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

基于可变特征空间SVM的互联网流量分类

电信科学 2016年第5期32卷 105-113页

作者：钱亚冠关晓惠云本胜楼琼马鹏飞浙江科技学院理学院浙江杭州310023 浙江水利水电学院浙江杭州310018

支持向量机(support vector machine,SVM)是一类具有良好泛化能力的机器学习算法,适合应用于互联网动态环境下的流量分类问题。目前将SVM扩展到流量分类这样的多分类问题的方法主要有One-Against-All和One-Against-One方法。这些方法都... 详细信息

支持向量机(support vector machine,SVM)是一类具有良好泛化能力的机器学习算法,适合应用于互联网动态环境下的流量分类问题。目前将SVM扩展到流量分类这样的多分类问题的方法主要有One-Against-All和One-Against-One方法。这些方法都基于单一的特征空间训练SVM两分类器,没有考虑到不同特征对不同流量类的不同区分能力,因此获得的分离超平面并不是最合理的。为此提出了可变特征空间的SVM集成方法,即为每个两分类SVM构建具有最优区分能力的独立特征空间,单独训练两分类SVM,最后再利用One-Against-All和One-Against-One方法集成为多分类器。实验表明,与原来的单一特征空间的One-Against-All和One-Against-One集成方法相比,提出的方法能有效提高流量分类器分类精度和召回率,更易获得最优分离超平面。

关键词：支持向量机可变特征空间流量分类

在线全文

学校读者我要写书评

暂无评论

一种应用于文本分类的段落向量正向激励方法

中文信息学报 2023年第7期37卷 51-60页

作者：钱亚冠方科彬康明顾钊铨潘俊王滨 Wassim Swaileh 浙江科技学院大数据学院浙江杭州310023 海康威视-浙江科技学院边缘智能安全联合实验室浙江杭州310023 南京航空航天大学经济与管理学院江苏南京211106 广州大学网络空间先进技术研究院广东广州510006 塞尔齐.巴黎大学ETIS国家实验室巴黎法国95032

文本分类广泛应用于文档检索、网络搜索等领域,其中文本的向量化表示对于分类性能的提高具有重要的影响。在将变长文本表示成定长向量时,传统的段落向量化算法Doc2Vec忽视了该算法每轮训练的次数与段落长度高度相关的问题,以及长段落包... 详细信息

文本分类广泛应用于文档检索、网络搜索等领域,其中文本的向量化表示对于分类性能的提高具有重要的影响。在将变长文本表示成定长向量时,传统的段落向量化算法Doc2Vec忽视了该算法每轮训练的次数与段落长度高度相关的问题,以及长段落包含短段落信息的情况,限制了分类模型准确率的进一步提升。针对该问题,该文提出一种应用于文本分类的基于段落向量正向激励的方法。首先,根据中位数划分长、短段落向量,然后在分类模型输入过程中提升长段落向量的权重,实现提高模型分类准确率的目的。在Stanford Sentiment Treebank、IMDB和Amazon Reviews三个数据集上的实验结果表明,通过选择适当的激励系数,采用段落向量正向激励的分类模型可以获得更高的分类准确率。

关键词：正向激励段落向量文本分类

在线全文

学校读者我要写书评

暂无评论

基于宽度学习算法的加权集成成绩预测模型

浙江科技学院学报 2021年第5期33卷 362-368页

作者：吴玉凤冯军钱亚冠金帆浙江科技学院理学院杭州310023

教育数据挖掘技术是当前研究的热点之一。针对学生成绩预测准确率较低的问题,提出以宽度学习(broad learning,BL)算法为个体学习器的加权集成学习算法。首先,使用宽度学习算法来预测学生成绩,由于单个分类器的性能不够稳定,对数据变化... 详细信息

教育数据挖掘技术是当前研究的热点之一。针对学生成绩预测准确率较低的问题,提出以宽度学习(broad learning,BL)算法为个体学习器的加权集成学习算法。首先,使用宽度学习算法来预测学生成绩,由于单个分类器的性能不够稳定,对数据变化比较敏感,故试验采用加权集成方法对宽度学习算法进行改进;然后,将其与采用加权集成的决策树(decision tree,DT)算法和多层感知机神经网络(multi-layer perceptron neural networks,MLP)算法的结果进行对比。结果表明,基于宽度学习算法作为个体学习器的加权集成算法能够进一步提高模型的预测效果,预测准确率在比较的几种算法中最高,达到了91.6%,这有效地提高了成绩预测的准确率。研究结果可为学生成绩预测提供方法参考。

关键词：教育数据挖掘宽度学习算法加权集成成绩预测

一种基于随机森林和改进卷积神经网络的网络流量分类方法

在线全文

学校读者我要写书评

暂无评论

电信科学 2023年第7期39卷 80-89页

作者：云本胜干潇雅钱亚冠浙江科技学院理学院浙江杭州310023

为了提高网络流量分类模型的效率、降低模型复杂度,提出了一种基于随机森林和改进卷积神经网络的分类方法。首先,利用随机森林评估了网络流量各个特征的重要性,并根据重要性排序进行特征选择;其次,采用AdamW优化器和三角循环学习率优化... 详细信息

为了提高网络流量分类模型的效率、降低模型复杂度,提出了一种基于随机森林和改进卷积神经网络的分类方法。首先,利用随机森林评估了网络流量各个特征的重要性,并根据重要性排序进行特征选择;其次,采用AdamW优化器和三角循环学习率优化了卷积神经网络分类模型;最后,将该模型搭建在Spark集群上实现模型训练的并行化。采用循环幅度恒定的三角循环学习率,选择1024、400、256和100个最重要的特征作为输入的实验结果表明,模型的准确率分别提高到97.68%、95.84%、95.03%和94.22%。选择256个最重要的特征,采用不同学习率的实验结果表明,循环幅度减半的三角循环学习率的效果最佳,模型的准确率提高到95.25%,模型训练时间减少近1/2。

关键词：网络流量分类随机森林卷积神经网络 Spark

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络的污点攻击与防御

浙江科技学院学报 2020年第1期32卷 38-43,63页

作者：胡慧敏钱亚冠雷景生马丹峰浙江科技学院曙光大数据学院杭州310023 浙江科技学院电子与信息工程学院杭州310023

深度神经网络易受对抗样例的攻击,该攻击主要通过对图像做细微的修改而使卷积神经网络识别出错。因此,为了模拟实际生活中车牌上的污点攻击,只对车牌图像添加局部扰动。首先使用l 1范数作为优化算法得到车牌图像中易被字符分类器识别错... 详细信息

深度神经网络易受对抗样例的攻击,该攻击主要通过对图像做细微的修改而使卷积神经网络识别出错。因此,为了模拟实际生活中车牌上的污点攻击,只对车牌图像添加局部扰动。首先使用l 1范数作为优化算法得到车牌图像中易被字符分类器识别错误的位置,然后继续在该图像中产生特定的扰动,最后将扰动加入到易被攻击错误的位置中。试验结果表明该攻击方法具有90%的成功率,对车牌的字符识别造成了一定的影响。同时以对抗训练作为防御策略,取得了98%的成功率。

关键词：对抗攻击车牌识别污点攻击对抗训练

在线全文

学校读者我要写书评

暂无评论

一种基于二维码对抗样本的物理补丁攻击

信息安全学报 2020年第6期5卷 75-86页

作者：钱亚冠刘新伟顾钊铨王滨潘俊张锡敏浙江科技学院大数据学院中国杭州310023 广州大学网络空间先进技术研究院中国广州510006 杭州海康威视网络与信息安全实验室中国杭州310051

深度学习技术在图像识别领域已经得到广泛应用,识别准确率超过人类平均水平。然而最近的研究表明,深度神经网络的性能会因对抗样本的存在而大幅降低。攻击者通过在待识别的图像中添加精心设计的微小扰动,误导分类器做出错误预测。另一... 详细信息

深度学习技术在图像识别领域已经得到广泛应用,识别准确率超过人类平均水平。然而最近的研究表明,深度神经网络的性能会因对抗样本的存在而大幅降低。攻击者通过在待识别的图像中添加精心设计的微小扰动,误导分类器做出错误预测。另一个方面,在数字空间生成的扰动也能够转移到物理空间并用于攻击。为此,本文提出了一种基于二维码对抗样本的物理补丁攻击方法。将生成的二维码贴在道路交通标志表面的指定位置,使得分类器输出错误的分类。实验结果表明了本文方法的有效性,同时,将数字空间生成的对抗样本用于物理空间中的交通标志攻击,仍可以保持较高的成功率。

关键词：深度学习对抗样本二维码补丁攻击

在线全文

学校读者我要写书评

暂无评论

基于像素对齐和特征对齐的跨模态行人重识别

浙江科技学院学报 2022年第3期34卷 251-260页

作者：李俊峰楼琼钱亚冠孙安临浙江科技学院理学院杭州310023

为了减少可见光-红外跨模态行人重识别中较大的跨模态差异,提出一种联合像素对齐和特征对齐的跨模态行人重识别方法。首先,从像素级角度出发,利用对齐生成对抗网络(alignment generative adversarial network,AlignGAN),将可见光图像转... 详细信息

为了减少可见光-红外跨模态行人重识别中较大的跨模态差异,提出一种联合像素对齐和特征对齐的跨模态行人重识别方法。首先,从像素级角度出发,利用对齐生成对抗网络(alignment generative adversarial network,AlignGAN),将可见光图像转换为红外图像,减少可见光和红外图像之间的跨模态差距。其次,从特征级角度出发,通过交换可见光和红外图像的模态特定特征来生成跨模态配对图像,同时进行全局集合级对齐和细粒度实例级对齐。最后,运用基于非局部块的深度为50层的残差网络(50-layer residual nets,ResNet-50)捕获图像的长距离依赖关系。在SYSU-MM01数据集上进行了大量试验,我们的方法得到41.8%的识别准确率,在相比较的方法中准确率最高。可见,本方法可以有效地减少跨模态行人重识别中较大的跨模态差异。本研究结果可为跨模态行人重识别的研究提供参考。

关键词：行人重识别跨模态像素对齐特征对齐非局部神经网络

基于剪枝技术和鲁棒蒸馏融合的轻量对抗攻击防御方法

在线全文

学校读者我要写书评

暂无评论

网络与信息安全学报 2022年第6期8卷 102-109页

作者：王滨李思敏钱亚冠张君李超豪朱晨鸣张鸿飞浙江科技学院浙江杭州310023 浙江省多维感知技术应用与安全重点实验室浙江杭州310052 浙江省电子信息产品检验研究院浙江杭州310007

对抗训练是一类常用的对抗攻击防御方法,其通过将对抗样本纳入训练过程,从而有效抵御对抗攻击。然而,对抗训练模型的鲁棒性通常依赖于网络容量的提升,即对抗训练所获得的网络为防御对抗攻击而大幅提升网络的模型容量,对其可用性造成较... 详细信息

对抗训练是一类常用的对抗攻击防御方法,其通过将对抗样本纳入训练过程,从而有效抵御对抗攻击。然而,对抗训练模型的鲁棒性通常依赖于网络容量的提升,即对抗训练所获得的网络为防御对抗攻击而大幅提升网络的模型容量,对其可用性造成较大约束。因此,如何在保证对抗训练模型鲁棒性的同时,降低模型容量,提出轻量对抗攻击防御方法是一大挑战。为解决以上问题,提出一种基于剪枝技术和鲁棒蒸馏融合的轻量对抗攻击防御方法。该方法以对抗鲁棒准确率为优化条件,在对预训练的鲁棒对抗模型进行分层自适应剪枝压缩的基础上,再对剪枝后的网络进行基于数据过滤的鲁棒蒸馏,实现鲁棒对抗训练模型的有效压缩,降低其模型容量。在CIFAR-10和CIFAR-100数据集上对所提出的方法进行性能验证与对比实验,实验结果表明,在相同TRADES对抗训练下,所提出的分层自适应剪枝技术相较于现有剪枝技术,其剪枝所得到的网络结构在多种FLOPs下均表现出更强的鲁棒性。此外,基于剪枝技术和鲁棒蒸馏融合的轻量对抗攻击防御方法相较于其他鲁棒蒸馏方法表现出更高的对抗鲁棒准确率。因此,实验结果证明所提方法在降低对抗训练模型容量的同时,相较于现有方法具有更强的鲁棒性,提升了对抗训练模型在物联网边缘计算环境的适用性。

关键词：对抗防御剪枝鲁棒蒸馏轻量网络

同方期刊数据库

融合GRU和注意力机制的知识追踪优化模型研究

在线全文

学校读者我要写书评

暂无评论

浙江科技学院学报 2023年第5期35卷 395-401,411页

作者：肖杨冯军钱亚冠孙雨璐毕云杉浙江科技学院理学院杭州310023

【目的】现有基于注意力机制的知识追踪模型存在忽略序列顺序信息,模型组成结构单一,对序列信息提取不够充分等问题,对此提出一种多特征融合多结构的新知识追踪模型。模型由循环神经网络,带有位置编码的注意力机制以及因果卷积组成。【... 详细信息

【目的】现有基于注意力机制的知识追踪模型存在忽略序列顺序信息,模型组成结构单一,对序列信息提取不够充分等问题,对此提出一种多特征融合多结构的新知识追踪模型。模型由循环神经网络,带有位置编码的注意力机制以及因果卷积组成。【方法】首先将经过门控单元网络反应序列和练习序列输入注意力机制中,然后将此输出和经过门控单元网络反应序列的练习序列再一次输入注意力机制中,最后将得到的序列输入到因果卷积中。在序列隐藏信息的提取及注意力权重的分配上进行了优化。【结果】在Assistment2009、Assistment2015及Synthetic-5数据集上与现有的知识追踪模型相比,本文模型AUC(area under curve,曲线下方面积)值平均提升8%。【结论】本研究结果可为智能教育系统的实际应用提供一些参考。

关键词：深度学习知识追踪注意力机制