检索结果-南通市图书馆

用Critic赋权法加权邻域粗糙集的属性约简算法

在线全文

学校读者我要写书评

暂无评论

北京航空航天大学学报 2025年第1期51卷 75-84页

作者：吴尚智任艺璇葛舒悦王立泰王志宁西北师范大学计算机科学与工程学院兰州730070 国家税务总局武安市税务局邯郸056300

邻域粗糙集相比经典粗糙集能够处理非离散型数据和高维度数据,具有获得简化数据且不降低数据处理的能力。针对邻域粗糙集中每个属性具有相同权重,且每个属性对决策的影响程度不同的问题,提出用Critic赋权法加权邻域粗糙集的属性约简算... 详细信息

邻域粗糙集相比经典粗糙集能够处理非离散型数据和高维度数据,具有获得简化数据且不降低数据处理的能力。针对邻域粗糙集中每个属性具有相同权重,且每个属性对决策的影响程度不同的问题,提出用Critic赋权法加权邻域粗糙集的属性约简算法。使用Critic赋权法为条件属性赋权,引入加权距离函数计算邻域关系,得到加权邻域关系;构建加权邻域粗糙集,采用属性依赖度和重要度评估子集的重要性,使用等距搜索寻找最佳阈值,进行属性约简找到最优属性子集;采用UCI库中的10个数据集进行实验验证,与传统邻域粗糙集的属性约简算法的性能进行比较分析。实验结果表明:所提算法可得到最小属性约简集,并可保证约简后数据的分类准确率,具有有效性和实际应用价值。

关键词： Critic赋权法邻域粗糙集属性约简加权邻域关系属性依赖度

一种基于距离修正与改进沙猫群的三维DV-Hop定位算法

在线全文

学校读者我要写书评

暂无评论

电讯技术 2025年第2期65卷 322-328页

作者：苗凯苟平章西北师范大学计算机科学与工程学院兰州730070

为解决三维DV-Hop计算平均每跳距离和确定待定位节点时存在的较大误差问题,提出了一种改进的三维DV-Hop定位算法(3D-ISDVHop)。首先,引入理想跳数,重新定义修正因子,优化锚节点的原始跳数,减少跳数计算的累计误差;其次,通过最大路径搜... 详细信息

为解决三维DV-Hop计算平均每跳距离和确定待定位节点时存在的较大误差问题,提出了一种改进的三维DV-Hop定位算法(3D-ISDVHop)。首先,引入理想跳数,重新定义修正因子,优化锚节点的原始跳数,减少跳数计算的累计误差;其次,通过最大路径搜索算法获取一条待定位节点到锚节点之间的最相似锚节点对的路径,修正该路径的平均跳距,得到待定位节点到目标锚节点的平均跳距;最后,利用非线性周期调整机制和精英协作策略改进沙猫群优化算法,通过函数最小化求解待定位节点坐标。仿真实验结果表明,在相同网络环境下,3D-ISDVHop表现出更优的性能,对比3D-DVHop、3D-SBDVHop和ILSOA-DVHop平均定位误差率分别降低约36.8%、5.6%、2.3%。

关键词：无线传感器网络(WSN) 3D-DVHop算法跳距修正相似路径沙猫群优化算法

在线全文

学校读者我要写书评

暂无评论

基于双通道异质超图神经网络的引文推荐方法

计算机工程与科学 2025年第2期47卷 361-369页

作者：李瑞红李晓红姚锦王闪闪西北师范大学计算机科学与工程学院甘肃兰州730070

针对现有引文推荐方法侧重于使用图结构建模二元关系,对节点类型和交互关系的多元化及多样性表示不足的问题,提出了基于双通道异质超图神经网络的引文推荐方法。首先,构建异质图,利用卷积神经网络和Transformer分别编码异质图中各个节... 详细信息

针对现有引文推荐方法侧重于使用图结构建模二元关系,对节点类型和交互关系的多元化及多样性表示不足的问题,提出了基于双通道异质超图神经网络的引文推荐方法。首先,构建异质图,利用卷积神经网络和Transformer分别编码异质图中各个节点的局部和全局语义特征,获得异质图通道上关于目标节点的结构表征。其次,设计多种类型的超边,扩展异构数据信息。再次,使用超图编码节点间的交互,并利用超图神经网络捕获超图中潜在的复杂高阶语义关系,获得超图通道上关于目标节点的语义表征。最后,聚合2个通道上的信息,得到目标节点的最终语义表示,并计算目标论文节点与候选论文节点间的相关性,生成引用文献推荐列表。在DBLP和PubMed数据集上的实验结果表明,所提出的方法能有效提升引文推荐的质量,获得较好的推荐结果。

关键词：引文推荐异质图超图神经网络信息融合

维普期刊数据库博看期刊

激光锡等离子体的状态参数分布和极紫外波段辐射的模拟研究

在线全文

学校读者我要写书评

暂无评论

物理学报 2025年第3期74卷 1-15页

作者：敏琦王国栋何朝伟何思奇卢海东刘兴邦武艳红苏茂根董晨钟西北师范大学物理与电子工程学院甘肃省原子分子物理与功能材料重点实验室兰州730070 兰州工业学院计算机与人工智能学院兰州730050

激光锡(Sn)等离子体光源是当前先进极紫外(EUV)光刻机中最为核心的分系统,其辐射出的13.5 nm附近2%带宽内的EUV光的功率值和稳定性是决定整个光刻机是否成功的关键指标之一,本文针对激光Sn等离子体光源这一复杂系统,开展了详细的关于等... 详细信息

激光锡(Sn)等离子体光源是当前先进极紫外(EUV)光刻机中最为核心的分系统,其辐射出的13.5 nm附近2%带宽内的EUV光的功率值和稳定性是决定整个光刻机是否成功的关键指标之一,本文针对激光Sn等离子体光源这一复杂系统,开展了详细的关于等离子体状态参数分布以及EUV辐射光谱的数值模拟研究.首先基于细致能级模型,在局域热动平衡近似条件下计算得到了Sn等离子体在12—16 nm波段的辐射不透明度数据.随后利用激光等离子体辐射流体力学程序RHDLPP,分别模拟了纳秒激光脉冲作用于Sn平面固体靶和液滴靶所产生的等离子体的温度和电子密度等状态参数的分布.结合辐射不透明度数据和等离子体状态数据,利用光谱模拟后处理子程序SpeIma3D完成了平面靶等离子体的空间分辨EUV光谱以及液滴靶等离子体在60°观测角下的角分辨EUV光谱的模拟.最后,得到了液滴靶等离子体在13.5nm,2%带宽内的带内辐射强度随观测角度的变化规律.本文获得的所有等离子体状态参数分布和EUV光谱模拟结果与现有的实验结果具有很好的一致性,证明了RHDLPP程序在激光Sn等离子体EUV光源方面的模拟能力,相关结果可以为EUV光刻以及国产化EUV光源的研制提供一定的支持.

关键词：极紫外光刻光源激光锡等离子体辐射流体力学程序极紫外光谱

同方期刊数据库

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

面向CPS时空规则验证制导的安全强化学习

计算机科学与探索 2025年第2期19卷 513-527页

作者：印婵祝义王金永陈小颖郝国生江苏师范大学计算机科学与技术学院江苏徐州221116 徐州工程学院信息工程学院江苏徐州221018 南京大学计算机科学与技术系南京210023

深度强化学习是目前信息物理融合系统(CPS)决策中常用的一种方法。然而,当面对未知环境和复杂任务时,基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题,提出了一种形式化时空规则验证制导... 详细信息

深度强化学习是目前信息物理融合系统(CPS)决策中常用的一种方法。然而,当面对未知环境和复杂任务时,基于黑盒的深度强化学习方法在系统的安全性和奖励函数设置的可解释性方面存在不足。针对上述问题,提出了一种形式化时空规则验证制导的安全强化学习方法。提出了时空规则通信顺序进程(CSR-TCSP)对系统进行建模,并结合时空规约语言(STSL)和模型检测工具FDR对进程代数模型进行验证。利用系统环境模型形式化奖励状态机的结构,提出了时空规则奖励状态机(STR-RM)以指导强化学习中奖励函数的设置。此外,为了监测系统的运行并确保输出决策的安全性,设计了一个监控器及安全动作决策算法以获得更安全的状态行为策略。通过一个自动驾驶系统中的避障与变道超车实例,证明所提方法的有效性。

关键词：信息物理融合系统形式化方法进程代数安全强化学习自动驾驶

在线全文

学校读者我要写书评

暂无评论

基于同态加密和群签名的可验证联邦学习方案

电子与信息学报 2025年第3期47卷 758-768页

作者：李亚红李一婧杨小东张源牛淑芬兰州交通大学电子与信息工程学院兰州730000 电子科技大学计算机与工程学院成都610054 西北师范大学计算机工程学院兰州730000

在车载网络(VANETs)中,联邦学习(FL)通过协同训练机器学习模型,实现了车辆间的数据隐私保护,并提高了整体模型的性能。然而,FL在VANETs中的应用仍面临诸多挑战,如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问... 详细信息

在车载网络(VANETs)中,联邦学习(FL)通过协同训练机器学习模型,实现了车辆间的数据隐私保护,并提高了整体模型的性能。然而,FL在VANETs中的应用仍面临诸多挑战,如模型泄露风险、训练结果验证困难以及高计算和通信成本等问题。针对这些问题,该文提出一种面向联邦学习的可验证隐私保护批量聚合方案。首先,该方案基于Boneh-Lynn-Shacham(BLS)动态短群聚合签名技术,保护了客户端与路边单元(RSU)交互过程中的数据完整性,确保全局梯度模型更新与共享过程的不可篡改性。当出现异常结果时,方案利用群签名的特性实现车辆的可追溯性。其次,结合改进的Cheon-Kim-Kim-Song(CKKS)线性同态哈希算法,对梯度聚合结果进行验证,确保在联邦学习的聚合过程中保持客户端梯度的机密性,并验证聚合结果的准确性,防止服务器篡改数据导致模型训练无效的问题。此外,该方案还支持车辆在部分掉线的情况下继续更新模型,保障系统的稳定性。实验结果表明,与现有方案相比,该方案在提升数据隐私安全性和结果的可验证性的同时,保证了较高效率。

关键词：隐私保护联邦学习车载自组网可验证聚合群签名

生物序列比对动态规划算法的统一形式化构造与Isabelle验证

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 2025年第1期62卷 119-131页

作者：石海鹤蓝孙文刘日明石海鹏王岚钟林辉江西师范大学计算机信息工程学院南昌330022 江西师范大学软件学院南昌330022

序列比对是生物序列分析中的一个经典问题,旨在找出序列之间的相似性,它对于发现生物序列中的功能、结构和进化信息都具有重要的意义.该问题可分为双序列比对和多序列比对2类,现有工作多针对特定算法展开,没有设计通用的求解方法;此外,... 详细信息

序列比对是生物序列分析中的一个经典问题,旨在找出序列之间的相似性,它对于发现生物序列中的功能、结构和进化信息都具有重要的意义.该问题可分为双序列比对和多序列比对2类,现有工作多针对特定算法展开,没有设计通用的求解方法;此外,甚少涉及算法可信性的研究.从生物序列比对问题的形式化规约出发,通过深入分析问题的性质,刻画问题求解的本质特征,借助形式化方法PAR(partition andrecursion)设计了序列比对动态规划算法的统一构造框架seqAlign;展示了应用该框架构造序列数为3的多序列比对算法的过程,并使用Isabelle定理证明器对构造结果进行形式化验证;利用PAR平台生成了该算法的C++可执行程序,进一步分析了由seqAlign框架机械化构造其他类型序列比对算法的过程.通过严密的规约精化和形式验证,有效地保证了生成算法的可信性;开发的seqAlign框架提供了序列比对问题类的通用求解方案,显著提高了序列比对算法族生成的效率.研究结果在生物序列分析中序列比对问题上的成功应用,从方法学和实践上可为复杂生物信息学领域高可靠算法的构造提供参考.

关键词：序列比对 PAR方法形式构造 Isabelle定理证明器

OpenPerf:面向开源生态可持续发展的数据科学基准测试体系

在线全文

学校读者我要写书评

暂无评论

计算机学报 2025年第3期48卷 632-649页

作者：韩凡宇毕枫林张琰彬李晖游兰王伟钱卫宁周傲英华东师范大学数据科学与工程学院贵州大学计算机科学与技术学院湖北大学计算机与信息工程学院

基准测试是指通过设计科学的测试方法、测试工具和测试系统,实现对一类测试对象的某项性能指标进行定量的和可对比的测试。随着人工智能时代的到来,诸如ImageNet、DataPerf等这类新型的AI基准测试数据集逐步成为学术界和工业界的共识性... 详细信息

基准测试是指通过设计科学的测试方法、测试工具和测试系统,实现对一类测试对象的某项性能指标进行定量的和可对比的测试。随着人工智能时代的到来,诸如ImageNet、DataPerf等这类新型的AI基准测试数据集逐步成为学术界和工业界的共识性标准。当前,关于开源生态的研究大多基于某一项具体的研究点展开分析而缺少对开源生态基准体系的构建,一个开源项目处于怎样的发展位置、企业开源程序办公能力处于行业什么位置、开发者活跃度、项目影响力等基础数据与评价,都是数据使用方迫切需要的开源领域知识。为了解决开源领域“有数据无基准”的局面,本文提出一种面向开源生态可持续发展的数据科学基准测试体系(OpenPerf)。该体系自下而上主要包含数据科学任务类基准、指数类基准以及标杆类基准,旨在为学术界、工业界提供不同的基准参考。本文定义了9个数据科学任务类基准,给出了3项典型的数据科学任务类基准测试结果、2项指数类基准以及1项标杆类基准,其中2项指数类基准被中国电子技术标准化研究院作为开源社区治理的评估标准。数据科学任务类基准主要应用于学术界,为不同研究方向的研究者提供自己擅长的研究领域的基准。指数类基准主要面向企业界,企业界可以通过影响力和活跃度等基准数据了解当前企业开源程序办公能力所处的行业位置以及旗下开源项目所处的发展位置。标杆类基准是一种可测量的业界最佳水平的成绩,用来比较参考尺度。最后,通过3个应用在阿里、蚂蚁以及华东师范大学等国内知名公司和高校的实际案例验证了OpenPerf在推动开源生态可持续发展中所起到的关键作用。

关键词：基准测试开源生态可持续发展基准任务应用案例

融合改进TCN与DRSN的IoT入侵检测模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2025年第2期46卷 474-481页

作者：赵建姜伟哈尔滨师范大学计算机科学与信息工程学院哈尔滨150025

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差... 详细信息

入侵检测系统已逐步成为物联网安全的重要防护手段.然而,现有物联网入侵检测模型的样本数据存在类别不平衡、特征提取不足等问题,这导致了对于小类别攻击的低识别率与较低的精确率.因此,本文提出了一种融合改进时域卷积网络与深度残差收缩网络的物联网入侵检测模型.首先,利用扩张因果卷积与一维卷积充分提取数据的时空特征,形成深层层次的网络结构;然后引入自我注意的软门槛,能够无需专家经验自动地设置门槛,消除冗余特征;最后,使用焦点损失函数来增强对少数类的识别率.实验在TON-IoT数据集上的总体准确率和F1值分别高达99.88%和99.64%,其中小样本类的F1值为100%.实验结果表明,与其他模型相比,所提模型显著提高了对于不平衡入侵数据的检测能力.

关键词：物联网入侵检测时域卷积网络深度残差收缩网络样本不平衡焦点损失函数

维普期刊数据库博看期刊