检索结果-内蒙古大学图书馆

计算机应用 2025年第4期45卷 1069-1076页

作者：张李伟梁泉胡禹涛朱乔乐福建理工大学计算机科学与数学学院福州350118 福建省大数据挖掘与应用技术重点实验室(福建理工大学) 福州350118

注意力机制的引入使得主干网能够学习更具区分性的特征表示。然而,为了控制注意力的复杂度,传统的注意力机制采用的通道降维或减少通道数而增加批量大小的策略会导致过度减少通道数和损失重要特征信息的问题。为解决这一问题,提出通道... 详细信息

注意力机制的引入使得主干网能够学习更具区分性的特征表示。然而,为了控制注意力的复杂度,传统的注意力机制采用的通道降维或减少通道数而增加批量大小的策略会导致过度减少通道数和损失重要特征信息的问题。为解决这一问题,提出通道重洗注意力(CSA)模块。首先,利用分组卷积学习注意力权重,以控制CSA的复杂度;其次,通过传统通道重洗和深层通道重洗(DCS)方法,增强不同组间的通道特征信息交流;再次,使用逆通道重洗恢复注意力权重的顺序;最后,将恢复后的注意力权重与原始特征图相乘,以获得更具表达能力的特征图。实验结果表明,在CIFAR-100数据集上,与添加CA(Coordinate Attention)的ResNet50相比,添加CSA的ResNet50的参数量降低了2.3%,Top-1准确率提升了0.57个百分点;与添加EMA(Efficient Multi-scale Attention)的ResNet50相比,添加CSA的ResNet50的计算量降低了18.4%,Top-1准确率提升了0.27个百分点。在COCO2017数据集上,添加CSA的YOLOv5s比添加CA和EMA的YOLOv5s在平均精度均值(mAP@50)上分别提升了0.5和0.2个百分点。可见,CSA达到了参数量和计算量的平衡,并能够同时提升图像分类任务的准确率和目标检测任务的定位能力。

关键词：注意力机制分组卷积通道重洗图像分类目标检测

来源：评论

学校读者我要写书评

暂无评论

基于过程监督反馈的数据库原理及应用混合式教学

引用

计算机教育 2025年第4期 229-234页

作者：肖琳福建理工大学计算机科学与数学学院福建福州350118

针对混合式学习过程中存在教学理论与实践脱节、学习成效不佳等问题,分析混合式学习模式的特征和影响学习成效的因素,提出一种基于过程监督反馈的混合式教学模式,以数据库系统原理及应用课程为例介绍教学检验与改进,最后给出研究启示。

关键词：过程监督反馈混合式学习数据库教学模式

来源：评论

学校读者我要写书评

暂无评论

基于无证书群签名的车联网条件隐私保护认证方案

引用

计算机应用 2025年第5期 1556-1563页

作者：徐越端陈建伟朱恒亮福建师范大学计算机与网络空间安全学院福建省网络安全与密码技术重点实验室福建理工大学计算机科学与数学学院

车联网（VANET）提高了道路交通效率，但它面临的安全与隐私问题可能导致严重的交通事故，这使得对消息进行匿名认证成为必要；而且已有认证方案仍然不能很好地解决条件隐私保护、匿名认证和认证效率等问题。为此，提出一种基于无证书... 详细信息

车联网（VANET）提高了道路交通效率，但它面临的安全与隐私问题可能导致严重的交通事故，这使得对消息进行匿名认证成为必要；而且已有认证方案仍然不能很好地解决条件隐私保护、匿名认证和认证效率等问题。为此，提出一种基于无证书群签名的车联网条件隐私保护认证方案。首先，结合无证书公钥密码体制和ACJT群签名算法，提出基于无证书群签名的匿名认证方案。在该方案中，当群成员发生变化时，其他群成员不受影响且无须更新密钥；同时群签名生成和验证算法的计算量固定，不受群成员数量影响。此外，为防止车辆因身份匿名而做出恶意行为，方案实现了条件隐私保护，即当恶意行为发生时，可以追查相关车辆的身份并追究责任。安全分析证明该方案能够同时满足前向安全、不可伪造性、不可链接性等安全需求；性能实验结果表明该方案对比同类方案在认证效率上至少提高了31.63%，通信开销至少降低了33.12%。

关键词：车联网椭圆曲线无证书群签名匿名认证

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的锂电池电极质量预测分析

引用

科学与信息化 2025年第1期 114-116页

作者：孙世豪梁泉雷孟飞福建理工大学计算机科学与数学学院福建福州 350118

本研究目标是建立机器学习模型,预测锂电池电极的关键性能,解析制造参数与电极质量的关系.方法采用广义线性回归、随机森林等多种机器学习模型,基于67组工艺试验数据,预测电池容量、涂层密度等4项电极性能指标.结果表明,广义线性回归和... 详细信息

本研究目标是建立机器学习模型,预测锂电池电极的关键性能,解析制造参数与电极质量的关系.方法采用广义线性回归、随机森林等多种机器学习模型,基于67组工艺试验数据,预测电池容量、涂层密度等4项电极性能指标.结果表明,广义线性回归和随机森林模型预测效果最佳.通过模型解释,识别出影响不同电极质量指标的关键制造参数,为后续工艺优化提供参考.本研究证明了机器学习技术可以用于复杂锂电池工业过程的质量预测与分析.

关键词：锂电池电极机器学习质量预测参数优化

来源：评论

学校读者我要写书评

暂无评论

铈掺杂铝氢化钠脱氢性能的计算模拟

引用

原子与分子物理学报 2025年 33-42页

作者：仝小刚杨淑萍陇南师范学院数学与信息技术学院陕西理工大学数学与计算机科学学院

利用从头计算方法研究了稀土金属掺杂剂Ce对铝氢化钠（NaAlH4）纳米晶体脱氢性能的影响机理.结果表明,掺杂剂Ce主要影响其临近原子的电子结构,其周围氢原子的脱氢能显著降低,NaAlH4的脱氢性能得到很大改善.脱氢效果敏感依赖于Ce原子的... 详细信息

利用从头计算方法研究了稀土金属掺杂剂Ce对铝氢化钠（NaAlH4）纳米晶体脱氢性能的影响机理.结果表明,掺杂剂Ce主要影响其临近原子的电子结构,其周围氢原子的脱氢能显著降低,NaAlH4的脱氢性能得到很大改善.脱氢效果敏感依赖于Ce原子的掺杂方式.当Ce取代Na原子时,Ce主要与周围[AlH4]基团中的氢发生了相互作用,从而弱化了Al-H键的能量;当Ce取代Al时,脱氢性能的改进归因于[CeH4]基团中弱化的Ce-H键;而当Ce占据间隙位置时,Ce主要与临近的Al发生作用,导致[AlH4]基团的电子结构产生较大改变,有形成Ce-Al-H相的趋势. Ce-H及Ce-Al相互作用导致了Al-H键强度的减弱,这是引起Ce掺杂的NaAlH4纳米晶体脱氢性能增强的主要原因.

关键词：从头计算方法铝氢化钠脱氢能电子结构性质

来源：评论

学校读者我要写书评

暂无评论

基于视觉词袋与颜色矩的图像检索方法

引用

科学与信息化 2025年第2期 104-106页

作者：林勇强洪茂雄福建理工大学计算机科学与数学学院福建福州 350118

针对视觉词袋(Bag of words,BoW)图像检索模型中SIFT特征只提供局部梯度描述,其编码在图像中的其他鉴别信息仍然没有被利用,以及局部特征之间缺乏几何约束等问题,提出一种基于视觉词袋与颜色矩的图像检索方法.该方法在BoW模型基础上,通... 详细信息

针对视觉词袋(Bag of words,BoW)图像检索模型中SIFT特征只提供局部梯度描述,其编码在图像中的其他鉴别信息仍然没有被利用,以及局部特征之间缺乏几何约束等问题,提出一种基于视觉词袋与颜色矩的图像检索方法.该方法在BoW模型基础上,通过后期融合图像颜色矩特征增加图像的颜色信息,以及对得到的检索列表使用RANSAC算法来对查询图像与检索列表靠前的图像特征位置间拟合单应性增加位置信息.

关键词：图像检索视觉词袋特征融合颜色矩

来源：评论

学校读者我要写书评

暂无评论

基于DeepLab v3+的涂鸦式图像分割算法

引用

科学与信息化 2025年第2期 95-97页

作者：俞颖晖洪茂雄福建理工大学计算机科学与数学学院福建福州 350118

在现有的基于深度学习的交互式图像分割算法的研究中,主要以点击以及边界框的交互方式为主.本文在Deep GrabCut算法的基础上,选择DeepLab v3+作为模型的架构,并提出了"米"字形采样策略,经过大量的训练,最终生成的模型能够很... 详细信息

在现有的基于深度学习的交互式图像分割算法的研究中,主要以点击以及边界框的交互方式为主.本文在Deep GrabCut算法的基础上,选择DeepLab v3+作为模型的架构,并提出了"米"字形采样策略,经过大量的训练,最终生成的模型能够很好地适应涂鸦的交互方式.在分割精度上比原方法提升了5%以上,并有效地简化了用户交互要求,拓展了基于深度学习的交互式图像分割技术在涂鸦交互方式上的研究.

关键词：深度学习交互式图像分割 Deep GrabCut DeepLab v3+

来源：评论

学校读者我要写书评

暂无评论

多尺度特征交互的伪标签无监督域自适应行人重识别

引用

光电工程 2025年第1期52卷 53-66页

作者：刘仲民杨富君胡文瑾兰州理工大学电气工程与信息工程学院甘肃兰州730050 西北民族大学数学与计算机科学学院甘肃兰州730030

针对无监督域自适应行人重识别中存在的感受野不足、全局特征与局部特征联系不紧密等问题,提出了一种多尺度特征交互的无监督域自适应行人重识别方法。首先利用特征压缩注意力机制对图像特征进行压缩并输入到网络以增强丰富的局部信息... 详细信息

针对无监督域自适应行人重识别中存在的感受野不足、全局特征与局部特征联系不紧密等问题,提出了一种多尺度特征交互的无监督域自适应行人重识别方法。首先利用特征压缩注意力机制对图像特征进行压缩并输入到网络以增强丰富的局部信息。其次,设计了残差特征交互模块,通过特征交互的方式将全局信息编码到特征中,同时增大模型感受野,强化网络对行人特征信息的提取能力。最后,采用基于部分卷积的瓶颈层模块在部分输入通道上进行卷积运算以减少冗余计算,提高空间特征提取效率。实验结果显示,该方法在三个适应性数据集上mAP分别达到了82.9%、68.7%、26.6%,Rank-1分别达到了93.7%、82.7%、54.7%,Rank-5分别达到了97.4%、89.9%、67.5%。表明所提方法能够使行人特征得到更好的表达,识别精度得到提高。

关键词：行人重识别无监督域自适应特征压缩多尺度特征交互部分卷积

来源：评论

学校读者我要写书评

暂无评论

受限分布映射和伪异常校准引导下的时序异常检测

引用

计算机工程与应用 2025年第5期61卷 134-146页

作者：陈泽健李佐勇胡蓉樊好义福建理工大学计算机科学与数学学院福州350118 闽江学院计算机与控制工程学院福州350121 福建省信息处理与智能控制重点实验室福州350121 郑州大学计算机与人工智能学院郑州450001

时间序列异常检测旨在识别与正常行为显著不同的稀有模式或偏差。现有的研究侧重于设计更先进的网络架构或优化目标来尽可能准确地捕获数据的正常模式。然而,异常污染下的训练数据和异常信息的缺失会致使传统方法学习到的正态决策边界... 详细信息

时间序列异常检测旨在识别与正常行为显著不同的稀有模式或偏差。现有的研究侧重于设计更先进的网络架构或优化目标来尽可能准确地捕获数据的正常模式。然而,异常污染下的训练数据和异常信息的缺失会致使传统方法学习到的正态决策边界产生偏差,从而导致次优级的检测性能。提出一种受限分布映射和伪异常校准引导下的无监督异常检测方法。具体地,利用时间卷积网络提取输入数据特征。为了学习更精确的正态决策边界,从两个方面优化正态表征学习过程:第一,提出一种受限分布映射方法,通过特征归一化将训练数据的未知分布映射至高斯分布,并最小化正常数据与超球中心的单类距离,使数据在特征空间中更加紧凑;第二,提出一种伪异常校准机制,利用数据扰动操作从原始数据生成多种类型的伪异常数据,并通过区分正常数据和伪异常数据向模型注入异常知识,矫正决策边界。同时,通过最大化伪异常数据与超球中心的单类距离,扩大正常与异常数据之间的类可分离性。在测试阶段,通过测量输入数据与超球中心的单类距离来检测异常。在5个真实数据集上进行的大量实验表明,该方法实现了相比目前主流方法的更优性能,并且在不同程度的异常污染训练数据下具备更高的鲁棒性。

关键词：时间序列异常检测受限分布映射伪异常校准

来源：评论

学校读者我要写书评

暂无评论

碳税政策下的供应链微分博弈研究

引用

北京航空航天大学学报(社会科学版) 2025年第1期38卷 123-132页

作者：巢文钱晓涛福建理工大学管理学院福建福州350118 福建理工大学计算机科学与数学学院福建福州350118

在碳税政策下,假设消费者需求受上下游企业碳减排量和低碳宣传努力程度的共同影响,考虑产品碳减排量受上游制造商碳减排努力程度影响的动态变化,构建成本分担前后制造商和零售商长期联合减排与低碳宣传的两种Stackelberg微分博弈模型。... 详细信息

在碳税政策下,假设消费者需求受上下游企业碳减排量和低碳宣传努力程度的共同影响,考虑产品碳减排量受上游制造商碳减排努力程度影响的动态变化,构建成本分担前后制造商和零售商长期联合减排与低碳宣传的两种Stackelberg微分博弈模型。结果表明,与没有碳税相比,碳税政策的实施能够从长期角度提高产品的碳减排量和零售商的利润,但会降低制造商的利润;此外,当碳税税额与上下游企业边际利润满足一定条件时,成本分担契约能够进一步提高产品的碳减排量,实现上下游企业利润的Pareto改善,并拓宽碳税弹性空间。

关键词：碳税碳减排低碳宣传成本分担契约微分博弈

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：