检索结果-南通市图书馆

基于改进AlexNet和线性迭代聚类的超像素分割方法

在线全文

学校读者我要写书评

暂无评论

大连工业大学学报 2022年第4期41卷 298-305页

作者：陈孝如广州软件学院软件工程系广东广州510990

针对超像素分割算法目标边缘分割不精确等问题,提出一种基于改进AlexNet和简单线性迭代聚类的超像素分割方法。采用可微分聚类算法模块,以取代SLIC算法中的硬像素-超像素关联;通过将迁移学习融入AlexNet模型,对全连接层参数进行调整,保... 详细信息

针对超像素分割算法目标边缘分割不精确等问题,提出一种基于改进AlexNet和简单线性迭代聚类的超像素分割方法。采用可微分聚类算法模块,以取代SLIC算法中的硬像素-超像素关联;通过将迁移学习融入AlexNet模型,对全连接层参数进行调整,保留原网络的卷积层,根据所得到的特征进一步把识别检测问题转换成分离目标和背景的二分类问题。训练一个可微分的聚类算法模块,以产生准确的超像素。在BSDS500和MRI数据集上进行图像生成和图像分割的仿真结果表明,所提出的方法在图像生成边界召回率指标和超像素的生成时间性能指标分别达到69.32%和0.7037 s,实现了性能和时间的平衡,有效提高超像素的分割精度和分割时间效率。

关键词：深度学习图像处理超像素多层级迭代分割超像素合并

在物联网资源受限的MCU上部署深度压缩神经网络

在线全文

学校读者我要写书评

暂无评论

大连工业大学学报 2022年第2期41卷 147-156页

作者：陈立军张屹陈孝如广州软件学院软件工程系广东广州510990

物联网微处理器单元(MCU)的随机存取存储器容量小(64~2048 kB),是物联网(IoT)发展的最大挑战之一。现有的神经网络压缩算法大多是为了减小深度神经网络(DNN)的模型尺寸,使其能够适应有限的存储空间,并没有显著减少中间特征映射的大小,... 详细信息

物联网微处理器单元(MCU)的随机存取存储器容量小(64~2048 kB),是物联网(IoT)发展的最大挑战之一。现有的神经网络压缩算法大多是为了减小深度神经网络(DNN)的模型尺寸,使其能够适应有限的存储空间,并没有显著减少中间特征映射的大小,即使经过压缩,神经网络也有可能不能在微处理器单元中运行。为了在资源受限的物联网微处理器单元上,部署深度神经网络来实现嵌入式设备的智能,提出了一个轻量级的运行时工作内存压缩方法,来动态修剪中间输出特征映射值,使工作内存减少到比RAM还小,以确保能够适应有限的内存。实验结果表明,该方法能够显著降低深度神经网络的工作内存,以满足物联网微处理器RAM大小的约束,同时在内存开销和运行时延相对较低的情况下保持输出推论的准确性。

关键词：微处理器人工智能神经网络轻量级压缩边缘计算

在线全文

学校读者我要写书评

暂无评论

一种半监督集成跨项目软件缺陷预测方法

软件学报 2017年第6期28卷 1455-1473页

作者：何吉元孟昭鹏陈翔王赞樊向宇天津大学软件学院软件工程系天津300072 南通大学计算机科学与技术学院江苏南通226019

软件缺陷预测方法可以在项目的开发初期,通过预先识别出所有可能含有缺陷的软件模块来优化测试资源的分配.早期的缺陷预测研究大多集中于同项目缺陷预测,但同项目缺陷预测需要充足的历史数据,而在实际应用中,可能需要预测项目的历史数... 详细信息

软件缺陷预测方法可以在项目的开发初期,通过预先识别出所有可能含有缺陷的软件模块来优化测试资源的分配.早期的缺陷预测研究大多集中于同项目缺陷预测,但同项目缺陷预测需要充足的历史数据,而在实际应用中,可能需要预测项目的历史数据较为稀缺,或这个项目是一个全新项目.因此,跨项目缺陷预测问题成为当前软件缺陷预测领域内的一个研究热点,其研究挑战在于源项目与目标项目数据集间存在的分布差异性以及数据集内存在的类不平衡问题.受到基于搜索的软件工程思想的启发,提出了一种基于搜索的半监督集成跨项目软件缺陷预测方法 S^3EL.该方法首先通过调整训练集中各类数据的分布比例,构建出多个朴素贝叶斯基分类器;随后,利用具有全局搜索能力的遗传算法,基于少量已标记目标实例对上述基分类器进行集成,并构建出最终的缺陷预测模型.在Promise数据集及AEEEM数据集上与多个经典的跨项目缺陷预测方法(Burak过滤法、Peters过滤法、TCA+、CODEP及HYDRA)进行了对比.以F1值作为评测指标,结果表明:在大部分情况下,S^3EL方法可以取得最好的预测性能.

关键词：跨项目软件缺陷预测半监督学习集成学习遗传算法朴素贝叶斯

在线全文

学校读者我要写书评

暂无评论

基于人工智能的高校学生表现预测模型

计算机系统应用 2023年第6期32卷 212-220页

作者：陈立军潘正军陈孝如广州软件学院软件工程系广州510990

教育是实现可持续发展目标的重要推动因素,为了实现可持续发展目标,人工智能(AI)是一项蓬勃发展的技术,人们对理解学生行为和评估学生表现越来越感兴趣,人工智能在改善教育方面有着巨大的潜力,因为它已经开始在教育领域被开发出创新的... 详细信息

教育是实现可持续发展目标的重要推动因素,为了实现可持续发展目标,人工智能(AI)是一项蓬勃发展的技术,人们对理解学生行为和评估学生表现越来越感兴趣,人工智能在改善教育方面有着巨大的潜力,因为它已经开始在教育领域被开发出创新的教学方法,以创造更好的学习.介绍了一种基于人工智能的分析工具,用于预测某所大学一年级信息技术课的学生表现,建立了基于随机森林的分类模型,预测第6周学生的学习成绩,准确率为97.03%,敏感性为95.26%,特异性为98.8%,精密度为98.86%,马修斯相关系数为94%,证明了这种方法在预测学生课程的早期表现,非常有用.在COVID-19疫情期间,实验结果表明,建议的预测模型满足预测虚拟教育系统中学生的学习行为要素所需的准确性、精确度和召回率.

关键词：可持续发展人工智能高等教育机器学习数据分类预警系统学生成绩预测

在线全文

学校读者我要写书评

暂无评论

基于进化算法优化区块链系统的能源消耗

黑龙江科技大学学报 2022年第6期32卷 836-844页

作者：陈立军潘正军陈孝如广州软件学院软件工程系广州510990

为避免区块链的工作证明算法消耗大量能源,分析了区块链的可持续性和节能机制与共识算法的关系,将能源消耗问题转化为基于搜索的软件工程,由软件工程寻找最优和接近的解决方案。构建了由能源消耗少、碳排放少、去中心化和信任多个适应... 详细信息

为避免区块链的工作证明算法消耗大量能源,分析了区块链的可持续性和节能机制与共识算法的关系,将能源消耗问题转化为基于搜索的软件工程,由软件工程寻找最优和接近的解决方案。构建了由能源消耗少、碳排放少、去中心化和信任多个适应度函数的模型,通过选择最小化能源消耗的矿工子集探索复杂的搜索空间,将提出的适应度函数集成到5个进化算法中,实现区块链矿工选择的优化问题。结果表明:与现有的5种进化算法相比,在声誉(非功能属性)减少40%的情况下,能源使用量减少了高达88%,若使用基于私有区块链的系统,节省可高达90%以上。该研究验证了所构建模型可使区块链系统的环境可持续性得到增强。

关键词：工作证明能源消耗基于搜索的软件工程区块链算法优化可持续性

在线全文

学校读者我要写书评

暂无评论

改进松鼠搜索算法的云计算多目标任务调度

计算机工程与设计 2022年第7期43卷 1990-1997页

作者：陈孝如曾碧卿广州软件学院软件工程系广东广州510990 华南师范大学软件学院广东佛山528225

为解决现有方法在任务调度过程中由于非确定性、多项式完全性和大规模等因素导致无法有效获得全局最优解的问题,提出一种改进松鼠搜索算法(SSA)的云计算多目标任务调度方法。构建基础设施即服务(IaaS)的云模型,设计多目标任务调度算法... 详细信息

为解决现有方法在任务调度过程中由于非确定性、多项式完全性和大规模等因素导致无法有效获得全局最优解的问题,提出一种改进松鼠搜索算法(SSA)的云计算多目标任务调度方法。构建基础设施即服务(IaaS)的云模型,设计多目标任务调度算法框架以及相应的多目标函数,实现成本和执行时间的最小化;引入空间变异与扩散机制对传统的SSA进行改进,实现快速收敛,利用改进型SSA求解多目标任务调度问题。在CloudSim模拟器工具包中,使用标准工作负载和合成工作负载对所提方法进行实验论证,其结果表明,所提方法的成本、执行时间以及收敛速速度均优于其它方法,实现了显著的最优权衡。

关键词：改进松鼠搜索算法云计算多目标任务调度空间变异扩散机制 CloudSim

在线全文

学校读者我要写书评

暂无评论

结合上下文注意力的卷积自校正图像语义分割

计算机工程与设计 2022年第2期43卷 525-533页

作者：陈孝如曾碧卿广州软件学院软件工程系广东广州510990 华南师范大学软件学院广东佛山528225

针对现有图像语义分割中存在小目标对象分割精度不高等问题,提出一种结合上下文注意力的卷积自校正图像语义分割模型。使用上下文注意力机制挖掘局部区域内细粒度特征,结合上下文循环神经网络和残差学习充分挖掘图像的深层隐含语义特征... 详细信息

针对现有图像语义分割中存在小目标对象分割精度不高等问题,提出一种结合上下文注意力的卷积自校正图像语义分割模型。使用上下文注意力机制挖掘局部区域内细粒度特征,结合上下文循环神经网络和残差学习充分挖掘图像的深层隐含语义特征;构建辅助分割模型,在给定图像和边界框注释的情况下生成每像素的标签分布,提出卷积自校正模型,实现分割模型的动态调整。基于3种数据集对所提模型的分割精度进行实验论证,实验结果表明,所提模型的分割精度与分割效果均明显高于其它模型,具有良好的泛化能力。

关键词：上下文注意力卷积自校正图像语义分割辅助分割模型平均交并比平均像素精度

在线全文

学校读者我要写书评

暂无评论

考虑节点序列和时序特性的车辆轨迹预测算法

计算机仿真 2024年

作者：高方勇程允丽广州软件学院软件工程系华中科技大学软件学院

车辆数量增加使道路交通堵塞问题日益严峻，对车辆轨迹的准确预测可以帮助预防事故和减少交通违法行为。因此，将车辆轨迹预测作为研究方向，提出基于节点序列和时序特性的预测算法。分别利用导航定位系统和解码器，生成车辆的历史轨迹... 详细信息

车辆数量增加使道路交通堵塞问题日益严峻，对车辆轨迹的准确预测可以帮助预防事故和减少交通违法行为。因此，将车辆轨迹预测作为研究方向，提出基于节点序列和时序特性的预测算法。分别利用导航定位系统和解码器，生成车辆的历史轨迹和潜在轨迹。将历史轨迹、潜在轨迹和隐马尔科夫模型为算法的输入项，车辆未来移动轨迹的近邻单元集为输出项。使用隐马尔科夫模型作为轨迹数据库，利用Viterbi算法从中获取历史轨迹的最大概率双层隐藏状态序列，结合潜在轨迹，预测出车辆未来各时段的移动轨迹近邻单元，得到最终轨迹。实验结果表明，所提算法预测准确度高，欧式距离均值仅有1.52m，应对复杂交通场景的能力较强，且在实时需求方面表现突出，推理速度高达38FPS，时间仅需12ms。

关键词：空间节点序列时序特性历史轨迹潜在轨迹隐马尔科夫模型车辆轨迹预测

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CUDA程序的性能预测框架

电子学报 2020年第4期48卷 654-661页

作者：曲海成于思淼刘万军王鑫源辽宁工程技术大学软件学院软件工程系辽宁葫芦岛125105 辽宁工程技术大学软件学院辽宁葫芦岛125105

为对CUDA并行程序内核性能进行分析和预测,从而指导并行程序设计及性能优化,提出一种性能预测框架.1)从GPU编程模型和设备架构细节入手,以线程束为研究单位,通过整合与GPU程序用时密切相关的软硬件基本特征,定义了并行空间闲置度、流处... 详细信息

为对CUDA并行程序内核性能进行分析和预测,从而指导并行程序设计及性能优化,提出一种性能预测框架.1)从GPU编程模型和设备架构细节入手,以线程束为研究单位,通过整合与GPU程序用时密切相关的软硬件基本特征,定义了并行空间闲置度、流处理器线程束负载、并行效应因子等高层次性能相关特征.2)基于上述特征,框架针对线程负载均衡型GPU程序,评估内核函数在不同问题规模以及执行配置下的执行时间.3)依据性能评估原理提出了内核函数执行配置参数的优化策略.验证实验结果表明,该框架在两种典型情境下对现有程序性能的平均预测准确率分别达到89%和94%,客观归纳了高层次特征与程序性能间的相关关系,且能定性分析并行算法性能水平.

关键词：性能预测线程束设备并行空间并行效应性能特征执行配置参数优化