检索结果-内蒙古大学图书馆

计算机工程与应用 2024年第20期60卷 49-67页

作者：张其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

在现实世界中,复杂的动态网络数据广泛存在,如社交网络、蛋白质相互作用网络和传染病传播网络,它们由大量的节点和边构成。针对这类数据的有效挖掘和利用,以进行精准预测,成为了一项关键任务。动态图神经网络链接预测是深度学习研究领... 详细信息

在现实世界中,复杂的动态网络数据广泛存在,如社交网络、蛋白质相互作用网络和传染病传播网络,它们由大量的节点和边构成。针对这类数据的有效挖掘和利用,以进行精准预测,成为了一项关键任务。动态图神经网络链接预测是深度学习研究领域的一个重要分支,它旨在解析网络随时间演化的内在规律,并预测未来可能形成的链接,为各领域的决策提供有价值的信息和依据。回顾了动态图神经网络的发展历程,介绍动态图的建模方法和训练流程。在此基础上,根据时间粒度的不同,将动态图神经网络链接预测模型细分为离散动态图模型和连续动态图模型两大类,并综述了每一类别中当前主流模型所采用的建模方法;介绍了动态图链接预测研究中常用的数据集、评价指标和应用场景。最后,对该领域的未来发展趋势进行了前瞻性探讨。

关键词：图神经网络深度学习动态图学习链接预测时间图

来源：评论

学校读者我要写书评

暂无评论

利用跨模态轻量级YOLOv5模型的PET/CT肺部肿瘤检测

引用

电子与信息学报 2024年第2期46卷 624-632页

作者：周涛叶鑫宇刘凤珍陆惠玲北方民族大学计算机科学与工程学院银川750021 宁夏医科大学医学信息工程学院银川750004 北方民族大学图像图形智能处理国家民委重点实验室银川750021

多模态医学图像可在同一病灶处提供更多语义信息,针对跨模态语义相关性未充分考虑和模型复杂度过高的问题,该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先,提出学习正电子发射型断层显像(PET)、计算机断层扫描(CT)... 详细信息

多模态医学图像可在同一病灶处提供更多语义信息,针对跨模态语义相关性未充分考虑和模型复杂度过高的问题,该文提出基于跨模态轻量级YOLOv5(CL-YOLOv5)的肺部肿瘤检测模型。首先,提出学习正电子发射型断层显像(PET)、计算机断层扫描(CT)和PET/CT不同模态语义信息的3分支网络;然后,设计跨模态交互式增强块充分学习多模态语义相关性,余弦重加权计算Transformer高效学习全局特征关系,交互式增强网络提取病灶的能力;最后,提出双分支轻量块,激活函数簇(ACON)瓶颈结构降低参数同时增加网络深度和鲁棒性,另一分支为密集连接的递进重参卷积,特征传递达到最大化,递进空间交互高效地学习多模态特征。在肺部肿瘤PET/CT多模态数据集中,该文模型获得94.76%mAP最优性能和3238 s最高效率,以及0.81 M参数量,较YOLOv5s和EfficientDet-d0降低7.7倍和5.3倍,多模态对比实验中总体上优于现有的先进方法,消融实验和热力图可视化进一步验证。

关键词： YOLOv5 跨模态交互式增强块双分支轻量块 PET/CT多模态肺部肿瘤影像

来源：评论

学校读者我要写书评

暂无评论

TRGATLog:基于日志时间图注意力网络的日志异常检测方法

引用

计算机应用研究 2024年第4期41卷 1034-1040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

为解决现有日志异常检测方法往往只关注定量关系模式或顺序模式的单一特征,忽略了日志时间结构关系和不同特征之间的相互联系,导致较高的异常漏检率和误报率问题,提出基于日志时间图注意力网络的日志异常检测方法。首先,通过设计日志语... 详细信息

为解决现有日志异常检测方法往往只关注定量关系模式或顺序模式的单一特征,忽略了日志时间结构关系和不同特征之间的相互联系,导致较高的异常漏检率和误报率问题,提出基于日志时间图注意力网络的日志异常检测方法。首先,通过设计日志语义和时间结构联合特征提取模块构建日志时间图,有效整合日志的时间结构关系和语义信息。然后,构造时间关系图注意力网络,利用图结构描述日志间的时间结构关系,自适应学习不同日志之间的重要性,进行异常检测。最后,使用三个公共数据集验证模型的有效性。大量实验结果表明,所提方法能够有效捕获日志时间结构关系,提高异常检测精度。

关键词：异常检测日志分析图注意力网络网络安全日志时间图

来源：评论

学校读者我要写书评

暂无评论

基于不确定知识图谱嵌入的多关系近似推理模型

引用

计算机应用 2024年第6期44卷 1751-1759页

作者：李健京李贯峰秦飞舟李卫军宁夏大学信息工程学院银川750021 北方民族大学计算机科学与工程学院银川750021

针对大规模知识图谱(KG)的不确定性嵌入模型中无法对多种逻辑关系进行近似推理的问题,提出一种基于不确定KG嵌入(UKGE)的多关系近似推理模型UDConEx(Uncertainty DistMult(Distance Multiplicative) and complex Convolution Embedding)。首先,UDConEx结合DistMult和ComplEx(Complex Embedding)模型的特点,使得UDConEx具有推理对称与非对称关系的能力;其次,UDConEx采用卷积神经网络(CNN)捕获不确定性KG中的交互信息,使它具有推理逆关系和传递关系的能力;最后,UDConEx利用神经网络对KG的不确定信息进行置信度学习,在UKGE空间中可以进行近似推理。在CN15k、NL27k和PPI5k这3个公开数据集上的实验结果表明,相较于MUKGE(Multiplex UKGE)模型,UDConEx在CN15k、NL27k和PPI5k的置信度预测任务中平均绝对误差(MAE)分别降低了6.3%,30.1%和44.9%;在关系事实排名任务中,基于线性的归一化折损累计增益(NDCG)在CN15k和NL27k数据集中分别提升了5.8%和2.6%;在多关系近似推理任务中验证了UDConEx具有多种逻辑关系的近似推理能力。UDConEx弥补了传统嵌入模型无法进行置信度预测的不足,实现了对多种逻辑关系的近似推理,具有更精确、具有可解释性的不确定性知识图谱推理能力。

关键词：知识图谱多关系推理近似推理不确定性卷积神经网络

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

基于门控机制与重放策略的持续语义分割方法

引用

电子与信息学报 2024年第7期46卷 2908-2917页

作者：杨静何瑶李斌李少波胡建军溥江贵州大学机械工程学院贵阳550025 贵州大学公共大数据国家重点实验室贵阳550025 美国南卡罗莱纳州大学计算机科学与工程系哥伦比亚292084 贵州民族大学机械电子工程学院贵阳550025

基于深度神经网络的语义分割模型在增量更新知识时由于新旧任务参数之间的干扰加之背景漂移现象,会加剧灾难性遗忘。此外,数据常常由于隐私、安全等因素无法被存储导致模型失效。为此,该文提出基于门控机制与重放策略的持续语义分割方... 详细信息

基于深度神经网络的语义分割模型在增量更新知识时由于新旧任务参数之间的干扰加之背景漂移现象,会加剧灾难性遗忘。此外,数据常常由于隐私、安全等因素无法被存储导致模型失效。为此,该文提出基于门控机制与重放策略的持续语义分割方法。首先,在不存储旧数据的情况下,通过生成对抗网络生成及网页抓取作为数据来源,使用标签评估模块解决无监督问题、背景自绘模块解决背景漂移问题;接着,使用重放策略缓解灾难性遗忘;最后,将门控变量作为一种正则化手段增加模型稀疏性,研究了门控变量与持续学习重放策略结合的特殊情况。在Pascal VOC2012数据集上的评估结果表明,在复杂场景10-2,生成对抗网络(GAN)、Web的设置中,该文在全部增量步骤结束后的旧任务性能比基线分别提升了3.8%,3.7%,在场景10-1中,相比于基线分别提升了2.7%,1.3%。

关键词：持续学习语义分割重放策略门控变量

来源：评论

学校读者我要写书评

暂无评论

基于DCIF-GAN的肺部肿瘤PET/CT跨模态医学图像融合

引用

光学精密工程 2024年第2期32卷 221-236页

作者：周涛程倩茹张祥祥李琦陆惠玲北方民族大学计算机科学与工程学院宁夏银川750021 宁夏医科大学医学信息工程学院宁夏银川750004 北方民族大学图像图形智能处理国家民委重点实验室宁夏银川750021

基于生成对抗网络(Generative Adversarial Network,GAN)的医学图像融合是计算机辅助诊断领域的研究热点之一,但是现有基于GAN的融合方法存在训练不稳定,提取图像的局部和全局上下文语义信息能力不足,交互融合程度不够等问题。针对上述... 详细信息

基于生成对抗网络(Generative Adversarial Network,GAN)的医学图像融合是计算机辅助诊断领域的研究热点之一,但是现有基于GAN的融合方法存在训练不稳定,提取图像的局部和全局上下文语义信息能力不足,交互融合程度不够等问题。针对上述问题,本文提出了双耦合交互式融合GAN(Dual-Coupled Interactive Fusion GAN,DCIFGAN)。首先,设计了双生成器双鉴别器GAN,通过权值共享机制实现生成器之间和鉴别器之间的耦合,通过全局自注意力机制实现交互式融合;第二,设计耦合CNN-Transformer的特征提取模块(Coupled CNN-Transformer Feature Extraction Module,CC-TFEM)和特征重构模块(CNN-Transformer Feature Reconstruction Module,C-TFRM),提升了对同一模态图像内部的局部和全局特征信息提取能力;第三,设计跨模态交互式融合模块(Cross Model Intermodal Fusion Module,CMIFM),通过跨模态自注意力机制,进一步整合不同模态间的全局交互信息。为了验证本文模型的有效性,在肺部肿瘤PET/CT医学图像数据集上进行实验,该文方法在平均梯度,空间频率,结构相似度,标准差,峰值信噪比,信息熵等上与其他四种方法中最优方法相比,分别提高了1.38%,0.39%,29.05%,30.23%,0.18%,4.63%。模型能够突出病变区域信息,融合图像结构清晰且纹理细节丰富。

关键词：医学图像图像融合 PET/CT 耦合生成对抗网络 Swin Transformer

来源：评论

学校读者我要写书评

暂无评论

基于图神经网络的文本分类方法研究综述

引用

计算机工程与应用 2024年第19期60卷 1-17页

作者：苏易礌李卫军刘雪洋丁建平刘世侠李浩南李贯峰北方民族大学计算机科学与工程学院银川750021 北方民族大学图形图像智能处理国家民委重点实验室银川750021 宁夏大学信息工程学院银川750021

文本分类是自然语言处理领域中的一个重要任务,旨在将给定的文本数据分配到预定义的一组类别中。传统的文本分类方法只能处理欧氏空间的数据,不能处理图这种非欧氏数据。而对于图结构的文本数据无法直接处理,无法捕捉图中的非欧氏结构... 详细信息

文本分类是自然语言处理领域中的一个重要任务,旨在将给定的文本数据分配到预定义的一组类别中。传统的文本分类方法只能处理欧氏空间的数据,不能处理图这种非欧氏数据。而对于图结构的文本数据无法直接处理,无法捕捉图中的非欧氏结构。因此,如何将图神经网络应用到文本分类任务中是目前的研究热点之一。对基于图神经网络的文本分类方法进行了综述,概述了基于机器学习和基于深度学习的传统文本分类方法,总结了图卷积神经网络的背景和原理;根据不同类型的图网络详细阐述了基于图神经网络的文本分类方法,同时对图神经网络模型在文本分类中的应用进行了深入分析;对目前基于图神经网络的文本分类模型进行了对比实验,讨论了模型的分类性能;提出了未来的研究方向,以推动该领域的进一步发展。

关键词：文本分类自然语言处理图神经网络图网络

来源：评论

学校读者我要写书评

暂无评论

基于异构图神经网络的半监督网站主题分类

引用

计算机工程与科学 2024年第4期46卷 635-646页

作者：王谢中陈旭景永俊王叔洋北方民族大学计算机科学与工程学院宁夏银川750000 北方民族大学电气信息工程学院宁夏银川750000

互联网网站数量快速增长使现有方法难以准确分类特定网站主题,如基于URL的方法无法处理未反映在URL中的主题信息,基于网页内容的方法受到数据稀疏性和语义关系捕捉的限制。为此,提出一种基于异构图神经网络的半监督网站主题分类方法HGNN... 详细信息

互联网网站数量快速增长使现有方法难以准确分类特定网站主题,如基于URL的方法无法处理未反映在URL中的主题信息,基于网页内容的方法受到数据稀疏性和语义关系捕捉的限制。为此,提出一种基于异构图神经网络的半监督网站主题分类方法HGNN-SWT。该方法不仅利用网站文本特征来弥补仅使用URL特征的不足,还利用异构图对网站文本和词语的稀疏关系进行建模,通过处理图中的节点和边关系来提高分类性能。同时引入基于随机游走的邻居节点采样方法,考虑节点的局部特征和全局图结构,并提出特征融合策略,捕捉网站文本数据的上下文关系和特征交互。通过在自制的Chinaz Website数据集上的实验,证明了HGNN-SWT方法在网站主题分类任务中相较于现有方法具有更高的准确率。

关键词：网站主题异构图神经网络半监督特征融合

来源：评论

学校读者我要写书评

暂无评论

基于密集交互式融合Mask RCNN的肺部PET/CT图像实例分割

引用

生物医学工程学杂志 2024年第3期41卷 527-534页

作者：周涛赵雅楠陆惠玲王亚星支力佳北方民族大学计算机科学与工程学院银川750021 宁夏医科大学医学信息工程学院银川750004 北方民族大学图像图形智能处理国家民委重点实验室银川750021

正电子发射断层显像/X线计算机体层成像(PET/CT)肺部图像中存在病灶区域特征像素信息少、形状复杂多样,病变与周围组织界限模糊等问题,导致模型对肿瘤病变特征提取不充分。针对上述问题,本文提出基于密集交互式融合Mask RCNN(DIF-Mask R... 详细信息

正电子发射断层显像/X线计算机体层成像(PET/CT)肺部图像中存在病灶区域特征像素信息少、形状复杂多样,病变与周围组织界限模糊等问题,导致模型对肿瘤病变特征提取不充分。针对上述问题,本文提出基于密集交互式融合Mask RCNN(DIF-Mask RCNN)实例分割模型。首先设计具有跨尺度主辅结构的特征提取网络,提取出不同尺度病灶特征;然后设计密集交互式增强辅助网络(DIFEN),通过将最浅层病变特征以密集连接形式与邻近特征、当前特征进行交互融合,增强深层特征图中病灶细节信息;最后构建密集交互式融合金字塔网络(DIF-FPN),在自下而上路径中将浅层信息逐个以密集连接方式补充到深层特征中,进一步加强模型对病变区域的微弱特征感知力。在临床PET/CT肺部图像数据集上进行消融实验和对比实验,结果表明所提模型对于病变区域实例分割的APdet、APseg、APdet_s、APseg_s指标分别为67.16%、68.12%、34.97%、37.68%,与Mask RCNN(ResNet50)相比在APdet和APseg指标上分别提升7.11%、5.14%。DIF-Mask RCNN模型能够有效检测分割肿瘤病变,为肺癌辅助诊断提供重要的参考价值与评估依据。

关键词：正电子发射断层显像/X线计算机体层成像实例分割交互式融合密集连接 MaskRCNN

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：