检索结果-内蒙古大学图书馆

北京航空航天大学学报 2024年

作者：赵明华黄学文都双丽吕佳豪支瑞石程西安理工大学计算机科学与工程学院陕西省网络计算与安全技术重点实验室

视频异常检测在社会安防领域具有重要的应用价值。现有的无监督工作集中在使用编解码器进行重建或预测。然而，这两类方法仅关注空间局部特征提取，缺乏对空间上不同目标间联系以及在时间上同一目标连续变化的时序运动特征建模。受位置... 详细信息

视频异常检测在社会安防领域具有重要的应用价值。现有的无监督工作集中在使用编解码器进行重建或预测。然而，这两类方法仅关注空间局部特征提取，缺乏对空间上不同目标间联系以及在时间上同一目标连续变化的时序运动特征建模。受位置编码的启发，提出了一种时空分离变形记忆网络。首先，提取视频序列空间特征，对不同空间特征进行分块映射与位置编码，定义不同目标在空间和时序上的位置。其次，通过计算块间相似度捕获空间上不同目标间联系，在时间上对同一目标连续变化的时序运动特征进行建模。最后，通过时序记忆模块记忆正常特征，提升模型在解码过程中对正常的预测能力。在三个基准数据集上进行了广泛实验和消融研究，在训练中引入噪声，以增强网络对噪声的鲁棒性，同时引入实际应用中可能会带来的噪声干扰对模型评估。在UCSD Ped2、CUHK Avenue和ShanghaiTech数据集上分别达到了97.0%、87.2%和73.1%的检测精度。

关键词：视频异常检测时序运动特征 Transformer模型多头注意力机制无监督学习

来源：评论

学校读者我要写书评

暂无评论

在线社交媒体数据抽样方法的比较研究

引用

计算机学报 2014年第8期37卷 1859-1876页

作者：崔颖安李雪王志晓张德运西安交通大学电信学院西安710049 西安理工大学计算机科学与工程学院西安710048 网络计算与安全技术陕西省重点实验室(西安理工大学) 西安710048 陕西师范大学国际商学院西安710062

社交媒体数据是行动者自组织关系的集合,其内部蕴含了多层次的社会实体关系,传统的抽样方法难以处理其内生的复杂性、不确定性以及涌现性,因此社交媒体抽样方法的研究对于社会计算这一新兴研究领域具有重要的研究价值和实践意义.文中首... 详细信息

社交媒体数据是行动者自组织关系的集合,其内部蕴含了多层次的社会实体关系,传统的抽样方法难以处理其内生的复杂性、不确定性以及涌现性,因此社交媒体抽样方法的研究对于社会计算这一新兴研究领域具有重要的研究价值和实践意义.文中首先按照社交媒体抽样技术发展的演进轨迹,对广度优先抽样法、点-边抽样法、用户均匀抽样法、同伴推动抽样法以及随机行走抽样法的基本思想、概率化控制能力、应用效果进行了全面的分析和比较,介绍了各类方法的特点与不足.其次根据领域问题研究的需要,使用社交媒体数据对上述方法进行了实际测试.测试结果表明现有抽样方法在微观层次(节点)和中观层次(子群)通过有效的节点规模扩张和概率控制,能够满足节点异质性与子群内聚性抽样的要求,但在宏观层次上却无法准确刻画由于局部凝聚子群再组织所表现出的涌现性.最后以此为依据,指出社交媒体数据抽样未来需要进一步深入研究的问题.

关键词：在线社交媒体社会计算社交网络抽样技术马尔科夫随机行走抽样评价

来源：评论

学校读者我要写书评

暂无评论

生成式网络安全态势谱曲方法研究

引用

计算机技术与发展 2025年第4期35卷 59-64页

作者：马艺宾张洺浩韩雨王一川黑新宏西安理工大学计算机科学与工程学院、陕西省网络计算与安全技术重点实验室陕西西安710000 中国人民大学公共管理学院北京100000

随着网络时代的发展,网络安全问题日益突出,给网络空间安全带来了严峻挑战,亟需有效措施提升网络系统的安全防护能力,因此,网络安全态势感知的研究和应用愈加重要。然而,传统的态势评估与可视化方法已逐渐难以应对大规模、高速的网络攻... 详细信息

随着网络时代的发展,网络安全问题日益突出,给网络空间安全带来了严峻挑战,亟需有效措施提升网络系统的安全防护能力,因此,网络安全态势感知的研究和应用愈加重要。然而,传统的态势评估与可视化方法已逐渐难以应对大规模、高速的网络攻击。为解决这一问题,该文探讨了网络态势影响因素与音乐元素之间的关系,提出了一种将网络态势与MIDI音乐结合的态势可听化方法,并构建了相应的模型。首先,从态势组成的角度设计并提取态势属性,以评估当前的网络安全状况。其次,在MIDI音乐生成模型中,设计并提取了MIDI音乐的关键属性,对其进行分级计算以构建音乐库。最后,通过人工智能方法生成与网络态势相符合的音乐,实现了网络态势与音乐的映射。实验结果表明,通过将网络态势信息转化为听觉信号这一方法相较于传统态势评估与可视化方法能够更有效地传达网络态势变化,尤其是可视化难以描述的复杂态势特征,态势可听化提供了更具直观性和实时性的态势感知手段。

关键词：网络安全态势感知 MIDI音乐音乐生成可听化

来源：评论

学校读者我要写书评

暂无评论

面向大规模优化问题的精英贡献两阶段动态分组算法

引用

计算机工程 2024年第7期50卷 154-163页

作者：王彬张娇李薇王晓帆金海燕西安理工大学计算机科学与工程学院陕西西安710048 西安理工大学陕西省网络计算与安全技术重点实验室陕西西安710048

协同进化框架是解决大规模全局优化问题的有效方法,设计合理的决策变量分组方法是提高协同进化算法性能的关键,而利用精英决策变量动态构建精英子组件可以有效提高进化效率,但在进行大规模优化时,其可能将无关的变量分配到同一子组件,... 详细信息

协同进化框架是解决大规模全局优化问题的有效方法,设计合理的决策变量分组方法是提高协同进化算法性能的关键,而利用精英决策变量动态构建精英子组件可以有效提高进化效率,但在进行大规模优化时,其可能将无关的变量分配到同一子组件,从而无法充分利用分组提高协同进化效率。针对该问题,提出一种精英贡献两阶段动态分组算法(EC-TSDG)。在分组前阶段,对变量进行随机分组,评估变量的贡献程度,从众多变量中寻找精英贡献变量;在分组后阶段,利用变量的相关关系寻找与精英决策变量存在相互作用的剩余变量,并将其合并形成精英子组件,使得精英子组件内部的变量两两相关,以此提高变量分组的准确性以及算法的收敛速度,避免子组件之间的相关干扰。最后,采用具有外部存档的自适应差分进化算法作为优化器进化各个子组件。在CEC'2013测试集上与其他先进算法进行比较,实验结果表明,EC-TSDG收敛速度快于对比算法,Friedman检验值为1.43,平均排序较对比的动态分组算法DCC平均提升36.78%。

关键词：协同进化大规模优化问题两阶段动态分组贡献信息精英子组件

来源：评论

学校读者我要写书评

暂无评论

结合语义分割与模型匹配的室内场景重建方法

引用

中国图象图形学报 2023年第10期28卷 3149-3162页

作者：宁小娟巩亮韩怡马婷石争浩金海燕王映辉西安理工大学计算机科学与工程学院西安710048 陕西省网络计算与安全技术重点实验室西安710048 江南大学人工智能与计算机学院无锡214122

目的由于室内点云场景中物体的密集性、复杂性以及多遮挡等带来的数据不完整和多噪声问题,极大地限制了室内点云场景的重建工作,无法保证场景重建的准确度。为了更好地从无序点云中恢复出完整的场景,提出了一种基于语义分割的室内场景... 详细信息

目的由于室内点云场景中物体的密集性、复杂性以及多遮挡等带来的数据不完整和多噪声问题,极大地限制了室内点云场景的重建工作,无法保证场景重建的准确度。为了更好地从无序点云中恢复出完整的场景,提出了一种基于语义分割的室内场景重建方法。方法通过体素滤波对原始数据进行下采样,计算场景三维尺度不变特征变换(3D scale-invariant feature transform,3D SIFT)特征点,融合下采样结果与场景特征点从而获得优化的场景下采样结果;利用随机抽样一致算法(random sample consensus,RANSAC)对融合采样后的场景提取平面特征,将该特征输入PointNet网络中进行训练,确保共面的点具有相同的局部特征,从而得到每个点在数据集中各个类别的置信度,在此基础上,提出了一种基于投影的区域生长优化方法,聚合语义分割结果中同一物体的点,获得更精细的分割结果;将场景物体的分割结果划分为内环境元素或外环境元素,分别采用模型匹配的方法、平面拟合的方法从而实现场景的重建。结果在S3DIS(Stanford large-scale 3D indoor space dataset)数据集上进行实验,本文融合采样算法对后续方法的效率和效果有着不同程度的提高,采样后平面提取算法的运行时间仅为采样前的15%;而语义分割方法在全局准确率(overall accuracy,OA)和平均交并比(mean intersection over union,mIoU)两个方面比PointNet网络分别提高了2.3%和4.2%。结论本文方法能够在保留关键点的同时提高计算效率,在分割准确率方面也有着明显提升,同时可以得到高质量的重建结果。

关键词：点云室内场景语义分割实例分割三维重建

来源：评论

学校读者我要写书评

暂无评论

基于最佳几何约束和RANSAC的特征匹配算法

引用

系统仿真学报 2022年第4期34卷 727-734页

作者：宁小娟李洁茹高凡王映辉西安理工大学计算机科学与工程学院陕西西安710048 陕西省网络计算与安全技术重点实验室陕西西安710048 江南大学人工智能与计算机学院江苏无锡214122

为解决特征点匹配的质量与计算效率不能兼得的问题,研究了一种基于最佳几何约束和RANSAC(random sample consensus)的特征点匹配方法。采用KNN(k-nearest neighbor)算法对提取到的特征点完成初始匹配,根据匹配点对连接线长度相等、斜率... 详细信息

为解决特征点匹配的质量与计算效率不能兼得的问题,研究了一种基于最佳几何约束和RANSAC(random sample consensus)的特征点匹配方法。采用KNN(k-nearest neighbor)算法对提取到的特征点完成初始匹配,根据匹配点对连接线长度相等、斜率相同的特点,基于统计排序策略构建最佳几何约束,剔除明显错误匹配。利用RANSAC算法进行二次过滤,确保特征匹配点对的正确率,同时给出实验结果加以验证。结果表明:在正常光照下,与Lowe’s算法和GMS算法相比,该算法匹配到的点对数有了明显增加,同时很大程度上保证了特征点的质量。

关键词：统计排序最佳几何约束 RANSAC(random sample consensus)算法特征点匹配

来源：评论

学校读者我要写书评

暂无评论

基于关键点精确配对的点云曲面匹配方法

引用

系统仿真学报 2023年第6期35卷 1169-1182页

作者：宁小娟李春旭王嘉豪唐婧王映辉金海燕西安理工大学计算机科学与工程学院陕西西安710048 陕西省网络计算与安全技术重点实验室陕西西安710048 江南大学人工智能与计算机学院江苏无锡214122

针对基于特征的点云曲面匹配方法在关键点匹配时匹配效率低和精度不够的问题,提出了一种基于关键点精确配对的点云曲面匹配方法。通过采用基于曲率信息的改进3D-SIFT(3D scaleinvariant feature transform)算法,提取点云数据的关键点;... 详细信息

针对基于特征的点云曲面匹配方法在关键点匹配时匹配效率低和精度不够的问题,提出了一种基于关键点精确配对的点云曲面匹配方法。通过采用基于曲率信息的改进3D-SIFT(3D scaleinvariant feature transform)算法,提取点云数据的关键点;将关键点处的FPFH(fast point feature histograms)特征描述以及模型中心点到关键点的向量与模型主趋势的夹角作为约束条件,获取精确的关键点匹配点对集合;求解刚体变换参数实现模型曲面的初始匹配;使用ICP(iterative closest point)算法进行二次优化,实现模型曲面的精确匹配。实验表明:该方法既能解决关键点匹配精度问题,又能很好地解决匹配效率的问题。

关键词：尺度不变特征变换快速点特征直方图主趋势刚体变换参数迭代最近点

来源：评论

学校读者我要写书评

暂无评论

基于DRCNN的PolSAR图像分类综合实验设计

引用

实验技术与管理 2023年第12期40卷 74-81,130页

作者：石俊飞姬珊珊金海燕聂萌萌王伟西安理工大学计算机科学与工程学院网络计算与安全技术陕西省重点实验室陕西西安710048

为了让学生更好地了解和掌握深度学习TensorFlow框架和CNN网络,采用基于不同区域的多尺度卷积神经网络(DRCNN)设计了PolSAR图像分类综合设计实验,旨在实现遥感图像的自动化分类和理解。极化合成孔径雷达(polarimetric synthetic apertur... 详细信息

为了让学生更好地了解和掌握深度学习TensorFlow框架和CNN网络,采用基于不同区域的多尺度卷积神经网络(DRCNN)设计了PolSAR图像分类综合设计实验,旨在实现遥感图像的自动化分类和理解。极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像能够提供更加丰富的极化信息,更好地刻画地物特征,对国防建设和国家发展具有重要意义。实验利用Python语言,在CNN基础上进行改进研究,设计了多区域的多尺度CNN模型,实现了极化SAR图像的数据处理、特征学习和分类一体化设计。该实验不仅可以帮助学生综合应用图像处理与深度学习知识,理解和利用CNN来进行极化SAR图像分类的基本原理和方法,还能使学生更加深入、熟练地掌握TensorFlow框架,提高学生的科研素质和动手实践能力。

关键词：综合实验极化合成孔径雷达图像分类 TensorFlow框架多尺度卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

物体检测驱动下的三维室内场景重建方法

引用

计算机辅助设计与图形学学报 2024年

作者：宁小娟赵昊罡巩亮金海燕石争浩王映辉西安理工大学计算机科学与工程学院陕西省网络计算与安全技术重点实验室江南大学人工智能与计算机学院

由于室内场景中的物体种类具有多样性、密集性以及物体间存在遮挡导致数据缺失等问题，增加了计算机对室内场景环境感知与重建的难度. 以复杂的室内点云场景为研究对象，在充分分析场景物体的语义及实例信息的基础上，提出一种物体... 详细信息

由于室内场景中的物体种类具有多样性、密集性以及物体间存在遮挡导致数据缺失等问题，增加了计算机对室内场景环境感知与重建的难度. 以复杂的室内点云场景为研究对象，在充分分析场景物体的语义及实例信息的基础上，提出一种物体检测驱动下的三维室内场景重建方法. 首先以VoteNet为基础，通过融合卷积池化模块提取更为丰富的局部特征，并根据注意力机制设计投票权重模块，增强了对前景特征的关注，同时利用物体关系模块学习空间关系特征，以此优化室内物体的检测结果; 然后根据包围盒的重叠交并比提取有效物体点云，并使用最优模型检索算法从模型库中获得更加准确的匹配模型; 最后以物体的实例信息和模型的检索信息作为输入，利用周围环境的几何空间约束对模型位姿进行优化，获得更加合理、精细的室内场景重建结果. 在ScanNet数据集上的实验结果表明，所提方法的平均精度达到63.8%，比VoteNet提高7.0个百分点. 该方法能够准确地进行场景重建，尤其在处理因物体残缺而导致匹配精度较低的问题时，表现出了良好的鲁棒性和准确性.

关键词：点云室内场景物体检测三维重建位姿优化

来源：评论

学校读者我要写书评

暂无评论

基于NSGA-Ⅱ的自适应多尺度特征通道分组优化算法

引用

计算机应用 2023年第5期43卷 1401-1408页

作者：王彬向甜吕艺东王晓帆西安理工大学计算机科学与工程学院西安710048 陕西省网络计算与安全技术重点实验室(西安理工大学) 西安710048

针对轻量型卷积神经网络(LCNN)的精确度和复杂度均衡优化问题,提出基于快速非支配排序遗传算法(NSGA-Ⅱ)的自适应多尺度特征通道分组优化算法对LCNN特征通道分组结构进行优化。首先,将LCNN中的特征融合层结构的复杂度最小化和精确度最... 详细信息

针对轻量型卷积神经网络(LCNN)的精确度和复杂度均衡优化问题,提出基于快速非支配排序遗传算法(NSGA-Ⅱ)的自适应多尺度特征通道分组优化算法对LCNN特征通道分组结构进行优化。首先,将LCNN中的特征融合层结构的复杂度最小化和精确度最大化作为两个优化目标,进行双目标函数建模及理论分析;然后,设计基于NSGA-Ⅱ的LCNN结构优化框架,并在原始LCNN结构的深度卷积层之上增加基于NSGA-Ⅱ的自适应分组层,构建基于NSGA-Ⅱ的自适应多尺度的特征融合网络NSGA2-AMFFNetwork。在图像分类数据集上的实验结果显示,与手工设计的网络结构M_blockNet_v1相比,NSGA2-AMFFNetwork的平均精确度提升了1.2202个百分点,运行时间降低了41.07%。这表明所提优化算法能较好平衡LCNN的复杂度和精确度,同时还可为领域知识不足的普通用户提供更多性能表现均衡的网络结构选择方案。

关键词：轻量型卷积神经网络特征提取通道分组优化双目标函数建模快速非支配排序遗传算法图像分类进化算法

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：