检索结果-内蒙古大学图书馆

计算机学报 2021年第12期44卷 2542-2559页

作者：刘耿耿黄逸飞王鑫郭文忠陈国龙福州大学计算机与大数据学院福州350116 福建省网络计算与智能信息处理重点实验室福州350116 天津大学智能与计算学部天津300354 天津市认知计算与应用重点实验室天津300350

Steiner最小树是超大规模集成电路中布线阶段的最佳模型,进一步考虑能够有效防止信号失真的电压转换速率(Slew)约束这一个更为贴近实际芯片设计模型和更具线长优化能力的X结构,首次提出基于混合离散粒子群优化的Slew约束下X结构Steiner... 详细信息

Steiner最小树是超大规模集成电路中布线阶段的最佳模型,进一步考虑能够有效防止信号失真的电压转换速率(Slew)约束这一个更为贴近实际芯片设计模型和更具线长优化能力的X结构,首次提出基于混合离散粒子群优化的Slew约束下X结构Steiner最小树算法.首先,为了避免频繁的Slew约束计算,提出了高效的预处理策略,并且提出一种能够有效考虑Slew约束的针对性的惩罚机制.其次,为了能够有效求解该离散问题,基于遗传算子重新设计了粒子群优化算法的离散更新机制,并提出一种更适合遗传算子的引脚对编码方式.然后,为了进一步优化布线树的长度,提出一种有效的精炼策略.最终,提出一种混合修正策略以完全满足Slew约束.实验表明,所提算法可完全满足电压转换速率约束并取得同类工作中最佳的布线结果.

关键词：粒子群优化 Steiner树电压转换速率约束 X结构超大规模集成电路

来源：评论

学校读者我要写书评

暂无评论

集成学习在车险欺诈识别预测中的应用探讨

引用

科技视界 2024年第15期14卷 53-56页

作者：吴舒婕陈宇闽南师范大学数学与统计学院福建漳州363000 福建省粒计算及其应用重点实验室福建漳州363000 数字福建气象大数据研究所福建漳州363000 数据科学与统计重点实验室福建漳州363000

针对车险欺诈问题,文章提出了一种引入权重的Stacking融合模型对欺诈进行识别预测。对预处理后的车险欺诈数据集利用过滤法和嵌入法进行特征筛选,再采用SMOTE-Tomek Links相结合的采样方法平衡数据集。文章基于机器学习算法建立SVM、KN... 详细信息

针对车险欺诈问题,文章提出了一种引入权重的Stacking融合模型对欺诈进行识别预测。对预处理后的车险欺诈数据集利用过滤法和嵌入法进行特征筛选,再采用SMOTE-Tomek Links相结合的采样方法平衡数据集。文章基于机器学习算法建立SVM、KNN、随机森林和XGBoost模型,并以此为基模型,建立传统的Stacking融合模型、引入不同指标作为权重的Stacking融合模型。结果表明:以F_(1)加权的Stacking融合模型的Pre值为91.7300%,与其他指标进行加权的Stacking模型预测效果相比,以F_(1)加权的Stacking融合模型对车险欺诈行为具有较好的识别预测能力。

关键词：车险欺诈预测 SMOTE-Tomek Links采样 Stacking融合模型加权Stacking融合模型

来源：评论

学校读者我要写书评

暂无评论

区块链环境下用户身份匿名的量子委托计算协议

引用

电子科技大学学报 2022年第6期51卷 802-811页

作者：王育齐陈庚钱伟中闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000 电子科技大学信息与软件工程学院成都610054

在大数据背景下,数据安全与身份安全同等重要。其中,身份的盲性值得特别关注。为满足量子委托计算对数据与身份盲性的需求,提出一个在区块链环境下进行,能兼顾数据安全与身份安全的匿名量子委托计算协议。协议不依赖可信的第三方,用户... 详细信息

在大数据背景下,数据安全与身份安全同等重要。其中,身份的盲性值得特别关注。为满足量子委托计算对数据与身份盲性的需求,提出一个在区块链环境下进行,能兼顾数据安全与身份安全的匿名量子委托计算协议。协议不依赖可信的第三方,用户能够匿名地参与委托计算协议,无需展示身份信息就可以完成委托的发送与结果的接收。在发送计算委托时,Alice使用环形网络对身份进行混淆以隐藏发送方。Bob使用受控量子隐形传态安全且匿名地反馈委托计算结果。另外,协议引入区块链技术协助第三方Charlie对用户的支付进行匿名审批。协议使用到的区块链与量子技术基本已实现,因此协议具有较高的可行性。进一步提出了改进协议,用户可以通过比对多委托方的计算结果来实现委托计算结果的可验证。该文提出的协议是一个面向大数据环境的实用协议框架,具有很好的迁移性。

关键词：区块链身份安全量子委托计算量子隐形传态

来源：评论

学校读者我要写书评

暂无评论

基于标签关联性的分层分类共有与固有特征选择

引用

软件学报 2022年第7期33卷 2667-2682页

作者：林耀进白盛兴赵红李绍滋胡清华闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室(闽南师范大学) 福建漳州363000 厦门大学人工智能系福建厦门361005 天津大学智能与计算学部天津300072

在大数据时代,数据的样本数量、特征维度和类别数量都在急剧增加,且样本类别间通常存在着层次结构.如何对层次结构数据进行特征选择具有重要意义.近年来,已有相关特征选择算法提出,然而现有算法未充分利用类别的层次结构信息,且忽略了... 详细信息

在大数据时代,数据的样本数量、特征维度和类别数量都在急剧增加,且样本类别间通常存在着层次结构.如何对层次结构数据进行特征选择具有重要意义.近年来,已有相关特征选择算法提出,然而现有算法未充分利用类别的层次结构信息,且忽略了不同类节点具有共有与固有属性的特点.据此,提出了基于标签关联性的分层分类共有与固有特征选择算法.该算法利用递归正则化对层次结构的每个内部节点选择对应的固有特征,并充分利用层次结构分析标签关联性,进而利用正则化惩罚项学习各子树的共有特征.该模型不仅能够处理树结构层次化数据,也能直接处理更为复杂常见的有向无环图结构的层次化数据.在6个树结构数据集和4个有向无环图结构数据集上的实验结果,验证了该算法的有效性.

关键词：特征选择分层分类共有特征固有特征递归正则化

来源：评论

学校读者我要写书评

暂无评论

基于多头注意力时空图神经网络的交通流预测

引用

重庆交通大学学报（自然科学版） 2024年第9期43卷 78-85页

作者：肖琳陈洪超邹复民福建理工大学计算机科学与数学学院福建福州350118 福建省大数据挖掘与应用技术重点实验室福建福州350118 福建理工大学电子电气与物理学院福建福州350118

准确的交通预测对于智能交通系统(ITS)至关重要。然而,由于复杂的时间和空间依赖关系,现有的交通流预测方法未能有效捕获路网的时空特征,并且忽略了路网交通数据的相关性在空间维度和时间维度上表现出的较强动态性。为了进一步提高预测... 详细信息

准确的交通预测对于智能交通系统(ITS)至关重要。然而,由于复杂的时间和空间依赖关系,现有的交通流预测方法未能有效捕获路网的时空特征,并且忽略了路网交通数据的相关性在空间维度和时间维度上表现出的较强动态性。为了进一步提高预测精度,提出了一种基于多头注意力的时空图神经网络模型。首先,该模型构造了一个自适应图结构学习组件,该自适应图结构学习组件可以有效地捕获图结构的动态时空相关性。其次,该模型基于注意力机制分别设计了时间多头注意力模块和空间多头注意力模块,所设计的时空多头注意力模块可以有效地对路网的时空特征进行提取。最后,利用堆叠的时空卷积层对未来的交通状况进行预测。在开源数据集上的实验结果表明:该模型在时空特征提取以及长期预测方面表现优异,并且比基线方法取得了更精确的预测结果。

关键词：交通工程交通预测智能交通系统时空多头注意力图神经网络自适应图结构

来源：评论

学校读者我要写书评

暂无评论

局部加权邻域多粒度粗糙集

引用

模糊系统与数学 2022年第6期36卷 64-78页

作者：樊祥宁张燕兰闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000

为处理粒度质量不均衡型数据,加权多粒度粗糙集及加权平均多粒度决策粗糙集被先后提出,其拓宽了多粒度粗糙集的应用范围。然而,随着数据规模剧增,传统模型已无法满足实际需求。利用矩阵算法计算近似算子有利于提高计算效率,但其空间复... 详细信息

为处理粒度质量不均衡型数据,加权多粒度粗糙集及加权平均多粒度决策粗糙集被先后提出,其拓宽了多粒度粗糙集的应用范围。然而,随着数据规模剧增,传统模型已无法满足实际需求。利用矩阵算法计算近似算子有利于提高计算效率,但其空间复杂度相对较高。为此,本文提出局部加权邻域多粒度粗糙集模型,将局部粗糙集模型与矩阵理论相结合以降低矩阵算法的时间和空间复杂度。首先,给出局部加权邻域多粒度粗糙集模型的定义和性质;随后,设计出计算近似算子的矩阵算法。最后,通过实验在6个UCI数据集中验证局部算法比全局算法具有更高的时间效率。

关键词：局部粗糙集加权多粒度粗糙集邻域信息系统矩阵近似算子

来源：评论

学校读者我要写书评

暂无评论

基于ReliefF的层次分类在线流特征选择算法

引用

计算机应用 2022年第3期42卷 688-694页

作者：张小清王晨曦吕彦林耀进闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000

在图像标注、疾病诊断等实际分类任务中,数据标记空间的类别通常存在着层次化结构关系,且伴随着特征的高维性。许多层次特征选择算法因不同的实际任务需求而提出,但这些已有的特征选择算法忽略了特征空间的未知性和不确定性。针对上述问... 详细信息

在图像标注、疾病诊断等实际分类任务中,数据标记空间的类别通常存在着层次化结构关系,且伴随着特征的高维性。许多层次特征选择算法因不同的实际任务需求而提出,但这些已有的特征选择算法忽略了特征空间的未知性和不确定性。针对上述问题,提出一种基于ReliefF的面向层次分类学习的在线流特征选择算法OH_ReliefF。首先将类别之间的层次关系融入ReliefF算法中,定义一种新的面向层次化数据的特征权重计算算法HF_ReliefF;其次,利用特征对决策属性的划分能力动态选择重要特征;最后,基于特征之间的独立性对特征进行动态冗余分析。实验结果表明,与五种先进的在线流特征选择算法作对比,OH_ReliefF算法在K最邻近(KNN)分类器和拉格朗日支持向量机(LSVM)分类器的各个评价指标中都取得较优的结果,准确率最少提高7个百分点。

关键词：特征选择在线流特征选择层次分类 ReliefF算法兄弟策略

来源：评论

学校读者我要写书评

暂无评论

微通道内的液晶微流控技术及其应用

引用

液晶与显示 2025年第2期40卷 284-308页

作者：李世隆陈鹭剑厦门大学电子科学与技术学院电子工程系福建厦门361104 厦门大学福建省超快激光技术及应用重点实验室福建厦门361104 南方科技大学工学院电子与电气工程系广东深圳518055

液晶与微流控技术的结合开辟了新的研究与应用领域,不仅提升了对液晶在微尺度下行为的精确控制,也促进了新型光学器件、传感技术等多领域的创新。液晶材料的独特分子排列和光学特性拓展了微流控技术的应用,展现出丰富的物理现象与复杂... 详细信息

液晶与微流控技术的结合开辟了新的研究与应用领域,不仅提升了对液晶在微尺度下行为的精确控制,也促进了新型光学器件、传感技术等多领域的创新。液晶材料的独特分子排列和光学特性拓展了微流控技术的应用,展现出丰富的物理现象与复杂的流体行为。本文综述了液晶微流控技术的最新研究进展,重点介绍了几种常用液晶材料及其在微流控中的应用,分析了微通道表面功能化对液晶取向的影响以及液晶流动与分子取向的耦合作用。最后,本文总结了液晶微流控在光学元件、传感器和生物检测等领域的应用,并展望了未来的发展趋势和面临的挑战。

关键词：液晶微流控光学器件传感拓扑缺陷

来源：评论

学校读者我要写书评

暂无评论

直觉模糊向量β覆盖L粗糙集

引用

模糊系统与数学 2022年第6期36卷 26-39页

作者：林依婷马周明李进金闽南师范大学数学与统计学院福建漳州363000 数字福建气象大数据研究所福建漳州363000 福建省粒计算及其应用重点实验室福建漳州363000

直觉模糊覆盖粗糙集作为模糊粗糙集的一类推广,自提出以来就备受关注。为了更好的刻画直觉模糊环境中的目标概念,同时兼顾不同对象容错能力的差异性,本文提出了直觉模糊向量β覆盖L粗糙集,讨论了它们的相关性质、不确定性度量及其属性... 详细信息

直觉模糊覆盖粗糙集作为模糊粗糙集的一类推广,自提出以来就备受关注。为了更好的刻画直觉模糊环境中的目标概念,同时兼顾不同对象容错能力的差异性,本文提出了直觉模糊向量β覆盖L粗糙集,讨论了它们的相关性质、不确定性度量及其属性约简方法。首先研究了直觉模糊向量β覆盖及其邻域的相关特征。其次在直觉模糊β覆盖粗糙集的基础上给出了直觉模糊β覆盖L-1粗糙集,讨论了二者之间的联系。在直觉模糊向量β邻域的基础上,定义了直觉模糊向量β覆盖L-2粗糙集,探讨了其相关性质并讨论了它和其它模型之间的相关联系。最后研究了模型相关的直觉模糊粗糙性、相似性、辨识性度量等不确定性刻画方式,并给出相关属性约简算法。通过例子验证了模型的有效性与适用性。结论表明,就已有的直觉模糊β覆盖粗糙集而言,直觉模糊β覆盖L-1粗糙集与目标概念之间具有更高的相似性;直觉模糊向量β覆盖L-2粗糙集具有更好的适用性,并在一定的程度上具有更高的精确度。

关键词：直觉模糊集直觉模糊向量β覆盖直觉模糊粗糙集不确定性度量属性约简

来源：评论

学校读者我要写书评

暂无评论

一种基于深度学习的核酸结合蛋白多标签预测模型

引用

闽南师范大学学报（自然科学版） 2024年第1期37卷 40-53页

作者：魏志森邓城闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高校重点实验室福建漳州363000

核酸结合蛋白(nucleic acid-binding protein,NABP)包括DNA结合蛋白(DNA-binding protein,DBP)和RNA结合蛋白(RNA-binding protein,RBP),准确识别NABP有助于了解蛋白质的作用机制.为了解决NABP预测中的交叉预测问题,提出一种新的同时预测DBP和RBP的深度学习模型DeepDPRP,并采用多标签学习方法训练模型.利用双向长短期记忆网络从位置特异性得分矩阵中提取全局蛋白质序列特征,再用卷积神经网络从中捕捉更复杂的特征,同时结合基于结构模式的卷积模块以有效利用已发现的蛋白质结构特征.独立测试实验表明,DeepD‐PRP明显优于现有的核酸结合蛋白预测器,具有更高的性能和更低的交叉预测率.广泛的消融实验证明了该模型的有效性.

关键词：核酸结合蛋白预测卷积神经网络双向长短期记忆多标签学习

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：