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

基于边界特征融合和前景引导的伪装目标检测

电子学报 2024年第7期52卷 2279-2290页

作者：刘文犀张家榜李悦洲赖宇牛玉贞福州大学计算机与大数据学院福建福州350108

伪装目标检测旨在检测隐藏在复杂环境中的高度隐蔽物体,在医学、农业等多个领域有重要应用价值.现有方法结合边界先验过分强调边界区域,对伪装目标内部信息的表征不足,导致模型对伪装目标的内部区域检测不准确.同时,已有方法缺乏对伪装... 详细信息

伪装目标检测旨在检测隐藏在复杂环境中的高度隐蔽物体,在医学、农业等多个领域有重要应用价值.现有方法结合边界先验过分强调边界区域,对伪装目标内部信息的表征不足,导致模型对伪装目标的内部区域检测不准确.同时,已有方法缺乏对伪装目标前景特征的有效挖掘,使背景区域被误检为伪装目标.为解决上述问题,本文提出一种基于边界特征融合和前景引导的伪装目标检测方法,该方法由特征提取、边界特征融合、主干特征增强和预测等若干个阶段构成.在边界特征融合阶段,首先,通过边界特征提取模块获得边界特征并预测边界掩码;然后,边界特征融合模块将边界特征和边界掩码与最低层次的主干特征有效融合;同时,加强伪装目标边界位置及内部区域特征.此外,设计前景引导模块,利用预测的伪装目标掩码增强主干特征,即将前一层特征预测的伪装目标掩码作为当前层特征的前景注意力,并对特征执行空间交互,提升网络对空间关系的识别能力,使网络关注精细而完整的伪装目标区域.本文在4个广泛使用的基准数据集上的实验结果表明,提出的方法优于对比的19个主流方法,对伪装目标检测任务具有更强鲁棒性和泛化能力.

关键词：伪装目标检测边界先验前景引导边界特征边界掩码空间交互

在线全文

学校读者我要写书评

暂无评论

结合容错编码的量子化学分布式计算

化学学报 2024年第2期82卷 138-145页

作者：李宁徐丽娜方国勇马英晋中国科学院计算机网络信息中心北京100190 温州大学化学与材料工程学院温州325035

随着大尺度模拟、机器学习等前沿应用的兴起,分布式计算越发成为重要的计算研究手段.然而分布式计算由于多节点导致的软硬件局限,在科学计算、机器学习等领域的应用仍会存在一些问题.本工作将编码分布式计算应用到量子化学领域,通过借... 详细信息

随着大尺度模拟、机器学习等前沿应用的兴起,分布式计算越发成为重要的计算研究手段.然而分布式计算由于多节点导致的软硬件局限,在科学计算、机器学习等领域的应用仍会存在一些问题.本工作将编码分布式计算应用到量子化学领域,通过借鉴梯度编码方案,一方面解决分布式量子化学计算中的掉队节点问题;另一方面增加量子化学分布式计算的自动纠错能力,减少计算过程耗费的人力物力,以期实现自动化的容错量子化学计算.此外,也提出了编码复用的计算思路,能够简单有效地使用更多的计算资源在设定的容错能力上进行分布式计算.最后将此计算方案应用到计算P38蛋白与配体的结合能上,将使用编码计算得到的结果与真实的结果进行对比,验证此方案的准确性及其在自动化容错量子化学计算方面的应用潜力.

关键词：量子化学计算编码计算梯度编码容错自动化结合能

在线全文

学校读者我要写书评

暂无评论

基于检索增强的噪声标签细粒度图像分类方法

北京航空航天大学学报 2024年第7期50卷 2284-2292页

作者：暴恒邓理睿张良陈训逊中国科学院大学网络空间安全学院北京100049 清华大学计算机科学与技术系北京100084 国家计算机网络应急技术处理协调中心北京100029

在互联网音视频内容分析的应用中,快速建立低标注代价的图像细粒度分类方法具有重要意义。由于类别间具有相似的外观特征,并且存在光照、视角、背景遮挡等干扰因素,细粒度图像分类面临类别数量多、类间差异性小,以及标注代价高、标签信... 详细信息

在互联网音视频内容分析的应用中,快速建立低标注代价的图像细粒度分类方法具有重要意义。由于类别间具有相似的外观特征,并且存在光照、视角、背景遮挡等干扰因素,细粒度图像分类面临类别数量多、类间差异性小,以及标注代价高、标签信噪比低等挑战。为改善在带有噪声标签的数据环境下海量图像细粒度分类的效果,提出一种基于检索增强的图像细粒度分类方法,在迭代清洗噪声标签的基础上,利用检索范式通过简单类别标注获取更具表达性的特征,提升分类器的识别能力,并在包含1 500个细粒度的食物类别和超过50万张图像的数据集上取得良好的效果。

关键词：细粒度图像分类网络安全图像检索数据清洗噪声标签

基于增强嵌入特征超图学习的恶意域名检测方法

在线全文

学校读者我要写书评

暂无评论

计算机研究与发展 2024年第9期61卷 2334-2346页

作者：魏金侠龙春付豪宫良一赵静万巍黄潘中国科学院计算机网络信息中心北京100083 中国科学院大学计算机科学与技术学院北京100049

攻击者利用域名灵活地实施各类网络攻击,诸多学者针对性地提出了一些基于统计特征和基于关联关系的恶意域名检测方法,但这2类方法在域名属性高阶关系表示方面存在不足,无法准确呈现域间全局高阶关系.针对这类问题,提出一种基于嵌入式特... 详细信息

攻击者利用域名灵活地实施各类网络攻击,诸多学者针对性地提出了一些基于统计特征和基于关联关系的恶意域名检测方法,但这2类方法在域名属性高阶关系表示方面存在不足,无法准确呈现域间全局高阶关系.针对这类问题,提出一种基于嵌入式特征超图学习的恶意域名检测方法:首先基于域名空间统计特征利用决策树构建域名超图结构,利用决策树倒数第2层节点的输出结果作为先验条件形成超边,快速将域名流量之间的多阶关联关系清晰地表示出来;其次基于超图结构特征对字符嵌入特征进行增强编码,基于域名空间统计特征和域名字符嵌入编码特征从域名数据中挖掘出字符间隐藏的高阶关系;最后结合中国科技网真实的域名系统(domain name system,DNS)流量,对有效性和可行性进行了分析与评估,能够快速高效地检测隐蔽的恶意域名.

关键词：恶意域名超图学习决策树嵌入式编码空间统计特征

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

在线全文

学校读者我要写书评

暂无评论

一种基于决策树的比特币不可达节点发现方法

北京航空航天大学学报 2024年第6期50卷 1861-1867页

作者：李锐光朱佳伟吴阜东高家奇徐大伟祝烈煌北京理工大学网络空间安全学院北京100081 国家计算机网络应急技术处理协调中心北京100029 长春大学网络安全学院长春130022

不可达节点是指比特币网络中不接收外部连接请求的网络工作节点,发现、验证均较为困难。现有研究大多集中于可达节点,而对不可达节点的研究较少。为此,提出一种基于决策树算法的不可达节点发现方法,可以从大量比特币地址中自动分类发现... 详细信息

不可达节点是指比特币网络中不接收外部连接请求的网络工作节点,发现、验证均较为困难。现有研究大多集中于可达节点,而对不可达节点的研究较少。为此,提出一种基于决策树算法的不可达节点发现方法,可以从大量比特币地址中自动分类发现不可达节点。实验结果表明:所提方法在实验数据集上分类准确率为95.73%,召回率为91.97%;在真实数据上进行实测,并利用网络空间搜索引擎进行验证,所提方法实际分类准确率为53.75%,召回率约为76.86%。对实验中发现不可达节点的总量、地理分布、所属网络服务商等进行统计分析,为比特币监管工作提供有力技术支撑。

关键词：比特币不可达节点可达节点决策树网络空间搜索引擎

融合用户关系表示和信息传播拓扑特征的信息传播预测

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 2024年第10期18卷 2738-2749页

作者：吴运兵高航曾炜森阴爱英福州大学计算机与大数据学院福州350108 福州大学至诚学院计算机工程系福州350002

信息传播预测旨在分析信息传播网络或社交媒体中信息扩散的规律,以理解和预测信息的传播过程。现有工作主要关注用户群体关系中的社交关系和动态影响关系,忽略了群体关系中用户间相似性关系和个体关系中内在因素对用户转发信息的影响。... 详细信息

信息传播预测旨在分析信息传播网络或社交媒体中信息扩散的规律,以理解和预测信息的传播过程。现有工作主要关注用户群体关系中的社交关系和动态影响关系,忽略了群体关系中用户间相似性关系和个体关系中内在因素对用户转发信息的影响。为此,提出了融合用户关系表示和信息传播拓扑特征的信息传播预测模型,从群体关系和个体关系两个层面分析用户受信息影响的可能性。在群体关系层面,构建用户共现次数图来学习用户相似性关系表示,随后融合了用户关系表示和信息传播拓扑特征来更全面地捕捉群体关系;在个体关系层面,融合了用户个体特征表示和影响因素向量,以捕捉不同的内在因素对刺激用户转发信息h的影响。实验结果表明,该模型在两个公开数据集上性能均有提升,在Memetracker数据集上MAP@k和its@k评价指标分别平均提升了6.54%和2.75%。

关键词：信息传播预测拓扑结构相似性共同兴趣

基于胶囊异构图注意力网络的中文表格型数据事实验证

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第9期35卷 4324-4345页

作者：杨鹏查显宇赵广振林茜东南大学计算机科学与工程学院江苏南京211189 计算机网络和信息集成教育部重点实验室(东南大学) 江苏南京211189 福州大学计算机与大数据学院福建福州350108

事实验证旨在检查一个文本陈述是否被给定的证据所支持.由于表格结构上具有依赖性、内容上具有隐含性,以表格作为证据的事实验证任务仍面临很多挑战.现有工作或者利用逻辑表达式来解析基于表格证据的陈述,或者设计表格感知神经网络来编... 详细信息

事实验证旨在检查一个文本陈述是否被给定的证据所支持.由于表格结构上具有依赖性、内容上具有隐含性,以表格作为证据的事实验证任务仍面临很多挑战.现有工作或者利用逻辑表达式来解析基于表格证据的陈述,或者设计表格感知神经网络来编码陈述-表格对,以此实现基于表格的事实验证任务.但是,这些方法没有充分利用陈述背后隐含的表格信息,从而导致模型的推理性能下降,并且基于表格证据的中文陈述具有更加复杂的语法和语义,也给模型推理带来更大的困难.为此,提出基于胶囊异构图注意力网络(CapsHAN)的中文表格型数据事实验证方法,所提方法能充分理解陈述的结构和语义,进而挖掘和利用陈述所隐含的表格信息,有效提升基于表格的事实验证任务准确性.具体而言,首先通过对陈述进行依存句法分析和命名实体识别来构建异构图,接着对该图采用异构图注意力网络和胶囊图神经网络进行学习和理解,然后将得到的陈述文本表示与经过编码的表格文本表示进行拼接,最后完成结果的预测.更进一步,针对现有中文表格型事实验证数据集匮乏而难以支持基于表格的事实验证方法性能评价的难题,首先对主流TABFACT和INFOTABS表格事实验证英文数据集进行中文转化,并且专门针对中文表格型数据的特点构建了基于UCL国家标准的数据集UCLDS,该数据集将维基百科信息框作为人工注释的自然语言陈述的证据,并被标记为蕴含、反驳或中立3类.UCLDS在同时支持单表和多表推理方面比传统TABFACT和INFOTABS数据集更胜一筹.在上述3个中文基准数据集上的实验结果表明,所提模型的表现均优于基线模型,证明该模型在基于中文表格的事实验证任务上的优越性.

关键词：基于表格的事实验证异构图注意力网络胶囊图神经网络依存句法分析命名实体识别

基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第7期52卷 2242-2256页

作者：陈羽中陈友昆林闽沪牛玉贞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

与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上... 详细信息

与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上述问题,本文提出一种基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估模型.首先,使用高斯拉普拉斯算子构造由失真屏幕内容图像高频信息组成的边缘结构图,然后通过卷积神经网络(Convolutional Neural Network,CNN)对输入的失真屏幕内容图像和相应的边缘结构图进行多尺度的特征提取与融合,以图像的边缘结构信息为模型训练提供额外的信息增益.此外,本文进一步构建了基于Transformer的多尺度特征编码模块,从而在CNN获得的局部特征基础上更好地建模不同尺度图像和边缘特征的全局上下文信息.实验结果表明,本文提出的方法在指标上优于其他现有的无参考和全参考屏幕内容图像质量评估方法,能够取得更高的主客观视觉感知一致性.

关键词：无参考屏幕内容图像质量评估高斯拉普拉斯算子卷积神经网络 Transformer 多尺度特征