检索结果-南通市图书馆

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

面向三维多目标追踪的运动补偿优化方法

电子学报 2024年第2期52卷 528-539页

作者：王顺洪张昱沈江楠吉建民张燕咏中国科学技术大学计算机科学与技术学院安徽合肥230027

三维多目标追踪是自动驾驶系统中的关键模块之一,其结果的优劣主要取决于追踪模块中数据关联过程的准确度.现有的追踪方法大多从外观特征或运动特征出发计算两帧之间物体的相似度,而基于运动特征的方法通常根据当前帧和历史帧三维包围... 详细信息

三维多目标追踪是自动驾驶系统中的关键模块之一,其结果的优劣主要取决于追踪模块中数据关联过程的准确度.现有的追踪方法大多从外观特征或运动特征出发计算两帧之间物体的相似度,而基于运动特征的方法通常根据当前帧和历史帧三维包围框之间的交并比(Intersection over Union,IoU)进行关联,然而这种方式在观测点物体自身运动时存在严重缺陷.在观测点物体自身进行运动时,观测到的两帧数据将处于不同的局部坐标系,导致无法使用运动模型准确预测已追踪物体在下一帧中的位置.本文针对上述问题,通过引入观测点自身的惯性测量单元(Inertial Measurement Unit,IMU)或全球定位系统(Global Positioning System,GPS)数据,在一帧数据到达之后计算当前帧局部坐标系与上一帧局部坐标系之间的旋转和平移关系,并对已追踪的物体状态按得到的坐标变换关系进行运动补偿,使其抵消因观测点自身运动造成的偏移量.这种运动补偿增强了追踪模块的数据关联环节,提高追踪时三维包围框的关联成功率,降低误关联数量,改善三维多目标追踪的精度.在相关追踪框架及KITTI数据集上的原型验证表明,所提的运动补偿优化方法实现了1%左右的精度提升.

关键词：自动驾驶运动补偿三维多目标追踪运动特征全球定位系统惯性测量单元

维普期刊数据库

融合特征选择与多模型软投票集成学习的代码异味检测方法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年

作者：黄晨峻高建华上海师范大学计算机科学与技术系

代码异味会导致软件质量逐渐衰退，降低软件可理解性和可维护性。为检测软件结构中的代码异味，提出了一种基于CK度量的、经过两步特征选择的软投票集成学习的代码异味检测方法，该方法首先进行特征选择，使用Pearson相关系数剔除冗余... 详细信息

代码异味会导致软件质量逐渐衰退，降低软件可理解性和可维护性。为检测软件结构中的代码异味，提出了一种基于CK度量的、经过两步特征选择的软投票集成学习的代码异味检测方法，该方法首先进行特征选择，使用Pearson相关系数剔除冗余特征，并在剩余度量中使用XGBoost特征重要性筛选相关度大的度量。然后，针对仅使用单一机器学习模型泛化性能不佳的问题，提出一种基于5种较成熟机器学习模型的软投票集成学习模型，完成代码异味分类检测任务。实验基于CK度量，利用含7个开源项目、4种代码异味的数据集，实验结果表明，此种方法能够减少特征维度，且在性能指标上优于其它分类模型，其中F1值最高提升3.24%，AUC最高提升2.32%。

关键词：代码异味特征选择 CK度量投票模型集成学习

基于卷积神经网络和长短期记忆的死代码检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：孙义康高建华上海师范大学计算机科学与技术系

死代码是一种不良代码异味，会导致软件质量逐渐衰退。传统的死代码检测方法主要依赖于静态分析技术、代码结构的度量以及启发式规则，这些方法在开发者之间存在高度差异。并对源代码文本信息关注较少，忽略代码在实际执行过程中的情况... 详细信息

死代码是一种不良代码异味，会导致软件质量逐渐衰退。传统的死代码检测方法主要依赖于静态分析技术、代码结构的度量以及启发式规则，这些方法在开发者之间存在高度差异。并对源代码文本信息关注较少，忽略代码在实际执行过程中的情况，存在较大的局限性。针对以上问题，设计了一种新型死代码检测方法，该方法采用了一种基于卷积神经网络和长短期记忆相结合的技术，其主要思路是将代码文本信息和代码度量信息相结合，以提高死代码检测的准确性。首先，使用DUM-Tool等工具并结合人工以确定应用程序中的死代码实例，并做出死代码标记，以深度优先遍历抽象语法树以获取源代码的文本信息，将标签值与文本信息相匹配，再使用CK代码度量提取工具获取源代码的代码度量信息。然后通过Word2Vec将文本信息转化为词向量，使用卷积神经网络提取代码度量信息的特征，将二者拼接得到死代码检测的数据集，最后使用长短期记忆网络对数据集进行训练，再使用Sigmoid进行分类。实验结果表明，将代码文本信息和度量信息相结合时可以有效的实现死代码的检测，与传统的检测方法相比，平均F1值可以最高提升12.58%。

关键词：死代码深度学习文本信息代码度量特征提取

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于编码的反射通信协议设计与性能分析

计算机研究与发展 2024年

作者：何昕吴帆祝玉军许勇杨盘隆安徽师范大学计算机与信息学院南京信息工程大学计算机学院中国科学技术大学计算机科学与技术学院

周围环境中不断增加的物联网设备给我们带来了巨大的机遇，但也带来了挑战，包括有限的电池寿命、低计算能力和多址接入的可扩展性．反向散射通信使得无处不在的物联网设备能够以超低功耗的方式进行通信，然而，支持大规模并发通信也是... 详细信息

周围环境中不断增加的物联网设备给我们带来了巨大的机遇，但也带来了挑战，包括有限的电池寿命、低计算能力和多址接入的可扩展性．反向散射通信使得无处不在的物联网设备能够以超低功耗的方式进行通信，然而，支持大规模并发通信也是反射通信需要研究的问题之一．针对大规模标签并发通信误码率较高，传输速率低等问题，设计基于编码的码分多址接入技术，以支持多标签反向散射并发可靠通信．首先，该系统利用沃尔什码等正交性较强的码片区分标签，结合纠错编码，以增强抗干扰能力；其次利用相关检测与译码联合解码，降低误码率，实现信道的可靠通信；最后，在此基础上，基于K均值聚类算法（K-means clustering algorithm）设计标签分组机制，充分利用时-码2维资源，扩充容量．实验表明，该方案能够实现100+个标签的可靠通信，误码率约2%，吞吐量达到了39Mbps．

关键词：反向散射通信多标签码分多址接入分组算法性能评价

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

BWSS:结合可疑集合簇计算极小碰集的Boolean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

软件学报 2024年

作者：赵相福黄森魏霞童向荣欧阳丹彤张立明烟台大学计算机与控制工程学院浙江师范大学计算机系吉林大学计算机科学与技术学院

在基于模型的诊断领域中,因为极小冲突集的极小碰集即为待诊断设备的候选诊断,所以计算极小碰集是候选诊断的一个关键步骤.其中,极小碰集是一个NP-hard约束求解问题,随着问题规模增大,求解难度成指数级增长. Boolean算法是计算极小碰集... 详细信息

在基于模型的诊断领域中,因为极小冲突集的极小碰集即为待诊断设备的候选诊断,所以计算极小碰集是候选诊断的一个关键步骤.其中,极小碰集是一个NP-hard约束求解问题,随着问题规模增大,求解难度成指数级增长. Boolean算法是计算极小碰集的经典算法,然在求解过程中,解集的极小化却占据运算的绝大部分时间.为解决该问题并提升计算效率,本文提出了结合可疑集合簇计算极小碰集的BWSS算法,通过深度分析Boolean算法生成树规则,找到使候选解成为超集的集合,在向根节点扩展元素时,如果候选解与可疑集合簇中至少一个集合交集为空,那么该解为极小候选解,否则删除该解,通过递归的策略保证算法结束时产生且仅产生所有极小碰集.除此之外,每个候选解在极小化时,至少存在m(m≥1)个元素甚至整个解无需极小化.理论上, BWSS算法的复杂度要远低于Boolean算法.通过随机数据及大量基准电路数据,实验结果表明本文所提算法与目前最先进的几种算法相比,运行时间减少了几个数量级.

关键词：基于模型诊断极小碰集 Boolean算法候选解冲突集

基于SDL-LightGBM集成学习的软件缺陷预测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

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

维普期刊数据库

基于三维荧光光谱结合2D-LDA的食用油掺假鉴别研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第11期44卷 3179-3185页

作者：姜海洋崔耀耀贾彦国谌志鹏燕山大学信息科学与工程学院计算机科学与工程系唐山师范学院计算机科学技术系石家庄学院机电学院

食用油掺假行为严重威胁消费者的身体健康并扰乱社会市场秩序。研究有效的食用油掺假鉴别方法对于构建安全、可靠的食品供应链和提升消费者福祉具有重要意义。以食用油中的香油为例开展食用油掺假鉴别方法研究。通过芝麻香精与玉米油、... 详细信息

食用油掺假行为严重威胁消费者的身体健康并扰乱社会市场秩序。研究有效的食用油掺假鉴别方法对于构建安全、可靠的食品供应链和提升消费者福祉具有重要意义。以食用油中的香油为例开展食用油掺假鉴别方法研究。通过芝麻香精与玉米油、大豆油以及菜籽油三种食用油配制了3类掺假香油；使用FLS920稳态荧光光谱仪采集了这3类掺假香油以及不同品牌香油共计45个实验样本的三维荧光光谱数据；基于2D-LDA方法提取了实验样本的二维特征，并以此为依据采用最近邻分类原理实现了掺假食用油的准确鉴别。将所述方法与平行因子结合非线性判别分析(PARAFAC-QDA)、多维偏最小二乘——判别分析(NPLS-DA)两种方法进行了对比。结果表明，2D-LDA方法能够有效提取掺假香油的二维特征。这些特征能够使不同类别的实验样本在投影子空间中实现最大程度分离；同时可使相同类别的实验样本在子空间中尽可能地紧密聚集，进而使得样本在低维子空间中具有更好的可分性，从而获得了100%的鉴别准确率。而PARAFAC-QDA和NPLS-DA两种方法仅分别获得了85%和95%的鉴别准确率。2D-LDA方法相比于这两种方法在食用油掺假鉴别特别是现场快速检测的实际应用中更具优势和潜力，其鉴别过程与结果更加简捷和精确。研究为现场食品安全监管提供了一种高效可行的新方案。

关键词：食用油三维荧光光谱二维线性判别分析(2D-LDA) 掺假鉴别

维普期刊数据库

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年第10期 3312-3321页

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