检索结果-南通市图书馆

NDN-AdHoc网络中基于多属性决策的可靠转发策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

通信学报 2024年第5期45卷 151-164页

作者：韩江萍汪浩东杨佳宇薛开平李健中国科学技术大学网络空间安全学院安徽合肥230027 中国科学技术大学信息科学技术学院安徽合肥230027

为了应对传统自组织网络高度动态拓扑、短寿命连接等特性导致的传输失效问题,基于命名数据网络(NDN)架构,设计了一种联合链路稳定性和内容可达性的可靠转发(RF-LSCA)策略。该策略基于多属性决策方法,综合考虑链路持续时间、节点间距离... 详细信息

为了应对传统自组织网络高度动态拓扑、短寿命连接等特性导致的传输失效问题,基于命名数据网络(NDN)架构,设计了一种联合链路稳定性和内容可达性的可靠转发(RF-LSCA)策略。该策略基于多属性决策方法,综合考虑链路持续时间、节点间距离和内容可达性3个关键属性,从而更加精确地选择最优转发节点,提升了内容传输性能;此外,鉴于单一最优路径可能存在的不稳定性,该策略进一步将决策模型与概率转发思想相结合,设计了兼具低开销与高可靠性的冗余转发机制。这一设计充分利用了NDN的多路径特性,以保障移动环境下的内容传输性能。通过仿真实验验证,所提RF-LSCA在内容获取平均时延、平均跳数、内容满足率等多个关键性能指标上优于现有策略,充分证明了其在提高NDN-AdHoc网络传输效率方面的优越性。

关键词：命名数据网络转发策略多属性决策概率转发

基于风格迁移的柔性输尿管内窥镜图像深度估计

在线全文

学校读者我要写书评

暂无评论

天津大学学报（自然科学与工程技术版） 2025年第1期58卷 47-55页

作者：辛运帏尹晶晶赵煜代煜崔亮殷小涛南开大学网络空间安全学院天津300071 天津市网络与数据安全技术重点实验室天津300071 南开大学机器人与信息自动化研究所天津300350 民航总医院泌尿外科北京100123 解放军总医院第四医学中心泌尿外科北京100048

输尿管内窥镜手术是目前针对肾结石的主流治疗方案,其外形细长、镜体柔软,能够灵活穿越人体自然腔道的内径狭窄的尿道和输尿管,检查视野范围更广,使医生能够更好地观察到病变区域.但一般的输尿管内窥镜仅配备单目摄像头进行配合手术操作... 详细信息

输尿管内窥镜手术是目前针对肾结石的主流治疗方案,其外形细长、镜体柔软,能够灵活穿越人体自然腔道的内径狭窄的尿道和输尿管,检查视野范围更广,使医生能够更好地观察到病变区域.但一般的输尿管内窥镜仅配备单目摄像头进行配合手术操作,无法借助额外设备获取数据导致了其图像信息的匮乏;同时,相比于胃肠、鼻镜等手术场景,本研究的肾内场景在不具备公开数据集的同时,图像质量参差不齐,表面纹理细节不足,孔洞区域褶皱少,受模糊反光等干扰大,都易使深度估计受到影响针对以上问题,提出了一种基于改进风格迁移模型的深度估计方法.该方法首先根据术前CT图像重建肾脏内部腔道模型并提取中心路径,将虚拟内窥镜的摄像头设置在插值后的路径点上,构建了虚拟内窥镜漫游图像与深度估计图像一一对应的数据集,并基于此数据集训练了一个深度估计模型;随后,使用添加高效通道注意力(ECA)模块的改进风格迁移模型,将真实内窥镜图像域迁移至虚拟内窥镜图像域;最后,再将经由风格迁移产生的虚拟内窥镜图像送入上述训练得来的深度估计模型中,最终实现真实内窥镜图像的深度估计.所提方法的可行性及有效性在输尿管钬激光碎石术的图像中得到验证.

关键词：深度估计风格迁移注意力机制深度学习

基于结构学习和自监督图注意力的网络表示学习

在线全文

学校读者我要写书评

暂无评论

山西大学学报(自然科学版) 2025年

作者：王静红郑瑞策米据生李昊康河北师范大学计算机与网络空间安全学院河北师范大学河北省网络与信息安全重点实验室供应链大数据分析与数据安全河北省工程研究中心河北师范大学数学科学学院河北工程技术学院人工智能与大数据学院

网络表示学习是网络分析任务的基础，对于挖掘和分析真实网络数据具有重大意义。最近，图注意力网络（Graph Attention Networks, GAT）及其后续变体，在网络表示学习中表现出了卓越的性能。但是基于注意力的方法存在以下局限性：（1）... 详细信息

网络表示学习是网络分析任务的基础，对于挖掘和分析真实网络数据具有重大意义。最近，图注意力网络（Graph Attention Networks, GAT）及其后续变体，在网络表示学习中表现出了卓越的性能。但是基于注意力的方法存在以下局限性：（1）只考虑节点的一阶邻居信息，忽略了高阶邻居节点。（2）模型缺乏可解释性。（3）没有考虑到图中噪声边问题。为解决这些问题，本文提出了一种基于结构学习和自监督图注意力的网络嵌入模型（Structural Learning-based Self-supervised Graph Attention Network,SL-SGAT），融合节点特征与结构信息，降低噪声边干扰，提升模型可解释性。SL-SGAT主要包含三部分：图结构学习、自监督注意力机制和特征聚合。图结构学习构建全局图结构网络。自监督注意力机制设置一个自监督关系预测任务，加入噪声边损失。特征聚合利用注意力系数进行加权聚合，得到最终的节点嵌入表示。本文所提模型在Cora、Citeseer和Pubmed三个数据集上进行节点分类实验，准确率分别为84.4%、74.4%、81.5%，与表现优异的GAT及后续变体模型相比，分别提高1.4%、2.9%、3.2%；在节点聚类实验中，聚类精度分别提高3.3%、3.4%、1.2%。可见，我们提出的算法可以得到更好的嵌入结果。

关键词：网络表示学习图注意力网络自监督学习图结构学习节点分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于动态聚合网络的SAR目标检测

系统工程与电子技术 2025年

作者：倪康贾文杰邹旻瑞郑志忠南京邮电大学计算机学院软件学院网络空间安全学院江苏省航空对地探测与智能感知工程研究中心

合成孔径雷达(Synthetic Aperture Radar ，SAR)图像因其全天时、全天候、高分辨等特性已广泛应用于军事侦察、灾害监测、城市规划等领域，然而，SAR图像的成像机理导致SAR图像受噪声影响严重且存在SAR目标类别存在不均衡问题，使得SAR... 详细信息

合成孔径雷达(Synthetic Aperture Radar ，SAR)图像因其全天时、全天候、高分辨等特性已广泛应用于军事侦察、灾害监测、城市规划等领域，然而，SAR图像的成像机理导致SAR图像受噪声影响严重且存在SAR目标类别存在不均衡问题，使得SAR目标特征刻画较困难；同时针对上述问题，本文提出一种基于动态聚合网络（Dynamic Aggregation Network，DANet）的SAR目标检测方法，该网络以无锚框全卷积一阶段目标检测（Fully Convolutional One-Stage Object Detection，FCOS）网络为基础网络框架。DANet在特征金字塔网络中嵌入具有动态坐标注意力的动态聚合模块，以提高噪声影响下SAR目标特征学习能力。此外，为了缓解SAR数据集中不同类别之间数量不平衡的问题，DANet在检测头的回归分支引入了类平衡动态IoU损失函数，通过动态非单调机制和类平衡因子引导模型参数更新。在MSAR-1.0数据集和SAR-AIRcraft-1.0数据集上的实验结果表明，DANet在上述SAR目标检测数据集上的目标检测准确率分别达到了70.25%和52.36%，相比基准网络FCOS，其平均精度（Mean Average Precision， mAP）分别提高了2.73%和3.67%。与其他相关算法相比，DANet在SAR图像目标检测精度方面具有明显优势。

关键词：合成孔径雷达目标检测注意力机制特征金字塔损失函数

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向浅层特征高频分量的深度伪造检测算法

激光与光电子学进展 2023年第10期60卷 321-331页

作者：彭舒凡蔡满春马瑞刘晓文中国人民公安大学信息网络安全学院北京100038

近年来,深度伪造技术大幅提升了合成人脸的真实感,且相较于传统伪造方法,其生成的虚假视频更加难以分辨。基于深度伪造图像视觉伪影常常存在于特征提取网络浅层特征高频分量中这一特性,设计了一种面向浅层特征高频分量的深度伪造图像检... 详细信息

近年来,深度伪造技术大幅提升了合成人脸的真实感,且相较于传统伪造方法,其生成的虚假视频更加难以分辨。基于深度伪造图像视觉伪影常常存在于特征提取网络浅层特征高频分量中这一特性,设计了一种面向浅层特征高频分量的深度伪造图像检测算法。针对高通滤波器的缺陷,本实验在拉普拉斯金字塔的基础上设计了一种具有更好的过滤性能的高频残差提取模块。在增强模块中,使用Convolutional Block Attention Module(CBAM)增加特征图关键区域以及关键特征通道的权重,提升特征图的空间以及通道相关性。针对深层网络中高频分量学习优先级低的问题,设计了一种图像梯度损失算法,防止高频信息随着网络的加深而丢失。将梯度中心化引入AdamW优化器,解决了深度伪造检测模型训练时间长、泛化性差的问题。所提两种模型在FaceForensics++和Celeb-DF数据集上的准确率均优于主流算法,证明了算法的有效性以及泛化性。

关键词：机器视觉深度伪造深度伪造检测高频分量图像梯度损失梯度中心化

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

融合GCNN与GRU的异常实体识别方法

计算机科学与探索 2023年第8期17卷 1938-1948页

作者：叶瀚孙海春李欣中国人民公安大学信息网络安全学院北京102623

当前的命名实体识别(NER)模型能够识别位于正确位置且符合语法表达的实体,却无法指出句子中的实体缺失与位于错误位置的实体,无法满足信息处理与归档分析中对于检测文本实体信息完整全面的要求。通过考察异常实体的识别依赖上下文相互... 详细信息

当前的命名实体识别(NER)模型能够识别位于正确位置且符合语法表达的实体,却无法指出句子中的实体缺失与位于错误位置的实体,无法满足信息处理与归档分析中对于检测文本实体信息完整全面的要求。通过考察异常实体的识别依赖上下文相互联系语义特征的具体特点,提出以基于预训练语言模型的命名实体识别模型架构为基础,融合门控卷积神经网络(GCNN)与门控循环网络(GRU)的实体位置异常与实体缺失异常检测方法(NER-EAD)及其训练数据构造方法。其中门控卷积网络提取特定字符上下文特征联系以更好识别实体异常。融合卷积神经网络结构和门控循环神经网络的语义特征输出可全面提取正常实体与异常实体的特征,实现了正常、异常实体识别结果同时输出。实验表明NER-EAD在正常实体、实体位置异常和实体缺失异常的识别平均F1分别达到90.56%、85.56%和80.92%,超越了已有命名实体识别模型架构。最后通过消融实验证明了GCNN与GRU融合网络的语义特征提取能力。

关键词：命名实体识别(NER) 门控卷积神经网络(GCNN) 门控循环网络(GRU) 异常检测

同方期刊数据库

中国碳锁定的时空演化、驱动因素及溢出效应分析

在线全文

学校读者我要写书评

暂无评论

统计与决策 2025年 92-97页

作者：蔡海亚何彬斌李静盐城工学院经济管理学院江苏大学管理学院中共盐城市委党校南京理工大学网络空间安全学院

文章从生态系统承载力视角构建指标来衡量碳锁定程度，分析碳锁定的省际差异与动态演进特征，甄别影响碳锁定的关键性因素并探讨其空间溢出效应。研究发现，我国整体碳锁定形势有所改善，但绝大多数省份碳锁定形势并未得到有效缓和，并... 详细信息

文章从生态系统承载力视角构建指标来衡量碳锁定程度，分析碳锁定的省际差异与动态演进特征，甄别影响碳锁定的关键性因素并探讨其空间溢出效应。研究发现，我国整体碳锁定形势有所改善，但绝大多数省份碳锁定形势并未得到有效缓和，并且省份之间差异较大。各省份碳锁定空间关联特征存在“马太效应”。技术创新、对外开放、经济发展、产业结构对碳锁定均具有显著影响，而环境规制、财政支出、能源效率和能源结构对碳锁定的影响还不显著。财政支出、环境规制、能源结构、能源效率对碳锁定的直接效应和空间溢出效应均不明显。技术创新和对外开放具有显著的直接效应，但空间溢出效应并不显著；经济发展和产业结构则同时具有直接效应和空间溢出效应。

关键词：碳锁定省际差异动态演进空间溢出效应

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于智能合约分类的庞氏骗局检测方法

网络安全技术与应用 2025年第1期 48-53页

作者：李慧韩红旗张运良陈红倩中国科学技术信息研究所北京联合大学管理学院北京工商大学计算机学院

针对区块链中的庞氏骗局的检测，本文设计了基于Xgboost和RandomForest两种算法的智能合约分类模型，实现针对庞氏骗局检测的方法。该方法首先分析了智能合约中账户地址的行为特性，通过对合约中交易与资产流向的分析，提取庞氏骗局的... 详细信息

针对区块链中的庞氏骗局的检测，本文设计了基于Xgboost和RandomForest两种算法的智能合约分类模型，实现针对庞氏骗局检测的方法。该方法首先分析了智能合约中账户地址的行为特性，通过对合约中交易与资产流向的分析，提取庞氏骗局的账户交易行为特征，并基于数据挖掘补充了账户交易特征；然后利用Xgboost和RandomForest算法对代码特征进行分类，实现了一种不需要源代码且在智能合约运行前检测的庞氏骗局检测模型；最后，对其行为特征进行分类研究，丰富以太坊智能合约的交易规律。实验结果表明，本文提出的方法可以较好的对智能合约进行庞氏骗局分类检测，在精度和召回率方面具有更好的表现。

关键词：区块链智能合约分类庞氏骗局检测 Xgboost RandomForest

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种利用注意力增强卷积的暗网用户对齐方法

西安电子科技大学学报 2023年第4期50卷 206-214页

作者：杨燕燕杜彦辉刘洪梦赵佳鹏时金桥王学宾中国人民公安大学信息网络安全学院北京100038 北京邮电大学网络空间安全学院北京100876 中国科学院信息工程研究所北京100080

暗网用户在地下市场从事大量违法犯罪活动,暗网的匿名性给暗网用户之间的沟通交流带来了极大的便利,但也给执法人员带来了极大困难。近年来,深度神经网络在各个领域取得广泛成功,越来越多的研究者开始利用神经网络对匿名的网络文本作者... 详细信息

暗网用户在地下市场从事大量违法犯罪活动,暗网的匿名性给暗网用户之间的沟通交流带来了极大的便利,但也给执法人员带来了极大困难。近年来,深度神经网络在各个领域取得广泛成功,越来越多的研究者开始利用神经网络对匿名的网络文本作者进行身份识别。为了更好地进行暗网用户对齐,寻找更多同一身份的不同用户,笔者借用神经网络方法进行暗网用户身份识别和对齐。然而已有的方法主要面向短文本,不擅长处理全局和长序列信息。文中提出了一种自注意机制来增强卷积算子,利用长序列信息来建模暗网用户发表的网络文本的方法,从文本内容入手,对匿名的暗网用户进行多账号关联,达到聚合多个匿名账号信息的目的,为获取用户的真实身份提供更多线索。笔者在两个不同的暗网市场论坛进行全面评估,将提出的方法与当前最先进的技术进行了比较。结果表明提出的方法非常有效,在两个公开数据集上平均检索排名(MRR)分别提高约2.9%和3.6%,Recall@10分别提高约2.3%和3.0%。这项评估为该方法在暗网市场论坛中的有效性提供了强有力的证据。

关键词：文本嵌入注意力机制卷积算子长序列信息