检索结果-内蒙古大学图书馆

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

复杂问题求解的多粒度计算框架

引用

中国科学:信息科学 2025年第5期55卷 1122-1139页

作者：张清华王宇泰赵凡程云龙王国胤网络空间大数据智能安全教育部重点实验室重庆邮电大学计算智能重庆市重点实验室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邮电大学计算机科学与技术学院重庆师范大学重庆国家应用数学中心

如何对复杂问题进行高效求解是自然科学和工程技术等领域面临的重要挑战,现有的求解方法主要从分而治之、近似逼近等不同角度进行了深入探索和研究.然而,复杂问题的本身特性影响求解难度,并且不同方法之间的理论差异也限制了其适用范围... 详细信息

如何对复杂问题进行高效求解是自然科学和工程技术等领域面临的重要挑战,现有的求解方法主要从分而治之、近似逼近等不同角度进行了深入探索和研究.然而,复杂问题的本身特性影响求解难度,并且不同方法之间的理论差异也限制了其适用范围.粒计算通过模拟人脑处理复杂问题的多粒度认知机制,将问题层次化拆分并渐进式求解,是复杂问题求解的有效手段.因此,本文通过归纳不同领域复杂问题的粒计算求解方法,试图构建一般性的问题求解框架,突出复杂问题求解的多粒度思想.首先,研究不同复杂问题的分解与合成特性,将复杂问题分为可粒计算、弱可粒计算和不可粒计算3类,并构建了形式化的多粒度计算模型,分别用于不同场景的问题求解.其次,通过研究不同模型的相关性质,探讨问题的分解与合成机制,并进一步构建多粒度计算框架,为复杂问题的层次化、渐进式求解提供理论基础.最后,通过分析常见的复杂问题求解方法,挖掘其蕴含的问题分解策略,验证了本文提出的多粒度计算框架在复杂问题求解方面的有效性和泛化性,并给出了多粒度计算未来的挑战与展望.

关键词：复杂问题粒计算分层递阶问题求解

来源：评论

学校读者我要写书评

暂无评论

过滤特征基因选择及演化硬件急性白血病分型

引用

应用科学学报 2012年第3期30卷 287-293页

作者：王进丁凌孙开伟李钟浩重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学计算智能重庆市重点实验室重庆400065 仁荷大学信息与通信工程系

提出一种基于虚拟可重构结构的内部演化硬件癌症分子分型方法.为有效处理DNA微阵列数据和便于硬件实现,对比研究了5种基于过滤模式的信息基因选择方法.演化硬件通过系统学习和系统分类两个阶段对经过特征选择的信息基因进行处理.对急性... 详细信息

提出一种基于虚拟可重构结构的内部演化硬件癌症分子分型方法.为有效处理DNA微阵列数据和便于硬件实现,对比研究了5种基于过滤模式的信息基因选择方法.演化硬件通过系统学习和系统分类两个阶段对经过特征选择的信息基因进行处理.对急性白血病数据集的实验结果表明,基于信噪比信息基因选择方法的演化硬件分类器识别率最高.演化硬件具有和其他传统模式识别方法可比的识别率,识别时间仅需0.12μs.

关键词：模式识别演化硬件特征选择虚拟可重构结构微阵列分子分型

来源：评论

学校读者我要写书评

暂无评论

结合整体注意力与分形稠密特征的图像超分辨率重建

引用

计算机工程 2022年第11期48卷 207-214,223页

作者：陈乔松蒲柳张羽孙开伟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庆市重点实验室重庆400065

现有单图像超分辨率模型普遍基于卷积神经网络且使用单一尺度的卷积核提取特征信息,容易造成细节信息遗漏并降低网络表征能力。为有效提取高频信息同时提高图像重建性能,提出一种基于整体注意力机制与分形稠密特征增强的图像超分辨率重... 详细信息

现有单图像超分辨率模型普遍基于卷积神经网络且使用单一尺度的卷积核提取特征信息,容易造成细节信息遗漏并降低网络表征能力。为有效提取高频信息同时提高图像重建性能,提出一种基于整体注意力机制与分形稠密特征增强的图像超分辨率重建模型。在特征增强过程中,级联9个分形稠密特征增强模块,每个模块通过4条分支路径提取和融合多尺度特征,并引入局部稠密跳跃连接传递信息以获取更丰富的细节信息。引入整体注意力机制,从3个维度出发建立特征图之间的关联关系,通过对不同通道、空间和层次的特征进行加权和选择性聚合为特征图分配不同的权重,从而提高模型判别学习能力。在Set5、Set14、BSDS100和Urban100数据集上的实验结果表明,该模型可有效重建纹理细节更丰富的高分辨率图像,重建图像在主观视觉效果与客观评价指标上均优于同类模型,且在图像放大3倍时,峰值信噪比和结构相似性指标最高比MSRN模型提升了0.57 dB和0.007。

关键词：超分辨率重建卷积神经网络多尺度特征提取注意力机制高频信息

来源：评论

学校读者我要写书评

暂无评论

基于多域特征与随机子空间集成的脑电分类

引用

系统仿真学报 2020年第9期32卷 1787-1798页

作者：邓欣龙灿米建勋张博宪孙开伟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

针对脑机接口(Brain-Computer Interface,BCI)中脑电信号预处理、特征提取、分类识别等过程,提出一种基于多域特征的随机子空间集成方法实现运动想象脑电分类。该方法的基本思想是通过事件相关同步/事件相关去同步特性分析,提取出最佳... 详细信息

针对脑机接口(Brain-Computer Interface,BCI)中脑电信号预处理、特征提取、分类识别等过程,提出一种基于多域特征的随机子空间集成方法实现运动想象脑电分类。该方法的基本思想是通过事件相关同步/事件相关去同步特性分析,提取出最佳时频段的多域特征作为特征向量,结合交叉验证自适应地选择特征随机子空间的集成规模,集成线性判别分析分类器实现脑电信号分类。实验结果表明,多域特征和随机子空间集成分类正确率可达90.71%、Kappa系数可达0.63,均优于BCI竞赛第一名成绩,从而证明了该算法在脑电分类中的有效性和实用性。

关键词：脑电信号运动想象多域特征集成学习随机子空间

来源：评论

学校读者我要写书评

暂无评论

基于浅层空间特征融合与自适应通道筛选的目标检测方法

引用

江苏大学学报（自然科学版） 2022年第1期43卷 67-74页

作者：陈乔松周丽毛彦嵋王进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 重庆邮电大学计算机科学与技术学院重庆400065

为解决加深主干网络造成的检测速度下降问题,提出了一种基于特征融合与通道筛选的目标检测方法.首先,该方法合理地复用了每个下采样阶段内的子空间信息,在每个下采样阶段,利用所设计的8倍、4倍、2倍下采样模块进行特征融合.然后,将融合... 详细信息

为解决加深主干网络造成的检测速度下降问题,提出了一种基于特征融合与通道筛选的目标检测方法.首先,该方法合理地复用了每个下采样阶段内的子空间信息,在每个下采样阶段,利用所设计的8倍、4倍、2倍下采样模块进行特征融合.然后,将融合后的特征图谱进行自适应通道筛选后组装到SSD的网络中,强化全局信息在目标检测模型中的作用.最后,设计了基于余弦距离的分类损失函数,使目标分类的准确度更高.以VGG网络为主干网络,参照SSD目标检测网络,加入了提出的下采样特征融合模块、自适应通道筛选模块以及改进的损失函数,进行了多组对比试验.结果表明,当网络的图像输入尺寸为512×512时,该方法在Pascal VOC 2007与Pascal VOC 2012数据集上对于目标检测的平均精度均值达到了82.2%,优于所对比的单级目标检测模型.该方法在保证实时检测速度的条件下,达到与拥有较深主干网络的检测模型同级别的性能.

关键词：目标检测实时性单级特征融合通道筛选轻量级

来源：评论

学校读者我要写书评

暂无评论

基于模态特异及模态共享特征信息的多模态细粒度检索

引用

计算机工程 2022年第11期48卷 62-68,76页

作者：李佩陈乔松陈鹏昌邓欣王进朴昌浩重庆邮电大学计算机科学与技术学院重庆400065 数据工程与认知计算重庆市重点实验室重庆400065

跨模态检索的目标是用户给定任意一个样本作为查询样例,系统检索得到与查询样例相关的各个模态样本,多模态细粒度检索在跨模态检索基础上强调模态的数量至少大于两个,且待检索样本的分类标准为细粒度子类,存在多模态数据间的异构鸿沟及... 详细信息

跨模态检索的目标是用户给定任意一个样本作为查询样例,系统检索得到与查询样例相关的各个模态样本,多模态细粒度检索在跨模态检索基础上强调模态的数量至少大于两个,且待检索样本的分类标准为细粒度子类,存在多模态数据间的异构鸿沟及细粒度样本特征差异小等难题。引入模态特异特征及模态共享特征的概念,提出一种多模态细粒度检索框架MS2Net。使用分支网络及主干网络分别提取不同模态数据的模态特异特征及模态共享特征,将两种特征通过多模态特征融合模块进行充分融合,同时利用各个模态自身的特有信息及不同模态数据间的共性及联系,增加高维空间向量中包含的语义信息。针对多模态细粒度检索场景,在center loss函数的基础上提出multi-center loss函数,并引入类内中心来聚集同类别且同模态的样本,根据聚集类内中心来间接聚集同类别但模态不同的样本,同时消减样本间的异构鸿沟及语义鸿沟,增强模型对高维空间向量的聚类能力。在公开数据集FG-Xmedia上进行一对一与一对多的模态检索实验,结果表明,与FGCrossNet方法相比,MS2Net方法 mAP指标分别提升65%和48%。

关键词：信息检索多模态检索细粒度检索多模态表征学习深度学习

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

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

基于域矩阵因子分解机的点击通过率预估增强网络

引用

重庆邮电大学学报（自然科学版） 2024年第2期36卷 383-392页

作者：陈乔松黄泽锰胡静王进邓欣重庆邮电大学计算机科学与技术学院重庆400065 重庆邮电大学数据工程与可视计算重点实验室重庆400065

有效的特征交互,对于工业推荐系统中点击通过率(click-through-rate,CTR)预估的准确性起着至关重要的作用。以往并行结构的CTR预估模型通过将独立的浅层模型和深层模型并行连接,以此来学习特征的低阶交互和高阶交互。但是,这些模型存在... 详细信息

有效的特征交互,对于工业推荐系统中点击通过率(click-through-rate,CTR)预估的准确性起着至关重要的作用。以往并行结构的CTR预估模型通过将独立的浅层模型和深层模型并行连接,以此来学习特征的低阶交互和高阶交互。但是,这些模型存在浅层模型准确性低、未考虑特征交互时的多语义问题、参数过多、深层模型过度泛化等问题。基于上述问题,提出了一种基于域矩阵因子分解机的点击通过率预估增强网络,通过引入域矩阵优化浅层模型中的交互,提高运算效率,并在深层模型的DNN层与层之间增加了桥接模块,在每层高阶交互后增强对原始特征的记忆能力,将浅层模型和深层模型的结果相加并归一化得到预测值。该模型在Criteo、KKBox、Frappe和MovieLens数据集上进行了大量实验,展现了优秀的预测能力。

关键词：点击通过率域矩阵因子分解机桥接模块特征交互

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：