期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于深度学习的跨域辐射源个体识别综述 被引量:2
1
作者 李奇真 刘佳旭 +4 位作者 梁先明 龙慧敏 董海 曹广平 李建清 《电讯技术》 北大核心 2024年第7期1163-1174,共12页
基于深度学习的辐射源个体识别已经成为识别和认证无线设备的主要研究方法之一。然而,基于传统深度学习的辐射源个体识别算法不能直接应用于跨域(跨信道条件、跨接收机、跨接收时间等)辐射源个体识别场景,因为一个域上的数据训练的模型... 基于深度学习的辐射源个体识别已经成为识别和认证无线设备的主要研究方法之一。然而,基于传统深度学习的辐射源个体识别算法不能直接应用于跨域(跨信道条件、跨接收机、跨接收时间等)辐射源个体识别场景,因为一个域上的数据训练的模型用于另一个域上进行推理,其效果通常会变差。调研了现有基于对比学习、迁移学习、域适应等先进深度学习的跨域辐射源个体识别方法,整理和归纳了跨域辐射源个体识别相关的开源数据集。分析了跨域辐射源个体识别存在的难题与挑战,展望了跨域辐射源个体识别发展趋势及未来研究方向,以助力深度学习在复杂电磁环境下辐射源个体识别的实用化。 展开更多
关键词 辐射源个体识别 深度学习 适应 开源跨域辐射源数据集
在线阅读 下载PDF
基于数据集蜜点的抗损毁数据标识技术 被引量:1
2
作者 李浩波 李默涵 +2 位作者 陈鹏 孙彦斌 田志宏 《计算机研究与发展》 EI CSCD 北大核心 2024年第10期2417-2432,共16页
数据标识是实现数据精准监管的前提条件,有效地保证了数据要素在跨域流转过程中的安全.当前已有针对单一数据的标识生成方法,但是随着数据规模的不断扩大,数据层面的数据标识无法直接应用到数据集层面,并且会带来标识“易损毁”和标识... 数据标识是实现数据精准监管的前提条件,有效地保证了数据要素在跨域流转过程中的安全.当前已有针对单一数据的标识生成方法,但是随着数据规模的不断扩大,数据层面的数据标识无法直接应用到数据集层面,并且会带来标识“易损毁”和标识“难嵌入”的问题.为有效解决上述问题,通过沿用方滨兴院士提出的“护卫”模式中网络蜜点的设计理念,借助欺骗防御的思想提出数据跨域流转场景下基于数据集蜜点的抗损毁数据标识技术,设计并形成一套完整的数据集蜜点生成和嵌入方法.首先,针对数据跨域流转场景设计了数据集蜜点,并通过增强数据集蜜点的隐蔽性和增加数据集蜜点冗余的方式解决标识“易损毁”的问题.其次,通过保证数据集蜜点形态与真实数据密不可分,解决标识“难嵌入”的问题.最后,通过在图像和加密文本2个数据模态下进行实验,验证了数据集蜜点具备高抗损毁、高鲁棒和低性能开销的特性. 展开更多
关键词 数据流转 数据标识 数据蜜点 欺骗防御 抗损毁 嵌入
在线阅读 下载PDF
云—边缘系统中跨域大数据作业调度技术研究 被引量:10
3
作者 徐超 吴波 +2 位作者 姜丽丽 金熠波 张胜 《计算机应用研究》 CSCD 北大核心 2020年第3期754-758,共5页
为了降低因处理这些跨域大数据带来的作业完成时延,首先提出了以最小化系列跨域作业平均完成时间为优化目标的在线随机调度算法ranTA。ranTA基于跨域资源的异构性在线地计算出各计算任务调度至不同位置的偏好,并以此偏好作为概率调度每... 为了降低因处理这些跨域大数据带来的作业完成时延,首先提出了以最小化系列跨域作业平均完成时间为优化目标的在线随机调度算法ranTA。ranTA基于跨域资源的异构性在线地计算出各计算任务调度至不同位置的偏好,并以此偏好作为概率调度每个计算任务;更进一步,为了避免将“热点”数据积压在边缘集群造成性能瓶颈,提出基于ranTA的捎带式数据重分布机制ranTA-data,其将部分数据随任务执行留存至云数据中心。ranTA-data不仅优化了当前作业的完成时间,也能证明在该机制下系列作业的平均完成时间以大概率汇聚于最优解附近。大规模仿真实验表明,所提出的在线随机化算法与数据重部署机制相比传统方法,平均降低系列作业完成时间近30%。 展开更多
关键词 数据处理 云—边缘 任务调度
在线阅读 下载PDF
融合全局与局部特征的跨数据集表情识别方法 被引量:2
4
作者 梁艳 温兴 潘家辉 《智能系统学报》 CSCD 北大核心 2023年第6期1205-1212,共8页
人脸表情数据集在收集过程中存在主观的标注差异和客观的条件差异,导致表情识别模型在不同数据集间呈现明显的性能差异。为了提高跨数据集表情识别精度、减少表情识别在实际应用中进行样本打标重训练的过程,本文提出了一种基于表情融合... 人脸表情数据集在收集过程中存在主观的标注差异和客观的条件差异,导致表情识别模型在不同数据集间呈现明显的性能差异。为了提高跨数据集表情识别精度、减少表情识别在实际应用中进行样本打标重训练的过程,本文提出了一种基于表情融合特征的域对抗网络模型,用于跨数据集人脸表情识别。采用残差神经网络提取人脸表情的全局特征与局部特征。利用Encoder模块对全局特征与局部特征进行融合,学习更深层次的表情信息。使用细粒度的域鉴别器进行源数据集与目标数据集对抗,对齐数据集的边缘分布和条件分布,使模型能迁移到无标签的目标数据集中。以RAF-DB为源数据集,以CK+、JAFFE、SFEW2.0、FER2013、Expw分别作为目标数据集进行跨数据集人脸表情识别实验。与其他跨数据集人脸表情识别算法相比,所提方法获得了最高的平均识别率。实验结果表明,所提方法能有效提高跨数据集人脸表情识别的性能。 展开更多
关键词 数据 人脸表情识别 自适应 特征融合 自注意力机制 迁移学习 细粒度鉴别器 残差网络
在线阅读 下载PDF
一种基于条件生成对抗网络的面部表情识别技术 被引量:4
5
作者 戴蓉 《计算机应用与软件》 北大核心 2020年第8期166-170,232,共6页
针对实际应用中交叉数据集无法通过监督学习对预先训练模型进行微调的问题,提出一种基于条件生成对抗网络的跨域面部表情识别框架。该框架分为特征嵌入、对抗性学习和分类三个模块。利用联合学习的嵌入式功能来弥合源和目标数据分布之... 针对实际应用中交叉数据集无法通过监督学习对预先训练模型进行微调的问题,提出一种基于条件生成对抗网络的跨域面部表情识别框架。该框架分为特征嵌入、对抗性学习和分类三个模块。利用联合学习的嵌入式功能来弥合源和目标数据分布之间的差距,完成从源域到目标域的特征转移;利用无监督生成对抗网络进行优化,根据域自适应方法给出表情分类。实验结果表明,与其他域自适应方法相比,该方法在面部表情识别方面具有极大优势;相对于无自适应的跨域方法,该方法的面部表情识别率有了明显提高。 展开更多
关键词 面部表情识别 条件生成对抗网络 自适应 数据
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部