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

基于全局局部协同的非均匀图像去雾方法

自动化学报 2024年第7期50卷 1333-1344页

作者：罗小同杨汶锦曲延云谢源厦门大学信息学院计算机科学与技术系厦门361005 华东师范大学计算机科学与技术学院上海200063

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此... 详细信息

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络***分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.

关键词：图像去雾卷积神经网络 Transformer 特征融合稀疏自注意力

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

一种改进近端优化的多目标流QoS调度策略

应用科学学报 2024年第3期42卷 499-512页

作者：刘星彤郑红黄建华华东理工大学计算机科学与工程系上海200237

软件定义网络可以搭载灵活的流调度策略来提升网络服务系统的服务质量,但随着业务流量复杂度的提升,现有的流调度算法会因场景匹配度的下降而导致性能受到影响。为此提出一种基于深度强化学习的智能路由策略。该策略通过软件定义网络收... 详细信息

软件定义网络可以搭载灵活的流调度策略来提升网络服务系统的服务质量,但随着业务流量复杂度的提升,现有的流调度算法会因场景匹配度的下降而导致性能受到影响。为此提出一种基于深度强化学习的智能路由策略。该策略通过软件定义网络收集各链路信息,基于长短期记忆网络与近端策略优化算法实现特征提取与状态感知,最终决策生成符合业务场景下服务质量(quality of service,QoS)目标的动态流量调度策略,并实现QoS最大化。实验结果表明,所提的方案与现有的路由策略相比可以使整套系统QoS指标提升7.06%,有效地提升了业务系统的吞吐率。

关键词：深度强化学习服务质量路由优化软件定义网络在线调度

在线全文

学校读者我要写书评

暂无评论

基于误差补偿的多模态协同交通流预测模型

电子学报 2024年第8期52卷 2878-2890页

作者：吴宇轩虞慧群范贵生华东理工大学计算机科学与工程系上海200237

交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensatio... 详细信息

交通流量因受周期性特征、突发状况等多重因素影响,现有模型的预测精度无法满足实际要求.对此,本文提出了基于误差补偿的多模态协同交通流预测模型(Multimodal Collaborative traffic flow prediction model based on Error Compensation,MCEC).针对传统预测模型不能兼顾时间序列和协变量的问题,提出基于小波分析的特征拓展方法,该方法引入聚类算法得到节假日标签特征,将拥堵指数、交通事故图、天气信息作为拓展特征,对特征进行多尺度分解.在训练阶段,为达到充分学习各部分数据、最优匹配模型的效果,采用差分整合移动平均自回归模型(Autoreg Ressive Integrated Moving Average Model,ARIMA)、长短期记忆神经网络(Long Short-Term Memory network,LSTM)、限制动态时间规整技术(Dynamic Time Warping,DTW)以及自注意力机制(Self-Attention),设计了多模态协同模型训练.在误差补偿阶段,将得到的相应过程值输入基于支持向量机回归(Support Vector Regression,SVR)的误差补偿模块,对各分量的误差进行学习、补偿,并重构得到预测结果.使用公开的高速公路数据集对MCEC进行验证,在多个时间间隔下对比实验结果表明,MCEC在交通流量预测中的平均绝对百分比误差(Mean Absolute Percentage Error,MAPE)达到17.02%,比LSTM-SVR、ConvLSTM(Convolutional Long Short-Term Memory network)、ST-GCN(Spatial Temporal Graph Convolutional Networks)、MFFB(Multi-stream Feature Fusion Block)、Transformer等预测模型具有更高的预测精度,MCEC模型具有较好的有效性与合理性.

关键词：交通流预测误差补偿多模态协同长短期记忆神经网络差分整合移动平均自回归模型

基于SDL-LightGBM集成学习的软件缺陷预测模型

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第3期45卷 769-776页

作者：谢华祥高建华黄子杰上海师范大学计算机科学与技术系上海200234 华东理工大学计算机科学与工程系上海200237

为提高软件缺陷预测准确性和预测模型的可解释性,提出一种Spearman+DE+LIME+LightGBM(SDL-LightGBM)集成学习的软件缺陷预测模型。使用混合特征选择方法Spearman+LightGBM确定最佳特征子集,在保证模型预测性能的情况下降低模型复杂度;... 详细信息

为提高软件缺陷预测准确性和预测模型的可解释性,提出一种Spearman+DE+LIME+LightGBM(SDL-LightGBM)集成学习的软件缺陷预测模型。使用混合特征选择方法Spearman+LightGBM确定最佳特征子集,在保证模型预测性能的情况下降低模型复杂度;使用集成学习算法LightGBM(light gradient boosting machine)对特征子集建立预测模型,并使用差分进化(differential evolution, DE)算法优化模型的重要超参数;使用局部可解释的模型无关技术(local interpretable model-agnostic explanations, LIME)对模型进行局部可解释分析。实验通过12个项目的35个版本的结果表明,SDL-LightGBM算法优于现有的软件缺陷预测方法,F1值平均提高8.97%,AUC值平均提高11.42%,模型训练时间缩短43.6%。

关键词：缺陷预测机器学习集成学习特征选择模型优化模型解释差分进化

在线全文

学校读者我要写书评

暂无评论

融合全局信息的多图神经网络会话推荐

小型微型计算机系统 2024年第4期45卷 769-776页

作者：黄涛徐贤华东理工大学计算机科学与工程系上海200237

基于会话的推荐旨在根据当前会话预测下一个最可能交互的物品.由于单个会话点击序列较短,仅使用会话本身的信息很难提供准确的推荐.因此,综合考虑其它会话之间的交互信息已成为一种趋势,为了提高推荐性能,本文提出一种融合全局信息的多... 详细信息

基于会话的推荐旨在根据当前会话预测下一个最可能交互的物品.由于单个会话点击序列较短,仅使用会话本身的信息很难提供准确的推荐.因此,综合考虑其它会话之间的交互信息已成为一种趋势,为了提高推荐性能,本文提出一种融合全局信息的多图神经网络会话推荐模型(GIMGNN)来增强会话推荐的效果.该模型首先通过超图卷积神经网络和门控图神经网络从全局会话超图和局部会话图中学习两个级别的物品表示,然后通过注意力机制将反向位置信息融合到两种表示中,最后利用融合后的表示完成预测.在两个真实数据集Yoochoose和Diginetica上进行了一系列实验,实验结果表明,对比性能最优的基准模型,GIMGNN模型在Yoochoose上P@20和MRR@20至少提升了2.42%和4.01%,在Diginetica上P@20和MRR@20至少提升了6.56%和9.11%,验证了模型的有效性.

关键词：会话推荐超图卷积神经网络门控图神经网络注意力机制位置信息

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

基于因果干预的无偏面部动作单元识别

电子学报 2024年

作者：邵志文陈必宽祝汉城周勇姚睿马利庄中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心上海交通大学计算机科学与工程系华东师范大学计算机科学与技术学院

面部动作单元（Action Unit,AU）识别是计算机视觉与情感计算领域的热点课题. AU识别属于多标签二分类任务，目前面临着标签不均衡等挑战.现有的主流算法利用AU之间的关联，通过调整采样率和AU的权重来进行标签重均衡化.然而，这些方法... 详细信息

面部动作单元（Action Unit,AU）识别是计算机视觉与情感计算领域的热点课题. AU识别属于多标签二分类任务，目前面临着标签不均衡等挑战.现有的主流算法利用AU之间的关联，通过调整采样率和AU的权重来进行标签重均衡化.然而，这些方法仅仅使模型预测时从偏向出现频率高的标签转为偏向出现频率低的标签，并未解决偏置问题.根据出现频率的高低可将AU划分为头类和尾类，公平对待每一类是实现AU无偏识别的关键.本文引入因果推理理论，提出基于因果干预的无偏化方法（Causal Intervention for Unbiased facial action unit recognition,CIU），以解决多AU间不均衡的问题.通过调整不平衡域和平衡但不可见域上的经验风险实现模型的无偏性.大量实验结果表明，本方法在基准数据集BP4D、DISFA上超越已有的方法，其中在DISFA上超越当前最先进方法1.1%，且可以学习到无偏的特征表示.

关键词：因果推理无偏性面部动作单元识别多标签二分类标签不均衡经验风险

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种自适应数据交易软件模型设计技术

华东理工大学学报（自然科学版） 2024年第1期50卷 137-145页

作者：汤奇峰虞慧群范贵生邵志清华东理工大学计算机科学与工程系上海200237 上海数据交易所有限公司上海200131

在大数据时代,以数据为基本生产要素的数据经济成为推动社会经济发展的创新动力。数据交易是支撑数据流通和创造数据价值的关键环节。然而,如何设计可靠和可维护的数据交易系统面临许多技术挑战性问题。针对这些挑战,本文提出一种自适... 详细信息

在大数据时代,以数据为基本生产要素的数据经济成为推动社会经济发展的创新动力。数据交易是支撑数据流通和创造数据价值的关键环节。然而,如何设计可靠和可维护的数据交易系统面临许多技术挑战性问题。针对这些挑战,本文提出一种自适应数据交易软件模型设计和验证方法。在分析数据交易业务需求的基础上,提出了一种基于Petri网的形式化数据交易自适应软件建模方法,基于Petri网和模型库方法建立数据交易业务流程的形式化模型和控制策略实施技术,Petri网的形式化语义能够有效支持数据交易系统的性质分析。最后,通过仿真实验说明所提方法的有效性和可行性。

关键词：数据交易软件模型设计 Petri网验证性能分析

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

ERCS——改进的修改控制系统

计算机工程与应用 1991年第4期27卷 6-11页

作者：徐向阳华东师大计算机系

版本管理是管理和维护计算机系统的重要支持工具。微机上版本管理的设计主要考虑有效地节省存贮空间和提高存取速度,且注重实用性。ERCS采用有效的版本标志表示多层平行版本,并已在MS-DOS下实现对源代码程序的修改控制。

关键词：版本管理软件控制系统计算机

在线全文

学校读者我要写书评

暂无评论

基于组稀疏优化的强化学习稀疏表征

华东理工大学学报(自然科学版) 2024年

作者：蔡林逸冯翔虞慧群上海智慧能源工程技术研究中心华东理工大学计算机科学与工程系

由于强化学习具有出色的数据效率和快速学习的能力，许多实际问题开始应用其学习复杂策略。但是高维环境中的强化学习常常受限于维度灾难或者灾难性干扰，性能表现不佳甚至学习失败。围绕表征学习，提出了一种符合Lasso类型优化的稀疏... 详细信息

由于强化学习具有出色的数据效率和快速学习的能力，许多实际问题开始应用其学习复杂策略。但是高维环境中的强化学习常常受限于维度灾难或者灾难性干扰，性能表现不佳甚至学习失败。围绕表征学习，提出了一种符合Lasso类型优化的稀疏卷积深度强化学习方法。首先，对稀疏表征的理论和优势进行综述，从而创新性地将稀疏卷积方法引入深度强化学习中，提出了一种新的稀疏表征方法。其次，对由稀疏卷积编码定义的可微优化层进行了数学推导并给出了优化算法。此外，为了验证新的稀疏表征方法的有效性，将其应用于相关文献中常见的基准环境中进行测试。实验结果表明，应用稀疏卷积编码的算法具有更好的性能和鲁棒性，在降低了50%以上的模型开销的前提下，取得了相当甚至更优的性能。此外，还研究了稀疏程度对算法性能的影响，结果显示适当的稀疏度能获得更优的性能。

关键词：强化学习灾难性干扰稀疏表征隐式层 Lasso优化