检索结果-内蒙古大学图书馆

广西师范大学学报(自然科学版) 2025年第03期43卷 1-11页

作者：何安康陈艳平扈应黄瑞章秦永彬贵州大学文本计算与认知智能教育部工程研究中心公共大数据国家重点实验室(贵州大学) 贵州大学计算机科学与技术学院

命名实体识别是自然语言处理领域中的一项基本任务，旨在识别和分类文本中的命名实体。目前，基于跨度的方法在实体识别方面取得一定进展，但这些方法往往忽视了候选跨度的质量差异。针对该问题，本文提出一种融合边界交互信息的命名实... 详细信息

命名实体识别是自然语言处理领域中的一项基本任务，旨在识别和分类文本中的命名实体。目前，基于跨度的方法在实体识别方面取得一定进展，但这些方法往往忽视了候选跨度的质量差异。针对该问题，本文提出一种融合边界交互信息的命名实体识别方法。该方法通过一个边界交互模块评估边界间的语义关联和交互强度，生成边界交互信息矩阵，用于识别边界间潜在的语义联系，引导模型识别和标记出高质量的候选跨度。此外，该方法集成多尺度空洞卷积模块，利用跨度之间的语义关系来减轻非实体噪声的影响。实验表明，本文方法在ACE2005中文数据集、ACE2005英文数据集和Weibo数据集上的F1值分别达到89.78%、87.37%和72.10%,与基准模型相比分别提升0.67、0.95和0.69个百分点，验证了该方法对命名实体识别的有效性。

关键词：自然语言处理命名实体识别信息抽取边界交互

来源：评论

学校读者我要写书评

暂无评论

结合边界信息的对比学习嵌套命名实体识别

引用

计算机应用 2025年

作者：范锦涛陈艳平杨采薇林川贵州大学文本计算与认知智能教育部工程研究中心公共大数据国家重点实验室(贵州大学) 贵州大学计算机科学与技术学院

针对现有对比学习(CL)方法在嵌套命名实体识别(NER)任务中存在以下两个主要缺点：1）枚举生成的候选实体作为对比学习的对象，缺失上下文语义依赖和边界信息；2）产生不必要的噪音和无效信息，增加模型的计算负担并弱化了对比学习的性... 详细信息

针对现有对比学习(CL)方法在嵌套命名实体识别(NER)任务中存在以下两个主要缺点：1）枚举生成的候选实体作为对比学习的对象，缺失上下文语义依赖和边界信息；2）产生不必要的噪音和无效信息，增加模型的计算负担并弱化了对比学习的性能。提出两阶段命名实体识别框架。在第一阶段，通过边界识别模型生成候选实体边界，并通过边界集成模块生成候选实体，减少不必要的负候选实体的生成；同时，在候选实体两侧插入注意力线索，生成对应的候选实体文本，使得模型能够感知上下文语义和边界信息。在第二阶段，提出一个双编码框架用于识别实体，通过对比学习将候选实体文本和实体类型注释映射到相同向量表征空间中，对比的对象不再是候选实体，而是带有注意力线索的句子。此外，设计带有标签语义的分类参数矩阵，丰富模型对候选实体的理解能力。与Binder方法相比，所提方法在GENIA、ACE2005和ACE2004三种嵌套数据集上，性能提升了1.22个百分点，3.42个百分点，2.31个百分点的F1值，验证了所提方法对嵌套命名实体识别任务的有效性。

关键词：对比学习边界信息双编码器标签语义嵌套命名实体识别

来源：评论

学校读者我要写书评

暂无评论

鲁棒物联网多维时序数据预测方法

引用

计算机工程 2025年第4期51卷 107-118页

作者：沈忱何勇彭安浪贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 贵州兆信数码技术有限公司贵州贵阳550025

在物联网(IoT)场景中,数据在采集和传输过程中易受噪声的干扰,导致数据中存在一定的离群值与缺失值。现有的时间正则化矩阵分解模型通常考虑平方损失来衡量重构误差,忽略了处理存在异常数据的多维时间序列时,矩阵分解的质量同样是影响... 详细信息

在物联网(IoT)场景中,数据在采集和传输过程中易受噪声的干扰,导致数据中存在一定的离群值与缺失值。现有的时间正则化矩阵分解模型通常考虑平方损失来衡量重构误差,忽略了处理存在异常数据的多维时间序列时,矩阵分解的质量同样是影响模型预测性能的关键因素。提出一种基于L_(2,log)范数的时间感知鲁棒非负矩阵分解多维时序预测框架(TARNMF)。TARNMF通过非负矩阵分解(NMF)和参数可学习的自回归(AR)时间正则项建立多维时序数据的时空相关性,基于存在离群值的数据服从拉普拉斯分布的假设,使用L_(2,log)范数来估计非负鲁棒矩阵分解中原始数据和重建矩阵的误差,以减小异常数据对预测模型的干扰。L_(2,log)范数具备现有鲁棒度量函数的性质,解决了L_(1)损失的近似问题,并通过压缩异常值的残差来减少其对目标函数的影响。此外,提出一种基于投影梯度下降的优化方法对模型进行优化。实验结果表明,TARNMF具有良好的可扩展性和鲁棒性,尤其在高维Solar数据集上,较次优结果的相对平均绝对误差降低了8.64%。同时,在噪声数据上的实验结果验证了TARNMF能高效地处理和预测存在异常数据的IoT时序数据。

关键词： L_(2,log)范数非负矩阵分解时间正则化矩阵分解多维时序数据预测鲁棒性

来源：评论

学校读者我要写书评

暂无评论

基于HST的空间众包位置隐私保护方法

引用

计算机应用与软件 2025年第1期42卷 287-293页

作者：唐旭龙士工刘海弓晓锋贵州大学计算机科学与技术学院贵州贵阳550025 贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州省科技信息中心贵州贵阳550025

针对空间众包中不可信的服务器获取用户真实的位置信息,导致用户隐私泄露的问题。提出一种基于层次分离树(HST)的空间众包位置隐私保护方法,用于保护用户的位置隐私和保证任务分配的有效性,将位置点集构造一个HST,设计一种基于HST的差... 详细信息

针对空间众包中不可信的服务器获取用户真实的位置信息,导致用户隐私泄露的问题。提出一种基于层次分离树(HST)的空间众包位置隐私保护方法,用于保护用户的位置隐私和保证任务分配的有效性,将位置点集构造一个HST,设计一种基于HST的差分隐私保护机制,对用户的位置节点进行扰动处理,并且理论证明该机制满足地理不可区分性。实验结果表明,在相同的隐私预算下,该方法在任务分配的总距离方面明显优于现有的差分隐私机制。

关键词：空间众包位置隐私地理不可区分性任务分配

来源：评论

学校读者我要写书评

暂无评论

基于截断表的保留格式加密算法TT-FPE

引用

福建师范大学学报(自然科学版) 2025年第1期41卷 68-76页

作者：杨庆田有亮熊金波贵州大学公共大数据国家重点实验室贵州贵阳550025 贵州大学计算机科学与技术学院贵州贵阳550025 福建省网络安全与密码学重点实验室福建福州350117

保留格式加密算法可以在加密的同时保证明文和密文格式相同,解决了信用卡号、电话号码、身份证号等敏感数据明文存储易造成隐私泄露等问题。当前保留格式加密方案大多基于Prefix、Cycle-Walking和Generalized-Feistel算法进行扩展和改进... 详细信息

保留格式加密算法可以在加密的同时保证明文和密文格式相同,解决了信用卡号、电话号码、身份证号等敏感数据明文存储易造成隐私泄露等问题。当前保留格式加密方案大多基于Prefix、Cycle-Walking和Generalized-Feistel算法进行扩展和改进,存在多次调用Cycle-Walking结构的不确定性问题,同时,现有保留格式加密算法处理的问题域有一定的局限性。提出一种新型的基于截断表的保留格式加密算法,仅需调用一次Cycle-Walking结构,使加密结果落入问题域,以及在截断表算法基础上提出分段处理方案,进一步扩大了保留格式加密算法处理的问题域。并且通过安全性分析,证明了所提算法是安全的,能够抵御恶意敌手攻击。实验结果表明所提算法具有高效性,可将保留格式加密过程重复调用Cycle-Walking结构的次数降至0。且与先前保留格式加密算法相比,平均每字节加密开销相当。

关键词：敏感信息保留格式加密 Feistel结构 Cycle-Walking 截断表随机函数

来源：评论

学校读者我要写书评

暂无评论

融合深度强化学习的卷积神经网络联合压缩方法

引用

计算机工程与应用 2025年第6期61卷 210-219页

作者：马祖鑫崔允贺秦永彬申国伟郭春陈意钱清贵州大学计算机科学与技术学院文本计算与认知智能教育部工程研究中心贵阳550025 贵州大学公共大数据国家重点实验室贵阳550025 贵州大学贵州省软件工程与信息安全特色重点实验室贵阳550025 贵州财经大学信息学院贵阳550025

随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果... 详细信息

随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。

关键词：卷积神经网络深度强化学习模型压缩通道剪枝权值量化边缘智能

来源：评论

学校读者我要写书评

暂无评论

融合多尺度特征注意力的双目立体匹配算法

引用

计算机工程与设计 2025年第1期46卷 30-36页

作者：张嫡李泽平赵勇杨文帮贵州大学计算机科学与技术学院公共大数据国家重点实验室贵州贵阳550025 北京大学深圳研究生院广东深圳518055

针对现有的立体匹配算法在反光、反射、纹理模糊、纹理复杂边缘等区域推理精度不高的问题,提出一种融合多尺度特征注意力的立体匹配网络。采用改进的金字塔池化模块,将金字塔池化结合U型架构,加强边缘区域有效特征信息的提取;在网络中... 详细信息

针对现有的立体匹配算法在反光、反射、纹理模糊、纹理复杂边缘等区域推理精度不高的问题,提出一种融合多尺度特征注意力的立体匹配网络。采用改进的金字塔池化模块,将金字塔池化结合U型架构,加强边缘区域有效特征信息的提取;在网络中引入多尺度特征融合的注意力模块,融合多尺度代价体和注意力机制增强代价体中不同层次信息量,同时捕获在不同维度间的信息依赖关系,抑制代价体中无关信息;采用多阶段的视差精化得到最终的视差图。实验结果表明,MFANet预测的精度相比基准网络GwcNet在SceneFlow、KITTI 2012和KITTI 2015分别提高了18.8%、11.6%、12%。

关键词：深度学习立体匹配双目视觉特征提取多尺度特征注意力改进金字塔池化视差优化

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8的密集行人检测模型

引用

计算机工程 2025年第5期51卷 133-142页

作者：黄昆齐肇建王娟敏胡倩胡伟超皮建勇贵州大学公共大数据国家重点实验室计算机科学与技术学院贵州贵阳550025 贵州移动信息科技有限公司贵州贵阳550001 贵州大学云计算与物联网研究中心贵州贵阳550025

密集行人检测是公共智能监控的关键技术,其采用目标检测方法对视频中的行人位置和数量进行检测,进而实现对视频中人群的智能监控。在人员密集场景下因遮挡和行人的目标太小造成漏检。为此,提出一种改进YOLOv8检测模型Crowd-YOLOv8。首先... 详细信息

密集行人检测是公共智能监控的关键技术,其采用目标检测方法对视频中的行人位置和数量进行检测,进而实现对视频中人群的智能监控。在人员密集场景下因遮挡和行人的目标太小造成漏检。为此,提出一种改进YOLOv8检测模型Crowd-YOLOv8。首先,在主干网络使用nostride-Conv-SPD模块,增强对图像小目标特征等细粒度信息的提取能力;其次,在YOLOv8网络的颈部引入小目标检测头和CARAFE上采样算子对各尺度特征进行融合,以提高在小目标情况下的检测效果。实验结果表明,所提模型在CrowdHuman数据集上mAP@0.5和mAP@0.5∶0.95分别取得了84.3%和58.2%的检测效果,与原YOLOv8n相比分别提高了3.7和5.2百分点;在WiderPerson数据集上取得了88.4%和67.4%,与原YOLOv8n相比提高了1.1和1.5百分点。

关键词：密集行人检测 YOLOv8网络 nostride-Conv-SPD模块 CARAFE算子小目标检测头

来源：评论

学校读者我要写书评

暂无评论

EvoTrace:基于非线性数据包遥测和批处理的轻量级带内网络遥测方法

引用

计算机科学 2025年第5期52卷 291-298页

作者：王攀祥崔允贺申国伟郭春陈意钱清贵州大学计算机科学与技术学院文本计算与认知智能教育部工程研究中心贵阳550025 贵州大学计算机科学与技术学院公共大数据国家重点实验室贵阳550025 贵州省软件工程与信息安全特色重点实验室贵阳550025 贵州财经大学信息学院贵阳550025

带内网络遥测(In-band Network Telemetry,INT)使数据包能够携带网络状态信息,具有较高的测量准确性和精度。然而,这种提升是以增加数据平面开销为代价的。遥测信息的嵌入会导致数据平面的网络开销过大。同时,现有的遥测方法通常对大流... 详细信息

带内网络遥测(In-band Network Telemetry,INT)使数据包能够携带网络状态信息,具有较高的测量准确性和精度。然而,这种提升是以增加数据平面开销为代价的。遥测信息的嵌入会导致数据平面的网络开销过大。同时,现有的遥测方法通常对大流的数据包进行大量的测量,忽略了对中小流数据包的测量。为了克服上述问题,提出了一个轻量级的INT方法——EvoTrace。EvoTrace设计了一种非线性数据包遥测方法,根据网络流的属性监测不同流的数据包。此外,EvoTrace还采用元数据批处理的方式对遥测元数据进行聚合,以减少网络带宽占用和遥测数据包的数量。在OpenvSwitch(OVS)上实现了EvoTrace并进行了测试,实验结果表明,与现有方法相比,EvoTrace在提高网络流监测覆盖率的同时,节省了40%以上的INT带宽占用。

关键词：网络遥测可编程数据平面带内网络遥测网络测量软件定义网络

来源：评论

学校读者我要写书评

暂无评论

基于混合自注意力孪生网络的小样本轴承故障诊断

引用

计算机测量与控制 2025年第2期33卷 1-8,36页

作者：谢乃鹏周凤熊伟贵州大学公共大数据国家重点实验室贵阳550025 贵州大学计算机科学与技术学院贵阳550025

针对小样本条件下传统应用于滚动轴承故障诊断的深度学习算法诊断精度不高,泛化性差的问题;提出了一种基于混合自注意力机制和孪生网络的小样本轴承故障诊断算法;基于孪生神经网络结构,构造相同类别和不同类别的轴承样本对输入孪生网络... 详细信息

针对小样本条件下传统应用于滚动轴承故障诊断的深度学习算法诊断精度不高,泛化性差的问题;提出了一种基于混合自注意力机制和孪生网络的小样本轴承故障诊断算法;基于孪生神经网络结构,构造相同类别和不同类别的轴承样本对输入孪生网络,借助一维卷积单元提取样本的特征,然后采用位置自注意力机制和通道自注意力机制进行矩阵融合构建混合自注意力模块,提取更具判别性的特征信息,距离度量阶段以自适应的网络度量方式来代替常用的欧式距离度量,并且引入全局均值池化来减少网络参数;实验结果表明该方法在每类故障样本数量为9、15、30的准确率为88.2、94.7、96.2%,对比其他方法,文章所提算法在小样本条件下的诊断准确率更高,并且拥有更好的泛化性能。

关键词：滚动轴承孪生神经网络故障诊断自注意力机制混合自注意力

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：