检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

一种面向机器视觉感知的暗光图像增强网络

计算机应用研究 2024年第6期41卷 1910-1915页

作者：冯欣王思平张智先焦晓宁薛明龙重庆理工大学计算机科学与工程学院重庆400054 南京大学计算机软件新技术国家重点实验室南京210046

低光照等恶劣环境下的目标检测一直都是难点,低光照和多雾因素往往会导致图像出现可视度低、噪声大等情况,严重干扰目标检测的检测精度。针对上述问题,提出了一个面向机器视觉感知的低光图像增强网络MVP-Net,并与YOLOv3目标检测网络整合... 详细信息

低光照等恶劣环境下的目标检测一直都是难点,低光照和多雾因素往往会导致图像出现可视度低、噪声大等情况,严重干扰目标检测的检测精度。针对上述问题,提出了一个面向机器视觉感知的低光图像增强网络MVP-Net,并与YOLOv3目标检测网络整合,构建了端到端的增强检测框架MVP-YOLO。MVP-Net采用了逆映射网络技术,将常规RGB图像转换为伪RAW图像特征空间,并提出了伪ISP增强网络DOISP进行图像增强。MVP-Net旨在发挥RAW图像在目标检测中的潜在优势,同时克服其在直接应用时所面临的限制。模型在多个真实场景暗光数据上取得了优于先前工作效果并且能够适应多种不同架构的检测器。其端到端检测框mAP(50%)指标达到了78.3%,比YOLO检测器提高了1.85%。

关键词：低光图像增强机器视觉 RAW图像 ISP处理

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向车辆边缘计算的任务合作卸载

工程科学与技术 2024年第1期56卷 89-98页

作者：鲁蔚锋印文徐王菁费汉明徐佳南京邮电大学计算机学院江苏南京210023 江苏省大数据安全与智能处理重点实验室江苏南京210023 国铁吉讯科技有限公司北京100081

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于... 详细信息

随着物联网技术和人工智能技术的飞速发展,车辆边缘计算越来越引起学者的关注。车辆如何有效地利用其周边的各种通信、计算和缓存资源,结合边缘计算系统模型将计算任务迁移到离车辆更近的路边单元,已经成为目前车联网研究的热点。由于车辆应用设备计算资源的有限性,车辆用户的任务计算需求无法满足,需要提升车辆周边计算资源的利用率来完成计算任务。本文研究了车辆边缘计算中任务的合作卸载机制,以最小化车辆任务的计算时延。首先,考虑周边停泊车辆以及路边单元的计算资源,设计了由云服务器层、停泊车辆合作集群层和路边单元合作集群层组成的任务合作卸载3层系统架构,通过路边单元合作集群和停泊车辆合作集群的合作卸载,充分利用系统的空闲计算资源,进一步提高了系统的资源利用率。然后,基于k-聚类算法的思想提出了路边单元合作集群划分算法对路边单元进行合作集群的划分,并采用块连续上界最小化的分布式迭代优化方法设计了任务合作卸载算法,对终端车辆用户的任务进行卸载计算。最后,通过将本文算法和其他算法方案进行实验仿真对比,仿真结果表明,本文算法在系统时延和系统吞吐量方面具有更好的性能表现,可以降低23%的系统时延,并且能提升28%的系统吞吐量。

关键词：边缘计算车辆边缘计算合作卸载 k-聚类计算卸载

一种基于SSA-DBN的室内可见光指纹定位算法

在线全文

学校读者我要写书评

暂无评论

激光杂志 2024年第1期45卷 159-165页

作者：王鹏云邵建华王宗生程悦杨薇杜聪南京师范大学计算机与电子信息学院南京210023 江苏省光电重点实验室南京210023

室内可见光定位在精度方面有着较高的要求,针对这一问题,文中提出了一种麻雀搜索算法(Sparrow Search Algorithm,SSA)优化深度置信网络(Deep Belief Network,DBN)的室内可见光指纹定位算法。首先,采用信号强度特征值与位置坐标建立离线... 详细信息

室内可见光定位在精度方面有着较高的要求,针对这一问题,文中提出了一种麻雀搜索算法(Sparrow Search Algorithm,SSA)优化深度置信网络(Deep Belief Network,DBN)的室内可见光指纹定位算法。首先,采用信号强度特征值与位置坐标建立离线指纹库;其次,利用麻雀搜索算法较好的全局探索和局部开发的能力,对深度置信网络的初始权阈值进行优化,建立网络训练模型,对待定位目标的位置进行预测,避免了DBN陷入局部最优以及收敛速度较慢的问题。最后,利用已建立的离线指纹库数据,计算定位误差并分析。在4 m×4 m×2.5 m的空间中进行实验,结果表明:文中算法的平均定位误差为3.51 cm,定位误差在6 cm以内的概率为89.9%,与DBN定位算法相比,平均定位误差下降了约22.5%。

关键词：可见光室内定位麻雀搜索算法深度置信网络

在线全文

学校读者我要写书评

暂无评论

基于自适应权重的多源部分域适应

软件学报 2024年第4期35卷 1703-1716页

作者：田青孙灿宇储奕南京信息工程大学软件学院江苏南京210044 数字取证教育部工程研究中心(南京信息工程大学) 江苏南京210044 计算机软件新技术国家重点实验室(南京大学) 江苏南京210023

作为机器学习的一个新兴领域,多源部分域适应(MSPDA)问题由于其源域自身的复杂性、领域之间的差异性以及目标域自身的无监督性,给相关研究带来了挑战,以致目前鲜有相关工作被提出.在该场景下,多个源域中的无关类样本在域适应过程中会造... 详细信息

作为机器学习的一个新兴领域,多源部分域适应(MSPDA)问题由于其源域自身的复杂性、领域之间的差异性以及目标域自身的无监督性,给相关研究带来了挑战,以致目前鲜有相关工作被提出.在该场景下,多个源域中的无关类样本在域适应过程中会造成较大的累积误差和负迁移.此外,现有多源域适应方法大多未考虑不同源域对目标域任务的贡献度不同.因此,提出基于自适应权重的多源部分域适应方法(AW-MSPDA).首先,构建了多样性特征提取器以有效利用源域的先验知识;同时,设计了多层次分布对齐策略从不同层面消除了分布差异,促进了正迁移;此外,为量化不同源域贡献度以及过滤源域无关类样本,利用相似性度量以及伪标签加权方式构建自适应权重;最后,通过大量实验验证了所提出AW-MSPDA算法的泛化性以及优越性.

关键词：多源部分域适应负迁移多样性特征提取多层次分布对齐自适应权重

在线全文

学校读者我要写书评

暂无评论

面向CPS时空规则验证制导的安全强化学习

计算机科学与探索 2024年

作者：印婵祝义王金永陈小颖郝国生江苏师范大学计算机科学与技术学院徐州工程学院信息工程学院南京大学计算机科学与技术系

深度强化学习是目前信息物理融合系统（Cyber Physical System， CPS）决策中常用的一种方法。然而，当面对未知环境和复杂任务时，基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题，提... 详细信息

深度强化学习是目前信息物理融合系统（Cyber Physical System， CPS）决策中常用的一种方法。然而，当面对未知环境和复杂任务时，基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题，提出了一种形式化时空规则验证制导的安全强化学习方法。首先，提出了时空规则通信顺序进程(Combination-Space Rule Timed Communicating Sequential Process， CSR-TCSP)对系统进行建模，并结合时空规约语言(Spatio-Temporal Speci?cation Language， STSL)和模型检测工具FDR(Failure Divergence Refinement)对进程代数模型进行验证。其次，利用系统环境模型形式化奖励状态机的结构，提出了时空规则奖励状态机(Spatio-Temporal Rule Reward Machine， STR-RM)以指导强化学习中奖励函数的设置。此外，为了监测系统的运行并确保输出决策的安全性，设计了一个监控器及安全动作决策算法以获得更安全的状态行为策略。最后，通过一个自动驾驶系统中的避障与变道超车实例，证明本文所提方法的有效性。

关键词：信息物理融合系统形式化方法进程代数安全强化学习自动驾驶

基于差异补偿和短期采样对比损失的城市电力负荷预测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年第4期51卷 158-164页

作者：陈润桓戴华郑桂能李惠杨庚南京邮电大学计算机学院、软件学院、网络空间安全学院南京210023 江苏省大数据安全与智能处理重点实验室南京210023 犹他州立大学计算机科学系洛根84322

城市电力负荷预测是城市智能电网规划和调度的一项重要内容。然而,城市电力负荷预测中存在数据不均的问题,给城市电力负荷预测带来了巨大挑战。传统的基于单一模型的方法难以解决数据不均的问题,而现有的基于多模型的预测方法根据电力... 详细信息

城市电力负荷预测是城市智能电网规划和调度的一项重要内容。然而,城市电力负荷预测中存在数据不均的问题,给城市电力负荷预测带来了巨大挑战。传统的基于单一模型的方法难以解决数据不均的问题,而现有的基于多模型的预测方法根据电力负荷分布将数据集拆分成多个子数据集,然后分别建立多个预测模型进行预测,该类方案在一定程度上解决了数据不均问题,但存在模型构建成本较高、不同分布样本间共有的电力分布特征发生分离等问题。基于此,提出了一个轻量级城市电力负荷预测模型(Lighten-DCSC-LSTM)。该模型通过在长短期记忆网络的基础上引入差异补偿的思想和短期采样对比损失进行构建,同时构建共享特征提取层来降低模型构建成本。其中,差异补偿思想通过学习不同电力负荷分布样本之间的差异对主序列预测模块的预测结果进行差异补偿,短期采样对比损失通过动态类中心的对比学习损失对模型的训练进行正则化。为了验证模型的性能,进行了参数调优和对比实验。对比实验结果表明,模型在预测电力负荷的任务中取得了良好的性能。

关键词：电力负荷预测长短期记忆网络深度学习对比学习损失

在线全文

学校读者我要写书评

暂无评论

云环境中语义感知密文检索研究综述

计算机科学 2024年

作者：刘源龙戴华李张晨周倩易训杨庚南京邮电大学现代邮政学院江苏省大数据安全与智能处理重点实验室皇家墨尔本理工大学计算机工程学院南京邮电大学计算机学院

随着云计算、大数据技术的不断发展，数据拥有者愈发倾向于将数据外包给云服务器。为了保证这些数据的安全，许多在云环境下进行的隐私保护密文检索技术被不断提出。但传统方法中的隐私保护检索方案通常没有考虑关键词和文档之间的语义... 详细信息

随着云计算、大数据技术的不断发展，数据拥有者愈发倾向于将数据外包给云服务器。为了保证这些数据的安全，许多在云环境下进行的隐私保护密文检索技术被不断提出。但传统方法中的隐私保护检索方案通常没有考虑关键词和文档之间的语义联系，为了解决这个问题，近年来，针对云环境的语义感知密文检索方案成了研究的热点。本文针对基于云环境的语义感知密文检索问题，展示了现有研究工作主要采用的系统模型、安全模型和检索框架；接着对现有的语义感知密文检索方案按提取语义的核心技术进行分类并分别作研究和综述，阐述其优点与不足。最后，对现有研究工作进行总结，并对该领域中未来的研究方向进行了探讨。

关键词：云计算隐私保护语义感知关键词检索可搜索加密

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于梯度选择的轻量化差分隐私保护联邦学习

计算机科学 2024年第1期51卷 345-354页

作者：王周生杨庚戴华南京邮电大学计算机学院南京210023 江苏省大数据安全与智能处理重点实验室南京210023

为了应对机器学习过程中可能出现的用户隐私问题,联邦学习作为首个无需用户上传真实数据、仅上传模型更新的协作式在线学习解决方案,已经受到人们的广泛关注与研究。然而,它要求用户在本地训练且上传的模型更新中仍可能包含敏感信息,从... 详细信息

为了应对机器学习过程中可能出现的用户隐私问题,联邦学习作为首个无需用户上传真实数据、仅上传模型更新的协作式在线学习解决方案,已经受到人们的广泛关注与研究。然而,它要求用户在本地训练且上传的模型更新中仍可能包含敏感信息,从而带来了新的隐私保护问题。与此同时,必须在用户本地进行完整训练的特点也使得联邦学习过程中的运算与通信开销问题成为一项挑战,亟需人们建立一种轻量化的联邦学习架构体系。出于进一步的隐私需求考虑,文中使用了带有差分隐私机制的联邦学习框架。另外,首次提出了基于Fisher信息矩阵的Dropout机制——FisherDropout,用于对联邦学习过程中在客户端训练产生梯度更新的每个维度进行优化选择,从而极大地节约运算成本、通信成本以及隐私预算,建立了一种兼具隐私性与轻量化优势的联邦学习框架。在真实世界数据集上的大量实验验证了该方案的有效性。实验结果表明,相比其他联邦学习框架,FisherDropout机制在最好的情况下可以节约76.8%~83.6%的通信开销以及23.0%~26.2%的运算开销,在差分隐私保护中隐私性与可用性的均衡方面同样具有突出优势。

关键词：联邦学习差分隐私 Fisher信息矩阵 Dropout机制轻量化

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于对比训练的联邦学习后门防御方法

通信学报 2024年第3期45卷 182-196页

作者：张佳乐朱诚诚成翔孙小兵陈兵扬州大学信息工程学院江苏扬州225127 中国民航大学民航飞联网重点实验室天津300300 南京航空航天大学计算机科学与技术学院江苏南京211106

针对现有联邦学习后门防御方法不能实现对模型已嵌入后门特征的有效清除同时会降低主任务准确率的问题,提出了一种基于对比训练的联邦学习后门防御方法 Contra FL。利用对比训练来破坏后门样本在特征空间中的聚类过程,使联邦学习全局模... 详细信息

针对现有联邦学习后门防御方法不能实现对模型已嵌入后门特征的有效清除同时会降低主任务准确率的问题,提出了一种基于对比训练的联邦学习后门防御方法 Contra FL。利用对比训练来破坏后门样本在特征空间中的聚类过程,使联邦学习全局模型分类结果与后门触发器特征无关。具体而言,服务器通过执行触发器生成算法构造生成器池,以还原全局模型训练样本中可能存在的后门触发器;进而,服务器将触发器生成器池下发给各参与方,各参与方将生成的后门触发器添加至本地样本,以实现后门数据增强,最终通过对比训练有效消除后门攻击的负面影响。实验结果表明,Contra FL能够有效防御联邦学习中的多种后门攻击,且效果优于现有防御方法。

关键词：联邦学习后门攻击对比训练触发器后门防御