检索结果-内蒙古大学图书馆

自动化学报 2024年第10期50卷 2036-2048页

作者：孟海宁童新宇谢国张贝贝黑新宏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

针对云服务器中存在软件老化现象,将造成系统性能衰退与可靠性下降问题,借鉴剩余使用寿命(Remaining useful life,RUL)概念,提出基于支持向量和高斯函数拟合(Support vectors and Gaussian function fitting,SVs-GFF)的老化预测方法.首... 详细信息

针对云服务器中存在软件老化现象,将造成系统性能衰退与可靠性下降问题,借鉴剩余使用寿命(Remaining useful life,RUL)概念,提出基于支持向量和高斯函数拟合(Support vectors and Gaussian function fitting,SVs-GFF)的老化预测方法.首先,提取云服务器老化数据的统计特征指标,并采用支持向量回归(Support vector regression,SVR)对统计特征指标进行数据稀疏化处理,得到支持向量(Support vectors,SVs)序列数据;然后,建立基于密度聚类的高斯函数拟合(Gaussian function fitting,GFF)模型,对不同核函数下的支持向量序列数据进行老化曲线拟合,并采用Fréchet距离优化算法选取最优老化曲线;最后,基于最优老化曲线,评估系统到达老化阈值前的RUL,以预测系统何时发生老化.在OpenStack云服务器4个老化数据集上的实验结果表明,基于RUL和SVs-GFF的云服务器老化预测方法与传统预测方法相比,具有更高的预测精度和更快的收敛速度.

关键词：云服务器软件老化支持向量回归高斯函数拟合剩余使用寿命

来源：评论

学校读者我要写书评

暂无评论

基于Nadam-TimeGAN和XGBoost的时序信号故障诊断方法

引用

通信学报 2024年第4期45卷 185-200页

作者：黑新宏高苗张宽费蓉邱原姬文江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

为了提高故障诊断模型在数据不平衡场景下的诊断性能和模型泛化能力,提出了一种基于Nadam-TimeGAN和XGBoost的时序信号故障诊断方法。首先对比基于LSTM和GRU的TimeGAN模型,选取性能更优的GRU网络作为TimeGAN模型的组成单元,然后采用Nada... 详细信息

为了提高故障诊断模型在数据不平衡场景下的诊断性能和模型泛化能力,提出了一种基于Nadam-TimeGAN和XGBoost的时序信号故障诊断方法。首先对比基于LSTM和GRU的TimeGAN模型,选取性能更优的GRU网络作为TimeGAN模型的组成单元,然后采用Nadam优化算法对TimeGAN模型的各组件进行优化,即构建Nadam-TimeGAN模型用以数据扩充,最后构建一个平衡的数据集输入XGBoost集成学习模型进行分类训练。实验选取转辙机动作电流数据集进行验证性实验,选取MFPT轴承数据集和CWRU轴承数据集进行泛化性实验,并与8种方法进行对比,结果表明,所提方法在准确率、召回率以及F1-score这3种评价指标上均高于其他方法,从而验证了所提方法在不平衡数据故障诊断方面的有效性和泛化性。

关键词：时间序列生成对抗网络 Nesterov加速自适应矩估计极致梯度提升故障诊断数据增强

来源：评论

学校读者我要写书评

暂无评论

结合稀疏先验与多模式分解的低秩张量恢复方法

引用

中国图象图形学报 2024年第4期29卷 922-938页

作者：杨秀红苟田坤薛怡金海燕石争浩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

目的各类终端设备获取的大量数据往往由于信息丢失而导致数据不完整,或经常受到降质问题的困扰。为有效恢复缺损或降质数据,低秩张量补全备受关注。张量分解可有效挖掘张量数据的内在特征,但传统分解方法诱导的张量秩函数无法探索张量... 详细信息

目的各类终端设备获取的大量数据往往由于信息丢失而导致数据不完整,或经常受到降质问题的困扰。为有效恢复缺损或降质数据,低秩张量补全备受关注。张量分解可有效挖掘张量数据的内在特征,但传统分解方法诱导的张量秩函数无法探索张量不同模式之间的相关性;另外,传统张量补全方法通常将全变分约束施加于整体张量数据,无法充分利用张量低维子空间的平滑先验。为解决以上两个问题,提出了基于稀疏先验与多模式张量分解的低秩张量恢复方法。方法在张量秩最小化模型基础上,融入多模式张量分解技术以及分解因子局部稀疏性。首先对原始张量施加核范数约束,以此捕获张量的全局低秩性,然后,利用多模式张量分解将整体张量沿着每个模式分解为一组低维张量和一组因子矩阵,以探索不同模式之间的相关性,对因子矩阵施加因子梯度稀疏正则化约束,探索张量子空间的局部稀疏性,进一步提高张量恢复性能。结果在高光谱图像、多光谱图像、YUV(也称为YCbCr)视频和医学影像数据上,将本文方法与其他8种修复方法在3种丢失率下进行定量及定性比较。在恢复4种类型张量数据方面,本文方法与深度学习GP-WLRR方法(global prior refined weighted low-rank representation)的修复效果基本持平,本文方法的MPSNR(mean peak signal-to-noise ratio)在所有丢失率及张量数据上的总体平均高0.68 dB,MSSIM(mean structural similarity)总体平均高0.01;与其他6种张量建模方法相比,本文方法的MPSNR及MSSIM均取得最优结果。结论提出的基于稀疏先验与多模式张量分解的低秩张量恢复方法,可同时利用张量的全局低秩性与局部稀疏性,能够对受损的多维视觉数据进行有效修复。

关键词：多模式张量分解稀疏先验因子梯度稀疏性低秩张量恢复

来源：评论

学校读者我要写书评

暂无评论

注意力引导的三流卷积神经网络用于微表情识别

引用

中国图象图形学报 2024年第1期29卷 111-122页

作者：赵明华董爽爽胡静都双丽石程李鹏石争浩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

目的微表情识别在心理咨询、置信测谎和意图分析等多个领域都有着重要的应用价值。然而,由于微表情自身具有动作幅度小、持续时间短的特点,到目前为止,微表情的识别性能仍然有很大的提升空间。为了进一步推动微表情识别的发展,提出了一... 详细信息

目的微表情识别在心理咨询、置信测谎和意图分析等多个领域都有着重要的应用价值。然而,由于微表情自身具有动作幅度小、持续时间短的特点,到目前为止,微表情的识别性能仍然有很大的提升空间。为了进一步推动微表情识别的发展,提出了一种注意力引导的三流卷积神经网络(attention-guided three-stream convolutional neural network,ATSCNN)用于微表情识别。方法首先,对所有微表情序列的起始帧和峰值帧进行预处理;然后,利用TV-L1(total variation-L1)能量泛函提取微表情两帧之间的光流;接下来,在特征提取阶段,为了克服有限样本量带来的过拟合问题,通过3个相同的浅层卷积神经网络分别提取输入3个光流值的特征,再引入卷积块注意力模块以聚焦重要信息并抑制不相关信息,提高微表情的识别性能;最后,将提取到的特征送入全连接层分类。此外,整个模型架构采用SELU(scaled exponential linear unit)激活函数以加快收敛速度。结果本文在微表情组合数据集上进行LOSO(leave-one-subject-out)交叉验证,未加权平均召回率(unweighted average recall,UAR)以及未加权F1-Score(unweighted F1-score,UF1)分别达到了0.7351和0.7205。与对比方法中性能最优的Dual-Inception模型相比,UAR和UF1分别提高了0.0607和0.0683。实验结果证实了本文方法的可行性。结论本文方法所提出的微表情识别网络,在有效缓解过拟合的同时,也能在小规模的微表情数据集上达到先进的识别效果。

关键词：微表情识别光流三流卷积神经网络卷积块注意力模块(CBAM) SELU激活函数

来源：评论

学校读者我要写书评

暂无评论

隐特征监督的孪生网络弱光光流估计

引用

中国图象图形学报 2024年第1期29卷 231-242页

作者：肖照林苏展左逢源金海燕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

目的弱光照条件下成像存在信噪比低、运动模糊等问题,这对光流估计带来了极大挑战。与现有“先增强—再估计”的光流估计方法不同,为了避免在弱光图像增强阶段损失场景的运动信息,提出一种隐特征监督的弱光光流估计孪生网络学习方法。... 详细信息

目的弱光照条件下成像存在信噪比低、运动模糊等问题,这对光流估计带来了极大挑战。与现有“先增强—再估计”的光流估计方法不同,为了避免在弱光图像增强阶段损失场景的运动信息,提出一种隐特征监督的弱光光流估计孪生网络学习方法。方法首先,该方法采用权重共享的孪生网络提取可映射的弱光光流和正常光照光流特征;进而,计算弱光邻帧图像的K近邻相关性卷表,以解决计算4D全对相关性卷表的高时空复杂度问题;在全局运动聚合模块中引入针对二维运动特征的注意力机制,以降低弱光条件下强噪声、运动模糊及低对比度对光流估计的不利影响。最后,提出隐特征监督的光流估计模块,采用正常光照光流特征监督弱光照光流特征的学习,实现高精度的光流估计。结果与3种最新光流估计方法的对比实验表明,在正常光照条件下,本文方法取得了与现有最佳光流估计方法相近的性能。在FCDN(flying chairs dark noise)数据集上,本文方法光流估计性能最优,相较于次优方法端点误差精度提升了0.16;在多亮度光流估计(various brightness optical flow,VBOF)数据集上,本文方法端点误差精度提升了0.08。结论本文采用权重共享的双分支孪生网络,实现了对正常光照和弱光照光流特征的准确编码,并采用监督学习方式实现了高精度的弱光照光流估计。实验结果表明,本文方法在弱光光流估计精度及泛化性方面均具有显著优势。本文代码可在https://***/suzhansz/***下载。

关键词：光流估计孪生网络相关性卷表全局运动聚合弱光图像增强

来源：评论

学校读者我要写书评

暂无评论

基于协方差分析的合作协同进化差分进化算法

引用

通信学报 2023年第1期44卷 189-199页

作者：王彬任露王晓帆曹雅娟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

在大规模高维优化问题中,随着决策变量数目的增加,协同进化算法在搜索全局最优解过程中容易陷入局部最优。基于此,提出了一种基于协方差分析的合作协同进化差分进化算法,在根据决策变量之间的相关性对优化问题进行分组之后,针对子组件... 详细信息

在大规模高维优化问题中,随着决策变量数目的增加,协同进化算法在搜索全局最优解过程中容易陷入局部最优。基于此,提出了一种基于协方差分析的合作协同进化差分进化算法,在根据决策变量之间的相关性对优化问题进行分组之后,针对子组件内部变量之间的相关性会影响种群进化过程的现象,在对子组件优化的过程中,利用协方差计算种群分布的特征向量,通过坐标旋转消除变量之间的相关性,有效避免在种群搜索过程中陷入局部最优,同时加快了算法的寻优速度。在CEC2014测试函数集上进行了对比实验,实验结果表明,所提算法具有可行性。

关键词：大规模优化问题合作协同进化相关性协方差分析差分进化

来源：评论

学校读者我要写书评

暂无评论

视差信息引导的光场特征匹配度量方法(特邀)

引用

激光与光电子学进展 2024年第16期61卷 175-182页

作者：张萌金海燕肖照林左逢源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

现有图像特征匹配方法在应对光照变化、几何形变等复杂场景时仍具有较大局限性,原因在于特征匹配的度量缺乏深度信息与全局约束。针对该问题,提出一种视差信息引导的光场特征匹配度量方法。对光场数据应用傅里叶视差层分解以构建尺度-... 详细信息

现有图像特征匹配方法在应对光照变化、几何形变等复杂场景时仍具有较大局限性,原因在于特征匹配的度量缺乏深度信息与全局约束。针对该问题,提出一种视差信息引导的光场特征匹配度量方法。对光场数据应用傅里叶视差层分解以构建尺度-视差空间,从而提取包含视差信息的光场特征。依据不同视角光场特征的投影变换关系模型,构建了一种依赖光场深度线索的特征匹配度量模型。采用人工神经网络学习投影变换模型参数的求解方法以重投影误差最小化为目标函数,采用迭代优化方式实现最优投影变换模型的高精度求解,并最终实现对特征点匹配的精确度量。在光场特征匹配数据集上的实验结果表明,相较于现有主流特征匹配方法,针对存在光照变化、几何变形、非朗伯反射表面、重复纹理且具有显著深度变化的场景,所提视差信息引导的光场特征匹配度量模型取得了更优的匹配准确度与鲁棒性。

关键词：光场成像傅里叶视差层光场特征匹配度量

来源：评论

学校读者我要写书评

暂无评论

时空分离变形记忆网络用于视频异常检测

引用

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

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

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

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：