检索结果-内蒙古大学图书馆

计算机科学与探索 2025年第2期19卷 465-475页

作者：唐小勇王浩东长沙理工大学计算机与通信工程学院长沙410114

信贷欺诈审核是金融欺诈检测领域的研究热点与难点,尤其是大规模金融信贷交易场景下的欺诈检测问题。然而,信贷欺诈审核过程中的欺诈者类节点数量分布极不平衡和欺诈者节点伪装自身问题一直是其所面临的重要挑战。基于此,面向大规模互... 详细信息

信贷欺诈审核是金融欺诈检测领域的研究热点与难点,尤其是大规模金融信贷交易场景下的欺诈检测问题。然而,信贷欺诈审核过程中的欺诈者类节点数量分布极不平衡和欺诈者节点伪装自身问题一直是其所面临的重要挑战。基于此,面向大规模互联网金融信贷动态图提出融合重构子图选择和强化邻域过滤的图神经网络(RSRF-GNN)模型,以提高信贷欺诈审核的有效性。该方法从数据角度定义欺诈者数量分布不平衡和欺诈伪装问题。依据节点类别和出入度信息设计重构平衡子图选择模块以解决欺诈者数量分布不平衡问题。针对欺诈伪装问题,设计动态过滤邻域节点嵌入的邻域过滤模块。设计了边聚合模块聚合中心节点的邻域边嵌入,进一步提高中心节点邻域嵌入信息表达效果。为验证RSRF-GNN模型的有效性,在真实数据集DGraph-Fin上进行实验,结果表明RSRF-GNN模型在有效性方面比现有模型有较大提升。RSRF-GNN模型在AUC上提高了5~8个百分点,AP分数表现提高了18~29个百分点,模型性能优势显著。

关键词：信贷欺诈审核大规模动态图分布不平衡欺诈伪装图神经网络

来源：评论

学校读者我要写书评

暂无评论

基于场景自适应知识蒸馏的红外与可见光图像融合

引用

电子与信息学报 2025年第4期47卷 1150-1160页

作者：蔡烁姚玄石唐远志邓泽阳长沙理工大学大学计算机与通信工程学院长沙410114

红外与可见光图像融合的目的是将这两种异模态图像信息整合成场景细节信息更全面的融合图像。现有的一些融合算法仅关注评价指标的提升,而忽略了其在现实应用中的模型轻量性和场景泛化性的需求。为了解决该问题,该文提出一种基于场景自... 详细信息

红外与可见光图像融合的目的是将这两种异模态图像信息整合成场景细节信息更全面的融合图像。现有的一些融合算法仅关注评价指标的提升,而忽略了其在现实应用中的模型轻量性和场景泛化性的需求。为了解决该问题,该文提出一种基于场景自适应知识蒸馏的红外与可见光图像融合方法。首先,将领先的融合算法作为教师网络得到白天场景的学习样本,用低光增强算法继续处理得到黑夜场景的学习样本;然后,通过光照感知网络预测可见光图像的白天黑夜场景概率,从而指导学生网络实现对教师网络的场景自适应知识蒸馏;最后,引入基于结构重参数化的视觉变换器(RepViT)进一步降低模型的计算资源消耗。在MSRS和LLVIP数据集上与7种主流的深度学习融合算法进行了定性与定量的实验对比,所提融合方法能够在更低的计算资源消耗下,实现多个评价指标的提升,并在白天黑夜场景均能实现较好的融合视觉效果。

关键词：红外与可见光图像融合场景自适应知识蒸馏结构重参数化深度学习

来源：评论

学校读者我要写书评

暂无评论

基于点云时空特征的超宽带雷达轻量化人体行为识别方法

引用

雷达学报(中英文) 2025年第1期14卷 1-15页

作者：宋永坤晏天兴张可刘显戴永鹏金添长沙理工大学计算机与通信工程学院长沙410114 国防科技大学电子科学学院长沙410073

低频超宽带(UWB)雷达因其良好穿透性和分辨率,在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题,该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体... 详细信息

低频超宽带(UWB)雷达因其良好穿透性和分辨率,在人体行为识别领域具有显著的优势。针对现有的动作识别算法运算量大、网络参数多的问题,该文提出了一种基于时空点云的高效且轻量的超宽带雷达人体行为识别方法。首先通过UWB雷达采集人体的四维运动数据,然后采用离散采样的方法将雷达图像转换为点云表示,由于人体行为识别属于时间序列上的分类问题,该文结合PointNet++网络与Transformer网络提出了一种轻量化的时空网络,通过提取并分析四维点云的时空特征,实现了对人体行为的端到端识别。在模型的训练过程中,提出了一种点云数据多阈值融合的方法,进一步提高了模型的泛化性和识别能力。该文根据公开的四维雷达成像数据集对所提方法进行验证,并与现有方法进行了比较。结果表明,所提方法在人体行为识别率达到96.75%,且消耗较少的参数量和运算量,验证了其有效性。

关键词：超宽带雷达行为识别点云 PointNet++ Transformer

来源：评论

学校读者我要写书评

暂无评论

单通道超宽带雷达人体姿态增量估计技术

引用

雷达学报(中英文) 2025年第1期14卷 16-27页

作者：李柯蒙戴永鹏宋勇平周小龙宋永坤金添国防科技大学电子科学学院长沙410073 长沙理工大学计算机与通信工程学院长沙410114

该文针对光学与雷达传感器融合人体姿态估计研究,基于连续时间微动累积量与姿态增量的物理对应关系,提出了一种单通道超宽带雷达人体姿态增量估计方案。具体来说,通过构造空时分步增量估计网络,采用空域伪3D卷积层与时域膨胀卷积层分步... 详细信息

该文针对光学与雷达传感器融合人体姿态估计研究,基于连续时间微动累积量与姿态增量的物理对应关系,提出了一种单通道超宽带雷达人体姿态增量估计方案。具体来说,通过构造空时分步增量估计网络,采用空域伪3D卷积层与时域膨胀卷积层分步提取空时微动特征,将其映射为时间段内人体姿态增量,结合光学提供的姿态初值,实现人体三维姿态估计。实测数据结果表明,融合姿态估计在原地动作集取得5.38 cm估计误差,并能够实现一段时间行走动作连续姿态估计。与其他雷达姿态估计对比和消融实验证明了该文方法的优势。

关键词：单通道超宽带雷达人体姿态估计增量估计微动特征连续姿态

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的纹理表面缺陷检测方法综述

引用

计算机集成制造系统 2025年第3期31卷 721-745页

作者：邓志鹏何施茗杨根满君丰长沙理工大学计算机与通信工程学院湖南长沙410114 湖南第一师范学院智能制造学院湖南长沙410205

纹理表面缺陷检测方法在工业产品检测中发挥着关键作用,可以快速准确地检测出各种纹理表面上存在的缺陷,从而提升产品质量和生产效率。近年来,随着深度学习技术的快速发展,涌现出了越来越多的基于深度学习的纹理表面缺陷检测方法,这些... 详细信息

纹理表面缺陷检测方法在工业产品检测中发挥着关键作用,可以快速准确地检测出各种纹理表面上存在的缺陷,从而提升产品质量和生产效率。近年来,随着深度学习技术的快速发展,涌现出了越来越多的基于深度学习的纹理表面缺陷检测方法,这些方法在处理复杂纹理问题和实现高精度检测方面展现出了显著优势。因此,从监督学习、弱监督学习和无监督学习3个角度,系统、全面地总结了近5年来基于深度学习的纹理表面缺陷检测方法,归纳了各类方法的前沿成果,并通过在特定数据集上的性能对比,深刻剖析了各类方法面临的挑战与存在的不足。最后,总结了该领域面临的主要挑战,并提出了可能的解决策略。

关键词：纹理表面缺陷缺陷检测深度学习监督学习弱监督学习无监督学习

来源：评论

学校读者我要写书评

暂无评论

面向国产RISC-V芯片的高效高精度求和与点积算法

引用

小型微型计算机系统 2025年

作者：李骥邱琪张翔肖调杰孟祥飞龚春叶冯超超长沙理工大学计算机与通信工程学院国防科技大学计算机学院高端装备数字化软件湖南省重点实验室国家超级计算天津中心

RISC-V作为一种新兴的开源精简指令集架构，是后摩尔时代处理器技术发展与创新的关键之一.浮点求和与点积运算是数值运算的基础组成部分，在众多领域应用广泛.目前RISC-V架构尚未适配兼具高精度和高效率的求和与点积运算算法，这是因为... 详细信息

RISC-V作为一种新兴的开源精简指令集架构，是后摩尔时代处理器技术发展与创新的关键之一.浮点求和与点积运算是数值运算的基础组成部分，在众多领域应用广泛.目前RISC-V架构尚未适配兼具高精度和高效率的求和与点积运算算法，这是因为现有优化方案难以良好地平衡运算精度和效率，要么侧重于低精度算法效率，要么通过牺牲效率实现高精度运算.本文利用RVV(RISC-V Vector instruction set extension，RVV)矢量扩展指令，设计并实现了一种基于无误差变换技术的高效、高精度求和与点积算法.首先避免使用规约指令以防止运算精度降低，实现并优化两类运算基于RVV的向量化算法；其次根据算法中的数据依赖关系，对寄存器配置参数进行优化.最后针对算法核心步骤进行汇编优化，增加指令级并行度，提高流水线利用率.实验结果表明，与两类运算操作的原始算法相比，优化后的算法运算效率分别提高了4.4和4.2倍.优化后的算法与多精度库MPFR中的四精度算法有相同精度，但其运算效率明显优于后者，其计算速度与OpenBLAS的双精度计算速度相当.

关键词： RISC-V 点积求和无误差变换高精度向量化

来源：评论

学校读者我要写书评

暂无评论

基于多种群的自适应免疫进化计算

引用

控制与决策 2005年第11期20卷 1251-1255,1260页

作者：宋丹傅明长沙理工大学计算机与通信工程学院

将免疫思想同思维进化计算相结合,提出一种新的基于多种群的自适应免疫进化算法(IABM),算法定义了选择、记忆、克隆、超变异、抑制5种基本算子.试验结果表明该算法具有高效的收敛速度,并能收敛到全局最优点.与多种群遗传算法和思维进化... 详细信息

将免疫思想同思维进化计算相结合,提出一种新的基于多种群的自适应免疫进化算法(IABM),算法定义了选择、记忆、克隆、超变异、抑制5种基本算子.试验结果表明该算法具有高效的收敛速度,并能收敛到全局最优点.与多种群遗传算法和思维进化计算相比,IABM收敛速度更快,收敛率更高.

关键词：免疫算法多种群优化计算进化算法

来源：评论

学校读者我要写书评

暂无评论

面向肺炎CT图像识别的DL-CTNet模型

引用

计算机辅助设计与图形学学报 2024年第1期36卷 122-132页

作者：王威黄文迪王新王珑润长沙理工大学计算机与通信工程学院长沙410114

肺炎常缺乏明显呼吸系症状,症状多不典型,易发生漏诊、错诊.利用深度学习技术辅助医务人员安全、高效地检测感染者是一种有效途径.针对COVID-19感染者CT图像的磨玻璃影、铺路石征、血管扩张等特点,提出一种可有效地提取CT图像中的局部... 详细信息

肺炎常缺乏明显呼吸系症状,症状多不典型,易发生漏诊、错诊.利用深度学习技术辅助医务人员安全、高效地检测感染者是一种有效途径.针对COVID-19感染者CT图像的磨玻璃影、铺路石征、血管扩张等特点,提出一种可有效地提取CT图像中的局部与全局特征的轻量级模型——DL-CTNet.输入预处理的CT图像后,首先采用空洞卷积和动态双路径多尺度特征融合(D-DMFF)模块的2个支路提取浅层特征;然后使用局部与全局特征拼接模块(LGFC)中的D-DMFF模块提取局部特征、Swin Transformer提取全局特征,并通过拼接获得深层特征;最后经过全连接层输出分类标签.实验结果表明,在2个CT图像数据集上,验证了LGFC模块以及DL-CTNet的低复杂度与有效性;DL-CTNet的分类准确率高达98.613%,与其他方法相比,其能更准确地识别肺炎的CT图像.

关键词：肺炎胸部CT图像卷积神经网络 Transformer

来源：评论

学校读者我要写书评

暂无评论

ADC-CPANet:一种局部—全局特征融合的遥感图像分类方法

引用

遥感学报 2024年第10期28卷 2661-2672页

作者：王威李希杰王新长沙理工大学计算机与通信工程学院长沙410114

遥感图像具有丰富的纹理信息和复杂的整体结构,因此在场景分类任务中进行多尺度的特征提取至关重要。基于此,设计了局部特征提取模块ADC模块ADC(Aggregation Depthwise Convolution Block)和全局—局部特征提取模块CPA模块CPA(Convoluti... 详细信息

遥感图像具有丰富的纹理信息和复杂的整体结构,因此在场景分类任务中进行多尺度的特征提取至关重要。基于此,设计了局部特征提取模块ADC模块ADC(Aggregation Depthwise Convolution Block)和全局—局部特征提取模块CPA模块CPA(Convolution Parallel Attention Block),并在ADC模块中提出一种非对称深度卷积组,以增强模型对图像翻转和旋转的鲁棒性;在CPA模块中提出一种能够扩大感受野并增强特征提取能力的多分组卷积头分解注意力。以ADC模块和CPA模块为基础构建全新的遥感图像场景分类模型ADC-CPANet,在各阶段采用堆叠ADC模块和CPA模块的策略,从而使模型具有更好的全局特征和局部特征提取能力。为验证ADC-CPANet的有效性,本文使用开源数据集RSSCN7数据集和SIRI-WHU数据集测试ADC-CPANet与其他深度学习网络的复杂度和识别能力。实验结果表明,ADC-CPANet的分类准确率分别高达96.43%和96.04%,优于其他先进的模型。

关键词：遥感图像场景分类卷积神经网络 Transformer 多分组卷积头分解注意力 ADC-CPANet模型

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv3的绝缘子串定位与状态识别方法

引用

高电压技术 2020年第2期46卷 423-432页

作者：颜宏文陈金鑫长沙理工大学计算机与通信工程学院长沙410114

为了对高压输电线路的绝缘子串航拍图像进行精确快速的定位与状态识别,提出了一种基于改进YOLOv3的绝缘子串诊断方法。在自主建立航拍绝缘子串数据库的基础上,针对数据集样本存在的复杂度不均衡和类别不均衡现象,采用Focal Loss函数和... 详细信息

为了对高压输电线路的绝缘子串航拍图像进行精确快速的定位与状态识别,提出了一种基于改进YOLOv3的绝缘子串诊断方法。在自主建立航拍绝缘子串数据库的基础上,针对数据集样本存在的复杂度不均衡和类别不均衡现象,采用Focal Loss函数和均衡交叉熵函数改进YOLOv3算法的损失函数;然后,对原网络在COCO数据集上训练的卷积层过滤器进行可视化分析,选择冻结层并采用多阶段迁移学习策略来训练网络。在Python环境下训练并测试实例,结果表明:改进的损失函数可优化网络训练的损失值,提升算法精确度;多阶段迁移学习策略在提高算法精确度的同时,能有效应对数据集小而易过拟合问题;所提方法可端对端实现绝缘子串的定位与状态识别,且诊断精确度达到0.918。研究结果证明所提方法具有较高的精确性和实时性。

关键词：绝缘子串状态识别 YOLOv3 损失函数迁移学习高压输电线路

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：