检索结果-南通市图书馆

基于深度学习与特征融合的恶意网页识别方法研究

在线全文

学校读者我要写书评

暂无评论

信息安全学报 2024年第3期9卷 176-190页

作者：杨胜杰陈朝阳徐逸刘建刚湖南工商大学计算机学院长沙410205 湖南工商大学理学院长沙410205

互联网环境的高度开放性和无序性导致了网络安全问题的普遍性和不可预知性,网络安全问题已成为当前国际社会关注的热点问题。基于机器学习的恶意网页识别方法虽然卓有成就,但随着对恶意网页识别需求的不断提高,在识别效率上仍然表现出... 详细信息

互联网环境的高度开放性和无序性导致了网络安全问题的普遍性和不可预知性,网络安全问题已成为当前国际社会关注的热点问题。基于机器学习的恶意网页识别方法虽然卓有成就,但随着对恶意网页识别需求的不断提高,在识别效率上仍然表现出较大的局限性。本文提出一种基于深度学习与特征融合的识别方法,将图卷积神经网络(Generalized connection network,GCN)与一维卷积神经网络(Convolution neural network,CNN)、支持向量机(Support vector machine,SVM)相结合。首先,考虑到传统神经网络只适用于处理结构化数据以及无法很好的捕获单词间非连续和长距离依赖关系,从而影响网页识别准确率的缺点,通过GCN丰富的关系结构有效捕获并保持网页文本的全局信息;其次,CNN可以弥补GCN在局部特征信息提取方面的不足,通过一维CNN对网页URL(Uniform resource locator,URL)进行局部信息提取,并进一步将捕获到的URL局部特征与网页文本全局特征进行融合,从而选择出兼顾CNN模型和GCN模型特点的更具代表性的网页特征;最终,将融合后的特征输入到SVM分类器中进行网页判别。本文首次将GCN应用于恶意网页识别领域,通过组合模型有效兼顾了深度学习与机器学习的优点,将深度学习网络模型作为特征提取器,而将机器学习分类算法作为分类器,通过实验证明,测试准确率达到92.5%,高于已有的浅层的机器学习检测方法以及单一的神经网络模型。本文提出的方法具有更高的稳定性,以及在精确率、召回率、F1值等多项检测指标上展现出更加优越的性能。

关键词：恶意网页机器学习深度学习特征融合

基于一致性感知特征融合的高动态范围成像方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2024年

作者：印佳丽韩津陈斌刘西蒙福州大学计算机与大数据学院福州大学网络系统信息安全福建省高校重点实验室

高动态范围成像（High Dynamic Range Imaging， HDRI）技术通过融合多张低动态范围（Low Range Dynamic， LDR）图像，为解决由于相机传感器有限的动态范围而导致所拍摄图像内容丢失问题提供了实际的解决方案。通过数十年的研究，众多... 详细信息

高动态范围成像（High Dynamic Range Imaging， HDRI）技术通过融合多张低动态范围（Low Range Dynamic， LDR）图像，为解决由于相机传感器有限的动态范围而导致所拍摄图像内容丢失问题提供了实际的解决方案。通过数十年的研究，众多有效的HDRI方法已被提出并在对齐良好的LDR图像序列，即无物体运动、内容曝光良好的静态场景中取得接近最优的性能。然而，现实场景中物体移动和相机偏移无法避免，直接使用传统HDRI方法会在融合后的HDR图像中产生严重的重影伪影。这使得实际应用中的HDRI并非简单的融合过程，给HDRI任务带来了挑战。因此，有关消除高动态范围成像中由移动物体引起的伪影研究迅速发展。近期，动态场景的HDRI方法研究借助深度卷积神经网络（Convolutional Neural Network， CNN）的力量以期实现更好的性能。在这些基于CNN的方法中，特征融合对于完整图像内容、消除伪影方面起着至关重要的作用。通过借助跳跃连接或注意力模块，这些方法首先将LDR图像的特征进行拼接，并通过堆叠的卷积操作逐渐关注不同的局部特征。然而，这种特征融合方案通常忽略了LDR图像序列之间丰富的上下文依赖关系，特征之间的纹理一致性未得到充分利用。为解决这一问题，本文提出了一种全新的一致性感知特征融合（Coherence-Aware Feature Aggregation，CAFA）方案，该方案在卷积过程中对输入特征中具有相同上下文信息而不是相同空间位置的信息进行采样，从而显式地将上下文一致性纳入特征融合中。基于CAFA，本文进一步提出了一种结合CAFA的动态场景下一致性感知高动态范围成像网络CAHDRNet。为更好地嵌合CAFA方案，CAHDRNet通过设计三个额外的可学习模块来构建。首先，使用基于在ImageNet上预训练的VGG-19构建的可学习特征提取器从LDR图像中提取特征，并在模型训练期间不断更新参数。这种设计可实现LDR图像的联合特征学习，为CAFA中的一致性评估奠定了坚实基础。接着，应用所提出的CAFA模块，通过在图像特征中采样具有相同上下文的信息进行特征融合。最后，本文提出使用一种多尺度残差补全模块来处理融合后的特征，利用不同扩张率进行特征学习，以实现更强大的特征表示并在图像缺失区域中进行可信细节填充。同时，设计一个软注意力模块来学习不同图像区域的重要性，以便在跳跃连接期间获得与参考图像互补的所需特征。大量实验验证了CAHDRNet的有效性并证实其优于现有最先进的方法。具体而言，本文所提出的CAHDRNet在Kalantari数据集上HDR-VDP-2和PSNR-L等指标相较于次好方法AHDRNet分别提升了1.61和0.68。

关键词：高动态范围成像图像融合特征融合上下文一致性卷积采样

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于双超图神经网络特征融合的文本分类方法

计算机工程 2024年

作者：郑诚李鹏飞安徽大学计算机科学与技术学院计算智能与信号处理教育部重点实验室

近年来，图神经网络广泛应用在文本分类任务中。当前基于图神经网络的文本分类方法，首先将文本建模为图，然后使用图神经网络对文本图进行特征传播与聚合。但是此类方法有两点缺陷：一是现有的方法由于图结构的限制无法捕捉单词之间的... 详细信息

近年来，图神经网络广泛应用在文本分类任务中。当前基于图神经网络的文本分类方法，首先将文本建模为图，然后使用图神经网络对文本图进行特征传播与聚合。但是此类方法有两点缺陷：一是现有的方法由于图结构的限制无法捕捉单词之间的高阶语义关系；二是现有的模型无法捕捉文本中的关键语义信息。为了解决上述问题，提出了一种基于双超图卷积网络特征融合的文本分类方法。一方面使用原始文本建立文本超图，另一方面为短文本引入外部知识，使用基于SenticNet词库的外部知识对文本进行语义增强，然后构建语义超图，经过超图卷积之后通过注意力机制对双超图特征进行融合，用于短文本分类。在4个文本分类数据集上的实验结果表明，该模型优于最新的基线方法。

关键词：文本分类超图特征融合 SenticNet 自然语言处理

基于注意力增强与特征融合的中文医学实体识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年第7期50卷 324-332页

作者：王晋涛秦昂张元陈一飞王廷凤谢承霖邹刚中北大学计算机科学与技术学院山西太原030051 湖南省肿瘤医院湖南长沙410031 湖南省中医药研究院附属医院湖南长沙410006 湖南中科助英智能科技研究院湖南长沙410076

针对基于字符表示的中文医学领域命名实体识别模型嵌入形式单一、边界识别困难、语义信息利用不充分等问题,一种非常有效的方法是在Bret底层注入词汇特征,在利用词粒度语义信息的同时降低分词错误带来的影响,然而在注入词汇信息的同时... 详细信息

针对基于字符表示的中文医学领域命名实体识别模型嵌入形式单一、边界识别困难、语义信息利用不充分等问题,一种非常有效的方法是在Bret底层注入词汇特征,在利用词粒度语义信息的同时降低分词错误带来的影响,然而在注入词汇信息的同时也会引入一些低相关性的词汇和噪声,导致基于注意力机制的Bret模型出现注意力分散的情况。此外仅依靠字、词粒度难以充分挖掘中文字符深层次的语义信息。对此,提出基于注意力增强与特征融合的中文医学实体识别模型,对字词注意力分数矩阵进行稀疏处理,使模型的注意力集中在相关度高的词汇,能够有效减少上下文中的噪声词汇干扰。同时,对汉字发音和笔画通过卷积神经网络(CNN)提取特征,经过迭代注意力特征融合模块进行融合,然后与Bret模型的输出特征进行拼接输入给Bi LSTM模型,进一步挖掘字符所包含的深层次语义信息。通过爬虫等方式搜集大量相关医学语料,训练医学领域词向量库,并在CCKS2017和CCKS2019数据集上进行验证,实验结果表明,该模型F1值分别达到94.90%、89.37%,效果优于当前主流的实体识别模型,具有更好的识别效果。

关键词：实体识别中文分词注意力稀疏特征融合医学词向量库

在线全文

学校读者我要写书评

暂无评论

双注意力引导特征融合的半弱监督目标检测

山东大学学报(理学版) 2024年

作者：陈俊芬李娜娜谢博鋆张杰河北大学数学与信息科学学院

为了降低标注成本,解决目标定位不准、细节信息遗漏等问题,本文提出双注意力引导特征融合的半弱监督目标检测算法,利用全标记和弱标记数据来平衡检测性能和标注成本,使用空间注意力将低层特征图与高层特征图进行像素级加权融合,使高层... 详细信息

为了降低标注成本,解决目标定位不准、细节信息遗漏等问题,本文提出双注意力引导特征融合的半弱监督目标检测算法,利用全标记和弱标记数据来平衡检测性能和标注成本,使用空间注意力将低层特征图与高层特征图进行像素级加权融合,使高层特征图具有丰富的低层信息,对融合后的特征图进行通道加权运算,得到细节、位置信息丰富的高层特征图。为了得到更准确的伪标注框,提出更鲁棒性的候选框筛选策略。试验表明,本文算法具有较优的检测性能,减少了全标记图像的数据量和额外的图像级标注。

关键词：弱监督目标检测特征融合注意力机制半监督学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多源数据特征融合的古城墙病害检测方法研究

激光与光电子学进展 2024年

作者：刘绪东卢英王慧琴王可王展李源西安建筑科技大学信息与控制工程学院陕西省文物保护研究院西安博物院

城墙表面病害类型复杂多样且分布不均，光谱数据对具有空间相似性的病害识别准确率低。针对单一数据无法全面建立城墙表面复杂病害类别及严重程度特征表征的问题，本文采用一种多源数据特征融合的古城墙病害检测方法，分别构建独立的特... 详细信息

城墙表面病害类型复杂多样且分布不均，光谱数据对具有空间相似性的病害识别准确率低。针对单一数据无法全面建立城墙表面复杂病害类别及严重程度特征表征的问题，本文采用一种多源数据特征融合的古城墙病害检测方法，分别构建独立的特征提取网络提取光谱与真彩数据源的空间—光谱特征与纹理—颜色特征，在每个卷积层后引入BN层，加快网络收敛；通过特征融合模块将光谱数据与彩色数据多维度特征融合，在全连接层完成高级特征学习，通过线性整流函数将特征图映射到非线性空间，增加模型的非线性表达能力；构建了基于对比损失与分类损失的联合损失函数对融合数据权重优化，提升对空间特征相似病害的区分度；最后利用softmax层进行逐像素点分类，实现对古城墙病害情况定量评估以及可视化分析。实验结果表明，总体分类精度和Kappa系数为96.46%和94.20%，与光谱及真彩单一数据对比，分类精度分别提高了6.63%和12.05%。本文方法对于城墙复杂病害区域的识别以及病害分布可视化具有重要意义。

关键词：多源数据特征融合古城墙病害识别检测

非结构地形环境下基于特征融合的倾斜摄影测绘建模优化方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

厦门大学学报（自然科学版） 2024年第2期63卷 179-187页

作者：陈炜郑祥盘宋爽唐晓腾黄腾超闽江学院物理与电子信息工程学院福建福州350108 厦门大学萨本栋微米纳米科学技术研究院福建厦门361104

[目的]利用无人机进行大尺度非结构地形环境测绘时,由于无人机倾斜摄影得到的图像在测绘建模时会存在仿射变形较大、透视畸变严重、局部特征变化各异等问题,进而导致建模数据匹配困难.为解决这一问题,本文提出了一种基于特征融合的倾斜... 详细信息

[目的]利用无人机进行大尺度非结构地形环境测绘时,由于无人机倾斜摄影得到的图像在测绘建模时会存在仿射变形较大、透视畸变严重、局部特征变化各异等问题,进而导致建模数据匹配困难.为解决这一问题,本文提出了一种基于特征融合的倾斜摄影测绘建模优化方法.[方法]首先融合图像的颜色信息及近似最近邻快速库(fast library for approximate nearest neighbors, FLANN)优化的加速稳健特征(speed up robust feature, SURF),然后结合优化的SURF与最稳定颜色区域特征(maximally stable color regions, MSCR)实现仿射变形图像间快速准确的特征提取及匹配.[结果]本文的特征匹配算法在1.25 s内得到757个最佳匹配点;相对于基于尺度不变特征(scale-invariant feature transform, SIFT)、SIFT+MSCR和SURF的特征匹配算法,最佳匹配点的数量分别提高141%、29%和34%,匹配时间与SURF接近,远低于SIFT和SIFT+MSCR.测绘建模得到的点云与参考点在三个方向上的距离均方根误差在7 cm以内,平均误差在11 cm以内.[结论]本文提出的算法能够实现非结构地形环境的全局三维模型快速准确构建,同时数据匹配过程中具有更良好的匹配效果和匹配效率.

关键词：非结构地形环境特征融合倾斜摄影数据匹配

基于感受野优化与渐进特征融合的图像超分辨率算法

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2024年

作者：吴洪伍盖绍彦达飞鹏东南大学自动化学院东南大学复杂工程系统测量与控制教育部重点实验室

现有基于深度学习的超分辨率方法参数冗余且难以学习到全局上下文的信息，重建图像高频特征的能力不足。本文提出了一种基于感受野优化与渐进特征融合的超分辨率网络RPSRnet，对单幅图像的重建达到了较高的性能。首先，采用像素注意力... 详细信息

现有基于深度学习的超分辨率方法参数冗余且难以学习到全局上下文的信息，重建图像高频特征的能力不足。本文提出了一种基于感受野优化与渐进特征融合的超分辨率网络RPSRnet，对单幅图像的重建达到了较高的性能。首先，采用像素注意力机制与大感受野卷积的组合，设计两条渐进路径将输入表征为不同层次的特征抽象，增强网络捕获上下文信息的能力，并且减少了网络参数的冗余。其次，通过分层卷积以及多重感受野分支，保持轻量卷积的同时，在分层的多路径上学习来自不同尺度的融合特征，增强网络重建边缘细节、复杂纹理特征的能力。实验表明，提出的方法相比于先进方法，在基准测试集Set5上达到32.47 dB的峰值信噪比，测试集Set14上达到28.81dB的峰值信噪比，优于现有的先进方法且网络的参数更少（约9%参数缩减），验证了方法的有效性。

关键词：图像超分辨率注意力机制轻量模型图像处理特征融合

结合上下文与类别感知特征融合的高分遥感图像语义分割

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

自然资源遥感 2024年

作者：何晓军罗杰辽宁工程技术大学软件学院

为了解决遥感图像语义分割任务中上下文依赖关系提取不足、空间细节信息损失导致分割精度下降等问题,提出了一种结合上下文与类别感知特征融合的语义分割方法。该方法以Res Net-50作为特征提取的主干网络,并在下采样中采用注意力模块,... 详细信息

为了解决遥感图像语义分割任务中上下文依赖关系提取不足、空间细节信息损失导致分割精度下降等问题,提出了一种结合上下文与类别感知特征融合的语义分割方法。该方法以Res Net-50作为特征提取的主干网络,并在下采样中采用注意力模块,以增强特征表示和上下文依赖关系的提取;然后在跳跃连接上构建大尺寸的感受野块,提取丰富的多尺度上下文信息,以减少目标之间尺度变化的影响;并在其后并联场景特征关联融合模块,以全局特征来引导局部特征融合;最后在解码器部分构建类别预测模块和类别感知特征融合模块,准确融合底层的高级语义信息与高层的细节信息。将所提方法在Potsdam和Vaihingen数据集上验证其可行性,并与Deeplabv3+、Build Former等6种常用方法进行对比实验,以验证其有效性。实验结果表明,所提方法在Recall、F1-score和Accuracy指标上均优于其他方法,尤其是对建筑物分割的Io U分别达到了90.44%和86.74%,较次优网络Deeplabv3+和A2FPN分别提升了1.55%和2.41%。

关键词：类别感知语义分割遥感图像上下文信息特征融合