检索结果-内蒙古大学图书馆

闽南师范大学学报（自然科学版） 2022年第2期35卷 44-47页

作者：刘王飞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等学校重点实验室福建漳州363000

针对传统的分布式系统UUID(universally unique IDentifier)算法的不足,提出一种新的具有规律性、结构性、利于索引的UUID方法;并设计一个基于微服务架构的数据库云平台,运用新的UUID算法生成任务ID.实验表明,新的UUID算法在数据库云平... 详细信息

针对传统的分布式系统UUID(universally unique IDentifier)算法的不足,提出一种新的具有规律性、结构性、利于索引的UUID方法;并设计一个基于微服务架构的数据库云平台,运用新的UUID算法生成任务ID.实验表明,新的UUID算法在数据库云平台大量任务索引与管理中具有明显的优势.

关键词： UUID算法 MD5算法毫秒数自增数

来源：评论

学校读者我要写书评

暂无评论

求解有限差分公式权重的三种算法

引用

闽南师范大学学报（自然科学版） 2023年第4期36卷 94-101页

作者：叶林薇李书琰晏云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 蓼堤二中河南商丘476900

分别借助Newton型插值多项式、带有连续阶数导数信息的Lagrange型Hermite插值多项式与带有连续阶数导数信息的Newton型Hermite插值多项式,并结合函数求导的相关法则给出了三种算法.这三种算法规律性强,易于编程实现.特别的,基于Hermite... 详细信息

分别借助Newton型插值多项式、带有连续阶数导数信息的Lagrange型Hermite插值多项式与带有连续阶数导数信息的Newton型Hermite插值多项式,并结合函数求导的相关法则给出了三种算法.这三种算法规律性强,易于编程实现.特别的,基于Hermite插值多项式的两种算法要比现有的插值多项式算法适用的有限差分公式范围更广.为了验证这三种算法的可行性,给出了三个具体的数值算例来说明确定有限差分公式权重的过程.

关键词：有限差分插值多项式权重微分方程

来源：评论

学校读者我要写书评

暂无评论

非零均值噪声下ARMA-GARCH模型的拟极大似然估计

引用

闽南师范大学学报（自然科学版） 2023年第2期36卷 60-70页

作者：王鑫蕊吕阳阳施建华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 福建省数据科学与统计重点实验室福建漳州363000 数字福建气象大数据研究所福建漳州363000

ARMA-GARCH模型在金融领域已得到广泛应用,可以用来研究金融资产价格的变化情况.对金融资产收益率建模时,通常假设噪声服从高斯分布.然而,实际研究表明,金融资产收益率可能具有正向或负向阶段性跳跃特征.对于此类金融数据,基于高斯分布... 详细信息

ARMA-GARCH模型在金融领域已得到广泛应用,可以用来研究金融资产价格的变化情况.对金融资产收益率建模时,通常假设噪声服从高斯分布.然而,实际研究表明,金融资产收益率可能具有正向或负向阶段性跳跃特征.对于此类金融数据,基于高斯分布的ARMA-GARCH模型在预测效果上显得不足.因此,研究了非零均值噪声扰动下的ARMA-GARCH模型,证明了拟极大似然估计量(QMLE)的强相合性和渐近正态性.进一步,通过数值模拟和实证分析说明了该模型的有效性.

关键词： ARMA-GARCH 相合性渐近正态性拟极大似然估计高斯-泊松分布

来源：评论

学校读者我要写书评

暂无评论

WOD随机变量序列加权和的矩完全收敛性

引用

纯粹数学与应用数学 2023年第2期39卷 250-269页

作者：潘晓映王美涵施建华张荣茂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 福建省数据科学与统计重点实验室福建漳州363000 数字福建气象大数据研究所福建漳州363000

WOD(widely orthant dependent)随机变量序列是一类非常宽泛的相依随机变量序列,应用WOD随机变量序列部分和的Menshov-Rademacher型不等式,结合五段截尾技术,研究得到了同分布WOD随机变量序列的Sung型加权和的最大值矩完全收敛性定理,... 详细信息

WOD(widely orthant dependent)随机变量序列是一类非常宽泛的相依随机变量序列,应用WOD随机变量序列部分和的Menshov-Rademacher型不等式,结合五段截尾技术,研究得到了同分布WOD随机变量序列的Sung型加权和的最大值矩完全收敛性定理,推广和改进了已有的文献的一些最新结果.作为主要结果的一个应用,同时考虑了基于WOD误差的非参数回归模型中加权估计的完全相合性的结果,并且通过模拟验证了理论结果的有效性.

关键词： WOD随机变量加权和矩完全收敛非参数回归模型

来源：评论

学校读者我要写书评

暂无评论

基于类别一致性的层次特征选择算法

引用

闽南师范大学学报（自然科学版） 2022年第4期35卷 41-49页

作者：张智慧林耀进张小清吕彦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

随着数据量的增加,分类问题的规模越来越大,导致层次分类产生特征空间高维性和类别空间不一致性问题.基于此,提出一种基于类别一致性的层次特征选择算法.首先,该算法使用递归正则化,为层次类别的每个内部类学习共同特征.其次,充分利用... 详细信息

随着数据量的增加,分类问题的规模越来越大,导致层次分类产生特征空间高维性和类别空间不一致性问题.基于此,提出一种基于类别一致性的层次特征选择算法.首先,该算法使用递归正则化,为层次类别的每个内部类学习共同特征.其次,充分利用分层结构,将类别相似性约束在输出标签,分析类别间的输出一致性.最后,对样本特征进行稀疏性学习去除无关特征.该算法可以同时处理具有树结构和有向无环图结构的数据.实验结果表明,与5种层次特征选择算法相比,所提算法在线性支持向量机(LSVM)分类器上的评价指标中都取得较好的结果,有效提高分类性能,验证了算法的有效性.

关键词：特征选择层次分类输出一致性递归正则化

来源：评论

学校读者我要写书评

暂无评论

等间距平行线辅助机器视觉实现工件尺寸测量

引用

湖南工程学院学报（自然科学版） 2021年第3期31卷 48-52,82页

作者：邱国清闽南师范大学计算机学院漳州363000 闽南师范大学福建省粒计算及其应用重点实验室漳州363000

针对工业柔性密封圈形变造成内外圆尺寸发生改变和传统成像系统畸变造成图像边缘轮廓失真,从而直接影响轮廓测量精度的问题,提出一种基于等间距平行线工件尺寸测量算法.首先对工件区域进行轮廓跟踪,求出区域的边界像素点序列;其次,绘制... 详细信息

针对工业柔性密封圈形变造成内外圆尺寸发生改变和传统成像系统畸变造成图像边缘轮廓失真,从而直接影响轮廓测量精度的问题,提出一种基于等间距平行线工件尺寸测量算法.首先对工件区域进行轮廓跟踪,求出区域的边界像素点序列;其次,绘制一组水平或垂直方向等间距平行线,对工件轮廓进行拟合;最后,根据圆的计算公式求解出曲面轮廓的尺寸参数值,从而减少畸变造成的测量误差.通过对密封圈内外轮廓尺寸精度和断面精度对工件测量影响的分析,结果表明:基于等间距平行线工件尺寸测量算法对柔性圈内外径最小误差分别为0.5%和0.9%,横断面最小误差为1.6%.

关键词：等间距平行线工件尺寸测量机器视觉栅格数据拟合

来源：评论

学校读者我要写书评

暂无评论

去中心基于属性不可否认签名

引用

计算机工程与科学 2020年第6期42卷 1003-1011页

作者：魏亮黄振杰陈群山福建省粒计算及其应用重点实验室(闽南师范大学) 福建漳州363000 闽南师范大学计算机学院福建漳州363000

将基于属性、不可否认和去中心3个概念相结合,提出去中心基于属性不可否认签名的定义和安全模型,并基于离散对数困难问题构造一个无双线性对的方案。该方案主要基于Cramer等的证据隐藏零知识证明协议,以Schnorr协议作为其基础Σ协议,以S... 详细信息

将基于属性、不可否认和去中心3个概念相结合,提出去中心基于属性不可否认签名的定义和安全模型,并基于离散对数困难问题构造一个无双线性对的方案。该方案主要基于Cramer等的证据隐藏零知识证明协议,以Schnorr协议作为其基础Σ协议,以Shamir门限方案作为其秘密分享方案;再使用Fiat-Shamir转换得到一个(t,n)门限签名(BTS)方案;然后再对BTS方案进行不可否认、防共谋和去中心化处理;最后得到一个去中心基于属性不可否认签名方案,并在随机预言机模型下证明了其安全性。

关键词：数字签名基于属性签名不可否认签名去中心随机预言机模型

来源：评论

学校读者我要写书评

暂无评论

基于挤压激励网络的恶意代码家族检测方法

引用

信息技术与网络安全 2022年第6期41卷 1-9页

作者：申高宁陈志翔王辉陈姮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

恶意代码已经成为威胁网络安全的重要因素。基于机器学习的恶意代码检测方法已经取得较好的效果,但面对相似的恶意代码家族,往往效果不佳。对此,提出了一种基于挤压激励网络的检测算法,由卷积神经网络(Convolutional Neural Network,CNN... 详细信息

恶意代码已经成为威胁网络安全的重要因素。基于机器学习的恶意代码检测方法已经取得较好的效果,但面对相似的恶意代码家族,往往效果不佳。对此,提出了一种基于挤压激励网络的检测算法,由卷积神经网络(Convolutional Neural Network,CNN)与挤压和激励(Squeeze-and-Excitation,SE)模块构成。CNN先快速提取恶意代码的图像特征,SE模块对多通道特征图进行全局平均池化,将全局信息压缩,然后通过全连接层自适应学习,并将每个通道特征图赋予不同的权重来表示不同的重要程度,指导激励或抑制特征信息。实验结果表明,该方法相对于传统机器学习方法有更好的检测效果,与深度学习算法相比检测效果也有一定的提升且参数量大大减少。

关键词：恶意代码机器学习卷积神经网络挤压和激励网络

来源：评论

学校读者我要写书评

暂无评论

融合双神经网络的PCB缺陷检测方法

引用

哈尔滨商业大学学报（自然科学版） 2022年第2期38卷 162-170页

作者：林璐颖吴慧君杨文元漳州职业技术学院福建漳州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

印刷电路板(PCB)缺陷检测是电子工业领域的一个重要研究课题.PCB电路密集复杂,缺陷非常小,传统检测方法检测精度低,漏检率高.针对以上问题,提出一种融合YOLOv3和VGG19神经网络的双网络小目标检测方法,实现对PCB缺陷的高质量检测.将PCB... 详细信息

印刷电路板(PCB)缺陷检测是电子工业领域的一个重要研究课题.PCB电路密集复杂,缺陷非常小,传统检测方法检测精度低,漏检率高.针对以上问题,提出一种融合YOLOv3和VGG19神经网络的双网络小目标检测方法,实现对PCB缺陷的高质量检测.将PCB缺陷数据集输入YOLOv3和VGG19网络进行训练,生成缺陷检测模型M_(1)和M_(2).使用M_(1)检测PCB图像,目标置信度50%以上为R_(1),50%以下为R_(2).将R_(2)裁剪出来并使用M_(2)进行二次检测,目标置信度50%以上为R_(3),将R_(1)和R_(3)进行融合.实验表明,双神经网络缺陷检测方法在PCB缺陷小目标上的检测精度提高至99.44%,有效地减少了由于置信度低而导致的漏检问题.

关键词：目标识别深度学习神经网络印刷电路板缺陷检测

来源：评论

学校读者我要写书评

暂无评论

多特征融合的次峰抑制无人机目标跟踪

引用

计算机工程与应用 2020年第14期56卷 104-110页

作者：吴贵山林淑彬杨文元闽南师范大学计算机学院福建漳州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

无人机目标跟踪是计算机视觉一个热门的研究方向。多特征融合后的响应通常含有噪声,为了解决这个问题,提出一种基于多特征融合的次峰响应抑制的无人机目标跟踪算法。提取HOG特征和二维颜色属性特征,并进行融合产生响应。对次峰响应进行... 详细信息

无人机目标跟踪是计算机视觉一个热门的研究方向。多特征融合后的响应通常含有噪声,为了解决这个问题,提出一种基于多特征融合的次峰响应抑制的无人机目标跟踪算法。提取HOG特征和二维颜色属性特征,并进行融合产生响应。对次峰响应进行抑制以去除噪声,将多个次峰聚合为一个中心主峰。引入自适应模型更新策略进一步增强算法的鲁棒性。在UAV123和VisDrone2019数据集上进行实验,结果显示该算法在无人机的快速运动、视角变化等挑战场景中表现出较好的跟踪精度和鲁棒性。

关键词：计算机视觉目标跟踪背景感知次峰抑制手工特征

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：