检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第1期61卷 308-320页

作者：陈旭张硕景永俊王叔洋北方民族大学计算机科学与工程学院银川750000 北方民族大学电气信息工程学院银川750000

针对现有方法忽略了日志异常数据不平衡和日志特征间的关联性,导致异常检测准确率低的问题。提出一种基于混合特征平衡图注意力网络的日志异常检测模型(HBGATLog)。构建混合日志图构建模块,通过混合特征提取模块提取日志数据的语义信息... 详细信息

针对现有方法忽略了日志异常数据不平衡和日志特征间的关联性,导致异常检测准确率低的问题。提出一种基于混合特征平衡图注意力网络的日志异常检测模型(HBGATLog)。构建混合日志图构建模块,通过混合特征提取模块提取日志数据的语义信息、日志序列和时间结构,增强日志特征间的关联性,并采用日志图构建模块构建日志图,有效保留空间结构特征。设计平衡日志图生成模块,解决不平衡的日志数据导致检测结果偏向多数类问题。采用图日志异常检测模块进行异常检测。使用BGL、Thunderbird和HDFS三个公共数据集对HBGATLog进行验证,实验结果表明,F1 score分别达到了99.0%、98.7%和98.1%。证明HBGATLog不但能够解决日志数据不平衡问题,充分考虑日志数据特征的关联性,而且有效降低了漏检率。

关键词：日志异常检测日志分析图神经网络混合特征提取数据不平衡

来源：评论

学校读者我要写书评

暂无评论

时空图神经网络在物联网中的应用综述

引用

计算机工程与应用 2025年第5期61卷 43-54页

作者：张建伟陈旭王叔洋景永俊宋吉飞北方民族大学计算机科学与工程学院银川750030 北方民族大学电气信息工程学院银川750030 国家新型互联网交换中心宁夏中卫755001

随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网... 详细信息

随着物联网在各个领域物理设备的发展,产生的大量数据给当前数据处理方法带来了挑战。深度学习模型具备处理大规模和高维度数据的能力,已逐渐应用于物联网不同领域。时空图神经网络作为一种处理图结构数据的深度学习模型,能够对物联网中的拓扑结构和时间信息进行建模,并在物联网预测任务中展现出优秀性能。介绍了物联网中的时间相关性和空间相关性,以及不同时空网络架构的构建方法,并基于空间相关性的不同,将时空图神经网络分为时空图卷积网络和时空图注意力网络。进一步分析了时空图卷积网络和时空图注意力网络在物联网中的应用,主要包括交通、环境和能源领域。最后,探讨了时空图神经网络在物联网应用中面临的挑战和未来的研究方向。

关键词：物联网深度学习时空图神经网络图结构数据

来源：评论

学校读者我要写书评

暂无评论

一种融合双曲表示与欧几里得表示的源代码漏洞检测方法

引用

郑州大学学报(理学版) 2025年

作者：陈旭陈子雄景永俊王叔洋宋吉飞北方民族大学计算机科学与工程学院北方民族大学电气信息工程学院国家(中卫)新型互联网交换中心

随着软件系统的日益复杂,源代码漏洞检测成为了维护软件安全的关键任务。虽然已经出现了各种基于深度学习的漏洞检测方法,但这些方法主要依赖于单一的欧氏空间视角提取代码表示结构中的语义特征与结构特征,这不利于检测隐藏在代码深处... 详细信息

随着软件系统的日益复杂,源代码漏洞检测成为了维护软件安全的关键任务。虽然已经出现了各种基于深度学习的漏洞检测方法,但这些方法主要依赖于单一的欧氏空间视角提取代码表示结构中的语义特征与结构特征,这不利于检测隐藏在代码深处漏洞的能力。为了解决这一问题,提出了一种融合双曲表示与欧几里得表示的源代码漏洞检测方法(Source Code Vulnerability Detection Method Fusing Hyperbolic Representation and Euclidean Representation, VulDEHGCN),从两种不同的空间对源代码进行嵌入处理,以不同视角挖掘源代码的漏洞特征,实现更准确的漏洞检测。实验结果表明,与现有的漏洞检测方法相比,VulDEHGCN在准确率、精确率、召回率和F1得分等关键性能指标上均实现了显著提升,其中,准确率和F1分数分别达到98.93%和96.63%,在准确率和F1指标方面比最先进的基线分别提升了11.61%和16.32%。消融实验还证实了融合不同视角的代码嵌入的检测性能更优。

关键词：漏洞检测切片级别双曲空间欧氏空间融合表示

来源：评论

学校读者我要写书评

暂无评论

多尺度特征交互的伪标签无监督域自适应行人重识别

引用

光电工程 2025年第1期52卷 53-66页

作者：刘仲民杨富君胡文瑾兰州理工大学电气工程与信息工程学院甘肃兰州730050 西北民族大学数学与计算机科学学院甘肃兰州730030

针对无监督域自适应行人重识别中存在的感受野不足、全局特征与局部特征联系不紧密等问题,提出了一种多尺度特征交互的无监督域自适应行人重识别方法。首先利用特征压缩注意力机制对图像特征进行压缩并输入到网络以增强丰富的局部信息... 详细信息

针对无监督域自适应行人重识别中存在的感受野不足、全局特征与局部特征联系不紧密等问题,提出了一种多尺度特征交互的无监督域自适应行人重识别方法。首先利用特征压缩注意力机制对图像特征进行压缩并输入到网络以增强丰富的局部信息。其次,设计了残差特征交互模块,通过特征交互的方式将全局信息编码到特征中,同时增大模型感受野,强化网络对行人特征信息的提取能力。最后,采用基于部分卷积的瓶颈层模块在部分输入通道上进行卷积运算以减少冗余计算,提高空间特征提取效率。实验结果显示,该方法在三个适应性数据集上mAP分别达到了82.9%、68.7%、26.6%,Rank-1分别达到了93.7%、82.7%、54.7%,Rank-5分别达到了97.4%、89.9%、67.5%。表明所提方法能够使行人特征得到更好的表达,识别精度得到提高。

关键词：行人重识别无监督域自适应特征压缩多尺度特征交互部分卷积

来源：评论

学校读者我要写书评

暂无评论

RO-YOLOv9车辆行人检测算法

引用

计算机工程与应用 2025年

作者：廖炎华万学俊赵周洲潘文林云南民族大学电气信息工程学院玉溪市公安局科技信息化支队云南民族大学数学与计算机科学学院

针对道路交通环境中车辆和行人目标较小或被遮挡导致的检测精度低以及误检、漏检问题，提出道路目标检测算法RO-YOLOv9。首先，增加小目标检测层，增强算法对小目标的特征学习能力。其次，设计双向与自适应尺度融合特征金字塔网络(Bidir... 详细信息

针对道路交通环境中车辆和行人目标较小或被遮挡导致的检测精度低以及误检、漏检问题，提出道路目标检测算法RO-YOLOv9。首先，增加小目标检测层，增强算法对小目标的特征学习能力。其次，设计双向与自适应尺度融合特征金字塔网络(Bidirectional and Adaptive Scale Fusion Feature Pyramid Network， BiASF-FPN)结构，优化多尺度特征融合，保证算法有效捕捉从小尺度到大尺度目标的详细信息。再者，提出OR-RepN4模块，通过重参数化策略，复杂算法结构简单化，提高推理速度。最后，引用shape-NWD(Shape Neighborhood Weighted Decomposition)损失函数，专注边界框形状与尺寸，采用归一化高斯Wasserstein距离平滑回归，实现跨尺度不变性，降低小尺度与遮挡目标的检测误差。实验结果表明，在优化后的SODA10M和BDD100K数据集下，RO-YOLOv9算法的mAP(mean Average Precision)@0.5分别达到68.1%和56.8%，比YLOLOv9算法提高5.6%和4.4%，并检测帧率分别达到了55.3和54.2frame/s，达到检测精度和检测速度的平衡。

关键词： YOLOv9 小目标检测 BiASF-FPN OR-RepN4 shape-NWD

来源：评论

学校读者我要写书评

暂无评论

基于编码改进和频域增强的非平稳长时间序列预测

引用

云南民族大学学报(自然科学版) 2025年第3期 350-355+368页

作者：王鉴潇申时凯佘玉梅杨斌洪燚陶玉虎云南民族大学数学与计算机科学学院昆明学院信息工程学院滁州学院计算机与信息工程学院

针对Informer模型未考虑现实数据的非平稳性和频域信息的问题，提出了一种非平稳长时间序列预测模型，核心思想是编码改进和频域增强，为了非平稳信息恢复到时间依赖性中，时间绝对编码器用于提取时间点的相互依赖；同时，通过离散余弦... 详细信息

针对Informer模型未考虑现实数据的非平稳性和频域信息的问题，提出了一种非平稳长时间序列预测模型，核心思想是编码改进和频域增强，为了非平稳信息恢复到时间依赖性中，时间绝对编码器用于提取时间点的相互依赖；同时，通过离散余弦变换的频域增强通道注意力机制，自适应地捕捉通道之间在频域中的相互依赖性，提高了预测性能.实验结果表明，相较于其他模型，所提模型在数据集上的均方误差（MSE）平均下降58.4%，最高下降66.5%.

关键词：长时间序列预测时间绝对编码器频域增强通道注意力离散余弦变换

来源：评论

学校读者我要写书评

暂无评论

融合多尺度特征与空间重构的敦煌壁画修复

引用

光电子·激光 2025年

作者：刘仲民张振彬胡文瑾兰州理工大学电气工程与信息工程学院甘肃省工业过程先进控制重点实验室西北民族大学数学与计算机科学学院

针对敦煌壁画修复过程中存在空间特征冗余和特征交互不充分的问题，提出一种融合多尺度特征与空间重构的敦煌壁画修复模型。该方法首先利用空间重构单元(Spatial Reconstruction Unit， SRU)，通过特征分离与重构操作来优化特征学习能... 详细信息

针对敦煌壁画修复过程中存在空间特征冗余和特征交互不充分的问题，提出一种融合多尺度特征与空间重构的敦煌壁画修复模型。该方法首先利用空间重构单元(Spatial Reconstruction Unit， SRU)，通过特征分离与重构操作来优化特征学习能力。其次，设计了一种结合多尺度融合与门控残差连接的聚合多尺度上下文模块(Aggregated Multiscale Context Module， AMC)，用于更新缺失区域特征。最后，在结构纹理特征融合网络中引入3D排列的全局注意力机制(Global Attention Mechanism， GAM)，从而强化纹理和结构特征之间的交互。在敦煌壁画数据集上的实验结果表明，所提方法能够有效修复破损的敦煌壁画，修复后的壁画具有较好的结构及细节信息，且在大面积破损修复及复杂纹理修复方面表现出较强的性能。

关键词：敦煌壁画修复空间重构单元聚合多尺度全局注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向深度学习的三维点云补全算法综述

引用

中国图象图形学报 2025年第2期30卷 309-333页

作者：胡伏原李晨露周涛程洪福顾敏明苏州科技大学电子与信息工程学院苏州215009 江苏省工业智能低碳技术工程中心苏州215009 苏州市智能低碳技术应用重点实验室苏州215009 北方民族大学计算机科学与工程学院银川750021 苏州市拙政园管理处(苏州市园林博物馆) 苏州215001

点云因其丰富的信息表达能力已成为三维视觉的主要表现形式,然而实际采集到的点云数据往往因各种因素导致稀疏或残缺,严重影响点云后续处理。点云补全算法旨在从残缺点云数据中重建完整点云模型,是3D重建、目标检测和形状分类等领域的... 详细信息

点云因其丰富的信息表达能力已成为三维视觉的主要表现形式,然而实际采集到的点云数据往往因各种因素导致稀疏或残缺,严重影响点云后续处理。点云补全算法旨在从残缺点云数据中重建完整点云模型,是3D重建、目标检测和形状分类等领域的重要研究基础。目前,基于深度学习的点云补全算法逐渐成为三维点云领域的研究热点,但补全任务中模型结构、精度和效率等挑战正阻碍点云补全算法的发展。本文对深度学习背景下的点云补全算法进行系统综述,首先根据网络输入模态将点云补全算法分为两大类,即基于单模态的方法以及基于多模态的方法。接着根据三维数据表征方式将基于单模态的方法分为三大类,即基于体素的方法、基于视图的方法以及基于点的方法,并对经典方法和最新方法进行系统的分析和总结,同时结合热点模型,如生成对抗网络(generative adversarial network,GAN)、Transformer模型等进一步分类对比,评述各类模型下点云补全算法的方法特点与网络性能。再对基于多模态的方法进行实际应用分析,结合扩散模型等方法进行算法性能对比。然后总结点云补全任务中常用的数据集及评价标准,分别以多种评价标准对比分析现有基于深度学习的点云补全算法在真实数据集与多种合成数据集上的性能表现。最后根据各分类的优缺点提出点云补全算法在深度学习领域的未来发展和研究趋势,为三维视觉领域的补全算法研究者提供重要参考价值。

关键词：点云补全体素方法多模态方法 Transformer模型扩散模型

来源：评论

学校读者我要写书评

暂无评论

基于YOLOv5的口吃类型检测研究

引用

云南民族大学学报(自然科学版) 2025年第1期34卷 84-92页

作者：程振贾嘉敏蒋作王欣云南民族大学电气信息工程学院云南昆明650500 云南民族大学数学与计算机科学学院云南昆明650500

语言交流效率得分是量化口吃严重程度的方法,该方法需要获得口吃发生的时间,但目前相关研究仅能判断语音段中是否存在口吃,无法精确定位口吃的发生位置,不利于对口吃严重程度的判别.针对目前深度学习检测口吃类型无法可视化定位目标的问... 详细信息

语言交流效率得分是量化口吃严重程度的方法,该方法需要获得口吃发生的时间,但目前相关研究仅能判断语音段中是否存在口吃,无法精确定位口吃的发生位置,不利于对口吃严重程度的判别.针对目前深度学习检测口吃类型无法可视化定位目标的问题,首先使用短时傅里叶变换将语音转化为语谱图,然后对其进行口吃类型标记,最后使用YOLOv5对口吃类型进行检测.在YOLOv5的基础框架下尝试YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x 4种不同深度和宽度的模型,实现口吃类型的分类和定位,并选择在其性能最优的模型YOLOv5l中引入高效通道注意力机制和CIOU目标框损失函数对基础模型进行改进.实验结果表明,改进的YOLOv5l模型在训练损失值有明显降低,在准确率、召回率和mAP_0.5上分别提升了1.2、0.6和0.4个百分点,较原模型漏检情况有所改善.

关键词： YOLOv5 口吃识别语谱图目标检测

来源：评论

学校读者我要写书评

暂无评论

融合扩散文本的图像描述算法

引用

兰州大学学报(自然科学版) 2025年第1期61卷 8-16页

作者：刘仲民王学臻胡文瑾兰州理工大学电气工程与信息工程学院甘肃省工业过程先进控制重点实验室兰州730050 重庆长安汽车股份有限公司重庆400023 西北民族大学数学与计算机科学学院兰州730030

针对图像描述任务中特征信息利用不充分、背景信息易被忽略、生成语句的可控性存在欠缺等问题,使用特征融合模块和基于Transformer编/解码器的文本解码增强网络,提出一种融合扩散文本的图像描述算法.输入图像由Vision Transformer骨干... 详细信息

针对图像描述任务中特征信息利用不充分、背景信息易被忽略、生成语句的可控性存在欠缺等问题,使用特征融合模块和基于Transformer编/解码器的文本解码增强网络,提出一种融合扩散文本的图像描述算法.输入图像由Vision Transformer骨干网络提取细粒度信息,并在解码器中将原始的BERT网络结构替换为新型的DeBERTa网络结构,提升了Transformer模型的解码效果.文本扩散方法对图像描述语句的生成过程进行监督,减少描述语句的无序化.用强化学习方式对模型进行微调,优化最终描述语句生成结果.将提出算法在MS-COCO数据集中进行定量评估和线上对比测试.结果表明,模型在BLEU-1、BLEU-4、METEOR、ROUGE-L、CIDEr、SPICE数据集上的性能分别提高2.1%、3.1%、1.7%、2%、3.2%、2.6%,且模型的微调过程更加稳定,对图像的语义表述更加准确有序.

关键词：图像描述特征融合 Transformer模型扩散模型强化学习

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：