检索结果-内蒙古大学图书馆

江苏大学学报（自然科学版） 2022年第3期43卷 310-318页

作者：王进徐巍丁一孙开伟王利蕾重庆邮电大学数据工程与可视计算重点实验室重庆400065 南京大学电子科学与工程学院江苏南京210023

针对传统多标签文本分类模型未考虑标签之间以及标签与文本各个部分之间的相关性、低频标签预测效果不佳的问题,使用图嵌入和区域注意力技术来挖掘标签之间以及标签和文本之间的关系,提出了编码器图嵌入和区域注意力机制解码器模型来处... 详细信息

针对传统多标签文本分类模型未考虑标签之间以及标签与文本各个部分之间的相关性、低频标签预测效果不佳的问题,使用图嵌入和区域注意力技术来挖掘标签之间以及标签和文本之间的关系,提出了编码器图嵌入和区域注意力机制解码器模型来处理多标签分类任务.采用Bi-LSTM作为编码器,使用图嵌入技术生成标签嵌入矩阵;利用区域注意力机制结合单词级别与区域级别的信息,使得模型在预测每个标签时考虑文本不同部分的信息,挖掘了文本与标签之间的潜在关联;使用循环神经网络和多层感知机作为解码器结合随机策略梯度算法,减少训练损失,改善多标签分类效果.在AAPD和RCV1-V2多标签文本分类数据集上进行试验,根据数据集特征设置相关参数,以micro-F1和Hamming Loss作为评价指标,对比所提出模型与LP、卷积神经网络等9个经典模型.结果表明,所提出模型能够根据高频标签预测出低频标签,在2个数据集上的micro-F1和Hamming Loss均优于经典模型.

关键词：多标签文本分类序列到序列模型图嵌入区域注意力循环神经网络

来源：评论

学校读者我要写书评

暂无评论

特征增强U形网络的图像语义分割

引用

重庆邮电大学学报（自然科学版） 2021年第6期33卷 962-969页

作者：陈乔松段博邻官暘珺范金松邓欣王进重庆邮电大学数据工程与可视计算重庆市重点实验室重庆400065

复杂场景语义分割任务是对场景图像逐像素进行分类并标记。图像中目标种类多,尺度多样的特点给分割任务增加了难度,提出了特征增强U形卷积神经网络(feature enhanced U shape networks,FEUNet)是一种改进的编码器加解码器的结构,编码阶... 详细信息

复杂场景语义分割任务是对场景图像逐像素进行分类并标记。图像中目标种类多,尺度多样的特点给分割任务增加了难度,提出了特征增强U形卷积神经网络(feature enhanced U shape networks,FEUNet)是一种改进的编码器加解码器的结构,编码阶段引入局部特征增强模块(local feature enhanced,LFE)提取局部感知特征来改善非显著目标的分割效果;考虑到神经网络深层和浅层之间特征表达的差异,在解码阶段利用全局池化方法(global pooling)设计全局特征增强模块(global feature enhanced,GFE),实现选择性地从深层特征图提取上下文信息作为对浅层特征图的指导,改善深层和浅层特征图的融合,保证同类像素预测的一致性。采用CamVid和Cityscapes数据集进行试验,模型mIOU测评值分别达到64.5%和73.2%,对比其他主流语义分割算法,该方法在分割性能和模型体积上具有一定竞争力。

关键词：语义分割编码器-解码器局部感知特征全局池化

来源：评论

学校读者我要写书评

暂无评论

基于分形残差网络的单幅图像超分辨率重建

引用

重庆邮电大学学报（自然科学版） 2022年第1期34卷 172-180页

作者：陈乔松宗冕官暘珺范金松王子权邓欣王进重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室重庆400065

近年来,各种基于卷积神经网络的单幅图像超分辨率方法取得了优异的性能提升。现有的超分辨率网络大多数都是使用单种尺度的卷积核来提取低分辨率图像的特征信息,这样很容易造成细节信息的遗漏,也无法很好地利用低分辨率图像的多尺度特... 详细信息

近年来,各种基于卷积神经网络的单幅图像超分辨率方法取得了优异的性能提升。现有的超分辨率网络大多数都是使用单种尺度的卷积核来提取低分辨率图像的特征信息,这样很容易造成细节信息的遗漏,也无法很好地利用低分辨率图像的多尺度特征来提高图像的表达能力。为了解决超分辨率重建中存在的问题,提出了一种新的超分辨重建方法称为分型残差网络(fractal residual network,FRN)。该网络使用分形残差注意力块,充分利用不同的层次特征,生成更精细的特征。同时,引入信道注意机制,自适应地重新缩放每个通道的特征,增加网络判别学习能力。此外,该算法将局部残差学习与全局残差学习相结合,以弥补信息丢失,降低学习难度。实验结果表明,该方法在重建性能上优于其他很多算法。

关键词：超分辨率残差学习分形块卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

软件定义网络中基于优先级的在线流调度策略

引用

科学技术与工程 2023年第13期23卷 5670-5676页

作者：张华闫会峰刘亮重庆移通学院大数据与计算机科学学院重庆401420 公共大数据安全技术重庆市重点实验室重庆401420 重庆邮电大学软件工程学院重庆400065 重庆邮电大学通信工程学院重庆400065

为了保证服务质量(quality of service,QoS),进入网络中的数据流可被赋予不同的优先级。在未来到达流请求信息未到达的情况下,进行在线优先级流调度,以最大化网络吞吐量是一项挑战。基于网络带宽资源、请求流的优先级和带宽需求的约束... 详细信息

为了保证服务质量(quality of service,QoS),进入网络中的数据流可被赋予不同的优先级。在未来到达流请求信息未到达的情况下,进行在线优先级流调度,以最大化网络吞吐量是一项挑战。基于网络带宽资源、请求流的优先级和带宽需求的约束研究了软件定义网络(software defined networking,SDN)中的在线流请求调度策略。首先,提出了流路由成本和利润的概念,并创新性地设计了一个考虑边际成本的模型来描述链路资源和路由路径的使用成本。然后,将优先级流请求调度问题刻画为混合整数线性规划模型(mixed integer linear programming,MILP),提出在线优先级流调度算法(online priority traffic scheduling algorithm,OPTSA)来求解,最后分析了OPTSA的竞争比。仿真结果显示,与基准算法相比,所提出的算法可以确保网络负载均衡,同时有效提高网络的累积带宽和吞吐量。

关键词：流调度在线路由算法优先级流请求软件定义网络吞吐量

来源：评论

学校读者我要写书评

暂无评论

基于相关性分析的多标签特征选择方法

引用

重庆邮电大学学报（自然科学版） 2021年第6期33卷 1024-1037页

作者：王进孙万彤重庆邮电大学数据工程与可视计算重点实验室重庆400065

针对现有大多数多标签特征选择算法未能有效去除特征空间冗余特征,同时也忽略了标签差异性的现状,提出一种基于相关性分析的多标签特征选择方法,利用特征之间的相关度对特征进行分组,解决了特征之间的相关性问题。根据样本所对应的标签... 详细信息

针对现有大多数多标签特征选择算法未能有效去除特征空间冗余特征,同时也忽略了标签差异性的现状,提出一种基于相关性分析的多标签特征选择方法,利用特征之间的相关度对特征进行分组,解决了特征之间的相关性问题。根据样本所对应的标签属性对样本做一个正负类的聚类,对于正样本和负样本所构成的正类簇和负类簇单独确定其聚类个数,并计算原特征到正负类簇中各个类中心的距离,如此便产生了标签特定特征空间;将标签共享的特征空间和标签特定特征空间融合,考虑到多个标签之间的个性和关联性,解决了标签的差异性问题。实验测试表明,相较于现有的多标签特征选择算法,提出的基于相关性分析的多标签特征选择方法在各个分类指标上均有较优的表现,充分证明了该方法的有效性。

关键词：机器学习多标签学习特征选择关联性分析特征空间融合

来源：评论

学校读者我要写书评

暂无评论

结合目标特定特征和目标相关性的多目标回归

引用

电子学报 2020年第11期48卷 2092-2100页

作者：王进高选人张睿孙开伟邓欣重庆邮电大学数据工程与可视计算重点实验室重庆400065

多目标回归旨在使用一组共同的输入变量来预测多个连续变量,其现有方法可归类为问题转换法和算法适应法.它的主要挑战在于如何对输入与输出空间的复杂关系进行建模,以及如何有效利用目标间的相关性.然而,现有的问题转换法很少同时考虑... 详细信息

多目标回归旨在使用一组共同的输入变量来预测多个连续变量,其现有方法可归类为问题转换法和算法适应法.它的主要挑战在于如何对输入与输出空间的复杂关系进行建模,以及如何有效利用目标间的相关性.然而,现有的问题转换法很少同时考虑到这两方面.基于此,本文构建了一种问题转换法同时应对这两大挑战,提出了一种结合目标特定特征和目标相关性的多目标回归方法(Multi-Target Regression via Specific Features and Inter-Target Correlations,TSF-TC).TSF-TC通过对分箱后的样本进行聚类分析构建目标特定特征从而对输入与输出空间的复杂关系进行建模,通过有选择性地堆叠单目标预测值揭示目标间的相关性.本文使用TSF-TC在18个多目标回归数据集上与现有多目标回归方法进行了对比实验,实验结果充分表明了TSF-TC的优势.

关键词：机器学习多目标回归目标特定特征目标间相关性

来源：评论

学校读者我要写书评

暂无评论

基于多尺度残差生成对抗网络的单图像盲去运动模糊方法

引用

计算机应用研究 2021年第3期38卷 919-922页

作者：陈乔松隋晓旭官旸珺范金松邓欣王进重庆邮电大学数据工程与可视计算重点实验室重庆400065

图像盲去运动模糊一直是计算机视觉领域的一个经典问题,它的目的是在模糊核未知的情况下恢复清晰图像。考虑到更大的感受野以及多尺度信息对恢复清晰图像中的全局信息以及局部细节信息具有重要作用,因此提出的方法对DeblurGAN方法进行改... 详细信息

图像盲去运动模糊一直是计算机视觉领域的一个经典问题,它的目的是在模糊核未知的情况下恢复清晰图像。考虑到更大的感受野以及多尺度信息对恢复清晰图像中的全局信息以及局部细节信息具有重要作用,因此提出的方法对DeblurGAN方法进行改进,提出一种基于条件生成对抗网络的GR-DeblurGAN(granular resi-dual DeblurGAN)的单图像盲去运动模糊方法,采用细粒度残差模块(granular residual block)作为骨干网络,以此在不增加参数量的情况下,扩大感受野,获得多尺度信息。最后在两个广泛使用的数据集:GoPro数据集以及Kohler数据集上进行算法性能评估,并与代表性算法进行对比。从实验结果可以看出,提出的方法改进效果明显,并且在计算开销上面优于其他算法。

关键词：图像盲去模糊细粒度残差模块生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于预训练技术和专家知识的重入漏洞检测

引用

计算机科学 2022年第S02期49卷 713-720页

作者：陈乔松何小阳许文杰邓欣王进朴昌浩重庆邮电大学计算机科学与技术学院数据工程与可视计算重点实验室重庆400065 重庆邮电大学自动化学院智慧能源技术研究中心重庆400065

随着区块链中智能合约的安全问题日益突出,智能合约的漏洞检测任务逐渐成为研究的热点。然而,目前的智能合约重入漏洞检测技术主要是符号执行、静态分析、形式化验证和模糊测试等传统的检测方法,这些检测方法不仅存在较高的误报率和漏报... 详细信息

随着区块链中智能合约的安全问题日益突出,智能合约的漏洞检测任务逐渐成为研究的热点。然而,目前的智能合约重入漏洞检测技术主要是符号执行、静态分析、形式化验证和模糊测试等传统的检测方法,这些检测方法不仅存在较高的误报率和漏报率,而且检测精度较低。同时,基于深度学习的方法也有其独特的局限性。针对这些问题,文中提出了一种将预训练技术与传统的专家知识相融合的检测方法,同时将智能合约进行切片处理,以此减小无关数据对模型的影响。文中聚焦于重入漏洞的检测,在203716份合约数据集上进行实验。实验结果表明,基于预训练技术和专家知识的智能合约重入漏洞检测方法具有96.2%的精确率、97.7%的召回率以及96.9%的F1分数,检测效果均优于现有的检测方法。

关键词：区块链智能合约漏洞检测预训练技术专家知识

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

基于再感知双模型联合训练的散焦模糊检测

引用

重庆邮电大学学报（自然科学版） 2024年第1期36卷 86-97页

作者：朱智勤孟骏李嫄源齐观秋李华锋姚政重庆邮电大学图像认知重庆市重点实验室重庆400065 布法罗州立学院计算机信息系统系美国纽约14222 昆明理工大学信息工程与自动化学院昆明650031

针对散焦模糊检测(defocus blur etection, DBD)模型训练时没有对响应错误区域学习优化,且在识别过程中部分图像的模糊同质区域和处理边界过渡等位置仍然具有挑战性等问题,提出了再感知双模型联合训练方法和基于注意力机制多尺度语义融... 详细信息

针对散焦模糊检测(defocus blur etection, DBD)模型训练时没有对响应错误区域学习优化,且在识别过程中部分图像的模糊同质区域和处理边界过渡等位置仍然具有挑战性等问题,提出了再感知双模型联合训练方法和基于注意力机制多尺度语义融合散焦模糊检测网络。将未正确响应的预测区域映射到全新合成图像中驱动模型学习,实现再感知错误位置的图像特征;利用DBD任务的互补性质构建预测网络,组成对焦预测和模糊预测双模型,将互补网络中多余响应的区域反馈到另一个模型上从而提升训练效果;利用多尺度特征融合模块逐渐整合不同尺度的语义信息;在特征提取时设计了全局通道注意力模块,使模型关注预测结果的有效特征信息,增强网络在不同输入场景下的灵活性。在DUT、CUHK和CTCUG数据集上进行的对比实验表明,提出的方法与对比方法中性能最优者相比,F-Measure指标分别提高了0.082、0.051、0.264,MAE指标分别降低了0.032、0.018、0.144。

关键词：散焦模糊检测双模型联合训练多尺度特征互补模型注意力机制

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：