检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于深度学习的时空序列预测方法综述

数据采集与处理 2021年第3期36卷 436-448页

作者：潘志松黎维陆军工程大学指挥控制工程学院南京210007

随着数据采集技术的蓬勃发展,各个领域的时空数据不断累积,迫切需要探索高效的时空数据预测方法。深度学习是一种基于人工神经网络的机器学习方法,能有效地处理大规模的复杂数据,因而研究基于深度学习的时空序列预测方法具有十分重要的... 详细信息

随着数据采集技术的蓬勃发展,各个领域的时空数据不断累积,迫切需要探索高效的时空数据预测方法。深度学习是一种基于人工神经网络的机器学习方法,能有效地处理大规模的复杂数据,因而研究基于深度学习的时空序列预测方法具有十分重要的意义。在这一背景下,针对已有的预测方法进行归纳和总结,首先回顾了深度学习在时空序列预测中的应用背景和发展历程,介绍了时空序列的相关定义、特点及分类;然后按照时空序列数据的类别介绍了基于网格数据的预测方法、基于图数据的预测方法和基于轨迹数据的预测方法;最后总结了上述预测方法,并对当前面临的一些问题及可能的解决方案进行了探讨。

关键词：深度学习数据挖掘时空数据时空序列预测

在线全文

学校读者我要写书评

暂无评论

流形嵌入的支持向量数据描述

模式识别与人工智能 2009年第4期22卷 548-553页

作者：陈斌李斌潘志松陈松灿南京航空航天大学信息科学与技术学院南京210016 扬州大学信息工程学院扬州225009 解放军理工大学指挥自动化学院南京210007

测地距离能在宏观层面上较真实地反映数据中所隐含的几何结构,可基于它的支持向量数据描述(SVDD)无法直接优化.为此,文中提出一种流形分类学习算法的设计框架.用原空间测地距离近似各向同性的特征映射(ISOMAP)降维空间上的欧氏距离,即... 详细信息

测地距离能在宏观层面上较真实地反映数据中所隐含的几何结构,可基于它的支持向量数据描述(SVDD)无法直接优化.为此,文中提出一种流形分类学习算法的设计框架.用原空间测地距离近似各向同性的特征映射(ISOMAP)降维空间上的欧氏距离,即在隐含ISOMAP降维后空间上执行原学习算法.按照该框架,以SVDD为例发展出嵌入的ISOMAP发现的低维流形的SVDD(mSVDD),从而解决基于测地距离的SVDD的优化问题.USPS手写体数字数据集上的实验表明,mSVDD的单类性能较SVDD有较显著提高.

关键词：流形嵌入测地距离各向同性的特征映射(ISOMAP) 支持向量数据描述(SVDD) 单类分类

在线全文

学校读者我要写书评

暂无评论

面向三种形态图像的对抗攻击研究综述

计算机科学与探索 2024年第12期18卷 3080-3099页

作者：徐宇晖潘志松徐堃中国人民解放军陆军工程大学指挥控制工程学院南京210000

深度学习近年来取得了大量突破性进展,基于深度学习的应用也扩展到了越来越多的领域,但由于深度神经网络的脆弱性,在应用过程中极易受到来自对抗样本的威胁,给应用带来了巨大安全问题,因此对抗攻击一直是研究的热门领域。由于深度神经... 详细信息

深度学习近年来取得了大量突破性进展,基于深度学习的应用也扩展到了越来越多的领域,但由于深度神经网络的脆弱性,在应用过程中极易受到来自对抗样本的威胁,给应用带来了巨大安全问题,因此对抗攻击一直是研究的热门领域。由于深度神经网络在图像任务中被广泛应用,针对图像领域的对抗攻击研究是增强安全性的关键,学界从不同角度对此展开了大量研究。现有的图像攻击研究主要可以分为可见光图像、红外图像以及合成孔径雷达(SAR)图像三种形态的图像攻击。介绍了图像对抗样本的基本概念及对抗样本术语,对三种形态图像的对抗攻击方法根据其攻击思想进行分类总结,并对三种形态图像的攻击方法的攻击成功率(ASR)、所占内存大小、适用场景等进行对比分析。针对目前图像对抗样本领域的防御策略研究做出简要的介绍,主要针对目前已有的三类防御方法进行总结。对现有的针对图像对抗样本的研究现状进行了分析,对未来图像领域中的对抗攻击可能研究方向进行了展望,对未来可能面临的四种问题进行了总结并给出对应的解决方案。

关键词：深度学习对抗攻击可见光图像红外图像合成孔径雷达(SAR)图像对抗样本

结合遗传算法与启发式搜索的卫星频谱资源动态规划

在线全文

学校读者我要写书评

暂无评论

北京邮电大学学报 2017年第S1期40卷 5-9页

作者：张洪龚勇潘志松胡谷雨国防科学技术大学电子科学与工程学院长沙410073 解放军理工大学指挥信息系统学院南京210007

为了提高蜂窝式卫星移动通信的通信质量和频谱使用效率,必须对各波束载波频率的选取进行合理规划.为此,将频谱资源动态规划问题形式化,提出一种基于遗传算法和启发式搜索的频谱动态规划算法,综合考虑同频复用距离、波束分组类约束、动... 详细信息

为了提高蜂窝式卫星移动通信的通信质量和频谱使用效率,必须对各波束载波频率的选取进行合理规划.为此,将频谱资源动态规划问题形式化,提出一种基于遗传算法和启发式搜索的频谱动态规划算法,综合考虑同频复用距离、波束分组类约束、动态变化的可用频谱资源、用户业务频谱需求等,动态地将可用频谱资源分配至各波束,以最大效用地利用卫星频谱资源.

关键词：卫星频谱规划遗传算法启发式搜索

在线全文

学校读者我要写书评

暂无评论

基于PLSA主题模型的多标记文本分类

数据采集与处理 2016年第3期31卷 541-547页

作者：蒋铭初潘志松尤峻解放军理工大学指挥信息系统学院南京210007

为解决多标记文本分类时文本标记关系不明确以及特征维数过大的问题,提出了基于概率隐语义分析(Probabilistic latent semantic analysis,PLSA)模型的多标记假设重用文本分类算法。该方法首先将训练样本通过PLSA模型映射到隐语义空间,... 详细信息

为解决多标记文本分类时文本标记关系不明确以及特征维数过大的问题,提出了基于概率隐语义分析(Probabilistic latent semantic analysis,PLSA)模型的多标记假设重用文本分类算法。该方法首先将训练样本通过PLSA模型映射到隐语义空间,以文本的主题分布表示一篇文本,在去噪的同时可以大大降低数据维度。在此基础上利用多标记假设重用算法(Multi-label algorithm of hypothesis reuse,MAHR)进行分类,由于经过PLSA降维后的特征组本身就具有语义信息,因此算法能够精确地挖掘出多标记之间的关系并用于训练基分类器,从而避免了人为输入标记关系的缺陷。实验验证了该方法能够充分利用PLSA降维得到的语义信息来改善多标记文本分类的性能。

关键词：文本分类多标记学习概率隐语义分析多标记假设重用算法

在线全文

学校读者我要写书评

暂无评论

基于多标记重要性排序的分类器链算法

模式识别与人工智能 2016年第6期29卷 567-575页

作者：李娜潘志松周星宇解放军理工大学指挥信息系统学院南京210007 解放军理工大学通信工程学院南京210010

多标记分类器链中标记的预测顺序具有随机性,导致学习性能下降,容易造成错误信息的传递.考虑到标记的顺序性,文中提出基于多标记重要性排序的分类器链算法.该算法将标记间相互作用程度的大小作为衡量标记重要程度的依据,在标记相关性的... 详细信息

多标记分类器链中标记的预测顺序具有随机性,导致学习性能下降,容易造成错误信息的传递.考虑到标记的顺序性,文中提出基于多标记重要性排序的分类器链算法.该算法将标记间相互作用程度的大小作为衡量标记重要程度的依据,在标记相关性的基础上,按照重要性进行标记排序,并将排序结果作为分类器链算法中分类器的顺序,从而解决多标记预测顺序的问题.实验表明,相比现有方法,文中算法在多个数据集上能更稳定有效地分类多标记.

关键词：多标记标记相关性分类器链重要性排序

在线全文

学校读者我要写书评

暂无评论

智能化进程中课程改革的现状、问题与展望

上海教育科研 2019年第9期 87-90,52页

作者：张熙潘志松布里斯托大学 BS8 1TH 中国人民解放军陆军工程大学 210007

人工智能技术对基础教育课程改革内容与方式的可能影响巨大,但在当前转型时期、智能化追求下的课程改革尚存在诸多问题:智能化课改价值主张、学校课程智能化实施环境、教与学方式的单一化倾向、优质课程资源建设滞后和课程测量评价路径... 详细信息

人工智能技术对基础教育课程改革内容与方式的可能影响巨大,但在当前转型时期、智能化追求下的课程改革尚存在诸多问题:智能化课改价值主张、学校课程智能化实施环境、教与学方式的单一化倾向、优质课程资源建设滞后和课程测量评价路径依赖等问题凸显。对此,需要有相应的措施以保证智能化背景下课程改革的方向与进程。

关键词：教育信息化教育智能化课程改革人工智能

在线全文

学校读者我要写书评

暂无评论

一种基于解释的知识库综合

电子科技大学学报 2005年第3期34卷 366-368页

作者：端义锋胡谷雨潘志松解放军理工大学指挥自动化学院南京210007

从知识库的解释出发,对概念和概念间关系的解释进行了分析,定义了知识库系统的最小概念集合,设计了生成最小概念集合的方法,提出了基于解释的知识库综合算法,讨论了该算法在有限域上的可计算性。

关键词：综合知识库解释描述逻辑

在线全文

学校读者我要写书评

暂无评论

基于支持向量数据描述的击键生物特征认证

模式识别与人工智能 2008年第5期21卷 704-708页

作者：倪桂强李佳桢潘志松缪志敏解放军理工大学指挥自动化学院南京210007

由于计算机用户对键盘的熟悉程度、击键习惯等不尽相同,每个用户都具有自己独特的击键生物特征.对于某个用户来说,其击键特征为正常类,其他所有用户为异常类,这可以利用模式识别中的单类分类器来解决.本文设计基于支持向量数据描述(SVDD... 详细信息

由于计算机用户对键盘的熟悉程度、击键习惯等不尽相同,每个用户都具有自己独特的击键生物特征.对于某个用户来说,其击键特征为正常类,其他所有用户为异常类,这可以利用模式识别中的单类分类器来解决.本文设计基于支持向量数据描述(SVDD)的击键生物特征身份认证系统模型.将该方法与 BP、RBF 和 SOM 方法进行对比,证实 SVDD 具有较好的识别效果,它可将非法用户误接受率从28.9%降低到0.28%.最后给出一个嵌入Windows 用户登录中的口令+击键特征身份认证的实现技术.

关键词：单类分类器支持向量数据描述(SVDD) 身份认证