期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于SCConv-BiMamba2的加密流量分类
1
作者
邬九连
纪祥敏
《北京信息科技大学学报(自然科学版)》
2025年第2期66-73,共8页
针对传统神经网络加密流量分类方法特征提取不全面、忽略流量数据的空间依赖和通道相关性以及只关注单一方向的数据特征等问题,提出了一种名为SCConv-BiMamba2的新型加密流量分类模型。融合空间和通道重建卷积(spatial and channel reco...
针对传统神经网络加密流量分类方法特征提取不全面、忽略流量数据的空间依赖和通道相关性以及只关注单一方向的数据特征等问题,提出了一种名为SCConv-BiMamba2的新型加密流量分类模型。融合空间和通道重建卷积(spatial and channel reconstruction convolution,SCConv)架构中的空间重建单元(spatial reconstruction unit,SRU)和通道重建单元(channel reconstruction unit,CRU),以捕获更为详尽的空间和通道特征;通过引入双向Mamba2(bidirectional Mamba2,BiMamba2)架构,从不同方向学习数据特征,并对重要特征赋予更高权重,从而增强了对关键特征的关注度,提高了加密流量分类的准确性。实验结果表明,在公开数据集ISCX VPN-nonVPN上,SCConv-BiMamba2模型分类准确率比1D-CNN提高9.4百分点,特别是Chat、Email和VoIP等3类流量分类的精确率比1D-CNN分别提高了46%、36%和19%。
展开更多
关键词
网络流量分类
双向Mamba2架构
scconv
架构
动态学习率调整
在线阅读
下载PDF
职称材料
基于空间自注意力机制和深度特征重建的脑MR图像分割方法
被引量：
4
2
作者
魏颖
林子涵
+1 位作者
齐林
李伯群
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023年第2期177-185,共9页
准确分割核磁共振(magnetic resonance,MR)图像中的脑组织是临床诊断、手术计划和辅助治疗的关键步骤.深度学习在各种图像分割任务中表现出巨大潜力,现有模型没有一种有效方法汇总远距离像素间的关系.在网络解码阶段不能很好地融合不同...
准确分割核磁共振(magnetic resonance,MR)图像中的脑组织是临床诊断、手术计划和辅助治疗的关键步骤.深度学习在各种图像分割任务中表现出巨大潜力,现有模型没有一种有效方法汇总远距离像素间的关系.在网络解码阶段不能很好地融合不同层级的特征,导致无法准确定位.为克服上述问题,本文提出一种基于空间自注意力机制和深度特征重建的脑MR图像分割方法,构建了一个可以融合3维信息的2D模型,可快速准确对3D结构图像进行密集预测.在MRBrainS13数据集和IBSR数据集上进行充分地实验研究,结果表明本文方法在3D多模态和单模态脑MR图像分割方面优于目前的2D模型,运算和推理时间相比3D模型小很多,性能却十分接近.
展开更多
关键词
脑图像分割
全卷积网络
空间自注意力
通道注意力
深度特征重建
在线阅读
下载PDF
职称材料
深度特征融合与重构的微纤维识别算法
被引量：
3
3
作者
吕璐璐
陈树越
+1 位作者
王利平
许霞
《现代电子技术》
2022年第1期83-88,共6页
针对传统卷积神经网络分类识别微纤维存在特征判别不明显的问题,构建了一种深度特征融合与重构的网络对其进行分类与识别。将卷积与深度可分离卷积特征进行融合,加强层间信息交流,提高特征判断指向能力,并在上采样之前分配通道和空间的...
针对传统卷积神经网络分类识别微纤维存在特征判别不明显的问题,构建了一种深度特征融合与重构的网络对其进行分类与识别。将卷积与深度可分离卷积特征进行融合,加强层间信息交流,提高特征判断指向能力,并在上采样之前分配通道和空间的权重进行特征重构,利用通道注意力与空间注意力相结合的策略使网络在学习的过程中将注意力集中在关键的特征信息处,同时,跳跃连接增加原始特征图,缓解拟合现象,强化微纤维区域关键特征信息,提升微纤维图像识别网络模型的表达能力和学习能力,从而改善微纤维识别效果。实验结果表明,微纤维识别率达到98.77%,通过特征图可视化进一步分析了特征融合与重构的作用。所构建的方法准确率高、泛化能力好,为微纤维分类识别提供了一种新的方案。
展开更多
关键词
微纤维识别
特征融合
特征重构
深度学习
深度可分离卷积
权重分配
通道注意力
空间注意力
在线阅读
下载PDF
职称材料
题名
基于SCConv-BiMamba2的加密流量分类
1
作者
邬九连
纪祥敏
机构
福建农林大学计算机与信息学院
出处
《北京信息科技大学学报(自然科学版)》
2025年第2期66-73,共8页
文摘
针对传统神经网络加密流量分类方法特征提取不全面、忽略流量数据的空间依赖和通道相关性以及只关注单一方向的数据特征等问题,提出了一种名为SCConv-BiMamba2的新型加密流量分类模型。融合空间和通道重建卷积(spatial and channel reconstruction convolution,SCConv)架构中的空间重建单元(spatial reconstruction unit,SRU)和通道重建单元(channel reconstruction unit,CRU),以捕获更为详尽的空间和通道特征;通过引入双向Mamba2(bidirectional Mamba2,BiMamba2)架构,从不同方向学习数据特征,并对重要特征赋予更高权重,从而增强了对关键特征的关注度,提高了加密流量分类的准确性。实验结果表明,在公开数据集ISCX VPN-nonVPN上,SCConv-BiMamba2模型分类准确率比1D-CNN提高9.4百分点,特别是Chat、Email和VoIP等3类流量分类的精确率比1D-CNN分别提高了46%、36%和19%。
关键词
网络流量分类
双向Mamba2架构
scconv
架构
动态学习率调整
Keywords
network traffic classification
bidirectional Mamba2
architecture
spatial
and
channel
reconstruction
convolution
(
scconv
)
architecture
dynamic learning rate adjustment
分类号
TP393.06 [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
基于空间自注意力机制和深度特征重建的脑MR图像分割方法
被引量：
4
2
作者
魏颖
林子涵
齐林
李伯群
机构
东北大学信息科学与工程学院
辽宁科技大学电子与信息工程学院
出处
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023年第2期177-185,共9页
基金
国家自然科学基金资助项目(61871106)
辽宁省重点研发计划项目(2020JH2/10100029).
文摘
准确分割核磁共振(magnetic resonance,MR)图像中的脑组织是临床诊断、手术计划和辅助治疗的关键步骤.深度学习在各种图像分割任务中表现出巨大潜力,现有模型没有一种有效方法汇总远距离像素间的关系.在网络解码阶段不能很好地融合不同层级的特征,导致无法准确定位.为克服上述问题,本文提出一种基于空间自注意力机制和深度特征重建的脑MR图像分割方法,构建了一个可以融合3维信息的2D模型,可快速准确对3D结构图像进行密集预测.在MRBrainS13数据集和IBSR数据集上进行充分地实验研究,结果表明本文方法在3D多模态和单模态脑MR图像分割方面优于目前的2D模型,运算和推理时间相比3D模型小很多,性能却十分接近.
关键词
脑图像分割
全卷积网络
空间自注意力
通道注意力
深度特征重建
Keywords
brain image segmentation
fully
convolution
al network
spatial
self-attention
channel
attention
depth feature
reconstruction
分类号
TP20 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
深度特征融合与重构的微纤维识别算法
被引量：
3
3
作者
吕璐璐
陈树越
王利平
许霞
机构
常州大学阿里云大数据学院
常州大学环境与安全工程学院
出处
《现代电子技术》
2022年第1期83-88,共6页
基金
国家自然科学基金项目(21607017)
江苏省研究生科研与实践创新计划项目(KYCX19_1770)。
文摘
针对传统卷积神经网络分类识别微纤维存在特征判别不明显的问题,构建了一种深度特征融合与重构的网络对其进行分类与识别。将卷积与深度可分离卷积特征进行融合,加强层间信息交流,提高特征判断指向能力,并在上采样之前分配通道和空间的权重进行特征重构,利用通道注意力与空间注意力相结合的策略使网络在学习的过程中将注意力集中在关键的特征信息处,同时,跳跃连接增加原始特征图,缓解拟合现象,强化微纤维区域关键特征信息,提升微纤维图像识别网络模型的表达能力和学习能力,从而改善微纤维识别效果。实验结果表明,微纤维识别率达到98.77%,通过特征图可视化进一步分析了特征融合与重构的作用。所构建的方法准确率高、泛化能力好,为微纤维分类识别提供了一种新的方案。
关键词
微纤维识别
特征融合
特征重构
深度学习
深度可分离卷积
权重分配
通道注意力
空间注意力
Keywords
microfiber recognition
feature fusion
feature
reconstruction
deep learning
depth separable
convolution
weight assigning
channel
attention
spatial
attention
分类号
TN911.73-34 [电子电信—通信与信息系统]
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
基于SCConv-BiMamba2的加密流量分类
邬九连
纪祥敏
《北京信息科技大学学报(自然科学版)》
2025
0
在线阅读
下载PDF
职称材料
2
基于空间自注意力机制和深度特征重建的脑MR图像分割方法
魏颖
林子涵
齐林
李伯群
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2023
4
在线阅读
下载PDF
职称材料
3
深度特征融合与重构的微纤维识别算法
吕璐璐
陈树越
王利平
许霞
《现代电子技术》
2022
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
