检索结果-南通市图书馆

基于探测间隔变化的OpenFlow交换机超时嗅探方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

信息网络安全 2025年第2期 295-305页

作者：杨致远崔允贺陈意郭春贵州大学计算机科学与技术学院贵阳550025 公共大数据国家重点实验室贵阳550025 文本计算与认知智能教育部工程研究中心贵阳550025 贵州省软件工程与信息安全特色重点实验室贵阳550025

软件定义网络(SDN)通过分离控制平面和数据平面实现了网络的集中化、可编程化和灵活化。但这种架构也使SDN面临新的攻击威胁,针对SDN交换机的超时嗅探是其面临的主要安全威胁之一。现有的超时嗅探方法忽略了超时的最大值、探测包的生成... 详细信息

软件定义网络(SDN)通过分离控制平面和数据平面实现了网络的集中化、可编程化和灵活化。但这种架构也使SDN面临新的攻击威胁,针对SDN交换机的超时嗅探是其面临的主要安全威胁之一。现有的超时嗅探方法忽略了超时的最大值、探测包的生成时间以及超时之间的关系对于探测超时的影响,导致出现探测失败、超时类型识别错误和超时值探测精度低的问题。为解决上述问题,文章提出一种基于探测间隔变化的OpenFlow交换机流表项超时机制嗅探方法—TIMIC。该方法先通过调整探测包的发送间隔获得超时值,再通过该超时值判断具体的超时机制及更精确的超时值。实验结果表明,TIMIC在不同的超时机制下都能成功探测超时类型和超时值,且探测出的超时值能够保持较小的探测误差。在通用的超时设置下,TIMIC发送的超时探测包更少,探测成本更低。

关键词：软件定义网络超时机制嗅探探测间隔

基于增强句法信息与多特征图卷积融合的方面级情感分析

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2025年第3期19卷 738-748页

作者：田继帅艾芳菊湖北大学计算机与信息工程学院武汉430062 智慧政务与人工智能应用湖北省工程研究中心武汉430062 大数据智能分析与行业应用湖北省重点实验室(湖北大学) 武汉430062

方面级情感分析作为情感计算领域的重要任务,旨在识别文本中关于特定方面的情感倾向。为了提高在这一任务中的性能,提出了一种增强句法信息与多特征图卷积融合的网络模型(ESMFGCN),利用依赖树表示句子中单词之间的语法结构关系,由于单... 详细信息

方面级情感分析作为情感计算领域的重要任务,旨在识别文本中关于特定方面的情感倾向。为了提高在这一任务中的性能,提出了一种增强句法信息与多特征图卷积融合的网络模型(ESMFGCN),利用依赖树表示句子中单词之间的语法结构关系,由于单纯地使用依赖树方法在建模时会引发不相关的噪声问题,引入了短语结构树,并将短语树转化为层级短语矩阵,并将由依赖树构造的邻接矩阵和层级短语矩阵合并作为图卷积网络的初始矩阵,用于增强句法信息。为了更精细地捕捉方面词与整个句子之间的关联,引入了注意力机制,对方面词上下文和整个句子建立更为精细的关联,并通过图卷积网络提取语义信息。设计融合层用于融合语义信息与句法信息,从而提高方面级情感分析的准确性和鲁棒性。在Restaurant、Laptop、Twitter数据集上分别设计对比实验、消融实验和敏感性分析实验,实验结果表明,相较于其他研究方法,该方法取得了显著的性能提升,证明了模型的有效性和优越性。

关键词：方面级情感分析句法特征注意力机制图卷积网络

融合深度强化学习的卷积神经网络联合压缩方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2025年第6期61卷 210-219页

作者：马祖鑫崔允贺秦永彬申国伟郭春陈意钱清贵州大学计算机科学与技术学院文本计算与认知智能教育部工程研究中心贵阳550025 贵州大学公共大数据国家重点实验室贵阳550025 贵州大学贵州省软件工程与信息安全特色重点实验室贵阳550025 贵州财经大学信息学院贵阳550025

随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果... 详细信息

随着边缘计算、边缘智能等概念的兴起,卷积神经网络的轻量化部署逐渐成为研究热点。传统的卷积神经网络压缩技术通常分阶段地、独立地执行剪枝与量化策略,但这种方式没有考虑剪枝与量化过程的相互影响,使其无法达到最优的剪枝与量化结果,影响压缩后的模型性能。针对以上问题,提出一种基于深度强化学习的神经网络联合压缩方法——CoTrim。CoTrim同时执行通道剪枝与权值量化,利用深度强化学习算法搜索出全局最优的剪枝与量化策略,以平衡剪枝与量化对网络性能的影响。在CIFAR-10数据集上对VGG和ResNet进行实验,实验表明,对于常见的单分支卷积和残差卷积结构,CoTrim能够在精度损失仅为2.49个百分点的情况下,将VGG16的模型大小压缩至原来的1.41%。在复杂数据集Imagenet-1K上对紧凑网络MobileNet和密集连接网络DenseNet进行实验,实验表明,对于深度可分离卷积结构以及密集连接结构,CoTrim依旧能保证精度损失在可接受范围内将模型压缩为原始大小的1/5~1/8。

关键词：卷积神经网络深度强化学习模型压缩通道剪枝权值量化边缘智能

卷积时间注意力与多尺度信息学习的人体行为检测方法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2025年

作者：孟月波陈廷廷杨逍西安建筑科技大学信息与控制工程学院建筑机器人陕西省高等学校重点实验室

人体行为检测旨在精准定位视频中人员的空间位置，并有效识别其执行的各类动作。针对因动作变化细微以及不同动作表征相似所导致的行为检测不准确的问题，提出了卷积时间注意力与多尺度信息学习的时空动作检测网络（CTAMIL-Net）。首先... 详细信息

人体行为检测旨在精准定位视频中人员的空间位置，并有效识别其执行的各类动作。针对因动作变化细微以及不同动作表征相似所导致的行为检测不准确的问题，提出了卷积时间注意力与多尺度信息学习的时空动作检测网络（CTAMIL-Net）。首先，设计一种多尺度信息学习2D网络(MSILN)，采用异尺度卷积层从关键帧中抽取不同粒度的特征信息，并通过注意力特征融合模块(AFF)自适应地聚合高级语义与低级细节特征，以捕获目标外观特征，感知动作的细微变化；其次，提出一种3D卷积时间注意力(3D-CTA)，分别从帧间、帧内捕获短-长时时间依赖关系，并利用3D主干网络(3D-ResNext-101)挖掘更具判别性的目标运动特征，共同提升对相似动作的区分度；最后，采用特征融合检测头将2D外观特征和3D运动特征语义交互并得出动作检测结果。实验结果表明本文算法与现有先进方法在公共动作检测数据集UCF24、AVA和自建热不适动作数据集TDA上均取得了较好的性能结果，能够准确检测出热环境中的热不适动作，如扇风、穿衣脱衣等，验证了所提方法在以热不适动作检测为典型应用场景中的有效性，为复杂环境下的人体行为检测提供了新的解决方案。

关键词：热不适动作动作检测 3D卷积时间注意力多尺度信息学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于关系特征强化的全景场景图生成方法

计算机应用 2025年第2期45卷 584-593页

作者：李林昊王逸泽李英双董永峰王振河北工业大学人工智能与数据科学学院天津300401 河北省大数据计算重点实验室(河北工业大学) 天津300401 河北省数据驱动工业智能工程研究中心(河北工业大学) 天津300401

全景场景图生成(PSGG)旨在识别图像中所有对象并自动地捕获所有对象间的语义关联关系。语义关联关系建模依赖目标对象及对象对(subject-object pair)的特征描述,然而现行工作中存在以下不足:采用边界框提取方式获取的对象特征较模糊;仅... 详细信息

全景场景图生成(PSGG)旨在识别图像中所有对象并自动地捕获所有对象间的语义关联关系。语义关联关系建模依赖目标对象及对象对(subject-object pair)的特征描述,然而现行工作中存在以下不足:采用边界框提取方式获取的对象特征较模糊;仅关注对象的语义和空间位置特征,忽略了对关系预测同样重要的对象对的语义联合特征和相对位置特征;未能针对不同类型的对象对(如前景-前景、前景-背景、背景-背景)进行差异化特征提取,进而忽略了它们之间的差异性。针对上述问题,提出一种基于关系特征强化的全景场景图生成方法(RFE)。首先,通过引入像素级掩码区域特征,丰富对象特征的细节信息,同时有效地融合对象对的联合视觉特征、语义联合特征和相对位置特征;其次,根据对象对的不同类型,自适应地选择最适合本类型对象对的特征提取方式;最后,获得强化后更精确的关系特征用于关系预测。在PSG数据集上的实验结果表明,以VCTree(Visual Contexts Tree)、Motifs、IMP(Iterative Message Passing)和GPSNet为基线方法,ResNet-101为骨干网络,RFE在具有挑战性的SGGen任务上召回率(R@20)指标分别提高了4.37、3.68、2.08和1.80个百分点,验证了所提方法在PSGG的有效性。

关键词：全景场景图生成对象对联合特征关系特征强化语义关联关系自适应选择

同方期刊数据库

基于改进RT-DETR的多尺度特征融合的高效轻量皮肤病理检测方法

在线全文

学校读者我要写书评

暂无评论

南方医科大学学报 2025年

作者：任煜瀛黄凌霄杜方姚新波宁夏大学信息工程学院//宁夏“东数西算”人工智能与信息安全重点实验室//宁夏大数据与人工智能省部共建协同创新中心

目的针对皮肤病检测任务中存在皮肤病变区域多尺度、图像噪点干扰以及辅助诊疗设备资源有限影响检测准确性等问题，提出一种基于RT-DETR改进的高效轻量化皮肤病检测模型。方法引入轻量级FasterNet作为骨干网络，同时对FasterNetBlock... 详细信息

目的针对皮肤病检测任务中存在皮肤病变区域多尺度、图像噪点干扰以及辅助诊疗设备资源有限影响检测准确性等问题，提出一种基于RT-DETR改进的高效轻量化皮肤病检测模型。方法引入轻量级FasterNet作为骨干网络，同时对FasterNetBlock模块进行重参数化改进。在颈部网络中引入卷积和注意力融合模块代替多头自注意力机制，形成AIFI-CAFM模块，从而增强模型捕获图像全局依赖关系和局部细节信息的能力。设计DRB-HSFPN特征金字塔网络替换跨尺度特征融合模块（CCFM），以融合不同尺度的上下文信息，提升颈部网络的语义特征表达能力。结合Inner-IoU和EIoU的优点，提出了Inner-EIoU替换原损失函数GIOU，进一步提高模型推理准确性和收敛速度。结果实验结果表明，改进后的RT-DETR相较于原始模型，在HAM10000数据集上的mAP@50和mAP@50:95分别提升了4.5%和2.8%，检测速度FPS达到59.1帧/s。同时，改进模型的参数量为10.9M，计算量为19.3GFLOPs，相较于原始模型分别降低了46.0%和67.2%，验证了改进模型的有效性。结论本文提出的SD-DETR模型在降低参数量和计算量的同时，能够有效的提取并融合多尺度特征，从而显著提升了皮肤病检测任务的性能。

关键词：皮肤病轻量级网络多尺度特征融合注意力机制 RT-DETR

采用特征增强和深度关系感知策略的3D人脸识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

电讯技术 2025年第1期65卷 25-34页

作者：张龙胡金蓉张艳黄果黄飞虎成都信息工程大学计算机学院成都610225 国家卫星气象中心北京100081 川西南空间效应探测与应用四川省高等学校重点实验室四川乐山614004

针对2D人脸识别方法易受到外部环境干扰的问题,提出了一种基于深度学习的3D人脸识别方法。该方法从人脸几何信息中获取特征,对光照等环境因素具有较强的鲁棒性。根据对现有研究内容的分析,设计了一个双域特征增强模块。该模块分别从通... 详细信息

针对2D人脸识别方法易受到外部环境干扰的问题,提出了一种基于深度学习的3D人脸识别方法。该方法从人脸几何信息中获取特征,对光照等环境因素具有较强的鲁棒性。根据对现有研究内容的分析,设计了一个双域特征增强模块。该模块分别从通道域和空间域提取出人脸的局部特征,并将其作为全局特征的增强部分,从而获得更加完备的人脸特征。针对3D人脸数据特性,提出了一种新的适合于3D人脸识别的特征学习策略。该策略旨在使人脸识别模型学习从3D人脸的深度关系中提取身份特征,能够极大缓解三维人脸中噪声对特征计算的负面影响。通过实验,在公开数据集Bosphorus和Texas上分别获得了96.32%与98.93%的验证准确率,表明该方法能够获得更高的识别精度,并且在复杂情况下的人脸识别也具有一定优势。

关键词： 3D人脸识别深度学习深度关系感知双域特征增强

可变形卷积与注意力的SAR舰船检测轻量化模型

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2025年第03期 724-736页

作者：余光浩陈润霖徐金燕徐前祥王大寒陈峰厦门理工学院计算机与信息工程学院福建省模式识别与图像理解重点实验室自然资源部海岛研究中心深圳市智慧城市科技发展集团有限公司数字福建自然灾害监测大数据研究所

目的针对合成孔径雷达（synthetic aperture radar,SAR）图像舰船检测中因背景复杂、目标尺寸各异等因素导致的漏检、误检结果，提出一种基于YOLOv8(you only look once v8)的改进算法。方法首先，轻量化处理YOLOv8的原有网络结构，... 详细信息

目的针对合成孔径雷达（synthetic aperture radar,SAR）图像舰船检测中因背景复杂、目标尺寸各异等因素导致的漏检、误检结果，提出一种基于YOLOv8(you only look once v8)的改进算法。方法首先，轻量化处理YOLOv8的原有网络结构，大幅降低网络的冗余度，使轻量化的网络更适合SAR图像舰船检测任务。其次，在主干网络中融入可变形卷积，增强模型对目标的感知能力，能更好地适应目标形变和复杂背景；同时，在颈部网络融入卷积注意力模块，减弱背景信息的干扰，使网络更专注舰船目标的特征。最后，采用EIoU(efficient intersection over union)损失函数，最小化预测框与真实框间的差值（包括宽度和高度），实现更快的收敛速度。结果分别在SSDD(SAR ship detection dataset)和HRSID(high-resolution SAR images dataset)上进行测试，结果表明，改进算法的检测性能优于当前几种流行的目标检测算法。其中，与YOLOv8相比，在两个公开数据集上，改进算法的精度评估指标mAP(mean average precision)@0.5分别提升0.68%和1.29%,mAP@0.75分别提升3.32%和3.10%，其处理速度FPS(frames per second)分别提升22帧/s和18帧/s。结论本文在轻量化处理YOLOv8基础上融合可变形卷积与注意力机制构建的改进算法，能实现SAR舰船检测精度和速度的双重提升。

关键词：合成孔径雷达(SAR) 目标检测 YOLOv8 卷积注意力模块(CBAM) 可变形卷积 EIoU

基于通信延迟聚类和节点信誉的PBFT共识算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用研究 2025年第2期42卷 344-351页

作者：石亦燃邓小鸿张丽刘力汇刘勇江西理工大学信息工程学院江西赣州341000 赣南科技学院信息工程学院江西赣州341000 赣州市云计算与大数据重点实验室江西赣州341000

针对现有基于分组策略的拜占庭容错共识算法中存在的主节点不稳定、延迟高等问题,提出一种基于通信延迟聚类和节点信誉的PBFT共识算法(CD-PBFT)。首先,设计了新的基于通信延迟的聚类算法对网络中节点进行分组,将通信延迟融合进欧氏距离... 详细信息

针对现有基于分组策略的拜占庭容错共识算法中存在的主节点不稳定、延迟高等问题,提出一种基于通信延迟聚类和节点信誉的PBFT共识算法(CD-PBFT)。首先,设计了新的基于通信延迟的聚类算法对网络中节点进行分组,将通信延迟融合进欧氏距离公式,让系统中的节点根据混合距离进行聚类,最终使各个集群中延迟之和达到最低,减少通信开销,提升共识效率;其次,提出了基于综合评价的信誉模型,综合考虑节点延迟指数、共识行为和历史信誉,对节点进行信誉评估,依据节点行为和延迟差异进行信誉奖惩;最后,优化主节点选取方式,建立了一种基于节点稳定性和信誉模型的主节点选择机制,通过信誉模型获得节点的信誉值后,引入方差来衡量节点的信誉波动,选择信誉高且方差小的节点担任主节点,提高主节点的安全性。实验结果表明,相较于PBFT,该算法平均吞吐量提高了126.8%,平均时延降低了68.3%。同时,与现有基于聚类的PBFT算法相比,CD-PBFT具有较为明显的性能优势,能够更灵活地应用在大规模节点的联盟链场景中。

关键词：区块链通信延迟聚类共识算法信誉模型 PBFT