检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

阿贝尔已经发现了伽罗瓦的定理?

科学技术哲学研究 2024年第5期 95-100页

作者：杨保强延安大学数学与计算机科学学院

数学家阿贝尔与伽罗瓦均处理了素数次不可约方程根式可解的问题，阿贝尔在伽罗瓦之前给出了一个判别定理。与伽罗瓦定理在表述上的相似性使得一些后世学者认为，阿贝尔已经得到了与伽罗瓦定理几乎一致的结果，且阿贝尔先于伽罗瓦而拥有... 详细信息

数学家阿贝尔与伽罗瓦均处理了素数次不可约方程根式可解的问题，阿贝尔在伽罗瓦之前给出了一个判别定理。与伽罗瓦定理在表述上的相似性使得一些后世学者认为，阿贝尔已经得到了与伽罗瓦定理几乎一致的结果，且阿贝尔先于伽罗瓦而拥有这一定理。文章通过分析原始文本，追溯历史评论，指出阿贝尔的定理存在无法回避的问题，以至于它并不等同于伽罗瓦的定理，揭示阿贝尔并未先于伽罗瓦而已经发现了伽罗瓦的定理。同时，发掘伽罗瓦定理的原创性之所在以及阿贝尔结果的思想来源，以此案例说明数学史使我们正确看待过去数学的方式与意义。

关键词：阿贝尔伽罗瓦定理素数次方程根式可解数学史

ObjectBoxG：基于GC3模块的目标检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

智能系统学报 2024年

作者：张建宇谢娟英陕西师范大学计算机科学学院

随着对目标检测任务研究的不断深入，以ObjectBox检测器为代表的无锚框方法引起了研究者们的关注。然而，ObjectBox检测器不能充分利用多尺度特征，也未充分考虑目标中心点与全局信息关联。为此，借助图卷积神经网络的结点相互影响原理... 详细信息

随着对目标检测任务研究的不断深入，以ObjectBox检测器为代表的无锚框方法引起了研究者们的关注。然而，ObjectBox检测器不能充分利用多尺度特征，也未充分考虑目标中心点与全局信息关联。为此，借助图卷积神经网络的结点相互影响原理，提出基于图谱方法的图卷积层模块GConv (Graph Convolution Layer)，学习图像全局特征；融合模块GConv与C3(cross stage partial network with 3 convolutions)得到GC3 (Graph C3 module)模块，进一步提取图像原始特征、细节特征以及全局特征；将GC3结合广义特征金字塔网络GFPN(Generalized Feature Pyramid Network)，提出图广义特征金字塔网络GGFPN (Graph Generalized Feature Pyramid Network)，并嵌入ObjectBox算法，设计出ObjectBoxG算法。经典数据集的试验测试表明，提出的GC3模块比原C3模块具有更强特征提取能力；提出的GGFPN网络比GC3的特征学习能力更强；提出的ObjectBoxG算法具有优良的目标检测性能。

关键词：图卷积神经网络特征提取特征融合目标检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

加权共享近邻优化的密度峰值聚类算法

计算机科学与探索 2024年

作者：张文杰谢娟英陕西师范大学计算机科学学院

针对密度峰值聚类算法DPC（Clustering by fast search and find of Density Peaks）的样本局部密度受到数据集规模大小和截断距离dc影响，及其一步分配策略会带来样本分配的“多米诺骨牌效应”，提出基于加权共享近邻优化的密度峰值聚... 详细信息

针对密度峰值聚类算法DPC（Clustering by fast search and find of Density Peaks）的样本局部密度受到数据集规模大小和截断距离dc影响，及其一步分配策略会带来样本分配的“多米诺骨牌效应”，提出基于加权共享近邻优化的密度峰值聚类算法WSN-DPC （Density peak clustering algorithm based on weighted shared neighbors optimization）。算法利用基于标准差加权的距离代替欧氏距离，强化样本不同特征对距离的贡献，利用共享近邻信息定义样本相似度，进而定义样本局部密度和相对距离，以尽可能体现样本真实分布信息。同时，采用不同分配策略对离群点和非离群点依次进行分配，使得每个样本能够尽可能地分配到正确类簇。多个数据集的实验测试和统计性检验结果表明，WSN-DPC算法优于DPC及其改进算法，但不是与所有对比算法均有统计意义上的显著不同。因此，提出的WSN-DPC算法有效地解决了DPC算法的缺陷，成为当前最优的密度峰值聚类算法。

关键词：共享近邻局部密度加权距离类簇中心聚类

TTLD-YOLOv7:非结构化环境下茶树病害的检测算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

茶叶科学 2024年第3期44卷 453-468页

作者：俞淑燕杜晓晨冯海林李颜娥浙江农林大学数学与计算机科学学院浙江杭州311300

茶树病害对茶树种植业和相关行业的影响极为严重。在动态而复杂的茶园环境中检测疾病的传统方法效率低下,检测效果不尽人意。本研究提出一种基于YOLOv7-tiny的模型,增强了茶树病害的细微检测能力。通过整合CoordConv和ECA信道关注机制,... 详细信息

茶树病害对茶树种植业和相关行业的影响极为严重。在动态而复杂的茶园环境中检测疾病的传统方法效率低下,检测效果不尽人意。本研究提出一种基于YOLOv7-tiny的模型,增强了茶树病害的细微检测能力。通过整合CoordConv和ECA信道关注机制,本模型在卷积特征图中实现了更高的空间识别能力,并降低了背景噪声对特征识别的影响。进一步的改进包括采用归一化瓦瑟斯坦距离度量和去耦头,以提高对小病斑的检测能力。使用K-means算法根据茶树病斑的特殊性生成了新的锚框,提高了模型的精确性和通用性。对比分析表明,该模型优于现有模型FasterR-CNN、 SSD、 YOLOv5s、 YOLO-Tea、 YOLOv7-tiny和YOLOv7,平均精确度提高5.39个百分点,达到了93%。改进后的模型可应用于茶树病害监测。

关键词：茶树病害 YOLOv7-tiny 自然环境目标检测

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

CARFB：即插即用的目标检测模块

计算机科学与探索 2024年

作者：杨梅君姚若侠谢娟英陕西师范大学计算机科学学院

针对坐标注意力CA（Coordinate Attention）在水平和垂直方向特征的平均池化可能丢失目标显著特征，以及使用二维普通卷积对小目标特征学习不足的情况，提出了CARFB（Coordinate Attention and Receptive Field Block）模块。该模块将C... 详细信息

针对坐标注意力CA（Coordinate Attention）在水平和垂直方向特征的平均池化可能丢失目标显著特征，以及使用二维普通卷积对小目标特征学习不足的情况，提出了CARFB（Coordinate Attention and Receptive Field Block）模块。该模块将CA的平均池化修改为平均+最大池化，以保留输入特征在水平和垂直方向的显著和细节信息；利用RFB（Receptive Field Block）具有不同大小感受野的优势，在水平和垂直方向分别使用RFB模块代替CA的融合特征统一卷积，以同时提取不同大小目标的特征；引入包含不同大小卷积核和步长的CBS（Convolution + Batch Normalization + SiLU）模块，替换CA的二维普通卷积，进一步提取水平和垂直方向的特征，得到重新加权的输出特征。CARFB模块在水平和垂直方向保存目标位置信息，利用不同感受野提取不同大小目标的强辨别性特征，从而具有更强的特征学习能力。为了验证提出的即插即用模块CARFB的性能，首先将其嵌入ObjectBox目标检测框架，得到ObjectBox-CARFB模型；其次用CARFB模块替换RFB net中的RFB模块，得到CARFB net目标检测模型。MS COCO数据集的实验测试表明，ObjectBox-CARFB模型的性能全面提升，尤其对小目标的检测性能提升突出；PASCAL VOC和MS COCO数据集的实验结果表明，CARFB net300和CARFB net512的目标检测能力分别优于原始RFB net300和RFB net512模型，并优于其他同系列对比模型。提出的CARFB模块具有更强特征学习能力，对不同尺度目标均能取得较好检测效果，特别是在小目标检测方面，效果提升显著。提出的CARFB模块可以嵌入到任何一个卷积神经网络，能保存更多目标信息，具有更强特征学习能力，提升网络性能，对不同尺度目标均能取得较好检测效果，尤其对小目标的检测效果提升显著。

关键词：目标检测 RFB 坐标注意力小目标深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

迁移表征的知识追踪模型

智能系统学报 2024年第4期19卷 974-982页

作者：张凯刘月覃正楚秦心怡长江大学计算机科学学院湖北荆州434023

针对多数知识追踪研究在表征题目时仅利用了题目包含的概念等显性特征,未能考虑到题目中概念的考察侧重程度这一隐性特征,也未表征迁移过程中题目的迁移程度的问题,本文提出题目迁移表征的知识追踪模型。在题目侧重表征方面,采用加性注... 详细信息

针对多数知识追踪研究在表征题目时仅利用了题目包含的概念等显性特征,未能考虑到题目中概念的考察侧重程度这一隐性特征,也未表征迁移过程中题目的迁移程度的问题,本文提出题目迁移表征的知识追踪模型。在题目侧重表征方面,采用加性注意力机制提取题目中各个概念的考察侧重程度;在题目迁移方面,利用相似性和通道注意力机制融合建模历史题目多角度的迁移程度;在迁移遗忘方面,使用门限机制建模学习迁移的遗忘过程。最终得到题目迁移表征,以此来预测学习者未来的答题表现。在实验阶段,与6种相关模型在3个真实数据集上进行对比实验,结果表明提出模型的曲线下面积(area under the curve,AUC)和准确率(accuracy,ACC)均有更好表现,尤其在ASSISTments2012数据集上表现最佳,相较于其他对比模型分别提升了3.5%~20.1%和2.3%~18.5%;在可解释性方面,使用图表可视化描述了题目迁移表征生成路径。本研究建模的学习迁移内在机制可为知识追踪模型的设计提供参考。

关键词：知识追踪学习迁移机制题目表征题目迁移序列模型答题预测注意力机制门限机制

基于多尺度空洞U-Net的多聚焦图像融合算法

维普期刊数据库

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

激光与光电子学进展 2024年第14期61卷 437-446页

作者：聂丰镐李梦霞周孟香董雨雪李志良李龙长江大学计算机科学学院湖北荆州434023

针对目前多聚焦融合算法仅采用单一的图像特征提取尺度,从而导致成像中细节边缘丢失和局部模糊等的问题,提出一种基于多尺度空洞U-Net的多聚焦图像融合算法。首先,在U-Net的编码器部分,引入多尺度空洞模块替代传统的卷积模块,充分利用... 详细信息

针对目前多聚焦融合算法仅采用单一的图像特征提取尺度,从而导致成像中细节边缘丢失和局部模糊等的问题,提出一种基于多尺度空洞U-Net的多聚焦图像融合算法。首先,在U-Net的编码器部分,引入多尺度空洞模块替代传统的卷积模块,充分利用不同尺度的感受野,更全面地捕捉局部和全局信息。此外,为了进一步增强图像特征的表征能力,在U-Net的中间层采用了RFB-s模块,以优化多尺度特征的定位能力。所提融合算法采用深度学习中端到端的有监督学习方法,分为特征提取、特征融合和图像重建3个模块,其中特征提取部分使用了包含多尺度空洞模块的U-Net。实验结果表明,所提算法得到的融合图像细节纹理清晰,且无重叠伪影。在所有用于对比的多聚焦图像融合算法中,所提算法的平均梯度、视觉信息保真度和互信息评价指标均最优,并且边缘信息保持度指标取得了接近最优结果的次优结果。同时,消融实验的结果进一步验证了所提多尺度空洞模块能显著增强网络的特征提取能力,从而提高图像融合质量。

关键词：图像处理多聚焦图像图像融合多尺度空洞卷积

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

集合相似问题的保密计算

密码学报(中英文) 2024年

作者：马秀莲段雨薇李顺东陕西师范大学计算机科学学院

集合相似性的保密计算是安全多方计算的常见问题之一,可用于数据匹配、信息检索、模式识别等各种应用.本文在集合元素范围已知的情况下利用加密选择和Paillier密码系统的同态性,在集合相似值是密文的基础上设计了最相似集合的保密计算协... 详细信息

集合相似性的保密计算是安全多方计算的常见问题之一,可用于数据匹配、信息检索、模式识别等各种应用.本文在集合元素范围已知的情况下利用加密选择和Paillier密码系统的同态性,在集合相似值是密文的基础上设计了最相似集合的保密计算协议.然后,利用随机数混淆实际数据,并使用Paillier密码系统的同态性设计了相似性阈值集合的保密计算协议.本文协议都是基于同态加密而不是通过构造B+树实现的,从而解决了现有大多数研究插入新数据时会导致树的结构变化且无法保护插入新数据的数量等问题.同时,通过模拟范例严格证明了协议的安全性.最后,在设计最相似集合的保密计算协议的基础上,解决了数据库保密搜索最相似的文档问题.与现有方案相比,本文协议是高效的.

关键词：密码学安全多方计算集合相似性同态加密模拟范例

基于双重自表达与最大熵原理的子空间聚类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机工程与科学 2024年

作者：李猛刘姿邑宋宇航西安工程大学计算机科学学院

深度子空间聚类算法使用深度神经网络将原始输入数据映射至潜在空间，并利用数据的自表达性作为数据相似程度的度量，从而有效实现对高维数据的聚类。然而，这类算法仅关注潜在空间中的自表达关系，导致其性能严重依赖于深度神经网络所... 详细信息

深度子空间聚类算法使用深度神经网络将原始输入数据映射至潜在空间，并利用数据的自表达性作为数据相似程度的度量，从而有效实现对高维数据的聚类。然而，这类算法仅关注潜在空间中的自表达关系，导致其性能严重依赖于深度神经网络所提取特征的质量。此外，正则化过程忽略各空间内的连通性，影响谱聚类的性能。针对这些问题，提出了基于双重自表达与最大熵原理的深度子空间聚类算法。该算法同时学习潜在空间与输入空间的自表达关系，以引导深度神经网络获得适合于子空间聚类的数据表示。通过最大化相似度矩阵的熵，确保同一子空间的元素均匀且密集分布，从而提升数据聚类性能。在5个数据集上进行大量实验，验证所提算法的有效性。

关键词：子空间聚类自表达深度神经网络最大熵原理