检索结果-南通市图书馆

不同掺杂浓度Lu掺杂GaN电子结构和光学性质的第一性原理研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光学学报 2024年第9期44卷 182-190页

作者：付莎莎肖清泉唐华姚云美邹梦真叶建峰谢泉贵州大学大数据与信息工程学院新型光电子材料与技术研究所贵州贵阳550025

采用密度泛函理论下的第一性原理平面波超软赝势方法,计算了本征GaN和不同Lu掺杂浓度(原子数分数)Ga1-xLuxN(x=0.0625、0.125、0.1875、0.25)体系的电子结构和光学性质,研究了掺杂浓度为12.5%和18.75%时相同掺杂量下不同空间有序占位体... 详细信息

采用密度泛函理论下的第一性原理平面波超软赝势方法,计算了本征GaN和不同Lu掺杂浓度(原子数分数)Ga1-xLuxN(x=0.0625、0.125、0.1875、0.25)体系的电子结构和光学性质,研究了掺杂浓度为12.5%和18.75%时相同掺杂量下不同空间有序占位体系结构的稳定性。计算结果表明:掺杂后体系晶格参数均有所增大,Lu的掺入诱导了浅能级杂质,使掺杂后体系带隙较本征带隙(3.40 eV)小;与本征GaN相比,掺杂体系的静介电常数均增加,当掺杂浓度为25%时,静介电常数增大为5.42,介电函数虚部和吸收谱往低能方向移动,发生了红移现象,吸收光谱范围增大,最终GaN的光催化性能得到提升。

关键词：材料氮化镓替位掺杂电子结构光学性质

在线全文

学校读者我要写书评

暂无评论

从整体到局部优化的文本风格迁移模型

福州大学学报(自然科学版) 2024年第4期 413-420页

作者：范剑宏杨州蔡铁城吴运兵廖祥文福州大学计算机与大数据学院福州大学福建省网络计算与智能信息处理重点实验室数字福建金融大数据研究所

提出一种从整体到局部优化的风格迁移(global-local based style transfer, G-LST)模型.首先，利用广泛的源端数据进行迭代优化来自动构建高质量的伪平行数据，并通过联合训练来提升模型对整体风格的语义感知；随后，利用常识性知识修... 详细信息

提出一种从整体到局部优化的风格迁移(global-local based style transfer, G-LST)模型.首先，利用广泛的源端数据进行迭代优化来自动构建高质量的伪平行数据，并通过联合训练来提升模型对整体风格的语义感知；随后，利用常识性知识修正词级的细粒度风格来增强局部风格的表现，同时兼顾整体与局部风格，提高风格转换的准确度.基于GYAFC数据集的实验结果表明，相较于目前表现最佳的文本风格迁移模型，G-LST模型在E&M与F&R两个领域数据上的风格转换准确率分别提高了2.70%和4.47%,内容保留与风格准确率的综合指标分别提升了1.18%和1.95%.

关键词：文本风格迁移迭代优化联合训练常识性知识

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于语义相关性分析的多模态摘要模型

计算机应用 2024年第1期44卷 65-72页

作者：林于翔吴运兵阴爱英廖祥文福州大学计算机与大数据学院福州350108 数字福建金融大数据研究所福州350108 福州大学至诚学院计算机工程系福州350002

多模态生成式摘要往往采用序列到序列(Seq2Seq)框架,目标函数在字符级别优化模型,根据局部最优解生成单词,忽略了摘要样本全局语义信息,使得摘要与多模态信息产生语义偏差,容易造成事实性错误。针对上述问题,提出一种基于语义相关性分... 详细信息

多模态生成式摘要往往采用序列到序列(Seq2Seq)框架,目标函数在字符级别优化模型,根据局部最优解生成单词,忽略了摘要样本全局语义信息,使得摘要与多模态信息产生语义偏差,容易造成事实性错误。针对上述问题,提出一种基于语义相关性分析的多模态摘要模型。首先,在Seq2Seq框架基础上对多模态摘要进行训练,生成语义多样性的候选摘要;其次,构建基于语义相关性分析的摘要评估器,从全局的角度学习候选摘要之间的语义差异性和真实评价指标ROUGE(Recall-Oriented Understudy for Gisting Evaluation)的排序模式,从而在摘要样本层面优化模型;最后,不依赖参考摘要,利用摘要评估器对候选摘要进行评价,使得选出的摘要与源文本在语义空间中尽可能相似。实验结果表明,在公开数据集MMSS上,相较于MPMSE(Multimodal Pointer-generator via Multimodal Selective Encoding)模型,所提模型在ROUGE-1、ROUGE-2、ROUGE-L评价指标上分别提升了3.17、1.21和2.24个百分点。

关键词：多模态生成式摘要序列到序列事实性错误语义相关性

考虑地方政府部门协同和居民信息隐私关注的智慧社区建设演化博弈分析

在线全文

学校读者我要写书评

暂无评论

运筹与管理 2024年第4期33卷 92-98页

作者：檀哲沈燕梅李富声曹惠真福建警察学院数字福建社会安全大数据研究所福建福州350007 福建警察学院公安管理系福建福州350007 厦门大学管理学院福建厦门361005

智慧社区在建设的过程中存在跨部门协同和居民信息隐私顾虑的问题。为研究建设的推进路径,本文分别构建地方政府部门间主从博弈模型和地方政府-社区居民间演化博弈模型,给出不同协同模式下政府部门的最优努力水平以及建设的演化规律。... 详细信息

智慧社区在建设的过程中存在跨部门协同和居民信息隐私顾虑的问题。为研究建设的推进路径,本文分别构建地方政府部门间主从博弈模型和地方政府-社区居民间演化博弈模型,给出不同协同模式下政府部门的最优努力水平以及建设的演化规律。研究表明:居民信息隐私关注水平低于特定阈值是建成智慧社区的必要条件,该阈值与居民对公共服务、部门协同的感知有关;协同能力强弱是影响政府模式选择的关键因素;高回报系数不但促使政府部门付出更多努力,还有利于提高政府和居民效用。最后,结合计算机仿真开展案例分析,验证了居民信息隐私关注水平和公共服务感知水平对演化收敛的影响。论文的研究结论对优化智慧社区建设机制有一定启示。

关键词：智慧社区政府部门协同信息隐私关注演化博弈

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

面向人脸修复篡改检测的大规模数据集

中国图象图形学报 2024年第7期 1834-1848页

作者：李伟黄添强黄丽清郑翱鲲徐超福建师范大学计算机与网络空间安全学院福建省公共服务大数据挖掘与应用工程技术研究中心数字福建大数据安全技术研究所

目的图像合成方法随着计算机视觉的不断发展和深度学习技术的逐渐成熟为人们的生活带来了丰富的体验。然而，用于传播虚假信息的恶意篡改图像可能对社会造成极大危害，使人们对数字内容在图像媒体中的真实性产生怀疑。面部编辑作为一... 详细信息

目的图像合成方法随着计算机视觉的不断发展和深度学习技术的逐渐成熟为人们的生活带来了丰富的体验。然而，用于传播虚假信息的恶意篡改图像可能对社会造成极大危害，使人们对数字内容在图像媒体中的真实性产生怀疑。面部编辑作为一种常用的图像篡改手段，通过修改面部的五官信息来伪造人脸。图像修复技术是面部编辑常用的手段之一，使用其进行面部伪造篡改同样为人们的生活带来了很大干扰。为了对此类篡改检测方法的相关研究提供数据支持，本文制作了面向人脸修复篡改检测的大规模数据集。方法具体来说，本文选用了不同质量的源数据集（高质量的人脸图像数据集CelebA-HQ及低质量的人脸视频数据集FF++），通过图像分割方法将面部五官区域分割，最后使用两种基于深度网络的修复方法CTSDG(image inpainting via conditional texture and structure dual generation)和RFR(recurrent feature reasoning for image inpainting)以及一种传统修复方法 SC(struct completion)，生成总数量达到60万幅的大规模修复图像数据集。结果实验结果表明，由FF++数据集生成的图像在基准检测网络ResNet-50下的检测精度下降了15%，在Xception-Net网络下检测精度下降了5%。且不同面部部位的检测精度相差较大，其中眼睛部位的检测精度最低，检测精度为0.91。通过泛化性实验表明，同一源数据集生成的数据在不同部位的修复图像间存在一定的泛化性，而不同的源数据制作的数据集间几乎没有泛化性。因此，该数据集也可为修复图像之间的泛化性研究提供研究数据，可以在不同数据集、不同修复方式和不同面部部位生成的图像间进行修复图像的泛化性研究。结论基于图像修复技术的篡改方式在一定程度上可以骗过篡改检测器，对于此类篡改方式的检测方法研究具有现实意义。提供的大型基于修复技术的人脸篡改数据集为该领域的研究提供了新的数据来源，丰富了数据多样性，为深入研究该类型的人脸篡改和检测方法提供了有力的基准。数据集开源地址https://***/s/1-9HIBya9X-geNDe5zcJldw?pwd=thli。

关键词：图像篡改深度学习图像修复数据集基准

改进Deeplabv3+的双注意力融合作物分类方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第8期60卷 110-120页

作者：郭金宋廷强孙媛媛巩传江刘亚林马兴录范海生青岛科技大学信息科学技术学院山东青岛266061 青岛科技大学大数据学院山东青岛266061 岭南大数据研究院时空大数据研究室广东珠海519000

近年来,卷积神经网络(convolutional neural networks,CNN)在农作物分类研究中不断取得新进展,但在建模长期依赖关系方面表现出一定的局限性,对农作物全局特征的捕获存在不足。针对以上问题,将Transformer引入Deeplab v3+模型,提出了一... 详细信息

近年来,卷积神经网络(convolutional neural networks,CNN)在农作物分类研究中不断取得新进展,但在建模长期依赖关系方面表现出一定的局限性,对农作物全局特征的捕获存在不足。针对以上问题,将Transformer引入Deeplab v3+模型,提出了一种用于无人机影像农作物分类的并行分支结构--DeepTrans(Deeplab v3+with Trans-former)模型。DeepTrans以一种并行的方式将Transformer和CNN结合在一起,利于全局特征与局部特征的有效捕获。通过引入Transformer来增强图像中信息的远距离依赖关系,提高了作物全局信息的提取能力;加入通道注意力机制和空间注意力机制加强Transformer对通道信息的敏感度及ASPP(atrous spatial pyramid pooling)对作物空间信息捕获能力。实验结果表明,DeepTrans模型在MIoU指标上可达0.812,相较于Deeplab v3+模型提高了3.9%,该模型在五类作物的分类中精度均有提升,对于容易错分的甘蔗、玉米和香蕉三种作物,其IoU分别提高了2.9%、4.7%、13%。由此可见,DeepTrans模型在农作物分类图像的内部填充和全局预测方面有着更好的分割效果,有助于更准确地监测农田作物的种植结构及规模。

关键词：农作物分类无人机影像 Deeplab v3+ Transformer 注意力机制

在线全文

学校读者我要写书评

暂无评论

空间分布阶时间分数阶扩散方程的高精度算法

厦门大学学报（自然科学版） 2024年第2期63卷 321-328页

作者：龚珊珊陈景华刘欣然集美大学理学院福建厦门361021 集美大学理学院数字福建大数据建模与智能计算研究所福建厦门361021

[目的]目前空间分布阶方程的求解多为时间整数阶,且空间的收敛阶大多为二阶和三阶,很难达到四阶,为了提高Riesz空间分布阶Caputo时间分数阶扩散方程求解过程中的空间收敛精度,提出一种高阶的有限差分法.[方法]基于数值解法对Caputo时间... 详细信息

[目的]目前空间分布阶方程的求解多为时间整数阶,且空间的收敛阶大多为二阶和三阶,很难达到四阶,为了提高Riesz空间分布阶Caputo时间分数阶扩散方程求解过程中的空间收敛精度,提出一种高阶的有限差分法.[方法]基于数值解法对Caputo时间分数阶导数采用L1插值逼近离散;分布阶导数利用复化Simpson求积公式,将分布阶微分方程转化为一个多项Riesz空间分数阶导数的微分方程;从而构造方程的高阶数值离散格式,并运用矩阵分析的方法证明该数值格式具有稳定性和收敛性.[结果]在求解该分布阶微分方程中,该数值方法使得空间和分布阶的收敛阶达都达到了四阶,时间上的收敛阶达到了2-β阶.[结论]本文构造出的Riesz空间分布阶Caputo时间分数阶扩散方程的高阶差分格式,可使得空间上的收敛阶达到四阶,适用于高精度求解场景.

关键词：分布阶有限差分稳定性收敛性

基于PatchTracker的对抗补丁防御算法

在线全文

学校读者我要写书评

暂无评论

网络与信息安全学报 2024年第1期10卷 169-180页

作者：肖镇杰黄诗瑀叶锋黄丽清黄添强福建师范大学计算机与网络空间安全学院福建福州350117 数字福建大数据安全技术研究所福建福州350117

基于深度神经网络的目标检测技术已经广泛应用于各领域,然而,通过对抗补丁攻击在图像中添加局部扰动,以此来误导深度神经网络,对基于目标检测技术的视觉系统构成了严重威胁。针对这一问题,利用对抗补丁和图像背景的语义差异性,提出了一... 详细信息

基于深度神经网络的目标检测技术已经广泛应用于各领域,然而,通过对抗补丁攻击在图像中添加局部扰动,以此来误导深度神经网络,对基于目标检测技术的视觉系统构成了严重威胁。针对这一问题,利用对抗补丁和图像背景的语义差异性,提出了一种基于PatchTracker的对抗补丁防御算法,该算法由上游补丁检测器与下游数据增强模块组成。上游补丁检测器使用带有注意力机制的YOLOV5(you only look once-v5)确定对抗补丁所在位置,有助于提高对小尺度对抗补丁的检测精度;将检测区域用合适的像素值覆盖以抹除对抗补丁,上游补丁检测器不仅能够有效降低对抗样本的攻击性,而且不依赖大规模的训练数据;下游数据增强模块通过改进模型训练范式,提高下游目标检测器的鲁棒性;将抹除补丁后的图像输入经过数据增强的下游YOLOV5目标检测模型。在公开的TT100K交通标志数据集上进行了交叉验证,实验表明,与未采取防御措施相比,所提算法能够有效防御多种类型的通用对抗补丁攻击,在检测对抗补丁图像时的mAP(mean average precision)提高65%左右,有效地改善了小尺度对抗补丁的漏检情况。与现有算法比较,所提算法有效提高了神经网络在检测对抗样本时的准确率。此外,所提算法不涉及下游模型结构的修改,具有良好的兼容性。

关键词：深度学习安全对抗攻击与防御对抗补丁目标检测

在线全文

学校读者我要写书评

暂无评论

基于任务解耦的低照度图像增强方法

电子学报 2024年第1期52卷 34-45页

作者：牛玉贞陈铭铭李悦洲赵铁松福州大学计算机与大数据学院福建福州350108 福建省网络计算与智能信息处理重点实验室(福州大学) 福建福州350108 大数据智能教育部工程研究中心福建福州350108 福州大学物理与信息工程学院福建福州350108

低照度条件下拍摄的照片往往存在亮度低、颜色失真、噪声高、细节退化等多重耦合问题,因此低照度图像增强是一个具有挑战性的任务.现有基于深度学习的低照度图像增强方法通常聚焦于对亮度和色彩的提升,导致增强图像中仍然存在噪声等缺陷... 详细信息

低照度条件下拍摄的照片往往存在亮度低、颜色失真、噪声高、细节退化等多重耦合问题,因此低照度图像增强是一个具有挑战性的任务.现有基于深度学习的低照度图像增强方法通常聚焦于对亮度和色彩的提升,导致增强图像中仍然存在噪声等缺陷.针对上述问题,本文提出了一种基于任务解耦的低照度图像增强方法,根据低照度图像增强任务对高层和低层特征的不同需求,将该任务解耦为亮度与色彩增强和细节重构两组任务,进而构建双分支低照度图像增强网络模型(Two-Branch Low-light Image Enhancement Network,TBLIEN).其中,亮度与色彩增强分支采用带全局特征的U-Net结构,提取深层语义信息改善亮度与色彩;细节重构分支采用保持原始分辨率的全卷积网络实现细节复原和噪声去除.此外,在细节重构分支中,本文提出一种半双重注意力残差模块,能在保留上下文特征的同时通过空间和通道注意力强化特征,从而实现更精细的细节重构.在合成和真实数据集上的广泛实验表明,本文模型的性能超越了当前先进的低照度图像增强方法,并具有更好的泛化能力,且可适用于水下图像增强等其他图像增强任务.

关键词：低照度图像增强任务解耦双分支网络模型对比学习残差网络