检索结果-内蒙古大学图书馆

计算机学报 2025年第2期48卷 451-462页

作者：王永罗陈红邓江洲高明星重庆邮电大学经济管理学院重庆400065 重庆邮电大学计算机科学与技术学院重庆400065

推荐系统作为有效应对信息过载的工具被广泛应用在电子商务、社交媒体和新闻资讯等领域中。矩阵分解具有泛化能力强和计算效率高的优点,是构建推荐系统的主流算法之一。为提高推荐质量,推荐服务器需要收集大量用户数据用于推荐模型的训... 详细信息

推荐系统作为有效应对信息过载的工具被广泛应用在电子商务、社交媒体和新闻资讯等领域中。矩阵分解具有泛化能力强和计算效率高的优点,是构建推荐系统的主流算法之一。为提高推荐质量,推荐服务器需要收集大量用户数据用于推荐模型的训练。由于推荐服务器不是完全可信的,向服务器共享用户数据会对用户隐私构成极大的威胁。如何构建一个在保护用户隐私的同时,还能确保推荐质量和准确性的系统,成为了一个热门的研究话题。本地化差分隐私是一种分布式的隐私保护机制,它从中心化差分隐私中发展而来,旨在解决服务器不可信场景下的数据的安全收集和分析。这种框架通过精确的数学证明来确保隐私保护的强度。目前,已经有研究工作将本地化差分隐私引入推荐系统,目的是在推荐效果可接受的情况下,确保用户隐私数据的安全。然而,这些研究还面临一些挑战。首先,隐私保护的范围有限。目前的方法大多只关注显式数据的具体数值,认为这是用户的隐私信息。事实上,攻击者可以通过检查数据是否包含在数据集中,来推测用户的隐私信息。其次,推荐质量较低。本地化差分隐私通过引入扰动来保护用户隐私,但这种方法会导致扰动幅度过大和误差累积,进而影响推荐质量。在推荐服务器不可信场景下,本文提出一种基于本地化差分隐私的矩阵分解推荐算法。首先,该算法将评分数值和评分存在性同时作为隐私保护的对象,为用户提供全面的隐私保护。其次,本算法采用目标扰动方法,添加的噪声量不会随着迭代次数增加而增加,有效避免模型训练过程中噪声累积的问题,保证模型训练的有效性。最后,针对分布式场景下多轮迭代导致的中间参数泄露问题,以无放回方式将采样的模型梯度元素发送给推荐服务器,用于模型训练。本文从理论上证明了所提算法满足本地化差分隐私。对所提算法的效用分析证明本文算法在保证有效的推荐质量的同时,能够实现对用户隐私数据的保护。实验结果表明本文算法极大地提高了隐私保护推荐算法的性能,本文算法在公开数据集上的误差下降幅度平均可达18%,在推荐领域数据隐私保护中展现出良好的应用价值。

关键词：矩阵分解本地化差分隐私目标扰动推荐算法隐私保护

来源：评论

学校读者我要写书评

暂无评论

用于阴影去除的小波非均匀扩散模型

引用

中国图象图形学报 2025年第1期30卷 66-82页

作者：黄颖程彬房少杰刘歆重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学软件工程学院重庆400065

目的现有的阴影去除方法通常依赖于像素级重建,旨在学习阴影图像和无阴影图像之间的确定性映射关系。然而阴影去除关注阴影区域的局部恢复,容易导致在去除阴影的同时破坏非阴影区域。此外,现有的大多数扩散模型在恢复图像时存在耗时过... 详细信息

目的现有的阴影去除方法通常依赖于像素级重建,旨在学习阴影图像和无阴影图像之间的确定性映射关系。然而阴影去除关注阴影区域的局部恢复,容易导致在去除阴影的同时破坏非阴影区域。此外,现有的大多数扩散模型在恢复图像时存在耗时过长和对分辨率敏感等问题。为此,提出了一种用于阴影去除的小波非均匀扩散模型。方法首先将图像通过小波分解为低频分量与高频分量,然后针对低频和高频分量分别设计扩散生成网络来重建无阴影图像的小波域分布,并分别恢复这些分量中的各种退化信息,如低频(颜色、亮度)和高频细节等。结果实验在3个阴影数据集上进行训练和测试,在SRD(shadow removal dataset)数据集中,与9种代表性方法进行比较,在非阴影区域和整幅图像上,峰值信噪比(peak signal-to-noise ratio,PSNR)、结构相似性(structural similarity index,SSIM)和均方根误差(root mean square error,RMSE)均取得最优或次优的结果;在ISTD+(augmented dataset with image shadow triplets)数据集中,与6种代表性方法进行比较,在非阴影区域上,性能取得了最佳,PSNR和RMSE分别提高了0.47 dB和0.1。除此之外,在SRD数据集上,ShadowDiffusion方法在生成不同分辨率图像时性能有明显差异,而本文方法性能基本保持稳定。此外,本文方法生成速度与其相比提高了约4倍。结论提出的方法能够加快扩散模型的采样速度,在去除阴影的同时,恢复出阴影区域缺失的颜色、亮度和丰富的细节等信息。

关键词：阴影去除扩散模型(DM) 小波变换双分支网络噪声调度表

来源：评论

学校读者我要写书评

暂无评论

基于Rényi差分隐私的图卷积协同过滤推荐算法

引用

软件学报 2025年第3期36卷 1202-1217页

作者：王锟王永刘金源邓江洲重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学经济管理学院重庆400065 西南政法大学教育信息技术中心重庆401120

近年来,图卷积网络作为一种强大的图嵌入技术在推荐系统领域得到广泛应用.主要原因是推荐系统中大多数信息可以建模为图结构,而图卷积网络是一种基于图结构的深度学习模型,有助于挖掘图数据中用户和项目之间的潜在交互,从而提高推荐系... 详细信息

近年来,图卷积网络作为一种强大的图嵌入技术在推荐系统领域得到广泛应用.主要原因是推荐系统中大多数信息可以建模为图结构,而图卷积网络是一种基于图结构的深度学习模型,有助于挖掘图数据中用户和项目之间的潜在交互,从而提高推荐系统的性能.由于推荐系统的建模通常需要收集和处理大量的敏感数据,因此可能会面临隐私泄露的风险.差分隐私是一种具有坚实理论基础的隐私保护模型,已被广泛应用于推荐系统中解决用户隐私泄露的问题.目前基于差分隐私的研究主要是面向独立同分布的数据模型.然而,在基于图卷积网络的推荐系统中,数据之间关联性强且不具有独立性,这使得现有方法难以对其进行有效的隐私保护处理.为解决该问题,提出基于Rényi差分隐私的图卷积协同过滤推荐算法RDP-GCF,旨在保护用户与项目交互数据安全的前提下,实现隐私性和效用性之间的平衡.该算法首先利用图卷积网络学习用户/项目的嵌入向量;然后,采用高斯机制对嵌入向量进行随机化处理,同时基于采样的方法放大隐私预算,减少差分噪声注入量,以提升推荐系统的性能;最后,通过加权融合的方式得到用户/项目的最终嵌入向量,并应用于推荐任务.在3组公开数据集上进行实验验证.结果表明,与现有同类方法相比,所提算法能更好地实现隐私保护与数据效用之间的平衡.

关键词：推荐系统协同过滤图卷积网络隐私保护 Rényi差分隐私

来源：评论

学校读者我要写书评

暂无评论

交通场景下的大型车辆右转停车检测方法研究

引用

计算机工程与应用 2025年第1期61卷 352-360页

作者：王依凡董振江陈向东南京邮电大学计算机学院南京210023

随着大型车辆右转必停的新交规逐步实施,针对现有的监管方式存在效率较低的问题,提出了一种大型车辆右转停车检测方法。对YOLOv7-tiny检测模型进行改进,在ELAN模块中引入注意力机制,以提升大型车辆的检测性能。设计了一种新的大型车辆... 详细信息

随着大型车辆右转必停的新交规逐步实施,针对现有的监管方式存在效率较低的问题,提出了一种大型车辆右转停车检测方法。对YOLOv7-tiny检测模型进行改进,在ELAN模块中引入注意力机制,以提升大型车辆的检测性能。设计了一种新的大型车辆右转车道定位方法,通过自适应探测车道,提高了其在不同监控视角下的定位准确性。对大型车辆的运动轨迹进行序列数据转换,并采用结合加权平均的中值滤波算法,有效降低了原始数据的噪声。在滑动窗口损失函数中引入权重因子,进一步提升了检测方法的鲁棒性。实验结果表明,改进后的大型车辆检测模型在自制数据集和公开数据集上均取得了性能提升,大型车辆右转车道定位方法具有更强的泛化能力,并且检测到的停车时间覆盖率达到了97.4%。

关键词：大型车辆检测车道定位滤波算法损失函数停车时间检测

来源：评论

学校读者我要写书评

暂无评论

融合事件类型的中文事件抽取方法

引用

计算机工程与应用 2025年第1期61卷 214-220页

作者：王瑾睿李劼北京邮电大学计算机学院北京100876

事件抽取技术是自动化地从文本信息中获得结构性数据的重要手段,也是自然语言处理领域的重点研究方向之一。事件抽取包含两个子任务,事件类型检测与事件论元抽取。近年来的事件抽取研究引入了预训练语言模型作为文本的语义表征,然后采... 详细信息

事件抽取技术是自动化地从文本信息中获得结构性数据的重要手段,也是自然语言处理领域的重点研究方向之一。事件抽取包含两个子任务,事件类型检测与事件论元抽取。近年来的事件抽取研究引入了预训练语言模型作为文本的语义表征,然后采用序列标注BIO完成抽取任务,但此类方法容易存在标签歧义问题。因此又有学者提出在事件文本特征中融入特征知识以避免歧义,可现有的融合方法忽略了事件抽取各个子任务间的依赖关系。为解决以上问题,针对事件抽取任务采用联合学习的算法框架,通过门融合机制将事件类型信息作为新知识融入事件的文本表示中,再进行事件触发词抽取与事件论元抽取。实验结果证明该算法模型在论元抽取任务上较之基线方法表现更优异。

关键词：文本事件抽取预训练语言模型门融合

来源：评论

学校读者我要写书评

暂无评论

认知车联网中评估频谱稳定性的动态频谱接入算法

引用

电子与信息学报 2025年 1-12页

作者：马彬杨祖敏谢显中重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学重庆市计算机网络与通信技术重点实验室重庆400065

在带频谱认知的车联网中，由于车辆终端的高动态移动性和无线电环境的复杂性，使频谱的稳定性难以评估。该文提出一种评估频谱稳定性的动态频谱接入算法。首先，基于信噪比、接收信号强度和带宽参数，利用长短期记忆神经网络预测出参数... 详细信息

在带频谱认知的车联网中，由于车辆终端的高动态移动性和无线电环境的复杂性，使频谱的稳定性难以评估。该文提出一种评估频谱稳定性的动态频谱接入算法。首先，基于信噪比、接收信号强度和带宽参数，利用长短期记忆神经网络预测出参数在未来1个周期内多时刻的值，并计算各参数1个周期的变化率，将结果作为频谱稳定性的评估指标。其次，利用K-Means算法对变化率向量进行聚类，构建稳定性评估模型。再次，根据稳定性评估结果重构了状态空间和奖励函数，提出一种基于强化学习的动态频谱接入算法。最后，实验结果表明，所提算法能够满足不同车辆终端业务的稳定性需求，提高频谱资源的利用率，同时降低频谱接入过程中的碰撞概率。

关键词：认知车联网动态频谱接入稳定性评估强化学习

来源：评论

学校读者我要写书评

暂无评论

基于对抗迁移学习与孪生网络的知识库问答

引用

计算机应用与软件 2025年第4期42卷 289-294页

作者：方义秋李阳葛君伟重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学软件工程学院重庆400065

传统问答方法通常存在效率不高以及未充分利用数据信息的问题。针对以上问题,在实体识别部分,利用对抗迁移学习融入中文分词边界信息提升实体识别准确性,同时提出基于全局指针的实体标注方法代替CRF提升模型训练效率;在谓词匹配部分,利... 详细信息

传统问答方法通常存在效率不高以及未充分利用数据信息的问题。针对以上问题,在实体识别部分,利用对抗迁移学习融入中文分词边界信息提升实体识别准确性,同时提出基于全局指针的实体标注方法代替CRF提升模型训练效率;在谓词匹配部分,利用孪生网络的思想解决直接使用BERT获取的句向量语义表达不充分的问题。在数据集NLPCC-2016KBQA上取得了85.99%的平均F1值,表明了该方法的可行性。

关键词：实体识别谓词匹配问答系统 BERT

来源：评论

学校读者我要写书评

暂无评论

用于动态场景高动态范围成像的局部熵引导的双分支网络

引用

计算机应用 2025年第1期45卷 204-213页

作者：黄颖李昌盛彭慧刘苏重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学软件工程学院重庆400065

针对基于多张曝光图像序列的高动态范围(HDR)成像任务在相机抖动或拍摄主体移动时出现运动伪影以及曝光失真的问题,提出一个用于动态场景HDR成像的局部熵引导的双分支网络。首先,利用离散小波变换(DWT)分离出输入图像的低频光照相关信... 详细信息

针对基于多张曝光图像序列的高动态范围(HDR)成像任务在相机抖动或拍摄主体移动时出现运动伪影以及曝光失真的问题,提出一个用于动态场景HDR成像的局部熵引导的双分支网络。首先,利用离散小波变换(DWT)分离出输入图像的低频光照相关信息以及高频运动相关信息,以便于网络有针对性地处理曝光以及主体移动;其次,对于低频光照相关信息分支,设计一个利用图像局部熵计算注意力的模块来引导网络减少细节不足的曝光特征的提取;对于高频运动相关信息分支,引入一个轻量级的特征对齐模块来进行场景的一致性对齐,从而减少运动特征的提取;最后,结合通道注意力构建时域自注意力模块,从而加强曝光图像序列在时间域之间的相互依赖关系,以进一步提高结果质量。在公开数据集Kalantari、Sen、Tursun上进行评估。在Kalantari数据集上的实验结果表明,与最新的一些方法对比,所提网络以PSNR-l为42.20 dB的成绩取得第一,SSIM-l为0.988 9的成绩取得第三。结合其余数据集上的实验结果可知,所提网络可以有效减少曝光失真以及运动伪影,并生成细节多、视觉效果佳的图像。

关键词：高动态范围成像局部熵注意力机制离散小波变换图像信息分离

来源：评论

学校读者我要写书评

暂无评论

联合边缘检测强化空间细节的语义分割方法

引用

重庆邮电大学学报(自然科学版) 2025年第1期37卷 57-66页

作者：刘伯红蒋佳跞重庆邮电大学计算机科学与技术学院重庆400065

针对图像语义分割中存在的边缘模糊和准确度较低的问题,提出一种基于边缘感知强化空间细节的图像语义分割方法,在语义分割网络中引入边缘检测模块,以捕获更加精细的空间细节。模型采用编码器-解码器结构,使用空间金字塔池化模块(atrous ... 详细信息

针对图像语义分割中存在的边缘模糊和准确度较低的问题,提出一种基于边缘感知强化空间细节的图像语义分割方法,在语义分割网络中引入边缘检测模块,以捕获更加精细的空间细节。模型采用编码器-解码器结构,使用空间金字塔池化模块(atrous spatial pyramid pooling,ASPP)提取语义信息;提出双向多级聚合模块(bi-directional multi-level aggregation,BMLA)生成边缘特征,并使其强化空间细节;设计一种新型的基于注意力机制的特征融合模块(attention feature fusion module,AFFM),将强化后的空间特征与语义特征融合。采用Cityscapes和ADE20K数据集进行实验,对比其他主流语义分割算法,该方法在分割性能上具有不错的竞争力。

关键词：语义分割边缘检测编码器-解码器注意力机制

来源：评论

学校读者我要写书评

暂无评论

面向交通目标的多尺度轻量化检测模型

引用

重庆邮电大学学报(自然科学版) 2025年第2期37卷 185-195页

作者：刘伯红郝文瑞重庆邮电大学计算机科学与技术学院重庆400065

针对交通目标检测时物体尺度变化大,检测目标较为密集的问题,基于YOLO(you only look once)v8s提出一种高效多尺度YOLO(fast multiscale powerful-YOLO,FMP-YOLO)模型。在主干网络中,引入基于部分卷积(partial convolution,PConv)与快速傅里叶卷积(fast Fourier convolution,FFC)设计的Faster Block模块,减少了冗余计算和内存访问,提高了推理速度,改善了感受野受限的问题;在聚合网络中,使用改进后的组混洗卷积(group shuffle convolution,GSConv)替换普通卷积,更好地捕获不同尺度的特征,进一步降低了模型的参数量和计算量;将Powerful-IoU与软非极大值抑制(soft non maximum suppression,SoftNMS)结合替换原有的非极大值抑制算法(non maximum suppression,NMS),改善了由参数量降低导致特征学习能力下降的问题,并且提高了模型的精度。在SODA10M和MS COCO数据集上进行实验,实验结果表明,改进后的模型性能超越原始模型,参数量和计算量下降40%左右,mAP分别提高了1.7%和1.4%,FMP-YOLO在体积与精度上优于其他经典模型,具有较强的实用性。

关键词：交通目标检测部分卷积轻量化软非极大值抑制(SoftNMS)

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：