检索结果-内蒙古大学图书馆

电子学报 2024年第9期52卷 3228-3239页

作者：代劲李昊王国胤重庆邮电大学软件学院重庆400065 重庆邮电大学计算机学院重庆400065 计算智能重庆市重点实验室重庆400065

概念漂移是影响流数据挖掘性能的重要因素,当前主要通过增量更新或重训练模型进行处理,但对已有知识并未充分利用.从综合利用全体样本出发,本文构建了一种基于动态样本选择的概念漂移自适应分类方法.该方法在新样本到来时进行基于局部... 详细信息

概念漂移是影响流数据挖掘性能的重要因素,当前主要通过增量更新或重训练模型进行处理,但对已有知识并未充分利用.从综合利用全体样本出发,本文构建了一种基于动态样本选择的概念漂移自适应分类方法.该方法在新样本到来时进行基于局部一致性的漂移检测,在发现漂移发生时去除区域内的噪声样本,当检测到新概念出现时,对历史相似概念进行重用.最后,对区域内不同类别样本进行多代表点归纳,并同步更新预测模型.本文在含有不同漂移类型的合成数据集上进行去噪效果验证,并在真实数据集上进行预测任务.实验结果表明,该方法可以有效去除因概念漂移而形成的漂移噪声,有效提升了预测模型性能,整体预测表现优于流行的概念漂移自适应模型.

关键词：概念漂移局部漂移检测流数据样本选择样本去噪自适应预测

来源：评论

学校读者我要写书评

暂无评论

MEC中基于改进粒子群算法的任务卸载策略

引用

计算机工程 2024年

作者：吴波龙廷艳万良夏云霓贵州大学计算机学院科学与技术学院公共大数据国家重点实验室重庆大学计算机学院软件与理论重庆市重点实验室

针对多基站多任务移动边缘计算环境中任务卸载问题，在同时考虑任务在基站之间并行传输、任务卸载系统时延和边缘服务器负载的情况下，提出以系统时延和负载均衡为最小化优化目标的任务卸载策略。为求解优化问题，提出了一种基于改进粒... 详细信息

针对多基站多任务移动边缘计算环境中任务卸载问题，在同时考虑任务在基站之间并行传输、任务卸载系统时延和边缘服务器负载的情况下，提出以系统时延和负载均衡为最小化优化目标的任务卸载策略。为求解优化问题，提出了一种基于改进粒子群算法的任务卸载方法IPSO，通过采用反向学习策略对粒子群算法的初始解空间进行优化，提升算法的收敛与搜索能力；再利用levy飞行策略对各粒子的速度矢量进行更新，有效避免局部最优解，同时引入遗传算法的精英保留策略，得到一个能够稳定降低边缘服务器负载的任务卸载策略，将所提的IPSO算法与混合启发式算法、PSO算法、人工蜂鸟算法、遗传算法和随机算法进行对比。实验结果表明，IPSO算法在不同的任务数、边缘服务器数下得到的时延和负载标准差都小于其它5种算法，其中，在任务数增长下进行实验后得到的系统时延分别比其它对比算法平均降低了3.04%、4.63%、6.79%、8.94%、12.7%，边缘服务器之间负载标准差分别比其它对比算法平均降低了16.2%、26.4%、62.8%、71.3%、91.5%。

关键词：边缘计算任务卸载并行传输负载均衡粒子群算法

来源：评论

学校读者我要写书评

暂无评论

一种CEEMDAN联合双树复小波的水质紫外-可见光谱去噪算法研究

引用

光谱学与光谱分析 2023年第3期43卷 976-983页

作者：汪仁杰冯鹏杨兴安乐黄盼罗燕何鹏汤斌重庆大学光电技术及系统教育部重点实验室重庆400044 重庆市光纤传感与光电检测重点实验室重庆400054 成都理工大学计算机与网络安全学院四川成都610059

紫外-可见吸收光谱法测量水质化学需氧量(COD),本质是对大量水质光谱数据建模,以此模型为基础引入待测的水质光谱数据进行预测的过程。而实测的邻苯二甲酸氢钾COD标准溶液在200~300 nm存在两个特征吸收峰,标准溶液在不同浓度下的峰值也... 详细信息

紫外-可见吸收光谱法测量水质化学需氧量(COD),本质是对大量水质光谱数据建模,以此模型为基础引入待测的水质光谱数据进行预测的过程。而实测的邻苯二甲酸氢钾COD标准溶液在200~300 nm存在两个特征吸收峰,标准溶液在不同浓度下的峰值也不同,利用此特性对该波段进行特征波长的选择,用其表征光谱信息,降低数据冗余度的同时提高了预测精度。针对实测水质光谱信号容易受到仪器本身和外界干扰,光谱数据存在大量非平稳噪声,且特征吸收峰及其临近信号频率较高,常规去噪算法直接舍弃高频信号以及无法准确判断信噪分量界限,导致有效信号缺失这一实际问题。提出了一种基于完全自适应噪声集合经验模态分解(CEEMDAN)和双树复小波变换(DT-CWT)的联合去噪算法。该联合算法利用CEEMDAN将信号分解为本征模态函数(IMF),并通过归一化自相关函数和互相关系数进行线性相关性分析,得到各阶IMF分量之间的自相关性以及IMF分量与原始信号的互相关系数,以确定高频含噪分量与低频信号分量的界限;进而应用DT-CWT阈值去噪算法对含噪高频IMF分量进行处理,将DT-CWT处理之后的IMF高频分量与CEEMDAN分解得到的IMF低频分量进行信号重构,获得最终去噪后的水质光谱信号。实验结果表明:基于CEEMDAN联合双树复小波变换的去噪算法适用于紫外-可见光谱水质检测的数据处理。对于化学需氧量COD标液为100 mg·L^(-1)的邻苯二甲酸氢钾溶液,将实测的紫外-可见光谱数据应用该算法去噪后的SNR=24.2015 dB,RMSE=0.0240,NCC=0.9994,PSNR=37.5736,不仅去噪效果显著优于CEEMDAN和双树复小波阈值算法,还有效地保留了原始COD标液的吸收特征峰,遏制了平移敏感性现象,提高了重构信号的平滑度,改善了重构信号质量。为紫外-可见光谱法检测水质COD提供了一种新的数据预处理方法。

关键词：水质检测紫外-可见光谱完全自适应噪声集合经验模态分解(CEEMDAN) 双树复小波变换相关分析

来源：评论

学校读者我要写书评

暂无评论

LFDP:融合低频信息的差分隐私鲁棒性增强方法

引用

信息安全学报 2025年第1期10卷 47-60页

作者：王豪许强张清华李开菊重庆邮电大学计算机科学与技术学院重庆400065 旅游多源数据感知与决策技术文化和旅游部重点实验室重庆400065 香港城市大学电机工程系中国香港999077 重庆邮电大学计算智能重庆市重点实验室重庆400065 重庆大学计算机学院重庆400044

机器学习模型由于其预测和分类的高精度和各种应用场景的普适性,在图像处理、自动驾驶、自然语言处理等领域得到广泛应用。但机器学习模型容易遭受对抗样本攻击,在遭受对抗样本攻击时,预测和分类的精度会大幅下降。目前,数据增强方法通... 详细信息

机器学习模型由于其预测和分类的高精度和各种应用场景的普适性,在图像处理、自动驾驶、自然语言处理等领域得到广泛应用。但机器学习模型容易遭受对抗样本攻击,在遭受对抗样本攻击时,预测和分类的精度会大幅下降。目前,数据增强方法通过改变或者扰动原始图像的方式,使得机器学习模型具有更强的泛化能力,在保护隐私的同时,能够增强其抵御对抗样本攻击的鲁棒性,是当前机器学习模型鲁棒性增强的主流方法之一。但基于差分隐私的鲁棒性增强方法面临加入的高频噪声容易被滤除,导致鲁棒性增强效果下降的问题。针对这一问题,结合信号处理的知识,本文从频域角度阐述差分隐私能够增强机器学习模型鲁棒性的原理,从理论上证明其有效性。设计了一种高频噪声滤波器HFNF,能够将差分隐私加入的高频高斯噪声滤除,使得差分隐私的鲁棒性增强效果下降,从理论上分析差分隐私鲁棒性增强方法存在缺陷的原因。提出了一种普适的融合低频信息的差分隐私鲁棒性增强算法LFDP,通过对图像不同频域部分加入生成的高低频噪声,即使存在高频噪声滤波攻击,仍然能够保证模型的鲁棒性,弥补了差分隐私原有高频高斯噪声的不足。从理论上分析并给出所提出方案的鲁棒性和误差边界,并在实际的数据集中进行测试。实验结果表明,与直接加入高频噪声的差分隐私鲁棒性增强方法相比,LFDP在不增大噪声尺度的同时能够起到更好的鲁棒性增强效果。

关键词：机器学习鲁棒性差分隐私低频噪声

来源：评论

学校读者我要写书评

暂无评论

基于集合卡尔曼滤波的水文模型状态变量反馈校正方法

引用

水力发电学报 2024年第10期43卷 17-31页

作者：王文鹏何坫鹏巫义锐邱鹏张馨月刘波河海大学水文水资源学院南京210024 水利部水利大数据重点实验室南京211100 河海大学计算机与软件学院南京211100 重庆市水文监测总站重庆401120

集合卡尔曼滤波已应用于水文模型初始状态误差校正。如何选择校正变量、是否同步校正模型参数、如何优选滤波超参数是其应用难点。为此,以綦江流域GR5J模型为原型,同化实测流量反馈校正模型状态,通过合成实验和滚动预报实验,分析状态变... 详细信息

集合卡尔曼滤波已应用于水文模型初始状态误差校正。如何选择校正变量、是否同步校正模型参数、如何优选滤波超参数是其应用难点。为此,以綦江流域GR5J模型为原型,同化实测流量反馈校正模型状态,通过合成实验和滚动预报实验,分析状态变量选择、模型参数扰动、滤波超参数对预报精度的影响。结果表明:准确识别有偏初始状态,集合卡尔曼滤波能提高预报精度;若难以识别,建议同步校正产流汇流状态变量,减少过校正。模型参数有偏时,应先识别模型参数,再校正模型状态。增加集合数和预热时长能提高校正精度,模型和观测噪声的影响具有非单调性;滤波校正效果随预见期延长而衰减,但要优于模型预热技术。该发现可作为作业预报应用状态校正法的参考。

关键词：集合卡尔曼滤波水文模型洪水预报数据同化实时校正

来源：评论

学校读者我要写书评

暂无评论

基于变权重−云模型的岩溶隧道涌突水灾害风险评估——以中梁山隧道为例

引用

中国岩溶 2023年第3期42卷 548-557,572页

作者：李慧魏兴萍刘程李良鑫重庆师范大学地理与旅游学院重庆401331 长江上游湿地科学研究重庆市重点实验室重庆401331 重庆师范大学计算机软件学院重庆401331

针对岩溶隧道涌突水的致险因素的不确定性、复杂性和隧道涌突水风险评价的主观性,以成渝中线中梁山岩溶隧道工程为背景,建立基于正态云模型的隧道涌突水风险评价方法。通过选取地层岩性、地质构造、地表汇水条件、隧道空间位置、地下水... 详细信息

针对岩溶隧道涌突水的致险因素的不确定性、复杂性和隧道涌突水风险评价的主观性,以成渝中线中梁山岩溶隧道工程为背景,建立基于正态云模型的隧道涌突水风险评价方法。通过选取地层岩性、地质构造、地表汇水条件、隧道空间位置、地下水循环交替条件作为风险影响因素,构建涌突水风险评估体系;基于正态云模型确定的各影响因子数字特征及变权向量计算综合隶属度,最终判定岩溶隧道涌突水灾害风险等级。结果表明:成渝中线中梁山隧道涌突水灾害为“Ⅱ级”与“Ⅴ级”之间,涌突水灾害发生可能性大且危害高,与实际开挖结果一致。文章构建的岩溶隧道涌突水灾害风险评估方法,实现了多元决策下的隧道涌突水灾害风险分级客观性,适合岩溶隧道的风险评估,为日后隧道质量控制和寿命评估提供参考。

关键词：正态云模型变权重岩溶隧道综合隶属度涌突水灾害

来源：评论

学校读者我要写书评

暂无评论

针对剩余静校正的慢速扩展遗传算法

引用

山西大学学报(自然科学版) 2024年

作者：胥可钱坤于洪闵帆西南石油大学计算机与软件学院重庆邮电大学计算智能重庆市重点实验室西南石油大学人工智能研究院

在地震勘探剩余静校正阶段，遗传算法处理低信噪比数据时容易受到噪声干扰，迅速陷入局部最优。本文提出一种基于概率统计的慢速扩展遗传算法（Slow expansion genetic algorithm for residual static correction,SEGA）。以动校正后的... 详细信息

在地震勘探剩余静校正阶段，遗传算法处理低信噪比数据时容易受到噪声干扰，迅速陷入局部最优。本文提出一种基于概率统计的慢速扩展遗传算法（Slow expansion genetic algorithm for residual static correction,SEGA）。以动校正后的共中心点道集数据作为输入，通过地震道与混波模型道互相关，分别获取炮点与检波点的互相关矩阵，并利用所提出的转换函数获得静校正量概率矩阵；根据该概率矩阵的值，进行种群的初始化、交叉、变异；通过选择最优染色体更新叠加剖面，并利用慢速扩展相空间来重新确定校正量的上下界；重复如上步骤直至收敛。实验结果表明，SEGA在某山区收集的地震数据上能显著提高叠加剖面的成像质量，与最大叠加能量法和基准遗传算法相比，叠加能量分别提升了6.61%、5.55%。

关键词：互相关最大能量模型道相空间

来源：评论

学校读者我要写书评

暂无评论

基于IoU约束的孪生网络目标跟踪方法

引用

北京航空航天大学学报 2022年第8期48卷 1390-1398页

作者：周丽芳刘金兰李伟生雷帮军何宇王一涵重庆邮电大学软件工程学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学图像认知重庆市重点实验室重庆400065 三峡大学水电工程智能视觉监测湖北省重点实验室宜昌443002

基于孪生网络的跟踪方法通过离线训练跟踪模型,不需要对跟踪模型进行在线更新,兼顾了跟踪精度和速度。现有孪生网络目标跟踪方法使用固定阈值选择正负训练样本易造成训练样本漏选问题,且训练时分类分支和回归分支之间存在低相关性问题,... 详细信息

基于孪生网络的跟踪方法通过离线训练跟踪模型,不需要对跟踪模型进行在线更新,兼顾了跟踪精度和速度。现有孪生网络目标跟踪方法使用固定阈值选择正负训练样本易造成训练样本漏选问题,且训练时分类分支和回归分支之间存在低相关性问题,不利于训练出高精度的跟踪模型。为此,提出了一种基于交并比(IoU)约束的孪生网络目标跟踪方法。通过使用动态阈值策略根据预定义锚框与目标真实框的相关统计特征,动态调整正负训练样本的界定阈值,提升跟踪精度。所提方法使用IoU质量评估分支代替分类分支,通过锚框与目标真实框之间的IoU反映目标位置,提升跟踪精度,降低模型的参数量。在数据集VOT2016、OTB-100、VOT2019、UAV123上进行了对比实验,所提方法均有较好的表现。在VOT2016数据集上,所提方法的跟踪精度比SiamRPN方法高0.017,期望平均重叠率为0.463,与SiamRPN++相比仅差0.001,实时运行速度可达220帧/s。

关键词：目标跟踪深度学习孪生网络交并比(IoU)约束动态阈值

来源：评论

学校读者我要写书评

暂无评论

一种去中心化的在线边缘任务调度与资源分配方法

引用

计算机学报 2022年第7期45卷 1462-1477页

作者：彭青蓝夏云霓郑万波吴春蓉庞善臣龙梅蒋宁重庆大学计算机学院软件与理论重庆市重点实验室重庆400044 昆明理工大学数据科学研究中心昆明650500 中国石油大学计算机科学与技术学院山东青岛266510 重庆猪八戒网络科技有限公司重庆401123 马上消费金融股份有限公司重庆401121

创新移动应用迅速发展和5G通讯技术的成熟落地引发了终端用户对计算资源下沉至边缘的巨大需求,从而推动了多接入边缘计算(Multi-access Edge Computing,MEC)概念的提出和发展.在MEC环境中,用户可以将移动任务卸载到周围部署的边缘服务... 详细信息

创新移动应用迅速发展和5G通讯技术的成熟落地引发了终端用户对计算资源下沉至边缘的巨大需求,从而推动了多接入边缘计算(Multi-access Edge Computing,MEC)概念的提出和发展.在MEC环境中,用户可以将移动任务卸载到周围部署的边缘服务器上来加速移动应用.尽管边缘服务器可以在近用户端提供低时延、高响应性的服务,但其仍面临计算资源有限和用户请求多样带来的挑战,因此需要效率高、实时性强的任务调度与资源分配策略来合理地利用边缘资源.然而,目前针对MEC环境下任务调度和资源分配的方法大多基于中心化架构,并以批处理的方式对某个时间段到达任务进行统一调度与资源分配,因此在面对异构复杂的MEC资源网络和高时延敏感用户需求时具有一定的局限性,此外传统方法还缺少对任务多样性和优先级的考量.针对上述问题,本文提出了一种去中心化的在线任务调度与资源分配方法D-TSRA,该方法以任务优先级加权的卸载响应时间为评价指标,由实时任务调度策略、边缘资源分配策略、和运行时任务迁移策略组成.基于真实边缘环境下数据集的实验表明本文所提出的D-TSRA方法与传统任务调度与资源分配方法相比最多能够减少34.21%的加权任务卸载响应时间.

关键词：多接入边缘计算移动任务卸载去中心化调度在线资源分配边缘任务迁移

来源：评论

学校读者我要写书评

暂无评论

基于CB-Attention的JavaScript恶意混淆代码检测方法

引用

计算机工程与设计 2024年第8期45卷 2298-2305页

作者：徐鑫张志宁吕云山李立郑玉杰重庆移通学院实训中心重庆401520 重庆移通学院公共大数据安全技术重庆市重点实验室重庆401520 西南大学计算机与信息科学学院重庆400065 重庆邮电大学通信与信息工程学院重庆400065 重庆大学能源与动力工程学院重庆400065

当今JavaScript代码混淆方法日益多样,现有检测方法在对混淆代检测时会出现漏报和误报的情况,为解决该问题,提出一种基于CB-Attention的JavaScript恶意代码检测方法。由SDPCNN模型和BiLSTM+Attention模型构成,SDPCNN对短距离间的语义特... 详细信息

当今JavaScript代码混淆方法日益多样,现有检测方法在对混淆代检测时会出现漏报和误报的情况,为解决该问题,提出一种基于CB-Attention的JavaScript恶意代码检测方法。由SDPCNN模型和BiLSTM+Attention模型构成,SDPCNN对短距离间的语义特征信息进行提取,BiLSTM+Attention获取JavaScript代码中长距离间的语义信息特征。为验证所提方法的有效性,将该方法与其它方法进行对比,对比结果表明,该方法具有较好的检测效果,F1-Score可达98.78%。

关键词： JavaScript恶意代码混淆代码检测模型增强深度金字塔卷积神经网络注意力网络双向长短时记忆网络长距离特征信息抽象语法树

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：