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

集成学习结合多源数据预测河南省冬小麦单产

农业工程学报 2024年第4期40卷 177-185页

作者：陈一凡李璇王绍雯杨姗姗张佳华张莎青岛大学计算机科学技术学院青岛266071

为探讨基于多源数据和集成学习算法预测冬小麦单产的可行性并确定冬小麦单产预测的最佳时间窗,该研究在河南省冬小麦生长季内划分28个不同的时间窗,使用8种不同的机器学习算法及基于Stacking的集成学习算法,利用2003—2018年的多种遥感... 详细信息

为探讨基于多源数据和集成学习算法预测冬小麦单产的可行性并确定冬小麦单产预测的最佳时间窗,该研究在河南省冬小麦生长季内划分28个不同的时间窗,使用8种不同的机器学习算法及基于Stacking的集成学习算法,利用2003—2018年的多种遥感指数数据、气象数据进行训练并预测2019—2021年单产。结果表明:引入日光诱导叶绿素荧光(solar-induced chlorophyll fluorescence,SIF)特征可以提升河南省冬小麦单产的预测效果;12月至次年5月为机器学习算法预测冬小麦单产的最佳时间窗;Stacking集成学习算法比其他单机器学习算法更适用于河南省县级尺度冬小麦单产预测,预测结果的决定系数为0.816,均方根误差和平均绝对误差分别为580.36和476.01 kg/hm^(2);河南省冬小麦实际单产的空间分布呈西低东高的趋势,预测的单产分布特征与实际单产分布特征相当。研究结果可为冬小麦单产预测提供一种新的方法,也为农作物单产预测模型构建提供新的思路。

关键词：机器学习遥感冬小麦 Stacking集成学习单产预测最佳时间窗

变尺度特征融合与交叉训练的医学报告生成方法

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第5期36卷 795-804页

作者：韩琪张淑军谭立玮李劲松青岛科技大学信息科学技术学院青岛266100

在对医学影像自动生成文本报告的过程中,针对病灶尺寸小、形状不规则、训练数据量少等因素易导致影像报告出现误诊、漏诊的问题,提出变尺度特征融合与交叉训练的医学报告生成方法.首先将条件全局池化后的粗粒度特征与随机丢弃后的细粒... 详细信息

在对医学影像自动生成文本报告的过程中,针对病灶尺寸小、形状不规则、训练数据量少等因素易导致影像报告出现误诊、漏诊的问题,提出变尺度特征融合与交叉训练的医学报告生成方法.首先将条件全局池化后的粗粒度特征与随机丢弃后的细粒度特征相融合,增强模型对不同尺度病灶的感知能力;然后通过整体数据和局部细节双路交叉训练的策略间接丰富数据集,增强模型的鲁棒性,并在双路中分别使用通道分离思想进一步挖掘影像的通道信息;最后通过多头注意力编解码网络,得到准确的医学报告.在IU-X-Ray和MIMIC-CXR数据集上与其他多种方法进行实验的结果表明,METEOR与BLEU-2分数分别提升5.70%和3.13%,所提方法可以有效地提升生成报告的可读性与准确性.

关键词：影像报告生成特征融合交叉训练条件池化

结合深度图和红通道最小强度先验的水下图像复原

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年第6期36卷 904-914页

作者：李月梅侯国家王国栋潘振宽黄宝香青岛大学计算机科学技术学院青岛266071

针对水下图像雾化、模糊等问题,提出结合深度图和红通道最小强度先验的水下图像复原变分方法.基于完整的水下成像模型,首先设计了一种自适应加权融合亮度、梯度及色差等信息的场景深度估计方法,计算3个通道的透射率;然后根据前向散射分... 详细信息

针对水下图像雾化、模糊等问题,提出结合深度图和红通道最小强度先验的水下图像复原变分方法.基于完整的水下成像模型,首先设计了一种自适应加权融合亮度、梯度及色差等信息的场景深度估计方法,计算3个通道的透射率;然后根据前向散射分量建立变分模型的数据项,对拟复原图像引入红通道最小强度先验作为变分能量方程规则项,借助图像金字塔,采用粗尺度到细尺度逐步优化策略进行模糊核估计;最后利用交替方向乘子法迭代求解,解决变分模型带来的非光滑优化问题.在UIEB数据集上进行了定性和定量实验,通过UCIQE,FADE和CPBD客观评价指标对比,结果表明,所提方法的评价结果比经典方法平均分别提升15%以上,复原后的图像具有更高的清晰度和更丰富的边缘信息.

关键词：完整水下成像模型深度图红通道最小强度先验变分模型交替方向乘子法

在线全文

学校读者我要写书评

暂无评论

素阶数域上的高效紧凑NTRU密钥封装方案

软件学报 2024年

作者：梁志闯赵旭阳方博越赵运磊复旦大学计算机科学技术学院密码科学技术国家重点实验室

基于格(特别是NTRU格)设计后量子密钥封装方案是格密码领域的主流方向之一.现有多数格密码方案基于分圆环构造,但分圆环饱含丰富的代数结构导致这些方案容易遭受相关攻击.一个可选的且更安全的代数结构是大Galois群、素数阶、基于素理... 详细信息

基于格(特别是NTRU格)设计后量子密钥封装方案是格密码领域的主流方向之一.现有多数格密码方案基于分圆环构造,但分圆环饱含丰富的代数结构导致这些方案容易遭受相关攻击.一个可选的且更安全的代数结构是大Galois群、素数阶、基于素理想的数域(简称为素阶数域). NTRU-Prime是一个基于素阶数域的备受青睐的NTRU密钥封装方案,且早已经在国际标准OpenSSH中默认应用.旨在设计出比NTRU-Prime性能更优的素阶数域上NTRU密钥封装方案.首先,梳理分圆环的安全隐患,特别是针对2次幂分圆环的系列攻击,同时展示出素阶数域在抵御这些攻击方面的安全优势.接着,基于素阶数域提出NTRU密钥封装方案CNTR-Prime,并给出详细的相关分析和参数集.然后,提出一种伪梅森数不完整NTT,它能有效计算CNTR-Prime中关于素阶数域的多项式乘法.此外,还提出一种改进的伪梅森数约减算法,并将它应用在伪梅森数不完整NTT中.它在软件实现方面比Barrett约减快2.6%,在硬件实现方面比Montgomery约减和Barrett约减快2–6倍.最后,提供CNTR-Prime的C语言实现,并跟其他同类方案进行全面对比.结果表明,与SNTRU-Prime相比, CNTR-Prime在安全强度、带宽和实现效率上有优势,其中CNTR-Prime-761的经典和量子安全强度都比SNTRU-Prime-761的高19 bit,密文尺寸降低8.3%,密钥生成算法、密钥封装算法和解封装算法分别快25.3倍、10.8倍和2.0倍.实际上, CNTR-Prime-653的经典和量子安全强度就已经跟SNTRU-Prime-761的相当,且CNTR-Prime-653的带宽降低13.8%,密钥生成算法、密钥封装算法和解封装算法分别快33.9倍、12.6倍和2.3倍.所提工作可为后续同类型的格密码方案的设计、分析和优化实现提供重要参考.

关键词：格密码后量子密码数论研究单元(NTRU) 素阶数域密钥封装方案数论变换模约减软件实现

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

抗拜占庭攻击的隐私保护联邦学习

计算机学报 2024年第4期47卷 842-861页

作者：穆旭彤程珂宋安霄张涛张志为沈玉龙西安电子科技大学计算机与科学技术学院西安710071

联邦学习是一种隐私保护的分布式机器学习框架,可以让各方参与者在不披露本地数据的前提下共建模型.然而,联邦学习仍然面临拜占庭攻击和用户隐私泄漏等威胁.现有研究结合鲁棒聚合规则和安全计算技术以同时应对上述安全威胁,但是这些方... 详细信息

联邦学习是一种隐私保护的分布式机器学习框架,可以让各方参与者在不披露本地数据的前提下共建模型.然而,联邦学习仍然面临拜占庭攻击和用户隐私泄漏等威胁.现有研究结合鲁棒聚合规则和安全计算技术以同时应对上述安全威胁,但是这些方案难以兼顾模型鲁棒性与计算高效性。针对此问题,本文提出一种抗拜占庭攻击的隐私保护联邦学习框架SecFedDMC,在保护用户数据隐私的条件下实现高效的拜占庭攻击检测与防御.基础方案FedDMC采用“先降维后聚类”的策略,设计了高效精准的恶意客户端检测方法.此外,该方法利用的随机主成分分析降维技术和K-均值聚类技术主要由线性运算构成,从而优化了算法在安全计算环境中的适用性。针对基础方案存在的用户数据隐私泄露问题,提出了基于安全多方计算技术的隐私增强方案SecFedDMC.基于轻量级加法秘密分享技术,设计安全的正交三角分解协议和安全的特征分解协议,从而构建双服务器模型下隐私保护的拜占庭鲁棒联邦学习方案,以保护模型训练和拜占庭节点识别过程中的用户隐私.经实验验证,SecFedDMC在保护用户隐私的前提下,可以高效准确地识别拜占庭攻击节点,具有较好的鲁棒性.其中,本方案与最先进的鲁棒联邦学习算法相比,在CIFAR10数据集上,拜占庭攻击节点检测准确率提升12%~24%,全局模型精度提升4.45%~18.48%,计算效率提升33.21%~47.31%.

关键词：联邦学习拜占庭攻击安全多方计算隐私保护模型鲁棒性隐私计算

在线全文

学校读者我要写书评

暂无评论

基于二元对立信息的谣言传播模型研究

复杂系统与复杂性科学 2024年

作者：刘云飞宾晟孙更新青岛大学计算机科学技术学院

针对社交网络中部分个体在接触到谣言信息后会核实其真实性，并进行反向传播辟谣信息来阻止谣言扩散的现象，提出了一种新的二元对立信息传播模型——CASEIR模型。该模型还引入了传播疲劳机制，通过仿真分析了不同网络结构、网络平均度... 详细信息

针对社交网络中部分个体在接触到谣言信息后会核实其真实性，并进行反向传播辟谣信息来阻止谣言扩散的现象，提出了一种新的二元对立信息传播模型——CASEIR模型。该模型还引入了传播疲劳机制，通过仿真分析了不同网络结构、网络平均度以及辟谣启动时间对谣言和辟谣信息的影响。实验结果表明，平均度越高，辟谣时间的不同带来的差异越大；提高谣言逆转率、谣言置换率以及信息核实率均能有效控制谣言传播，为社交网络中的谣言防治提供了参考。

关键词：二元竞争传播谣言传播辟谣动力学模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合邻域关系和实体的知识图谱补全模型

复杂系统与复杂性科学 2024年

作者：高瑞孙更新宾晟青岛大学计算机科学技术学院

鉴于大多数现有的知识图谱补全方法采用独立处理三元组的方式，而忽略邻域关系和实体对中心实体的不同贡献度的问题，提出了REGNN的图神经网络模型。该模型从邻域内的关系和实体中获得的特征信息被嵌入到中心实体的更新中，通过聚合实... 详细信息

鉴于大多数现有的知识图谱补全方法采用独立处理三元组的方式，而忽略邻域关系和实体对中心实体的不同贡献度的问题，提出了REGNN的图神经网络模型。该模型从邻域内的关系和实体中获得的特征信息被嵌入到中心实体的更新中，通过聚合实体和关系特征来丰富中心实体的表征。实验结果显示，与传统的图神经网络模型相比，在FB15K-237数据集上，REGNN模型的MMR和Hits@10指标分别提高了3.3%和1.5%，在WN18RR数据集上分别提高了1.4%和3.6%，从而验证了该模型的有效性。

关键词：知识图谱知识图谱补全图神经网络聚合

融合零知识证明的去中心联邦学习可信聚合方案

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：张首勋王玲玲耿克陆忠锴青岛科技大学信息科学技术学院

去中心联邦学习可以有效解决传统联邦学习存在的通信效率低、不可信聚合服务器阻碍模型正确聚合的问题。然而，在去中心架构下，客户端成为本地训练和模型聚合过程的唯一实体，不可信客户端将直接影响联邦学习过程的完整性和模型聚合结... 详细信息

去中心联邦学习可以有效解决传统联邦学习存在的通信效率低、不可信聚合服务器阻碍模型正确聚合的问题。然而，在去中心架构下，客户端成为本地训练和模型聚合过程的唯一实体，不可信客户端将直接影响联邦学习过程的完整性和模型聚合结果的正确性。基于此，本文利用简洁非交互零知识证明技术提出一种针对环形架构去中心联邦学习的可信聚合方案，通过对不同客户端生成的可信证据进行组合，实现客户端本地训练和模型聚合过程的正确可验证。此外，使用矩阵承诺技术确保中间参数的真实性。实验结果表明数据样本维度小于64×64时本方案是可行的，且证明所需时间开销和存储开销与基准方案相比有所降低。

关键词：隐私安全联邦学习零知识证明承诺

融合多特征嵌入的中文医疗命名实体识别模型MF-MNER

在线全文

同方期刊数据库

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：常远季长伟张春玲胡强信息科学技术学院青岛科技大学

医疗问诊数据中的命名实体识别不仅面临着实体交叉与边界模糊，而且问诊数据通常存在表述不准确、不规范和口语化等问题，已有医疗命名实体识别方法在问诊数据中适用效果较差。为此，提出一种适用于问诊数据的多特征嵌入中文医疗命名实... 详细信息

医疗问诊数据中的命名实体识别不仅面临着实体交叉与边界模糊，而且问诊数据通常存在表述不准确、不规范和口语化等问题，已有医疗命名实体识别方法在问诊数据中适用效果较差。为此，提出一种适用于问诊数据的多特征嵌入中文医疗命名实体识别模型MF-MNER。该模型从字符、部首、词汇、边界和句法依赖等不同视角下获取字符的语义特征，并将融合后的语义特征经过扩张卷积神经网络进行卷积聚合，最后采用CRF模型进行序列解码。在医疗问诊数据集中开展的实验表明，多特征嵌入能明显提升命名实体的识别质量，MF-MNER相对于其他方法能够更适用于问诊数据中的医疗命名实体识别。此外，在公开的电子病例集中的实验表明，MF-MNER的高性能医疗命名实体识别具有普适性。

关键词：命名实体问诊数据多特征嵌入扩张卷积神经网络 CRF模型