检索结果-内蒙古大学图书馆

计算机工程 2009年第8期35卷 158-160页

作者：席菁胡平陆建德苏州大学计算机学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

P2P系统匿名、动态的特点使得它成为各种自私和恶意行为的温床。为了解决因P2P的高度动态特性而引起的节点欺骗问题,基于概率模型和模糊数学的基本思想,构建一个P2P安全信任模型——BGTR,实验证明,通过建立BGTR模型,P2P网络可以获得更... 详细信息

P2P系统匿名、动态的特点使得它成为各种自私和恶意行为的温床。为了解决因P2P的高度动态特性而引起的节点欺骗问题,基于概率模型和模糊数学的基本思想,构建一个P2P安全信任模型——BGTR,实验证明,通过建立BGTR模型,P2P网络可以获得更高的安全性,能够较好地解决冒名、协同作弊以及"搭车行为"

关键词：不确定性贝叶斯网络全局信任值

来源：评论

学校读者我要写书评

暂无评论

基于信任和推荐的P2P信誉模型

引用

计算机工程 2009年第4期35卷 143-145页

作者：席菁王源陆建德苏州大学计算机学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

分析现有信誉模型,提出一种使用信任机制和推荐机制的P2P信誉模型,利用决策树思想优化该模型。给出一种在分布式P2P系统中存取全局信任值的方法,解决了单点失效问题。实验结果表明,该模型对信任值的估算准确度以及判别虚假节点的能力高... 详细信息

分析现有信誉模型,提出一种使用信任机制和推荐机制的P2P信誉模型,利用决策树思想优化该模型。给出一种在分布式P2P系统中存取全局信任值的方法,解决了单点失效问题。实验结果表明,该模型对信任值的估算准确度以及判别虚假节点的能力高于现有模型。

关键词：对等网信誉模型信任值推荐

来源：评论

学校读者我要写书评

暂无评论

IKEv2远程接入配置机制的改进与实现

引用

计算机工程 2008年第18期34卷 113-116页

作者：徐家燕周晓东陆建德苏州大学计算机学院苏州215006 江苏省计算机信息处理技术重点实验室苏州215006

传统远程接入配置机制存在交互时间长、安全性不强、访问控制难、远程接入服务器负担重等缺陷。该文在最新的IKEv2的基础上,将CP载荷与DHCP机制有效结合,实现远程接入用户的自动配置。实验表明,该机制提高了远程接入效率和安全性,增加... 详细信息

传统远程接入配置机制存在交互时间长、安全性不强、访问控制难、远程接入服务器负担重等缺陷。该文在最新的IKEv2的基础上,将CP载荷与DHCP机制有效结合,实现远程接入用户的自动配置。实验表明,该机制提高了远程接入效率和安全性,增加对用户身份的识别以及基于用户组的分配策略,为进一步的访问控制提供了便利。

关键词： IPSec协议远程接入 VPN网络配置机制 IKEv2协议

来源：评论

学校读者我要写书评

暂无评论

基于位平面熵及分布熵的图像检索

引用

系统工程与电子技术 2009年第3期31卷 719-722页

作者：孙君顶毋小省河南理工大学计算机科学与技术学院河南焦作454000 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

针对基于位平面熵进行图像检索存在的问题,提出了位平面熵的改进方法。该算法采用改进的位平面熵来消除熵的对称性对检索效果造成的影响。提出采用位平面分布熵来描述位平面的空间特征,解决了仅依靠位平面熵检索效率低的问题。结合位平... 详细信息

针对基于位平面熵进行图像检索存在的问题,提出了位平面熵的改进方法。该算法采用改进的位平面熵来消除熵的对称性对检索效果造成的影响。提出采用位平面分布熵来描述位平面的空间特征,解决了仅依靠位平面熵检索效率低的问题。结合位平面熵及位平面分布熵,给出了图像间的相似性度量准则。仿真实验证明,该算法无论在检索率、精确度还是平均正确率上都具有更好的检索效果。

关键词：图像检索位平面位平面熵位平面分布熵

来源：评论

学校读者我要写书评

暂无评论

增强分子拓扑信息的多任务图神经网络算法

引用

计算机工程与应用 2023年第10期59卷 86-93页

作者：蒋晔路权丽君吴庭芳吕强苏州大学计算机科学与技术学院江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006

以分子毒性为代表的分子属性预测在以药物设计为主的多个领域的发展中发挥着重要作用,但直接利用分子结构信息快速且准确地预测分子毒性一直是一个挑战。目前,卷积网络和图网络等深度学习方法的出现在这个问题的解决上得到了一定的进展... 详细信息

以分子毒性为代表的分子属性预测在以药物设计为主的多个领域的发展中发挥着重要作用,但直接利用分子结构信息快速且准确地预测分子毒性一直是一个挑战。目前,卷积网络和图网络等深度学习方法的出现在这个问题的解决上得到了一定的进展。而以图网络为主的深度学习方法在分子毒性预测中存在两个关键问题,影响预测性能:第一,数据驱动使得模型在面对小批量数据时依然没有可靠的性能。第二,建模分子结构只考虑了天然共价键,只能提供粗粒度的信息。为解决上述问题,给出了一种对分子结构的新型建模方式MT-ToxGNN。该方法将多任务的思想融入图神经网络中,使得不同任务在训练时可以互相学习不同数据的可靠分布,从而避免在小批量数据上的过拟合问题。将分子编码成拓扑图结构时同时考虑分子内共价键以及非共价作用,就是在使用分子共价键构建传统图的边集之后,再使用非共价作用构建新型图的边集,从而弥补传统图网络对分子结构信息表示的不足。使用特别设计的图网络分别处理分子的共价与非共价信息,充分学习不同的分子结构。在与大量先进方法的性能比较中,MT-ToxGNN在多个分子毒性数据集上皮尔森系数指标达到了最佳。

关键词：分子毒性预测分子结构建模图神经网络多任务深层网络

来源：评论

学校读者我要写书评

暂无评论

灰度差能量函数引导的图像分割自适应C-V模型

引用

模式识别与人工智能 2015年第3期28卷 214-222页

作者：王相海王金玲方玲玲辽宁师范大学计算机与信息技术学院大连116081 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

作为几何活动轮廓模型(GACM)的一个标志性模型,C-V模型在图像分割应用中因具有对目标遮挡和边缘噪声的鲁棒性而受到关注.然而该模型通常不能较好地处理复杂的异质图像,并且有对演化曲线的初始位置较为敏感和计算复杂度高等弱点.依据演... 详细信息

作为几何活动轮廓模型(GACM)的一个标志性模型,C-V模型在图像分割应用中因具有对目标遮挡和边缘噪声的鲁棒性而受到关注.然而该模型通常不能较好地处理复杂的异质图像,并且有对演化曲线的初始位置较为敏感和计算复杂度高等弱点.依据演化曲线内、外区域平均灰度值差的绝对值越大,演化曲线越靠近准确目标边缘的特性,提出一种基于灰度差能量函数引导的图像分割自适应C-V模型.该模型通过构造基于轮廓曲线内、外区域平均灰度差引导函数自适应地调整演化曲线的运动趋势,使得曲线演化可在一个有效的"窄带"范围内进行,保证轮廓曲线内、外部区域灰度计算的局部均一性,增强对目标细节信息的捕捉能力,同时也在一定程度上提高模型的计算速度和对轮廓曲线初始位置的适应性.大量的仿真实验验证该模型的有效性.

关键词： C—V活动轮廓模型灰度差能量引导函数图像分割轮廓曲线

来源：评论

学校读者我要写书评

暂无评论

可再生Hash链对SEAD协议的安全性改进

引用

北京邮电大学学报 2013年第4期36卷 99-103页

作者：黄海平吴万烽王汝传李玲娟南京邮电大学计算机学院南京210003 江苏省无线传感网高技术研究重点实验室南京210003 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006

采用可再生散列(Hash)密钥链机制增强无线自组织(Ad hoc)网络中安全有效距离矢量路由SEAD协议的安全性.基于(t,n)门限方案,设计了一种新型的可再生Hash密钥链算法,每当发布当前链的一个Hash值,同时发布一个生成下一条Hash链所需要的子公... 详细信息

采用可再生散列(Hash)密钥链机制增强无线自组织(Ad hoc)网络中安全有效距离矢量路由SEAD协议的安全性.基于(t,n)门限方案,设计了一种新型的可再生Hash密钥链算法,每当发布当前链的一个Hash值,同时发布一个生成下一条Hash链所需要的子公钥;当Hash值发布t次以后,各验证节点能利用先前收集的各子公钥来验证新产生Hash链的链尾值数字签名的有效性,从而使得新链能正确使用,继续保障路由协议的可靠性.利用NS-2平台进行了仿真实验,并与赵源超等提出的2种Hash链可再生方案进行了性能比较.实验结果表明,所提方案具有更好的安全性,在cbr数据包发送率方面具有更高的成功率,并且在能效上也有一定改进.

关键词：无线自组织网络散列链再生安全路由协议 (t n)门限方案

来源：评论

学校读者我要写书评

暂无评论

基于多模型的新闻标题分类

引用

中文信息学报 2018年第10期32卷 69-77页

作者：董孝政宋睿洪宇朱芬红朱巧明苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

该文研究中文新闻标题的领域分类方法(domain-oriented headline classification,DHC)。现有研究将DHC限定为一种短文本分类问题,并将传统分类模型和基于卷积神经网络的分类模型应用于这一问题的求解。然而,这类方法忽视了新闻标题的内... 详细信息

该文研究中文新闻标题的领域分类方法(domain-oriented headline classification,DHC)。现有研究将DHC限定为一种短文本分类问题,并将传统分类模型和基于卷积神经网络的分类模型应用于这一问题的求解。然而,这类方法忽视了新闻标题的内在特点,即为"标题是建立在凝练全文且弱相关的词语之上的一种强迫性的语义表述"。目前,融合了序列化记忆的循环神经网络在语义理解方面取得了重要成果。借助这一特点,该文将长短时记忆网络模型(long-short term memory,LSTM)及其变型——门控循环单元(gated recurrent unit,GRU)也应用于标题的语义理解与领域分类,实验验证其性能可达81%的F1值。此外,该文对目前前沿的神经网络分类模型进行综合分析,尝试寻找各类模型在DHC任务上共有的优势和劣势。通过对比"全类型多元分类"与"单类型二元分类",发现在领域性特征较弱和领域歧义性较强的样本上,现有方法难以取得更为理想的结果(F1值<81%)。借助上述分析,该文旨在推动DHC研究在标题语言特性上投入更为充分的关注。

关键词：领域标题分类卷积神经网络循环神经网络

来源：评论

学校读者我要写书评

暂无评论

无人驾驶中的场景实时语义分割方法

引用

计算机辅助设计与图形学学报 2021年第7期33卷 1026-1037页

作者：秦飞巍沈希乐彭勇邵艳利袁文强计忠平白静杭州电子科技大学计算机学院杭州310018 苏州大学江苏省计算机信息处理技术重点实验室苏州215006 北方民族大学计算机科学与工程学院银川750021

无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分... 详细信息

无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分别获取空间信息和上下文信息的方法,又会增加计算量及存储量.因此,提出从残差结构网络中划分出空间信息路径和上下文信息路径的想法,并基于此设计一个双路语义分割网络.该网络还含有用于融合2路多尺度特征的特征融合模块,以及用于优化上下文语义路径输出结果的注意力精炼模块.该网络基于PyTorch框架实现,使用NVIDIA1080Ti显卡进行实验,在道路场景数据集Cityscapes上,mIoU达到78.8%,运行速度达到27.5帧/s.

关键词：无人驾驶实时语义分割残差单元注意力机制

来源：评论

学校读者我要写书评

暂无评论

认知Mesh网络的动态分层图路由模型及路由策略

引用

电子与信息学报 2009年第8期31卷 1975-1979页

作者：李洋董育宁赵海涛南京邮电大学通信与信息工程学院南京210003 苏州大学江苏省计算机信息处理技术重点实验室苏州215006

该文提出了在认知无线电Mesh网络环境下的动态分层图路由模型,该模型将节点感知范围内的信道可用性用两状态离散时间马尔可夫链建模,建立认知无线电Mesh网络拓扑和连通性的动态模型。基于该模型提出了一种跨层设计的动态接口分配方案。... 详细信息

该文提出了在认知无线电Mesh网络环境下的动态分层图路由模型,该模型将节点感知范围内的信道可用性用两状态离散时间马尔可夫链建模,建立认知无线电Mesh网络拓扑和连通性的动态模型。基于该模型提出了一种跨层设计的动态接口分配方案。仿真结果表明,动态分层图模型在适应接入频谱的动态变化和描述认知无线电Mesh网络的拓扑结构方面,表现出比静态分层图模型更加优异的性能。

关键词：认知无线电路由模型动态分层图接口分配

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：