检索结果-南通市图书馆

同方期刊数据库

基于节点影响因子和贡献因子的复杂网络重要节点识别

在线全文

学校读者我要写书评

暂无评论

复杂系统与复杂性科学 2024年

作者：孙文静余路粉潘文林蓝春江云南民族大学数学与计算机科学学院

针对高聚集网络，提出一种新的识别复杂网络重要节点的方法KEC，该方法既考虑了节点及邻居节点的局部信息即影响因子又考虑了邻居节点对节点影响力的贡献度，提出了贡献因子。在八个真实网络中，利用SIR模型和蓄意攻击实验分析KEC与六... 详细信息

针对高聚集网络，提出一种新的识别复杂网络重要节点的方法KEC，该方法既考虑了节点及邻居节点的局部信息即影响因子又考虑了邻居节点对节点影响力的贡献度，提出了贡献因子。在八个真实网络中，利用SIR模型和蓄意攻击实验分析KEC与六个常用中心性在网络中的表现，最后利用Kendall-tau相关系数分析KEC与六个常用中心性计算节点值的相关性。结果表明KEC能有效识别有影响力的节点集和提高网络的抗毁性，同时在八个真实网络中KEC与六个常用中心性的Kendall-tau相关性几乎均为正相关，说明KEC在识别复杂网络重要节点是可行的。

关键词：复杂网络重要节点识别局部信息贡献因子 SIR模型抗毁性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于小波自编码器的图像盲去噪算法

华中科技大学学报（自然科学版） 2024年第2期52卷 62-68页

作者：马自萍谭力刀北方民族大学数学与信息科学学院宁夏银川750021 北方民族大学计算机科学与工程学院宁夏银川750021

为解决基于深度学习图像去噪方法在图像盲去噪任务中去噪能力有限和去噪效果不佳的问题,构造了小波自编码器(Wavelet-AE),并用于图像盲去噪.首先,使用Haar小波构造小波卷积层(DWT)与逆小波卷积层(IDWT);然后,分别使用DWT和IDWT构建下采... 详细信息

为解决基于深度学习图像去噪方法在图像盲去噪任务中去噪能力有限和去噪效果不佳的问题,构造了小波自编码器(Wavelet-AE),并用于图像盲去噪.首先,使用Haar小波构造小波卷积层(DWT)与逆小波卷积层(IDWT);然后,分别使用DWT和IDWT构建下采样块和上采样块;最后,使用下采样块和上采样块构造小波自编码器.Wavelet-AE可以建立噪声图像与干净图像在特征空间中的映射关系,进而具备更好的图像盲去噪能力.为定量评价所提方法的图像盲去噪能力,将峰值信噪比和结构相似性作为评价指标.在Kodak和SIDD数据集上的图像盲去噪实验结果表明:Wavelet-AE与一些先进的传统方法和深度网络去噪方法相比具有更好的盲去噪能力,平均峰值信噪比(PSNR)最大可提高4.58 dB,平均结构相似性(SSIM)最大可提高0.149.

关键词：图像处理图像盲去噪小波自编码器综合噪声真实噪声

在线全文

学校读者我要写书评

暂无评论

基于覆盖树的自适应均值漂移聚类算法

计算机工程与设计 2024年第2期45卷 452-458页

作者：温柳英庞柯西南石油大学计算机科学学院四川成都610500

为解决均值漂移聚类算法聚类效果依赖于带宽参数的主观选取,以及处理密度变化大的数据集时聚类结果精确度问题,提出一种基于覆盖树的自适应均值漂移聚类算法MSCT(MeanShift based on Cover-Tree)。构建一个覆盖树数据集,在计算漂移向量... 详细信息

为解决均值漂移聚类算法聚类效果依赖于带宽参数的主观选取,以及处理密度变化大的数据集时聚类结果精确度问题,提出一种基于覆盖树的自适应均值漂移聚类算法MSCT(MeanShift based on Cover-Tree)。构建一个覆盖树数据集,在计算漂移向量过程中结合覆盖树数据集获得新的漂移向量结果KnnShift,在不同数据密度分布的数据集上都能自适应产生带宽参数,所有数据点完成漂移过程后获得聚类结果。实验结果表明,MSCT算法的聚类效果整体上优于MS、DBSCAN等算法。

关键词：聚类均值漂移覆盖树滑动窗口最近邻密度聚类机器学习

在线全文

学校读者我要写书评

暂无评论

联邦异质性数据下半监督颈椎MRI分割模型

计算机工程 2024年第9期50卷 367-376页

作者：潘恩元钟原李平西南石油大学计算机科学学院四川成都610500

利用分割的医学图像进行诊断在临床和医学研究上是一种有效的辅助方法,但由于医学图像的隐私性、分散性和标注困难等问题严重影响了其实际应用效果。对颈椎磁共振成像(MRI)图像分割来说,其图像数据获取更困难,且标注成本高昂,颈椎分割... 详细信息

利用分割的医学图像进行诊断在临床和医学研究上是一种有效的辅助方法,但由于医学图像的隐私性、分散性和标注困难等问题严重影响了其实际应用效果。对颈椎磁共振成像(MRI)图像分割来说,其图像数据获取更困难,且标注成本高昂,颈椎分割模型在面对不同来源的异质性数据时难以有效提取颈椎细节信息。因此,在联邦学习场景下,针对标注信息缺少以及数据异质性导致分割精度下降的问题,提出一种基于标签分离与引导的多尺度半监督分割网络M-FedLO。M-FedLO通过标签分离的方式分别对椎块与椎间盘进行分割,同时实现多尺度输出,使得椎块与椎间盘的边缘信息得到进一步提取,更好地分离出椎块与椎间盘。在联邦“全局+本地”的模式下,利用全局模型的标签引导,使本地模型在无标签数据上提取的特征与全局模型逼近一致,从而增强本地模型对无标签数据的利用。同时使用随机权重平均(SWA)算法对参数进行优化,缓解模型权重震荡问题,提升模型泛化能力。实验结果表明,与半监督基准分割模型相比,提出的模型不仅在非异质性上的颈椎MRI医学图像分割效果上取得一定的提升,而且在异质性的颈椎图像上也具有较好的成果。在颈椎数据集上与实验结果最好的ICT模型相比较,Disc相似性系数(DSC)指标达到86.86%,提升了1.72个百分点。

关键词：颈椎分割联邦学习异质性数据标签分离多尺度标签引导

在线全文

学校读者我要写书评

暂无评论

智能车载网络中匿名认证与密钥交换协议

计算机工程与科学 2024年第1期46卷 83-90页

作者：张晓均唐浩宇付红王文琛西南石油大学计算机科学学院四川成都610500

智能车载网络是实现智能交通系统的核心,近年来受到学术界越来越多的关注,但车载网络固有的开放性、脆弱性导致其面临许多安全问题。为解决智能车辆与附近RSU之间双向认证和会话密钥的交换以及智能车辆的身份匿名性问题,提出智能车载网... 详细信息

智能车载网络是实现智能交通系统的核心,近年来受到学术界越来越多的关注,但车载网络固有的开放性、脆弱性导致其面临许多安全问题。为解决智能车辆与附近RSU之间双向认证和会话密钥的交换以及智能车辆的身份匿名性问题,提出智能车载网络中匿名认证与密钥交换协议。协议中设计了基于身份的数字签名算法,使得智能车辆以身份完全匿名的方式向附近的路边基站单元发送认证信息。当路边基站单元通过认证之后,计算一个消息认证码作为响应信息发送给请求认证的智能车辆,以实现双向认证。此外,在匿名认证的同时还能进行会话密钥的协商,用于后续的安全保密通信。协议是基于身份密码系统设计的,不需要复杂的证书管理。性能评估表明,所提协议能够有效部署在智能车载应用场景。

关键词：智能车载网络身份匿名密钥交换双向认证消息认证码

结合三角剖分和贝塞尔曲线的石头画生成式信息隐藏方法

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

计算机工程 2024年

作者：任致毅邵利平陕西师范大学计算机科学学院

相对于自然载体无载体信息隐藏，非自然载体无载体信息隐藏不试图生成或利用自然载体来隐藏秘密信息，可从根本上杜绝自然载体判别问题。但现有的非自然载体无载体信息隐藏方法，水影画嵌密无法对秘密信息进行有效掩盖，分形嵌密需满足... 详细信息

相对于自然载体无载体信息隐藏，非自然载体无载体信息隐藏不试图生成或利用自然载体来隐藏秘密信息，可从根本上杜绝自然载体判别问题。但现有的非自然载体无载体信息隐藏方法，水影画嵌密无法对秘密信息进行有效掩盖，分形嵌密需满足整体与局部自相似的严苛数学约束。为对秘密信息进行有效掩盖并进一步提升视觉质量，采用自然图像矢量化的方式，提出一种结合三角剖分和贝塞尔曲线嵌密的石头画生成式信息隐藏方法。首先将前景区域三角剖分，剔除不适合嵌密和不保持掩体前景特征的三角区域；其次产生表征秘密比特与给定三角区域相内切的石头轮廓，并填充与三角区域、密钥和嵌密比特一致的随机颜色，从而产生石头画；最后基于密钥产生一致的三角区域提取秘密比特并进行颜色认证。理论和实验表明：所提方法可产生与掩体图像轮廓特征一致的富含语义的石头画，不暴露嵌密特征，可对秘密信息进行有效掩盖，提取严格依赖于密钥，可对提取的秘密比特进行高精度颜色认证，未知密钥将无法获取秘密信息。

关键词：无载体信息隐藏三角剖分贝塞尔曲线颜色认证石头画

融合CNN和Transformer的并行双分支皮肤病灶图像分割

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用研究 2024年第8期41卷 2554-2560页

作者：陶惜婷叶青长江大学计算机科学学院湖北荆州434000

准确的皮肤病变自动分割对于协助医生临床诊断和治疗至关重要。针对现有卷积结构能提取局部特征信息但无法建模长程依赖关系,而Transformer能提取全局上下文信息但存在细节信息丢失的问题,提出了一种融合CNN和Transformer的并行多尺度... 详细信息

准确的皮肤病变自动分割对于协助医生临床诊断和治疗至关重要。针对现有卷积结构能提取局部特征信息但无法建模长程依赖关系,而Transformer能提取全局上下文信息但存在细节信息丢失的问题,提出了一种融合CNN和Transformer的并行多尺度自动分割网络PDTransCNN。首先以基于ResNet34的CNN分支和Transformer分支并行提取皮肤病图像的特征信息,构建多级局部相关性和捕获上下文信息间的长距离依赖关系;其次利用特征融合模块FM互补两分支特征间的关键信息,增强语义信息间的依赖关系;最后采用Transformer解码单元逐步融合编码块和融合单元所提取到的语义信息得到最终分割结果。该模型在ISIC2016、ISIC2017和ISIC2018数据集上进行测试,其Dice系数分别高达91.72%、87.34%和90.01%,IoU值分别为85.6%、79.55%和83.67%。实验结果表明,PDTransCNN相比其他分割模型具有更好的分割性能,能清晰有效地分割皮肤病变图像。

关键词：皮肤病变医学图像分割 CNN Transformer 特征融合

在线全文

学校读者我要写书评

暂无评论

基于交通标志的小目标检测

激光杂志 2024年第3期45卷 100-105页

作者：曾天豪陈琳长江大学计算机科学学院湖北荆州434000

针对小目标检测算法在交通标志识别上的精度较低和误检等问题,提出一种前景融合注意力机制网络YOLO-Traffic。先引入EIOU损失函数,分别计算预测框和真实框的宽度,再利用空洞卷积来解决原模型CIOU存在的问题;其次,添加前景注意力机制F-E... 详细信息

针对小目标检测算法在交通标志识别上的精度较低和误检等问题,提出一种前景融合注意力机制网络YOLO-Traffic。先引入EIOU损失函数,分别计算预测框和真实框的宽度,再利用空洞卷积来解决原模型CIOU存在的问题;其次,添加前景注意力机制F-ECA,充分提取前景相关信息,抑制背景噪声;最后使用Kmeans++算法代替Kmeans聚类得到的锚框进行重新分配相应的特征层,进一步提高特征提取能力。在清华大学制作的TT100K交通标志数据集上实验得出,对比原YOLOv5网络,精度提升了2.91%,召回率提升了2.1%,检测速度为44帧每秒,最终精度达到96.89%。因此,所提出的YOLO-Traffic网络可以提升交通标志检测精度和模型性能。

关键词：小目标检测前景注意力交通标志空洞卷积

在线全文

学校读者我要写书评

暂无评论

习题内外表示异质融合的知识追踪模型

计算机应用研究 2024年第3期41卷 764-771页

作者：张凯付姿姿纪涛长江大学计算机科学学院湖北荆州434023

现有知识追踪研究大多使用习题蕴涵的知识点等内隐信息或历史交互数据等外显信息建模习题表示,没有注意到内外信息的异质性特征,缺乏对习题内外信息的异质融合。针对上述问题,提出了融合内外异质信息的知识追踪模型。首先,基于知识点等... 详细信息

现有知识追踪研究大多使用习题蕴涵的知识点等内隐信息或历史交互数据等外显信息建模习题表示,没有注意到内外信息的异质性特征,缺乏对习题内外信息的异质融合。针对上述问题,提出了融合内外异质信息的知识追踪模型。首先,基于知识点等内隐信息,计算历史知识点与当前知识点之间的相关程度,刻画历史知识点对当前知识点的影响,建模习题的内隐表示;其次,基于交互数据等外显信息,计算历史习题与当前习题之间的相关程度,获取历史习题对当前习题的影响,建模习题的外显表示;再次,基于上述习题的内外表示,使用通道注意力机制融合得到习题的内外异质表示,从而预测学习者的作答表现。为了验证提出模型的性能和有效性,选取了四个相关的基线模型,在三个真实数据集上进行了对比实验。实验结果表明:在性能方面,提出的模型在多个评价指标上均取得较好的效果;在有效性方面,消融实验证明了提出的模型可以更好地根据内外信息建模习题表示;在应用方面,设计智慧学习环境证明了提出的模型在实际教学场景中的可用性。

关键词：知识追踪习题表示通道注意力机制异质融合