF)泛化能力(对新用户和物品的推荐性能)较差、预测准确性不高的问题,提出一种新的基于自适应提升的概率矩阵分解算法(AdaBoost PMF)。该算法首先为每个样本分配样本权重;然后根据PMF中的每一轮随机梯度下降法学习用户和物品特征向量,并计算总体预测误差均值和标准差。从全局的角度利用AdaBoost思想自适应调整样本权重,使算法更注重学习预测误差较大的样本;最后对预测误差分配样本权重,让用户和物品特征向量找到更合适的优化方向。相比传统的PMF算法,AdaBoost PMF算法能够将预测精度平均提高约2.5%。实验结果表明,该算法通过加权预测误差较大的样本,能够较好地拟合用户特征向量和物品特征向量,提高预测精度,可以有效地应用于研究个性化推荐。

关键词：推荐系统概率矩阵分解自适应提升模型融合评分预测

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：