全部分类/
科学普及/
计算机应用研究

计算机应用研究

2024年09期

扫码免费借阅

目录

快速导航

综述评论 | 基于强化学习的知识图谱推理研究综述

综述评论 | 基于强化学习的知识图谱推理研究综述

摘要：知识推理作为知识图谱补全中的一项重要任务，受到了学术界的广泛关注。为了提高模型的推理效果和可解释性，将强化学习与知识推理的结合是一种可行的解决方法。基于强化学习的知识推理方法将知识图谱研究的问题建模成路径或序列决策问题，能够更好地利用实体、关系等语义信息来提高推理效果和可解释性。首先，对知识图谱和知识推理的基本概念进行了叙述，阐述了近年来的研究进展。随后，从单层强化学习知识推理和双层强
综述评论 | 基于区块链技术的医疗信息共享研究综述

综述评论 | 基于区块链技术的医疗信息共享研究综述

摘要：随着医疗信息共享的持续发展，数据安全、数据一致性、数据可控性和数据准确性逐渐受到关注。区块链技术因其去中心化、不可窜改和可追溯的特性被认为是解决医疗信息共享问题的有效手段，已有许多基于区块链的医疗信息共享方案涌现。旨在对基于区块链的医疗信息共享方案进行综合分析，探讨其优势、不足以及面临的挑战，为未来研究提供参考，推动该领域方案的进一步发展和完善。总结基于区块链的医疗信息共享方案，重点关
综述评论 | 混合内存架构下数据放置研究综述

综述评论 | 混合内存架构下数据放置研究综述

摘要：当前基于DRAM和NVM的混合内存系统在系统结构领域的研究前景广阔，特别是对混合内存系统进行数据放置的研究已经成为国内外研究的热点。对混合内存架构下数据放置策略进行了研究，在介绍当前常见混合内存架构的基础上，对现有数据放置策略的设计思路进行了全面分析，主要涉及硬件/软件机制、内存访问特征、静态/动态分析、机器智能、触发方式和粒度选择等方面，并针对混合内存性能、功耗和耐久性的数据放置优化
区块链技术 | 基于强化图卷积和时空循环门的区块链非法交易检测方法

区块链技术 | 基于强化图卷积和时空循环门的区块链非法交易检测方法

摘要：区块链非法交易检测任务需要充分挖掘历史交易数据中固有的时间和空间特征。针对现有的非法交易检测方法存在误差较大的问题，提出一种基于强化图卷积和时空循环门的区块链非法交易检测方法（RGCN-SRG）。首先，利用比特币区块链历史交易数据构造交易图谱，引入一组具有不同尺寸卷积核的强化图卷积网络（RGCN），全面地提取该图谱的拓扑信息并生成特征向量；另外，考虑到区块链交易的时序特点，提出一种时空
区块链技术 | 基于SVM的DPoS共识机制改进

区块链技术 | 基于SVM的DPoS共识机制改进

摘要：共识机制是区块链技术的重要组成部分，针对委托权益证明（delegated proof of stake，DPoS）共识机制中对恶意节点不能及时有效处理的问题，提出了一种基于支持向量机的DPoS共识机制改进方案（SVM-DPoS）。首先构建基于SVM的节点判别模型，通过训练好的模型分析节点的行为动机，根据判别结果及时剔除恶意节点；其次基于固定协商出块顺序优化传统算法的出块流程，提升出块效
区块链技术 | 面向服务优化组合的云双链结构

区块链技术 | 面向服务优化组合的云双链结构

摘要：将区块链技术用于云制造平台，可使其具备资源管理去中心化、数据分布式存储、平台鲁棒的特性，然而在服务优化组合的实施过程中，其面临资源需中心化调度，数据录入依赖于区块生成时刻，执行方案缺乏动态适应性等问题。因此，提出面向服务优化组合的云双链结构（cloud dual-chain）。cloud dual-chain由制造服务链（manufacturing service chain，MSC）
对比或非对比学习专题 | 基于跨视图原型非对比学习的异构图嵌入模型

对比或非对比学习专题 | 基于跨视图原型非对比学习的异构图嵌入模型

摘要：基于非对比学习（NCL）的异构图嵌入模型不依赖负样本学习数据的内在特征和模式，可能导致模型无法有效地学习节点之间的区分度。提出了一种基于跨视图原型非对比学习的异构图嵌入模型（XP-NCL），通过寻找额外的正样本提供更多关于源节点的上下文信息，并重新考虑了正样本之间的相似性，从而为下游任务学习更高效的节点表征。该模型首先设计了一种基于异构图随机游走的树型结构，通过筛选出满足局部结构约束的
对比或非对比学习专题 | CMHICL: 基于跨模态分层交互网络和对比学习的多模态讽刺检测

对比或非对比学习专题 | CMHICL: 基于跨模态分层交互网络和对比学习的多模态讽刺检测

摘要：多模态讽刺检测的关键在于有效地对齐和融合不同模态的特征。然而，现有融合方法通常忽略多模态间组成结构的关系，并且在识别讽刺时也经常忽略了多模态数据中与讽刺情感相关的共同特征的重要性。因此，提出一种基于跨模态分层交互网络和对比学习的模型。首先，跨模态分层交互网络采用了基于交叉注意力机制的最小单元对齐模块和基于图注意力网络的组成结构融合模块，从不同层面上识别文本和图像之间的不一致性，将低一致
对比或非对比学习专题 | 基于辅助信息与长短期偏好的序列推荐

对比或非对比学习专题 | 基于辅助信息与长短期偏好的序列推荐

摘要：为了解决序列推荐中的用户偏好漂移问题，以及更精确地捕捉用户动态偏好，提出了一种新型的序列推荐模型SILSSRec（side information and long-short term preferences based sequence recommendation）。该模型首先利用项目的类别和频次作为辅助信息，基于用户的历史交互序列，生成个性化用户嵌入表示。然后，通过考虑历史交互
算法研究探讨 | 基于改进好奇心的深度强化学习方法

算法研究探讨 | 基于改进好奇心的深度强化学习方法

摘要：在深度强化学习方法中，针对内在好奇心模块（intrinsic curiosity model，ICM）指导智能体在稀疏奖励环境中获得未知策略学习的机会，但好奇心奖励是一个状态差异值，会使智能体过度关注于对新状态的探索，进而出现盲目探索的问题，提出了一种基于知识蒸馏的内在好奇心改进算法（intrinsic curiosity model algorithm based on knowle
算法研究探讨 | 面向异构数据的个性化联邦多任务学习优化方法

算法研究探讨 | 面向异构数据的个性化联邦多任务学习优化方法

摘要：联邦学习是一种新兴的分布式机器学习范式，在保护数据隐私的同时协作训练全局模型，但也面临着在数据异构情况下全局模型收敛慢、精度低的问题。针对上述问题，提出一种面向异构数据的个性化联邦多任务学习优化（federated multi-task learning optimization，FedMTO）算法。在包含全局任务和本地任务的多任务学习框架下，考虑个性化联邦优化问题。首先，FedMTO
算法研究探讨 | 基于时间分段和重组聚类的说话人日志方法

算法研究探讨 | 基于时间分段和重组聚类的说话人日志方法

摘要：当前的说话人日志方法大多采用标准的全局聚类的方式来区分不同说话人的语音片段，没有考虑到同一个人的声音在不同的噪声条件下具有不同的特征分布，而这会增大类内距离，从而降低聚类精度。鉴于相邻的语音片段往往包含相同的背景噪声，提出一种新的基于时间分段和重组聚类的说话人日志方法以解决上述问题。首先，将所有语音片段按时间连续性划分成多个独立的时间段，并在段内进行局部聚类；然后，将不同时间段中属于同
算法研究探讨 | 非连通空间对象方向关系表达与推理

算法研究探讨 | 非连通空间对象方向关系表达与推理

摘要：为了弥补现有的二维空间对象方向关系表达模型大都利用点、最小外包矩形等近似地代替空间对象，距离真实空间对象间方向关系的描述与推理仍存在差距的不足，提出了一种基于Voronoi图的非连通空间对象方向关系表达模型。该模型借助Gestalt心理学理论，通过提取非连通空间对象的特征点、特征链，构建空间对象间的可视区域，生成方向关系Voronoi图，实现了非连通、含洞的参考对象与目标对象间方向关系
算法研究探讨 | 基于互信息解决多标签文本分类中的长尾问题

算法研究探讨 | 基于互信息解决多标签文本分类中的长尾问题

摘要：针对当前解决多标签文本分类中长尾问题的方法多以破坏原本数据分布为代价，在真实数据上的泛化性能下降，无法有效地缓解样本的长尾分布的问题，提出了基于互信息解决长尾问题的多标签文本分类方法（MLTC-LD）。首先，创建关于标签样本的关系矩阵，计算标签样本间的依赖关系；其次，考虑标签样本间关系程度的强弱构造邻居选择器，将拥有强关系的邻居信息作为主要语义特征并作为先验信息；最后，通过图注意力神经
算法研究探讨 | 基于提示学习和超球原型的小样本ICD自动编码方法

算法研究探讨 | 基于提示学习和超球原型的小样本ICD自动编码方法

摘要：针对国际疾病分类（ICD）自动编码方法的长文本处理、编码的层次结构以及长尾分布等导致的模型泛化能力弱的问题，提出一种充分利用医学预训练语言模型的基于提示学习和超球原型的小样本ICD自动编码方法（hypersphere prototypical with prompt learning，PromptHP）。首先，将编码描述与临床文本融合进提示学习模型中的提示模板，使得模型能够更加深入地理
算法研究探讨 | 面向功能语义增强与标签关联的Web服务标签推荐

算法研究探讨 | 面向功能语义增强与标签关联的Web服务标签推荐

摘要：为了提升标签推荐的质量，提出一种面向功能语义增强与标签关联的Web服务标签推荐方法。将语境权重融入TextRank模型，提取与服务功能契合度高的关键词，用于构建功能语义增强的服务表征向量；建立标签关联图，基于改进的GraphSAGE模型生成标签关联向量；利用KNN算法获取推荐的主标签与候选标签集合，面向服务表征向量和标签关联向量构建融合适配度与关联度的标签推荐方法。实验表明，所提出方法
算法研究探讨 | 基于实体级联类型的中文关系抽取管道模型

算法研究探讨 | 基于实体级联类型的中文关系抽取管道模型

摘要：端到端实体关系抽取任务可以被分解成命名实体识别和关系抽取两个子任务，最近的工作多将这两个子任务联合建模。现有的流水线方法验证了在关系模型中融合实体类型信息的重要性和管道模型的潜力，但是它们忽略了文本中的某些实体可能同时具有多个类型，这种多义性的情况在中文数据集中尤为常见。为解决上述问题，提出了一种实体级联类型机制，并在此基础上开发了一个更适合中文关系抽取的管道模型，取名为CENTREL
算法研究探讨 | 面向流程偏差根因分析的港口物流流程挖掘方法及应用

算法研究探讨 | 面向流程偏差根因分析的港口物流流程挖掘方法及应用

摘要：港口物流是一种高度以人为中心、复杂灵活的业务流程。现有研究对其进行流程挖掘时，存在自动发现流程模型质量低的问题，同时缺少对于流程偏差进行系统化根因分析的支持，这造成港口流程偏差分析能力较弱。针对这一问题，提出一种面向流程偏差根因分析的港口物流流程挖掘方法。该方法基于事件日志进行港口物流活动统计实现流程绩效分析，使用Split Miner和Inductive Miner发现实际流程模型，
算法研究探讨 | 基于深度强化学习的单通道EEG信号自动睡眠分期算法

算法研究探讨 | 基于深度强化学习的单通道EEG信号自动睡眠分期算法

摘要：目前，基于脑电（EEG）信号的人体睡眠分期方法呈现出单通道和网络模型深度化的趋势，然而单通道信息采集使得EEG失去大脑区域的位置信息，EEG中表征睡眠阶段的特征因趋向稀疏化而难以提取，同时深度网络的共性问题——模型及其训练的超参数的人工设定使得训练过程盲目且低效，这些问题导致自动睡眠分期方法的准确率低。为此，提出利用密集连接网络（DenseNet）对模型层间特征重用功能，挖掘深藏于EE
算法研究探讨 | 边缘环境下基于移动群智感知计算卸载的数据汇聚

算法研究探讨 | 边缘环境下基于移动群智感知计算卸载的数据汇聚

摘要：当前“云-端”式移动群智感知（mobile crowd sensing，MCS）系统面临负载过重的问题，导致数据汇聚过程中时延和能耗显著增加，从而降低了数据汇聚的效率。针对该问题，提出了一种基于AP-DQN的“云-边-端”MCS计算卸载算法。首先，考虑时延和能耗的均衡优化建立效用函数，以最大化系统效用作为优化目标。其次，优化P-DQN算法，提出一种联合资源分配的计算卸载算法AP-DQN，结
算法研究探讨 | 结合精英初始化和K近邻的蛇优化算法

算法研究探讨 | 结合精英初始化和K近邻的蛇优化算法

摘要：蛇优化算法（SO）是一种受自然界中蛇生存行为启发产生的元启发式优化算法。原始蛇优化算法存在收敛速度慢、易陷入局部最优的问题，因此提出了一种结合精英初始化和K近邻的改进蛇优化算法（elite initia-lization and K-nearest neighbors improved snake optimizer，EKISO）。首先，为了提高初始种群质量，在种群初始化阶段提出精英初始化
算法研究探讨 | 基于新颖二进制人工蜂群算法求解带权集合覆盖问题

算法研究探讨 | 基于新颖二进制人工蜂群算法求解带权集合覆盖问题

摘要：带权集合覆盖问题（WSCP）是一个著名的NP-hard问题。为了利用人工蜂群算法（ABC）高效求解带权集合覆盖问题，提出了一个新颖二进制ABC（记作nBABC）。在nBABC中，首先提出了随机学习和继承性相结合的全局进化算子，以提高算法的全局勘探能力。其次，基于动态调整策略提出了自适应随机取反算子，以维持勘探与开发的平衡。在借鉴近似算法的思想提出处理WSCP不可行解的修复算法WSCP-GR
算法研究探讨 | 基于PPO算法的自动驾驶人机交互式强化学习方法

算法研究探讨 | 基于PPO算法的自动驾驶人机交互式强化学习方法

摘要：针对当前自动驾驶领域中深度强化学习（deep reinforcement learning，DRL）所面临的高计算性能需求和收敛速度慢的问题，将变分自编码器（variational autoencoder，VAE）和近端策略优化算法（proximal policy optimization，PPO）相结合。通过采用VAE的特征编码技术，将Carla模拟器获取的语义图像有效转换为状态输入，以
算法研究探讨 | 基于鱼群涌现行为启发的集群机器人硬注意力强化模型

算法研究探讨 | 基于鱼群涌现行为启发的集群机器人硬注意力强化模型

摘要：生物集群运动模型能使集群机器人涌现秩序，但是所形成的机器人自然集群秩序难以有效地被人工控制，为此提出鱼群硬注意力模型来解析实验鱼群数据中的交互行为。该模型通过编码器网络、图注意力网络、信息聚合网络、预解码网络以及最终解码网络等结构来获取焦点单体的重要邻居；再利用深度确定性策略梯度技术设计轨道强化网络与安全强化网络，以实现集群的人工控制。多智能体仿真与集群机器人实验结果表明：所提方法能够实现
算法研究探讨 | 融合人工势场法的动态快速行进树路径规划算法

算法研究探讨 | 融合人工势场法的动态快速行进树路径规划算法

摘要：针对快速行进树算法（FMT*）由于随机采样导致的冗余探索问题以及不适用于动态环境的问题，提出一种融合人工势场法的动态快速行进树路径规划算法（APF-Dynamic FMT*），该算法设计了一种基于人工势场法的采样点引导函数，该函数根据环境信息动态的调整采样点生成范围，减少冗余探索。同时，该算法设计了一种路径树动态调整机制，当现有路径受到环境改变的影响时，能在未受影响的剩余路径树的基础上重新
算法研究探讨 | 一种基于共轭次梯度算法的非光滑布图规划方法

算法研究探讨 | 一种基于共轭次梯度算法的非光滑布图规划方法

摘要：针对只有硬模块的布图规划问题，通常将其构建成组合优化模型，但求解过程时间成本高。为提高求解效率，提出了一种基于非光滑解析数学规划的布图规划算法。基于布图中器件的坐标表示，构建了一个泛化的非光滑解析数学规划模型，将不同场景下的布图规划问题的不同优化阶段处理为该泛化模型的特例，并利用共轭次梯度算法（conjugate sub-gradient algorithm，CSA）对其进行求解。针对固定
算法研究探讨 | 扩展帝国竞争算法求解分布式不相关并行机车间调度问题

算法研究探讨 | 扩展帝国竞争算法求解分布式不相关并行机车间调度问题

摘要：针对考虑加工约束的分布式不相关并行机车间调度问题，以总运输成本、工厂间并行机齐停评价函数和工件种类平均切换次数均衡评价函数为优化目标，提出一种扩展帝国竞争算法进行求解。该算法在原始帝国竞争算法的基础上，增加了适于工厂分配的初始化工厂-工件序列群；根据传统帝国竞争算法容易陷入局部最优的缺点，将较劣序列同化分为了外部同化机制和内部同化机制，采用局部和全局相结合的搜索方式实现扩展帝国竞争算法的智
系统应用开发 | 高效混合预测策略的设计

系统应用开发 | 高效混合预测策略的设计

摘要：现有的分支预测模型无法完全准确预测处理器中各种指令的行为，导致处理效率受限。为此提出了两种混合预测解决方案，旨在结合多种分支预测模型，以提高预测的准确性和处理器的执行效率。将TAGE（tagged geometric history length）分支预测模型与BATAGE（Bayesian tagged geometric history length）分支预测模型的预测结果转交Hybr
系统应用开发 | 基于多要素的短临降水预报及可解释性分析

系统应用开发 | 基于多要素的短临降水预报及可解释性分析

摘要：当前的短临降水预报方法大多是基于雷达回波外推，没有充分考虑其他气象要素对降水生消演变的密切影响，从而限制了其预报的准确性。为解决此问题，基于风云四号B星数据，制作了包含四种背景气象要素、以定量降水估计为预报对象的短时临近降水预报数据集，提出了短临降水预报模型——MFPNM。以TransUNet为骨干，设计了并行双编码器分别提取预报对象和背景气象数据的高维时空特征；构造了内容编码模块将背景数
系统应用开发 | 一种引入元路径相似性度量的材料实体检索方法

系统应用开发 | 一种引入元路径相似性度量的材料实体检索方法

摘要：近年来，随着材料数据的积累以及“材料基因组计划”的普及，面对大量需要处理和管理的材料数据，快速准确地检索并获取相应信息已成为一个重要问题。传统的检索方法由于仅能查询某一材料的相关信息，并且存在检索结果不全面、无法处理复杂语义关系等问题，难以获取相似程度较高的材料。为了快速、准确地找到与某种材料相似的材料，提出可度量不同节点的加权材料相似度计算模型WM-PathSim。首先，使用metapa
系统应用开发 | 基于S-MCLSTM和DANN的滚动轴承剩余寿命预测方法

系统应用开发 | 基于S-MCLSTM和DANN的滚动轴承剩余寿命预测方法

摘要：针对在不同工作条件和不同故障形式下，滚动轴承剩余寿命预测泛化能力差和精确度不高的问题，提出一种基于孪生多卷积长短时记忆网络（S-MCLSTM）和域对抗网络（DANN）的剩余寿命预测方法。首先针对不同的工作条件对退化过程的影响，提出基于S-MCLSTM的差异化特征提取器以提取一定时间间隔的两个样本之间的差异化特征。同时，进一步使用工作条件判别器与差异化特征提取器进行对抗训练，减少由于工作条件
软件技术研究 | KubeTea:面向容器云环境的轻量级多维度微服务应用调度框架

软件技术研究 | KubeTea:面向容器云环境的轻量级多维度微服务应用调度框架

摘要：容器云中，应用和资源调度始终是集群管理的重点。如何在提高资源利用率的同时保证应用服务质量是目前行业积极探索的问题之一。针对该问题，提出一个面向容器云环境的轻量级多维度微服务应用调度框架。该框架设计了非侵入式的网络调用观测方法，并基于观测和监控数据定义亲和性、热点值（HV）和热路径（HP）来指导调度决策。为平衡资源利用率和应用QoS，该框架在调度的垂直方向上提出弹性余量控制机制（elasti
软件技术研究 | 融合表字段的NL2SQL多任务学习方法

软件技术研究 | 融合表字段的NL2SQL多任务学习方法

摘要：现有的自然语言转SQL（NL2SQL）方法没有充分利用数据表的字段信息，而这对于问题的语义理解和SQL语句的逻辑生成有着重要作用。为了提高SQL生成的整体准确性，提出一种融合数据表字段的NL2SQL方法（FC-SQL）。首先，利用BERT预训练模型对问题和数据库表字段进行合并编码表示；其次，采用多任务学习的方式，结合并联和级联的方式构建多任务网络，以预测不同子任务；最后，针对条件值提取子任
网络与通信技术 | 无线传感器网络中一种基于聚合层次聚类的分簇路由算法

网络与通信技术 | 无线传感器网络中一种基于聚合层次聚类的分簇路由算法

摘要：针对无线传感器网络中节点连接以及能量受限不足的问题，为了延长网络寿命，提出了一种基于AHC的分簇路由算法（HACCRA）。该算法首先运用AHC对网络节点分簇，接着为簇首选择、簇形成和路径构建分别定义了恰当的决策目标函数，运用能量阈值、提出距离阈值、并且路由过程优先考虑簇首节点之间的一对一连接，有效解决了路由算法中分簇和路由不衔接的问题。仿真结果表明，与JCR、ICR以及DCK-LEACH相
网络与通信技术 | 基于排队论的一种高吞吐量信道分配协议设计

网络与通信技术 | 基于排队论的一种高吞吐量信道分配协议设计

摘要：针对复杂多变的认知无线电系统中难以为次用户高效分配信道的问题，提出了一种高吞吐量信道分配协议——TKMA协议。该协议根据主用户（PU）活动、次用户（SU）实时业务需求、信道条件等信息构建用户信道的效用矩阵，在保障PU通信质量的前提下以SU系统总效用值最大化为目标进行信道分配，并利用改进Kuhn-Munkras算法结合轮询调度进行求解。为了评估该协议性能，建立了通用的多用户多信道认知无线电系
网络与通信技术 | 面向多租户数据中心的联邦学习架构下通信开销优化方法

网络与通信技术 | 面向多租户数据中心的联邦学习架构下通信开销优化方法

摘要：为降低多租户数据中心联邦学习架构下的高通信开销问题，提出一种基于三元演化模型参数的通信开销优化算法。首先，建立面向多租户数据中心的联邦学习架构模型来实现数据隐私保护；其次，针对联邦学习架构的引入导致租户和数据中心交互产生了过高的通信开销问题，提出一种基于三元演化模型参数的通信开销优化算法，通过结合最优局部模型和三元向量化模型参数的演化方向来减少租户与数据中心模型参数传输之间的冗余通信；同时
信息安全技术 | 车联网基于稀疏用户环境的LBS隐私保护方案

信息安全技术 | 车联网基于稀疏用户环境的LBS隐私保护方案

摘要：针对车联网稀疏用户环境下LBS（location-based services）位置隐私保护能力降低的问题，提出一种基于同态加密的混合隐私保护方案。该方案利用同态加密性质，实现了车辆用户虚拟身份的按需生成和对外不可区分的认证，并通过将虚拟地址与车辆真实位置混淆，进一步提供了基于车辆身份和位置的混合隐私保护。安全分析表明，该方案在服务隐私保护有效性的基础上，对恶意车辆身份具有可追溯性、有效抵
信息安全技术 | 基于上下文感知的自适应访问控制模型

信息安全技术 | 基于上下文感知的自适应访问控制模型

摘要：面对日益复杂和动态的访问场景，传统访问控制显现出灵活性不足的局限性，一定程度上损害了资源的可用性。针对这一问题，提出一种基于上下文感知的自适应访问控制模型。通过提供额外的特殊授权机制，提升面对特殊请求的灵活性和时间效率，提高资源的可用性。使用基于模糊逻辑的上下文感知推理方法评估用户访问时的上下文情景，使系统能够据此作出特殊授权决策，实现了访问控制系统在动态环境下灵活、细粒度的授权能力。通过
信息安全技术 | 抗恶意敌手的线性门限隐私集合交集协议

信息安全技术 | 抗恶意敌手的线性门限隐私集合交集协议

摘要：门限隐私集合交集（TPSI）是安全多方计算中的一种特例，其在机器学习、共享拼车、指纹识别等多个领域有广泛的应用。然而，目前存在的方案均基于计算复杂度较高的算法，并且仅在半诚实模型下实现，导致协议计算开销较大且无法抵抗恶意敌手的攻击。为了解决以上问题，首先提出了一个向量不经意匹配测试（VOMT）协议，并基于VOMT和布谷鸟哈希设计了一个高效的半诚实TPSI协议。此外，结合VOMT与对称密钥加
图形图像技术 | 基于集中注意力接受场网络的偏振成像伪装目标检测

图形图像技术 | 基于集中注意力接受场网络的偏振成像伪装目标检测

摘要：针对伪装物体分割中图像识别鲁棒性较差，模型泛化性不强的问题，受神经科学中人类视觉系统接受场结构的启发，提出一种基于集中注意力接受场网络的偏振成像伪装目标检测方法。根据偏振成像目标探测需要，构建了能有效遏制背景噪声以及获取目标细节特征的偏振成像数据集。方法基于识别与定位网络框架，通过改进特征提取模块和解码器模块，该模块利用了偏心度和感受野大小之间的关系，涵盖多尺度的目标信息，可以有效提高
图形图像技术 | 融合双目信息的队列姿态检测

图形图像技术 | 融合双目信息的队列姿态检测

摘要：为实现队列姿态动作的准确评估，针对训练场景中踢腿高度等三维人体姿态特征难以准确测量的问题，提出融合双目信息的队列三维姿态特征检测方法。方法分为2D姿态估计和双目立体匹配两个阶段。为提高2D人体姿态检测精度，设计基于改进HRNet网络的2D姿态估计模型。首先，在主干网络引入空间通道注意力，增强特征提取能力。特征融合层采用自适应空间特征融合模块，融合网络多尺度特征。其次，采用无偏数据处理方法进
图形图像技术 | 基于全局频域池化的行为识别算法

图形图像技术 | 基于全局频域池化的行为识别算法

摘要：目前基于3D-ConvNet的行为识别算法普遍使用全局平均池化（global average pooling，GAP）压缩特征信息，但会产生信息损失、信息冗余和网络过拟合等问题。为了解决上述问题，更好地保留卷积层提取到的高级语义信息，提出了基于全局频域池化（global frequency domain pooling，GFDP）的行为识别算法。首先，根据离散余弦变换（discrete c
图形图像技术 | 基于频谱特征混合Transformer的红外和可见光图像融合

图形图像技术 | 基于频谱特征混合Transformer的红外和可见光图像融合

摘要：为了解决传统红外与可见光图像融合方法对细节与频率信息表征能力不足、融合结果存在模糊伪影的问题，提出一种基于频谱特征混合Transformer的红外和可见光图像融合算法。在Transformer的基础上，利用傅里叶变换将图像域特征映射到频域，设计了一种新的复数Transformer来提取源图像的深层频域信息，并与图像域特征进行混合，以此提高网络对细节与频率信息的表征能力。此外，在图像重建前设

过往期刊

更多

猜你喜欢

山东工艺美术学院电子阅览室