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

高效全局注意网络的图像超分辨率重建

激光与光电子学进展 2024年第10期61卷 369-379页

作者：王庆庆辛月兰赵佳郭江王浩臣青海师范大学计算机学院青海西宁810001 省部共建藏语智能信息处理及应用国家重点实验室青海西宁810001

针对现有高效超分辨率重建算法大多集中于减少参数量,缺乏对层次特征的关注,存在图像高维特征不能得到充分利用的问题,提出一种高效全局注意网络。该网络的主要思想是设计交叉自适应特征块对图像进行不同层次的深度特征提取,以改善图像... 详细信息

针对现有高效超分辨率重建算法大多集中于减少参数量,缺乏对层次特征的关注,存在图像高维特征不能得到充分利用的问题,提出一种高效全局注意网络。该网络的主要思想是设计交叉自适应特征块对图像进行不同层次的深度特征提取,以改善图像高频细节信息缺失的问题。另外,构造了近邻像素重构块,将空间关联性和像素分析相结合,进一步促进边缘细节信息的重建。此外,还提出一种多阶段动态余弦热重启训练策略,通过动态调整学习率以避免模型过拟合,提高训练过程的稳定性并优化网络性能。大量实验结果表明,所提方法在Set5等5个基准数据集上相比于其他先进网络,峰值信噪比(PSNR)和结构相似性(SSIM)性能指标平均提高了0.51 dB和0.0078,参数量和浮点运算量(FLOPs)平均降低了332×10^(3)和70×10^(9)。综上,所提方法在拥有较低复杂度的同时,获得了更好的性能指标和视觉效果,实现了网络高效化。

关键词：图像超分辨率重建高效全局注意层次特征像素重构训练策略

一种消除周期性毛刺相位误差的互补格雷码双N步相移法

在线全文

学校读者我要写书评

暂无评论

仪器仪表学报 2024年第3期45卷 198-205页

作者：韩叔桓杨延西张新雨李昕杰西安理工大学自动化与信息工程学院西安710048 陕西省复杂系统控制与智能信息处理重点实验室西安710048

互补格雷码双N步相移法因其具有鲁棒性好、检测精度高等特点在条纹投影轮廓术领域成为研究热点。然而,传统互补格雷码双N步相移法存在检测效率低以及未消除周期性毛刺相位误差的问题。针对这些问题,本文对传统互补格雷码双N步相移法进... 详细信息

互补格雷码双N步相移法因其具有鲁棒性好、检测精度高等特点在条纹投影轮廓术领域成为研究热点。然而,传统互补格雷码双N步相移法存在检测效率低以及未消除周期性毛刺相位误差的问题。针对这些问题,本文对传统互补格雷码双N步相移法进行改进消除周期性毛刺相位误差,首先通过相机捕获形变条纹图像并计算出两组截断相位,然后利用两组截断相位的相关性消除检测数据中的相位差、周期性毛刺相位误差,再对两组截断相位进行融合,最后通过互补格雷码相位展开法对融合后的截断相位进行相位展开。实验得出本文方法在检测效率不变的情况下,能有效消除周期性毛刺相位误差,得到高精度展开相位,相比于未消除周期性毛刺相位误差的互补格雷码双N步相移法,本文检测方法精度提高了约24.57%,相比于互补格雷码N步相移法,本文检测方法精度提高了约6.29%。

关键词：双N步相移法展开相位周期性毛刺相位误差互补格雷码

在线全文

学校读者我要写书评

暂无评论

超图神经网络综述

计算机研究与发展 2024年第2期61卷 362-384页

作者：林晶晶冶忠林赵海兴李卓然青海师范大学计算机学院西宁810008 藏语智能信息处理及应用国家重点实验室(青海师范大学) 西宁810008 西宁城市职业技术学院信息工程系西宁810003

近年来,图神经网络借助大量数据和超强计算能力在推荐系统和自然语言处理等应用领域取得显著成效,它主要处理具有成对关系的图数据.但许多现实网络中的对象之间的关系是复杂的非成对关系,如科研合作网络、蛋白质网络等.若直接用图结构... 详细信息

近年来,图神经网络借助大量数据和超强计算能力在推荐系统和自然语言处理等应用领域取得显著成效,它主要处理具有成对关系的图数据.但许多现实网络中的对象之间的关系是复杂的非成对关系,如科研合作网络、蛋白质网络等.若直接用图结构将这种复杂的关系表示为成对关系,会导致信息丢失.超图是一种灵活的建模工具,可以展现出图无法完整刻画的高阶关系,弥补了图的不足.鉴于此,研究者开始关心如何在超图上设计神经网络,并相继提出应用于下游任务的超图神经网络模型(hypergraph neural network,HGNNs).故对现有的超图神经网络模型进行综述,首先全面回顾超图神经网络在过去3年的研究历程;其次根据设计超图神经网络采用的方法不同对其进行分类,并详细地阐述代表性的模型;然后介绍了超图神经网络的应用领域;最后总结和探讨了超图神经网络未来的研究方向.

关键词：超图超图神经网络分类图图神经网络

在线全文

学校读者我要写书评

暂无评论

基于层次结构嵌入的动态社区检测

计算机科学 2024年

作者：朱瑞叶亚琴李圣文汤子健肖玥中国地质大学(武汉) 智能地学信息处理湖北省重点实验室

作为理解复杂网络内在模式和组织结构的有力工具，动态社区检测揭示了网络中相互密集连接的节点集合的演化过程，是社会科学、城市规划等领域的一项基本任务。近年来，动态社区检测领域涌现了大量基于表征学习的方法。这些方法通过融合... 详细信息

作为理解复杂网络内在模式和组织结构的有力工具，动态社区检测揭示了网络中相互密集连接的节点集合的演化过程，是社会科学、城市规划等领域的一项基本任务。近年来，动态社区检测领域涌现了大量基于表征学习的方法。这些方法通过融合网络拓扑结构和演化特征，将节点映射到低维连续向量空间中，实现了对节点相似度和差异性的准确度量。然而，现有表征学习方法未能充分考虑节点的长距离信息，导致节点表征未能全面捕捉网络的全局特征。对此，本文提出了一种基于层次结构嵌入的动态社区检测算法DHM。具体而言，DHM基于网络的多粒度特性生成层次结构，并通过设计自底向上和自顶向下的消息传递机制，将不同层次的节点组织关系嵌入至节点表征。在人工网络数据集和真实网络数据集上进行的实验结果显示，DHM在标准互信息、调整兰德指数和模块度三个指标上优于现有的动态社区检测算法，可以较好地完成时序网络下的社区检测任务。

关键词：动态社区检测时序网络模块度优化层次结构表征学习

模糊环境下基于遗传差分协同进化的多阶段投资组合模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工程数学学报 2024年第1期41卷 39-52页

作者：胡晨阳高岳林孙滢北方民族大学数学与信息科学学院银川750021 宁夏科学计算与智能信息处理协同创新中心银川750021 宁夏智能信息与大数据处理重点实验室银川750021

现实经济活动中投资一般是不确定的和随机的,投资者对于风险资产的选择大多情况下是多阶段的。基于该现实因素,在模糊环境下考虑多个摩擦因素,利用交易限制引入资产的基数约束,建立可能性均值–下半方差–熵多阶段投资组合优化模型(V-S-... 详细信息

现实经济活动中投资一般是不确定的和随机的,投资者对于风险资产的选择大多情况下是多阶段的。基于该现实因素,在模糊环境下考虑多个摩擦因素,利用交易限制引入资产的基数约束,建立可能性均值–下半方差–熵多阶段投资组合优化模型(V-S-M),该模型是一个多阶段混合整数规划问题。同时,给出了求解该模型的一个遗传差分协同进化算法(GAHDE),并对不同风险态度下的投资组合策略进行了分析,同时将所得数值结果与可能性均值–下半方差模型(V-M)和可能性均值–熵模型(S-M)进行模型对比,与标准的遗传算法和差分进化算法进行了算法对比,结果验证了所建模型和设计算法的优越性与有效性。

关键词：投资组合多阶段模糊环境遗传算法差分进化算法

在线全文

学校读者我要写书评

暂无评论

JPEG原图重构取证方法

信号处理 2024年第6期40卷 1122-1140页

作者：黎溢轩李昊东曾吉申黄瑞灵黄继武广东省智能信息处理重点实验室广东深圳518060 阿里巴巴集团浙江杭州310000

数字图像已被广泛用于办理各类网上业务和作为司法证据。与此同时,利用流行的图像编辑软件,普通用户就可以对图像进行语义篡改而不留下视觉痕迹。因此,对数字图像的原始性和真实性进行辨识已成为迫切的应用需求。基于元数据的图像篡改... 详细信息

数字图像已被广泛用于办理各类网上业务和作为司法证据。与此同时,利用流行的图像编辑软件,普通用户就可以对图像进行语义篡改而不留下视觉痕迹。因此,对数字图像的原始性和真实性进行辨识已成为迫切的应用需求。基于元数据的图像篡改取证方法因准确性高、计算量小而得到重视。然而,原图重构技术(例如应用MagicEXIF元数据编辑器)的出现使上述方法完全失效。针对这一问题,本文提出一种JPEG图像原图重构取证方法,用于检测图像是否受到重构攻击。通过分析原图重构的过程,以及重构前后图像的像素统计特征差异,本文对深度学习隐写分析模型SRNet(Steganalysis Residual Network)进行轻量化改进:裁剪其冗余的下采样层以减少参数,引入通道注意力机制以提高对关键特征的提取能力,并采用知识蒸馏的方法进一步提升模型的准确率。进一步地,通过分析重构对不同颜色分量的影响,采用YCbCr颜色分量作为模型输入,以提高检测性能。为测试算法的性能,我们收集了由不同品牌和型号的手机拍摄的图像数据,构建了大规模重构图像数据库。实验表明,本文提出的模型在参数量显著减少的情况下性能优于流行的模型,对512×512大小的图像可取得98%以上的检测正确率,且具有良好的跨设备泛化能力。同时,通过应用迁移学习,本文方法对不同版本的重构软件也具有较好的泛化性。

关键词：图像元数据原图重构图像取证重构检测轻量化模型

水声网络不等差错保护的避环ROFC-LF码算法与分析

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第8期52卷 2591-2606页

作者：柳秀秀杜秀娟韩多亮青海师范大学计算机学院青海西宁810008 青海省物联网重点实验室青海西宁810008 藏语智能信息处理及应用国家重点实验室青海西宁810008

随着智慧海洋的发展,水声网络多媒体数据的传输受到学者关注.水声网络高度动态的拓扑导致相邻节点数据传输不完整,压缩的水下图像或视频等数据对重建数据的质量有不同影响,因此水声网络需要具有不等差错保护(Unequal Error Protection,U... 详细信息

随着智慧海洋的发展,水声网络多媒体数据的传输受到学者关注.水声网络高度动态的拓扑导致相邻节点数据传输不完整,压缩的水下图像或视频等数据对重建数据的质量有不同影响,因此水声网络需要具有不等差错保护(Unequal Error Protection,UEP)的编码机制来编解码重要性不等的多媒体数据.递归与限制反馈的在线喷泉码(Recursive Online Fountain Code with Limited Feedback,ROFC-LF)具有开销低、反馈少及编译码简单等特点,因此适用于水声网络.本文针对水声信道带宽窄、延时长及能量受限等特点,系统地分析了ROFC-LF编码机制建立阶段存在的环问题.针对ROFC-LF编码存在的环和无法提供UEP功能这两个问题,本文提出了两个优化目标.此外,还提出了具有不等差错保护的避环ROFC-LF编码机制.该编码机制减少了由于建立阶段最大组件存在环引起的无用编码包的数量,进而降低了网络能耗.不等差错保护的避环ROFC-LF编码机制在建立阶段和完成阶段分别采用权重策略和数据优先级策略来实现UEP特性,并利用随机图理论对该编码机制进行理论分析,理论结果和仿真实验结果一致.结果表明:该编码机制能够快速的恢复重要数据的同时,降低了编码包的数量,适用于网络拓扑结构动态变化的水声网络传输重要性不等的多媒体数据.

关键词：水声网络 ROFC-LF 不等差错保护避环权重数据优先级

基于ControlVAE的约束嵌入稠密时变阵列构建

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第1期52卷 354-363页

作者：孙文力原达姜新波山东工商学院山东高校智能信息处理重点实验室山东烟台264005 山东大学齐鲁交通学院山东济南250002

在对探地雷达(Ground Penetrating Radar,GPR)数据进行三维建模与可视化分析过程中,其所依赖的三维时变阵列通常是由一维数据道或二维阵列间接生成的.由于采集到的数据往往比较稀疏,且存在不规则偏移,需要进行稠密处理,以获得高密度三... 详细信息

在对探地雷达(Ground Penetrating Radar,GPR)数据进行三维建模与可视化分析过程中,其所依赖的三维时变阵列通常是由一维数据道或二维阵列间接生成的.由于采集到的数据往往比较稀疏,且存在不规则偏移,需要进行稠密处理,以获得高密度三维时变阵列.本文提出了一种基于可控变分自编码(Controllable Variational AutoEncoder,ControlVAE)的约束嵌入稠密时变阵列构建方法 .使用基于ControlVAE的时变数据重构网络,通过隐空间采样插值和深浅层特征信息的融合,生成接近真实分布的伪道数据来增加阵列密度.构建了基于尺度不变特征变换的数据配准模块,提取道间梯度特征与结构对称性特征,可以在时空域内完成数据配准.同时将浅层特征作为约束信息嵌入数据重构网络,以消除数据道偏移对阵列生成的影响.实验结果表明,本文方法仅使用单测线二维B-scan数据集即可重建稠密时变阵列,可以有效降低重构模型累积误差,提高面对复杂真实数据时的鲁棒性.

关键词：时变阵列数据生成探地雷达约束嵌入可控变分自编码模型

在线全文

学校读者我要写书评

暂无评论

融合二连通模体结构信息的节点分类算法

计算机应用 2024年第5期44卷 1464-1470页

作者：郑文萍葛慧琳刘美麟杨贵山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 山西大学智能信息处理研究所太原030006

节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合... 详细信息

节点表示学习将图结构数据信息编码到低维的潜在空间中,在节点分类、聚类、链路预测等机器学习任务中被广泛应用。在复杂网络中,节点与节点之间不仅存在直接相连的低阶结构,也存在以特殊连接模式形成的高阶结构,称为模体。提出一种融合二连通模体结构信息的节点分类算法(FMI),利用节点间高阶二连通模体信息学习节点表示,完成节点分类任务。首先,统计网络中的二连通模体,利用其中信息提出一个节点重要性的度量指标——模体比值。根据模体比值计算采样概率进行邻域采样;构造一个带权辅助图以融合网络节点连接的低阶关系与高阶关系,对节点进行加权邻域聚合以得到节点表示。在5个数据集Cora、Citeseer、Pubmed、Wiki和DBLP上执行节点分类任务,与5种经典基准算法进行对比,所提算法FMI在准确度和F1-分数等指标上表现良好。

关键词：节点表示二连通模体邻域采样邻域聚合节点分类