检索结果-南通市图书馆

BWSS:结合可疑集合簇计算极小碰集的Boolean算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年

作者：赵相福黄森魏霞童向荣欧阳丹彤张立明烟台大学计算机与控制工程学院浙江师范大学计算机系吉林大学计算机科学与技术学院

在基于模型的诊断领域中,因为极小冲突集的极小碰集即为待诊断设备的候选诊断,所以计算极小碰集是候选诊断的一个关键步骤.其中,极小碰集是一个NP-hard约束求解问题,随着问题规模增大,求解难度成指数级增长. Boolean算法是计算极小碰集... 详细信息

在基于模型的诊断领域中,因为极小冲突集的极小碰集即为待诊断设备的候选诊断,所以计算极小碰集是候选诊断的一个关键步骤.其中,极小碰集是一个NP-hard约束求解问题,随着问题规模增大,求解难度成指数级增长. Boolean算法是计算极小碰集的经典算法,然在求解过程中,解集的极小化却占据运算的绝大部分时间.为解决该问题并提升计算效率,本文提出了结合可疑集合簇计算极小碰集的BWSS算法,通过深度分析Boolean算法生成树规则,找到使候选解成为超集的集合,在向根节点扩展元素时,如果候选解与可疑集合簇中至少一个集合交集为空,那么该解为极小候选解,否则删除该解,通过递归的策略保证算法结束时产生且仅产生所有极小碰集.除此之外,每个候选解在极小化时,至少存在m(m≥1)个元素甚至整个解无需极小化.理论上, BWSS算法的复杂度要远低于Boolean算法.通过随机数据及大量基准电路数据,实验结果表明本文所提算法与目前最先进的几种算法相比,运行时间减少了几个数量级.

关键词：基于模型诊断极小碰集 Boolean算法候选解冲突集

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于知识增强的开放域多轮对话模型

软件学报 2024年第2期35卷 758-772页

作者：徐凡徐健明马勇王明文周国栋江西师范大学计算机信息工程学院江西南昌330022 苏州大学计算机科学与技术学院江苏苏州215008

如何减轻安全回复和重复回复一直是开放域多轮对话模型的两大挑战性难题.然而,现有开放域对话模型往往忽略了对话目标的引导性作用,以及如何在对话历史和对话目标中引入和选择更精确的知识信息.鉴于此,提出基于知识增强的多轮对话模型.... 详细信息

如何减轻安全回复和重复回复一直是开放域多轮对话模型的两大挑战性难题.然而,现有开放域对话模型往往忽略了对话目标的引导性作用,以及如何在对话历史和对话目标中引入和选择更精确的知识信息.鉴于此,提出基于知识增强的多轮对话模型.所提模型首先将对话历史中实词进行义原及领域词替换,达到消除歧义和丰富对话文本表示的效果.然后将经过知识增强后的对话历史、扩充的三元组世界知识、知识管理和知识拷贝加以集成,以融合知识、词汇、对话历史和对话目标多种信息,生成多样性回复.通过两个国际基准开放域汉语对话语料库上的实验结果及可视化验证所提模型同时在自动评测和人工评测上的有效性.

关键词：语言知识世界知识知识管理知识拷贝多轮对话

在线全文

学校读者我要写书评

暂无评论

基于全局局部协同的非均匀图像去雾方法

自动化学报 2024年第7期50卷 1333-1344页

作者：罗小同杨汶锦曲延云谢源厦门大学信息学院计算机科学与技术系厦门361005 华东师范大学计算机科学与技术学院上海200063

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此... 详细信息

近年来,基于卷积神经网络(Convolutional neural network,CNN)的图像去雾方法在合成数据集上取得了显著的进展,但由于真实场景中存在雾分布不均的问题,卷积运算的局部感受野难以有效捕获到上下文指导信息,从而导致全局结构信息丢失.因此,真实场景下的图像去雾任务面临着巨大的挑战.考虑到Transformer具有捕获长距离语义信息依赖关系的优势,有利于引导全局结构信息重建.然而,标准Transformer结构的高计算复杂度阻碍了其在图像恢复中的应用.针对上述提到的问题,提出一个由Transformer和卷积神经网络组成的双分支协同非均匀图像去雾网络***分支用于提取全局结构信息,同时设计稀疏自注意力模块(Sparse self-attention modules,SSM)以降低计算复杂度.卷积神经网络分支用于获取局部信息,从而恢复纹理细节.在真实非均匀有雾场景下的实验结果表明,该方法不管是在客观评价还是在主观视觉效果方面均达到优异的性能.

关键词：图像去雾卷积神经网络 Transformer 特征融合稀疏自注意力

基于卷积神经网络和长短期记忆的死代码检测方法

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

计算机工程 2024年

作者：孙义康高建华上海师范大学计算机科学与技术系

死代码是一种不良代码异味，会导致软件质量逐渐衰退。传统的死代码检测方法主要依赖于静态分析技术、代码结构的度量以及启发式规则，这些方法在开发者之间存在高度差异。并对源代码文本信息关注较少，忽略代码在实际执行过程中的情况... 详细信息

死代码是一种不良代码异味，会导致软件质量逐渐衰退。传统的死代码检测方法主要依赖于静态分析技术、代码结构的度量以及启发式规则，这些方法在开发者之间存在高度差异。并对源代码文本信息关注较少，忽略代码在实际执行过程中的情况，存在较大的局限性。针对以上问题，设计了一种新型死代码检测方法，该方法采用了一种基于卷积神经网络和长短期记忆相结合的技术，其主要思路是将代码文本信息和代码度量信息相结合，以提高死代码检测的准确性。首先，使用DUM-Tool等工具并结合人工以确定应用程序中的死代码实例，并做出死代码标记，以深度优先遍历抽象语法树以获取源代码的文本信息，将标签值与文本信息相匹配，再使用CK代码度量提取工具获取源代码的代码度量信息。然后通过Word2Vec将文本信息转化为词向量，使用卷积神经网络提取代码度量信息的特征，将二者拼接得到死代码检测的数据集，最后使用长短期记忆网络对数据集进行训练，再使用Sigmoid进行分类。实验结果表明，将代码文本信息和度量信息相结合时可以有效的实现死代码的检测，与传统的检测方法相比，平均F1值可以最高提升12.58%。

关键词：死代码深度学习文本信息代码度量特征提取

融合特征选择与多模型软投票集成学习的代码异味检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年

作者：黄晨峻高建华上海师范大学计算机科学与技术系

代码异味会导致软件质量逐渐衰退，降低软件可理解性和可维护性。为检测软件结构中的代码异味，提出了一种基于CK度量的、经过两步特征选择的软投票集成学习的代码异味检测方法，该方法首先进行特征选择，使用Pearson相关系数剔除冗余... 详细信息

代码异味会导致软件质量逐渐衰退，降低软件可理解性和可维护性。为检测软件结构中的代码异味，提出了一种基于CK度量的、经过两步特征选择的软投票集成学习的代码异味检测方法，该方法首先进行特征选择，使用Pearson相关系数剔除冗余特征，并在剩余度量中使用XGBoost特征重要性筛选相关度大的度量。然后，针对仅使用单一机器学习模型泛化性能不佳的问题，提出一种基于5种较成熟机器学习模型的软投票集成学习模型，完成代码异味分类检测任务。实验基于CK度量，利用含7个开源项目、4种代码异味的数据集，实验结果表明，此种方法能够减少特征维度，且在性能指标上优于其它分类模型，其中F1值最高提升3.24%，AUC最高提升2.32%。

关键词：代码异味特征选择 CK度量投票模型集成学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于环境中移动运输代理的传感器网络建模

电子测量与仪器学报 2024年第2期38卷 199-210页

作者：赵海军陈华月崔梦天西华师范大学计算机学院南充637009 西南民族大学计算机科学与技术学院成都610041

针对大型稀疏传感器网络中的数据获取,本文提出了一种利用环境中普遍存在的移动代理来连接稀疏传感器的网络体系结构和一种2-维网格随机游走分析模型;提出的传感器网络模型由3个抽象层构成,即由无线传感器构成的底层、由各种运输代理构... 详细信息

针对大型稀疏传感器网络中的数据获取,本文提出了一种利用环境中普遍存在的移动代理来连接稀疏传感器的网络体系结构和一种2-维网格随机游走分析模型;提出的传感器网络模型由3个抽象层构成,即由无线传感器构成的底层、由各种运输代理构成的中间层和由接入点/中央存储库构成的顶层。具体实现原理是位于中间层的移动运输代理从底层分布的无线传感器收集数据并缓冲数据,然后经过游走运输,最后将从底层的无线传感器收集的数据交付到顶层必要的接入点进行必要的存储和处理,从而实现整个传感器网络的数据获取;理论分析和仿真实验结果表明,提出的基于移动运输代理的传感器网络模型不仅具有较好的鲁棒性和可扩展性,而且相比于基站网络模型和Ad-hoc网络模型,在传感器功率消耗、数据成功率和基础设施投入成本方面有明显的优势。

关键词：传感器网络移动代理网格模型随机游走马尔科夫链缓冲容量数据成功率功率消耗

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向元余弦损失的少样本图像分类

中国图象图形学报 2024年第2期29卷 506-519页

作者：陶鹏冯林杜彦东龚勋王俊四川师范大学计算机科学学院成都610101 西南交通大学计算机与人工智能学院成都610031 四川师范大学商学院成都610101

目的度量学习是少样本学习中一种简单且有效的方法,学习一个丰富、具有判别性和泛化性强的嵌入空间是度量学习方法实现优秀分类效果的关键。本文从样本自身的特征以及特征在嵌入空间中的分布出发,结合全局与局部数据增强实现了一种元... 详细信息

目的度量学习是少样本学习中一种简单且有效的方法,学习一个丰富、具有判别性和泛化性强的嵌入空间是度量学习方法实现优秀分类效果的关键。本文从样本自身的特征以及特征在嵌入空间中的分布出发,结合全局与局部数据增强实现了一种元余弦损失的少样本图像分类方法(a meta-cosine loss for few-shot image classification,AMCL-FSIC)。方法首先,从数据自身特征出发,将全局与局部的数据增广方法结合起来,利于局部信息提供更具区别性和迁移性的信息,使训练模型更多关注图像的前景信息。同时,利用注意力机制结合全局与局部特征,以得到更丰富更具判别性的特征。其次,从样本特征在嵌入空间中的分布出发,提出一种元余弦损失(meta-cosine loss,MCL)函数,优化少样本图像分类模型。使用样本与类原型间相似性的差调整不同类的原型,扩大类间距,使模型测试新任务时类间距更加明显,提升模型的泛化能力。结果分别在5个少样本经典数据集上进行了实验对比,在FC100(Few-shot Cifar100)和CUB(Caltech-UCSD Birds-200-2011)数据集上,本文方法均达到了目前最优分类效果;在MiniImageNet、TieredImageNet和Cifar100数据集上与对比模型的结果相当。同时,在MiniImageNet,CUB和Cifar100数据集上进行对比实验以验证MCL的有效性,结果证明提出的MCL提升了余弦分类器的分类效果。结论本文方法能充分提取少样本图像分类任务中的图像特征,有效提升度量学习在少样本图像分类中的准确率。

关键词：元学习少样本学习(FSL) 度量学习元余弦损失(MCL) 图像分类

移动边缘计算中资源供给不确定下的最优投资和定价问题

在线全文

学校读者我要写书评

暂无评论

南京大学学报(自然科学) 2024年第3期 416-428页

作者：林德铭林姿琼郑艺峰杨敬民张文杰闽南师范大学计算机学院数据科学与智能应用福建省高校重点实验室闽南师范大学台北科技大学电子工程系

为了缓解能源性能的瓶颈，满足更多用户的资源需求，将移动边缘计算（Mobile Edge Computing,MEC）与能量收集（Energy Harvesting,EH）技术相结合，其中，EH技术可以通过捕获环境中的绿色能量来促进设备的可持续计算，提出一个具有随... 详细信息

为了缓解能源性能的瓶颈，满足更多用户的资源需求，将移动边缘计算（Mobile Edge Computing,MEC）与能量收集（Energy Harvesting,EH）技术相结合，其中，EH技术可以通过捕获环境中的绿色能量来促进设备的可持续计算，提出一个具有随机能量收集的EH-MEC系统，以研究资源供给不确定性的投资和定价问题.用户可以租赁MEC系统的固有资源，也可以使用EH装置收集的资源.由于无线环境的时变性，EH收集的能源具有不确定性，所以，在MEC系统中找到MEC服务器和用户之间的平衡是值得研究的问题.针对这一问题，提出一种序贯决策方法，将用户的投资和MEC服务器资源定价的交互行为建模为一个四阶段的Stackelberg博弈，利用逆向归纳法得到用户与MEC服务器在利润最大化下的纳什均衡解，证明MEC服务器的最优能量收集时间、最优租赁资源和定价决策遵循良好的阈值结构.实验结果表明，绿色资源获取可以显著提高MEC服务器和用户的预期收益.

关键词：移动边缘计算 Stackelberg博弈能量收集资源分配投资与定价

基于YOLOv8改进的密集行人检测算法:MER-YOLO

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年第6期46卷 1050-1062页

作者：王泽宇徐慧英朱信忠李琛刘子洋王子奕浙江师范大学计算机科学与技术学院浙江金华321004 曼彻斯特大学理工学院计算机系英国曼彻斯特M139PL

在大型人员密集的场所中,人群异常聚集情况时有发生,对自动驾驶和大型公共场所人流量监控系统等应用场景中涉及到的密集行人检测技术带来了一定挑战,新一代的密集行人检测技术要求精确度更高、计算开销更小、检测速度更快以及部署更加... 详细信息

在大型人员密集的场所中,人群异常聚集情况时有发生,对自动驾驶和大型公共场所人流量监控系统等应用场景中涉及到的密集行人检测技术带来了一定挑战,新一代的密集行人检测技术要求精确度更高、计算开销更小、检测速度更快以及部署更加方便等。针对上述需求,提出了一种基于YOLOv8改进的轻量级密集行人检测算法MER-YOLO,首先采用MobileViT作为主干网络,提升模型在总体上对行人聚集区域的特征提取能力;引入EMA注意力机制模块,对全局信息进行编码,通过维度交互来进一步聚合像素级特征,并结合160×160尺度的检测头加强小目标检测能力;使用排斥损失(Repulsion Loss)作为边界框损失函数,减少了人群密集情况下小目标行人的漏检误检的情况。实验结果表明,相较于YOLOv8n,MER-YOLO行人检测算法在Crowd Human数据集上mAP@0.5提升了4.5%,在WiderPerson数据集上mAP@0.5提升了2.1%,同时只有3.1×10^(6)的参数量和9.8 GFLOPs,满足低算力兼顾高精度的部署需求。

关键词：目标检测行人检测轻量化注意力机制

维普期刊数据库博看期刊