检索结果-维普期刊中文期刊服务平台

结合多粒度信息学习的卫星视频目标跟踪算法: 1; 作者鲁宸旭高隆 +1 位作者邹云龙李云松《西安电子科技大学学报》北大核心 2025年第3期36-47,共12页; 在遥感卫星视频目标跟踪任务中,由于跟踪目标分辨率低,背景干扰较多,容易被遮挡等问题,导致现有目标跟踪算法不能满足需要。针对这些问题,提出了一种基于多粒度信息学习与运动状态估计的卫星视频目标跟踪算法。多粒度信息学习通过双向... 展开更多; 关键词卫星视频目标跟踪多粒度信息学习运动状态估计孪生网络; 在线阅读下载PDF 职称材料

基于多粒度多尺度深度时空模型的长期序列预测方法: 2; 作者陈加毫谢良 +2 位作者廖思灏吴雨琛徐海蛟《计算机科学》北大核心 2025年第2期91-98,共8页; 时间序列建模一直是金融和交通等多个领域研究的热点,时空模型因能更全面捕捉时序数据的复杂关联和趋势,受到研究者们的广泛关注。近年来,基于时空模型的长期序列预测取得显著成果,但现有方法受到多粒度或多尺度研究的限制,无法充分挖... 展开更多; 关键词多粒度学习多尺度学习时间序列预测金融市场交通流速度; 在线阅读下载PDF 职称材料

多粒度单元格对比的文本和表格数值问答模型: 3; 作者琚江舟毛云麟 +3 位作者吴震陈宇飞戴新宇陈家骏《软件学报》北大核心 2025年第5期2167-2187,共21页; 在文本和表格的数值问答任务中,模型需要在给定的文本和表格下进行数值推理.任务目标是生成一个包含多步数值计算的计算程序,并将计算程序结果作为问题的答案.为了建模文本和表格,当前工作通过模板将表格线性化为一系列单元格句子,再基... 展开更多; 关键词表格和文本学习数值问答模型多粒度对比学习; 在线阅读下载PDF 职称材料

基于多粒度表征学习的加密恶意流量检测被引量：9: 4; 作者谷勇浩徐昊张晓青《计算机学报》 EI CAS CSCD 北大核心 2023年第9期1888-1899,共12页; 现有加密恶意流量检测方法中,基于统计特征的方法存在特征提取依赖专家经验和特征之间相互独立的问题,基于原始输入的机器学习和深度学习方法存在信息不全、随机字段、单一粒度的问题,对加密流量交互行为的语义表征不足.为解决上述问题... 展开更多; 关键词加密恶意流量检测多粒度表征学习局部行为全局行为位置语义; 在线阅读下载PDF 职称材料

基于聚合多阶邻域信息的细化方法的多粒度网络表示学习被引量：2: 5; 作者赵姝刘梦婷 +2 位作者杜紫维宋文超韩光洁《小型微型计算机系统》 CSCD 北大核心 2022年第12期2471-2478,共8页; 多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构,... 展开更多; 关键词网络网络表示学习多粒度网络表示学习节点分类; 在线阅读下载PDF 职称材料

题名结合多粒度信息学习的卫星视频目标跟踪算法: 1; 作者鲁宸旭高隆邹云龙李云松; 机构西安电子科技大学通信工程学院陕西交通控股集团有限公司; 出处《西安电子科技大学学报》北大核心 2025年第3期36-47,共12页; 基金工业与信息部项目(CEIEC-2022-ZM02-0247)。; 文摘在遥感卫星视频目标跟踪任务中,由于跟踪目标分辨率低,背景干扰较多,容易被遮挡等问题,导致现有目标跟踪算法不能满足需要。针对这些问题,提出了一种基于多粒度信息学习与运动状态估计的卫星视频目标跟踪算法。多粒度信息学习通过双向融合网络,将空间信息丰富的浅层特征与语义信息丰富的深层特征进行双向自适应融合,提升特征对低分辨目标的表征能力。进一步,使用运动状态估计方法,基于历史目标运动状态,估计当前目标位置,以修正跟踪网络受遮挡和背景噪声干扰输出的错误结果,提升跟踪网络在复杂场景下的鲁棒性。最后,基于以上两种方法和孪生网络设计实现了一种新的卫星视频目标跟踪算法,并在遥感卫星视频数据集SatSOT上进行了测试。实验结果表明,所提出算法的跟踪性能优于其他目标跟踪算法,其在跟踪精确度和成功率方面比同样基于孪生网络的SiamCAR算法分别有5.1%和3.2%的提升。; 关键词卫星视频目标跟踪多粒度信息学习运动状态估计孪生网络; Keywords satellite video object tracking multi-granularity information learning motion state estimation siamese network; 分类号 TP37 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于多粒度多尺度深度时空模型的长期序列预测方法: 2; 作者陈加毫谢良廖思灏吴雨琛徐海蛟; 机构武汉理工大学理学院广东第二师范学院计算机学院; 出处《计算机科学》北大核心 2025年第2期91-98,共8页; 基金广东省自然科学基金(2020A1515011208) 广州市基础研究教计划基础与应用基础研究项目(202102080353) 广东省普通高校自然科学类特色创新项目(2019KTSCX117)。; 文摘时间序列建模一直是金融和交通等多个领域研究的热点,时空模型因能更全面捕捉时序数据的复杂关联和趋势,受到研究者们的广泛关注。近年来,基于时空模型的长期序列预测取得显著成果,但现有方法受到多粒度或多尺度研究的限制,无法充分挖掘数据的时空信息。为解决这一问题,提出了一种多粒度多尺度深度时空模型(MMDSTM)。该模型首先通过分解初始数据获取季节、周期和粒度序列;然后,利用基于多尺度等距卷积生成尺度预测,利用基于注意力的时空特征层生成多粒度预测;最后,通过多层次融合合并多粒度与多尺度预测的预测结果。在实验中,MMDSTM相比近期的新方法在股票、交通和电池数据集上MSE指标分别下降了6.2%,21.5%和1%。多粒度和多尺度的引入显著提升了时间序列预测性能。; 关键词多粒度学习多尺度学习时间序列预测金融市场交通流速度; Keywords Multi-granularity learning Multi-scale learning Time series forecasting Financial markets Traffic flow speed; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名多粒度单元格对比的文本和表格数值问答模型: 3; 作者琚江舟毛云麟吴震陈宇飞戴新宇陈家骏; 机构计算机软件新技术国家重点实验室(南京大学); 出处《软件学报》北大核心 2025年第5期2167-2187,共21页; 基金国家自然科学基金(62376120,61936012,62206126)。; 文摘在文本和表格的数值问答任务中,模型需要在给定的文本和表格下进行数值推理.任务目标是生成一个包含多步数值计算的计算程序,并将计算程序结果作为问题的答案.为了建模文本和表格,当前工作通过模板将表格线性化为一系列单元格句子,再基于文本和单元格句子设计生成器以产生计算程序.然而,这种方法面临一个特定问题:由模板生成的单元格句子间差异微小,生成器难以区分回答问题所必需的单元格句子(支撑单元格句子)和回答问题无关的单元格句子(干扰单元格句子),最终导致模型基于干扰单元格句子生成错误的计算程序.为了解决这个问题,在生成器上设计一个多粒度单元格语义对比方法,其主要目的是增加支撑单元格句子和干扰单元格句子表示距离,进而帮助生成器区分它们.这个方法由粗粒度单元格语义对比和细粒度单元格语义构成元素对比(包括行名对比,列名对比及单元格数值对比)共同构成.实验结果验证所提出的多粒度单元格语义对比方法可以使生成器在FinQA和MultiHiertt数值推理数据集上取得优于基准模型的表现.在FinQA数据集上,多粒度单元格语义对比方法上最高可以提升答案正确率达到3.38%;特别地,在更为困难的层次化表格数据集MultiHiertt中,该方法使生成器的正确率显著提高了7.8%.同大语言模型GPT-3结合思维链相比,基于多粒度单元格语义对比的生成器性能在FinQA和MultiHiertt上分别表现出5.44%和1.69%的答案正确率提升.后续分析实验进一步验证多粒度单元格语义对比方法有助于生成器区分支撑单元格句子和干扰单元格句子.; 关键词表格和文本学习数值问答模型多粒度对比学习; Keywords table and text learning numerical question-answering model multi-granularity contrastive learning; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于多粒度表征学习的加密恶意流量检测被引量：9: 4; 作者谷勇浩徐昊张晓青; 机构北京邮电大学计算机学院智能通信软件与多媒体北京市重点实验室中山大学广东省信息安全技术重点实验室; 出处《计算机学报》 EI CAS CSCD 北大核心 2023年第9期1888-1899,共12页; 基金北京邮电大学中央高校基本科研业务费行动计划项目(2021XD-A11-1) CCF-蚂蚁科研基金(20210026) 广东省信息安全技术重点实验室开放基金(2020B1212060078)资助。; 文摘现有加密恶意流量检测方法中,基于统计特征的方法存在特征提取依赖专家经验和特征之间相互独立的问题,基于原始输入的机器学习和深度学习方法存在信息不全、随机字段、单一粒度的问题,对加密流量交互行为的语义表征不足.为解决上述问题,本文提出一种基于多粒度表征学习的加密恶意流量检测方法MGREL(MultiGranularity REpresentation Learning).该方法将加密会话分为字段级和包级两个粒度分别处理.在字段级粒度中,基于词向量进行局部行为建模,提取握手报文并选取关键字段,缓解信息不全导致的语义缺失问题,将字段的字节值表示为词向量,同时增加报文类型与握手类型作为位置前缀,解决位置语义缺失的问题,采用Multi-head Attention计算字段间的交互,再通过Bi LSTM得到报文级语义;在包级粒度中,基于时空进行全局行为建模,提取包的时空状态信息并采用LSTM模型得到流级语义.将两个粒度下得到的局部行为语义和全局行为语义融合,得到加密流量的表征,解决单一粒度表征能力不足的问题.最后,通过对比实验验证本文所提方法MGREL在检测加密恶意流量方面表现最好.; 关键词加密恶意流量检测多粒度表征学习局部行为全局行为位置语义; Keywords encrypted malicious traffic detection multi-granularity representation learning local behavior global behavior positional semantics; 分类号 TP309 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于聚合多阶邻域信息的细化方法的多粒度网络表示学习被引量：2: 5; 作者赵姝刘梦婷杜紫维宋文超韩光洁; 机构计算智能与信号处理教育部重点实验室安徽大学计算机科学与技术学院安徽省信息材料与智能传感重点实验室北京智创信安信息科技有限公司河海大学物联网工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2022年第12期2471-2478,共8页; 基金国家自然科学基金项目(61876001)资助安徽省高等学校自然科学研究项目(KJ2021A0039)资助。; 文摘多粒度网络表示学习方法因其在学习节点表示过程中可以保留网络的多粒度特征而受到越来越多的关注.该类方法主要经过粗化和细化两个阶段.现有的工作侧重于设计粗化策略以压缩网络规模获得网络的多粒度结构.但是如何保留这种多粒度结构,将粗粒度空间的节点表示细化回原始网络仍具有挑战.本文提出一种基于聚合多阶邻域信息的细化方法的多粒度网络表示学习方法NRAM(Network Refinement based on Aggregating Multi-neighboring information).首先,对于粗化阶段生成的多粒度网络,仅利用现有的网络表示学习方法学习最粗粒度网络的表示;然后将从粗粒度网络继承的节点表示和细粒度网络的结构信息相融合得到细粒度网络的初始嵌入;最后通过聚合节点多阶邻域信息的方式得到细粒度网络的节点表示,迭代该过程直到获得原始网络的节点向量.在3个公共数据集上节点分类的结果证明了NRAM的有效性.; 关键词网络网络表示学习多粒度网络表示学习节点分类; Keywords network network representation learning multi-granularity network representation learning node classification; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	结合多粒度信息学习的卫星视频目标跟踪算法	鲁宸旭高隆邹云龙李云松	《西安电子科技大学学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于多粒度多尺度深度时空模型的长期序列预测方法	陈加毫谢良廖思灏吴雨琛徐海蛟	《计算机科学》北大核心	2025	0	在线阅读下载PDF 职称材料
3	多粒度单元格对比的文本和表格数值问答模型	琚江舟毛云麟吴震陈宇飞戴新宇陈家骏	《软件学报》北大核心	2025	0	在线阅读下载PDF 职称材料
4	基于多粒度表征学习的加密恶意流量检测	谷勇浩徐昊张晓青	《计算机学报》 EI CAS CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
5	基于聚合多阶邻域信息的细化方法的多粒度网络表示学习	赵姝刘梦婷杜紫维宋文超韩光洁	《小型微型计算机系统》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料