检索结果-南通市图书馆

基于深度强化学习的WRSN动态时空充电调度

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

软件学报 2024年第3期35卷 1485-1501页

作者：王艺均冯勇刘明刘念伯云南省计算机技术应用重点实验室(昆明理工大学) 云南昆明650500 电子科技大学计算机科学与工程学院四川成都611731

高效的移动充电调度是构建长生命期、可持续运行的无线可充电传感器网络(WRSN)的关键之一.现有基于强化学习的充电策略只考虑了移动充电调度问题的一个维度,即移动充电器(MC)的路径规划,而忽略了充电调度问题中的另一维度,即充电时长调... 详细信息

高效的移动充电调度是构建长生命期、可持续运行的无线可充电传感器网络(WRSN)的关键之一.现有基于强化学习的充电策略只考虑了移动充电调度问题的一个维度,即移动充电器(MC)的路径规划,而忽略了充电调度问题中的另一维度,即充电时长调整,因而仍然存在性能限制.提出一种基于深度强化学习的WRSN动态时空充电调度方法(SCSD),建立充电序列调度和充电时长动态调整的深度强化学习模型.针对移动充电调度中离散的充电序列规划和连续的充电时长调整问题,使用DQN为待充电节点优化充电序列,并基于DDPG计算并动态调整序列中待充电节点的充电时长.通过分别从空间和时间两个维度的优化,在避免节点缺电失效的同时,所提出的SCSD可实现充电性能的有效提高.大量仿真实验结果表明,SCSD与现有的几种有代表性的充电方案相比,其充电性能具有明显的优势.

关键词：无线可充电传感器网络深度强化学习时空充电策略充电序列充电时长充电性能

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

联邦忘却学习研究综述

计算机学报 2024年第2期47卷 396-422页

作者：王鹏飞魏宗正周东生宋威肖蕴明孙庚于硕张强大连理工大学计算机科学与技术学院大连理工大学社会计算与认知智能教育部重点实验室大连大学先进设计与智能计算教育部重点实验室美国西北大学计算机科学系吉林大学计算机科学与技术学院吉林大学符号计算与知识工程教育部重点实验室

数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一.利用数据分析挖掘数据的潜在价值，有助于推动产业创新、技术升级和区域经济发展.然而，在数据使用过程中，隐私泄露等风险限制了数据的流通和共享.因此，如何在数据... 详细信息

数据已经成为与土地、劳动力、资本、技术等并列的重要生产要素之一.利用数据分析挖掘数据的潜在价值，有助于推动产业创新、技术升级和区域经济发展.然而，在数据使用过程中，隐私泄露等风险限制了数据的流通和共享.因此，如何在数据流通和共享过程中保护数据隐私已成为研究热点.联邦忘却学习（Federated Unlearning）撤销用户数据对联邦学习模型的训练更新，可以进一步保护联邦学习用户的数据安全.本文综述了联邦忘却学习的研究工作，首先简要阐述了联邦学习架构，并引出忘却学习和联邦忘却学习的概念和定义;其次，根据修正对象的不同将联邦忘却学习算法分为面向全局模型和面向局部模型两类，并详细分析各类算法的实现细节以及优缺点;然后，本文还详述联邦忘却学习中常用评价指标，将评价指标划分为模型表现指标、遗忘效果指标和隐私保护指标三类，并分析不同类型评价指标的优缺点;最后，本文对联邦忘却学习未来的研究方向进行展望.

关键词：联邦学习联邦忘却学习数字经济隐私保护边缘智能

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

约束能量最小化变分自编码的高光谱目标检测

遥感学报 2024年第1期28卷 78-87页

作者：周琨徐洋魏洁吴泽彬韦志辉南京理工大学计算机科学与工程学院南京210094 南京理工大学江苏省光谱成像与智能感知重点实验室南京210094

目标检测是高光谱领域中一个重要的研究方向,高光谱目标检测(hyperspectral target detection)是根据目标的光谱特征将像素判断为背景或者目标。在过去的几十年中已经提出了很多的检测算法,但是高光谱图像中背景样本的复杂性以及目标样... 详细信息

目标检测是高光谱领域中一个重要的研究方向,高光谱目标检测(hyperspectral target detection)是根据目标的光谱特征将像素判断为背景或者目标。在过去的几十年中已经提出了很多的检测算法,但是高光谱图像中背景样本的复杂性以及目标样本的有限性,使得检测算法面临着很大的挑战。本文提出了一种基于背景重构的高光谱目标检测算法,利用高光谱图像中背景样本占比较大的特点,训练背景样本自表示模型,然后重构出背景。同时利用约束能量最小化对残差图像进行检测,将重构出的背景用于自相关矩阵计算,避免目标样本参与计算影响目标样本的响应能量,提高了检测的精确度。在真实的高光谱图像数据上结果明显优于对比实验,验证了该方法的有效性和高效性。

关键词：遥感高光谱目标检测背景重构约束能量最小化自相关矩阵

在线全文

学校读者我要写书评

暂无评论

基于多视图证据融合的社交水军检测

计算机应用研究 2024年

作者：张东林徐建南京理工大学计算机科学与工程学院

为克服单视图水军检测方法在处理复杂多样的社交网络数据时所存在的局限性，并解决现有多视图融合方法未能充分考虑视图间质量差异导致的信息丢失和噪声干扰等问题，提出一种基于多视图证据融合(Multi-View Evidence Fusion，简称MVEF)... 详细信息

为克服单视图水军检测方法在处理复杂多样的社交网络数据时所存在的局限性，并解决现有多视图融合方法未能充分考虑视图间质量差异导致的信息丢失和噪声干扰等问题，提出一种基于多视图证据融合(Multi-View Evidence Fusion，简称MVEF)的社交水军检测方法。该方法综合分析社交关系、行为特征和推文内容三个视图并提取关键证据，通过Dirichlet分布参数化来评估每个视图在分类决策中的类别可信度和整体不确定性。通过高效的证据融合机制，巧妙地利用不确定性整合各视图中的关键证据，构建一个全面而可靠的分类决策框架。实验结果显示，MVEF在两个真实世界的Twitter数据集上的表现均优于现有方法，有效提升了水军识别的准确率和鲁棒性。

关键词：社交水军检测多视图证据融合不确定性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合反讽语言特征的反讽语句识别模型

智能系统学报 2024年第3期19卷 689-696页

作者：韦斯羽朱广丽谈光璞张顺香安徽理工大学计算机科学与工程学院安徽淮南232001

反讽是采用内隐的形式来表达情感的一种方法,反讽语句在文字和所想表达的情感上存在着不同,这使得对反讽语句进行情感分类变得更加困难。针对这一现象,提出一种融合反讽语言特征的反讽语句识别模型,通过加入反讽语言特征来提高反讽语句... 详细信息

反讽是采用内隐的形式来表达情感的一种方法,反讽语句在文字和所想表达的情感上存在着不同,这使得对反讽语句进行情感分类变得更加困难。针对这一现象,提出一种融合反讽语言特征的反讽语句识别模型,通过加入反讽语言特征来提高反讽语句的识别准确率。首先,采用卡方检验算法对反讽语言进行分析并获取语言特征;然后,利用Word2Vec对语言特征进行训练获取语言特征的特征表示,同时使用注意力机制与Bi-GRU(双向门控循环神经单元)模型获取句子的特征表示;最后,将语言特征的特征表示与句子的特征表示进行融合并作为情感分类层的输入,对反讽语句进行识别。与CNN-AT、CNN-Adv、EPSN等3种模型进行对比,实验结果表明,该模型可以有效提高对于反讽语句的识别准确率。

关键词：反讽语句识别语言特征卡方检验算法 Word2Vec 双向门控循环神经单元注意力机制深度学习智能信息处理

维普期刊数据库博看期刊

同方期刊数据库

基于注意力掩码与特征提取的人脸伪造主动防御

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：王瑜方贤进杨高明丁一峰杨新露安徽理工大学计算机科学与工程学院

为了解决人脸图像未经授权情况下被伪造或篡改的问题,提出一种基于注意力掩码与特征提取的人脸伪造主动防御模型,旨在采取攻击性措施,向图像中加入可干扰伪造模型的对抗样本,从源头上预防图像被伪造,同时提高被保护图像的视觉质量。首先... 详细信息

为了解决人脸图像未经授权情况下被伪造或篡改的问题,提出一种基于注意力掩码与特征提取的人脸伪造主动防御模型,旨在采取攻击性措施,向图像中加入可干扰伪造模型的对抗样本,从源头上预防图像被伪造,同时提高被保护图像的视觉质量。首先,采用改进的梯度下降法生成对抗扰动添加至原始图像,使得图像经过伪造处理后生成模糊的虚假图像;同时,在生成器中增添注意力掩码,以增强关键特征通道,从而降低复杂背景及光照带来的影响;其次,使用VGG16预训练网络提取图像特征,在特征图层面提升对抗图像的视觉质量。在CelebA数据集和RaFD数据集上的实验结果表明:所提方法的防御成功率分别达到99.8%和99.63%,对抗图像视觉质量相较于基于扩频对抗攻击的基准方法,结构相似性(SSIM)指标提升了30.86%和26.63%,峰值信噪比(PSNR)指标提高了34.80%和36.15%。可见所提模型可有效防御人脸伪造,同时提升对抗图像视觉质量。

关键词：人脸伪造主动防御注意力掩码对抗样本特征提取

应用归一化通道注意力机制的YOLOv7交通标志检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：刘晶刘俊伟西安理工大学计算机科学与工程学院

现有目标检测算法对背景复杂下小交通标志的检测效果并不理想。为此，本文提出了一种基于归一化通道注意力机制YOLOv7的交通标志检测算法（YOLOv7 based on Normalized Channel Attention Mechanism，YOLOv7- NCAM）。为了使YOLOv7- NCA... 详细信息

现有目标检测算法对背景复杂下小交通标志的检测效果并不理想。为此，本文提出了一种基于归一化通道注意力机制YOLOv7的交通标志检测算法（YOLOv7 based on Normalized Channel Attention Mechanism，YOLOv7- NCAM）。为了使YOLOv7- NCAM模型具有像素级建模能力，提高它对小目标交通标志特征的提取能力，YOLOv7- NCAM算法首先使用FreLU激活函数构建了DBF和CBF两种卷积层，并用它们来组建模型的Backbone模块和Neck模块；之后，提出一种归一化通道注意力机制（Normalized Channel Attention Mechanism，NCAM）并加入Head模块中。该机制通过与整体网络一起训练，得到归一化（Batch Normalization， BN）缩放因子，利用缩放因子算出各个通道的权重因子，提升网络对交通标志特征的表达能力，从而使YOLOv7-NCAM网络模型能够集中关注检测目标交通标志。通过在CCTSDB-2021交通标志检测数据集上的测试，与YOLOv7网络模型对比结果表明，YOLOv7- NCAM算法对背景复杂下小交通标志的检测各项指标均有明显提高：准确率（Precision，P）达到将近91.5%，比原网络高出9.5%；召回率（Recall，R）达到85.9%，比原网络高出5.7%；均值平均精度（mean Average Precision，mAP）达到了91.4%，比原网络高出4.7%；与现有的交通标志检测算法相比，YOLOv7-NCAM算法的检测准确率也有提高，且检测速度48.3f·s-1，满足实时需求。

关键词： YOLOv7 归一化通道注意力机制交通标志激活函数

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多帧时空注意力引导的半监督视频分割

中国图象图形学报 2024年第5期29卷 1233-1251页

作者：罗思涵袁夏梁永顺南京理工大学计算机科学与工程学院南京210094 南京理工大学数学与统计学院南京210094

目的传统的半监督视频分割多是基于光流的方法建模关键帧与当前帧之间的特征关联。而光流法在使用过程中容易因遮挡、特殊纹理等情况产生错误,从而导致多帧融合存在问题。为了更好地融合多帧特征,本文提取第1帧的外观特征信息与邻近关... 详细信息

目的传统的半监督视频分割多是基于光流的方法建模关键帧与当前帧之间的特征关联。而光流法在使用过程中容易因遮挡、特殊纹理等情况产生错误,从而导致多帧融合存在问题。为了更好地融合多帧特征,本文提取第1帧的外观特征信息与邻近关键帧的位置信息,通过Transformer和改进的PAN(path aggregation network)模块进行特征融合,从而基于多帧时空注意力学习并融合多帧的特征。方法多帧时空注意力引导的半监督视频分割方法由视频预处理(即外观特征提取网络和当前帧特征提取网络)以及基于Transformer和改进的PAN模块的特征融合两部分构成。具体包括以下步骤:构建一个外观信息特征提取网络,用于提取第1帧图像的外观信息;构建一个当前帧特征提取网络,通过Transformer模块对当前帧与第1帧的特征进行融合,使用第1帧的外观信息指导当前帧特征信息的提取;借助邻近数帧掩码图与当前帧特征图进行局部特征匹配,决策出与当前帧位置信息相关性较大的数帧作为邻近关键帧,用来指导当前帧位置信息的提取;借助改进的PAN特征聚合模块,将深层语义信息与浅层语义信息进行融合。结果本文算法在DAVIS(densely annotated video segmentation)-2016数据集上的J和F得分为81.5%和80.9%,在DAVIS-2017数据集上为78.4%和77.9%,均优于对比方法。本文算法的运行速度为22帧/s,对比实验中排名第2,比PLM(pixel-level matching)算法低1.6%。在YouTube-VOS(video object segmentation)数据集上也取得了有竞争力的结果,J和F的平均值达到了71.2%,领先于对比方法。结论多帧时空注意力引导的半监督视频分割算法在对目标物体进行分割的同时,能有效融合全局与局部信息,减少细节信息丢失,在保持较高效率的同时能有效提高半监督视频分割的准确率。

关键词：视频目标分割(VOS) 特征提取网络外观特征信息时空注意力特征聚合

在线全文

学校读者我要写书评

暂无评论

融合GPU的拟单层覆盖近似集计算方法

计算机工程 2024年第5期50卷 71-82页

作者：吴正江吕成功王梦松河南理工大学计算机科学与技术学院河南焦作454003

拟单层覆盖粗糙集是一种匹配集值信息系统且有高质量和高效率的粗糙集模型。拟单层覆盖近似集的计算过程中存在大量计算密集且逻辑简单的运算,为此,提出拟单层覆盖近似集的矩阵化表示方法,以利用图形处理器(GPU)强大的计算性能加速计算... 详细信息

拟单层覆盖粗糙集是一种匹配集值信息系统且有高质量和高效率的粗糙集模型。拟单层覆盖近似集的计算过程中存在大量计算密集且逻辑简单的运算,为此,提出拟单层覆盖近似集的矩阵化表示方法,以利用图形处理器(GPU)强大的计算性能加速计算过程。为了实现这一目标,使用布尔矩阵表示拟单层覆盖近似空间中的元素,引入与集合运算对应的布尔矩阵算子,提出拟单层覆盖粗糙近似集(DE、DA、DE0与DA0)的矩阵表示,并设计矩阵化拟单层覆盖近似集算法(M_SMC)。同时,相应的定理证明了拟单层覆盖近似集的矩阵表示形式与原始定义的等价性。然而,M_SMC运行过程中出现了矩阵存储和计算步骤的内存消耗过多问题。为了将算法部署到显存有限的GPU上,优化矩阵存储和计算步骤,提出分批处理的矩阵化拟单层覆盖近似集算法(BM_SMC)。在10个数据集上的实验结果表明,融合GPU的BM_SMC算法与单纯使用中央处理器(CPU)的BM_SMC算法相比计算效率提高2.16~11.3倍,BM_SMC算法可以在有限的存储空间条件下充分利用GPU,能够有效地提高拟单层覆盖近似集的计算效率。

关键词：拟单层覆盖近似集集值信息系统矩阵化 GPU加速分批处理

同方期刊数据库