全部分类/
科学普及/
计算机应用研究

计算机应用研究

2024年03期

扫码免费借阅

目录

快速导航

综述评论 | 复杂数据流在线集成分类算法综述

综述评论 | 复杂数据流在线集成分类算法综述

摘要：复杂数据流中所存在的概念漂移及不平衡问题降低了分类器的性能。传统的批量学习算法需要考虑内存以及运行时间等因素，在快速到达的海量数据流中性能并不突出，并且其中还包含着大量的漂移及类失衡现象，利用在线集成算法处理复杂数据流问题已经成为数据挖掘领域重要的研究课题。从集成策略的角度对bagging、boosting、stacking集成方法的在线版本进行了介绍与总结，并对比了不同模型之间的性能。首
综述评论 | 跨站脚本攻击检测与防御技术综述

综述评论 | 跨站脚本攻击检测与防御技术综述

摘要：跨站脚本（cross site scripting，XSS）攻击是Web安全中最严重的风险之一。随着Web服务、API等Web技术的广泛使用，以及AJAX、CSS和HTML5等新编程风格的出现，XSS攻击的威胁变得更加严重，因此如何处理XSS攻击安全风险已成为Web安全研究的重要关注点。通过对近年来XSS攻击检测和防御技术的调研，根据XSS攻击是否具有隐蔽性，首次从非对抗和对抗两个角度综述
综述评论 | 轻量级网络在人脸表情识别上的新进展

综述评论 | 轻量级网络在人脸表情识别上的新进展

摘要：作为人工智能领域的热门研究方向，人脸表情识别（facial expression recognition，FER）是让计算机获取人类感情最直接最有效的方式，在人机交互、智慧医疗、疲劳驾驶等研发课题中占据关键的技术地位。为了满足高识别率的应用需求，FER深度学习网络结构愈发复杂，占用了大量的计算资源和存储空间，严重影响了算法实时性的要求。围绕如何在有效提升模型运算速度的同时，保障模型的精度这
区块链技术 | 区块链架构下蜂蜜供应链可信监管溯源模型

区块链技术 | 区块链架构下蜂蜜供应链可信监管溯源模型

摘要：针对传统蜂蜜溯源效率低下、可信度较低等问题进行了研究，在分析了蜂蜜溯源标准后，结合区块链技术和IPFS技术构建了高可信蜂蜜溯源方案。首先提出了分层存储策略，解决了信息上链及溯源效率较低的问题；然后以多链构架隔离数据，提出基于外部随机预言的代理重加密方案，由智能合约完成密文重加密，同时附上消息认证码，解决了信息可信度低、假冒伪造和隐私数据泄露风险；最后，为防止突发性负载导致的数据不一致，提出
区块链技术 | 面向物联网多场景的PBFT共识算法改进方案

区块链技术 | 面向物联网多场景的PBFT共识算法改进方案

摘要：物联网与区块链融合过程中，实用拜占庭容错（PBFT）算法存在通信开销大、时延高且无法根据场景与设备差异进行合理划分的不足。为满足物联网多场景应用的问题，提出了一种基于综合评价的改进实用拜占庭容错算法。首先，对节点进行基于性能与信誉值加权的综合评价筛选出符合特定场景需求的节点；然后，进行基于节点综合评价的聚类，形成双层网络架构；最后，将共识过程分为子集群共识和主集群共识。实验结果表明，CE-
区块链技术 | 星型区块链架构的TKM分片算法

区块链技术 | 星型区块链架构的TKM分片算法

摘要：区块链系统的通量严重不足，而解决此问题最有效的一类方案是并行化处理，并行化方案主要为星型架构，当前星型架构对系统中节点的分片方式多为账户随机分片，这种分片方式的系统通量仍然不足。针对此问题，提出了一种基于星型结构的TKM分片算法，该算法将原始K-means聚类算法进行改进，并运用在节点分片上。TKM分片算法将聚类算法与区块链的网络分片技术相结合，使节点根据地理位置进行分片，极大提高邻近节点
联邦学习专题 | 基于代理选举的高效异构联邦学习方法

联邦学习专题 | 基于代理选举的高效异构联邦学习方法

摘要：物联网多样性终端设备在计算、存储、通信方面的异构性导致联邦学习效率不足。针对上述联邦训练过程中面临的问题，基于代理选举思路，提出了一种高效联邦学习算法。设计了基于马氏距离的代理节点选举策略，将设备的计算能力与闲置时长作为选举因素，选举性价比高的设备作为代理节点，充分发挥设备计算能力。进一步设计了基于代理节点的新型云边端联邦学习架构，提升了异构设备之间的联邦学习效率。基于MNIST和CIFA
联邦学习专题 | 高效联邦学习：范数加权聚合算法

联邦学习专题 | 高效联邦学习：范数加权聚合算法

摘要：在联邦学习中，跨客户端的非独立同分布（non-IID）数据导致全局模型收敛较慢，通信成本显著增加。现有方法通过收集客户端的标签分布信息来确定本地模型的聚合权重，以加快收敛速度，但这可能会泄露客户端的隐私。为了在不泄露客户端隐私的前提下解决non-IID数据导致的收敛速度降低的问题，提出FedNA聚合算法。该算法通过两种方法来实现这一目标。第一，FedNA根据本地模型类权重更新的L1范数来分
联邦学习专题 | 在线异步联邦学习的客户优化选择与激励

联邦学习专题 | 在线异步联邦学习的客户优化选择与激励

摘要：联邦学习能够在保护用户隐私的前提下，使不同的客户端合作共同训练同一模型，如何激励高质量的客户端参与联邦学习是关键。在线联邦学习环境中，由于参与训练的客户端随机到达和离开，每轮参与报价的客户端动态变化，对客户端的在线质量评估与选择是一个难题。针对这一挑战提出了在线联邦学习激励算法，以优化在线客户端的选择和预算分配，提高预算约束下在线环境联邦学习的性能。该算法将预算按阶段划分并根据历史样本信息
联邦学习专题 | 大规模差异化点云数据下的联邦语义分割算法

联邦学习专题 | 大规模差异化点云数据下的联邦语义分割算法

摘要：海量点云数据的存储对自动驾驶实时3D协同感知具有重要意义，然而出于数据安全保密性的要求，部分数据拥有者不愿共享其私人的点云数据，限制了模型训练准确性的提升。联邦学习是一种注重数据隐私安全的计算范式，提出了一种基于联邦学习的方法来解决车辆协同感知场景下的大规模点云语义分割问题。融合具有点间角度信息的位置编码方式并对邻近点进行几何衍射处理以增强模型的特征提取能力，最后根据本地模型的生成质量动态
联邦学习专题 | 一种解决数据异构问题的联邦学习方法

联邦学习专题 | 一种解决数据异构问题的联邦学习方法

摘要：联邦学习是一种不通过中心化的数据训练就能获得机器学习模型的系统，源数据不出本地，降低了隐私泄露的风险，同时本地也获得优化训练模型。但是由于各节点之间的身份、行为、环境等不同，导致不平衡的数据分布可能引起模型在不同设备上的表现出现较大偏差，从而形成数据异构问题。针对上述问题，提出了基于节点优化的数据共享模型参数聚类算法，将聚类和数据共享同时应用到联邦学习系统中，该方法既能够有效地减少数据
算法研究探讨 | 趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法

算法研究探讨 | 趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法

摘要：针对蝴蝶优化算法（butterfly optimization algorithm，BOA）易陷入局部最优，且收敛速度慢和寻优精度低等问题，提出了一种趋优变异反向学习的樽海鞘群与蝴蝶混合优化算法（hybrid optimization algorithm for salp swarm and butterfly with reverse mutation towards optimizat
算法研究探讨 | 基于混沌反向学习和水波算法改进的白鲸优化算法

算法研究探讨 | 基于混沌反向学习和水波算法改进的白鲸优化算法

摘要：针对原始的白鲸算法（beluga whale optimization，BWO）在某些情况下，中后期的探索和开发能力不足、多样性和求解精度降低、容易陷入局部最优等问题，提出一种基于混沌反向学习和水波算法改进的白鲸优化算法（TWBWO），进一步提高白鲸算法的计算精度和收敛速度，增强全局搜索和跳出局部最优能力。结合混沌映射和反向学习策略提高种群的质量和多样性，加快收敛速度。引入水波算法（wat
算法研究探讨 | 双种群协同演化的改进蜜獾算法

算法研究探讨 | 双种群协同演化的改进蜜獾算法

摘要：针对蜜獾算法存在的局部搜索能力不足、易陷入局部最优值等问题，提出一种双种群协同演化的改进蜜獾算法。在初始化阶段采用Cubic混沌映射对种群进行初始化，扩大可行解的搜索范围并提高种群的分布均衡性；引入融合黏菌算法和蜜獾算法的双种群优化机制，依托两者的更新优势协同推进个体逼近目标位置，进而提高整个算法的搜索效率和优化性能；采用柯西随机反向扰动策略对蜜獾种群最优位置进行扰动，以提高算法跳出局部最
算法研究探讨 | 双区型仓库订单分批与拣选协同优化研究

算法研究探讨 | 双区型仓库订单分批与拣选协同优化研究

摘要：针对订单分拣效率低下导致商品出库缓慢的问题，提出一种基于双区型仓库订单分批与拣选的协同优化模型，设计求解模型的CWDP-BSA（clarke-wright and dynamic programming & backtracking search algorithm）协同优化算法。在节约算法中引入快速排序法对订单组合的距离节约值排序，考虑AGV承载量，运用多阶段决策过程最优策略得出
算法研究探讨 | 云环境下实现容器部署的加速粒子群优化算法

算法研究探讨 | 云环境下实现容器部署的加速粒子群优化算法

摘要：基于容器的微服务部署是一个具有挑战性的问题，为获得更好的用户体验并给云供应商带来更多的利润，需要在降低微服务的故障率和减少响应时间的同时提高资源利用率。提出了一种改进的加速粒子群优化算法，用于解决集群中微服务容器部署的多目标优化问题。该算法通过考虑微服务之间的调用关系，使得容器聚集在一起，从而降低服务的数据传输成本、减少故障率，并提高集群资源利用率。与现有部署算法相比，实验结果表明，所提出
算法研究探讨 | 习题内外表示异质融合的知识追踪模型

算法研究探讨 | 习题内外表示异质融合的知识追踪模型

摘要：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
算法研究探讨 | 解纠缠邻域信息聚合的知识图谱补全方法

算法研究探讨 | 解纠缠邻域信息聚合的知识图谱补全方法

摘要：针对现有基于图神经网络的知识补全模型在处理知识图谱异构性上的不足，及大部分模型采用单一静态实体表示方式导致的模型表达能力受限问题，提出一种基于图注意力网络的解纠缠邻域信息聚合模型。首先，该模型通过学习每个实体的解纠缠表示，对实体的潜在影响因子进行多组件表示。其次，利用注意力机制，为两个相连的实体选择最具影响力的潜在影响因子作为连接要素。接着，通过关系感知注意力机制自适应地聚合实体因子级的邻
算法研究探讨 | 基于语序知识的双通道图卷积网络方面级情感分析

算法研究探讨 | 基于语序知识的双通道图卷积网络方面级情感分析

摘要：当前大多数基于图卷积网络的方面级情感分析方法利用文本的句法知识、语义知识、情感知识构建文本依赖，但少有研究利用文本语序知识构建文本依赖，导致图卷积网络不能有效地利用文本语序知识引导方面项学习上下文情感信息，从而限制了其性能。针对上述问题，提出基于语序知识的双通道图卷积网络（dual-channel graph convolutional network with word-order kn
算法研究探讨 | 基于BERT和超图对偶注意力网络的文本情感分析

算法研究探讨 | 基于BERT和超图对偶注意力网络的文本情感分析

摘要：针对网络短文本存在大量的噪声和缺乏上下文信息的问题，提出一种基于BERT和超图对偶注意力机制的文本情感分析模型。首先利用BERT预训练模型强大的表征学习能力，对情感文本进行动态特征提取；同时挖掘文本的上下文顺序信息、主题信息和语义依存信息将其建模成超图，通过对偶图注意力机制来对以上关联信息进行聚合；最终将BERT和超图对偶注意力网络两个模块提取出的特征进行拼接，经过softmax层得到对文
算法研究探讨 | 融合时序关联动态图与常微分方程的区域间出租车需求预测

算法研究探讨 | 融合时序关联动态图与常微分方程的区域间出租车需求预测

摘要：为解决出租车行业中的高空驶率和不均衡的需求分布问题，通过对出租车出行的区域进行深入研究，提出了一个融合时序关联动态图与常微分方程的需求预测模型TCG-ODE（temporal correlation graphs-ordinary differential equations）。首先，模型使用ODE（ordinary differential equation）对图卷积神经网络（graph
算法研究探讨 | 基于深度编码注意力的XLNet-Transformer汉-马低资源神经机器翻译优化方法

算法研究探讨 | 基于深度编码注意力的XLNet-Transformer汉-马低资源神经机器翻译优化方法

摘要：神经机器翻译（NMT）在多个领域应用中已取得显著成效，在大规模语料库上已充分论证其优越性。然而，在语料库资源不足的情形下，仍存在较大的改进空间。由于汉语-马来语（汉-马）平行语料的匮乏，直接导致了汉-马机器翻译的翻译效果不佳。为解决汉-马低资源机器翻译不理想的问题，提出了一种基于深度编码注意力和渐进式解冻的低资源神经机器翻译方法。首先，利用XLNet预训练模型重构编码器，在编码器中使用了X
算法研究探讨 | 一种分层强化学习的知识推理方法

算法研究探讨 | 一种分层强化学习的知识推理方法

摘要：针对知识推理过程中，随着推理路径长度的增加，节点的动作空间急剧增长，使得推理难度不断提升的问题，提出一种分层强化学习的知识推理方法（knowledge reasoning method of hierarchical reinforcement learning，MutiAg-HRL），降低推理过程中的动作空间大小。MutiAg-HRL调用高级智能体对知识图谱中的关系进行粗略推理，通过计算
算法研究探讨 | 基于无服务器边缘计算下的服务负载调度算法

算法研究探讨 | 基于无服务器边缘计算下的服务负载调度算法

摘要：随着边缘计算的不断发展，其在资源管理配置方面逐渐出现相关问题，无服务器计算作为一种新的方式可以有效解决边缘计算的相关问题。然而，无服务器计算不具备在分布式边缘场景中高效处理请求所需服务负载调度的能力，针对这一问题，提出了一种基于无服务器边缘计算的服务负载调度算法（service load scheduling algorithm，SLSA）。SLSA的核心是通过隐式建模充分考虑了动态变化的
算法研究探讨 | 基于缓存优化的移动边缘计算资源分配策略

算法研究探讨 | 基于缓存优化的移动边缘计算资源分配策略

摘要：移动边缘计算研究中，边缘服务器通过缓存任务数据可以有效节约计算资源，但如何分配缓存资源解决边缘服务器的竞争关系，以及能耗和效益问题，达到系统性能最优是一个NP难问题。为此提出基于缓存优化的在线势博弈资源分配策略OPSCO（online potential-game strategy based on cache optimization），采用新的缓存替换策略CASCU（cache all
算法研究探讨 | 基于改进随机分块模型的电商网络链路预测算法

算法研究探讨 | 基于改进随机分块模型的电商网络链路预测算法

摘要：通过改进的随机分块模型（SBM）链路预测算法，研究电子商务网络的演化过程与社团结构。针对原始SBM模型块之间的度分布为二项式分布，引入度衰减参数使得随机分块模型中块之间的度分布遵循幂律分布。针对原始SBM模型中节点之间的连接仅仅取决于节点所属块的假设，引入度控制参数使其更接近真实网络的度数分布。基于此提出优化后的随机分块模型，并利用阿里巴巴淘宝数据集验证该算法，结果显示该算法精确度高于随机
算法研究探讨 | 基于多策略改进鲸鱼算法的船舶推力分配方法

算法研究探讨 | 基于多策略改进鲸鱼算法的船舶推力分配方法

摘要：船舶动力定位推力分配求解是一种复杂的多约束多目标优化问题，鲸鱼优化算法（WOA）处理该类问题较传统推力分配算法计算更简便、精度更高，但以牺牲时间为代价，需解决实时可靠收敛问题。针对上述问题，提出一种改进鲸鱼推力分配算法，通过采用等式约束项的特解系数为个体变量，降低搜索空间维度和范围，为算法获取可靠解和快速收敛奠定基础；通过空间区块化和“精英”筛选法初始化种群，增加初始种群分散性和“精英”个
算法研究探讨 | 基于测试代价的三支邻域属性约简算法

算法研究探讨 | 基于测试代价的三支邻域属性约简算法

摘要：针对粗糙集属性约简时很少考虑属性自身的测试代价等问题，提出了一种基于测试代价的三支邻域属性约简算法。算法根据各属性在邻域分辨矩阵中出现的频次和比例来计算属性重要性，并结合属性自身的测试代价来构造性价比指标，以此指导属性的甄选。三支决策方法被用于划分属性集，为属性的约简处理提供数据支撑。在7个UCI公共数据集上进行对比实验，结果表明，该算法可得到比对比算法更小的属性约简集合，在分类精度不降低
算法研究探讨 | 基于改进人工势场法的医疗配送机器人路径规划

算法研究探讨 | 基于改进人工势场法的医疗配送机器人路径规划

摘要：随着科技的高速发展和近几年新冠疫情的影响，医疗配送机器人开始逐步出现在各大医疗机构中，然而传统医疗配送机器人在使用人工势场算法进行路径规划时存在局部最优解和目标不可达问题。因此，针对局部最优解问题，提出了设计虚拟目标点的方法，将机器人从局部最优状态解救出来；针对目标不可达问题，在障碍物斥力势场函数中引入了目标距离函数对障碍物斥力进行限制，从而解决目标不可达问题。最后将该方法在多种复杂环境中
算法研究探讨 | 改进松鼠搜索算法求解分布式节能柔性调度

算法研究探讨 | 改进松鼠搜索算法求解分布式节能柔性调度

摘要：为了优化同时考虑最大完工时间和机器能耗的双目标分布式柔性作业车间调度问题，提出了一种改进的多目标松鼠搜索算法。引入了基于升序排列规则的转换机制，实现了松鼠位置向量与调度解之间的转换，并针对机器空闲时间设计了从半主动到主动的解码策略。针对不同优化目标设计了三种种群初始化策略。同时提出了动态捕食者策略来更好地协调算法的全局探索和局部开发能力。设计了四种领域搜索策略用于增加种群多样。20个实例上
算法研究探讨 | 基于增量加权的不平衡漂移数据流分类算法

算法研究探讨 | 基于增量加权的不平衡漂移数据流分类算法

摘要：概念漂移是数据流学习领域中的一个难点问题，同时数据流中存在的类不平衡问题也会严重影响算法的分类性能。针对概念漂移和类不平衡的联合问题，在基于数据块集成的方法上引入在线更新机制，结合重采样和遗忘机制提出了一种增量加权集成的不平衡数据流分类方法（incremental weighted ensemble for imbalance learning，IWEIL）。该方法以集成框架为基础，利
系统应用开发 | 面向小型边缘计算的深度可分离神经网络模型与硬件加速器设计

系统应用开发 | 面向小型边缘计算的深度可分离神经网络模型与硬件加速器设计

摘要：神经网络参数量和运算量的扩大，使得在资源有限的硬件平台上流水线部署神经网络变得更加困难。基于此，提出了一种解决深度学习模型在小型边缘计算平台上部署困难的方法。该方法基于应用于自定义数据集的深度可分离网络模型，在软件端使用迁移学习、敏感度分析和剪枝量化的步骤进行模型压缩，在硬件端分析并设计了适用于有限资源FPGA的流水线硬件加速器。实验结果表明，经过软件端的网络压缩优化，这种量化部署模型
系统应用开发 | 面向国产超算平台的通用能源管网仿真计算模型

系统应用开发 | 面向国产超算平台的通用能源管网仿真计算模型

摘要：为实现城市能源管网仿真软件的自主可控，基于国产异构高性能计算机“嵩山”超级计算平台，提出一种通用的城市能源管网仿真计算模型。通过优化管网中“非管”组件模型，提高了计算模型对国产异构并行计算机系统的适配性；将不同管网组件的计算过程进行封装，弱化了网络组件在仿真计算过程的依赖性，提升模型在工程实现上的可并行性。供水、燃气和热力三种场景的并行仿真实验，证明了计算模型在解决城市能源供给网络的仿
系统应用开发 | 基于改进涡流搜索算法的外骨骼迭代学习控制

系统应用开发 | 基于改进涡流搜索算法的外骨骼迭代学习控制

摘要：为提升康复外骨骼机器人的步态跟踪性能，提出一种基于改进涡流搜索算法的迭代学习控制方法。首先针对传统迭代学习控制抗扰性差和控制信息缺失问题，引入PD控制器、自适应遗忘因子、误差过渡曲线和控制信息搜索等策略，改进迭代学习控制律；其次，基于多种策略对涡流搜索算法进行改进，提出了一种改进涡流搜索算法，改进后的算法可优化迭代学习控制的PD参数；最后进行行走实验，将提出的迭代学习控制方法与现有的同
系统应用开发 | 基于数据影响的多对象交互流程偏差检测方法

系统应用开发 | 基于数据影响的多对象交互流程偏差检测方法

摘要：现有的大多数偏差检测方法能够识别来自流程活动及部分数据属性的偏差，但是无法处理流程执行过程中数据变化对流程的影响问题，尤其是在涉及多对象交互的情况下。针对这一问题，提出了一种多对象交互情况下基于数据影响的业务流程偏差检测方法。首先，基于控制流与数据信息识别可能的偏差活动；然后，根据数据变化对活动的影响定义影响集；接着，将以对象为中心的概念引入偏差检测过程，形式化以对象为中心的Petri
网络与通信技术 | 基于大规模多目标优化的跳频序列设计方法

网络与通信技术 | 基于大规模多目标优化的跳频序列设计方法

摘要：针对跳频序列设计中存在的规模小和难以兼顾多指标的问题，提出一种基于大规模多目标优化的跳频序列设计方法。首先，综合考虑跳频序列的多项性能指标，建立跳频序列多目标优化模型；然后，引入大规模多目标优化方法，并提出决策变量洗牌策略和反向差分进化，通过重新分配决策变量位置以形成具有多样性的非支配集，并通过使反向个体参与差分进化来为后续进化持续提供有效的方向；最后，通过提出算法对模型进行优化得到跳
网络与通信技术 | 认知无线电系统多接入用户信息新鲜度研究

网络与通信技术 | 认知无线电系统多接入用户信息新鲜度研究

摘要：为了解决物联网信道资源有限的问题以及提高物联网系统的信息时效性，考虑了包括一个主用户（primary user，PU）和两个次用户（secondary user，SU）节点的多接入认知无线电（CR）物联网系统模型。在PU工作状态和SU数据队列稳定的约束下，分别分析了第一个SU节点在先来先服务（first come first served，FCFS）、后来先服务（last come l
网络与通信技术 | 一种基于小数倍多普勒信道的OTFS信道估计方法

网络与通信技术 | 一种基于小数倍多普勒信道的OTFS信道估计方法

摘要：针对现有正交时频空（OTFS）调制系统的信道估计中存在的高峰均比和小数倍多普勒信道下估计困难及复杂度高的问题，提出了一种基于序列导频的匹配滤波（SMF）信道估计方法。该算法首先将序列导频与数据联合成帧，依靠序列的自相关性获取路径数、时延和整数倍多普勒；然后通过互相关匹配滤波估计小数倍的多普勒抽头和信道增益，从而得到信道状态信息；最后根据小数倍信道整数采样的特征，更新信道增益和信道初始相
信息安全技术 | 结合对抗训练和特征混合的孪生网络防御模型

信息安全技术 | 结合对抗训练和特征混合的孪生网络防御模型

摘要：神经网络模型容易受到对抗样本攻击。针对当前防御方法侧重改进模型结构或模型仅使用对抗训练方法导致防御类型单一且损害模型分类能力、效率低下的问题，提出结合对抗训练和特征混合训练孪生神经网络模型（SS-ResNet18）的方法。该方法通过线性插值混合训练集样本数据，使用残差注意力模块搭建孪生网络模型，将PGD对抗样本和正常样本输入不同分支网络进行训练。在特征空间互换相邻样本部分输入特征以增强
信息安全技术 | 基于MILP的MGFN全轮差分分析及改进

信息安全技术 | 基于MILP的MGFN全轮差分分析及改进

摘要：研究了轻量级分组密码MGFN算法的抗差分分析能力并提出了改进方法。首先，基于MILP工具对MGFN算法建模，搜索迭代差分并构造了全轮差分路径，整体差分概率为2－40，远远大于随机置换的差分概率。然后，给出S盒的差分分支数概念并将其作为衡量差分安全性的指标，以新S盒替代原MGFN算法的S盒，并修改了密钥扩展算法，提出新的MGFN-P算法。最后，通过差分路径搜索和分析比较，说明了MGFN-
信息安全技术 | 基于空洞单流ViT网络的灵活模态人脸呈现攻击检测方法

信息安全技术 | 基于空洞单流ViT网络的灵活模态人脸呈现攻击检测方法

摘要：灵活模态人脸呈现攻击检测突破传统多模态方法对于模型训练与部署的模态一致性限制，可将统一模型按需灵活部署到多样模态的现实场景，但仍存在模型性能有待提升、计算资源需求高的问题。为此，提出一种以视觉 Transformer（ViT）结构为基础的单流灵活模态人脸呈现攻击检测网络。提出空洞块嵌入模块以减少运算冗余，降低输入向量维度；为区分不同模态特征，设计模态编码标记；采用非补齐策略处理模态缺失
图形图像技术 | 基于动态频域分解的乐队指挥动作生成

图形图像技术 | 基于动态频域分解的乐队指挥动作生成

摘要：近年来，音乐与人体动作之间的内在关联一直以来都在被广泛研究。然而，很少有人关注音乐驱动的乐队指挥动作生成这一任务，即以音乐为输入信号，生成与音乐节奏和语义相协调的乐队指挥动作。聚焦于这一任务，针对指挥动作多种语义成分时空重合的特性，提出基于动作动态频域分解（dynamic frequency-domain motion decomposition，DFMD）的指挥动作生成方法。具体地，
图形图像技术 | DenseNet和SeNet融合残差结构的DR分类方法

图形图像技术 | DenseNet和SeNet融合残差结构的DR分类方法

摘要：糖尿病性视网膜病变（diabetic retinopathy，DR）是糖尿病在发病过程中影响视网膜的症状。针对模型下采样过程中特征提取DR图像微动脉瘤等病灶区域信息丢失问题，提出了一种DenseNet融合残差结构的模块。该模块首先连接两个连续的dense block，然后利用残差结构对特征信息求和，并行融合处理特征图像信息，以防止有效特征信息的丢失，最后残差连接两个含有dropout的
图形图像技术 | 基于静脉关键特征和AdaFace损失的轻量级指静脉识别算法

图形图像技术 | 基于静脉关键特征和AdaFace损失的轻量级指静脉识别算法

摘要：基于深度学习的指静脉识别方法通常需要大量的计算资源，限制了其在嵌入设备上的推广和普及，采用轻量级网络又面临模型参数减少导致准确率下降的问题，为此提出一种基于指静脉关键特征和AdaFace损失的轻量级识别算法。在MicroNet框架中，首先提出一种FMixconv卷积来替代原网络中的深度卷积，减少参数的同时可以获得静脉特征的多尺度信息；其次引入轻量级注意力模块CA模块，从空间和通道上聚焦
图形图像技术 | 基于CU特征差异的VVC帧内快速划分算法

图形图像技术 | 基于CU特征差异的VVC帧内快速划分算法

摘要：针对通用视频编码（versatile video coding，VVC）在编码单元（coding unit，CU）划分中引入了多类型树划分结构导致编码复杂度增加的问题，提出了一种基于CU子块方向特性与空间复杂度的快速划分算法。首先利用CU整体的纹理复杂度对当前CU进行分类，筛选出不划分CU；然后利用子块不同划分方向的特性差异提前决策CU划分方向；最后利用CU中间区域与边缘区域的复杂度差异特
图形图像技术 | 基于联合注意力的复杂纹理瓷砖缺陷检测方法

图形图像技术 | 基于联合注意力的复杂纹理瓷砖缺陷检测方法

摘要：复杂纹理瓷砖表面存在较多的低可视度小目标缺陷与严重的复杂纹理背景干扰，使应用目标检测方法时易出现较高的误检率和漏检率。为提升复杂纹理瓷砖表面缺陷检测效率，提出了基于通道与空间联合注意力的复杂纹理瓷砖表面缺陷检测方案。首先通过建模深浅层特征通道间关系设计了一种选择性特征融合方法，以提升模型对小目标缺陷的特征表达；其次，提出了通道与空间联合注意力模块，通过通道注意力和空间注意力来筛选关键特
图形图像技术 | 预指导的多阶段特征融合的图像语义分割网络

图形图像技术 | 预指导的多阶段特征融合的图像语义分割网络

摘要：针对目前语义分割对图像边缘和小物体不能进行精确识别，以及简单融合多阶段特征会造成信息冗余、混杂不清等问题，提出了一个预指导的多阶段特征融合的网络（pre-guidanced multi-stage feature fusion network，PGMFFNet），PGMFFNet采用编解码器结构，编码阶段利用预指导模块对各阶段信息进行指导，增强各阶段特征之间的联系，解决各阶段特征在后续
图形图像技术 | 融合时空图卷积网络与非自回归模型的三维人体运动预测

图形图像技术 | 融合时空图卷积网络与非自回归模型的三维人体运动预测

摘要：当前人体运动预测的方法大多采用基于图卷积网络的自回归模型，没有充分考虑关节间的特有关系和自回归网络性能的限制，从而产生平均姿态和误差累积等问题。为解决以上问题，提出融合时空图卷积网络和非自回归的模型对人体运动进行预测。一方面利用时空图卷积的网络提取人体运动序列的局部特征，可以有效减少三维人体运动预测场景中的平均姿态问题和过度堆叠图卷积层引起的过平滑问题的发生；另一方面将非自回归模型与时

过往期刊

更多

猜你喜欢

山东工艺美术学院电子阅览室