检索结果-南通市图书馆

基于改进Mask-R-CNN的电力施工安全智能监测算法

在线全文

学校读者我要写书评

暂无评论

电子设计工程 2023年第9期31卷 137-140,145页

作者：陈文宋旭东顾博川韩博文南方电网电力科技股份有限公司广东广州510080

考虑到电力系统在施工过程中会受到外部环境因素的干扰,导致施工的安全性降低,为此提出基于改进Mask-R-CNN的电力施工安全智能监测算法。通过对电力施工的样本图像进行采集,建立一个图像数据库,计算当前施工模式下各种施工形式,判断电... 详细信息

考虑到电力系统在施工过程中会受到外部环境因素的干扰,导致施工的安全性降低,为此提出基于改进Mask-R-CNN的电力施工安全智能监测算法。通过对电力施工的样本图像进行采集,建立一个图像数据库,计算当前施工模式下各种施工形式,判断电力施工安全模式,根据判断结果,采用改进Mask-R-CNN对施工状态特征分布检测,提取电力施工安全信息关联规则特征,在此基础上,构建电力施工安全监测采集模型,对采集的电力施工安全监测数据进行融合处理,并利用改进的Mask-R-CNN算法对融合后的数据进行估算,结合安全模式信息流的分布函数,对其进行区间划分,采用电力施工监测概率密度函数获取安全模式阈值,通过计算安全模式阈值来实现电力施工的安全智能监测。实验结果表明,该算法不仅可以提高电力施工安全的监测效果,还可以减少算法运行时的能耗,有效保证了电力施工的安全性。

关键词：改进Mask-R-CNN 电力施工安全模式监测算法关联规则特征异常状态

基于改进Mask-R-CNN的电力施工安全智能监测算法

在线全文

学校读者我要写书评

暂无评论

信息与电脑 2022年第3期34卷 41-43页

作者：陈文宋旭东顾博川韩博文南方电网电力科技股份有限公司广东广州510080

考虑到电力系统在施工过程中会受到外部环境因素的干扰,降低施工的安全性,为此提出基于改进Mask-RCNN的电力施工安全智能监测算法。通过采集电力施工的样本图像,建立图像数据库。计算当前施工模式下各种施工形式,判断电力施工安全模式,... 详细信息

考虑到电力系统在施工过程中会受到外部环境因素的干扰,降低施工的安全性,为此提出基于改进Mask-RCNN的电力施工安全智能监测算法。通过采集电力施工的样本图像,建立图像数据库。计算当前施工模式下各种施工形式,判断电力施工安全模式,根据判断结果采用改进Mask-R-CNN对施工状态特征分布检测。提取电力施工安全信息关联规则特征,在此基础上构建电力施工安全监测采集模型,对采集的电力施工安全监测数据进行融合处理,并利用改进的Mask-R-CNN算法对融合后的数据进行估算,结合安全模式信息流的分布函数对其进行区间划分。采用电力施工监测概率密度函数获取安全模式阈值,通过计算安全模式阈值来实现电力施工的安全智能监测。实验结果表明,该算法不仅可以提高电力施工安全的监测效果,还可以减少算法运行时的能耗,有效保证了电力施工的安全性。

关键词：改进Mask-R-CNN 电力施工安全模式监测算法关联规则特征异常状态

在线全文

学校读者我要写书评

暂无评论

基于CNN的时序数据关联规则挖掘模型

计算机仿真 2021年第3期38卷 282-285,326页

作者：甘昕艳唐晓年广西中医药大学广西南宁530200

传统的挖掘模型未能有效提取时序数据的特征,导致计算开销较大,挖掘准确率以及效率偏低。为此,研究结合卷积神经网络设计并组建一种新的时序数据关联规则挖掘模型。通过连续模板匹配技术分析时序数据的分布式数据结构,然后结合匹配相关... 详细信息

传统的挖掘模型未能有效提取时序数据的特征,导致计算开销较大,挖掘准确率以及效率偏低。为此,研究结合卷积神经网络设计并组建一种新的时序数据关联规则挖掘模型。通过连续模板匹配技术分析时序数据的分布式数据结构,然后结合匹配相关检测技术对时序数据展开融合处理,通过频繁项检测提取其中的关联规则特征。对提取的关联规则通过CNN分类器进行属性划分,结合特征压缩方法对分类输出的时序数据进行降维处理,再利用模糊聚类算法构建时序数据关联规则挖掘模型。仿真结果表明:模型能够有效降低挖掘过程的计算开销,并提升了挖掘结果的准确率以及挖掘效率。

关键词：卷积神经网络时序数据关联规则特征模糊聚类特征压缩

协同过滤推荐系统概貌注入式攻击攻击特征提取研究

在线全文

学校读者我要写书评

暂无评论

协同过滤推荐系统概貌注入式攻击攻击特征提取研究

作者：刘文举燕山大学

学位级别：硕士

协同过滤推荐技术作为应用最广的个性化推荐技术之一，被认为是解决信息爆炸时代信息过载问题的有效方法。但是由于协同过滤推荐系统的开放性和用户参与性，系统存在严重的安全隐患。一些恶意用户出于商业的目的，通过向系统中注入大量... 详细信息

协同过滤推荐技术作为应用最广的个性化推荐技术之一，被认为是解决信息爆炸时代信息过载问题的有效方法。但是由于协同过滤推荐系统的开放性和用户参与性，系统存在严重的安全隐患。一些恶意用户出于商业的目的，通过向系统中注入大量的虚假用户概貌来使得推荐系统产生有利于他们自己的推荐结果。因此，如何保障协同过滤推荐系统的安全成为了协同过滤推荐技术研究中的一个热点。本文在对国内外研究现状深入分析的基础上，进一步对协同过滤推荐系统的攻击特征提取进行了研究。针对已有的攻击特征种类还不够丰富，攻击检测能力不强的问题，从丰富攻击特征的角度上。首先，在深入分析攻击概貌特征的基础上，基于传统的攻击检测特征只关注攻击评分值的分布特征，忽视了攻击概貌在选择填充项目时随机选择的这个特点，提出了攻击概貌的关联规则特征。从关联规则挖掘的角度，找到项目中存在的强关联规则，利用攻击用户比正常用户满足关联规则的概率低这个特点，来对攻击概貌进行检测，提高了对攻击用户的检测能力。其次，攻击概貌和正常用户概貌在评分分布上的区别使得攻击概貌的目标项目在受攻击前后评分分布有着巨大的变化，而已有的攻击特征没能很好的反映攻击概貌的这个特点。针对这个问题，提出攻击概貌的目标项目特征，能够描述项目在受攻击前后平均评分值的变化，选择其中大于一个阈值的项目作为攻击概貌的目标项目。本文的研究能够有效的丰富攻击特征，提高攻击概貌检测能力。最后，对本文提出的两种攻击特征进行了实验验证与分析，验证其有效性，并且对今后的研究工作进行了展望。

关键词：协同过滤推荐攻击概貌检测概貌注入式攻击攻击特征关联规则特征目标项目特征