检索结果-内蒙古大学图书馆

计算机学报 2025年第3期48卷 632-649页

作者：韩凡宇毕枫林张琰彬李晖游兰王伟钱卫宁周傲英华东师范大学数据科学与工程学院上海200062 贵州大学计算机科学与技术学院贵阳550025 湖北大学计算机与信息工程学院武汉430062

基准测试是指通过设计科学的测试方法、测试工具和测试系统,实现对一类测试对象的某项性能指标进行定量的和可对比的测试。随着人工智能时代的到来,诸如ImageNet、DataPerf等这类新型的AI基准测试数据集逐步成为学术界和工业界的共识性... 详细信息

基准测试是指通过设计科学的测试方法、测试工具和测试系统,实现对一类测试对象的某项性能指标进行定量的和可对比的测试。随着人工智能时代的到来,诸如ImageNet、DataPerf等这类新型的AI基准测试数据集逐步成为学术界和工业界的共识性标准。当前,关于开源生态的研究大多基于某一项具体的研究点展开分析而缺少对开源生态基准体系的构建,一个开源项目处于怎样的发展位置、企业开源程序办公能力处于行业什么位置、开发者活跃度、项目影响力等基础数据与评价,都是数据使用方迫切需要的开源领域知识。为了解决开源领域“有数据无基准”的局面,本文提出一种面向开源生态可持续发展的数据科学基准测试体系(OpenPerf)。该体系自下而上主要包含数据科学任务类基准、指数类基准以及标杆类基准,旨在为学术界、工业界提供不同的基准参考。本文定义了9个数据科学任务类基准,给出了3项典型的数据科学任务类基准测试结果、2项指数类基准以及1项标杆类基准,其中2项指数类基准被中国电子技术标准化研究院作为开源社区治理的评估标准。数据科学任务类基准主要应用于学术界,为不同研究方向的研究者提供自己擅长的研究领域的基准。指数类基准主要面向企业界,企业界可以通过影响力和活跃度等基准数据了解当前企业开源程序办公能力所处的行业位置以及旗下开源项目所处的发展位置。标杆类基准是一种可测量的业界最佳水平的成绩,用来比较参考尺度。最后,通过3个应用在阿里、蚂蚁以及华东师范大学等国内知名公司和高校的实际案例验证了OpenPerf在推动开源生态可持续发展中所起到的关键作用。

关键词：基准测试开源生态可持续发展基准任务应用案例

来源：评论

学校读者我要写书评

暂无评论

时序图流上的快速子图近似计数算法

引用

计算机研究与发展 2025年第3期62卷 709-719页

作者：王晶晶王延昊姜文君曾一夫祝团飞长沙学院计算机科学与工程学院长沙410022 华东师范大学数据科学与工程学院上海200062 湖南大学信息科学与工程学院长沙410082

图数据中包含丰富的时间信息,其拓扑结构随时间动态演变,通常建模为时序图流.时序图流由一组节点和一系列带时间戳的有向边组成,节点、时序边随时间动态增加.其中时序子图是由传统子图模式推广而来,不仅考虑拓扑结构,同时将时序边的顺... 详细信息

图数据中包含丰富的时间信息,其拓扑结构随时间动态演变,通常建模为时序图流.时序图流由一组节点和一系列带时间戳的有向边组成,节点、时序边随时间动态增加.其中时序子图是由传统子图模式推广而来,不仅考虑拓扑结构,同时将时序边的顺序和持续时间纳入考量.在时序图流中计算时序子图的出现次数是时序图研究中的一个基础问题.然而,传统流式子图计数方法不支持时序匹配,仅适用于不包含时间信息的简单无向图或有向图;并且,现有时序子图计数算法在不断产生新数据的时序图流场景下效率不高.因此,对时序图流上时序子图近似计数问题进行了研究,提出了基于蓄水池采样的流式边采样(streaming edge sampling, SES)算法,并从期望、方差、时间复杂度3个方面对SES算法进行了理论分析.最后,在4个真实数据集上进行了大量实验.实验结果表明,与基线方法相比,SES虽然返回的计数相对误差略大,但计算效率取得了最高3个数量级的大幅提升.

关键词：时序子图子图计数时序图流随机采样图算法

来源：评论

学校读者我要写书评

暂无评论

面向CPS时空规则验证制导的安全强化学习

引用

计算机科学与探索 2025年第2期19卷 513-527页

作者：印婵祝义王金永陈小颖郝国生江苏师范大学计算机科学与技术学院江苏徐州221116 徐州工程学院信息工程学院江苏徐州221018 南京大学计算机科学与技术系南京210023

深度强化学习是目前信息物理融合系统(CPS)决策中常用的一种方法。然而,当面对未知环境和复杂任务时,基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题,提出了一种形式化时空规则验证制导... 详细信息

深度强化学习是目前信息物理融合系统(CPS)决策中常用的一种方法。然而,当面对未知环境和复杂任务时,基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题,提出了一种形式化时空规则验证制导的安全强化学习方法。提出了时空规则通信顺序进程(CSR-TCSP)对系统进行建模,并结合时空规约语言(STSL)和模型检测工具FDR对进程代数模型进行验证。利用系统环境模型形式化奖励状态机的结构,提出了时空规则奖励状态机(STR-RM)以指导强化学习中奖励函数的设置。此外,为了监测系统的运行并确保输出决策的安全性,设计了一个监控器及安全动作决策算法以获得更安全的状态行为策略。通过一个自动驾驶系统中的避障与变道超车实例,证明所提方法的有效性。

关键词：信息物理融合系统形式化方法进程代数安全强化学习自动驾驶

来源：评论

学校读者我要写书评

暂无评论

用Critic赋权法加权邻域粗糙集的属性约简算法

引用

北京航空航天大学学报 2025年第1期51卷 75-84页

作者：吴尚智任艺璇葛舒悦王立泰王志宁西北师范大学计算机科学与工程学院兰州730070 国家税务总局武安市税务局邯郸056300

邻域粗糙集相比经典粗糙集能够处理非离散型数据和高维度数据,具有获得简化数据且不降低数据处理的能力。针对邻域粗糙集中每个属性具有相同权重,且每个属性对决策的影响程度不同的问题,提出用Critic赋权法加权邻域粗糙集的属性约简算... 详细信息

邻域粗糙集相比经典粗糙集能够处理非离散型数据和高维度数据,具有获得简化数据且不降低数据处理的能力。针对邻域粗糙集中每个属性具有相同权重,且每个属性对决策的影响程度不同的问题,提出用Critic赋权法加权邻域粗糙集的属性约简算法。使用Critic赋权法为条件属性赋权,引入加权距离函数计算邻域关系,得到加权邻域关系;构建加权邻域粗糙集,采用属性依赖度和重要度评估子集的重要性,使用等距搜索寻找最佳阈值,进行属性约简找到最优属性子集;采用UCI库中的10个数据集进行实验验证,与传统邻域粗糙集的属性约简算法的性能进行比较分析。实验结果表明:所提算法可得到最小属性约简集,并可保证约简后数据的分类准确率,具有有效性和实际应用价值。

关键词： Critic赋权法邻域粗糙集属性约简加权邻域关系属性依赖度

来源：评论

学校读者我要写书评

暂无评论

一种基于距离修正与改进沙猫群的三维DV-Hop定位算法

引用

电讯技术 2025年第2期65卷 322-328页

作者：苗凯苟平章西北师范大学计算机科学与工程学院兰州730070

为解决三维DV-Hop计算平均每跳距离和确定待定位节点时存在的较大误差问题,提出了一种改进的三维DV-Hop定位算法(3D-ISDVHop)。首先,引入理想跳数,重新定义修正因子,优化锚节点的原始跳数,减少跳数计算的累计误差;其次,通过最大路径搜... 详细信息

为解决三维DV-Hop计算平均每跳距离和确定待定位节点时存在的较大误差问题,提出了一种改进的三维DV-Hop定位算法(3D-ISDVHop)。首先,引入理想跳数,重新定义修正因子,优化锚节点的原始跳数,减少跳数计算的累计误差;其次,通过最大路径搜索算法获取一条待定位节点到锚节点之间的最相似锚节点对的路径,修正该路径的平均跳距,得到待定位节点到目标锚节点的平均跳距;最后,利用非线性周期调整机制和精英协作策略改进沙猫群优化算法,通过函数最小化求解待定位节点坐标。仿真实验结果表明,在相同网络环境下,3D-ISDVHop表现出更优的性能,对比3D-DVHop、3D-SBDVHop和ILSOA-DVHop平均定位误差率分别降低约36.8%、5.6%、2.3%。

关键词：无线传感器网络(WSN) 3D-DVHop算法跳距修正相似路径沙猫群优化算法

来源：评论

学校读者我要写书评

暂无评论

融合改进TCN与DRSN的IoT入侵检测模型

引用

小型微型计算机系统 2025年第2期46卷 474-481页

作者：赵建姜伟哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差... 详细信息

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差收缩网络的物联网入侵检测模型.首先,利用扩张因果卷积与一维卷积充分提取数据的时空特征,形成深层层次的网络结构;然后引入自我注意的软门槛,能够无需专家经验自动地设置门槛,消除冗余特征;最后,使用焦点损失函数来增强对少数类的识别率.实验在TON-IoT数据集上的总体准确率和F1值分别高达99.88%和99.64%,其中小样本类的F1值为100%.实验结果表明,与其他模型相比,所提模型显著提高了对于不平衡入侵数据的检测能力.

关键词：物联网入侵检测时域卷积网络深度残差收缩网络样本不平衡焦点损失函数

来源：评论

学校读者我要写书评

暂无评论

基于双通道异质超图神经网络的引文推荐方法

引用

计算机工程与科学 2025年第2期47卷 361-369页

作者：李瑞红李晓红姚锦王闪闪西北师范大学计算机科学与工程学院甘肃兰州730070

针对现有引文推荐方法侧重于使用图结构建模二元关系,对节点类型和交互关系的多元化及多样性表示不足的问题,提出了基于双通道异质超图神经网络的引文推荐方法。首先,构建异质图,利用卷积神经网络和Transformer分别编码异质图中各个节... 详细信息

针对现有引文推荐方法侧重于使用图结构建模二元关系,对节点类型和交互关系的多元化及多样性表示不足的问题,提出了基于双通道异质超图神经网络的引文推荐方法。首先,构建异质图,利用卷积神经网络和Transformer分别编码异质图中各个节点的局部和全局语义特征,获得异质图通道上关于目标节点的结构表征。其次,设计多种类型的超边,扩展异构数据信息。再次,使用超图编码节点间的交互,并利用超图神经网络捕获超图中潜在的复杂高阶语义关系,获得超图通道上关于目标节点的语义表征。最后,聚合2个通道上的信息,得到目标节点的最终语义表示,并计算目标论文节点与候选论文节点间的相关性,生成引用文献推荐列表。在DBLP和PubMed数据集上的实验结果表明,所提出的方法能有效提升引文推荐的质量,获得较好的推荐结果。

关键词：引文推荐异质图超图神经网络信息融合

来源：评论

学校读者我要写书评

暂无评论

基于高斯分布的自适应密度峰值聚类算法

引用

计算机工程 2025年第4期51卷 137-148页

作者：李启文王治和杜辉鲁德鹏西北师范大学计算机科学与工程学院甘肃兰州730070

密度峰值聚类(DPC)算法可以发现任意形状的簇,对噪声具有鲁棒性,因此被广泛应用于各个领域。但DPC算法需要人工选取聚类中心,对于密度不均匀型数据集表现较差。为此,提出一种基于高斯分布的自适应密度峰值聚类算法。首先,计算局部密度... 详细信息

密度峰值聚类(DPC)算法可以发现任意形状的簇,对噪声具有鲁棒性,因此被广泛应用于各个领域。但DPC算法需要人工选取聚类中心,对于密度不均匀型数据集表现较差。为此,提出一种基于高斯分布的自适应密度峰值聚类算法。首先,计算局部密度和相对距离的乘积θ_(i),通过Z-score标准化方法,将θ_(i)映射到符合高斯分布的二维空间中,利用高斯分布的标准偏差来自适应选取聚类中心,得到聚类中心集合;其次,将其余数据点分配到离其最近的聚类中心所在的簇中,得到初步划分结果;最后,设计缝合因子模型,计算簇间缝合系数,当缝合系数大于阈值时合并初步划分结果中最相似簇并更新相似度矩阵,直至完成合并得到最终结果。在人工数据集和真实数据集上的实验结果表明,与DBSCAN算法、DPC算法和ICKDC算法对比,所提算法的聚类准确度更高,聚类性能更佳。

关键词：密度峰值聚类算法高斯分布 Z-score标准化缝合因子簇间相似度

来源：评论

学校读者我要写书评

暂无评论

基于自适应双层无迹卡尔曼滤波神经网络的铝电解电流效率预测模型

引用

控制理论与应用 2025年第3期42卷 579-589页

作者：方小燕姚立忠罗海军张玉泽易军重庆科技大学电子与电气工程学院重庆401331 重庆师范大学物理与电子工程学院重庆401331 重庆国家应用数学中心重庆401331 重庆科技大学计算机科学与工程学院重庆401331

针对铝电解过程强干扰和强时变导致模型精确度和稳定性不佳的难题,本文提出一种基于自适应双层无迹卡尔曼滤波神经网络的建模方法.该方法首先构建一种双层无迹卡尔曼滤波神经网络模型,以提高模型对扰动系统的稳定性.具体为:使用双层无... 详细信息

针对铝电解过程强干扰和强时变导致模型精确度和稳定性不佳的难题,本文提出一种基于自适应双层无迹卡尔曼滤波神经网络的建模方法.该方法首先构建一种双层无迹卡尔曼滤波神经网络模型,以提高模型对扰动系统的稳定性.具体为:使用双层无迹卡尔曼滤波在线更新神经网络的权值和阈值;然后,在双层无迹卡尔曼滤波神经网络的状态变量均方误差中引入约束调节参数;同时,采用梯度下降法自适应调整比例调节参数,将其均方误差约束至较小的范围内,以此来削弱滤波递归计算过程中误差累积对模型的影响;最后,通过铝电解电流效率预测,验证了本文所提方法具有较高的精确度和稳定性.

关键词：铝电解自适应建模双层无迹卡尔曼滤波人工神经网络电流效率

来源：评论

学校读者我要写书评

暂无评论

联邦增量学习研究综述

引用

计算机科学 2025年第3期52卷 377-384页

作者：谢家晨刘波林伟伟郑剑文华南师范大学计算机学院广州510631 华南理工大学计算机科学与工程学院广州510640

联邦学习以其独特的分布式训练模式和安全聚合机制成为近年来的研究热点。然而,在现实生活中,本地模型训练往往会收集到新数据,从而造成对旧数据的灾难性遗忘。因此,如何将联邦学习和增量学习有效结合是实现联邦生态可持续发展的关键所... 详细信息

联邦学习以其独特的分布式训练模式和安全聚合机制成为近年来的研究热点。然而,在现实生活中,本地模型训练往往会收集到新数据,从而造成对旧数据的灾难性遗忘。因此,如何将联邦学习和增量学习有效结合是实现联邦生态可持续发展的关键所在。文中首先对联邦增量学习(Federated Incremental Learning)的相关概念进行了深入的调查和分析;然后,重点阐述了基于数据、基于模型、基于架构和基于多方面联合优化的联邦增量学习方法,同时对现有方法进行分类和比较;最后,分析和总结了联邦增量学习未来的研究发展方向,如大规模、小样本、安全可靠和多任务场景下的联邦增量学习。

关键词：联邦学习安全聚合灾难性遗忘可持续发展联邦增量学习

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：