检索结果-内蒙古大学图书馆

计算机科学与探索 2021年第9期15卷 1667-1679页

作者：杨晓莉黄振杰闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000 闽南师范大学计算机学院福建漳州363000

基于属性密码因能提供细粒度访问控制和良好的隐私性而成为密码学的研究热点之一。Σ协议是一种三轮公开抛硬币诚实验证者零知识证明协议,在密码学的许多领域有重要应用。首先,将基于属性密码引入到零知识证明领域,研究基于属性Σ协议,... 详细信息

基于属性密码因能提供细粒度访问控制和良好的隐私性而成为密码学的研究热点之一。Σ协议是一种三轮公开抛硬币诚实验证者零知识证明协议,在密码学的许多领域有重要应用。首先,将基于属性密码引入到零知识证明领域,研究基于属性Σ协议,给出其定义,刻画其安全模型;其次,基于标准Σ协议、陷门可取样关系和平滑秘密共享方案,给出一个去中心基于属性Σ协议的一般性构造和相应的例子,并证明其安全性;最后,作为去中心基于属性Σ协议的应用,利用Fiat-Shamir转换,得到去中心基于属性签名和去中心基于属性双层签名的一般性构造和相应的例子。效率分析表明,基于属性双层签名方案相比已有的方案在数据长度和计算开销两方面都具有显著的优势。

关键词： Σ协议去中心基于属性Σ协议去中心基于属性签名去中心基于属性双层签名一般性构造

来源：评论

学校读者我要写书评

暂无评论

区间值决策表中基于证据理论的测试代价敏感属性约简

引用

喀什大学学报 2024年第6期45卷 1-9页

作者：范译文廖淑娇吴迪闽南师范大学数学与统计学院福建漳州363000 闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000

属性约简一直都是区间值信息系统的主要研究内容,Dempster-Shafer证据理论应用信任函数和似然函数解决不确定性问题.根据证据理论相关知识研讨区间值决策表中测试代价敏感的属性约简方法,建立理论模型,并分别基于信任函数和似然函数提... 详细信息

属性约简一直都是区间值信息系统的主要研究内容,Dempster-Shafer证据理论应用信任函数和似然函数解决不确定性问题.根据证据理论相关知识研讨区间值决策表中测试代价敏感的属性约简方法,建立理论模型,并分别基于信任函数和似然函数提出启发式的属性约简算法.经实例检验,所提出算法的效果良好.

关键词：区间值决策表属性约简测试代价证据理论

来源：评论

学校读者我要写书评

暂无评论

基于多粒度一致性邻域的多标记特征选择

引用

南京大学学报（自然科学版） 2022年第1期58卷 60-70页

作者：卢舜林耀进吴镒潾包丰浩王晨曦闽南师范大学计算机学院漳州363000 福建省数据科学与智能应用高校重点实验室闽南师范大学漳州363000

多标记学习广泛应用于图像分类、疾病诊断等领域,然而特征的高维性给多标记分类算法带来时间负担、过拟合和性能低等问题.基于多粒度邻域一致性设计相应的多标记特征选择算法:首先利用标记空间和特征空间邻域一致性来粒化所有样本,并基... 详细信息

多标记学习广泛应用于图像分类、疾病诊断等领域,然而特征的高维性给多标记分类算法带来时间负担、过拟合和性能低等问题.基于多粒度邻域一致性设计相应的多标记特征选择算法:首先利用标记空间和特征空间邻域一致性来粒化所有样本,并基于多粒度邻域一致性观点定义新的多标记邻域信息熵和多标记邻域互信息;其次,基于邻域互信息构建一个评价候选特征质量的目标函数用于评价每个特征的重要性;最后通过多个指标验证了所提算法的有效性.

关键词：多标记学习特征选择多粒度邻域一致性

来源：评论

学校读者我要写书评

暂无评论

区间值决策表中测试代价敏感的属性约简方法

引用

江苏海洋大学学报(自然科学版) 2025年第1期34卷 51-61页

作者：范译文廖淑娇吴迪闽南师范大学数学与统计学院福建漳州363000 闽南师范大学福建省粒计算及其应用重点实验室福建漳州363000 闽南师范大学数字福建气象大数据研究所福建漳州363000 闽南师范大学数据科学与统计重点实验室福建漳州363000

在当前的大数据时代,数据处理至关重要。代价敏感学习是机器学习、数据挖掘等领域研究热点之一,而测试代价是一种重要的代价,数据处理往往要考虑到测试代价。但是,目前较少有基于测试代价去考虑区间值数据的属性约简。针对该情况,讨论... 详细信息

在当前的大数据时代,数据处理至关重要。代价敏感学习是机器学习、数据挖掘等领域研究热点之一,而测试代价是一种重要的代价,数据处理往往要考虑到测试代价。但是,目前较少有基于测试代价去考虑区间值数据的属性约简。针对该情况,讨论了区间值决策表中测试代价敏感的属性约简问题,创建了相应的粗糙集理论模型,提出了测试代价相关的加权属性重要度函数,并设计了测试代价敏感属性约简的回溯算法和启发式算法。最后在多个UCI数据集上进行实验,检验了所提出算法的有效性。该算法相较于现有的两个属性约简算法,在降低总测试代价方面具有显著的优势。回溯算法总是可以得到最优约简,而启发式算法能较高效率地得到最优或次优的约简。

关键词：区间值决策表属性约简测试代价不一致对象

来源：评论

学校读者我要写书评

暂无评论

基于抗噪声邻域粗糙集的在线流特征选择算法

引用

小型微型计算机系统 2023年第7期44卷 1494-1499页

作者：曾艺祥林耀进李育林王晨曦闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000

在开放动态环境当中,特征是动态生成的,特征在不同时间戳内流入特征空间称为流特征.然而,在一些基于传统的邻域粗糙集流特征选择算法中,噪声点会对特征的依赖度计算造成影响.基于此,本文提出了基于抗噪声邻域粗糙集的在线流特征选择算法... 详细信息

在开放动态环境当中,特征是动态生成的,特征在不同时间戳内流入特征空间称为流特征.然而,在一些基于传统的邻域粗糙集流特征选择算法中,噪声点会对特征的依赖度计算造成影响.基于此,本文提出了基于抗噪声邻域粗糙集的在线流特征选择算法.首先,充分考虑噪声点的影响,定义一种抗噪声的邻域关系,并设计基于抗噪声邻域的依赖度计算公式.进一步,考虑到特征对不同类别所提供的信息不同,结合类别正域,提出了一种新的在线相关性分析方法和冗余分析方法.在8个数据集上的实验研究表明,所提算法得到的特征子集优于一些在线流特征选择算法.

关键词：在线特征选择流特征邻域粗糙集邻域关系

来源：评论

学校读者我要写书评

暂无评论

ADS-B中基于格的分层无证书消息可恢复认证方案

引用

计算机工程与科学 2023年第3期45卷 462-469页

作者：农强邵猛张棒棒刘梓禹闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室福建漳州363000

广播式自动相关监视(ADS-B)作为新一代空中交通管制的关键技术,已部署在全球大部分空域。已有的ADS-B消息认证方案主要利用传统的公钥密码系统来保证数据安全,计算负担较重且无法抵御量子攻击。首次将基于格的密码体制用于ADS-B通信安全... 详细信息

广播式自动相关监视(ADS-B)作为新一代空中交通管制的关键技术,已部署在全球大部分空域。已有的ADS-B消息认证方案主要利用传统的公钥密码系统来保证数据安全,计算负担较重且无法抵御量子攻击。首次将基于格的密码体制用于ADS-B通信安全,提出一种同时支持消息可恢复和批量验证的分层无证书消息认证方案。ADS-B机载设备不需要管理证书,也无密钥托管问题。ADS-B消息不需要与签名一起传输,可以在验证阶段进行恢复。利用拒绝采样和无陷门技术,该方案仅需执行计算复杂度较低的线性运算即可实现消息认证。在随机预言机模型和小整数解问题假设下,该方案是可证安全的。性能评价实验结果表明,在同等的比特安全级别下,该方案相比相关工作在节省计算开销方面有显著的提升,对于计算资源受限的航空电子设备十分适用。

关键词：广播式自动相关监视基于格的密码体制分层无证书消息认证拒绝采样

来源：评论

学校读者我要写书评

暂无评论

空间分数阶Schrödinger方程的PMHSS迭代方法

引用

闽南师范大学学报(自然科学版) 2025年第1期38卷 100-107页

作者：熊子慷尹斯乐兰冰艳凌永辉闽南师范大学数学与统计学院福建漳州363000 福建省粒计算及其应用重点实验室福建漳州363000

考虑一类空间分数阶Schrödinger方程离散化得到的复线性方程组的快速求解算法,该线性方程组的系数矩阵为稠密的Toeplitz矩阵与三对角矩阵的和。采用了预条件修正Hermite矩阵和反Hermite矩阵分裂(PMHSS)迭代法进行求解,这种方法能... 详细信息

考虑一类空间分数阶Schrödinger方程离散化得到的复线性方程组的快速求解算法,该线性方程组的系数矩阵为稠密的Toeplitz矩阵与三对角矩阵的和。采用了预条件修正Hermite矩阵和反Hermite矩阵分裂(PMHSS)迭代法进行求解,这种方法能够将其转为求解四个对称正定实线性方程组而避免了复值运算,并证明了该迭代法的无条件收敛性。数值结果验证了该方法的有效性。

关键词：空间分数阶Schrödinger方程 PMHSS迭代法 Toeplitz矩阵

来源：评论

学校读者我要写书评

暂无评论

由粗到细的分层特征选择

引用

电子学报 2022年第11期50卷 2778-2789页

作者：刘浩阳林耀进刘景华吴镒潾毛煜李绍滋闽南师范大学计算机学院福建漳州363000 数据科学与智能应用福建省高等学校重点实验室(闽南师范大学) 福建漳州363000 华侨大学计算机科学与技术学院福建厦门361021 厦门大学人工智能系福建厦门361005

利用数据类别间层次结构关系进行分类学习任务广泛存在于疾病诊断、图像标注等领域.然而,数据特征空间的高维性,使得分层分类学习面临着时间复杂度高和存储负担大等问题.另外,现有研究工作都假设训练集标记粒度是充分细化,与实际分层分... 详细信息

利用数据类别间层次结构关系进行分类学习任务广泛存在于疾病诊断、图像标注等领域.然而,数据特征空间的高维性,使得分层分类学习面临着时间复杂度高和存储负担大等问题.另外,现有研究工作都假设训练集标记粒度是充分细化,与实际分层分类学习中划分细粒度标记代价高,类别标记间存在语义歧义性等矛盾.为解决上述问题,提出一种由粗到细的分层特征选择算法.该算法考虑类内一致性和兄弟节点间的差异性以选择有代表性特征,同时在特征选择的过程中实现预测训练样本未知的细粒度标记.在7个基准数据集上的实验结果表明,所提算法的分类性能优于一些先进的对比算法,且能处理标记粒度不够细化的情况.

关键词：特征选择分层分类标记层次结构标记粒度递归正则化稀疏优化全局最优解

来源：评论

学校读者我要写书评

暂无评论

局部模板更新逆向联合稀疏表示目标跟踪算法

引用

图学学报 2022年第1期43卷 60-69页

作者：虞虹玲陈颖频许艳萍林晨蒋旻佚罗崇淼陈悦林耀进闽南师范大学计算机学院福建漳州363000 闽南师范大学数据科学与智能应用福建省高校重点实验室福建漳州363000 闽南师范大学物理与信息工程学院福建漳州363000

逆向联合稀疏表示算法可充分利用跟踪过程中的时间相似性和空间连续性,但由于遮挡、光照变化等的影响,易出现跟踪漂移。为解决上述问题,提出一种基于局部模板更新逆向联合稀疏表示目标跟踪算法,其通过逆向局部重构目标模板集完成逆向联... 详细信息

逆向联合稀疏表示算法可充分利用跟踪过程中的时间相似性和空间连续性,但由于遮挡、光照变化等的影响,易出现跟踪漂移。为解决上述问题,提出一种基于局部模板更新逆向联合稀疏表示目标跟踪算法,其通过逆向局部重构目标模板集完成逆向联合稀疏表示。首先,在首帧初始化目标模板集,利用粒子滤波获取候选图像,并对其分块处理,构建逆向联合稀疏编码模型;然后,利用交替方向乘子法求解出稀疏编码系数,并通过2步评分机制获取最优候选图像;最后,根据相似性得分判断当前帧是否存在局部遮挡,若无遮挡,则局部更新目标模板集以减少跟踪漂移现象。实验结果表明,本文算法的跟踪精度和成功率在OTB-2013数据集上分别达到了85.4%和62.8%,在OTB100数据集上分别达到了76.8%和68.6%,速度达到每秒5.76帧,能有效提高鲁棒性,减少跟踪漂移。

关键词：目标跟踪逆向联合稀疏表示时-空信息局部模板更新交替方向乘子法

来源：评论

学校读者我要写书评

暂无评论

有监督深度学习的优化方法研究综述

引用

中国图象图形学报 2023年第4期28卷 963-983页

作者：江铃燚郑艺峰陈澈李国和张文杰闽南师范大学计算机学院漳州363000 数据科学与智能应用福建省高校重点实验室漳州363000 中国石油大学信息科学与工程学院北京102249

随着大数据的普及和算力的提升,深度学习已成为一个热门研究领域,但其强大的性能过分依赖网络结构和参数设置。因此,如何在提高模型性能的同时降低模型的复杂度,关键在于模型优化。为了更加精简地描述优化问题,本文以有监督深度学习作... 详细信息

随着大数据的普及和算力的提升,深度学习已成为一个热门研究领域,但其强大的性能过分依赖网络结构和参数设置。因此,如何在提高模型性能的同时降低模型的复杂度,关键在于模型优化。为了更加精简地描述优化问题,本文以有监督深度学习作为切入点,对其提升拟合能力和泛化能力的优化方法进行归纳分析。给出优化的基本公式并阐述其核心;其次,从拟合能力的角度将优化问题分解为3个优化方向,即收敛性、收敛速度和全局质量问题,并总结分析这3个优化方向中的具体方法与研究成果;从提升模型泛化能力的角度出发,分为数据预处理和模型参数限制两类对正则化方法的研究现状进行梳理;结合上述理论基础,以生成对抗网络(generative adversarial network,GAN)变体模型的发展历程为主线,回顾各种优化方法在该领域的应用,并基于实验结果对优化效果进行比较和分析,进一步给出几种在GAN领域效果较好的优化策略。现阶段,各种优化方法已普遍应用于深度学习模型,能够较好地提升模型的拟合能力,同时通过正则化缓解模型过拟合问题来提高模型的鲁棒性。尽管深度学习的优化领域已得到广泛研究,但仍缺少成熟的系统性理论来指导优化方法的使用,且存在几个优化问题有待进一步研究,包括无法保证全局梯度的Lipschitz限制、在GAN中找寻稳定的全局最优解,以及优化方法的可解释性缺乏严格的理论证明。

关键词：机器学习深度学习深度学习优化正则化生成对抗网络(GAN)

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：