检索结果-南通市图书馆

维普期刊数据库博看期刊

单通道舰船辐射噪声特征的多目标优化提取方法

在线全文

学校读者我要写书评

暂无评论

舰船科学技术 2025年第03期 158-162页

作者：孙宝刚王家伟重庆交通大学信息科学与工程学院重庆人文科技学院计算机工程学院

为获取能够增强不同类型舰船区分能力的特征，本文提出一种针对单通道舰船辐射噪声特征的多目标优化提取方法。首先，采用集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）方法分解单通道舰船辐射噪声（Ship Radiated N... 详细信息

为获取能够增强不同类型舰船区分能力的特征，本文提出一种针对单通道舰船辐射噪声特征的多目标优化提取方法。首先，采用集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）方法分解单通道舰船辐射噪声（Ship Radiated Noise,SRN）信号，获取各阶本征模态函数（Intrinsic Mode Function,IMF）分量；然后，从IMF分量中提取频率及能量特征，组建单通道SRN特征向量，并将其视为具备多维特征的最小化多目标优化函数；最后，依据主成分分析（Principal Component Analysis,PCA）方法，通过计算各特征向量的贡献率完成特征向量优化提取，并将提取结果以热图的方式呈现。实验结果显示，该方法可成功获取按频率从高到低排列的IMF分量，并深入分析其中频率特征和能量特征，实现对特征的优化提取。

关键词：单通道舰船辐射噪声多目标优化频率特征

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于全局-局部协同增强的遥感目标检测

激光与光电子学进展 2025年第04期 321-328页

作者：张众维郭芙蓉刘树东天津城建大学计算机与信息工程学院

为了提高遥感图像中各类目标的检测性能，提出一种基于LSKNet-S的改进算法。该算法通过融合不同层级感受野的特征，大幅提升了网络对遥感目标的检测能力。首先，设计了一个多尺度特征融合模块，通过改进多层感知器增强模型对全局上下文... 详细信息

为了提高遥感图像中各类目标的检测性能，提出一种基于LSKNet-S的改进算法。该算法通过融合不同层级感受野的特征，大幅提升了网络对遥感目标的检测能力。首先，设计了一个多尺度特征融合模块，通过改进多层感知器增强模型对全局上下文信息的提取能力。同时，引入轻量级局部视觉中心模块，以提高模型对局部特征的感知能力。两者结合，实现了模型对多尺度特征的有效提取和融合。其次，在检测头中引入用于尺度增强的上采样操作，通过提高特征图的分辨率，使模型能够更好地捕捉遥感图像中各类目标的细节信息。实验结果表明，所提算法在HRSC2016数据集上的平均精度均值（mAP）相比原模型提升了3.43百分点，在DIOR-R数据集上的mAP较原模型提升了1.12百分点，且均优于目前主流算法，验证了所提算法在遥感目标检测场景中的有效性。

关键词：图像处理遥感图像目标检测多尺度特征融合上采样策略

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于自监督对抗学习的多尺度知识蒸馏方法

控制与决策 2025年第3期40卷 880-888页

作者：张建梁兴柱张康林玉娥夏晨星安徽理工大学计算机科学与工程学院西安电子科技大学微电子学院

针对离线知识蒸馏中因教师与学生之间规模差距过大,知识难以有效传递，导致学生性能不佳的问题,提出一种基于自监督对抗学习的多尺度知识蒸馏方法 (SAMKD),并利用自监督和对抗学习进一步开发中间多尺度特征与网络末端输出特征logits的潜... 详细信息

针对离线知识蒸馏中因教师与学生之间规模差距过大,知识难以有效传递，导致学生性能不佳的问题,提出一种基于自监督对抗学习的多尺度知识蒸馏方法 (SAMKD),并利用自监督和对抗学习进一步开发中间多尺度特征与网络末端输出特征logits的潜力.首先,引入多角度几何变换图像监督网络学习;然后,设计多分支辅助网络提取主干网络的多尺度特征,进而获得更多监督信息;最后,利用对抗学习的二元博弈思想进行多阶段对抗训练,将多层次的知识通过蒸馏方法充分传递.在3个具有挑战性的公开数据集CIFAR-10、CIFAR-100和TinyImageNet上进行广泛评估,实验结果表明所提出方法相较其他先进知识蒸馏方法具有强大的竞争力.

关键词：知识蒸馏自监督学习对抗学习多尺度特征

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多热源系统全域温度场的实时重构策略

哈尔滨工业大学学报 2025年第2期57卷 25-32页

作者：张潞叶彧维艾青刘梦帅永沈阳航空航天大学计算机学院沈阳110136 哈尔滨工业大学能源科学与工程学院哈尔滨150001

在多热源系统的动态热管理中,全域热场分析与实时评估是核心要素,而传统的离散测量和重构技术难以实时获取温度场动态变化。为此,提出一种基于离散测点的全域温度场重构策略,通过引入奇异值分解提取温度场的特征基函数,并引入灰狼优化... 详细信息

在多热源系统的动态热管理中,全域热场分析与实时评估是核心要素,而传统的离散测量和重构技术难以实时获取温度场动态变化。为此,提出一种基于离散测点的全域温度场重构策略,通过引入奇异值分解提取温度场的特征基函数,并引入灰狼优化算法对重构离散测点的布局进行优化,通过与离散测点值结合,建立全域温度场的关联系数矩阵。采用数值实验,基于4种类型热源系统验证了该方法的可靠性。结果表明:测点布局优化后,4种温度模型的理论重构误差水平显著降低了至少3个数量级。采用该方法对某多芯片PCB的温度场进行重构,与数值实验结果对比显示温度场平均误差为0.12℃,均方根百分比误差低于1%,验证了该策略在实际应用中的可靠性,为电子设备热控热分析提供了参考依据。

关键词：模型降阶最小二乘温度场重构布局优化

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

心电特征引导下的自监督房颤异常检测方法

计算机工程与应用 2025年第2期61卷 208-218页

作者：陈鹏邓淼磊樊好义张德贤韩涵河南工业大学信息科学与工程学院郑州450001 郑州大学计算机与人工智能学院郑州450001 哈尔滨理工大学测控技术与通讯工程学院哈尔滨150006

心电异常检测旨在发现心电数据中异常的模式,例如房颤特征或无效干扰信号特征。针对心房颤动心电异常,提出了一种简单有效的自监督房颤异常检测方法,称为心电特征引导下的房颤异常检测器(electrocardiogram feature induced atrial fibr... 详细信息

心电异常检测旨在发现心电数据中异常的模式,例如房颤特征或无效干扰信号特征。针对心房颤动心电异常,提出了一种简单有效的自监督房颤异常检测方法,称为心电特征引导下的房颤异常检测器(electrocardiogram feature induced atrial fibrillation detector,EFAFD),通过引入P波掩码和心率变异性指标预测多任务学习策略,指导模型学习房颤心电P波消失和RR间期绝对不齐等医学特征,提高模型对房颤异常心电模式的判别能力。具体地,将P波掩码心电数据通过自编码器重构原始的心电数据,学习房颤心电P波易消失的特征。同时,将心率变异性指标的预测任务整合到自编码器框架中,学习房颤心电RR间期绝对不齐的节律特征。通过度量心电的重构误差,实现房颤心电的检测。在真实的动态心电数据集上评估了所提出的方法,包括CPSC2021数据集和Icentia11k数据集。EFAFD模型的AUC分别达到了81.85%和92.46%。实验结果表明,所提出的方法在房颤异常检测方面优于现有的方法。

关键词：心电图时间序列异常检测自监督学习房颤检测自编码器

在线全文

学校读者我要写书评

暂无评论

一种基于区间验证的隐私保护真值发现算法

小型微型计算机系统 2025年第2期46卷 410-416页

作者：张志敏赵国生王健哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025 哈尔滨理工大学计算机科学与技术学院哈尔滨150080

隐私保护真值发现技术在移动群智感知网络领域中受到了广泛关注.然而在实际应用中,恶意用户上传的异常值对真值发现结果的可靠性带来了较大影响.为此,提出了一种基于区间验证的隐私保护真值发现算法IVPPTD (Interval Verification based... 详细信息

隐私保护真值发现技术在移动群智感知网络领域中受到了广泛关注.然而在实际应用中,恶意用户上传的异常值对真值发现结果的可靠性带来了较大影响.为此,提出了一种基于区间验证的隐私保护真值发现算法IVPPTD (Interval Verification based Privacy-Preserving Truth Discovery).首先,采用Paillier同态加密方法实现用户感知数据的安全上传和真值发现,保护用户的感知数据、权重信息以及估算真值的隐私不被泄露.其次,提出一种密文域中的异常数据过滤算法,对数据约束区间外的异常值进行数据清洗,从而在保护用户敏感信息不被泄露的前提下,提高真值发现结果的可靠性.最后,基于感知平台和密钥生成中心协作完成真值发现过程,减少了用户与云服务器之间的通信开销.仿真实验结果表明,所提方法具有高准确率、对异常值的鲁棒性以及较低的计算开销.

关键词：移动群智感知真值发现隐私保护异常数据过滤同态加密

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

基于模糊强化学习的云计算虚拟机调度策略

计算机工程与科学 2025年第1期47卷 56-65页

作者：余世瑞姜春茂哈尔滨师范大学计算机科学与信息工程学院黑龙江哈尔滨150025 福建理工大学计算机科学与数学学院福建福州350118

针对云计算数据中心中,低效的资源管理产生的高能耗问题,提出一种基于模糊的(Q-learning(λ))强化学习算法,通过处理虚拟机放置(VMP)问题来解决云计算数据中心的高能耗开销问题。将当前状态下的虚拟机数量以及物理机利用率作为输入状态... 详细信息

针对云计算数据中心中,低效的资源管理产生的高能耗问题,提出一种基于模糊的(Q-learning(λ))强化学习算法,通过处理虚拟机放置(VMP)问题来解决云计算数据中心的高能耗开销问题。将当前状态下的虚拟机数量以及物理机利用率作为输入状态传入模糊控制器,并与强化学习(RL)算法相结合来执行对应相关的策略。该算法能够动态地将相关虚拟机分配到所对应的物理服务器上并且能够减少虚拟机迁移次数,优化资源利用率,在满足用户服务级别协议(SLA)的同时降低能源消耗。该算法能够应对工作负载波动的情况,并在满足SLA的期望服务质量(QoS)需求的同时,提供合适的VM部署(初始或重新映射)。实验结果显示,与Q-learning、Q-learning(λ)、Greedy和PSO放置算法相比,基于模糊的Q-learning(λ)算法的能源消耗显著减少且具有更快的收敛速度和一定的实用价值。

关键词：云计算虚拟机放置强化学习模糊系统

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

融合Trimap特征线索的人像抠图模型

小型微型计算机系统 2025年第2期46卷 389-395页

作者：姜宝石谭小波张文波朱宏博尹震宇沈阳理工大学信息科学与工程学院沈阳110159 东北大学计算机科学与工程学院沈阳110169 中国科学院沈阳计算技术研究所沈阳110168

近年来,基于深度学习的人像图像抠图技术已经成为研究热点.相比传统的抠图方法,深度学习抠图技术通过使用深度神经网络来学习和识别图像中的各种特征,从而进行精确的人像抠图,具有更高的精细度和稳定性.为了获得更精细的前景蒙版,Trima... 详细信息

近年来,基于深度学习的人像图像抠图技术已经成为研究热点.相比传统的抠图方法,深度学习抠图技术通过使用深度神经网络来学习和识别图像中的各种特征,从而进行精确的人像抠图,具有更高的精细度和稳定性.为了获得更精细的前景蒙版,Trimap常作为网络的额外的输入.然而,当前许多方法在利用Trimap的特征方面效率不高,并且都倾向于设计更深更复杂的模型网络,这可能会导致模型计算资源占用较大增加以及减缓模型的计算速度.针对以上情况,本文提出了一种以Trimap作为额外输入的简单架构抠图模型,具体来说,本文通过将Trimap图像与原始图像进行特征融合,使得抠图网络能够更好地关注到Trimap中的特征线索.此外,本文还设计了一种新型的归一化方式,以适应模型的训练过程.与近年流行的抠图模型相比,该模型在公开的人像数据集上显示出更低的量化损失(mse:0.0003,mad:0.0019,grad:6.0,conn:3.3),并且具有更精细的边界效果.

关键词：数字图像抠图深度学习技术 Trimap

维普期刊数据库博看期刊

同方期刊数据库

FedRCD:一种基于分布提取与社区检测的聚类联邦学习算法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2025年第03期52卷 188-196页

作者：王瑞聪边耐政吴英俊湖南大学信息科学与工程学院

将客户端聚类并在簇内进行联邦学习是缓解传统联邦学习算法在非独立同分布(Non-IID)数据场景下表现不佳的一类有效方法。这类方法大多使用客户端本地模型的参数来表征数据特性，并利用参数间的“距离”来评估相似性，从而实现客户端的... 详细信息

将客户端聚类并在簇内进行联邦学习是缓解传统联邦学习算法在非独立同分布(Non-IID)数据场景下表现不佳的一类有效方法。这类方法大多使用客户端本地模型的参数来表征数据特性，并利用参数间的“距离”来评估相似性，从而实现客户端的聚类，但由于神经网络神经元的置换不变性，聚类效果可能会不准确。此外，这类方法通常需要预设聚类数量，可能产生不合理的聚类，或者需要在算法迭代过程中进行聚类，这将带来过大的通信开销。在深入分析了现有方法的缺点之后，提出了一种新颖的联邦学习算法FedRCD。该算法结合了自编码器和K-Means算法，直接从客户端提取数据集的分布信息来描述其特性，从而降低了对模型参数的依赖；FedRCD还将客户端关系组织成图结构，并通过Louvain算法完成客户端聚类关系的构建，这个过程无需预设聚类数量，因此聚类结果更加合理。实验结果表明，FedRCD能更有效地挖掘客户端间的潜在聚类关系，在多种非独立同分布数据场景下，与其他联邦学习算法相比，显著提升了神经网络的训练效果。在CIFAR10数据集上，FedRCD的准确率比经典的FedAvg算法提高了37.08%,比最新发布的FeSEM算法也提高了1.89%,同时展现出更优秀的公平性表现。

关键词：联邦学习非独立同分布分布提取社区检测 Louvain算法