检索结果-南通市图书馆

计算机工程与设计 2024年第4期45卷 997-1003页

作者：谢丽霞田宇祺中国民航大学计算机科学与技术学院天津300300

现有异常节点识别方法普遍存在精度低或者功耗大等不足,针对这些不足,提出一种基于低秩矩阵分解的无线传感器网络异常节点识别算法。根据传感器节点的特性进行特征选取和属性矩阵构建;通过改进的CUR矩阵分解方法计算异常矩阵;依据异常... 详细信息

现有异常节点识别方法普遍存在精度低或者功耗大等不足,针对这些不足,提出一种基于低秩矩阵分解的无线传感器网络异常节点识别算法。根据传感器节点的特性进行特征选取和属性矩阵构建;通过改进的CUR矩阵分解方法计算异常矩阵;依据异常矩阵中节点向量的总体均值和标准差设定控制限,判断节点是否发生异常。实验结果表明,与其它异常识别方法相比,该方法具有较高的识别准确率。

关键词：矩阵分解属性矩阵异常节点重要性分数休哈特控制图相关性程度异常矩阵

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结合多尺度注意力机制和双向门控循环网络的视频摘要模型

引用

智能系统学报 2024年第2期19卷 446-454页

作者：闫河刘灵坤黄俊滨张烨段思宇重庆理工大学两江人工智能学院重庆401135

任务中全局注意力在长距离视频序列上注意力值分布的方差较大,生成关键帧的重要性分数偏差较大,且时间序列节点边界值缺乏长程依赖导致的片段语义连贯性较差等问题,通过改进注意力模块,采用分段局部自注意力和全局自注意力机制相结合来... 详细信息

任务中全局注意力在长距离视频序列上注意力值分布的方差较大,生成关键帧的重要性分数偏差较大,且时间序列节点边界值缺乏长程依赖导致的片段语义连贯性较差等问题,通过改进注意力模块,采用分段局部自注意力和全局自注意力机制相结合来获取局部和全局视频序列关键特征,降低注意力值的方差。同时通过并行地引入双向门控循环网络(bidirectional recurrent neural network,BiGRU),二者的输出分别输入到改进的分类回归模块后再将结果进行加性融合,最后利用非极大值抑制(non-maximum suppression,NMS)和核时序分割方法(kernel temporal segmentation,KTS)筛选片段并分割为高质量代表性镜头,通过背包组合优化算法生成最终摘要,从而提出一种结合多尺度注意力机制和双向门控循环网络的视频摘要模型(local and global attentions combine with the BiGRU,LG-RU)。该模型在TvSum和SumMe的标准和增强数据集上进行了对比试验,结果表明该模型取得了更高的F-score,证实了该视频摘要模型保持高准确率的同时可鲁棒地对视频完成摘要。

关键词：视频摘要自注意力机制重要性分数长程依赖计算机视觉双向门控循环神经网络非极大值抑制核时序分割方法

来源：

维普期刊数据库

同方期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于低秩矩阵分解的无线传感器网络异常节点识别方法

基于低秩矩阵分解的无线传感器网络异常节点识别方法

引用

作者：田宇祺中国民航大学

学位级别：硕士

无线传感器网络(Wireless Sensor Networks,WSN)因其自身优点快速发展,并且与其他智能化技术相结合,共同为网络发展注入强大动力,但是由于应用环境复杂、传感器节点能量有限、无线通信信道不可靠等原因,无线传感器网络的节点安全无法得... 详细信息

无线传感器网络(Wireless Sensor Networks,WSN)因其自身优点快速发展,并且与其他智能化技术相结合,共同为网络发展注入强大动力,但是由于应用环境复杂、传感器节点能量有限、无线通信信道不可靠等原因,无线传感器网络的节点安全无法得到保障。为保证无线传感器网络能够收集到高质量的数据,研究人员就传感器节点异常识别问题展开各类研究,但目前已有的研究方法在识别的准确度、适用范围和规模上仍存在不足。为克服现有方法的缺点,本文提出一种基于低秩矩阵分解的无线传感器网络异常节点识别方法。首先,本文对矩阵分解方法、无线传感器网络以及异常节点识别方法的研究现状进行阐述,并对矩阵分解和休哈特控制图的基础理论进行分析,为本文后续的异常节点识别方法奠定理论基础。然后,提出一种基于低秩矩阵分解的无线传感器网络异常节点识别方法,利用WSN节点属性特征构建原始矩阵,设计面向CUR的低秩矩阵分解模型;计算每个矩阵列向量的重要性分数和相关性程度,确定候选列以构建分解矩阵,并获取原始矩阵中网络节点流量的异常成分构建异常矩阵;利用低秩最小二乘法以CUR最小化损失函数为目标进行模型优化,交替更新分解矩阵和异常矩阵直至确定最优异常矩阵;根据中心极限定理,计算异常矩阵列向量的均值、方差和极差均值,在休哈特控制图中设置控制限以识别异常节点。最后,实现无线传感器网络系统仿真实验,收集网络节点的特征属性模拟值以构建原始矩阵,并对无线传感器网络的异常节点进行分析和识别。实验结果证明,本文方法对无线传感器网络中异常节点的识别率较高,误报率低,且时间复杂度低。

关键词：低秩矩阵 CUR分解重要性分数异常节点识别休哈特控制图

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

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：