融合无监督学习模型X-Means的机会网络路由算法

1

作者 常亚楠 段幸灼 +1 位作者 崔建群 彭德民 《小型微型计算机系统》 北大核心 2025年第7期1734-1744,共11页

在机会网络中,网络拓扑结构动态变化,节点之间间歇性连接,这种间歇性连接是由于缺乏网络基础设施和终端设备随机移动所造成的,机会网络的这些特性使得路由算法的设计成为一项具有挑战性的研究课题.本文提出一种基于无监督学习模型X-Mean... 在机会网络中,网络拓扑结构动态变化,节点之间间歇性连接,这种间歇性连接是由于缺乏网络基础设施和终端设备随机移动所造成的,机会网络的这些特性使得路由算法的设计成为一项具有挑战性的研究课题.本文提出一种基于无监督学习模型X-Means的机会网络路由算法XMROP(Opportunistic network routing algorithm based on unsupervised learning model X-Means),致力于利用机器学习模型来做出路由决策.该路由算法提出新的聚类模型应用模式,解决现阶段机会网络中应用聚类模型所存在的问题,综合考虑连接强度、节点活跃度、缓存等属性特征,定义新的节点中心度度量来衡量节点活跃程度,使用X-Means聚类模型对样本数据集进行训练,以适应机会网络拓扑结构的动态变化,提升路由算法性能.仿真实验结果表明,与KROP,DBSCAN-R,Prophet路由算法相比,XMROP具有更好的性能,从而验证了研究方案的有效性. 展开更多

关键词 机会网络 无监督学习 聚类 X-Means 上下文感知路由

在线阅读 下载PDF 职称材料

基于改进StackCNN网络和集成学习的脑电信号视觉分类算法 被引量：1

2

作者 杨青 王亚群 +2 位作者 文斗 王莹 王翔宇 《郑州大学学报（工学版）》 CAS 北大核心 2024年第5期69-76,共8页

针对直接使用图像诱发的脑电信号进行视觉分类的现有研究少,并且视觉分类的平均准确率低等问题,设计了一种卷积神经网络(CNN)和集成学习相结合的方法,用于学习脑电信号相关的视觉特征表示。通过在StackCNN网络中加入K-max池化方法,解决... 针对直接使用图像诱发的脑电信号进行视觉分类的现有研究少,并且视觉分类的平均准确率低等问题,设计了一种卷积神经网络(CNN)和集成学习相结合的方法,用于学习脑电信号相关的视觉特征表示。通过在StackCNN网络中加入K-max池化方法,解决在提取脑电特征时信息丢失的问题,并结合Bagging算法增强网络的泛化能力,该方法称为StackCNN-B。采用基于残差神经网络(ResNet)回归对图像进行分类,验证StackCNN-B方法在图像分类上的性能。消融实验及与现有研究对比实验的结果表明:所提方法识别准确率较高,在学习脑电信号的视觉特征表示上的平均准确率达到99.78%,在图像分类上的平均准确率达到96.45%,与Bi-LSTM-AttGW方法相比,平均提高了0.28百分点和2.97百分点。研究结果验证了脑电信号可以有效地解码与视觉识别相关的人类大脑活动,也表明所提出StackCNN-B模型的优越性。 展开更多

关键词 脑电图 视觉分类 卷积神经网络 BAGGING算法 ResNet网络

在线阅读 下载PDF 职称材料

基于模块交互和依存关系的生物医学事件检测

3

作者 张勇 左皓阳 +1 位作者 苏莹 周光有 《中文信息学报》 北大核心 2025年第6期119-126,共8页

该文提出一种基于模块交互和依存关系的生物医学事件检测模型。该模型在事件检测模块中融入了命名实体识别模块与图卷积策略,充分利用数据集中的标注信息和远距离依存关系来提高文本的语义表示。该模型同时构造了一个命名实体识别模块... 该文提出一种基于模块交互和依存关系的生物医学事件检测模型。该模型在事件检测模块中融入了命名实体识别模块与图卷积策略,充分利用数据集中的标注信息和远距离依存关系来提高文本的语义表示。该模型同时构造了一个命名实体识别模块和一个事件检测模块,并将命名实体识别模块中训练的语义特征拼接到事件检测模块,以增强事件检测的语义信息。同时,该模型还在事件检测模块中集成了基于门控机制的图卷积层,以利用依存句法信息来提高单词之间远距离依存关系的建模能力。在生物医学事件检测数据集上的实验结果显示,该模型的F_(1)值达到了81.63%,整体性能优于其他模型,显示了模块交互与图卷积策略在提升生物医学事件检测方面的有效性。 展开更多

关键词 生物医学事件检测 模块交互 命名实体识别 图卷积

在线阅读 下载PDF 职称材料

融合协同过滤和相遇概率预测的DTN路由算法

4

作者 崔建群 晏晖然 +2 位作者 常亚楠 高梦楠 马致远 《小型微型计算机系统》 北大核心 2025年第3期735-743,共9页

在延迟容忍网络(DTN)中,网络的拓扑结构是随机动态变化的,节点之间的间歇性连接使得网络拓扑有很大的不确定性.所以设计一个高效的路由策略,来提高消息成功投递的机率是容迟网络的主要研究方向.本文对喷射等待路由算法进行优化,提出了... 在延迟容忍网络(DTN)中,网络的拓扑结构是随机动态变化的,节点之间的间歇性连接使得网络拓扑有很大的不确定性.所以设计一个高效的路由策略,来提高消息成功投递的机率是容迟网络的主要研究方向.本文对喷射等待路由算法进行优化,提出了一种融合协同过滤和相遇概率预测的DTN路由算法CFPP(A DTN Routing Algorithm Combining Collaborative Filtering and Encounter Probability Prediction).该算法关注节点间的社会属性特征,通过协同过滤算法为节点推荐最佳好友集.在消息转发时,优先考虑将消息转发给处于消息目的节点的最佳好友集中的节点.同时提出了基于灰色预测模型的相遇概率预测算法,将节点间的历次相遇概率作为初始序列进行建模,来预测两个节点下一次相遇的概率.仿真实验表明,与SCSS,CPNASW,TLRNSA,SaW,DPN-ASW算法相比,CFPP算法在消息投递率、网络负载率方面均要优于上述算法. 展开更多

关键词 协同过滤 延迟容忍网络 灰色模型

在线阅读 下载PDF 职称材料

基于非对称空间特征的脑电信号情感分析研究

5

作者 王莹 杨青 +1 位作者 王翔宇 张勇 《计算机工程与科学》 北大核心 2025年第5期921-930,共10页

大脑的不对称性会对脑电情感分析产生影响,但是目前很多研究对此特性缺少考虑。结合大脑空间的不对称性,提出了一种混合模型,该模型利用多尺度卷积神经网络提取大脑左右不对称的脑电空间特征,然后使用双向长短期记忆神经网络提取时序特... 大脑的不对称性会对脑电情感分析产生影响,但是目前很多研究对此特性缺少考虑。结合大脑空间的不对称性,提出了一种混合模型,该模型利用多尺度卷积神经网络提取大脑左右不对称的脑电空间特征,然后使用双向长短期记忆神经网络提取时序特征,最后,通过多头自注意力机制学习特征之间的关系。该模型在公开的DEAP数据集上进行实验验证,唤醒维度分类准确率和F 1值分别为93.11%和93.46%,效价维度分类准确率和F 1值分别为92.12%和93.27%。该模型在公开的MAHNOB-HCI数据集上进行实验验证,唤醒维度分类准确率和F 1值分别为98.58%和97.98%,效价维度分类准确率和F 1值分别为98.76%和98.25%。结果表明,在脑电情感识别上该模型具有一定优势,同时通过消融实验证明了非对称空间层的重要性。 展开更多

关键词 脑电情感识别 非对称空间特征 多尺度卷积神经网络 双向长短期记忆神经网络 多头自注意力机制

在线阅读 下载PDF 职称材料

一种基于双模态的睡眠分期研究

6

作者 王亚群 杨青 +2 位作者 文斗 王莹 王翔宇 《郑州大学学报(理学版)》 北大核心 2025年第3期81-87,共7页

现有研究普遍专注于单个信号,忽略了多模态信号在特定睡眠阶段提供的睡眠信息,以及提取睡眠信号时,随着网络的加深导致重要信息丢失,从而降低模型分类的能力。针对上述问题,设计了一种基于脑电图(electroencephalogram,EEG)、眼电图(ele... 现有研究普遍专注于单个信号,忽略了多模态信号在特定睡眠阶段提供的睡眠信息,以及提取睡眠信号时,随着网络的加深导致重要信息丢失,从而降低模型分类的能力。针对上述问题,设计了一种基于脑电图(electroencephalogram,EEG)、眼电图(electrooculogram,EOG)的深度神经网络模型,以端到端的方式进行睡眠分期,称为MCNN-LSTMs模型。多尺度卷积神经网络(multiscale convolutional neural network,MCNN)用于提取脑电信号和眼电信号的特征,双层长短期记忆(long short-term memory,LSTM)神经网络对提取到的特征进行融合,然后输入分类器进行睡眠分期。在公共数据集Sleep-EDF上评估了所设计的方法在睡眠分期上的性能。实验表明,使用两种通道(EEG-EOG)时,在Sleep-EDF-20数据集上的分类准确率最高为92.60%,在Sleep-EDF-78数据集上的分类准确率最高为91.10%,优于单通道信号以及其他对比方法。所提方法验证了多种信号对睡眠分期的有效性,并为研究睡眠分期提供了重要思路。 展开更多

关键词 睡眠分期 多模态 卷积神经网络 多层网络 LSTM

在线阅读 下载PDF 职称材料

基于混合注意力与偏振非对称损失的哈希图像检索

7

作者 刘华咏 徐明慧 《计算机科学》 北大核心 2025年第8期204-213,共10页

随着互联网的不断发展,人们每天都在制造大量且复杂的图像数据,使当今主流的社交媒体充满了图像等媒体数据,快速且准确地对图像进行检索已经成为了有意义且亟待解决的问题。卷积神经网络(CNN)模型是现有的主流哈希图像检索模型。然而,CN... 随着互联网的不断发展,人们每天都在制造大量且复杂的图像数据,使当今主流的社交媒体充满了图像等媒体数据,快速且准确地对图像进行检索已经成为了有意义且亟待解决的问题。卷积神经网络(CNN)模型是现有的主流哈希图像检索模型。然而,CNN的卷积操作只能捕捉局部特征,无法处理全局信息;且卷积操作的感受野大小固定,无法适应不同尺度的输入图像。为此,基于Transformer模型中的Swin-Transformer模型实现了图像的有效检索。Transformer模型利用自注意力机制和位置编码操作,有效地解决了CNN的问题。而现有的Swin-Transformer哈希图像检索模型的窗口注意力模块在提取图像特征时对于图像的不同通道给予了相同的权重,忽略了图像不同通道特征信息的差异性和依赖关系,使得提取的特征的可利用性降低,造成了计算资源的浪费。针对上述问题,提出了基于混合注意力与偏振非对称损失的哈希图像检索模型(HRMPA)。该设计基于Swin-Transformer的哈希特征提取模块(HFST),在HFST中的(S)W-MSA模块加入了通道注意力模块(CAB),得到基于混合注意力的哈希特征提取模块(HFMA),从而使模型对输入图像的不同通道的特征赋予不同的权重信息,增加了提取特征的多样性且最大限度地利用了计算资源。同时,为了最小化类内汉明距离、最大化类间汉明距离,并充分利用数据的监督信息,提高图像的检索精度,提出了偏振非对称损失函数(PA),使偏振损失和非对称损失以一定的权重分配比进行组合,从而有效地提高了图像的检索精度。实验表明,在哈希编码长度为16 bits时,所提模型在CIFAR-10单标签数据集上,最高平均精度均值达到98.73%,比VTS16-CSQ模型提高了1.51%;在NUSWIDE多标签数据集上,最高平均精度均值达到90.65%,比TransHash提高了18.02%,比VTS16-CSQ模型提高了5.92%。 展开更多

关键词 哈希检索 空间注意力 Swin-Transformer 混合注意力 偏振损失 非对称损失

在线阅读 下载PDF 职称材料

融合事理知识的群体性事件演化预测

8

作者 张敏跃 罗蓉 胡珀 《情报杂志》 CSSCI 北大核心 2024年第11期158-164,共7页

[研究目的]当前,由社会矛盾和冲突所引发的网络群体性事件对公共安全构成了严重威胁,预测群体性事件的演化趋势对提升社会危机的防范与治理能力至关重要。[研究方法]提出了一种融合事理知识的群体性事件演化预测方法。该方法首先利用大... [研究目的]当前,由社会矛盾和冲突所引发的网络群体性事件对公共安全构成了严重威胁,预测群体性事件的演化趋势对提升社会危机的防范与治理能力至关重要。[研究方法]提出了一种融合事理知识的群体性事件演化预测方法。该方法首先利用大语言模型蕴含的丰富事件知识及模型强大的生成能力来构建初始的事理图谱,通过结合真实新闻报道来验证图谱内容;其次,将事理图谱与图神经网络模型相结合,以获得更充分的事件语义表示;最后,基于上下文事件与候选事件间的语义相似度来预测未来可能发生的事件。[研究结论]研究表明,所提方法在事件演化预测的准确性和可解释性方面均显著优于参与比较的其他方法,验证了事理知识融合对揭示群体性事件演化模式的可行性和有效性。 展开更多

关键词 群体性事件 事件预测 事理图谱 事理知识融合 大语言模型 图神经网络

在线阅读 下载PDF 职称材料

基于CNN和Bi-LSTM的脑电波情感分析 被引量：12

9

作者 朱丽 杨青 +2 位作者 吴涛 李晨 李铭 《应用科学学报》 CAS CSCD 北大核心 2022年第1期1-12,共12页

针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型。首先将一维数据转换... 针对目前大多数脑电波情感识别方法存在的依赖手动特征提取等问题,提出一种基于卷积神经网络(convolutional neural network,CNN)和双向长短时记忆(bidirectional long short-term memory,Bi-LSTM)网络的混合模型。首先将一维数据转换为二维数据,采用CNN提取空间特征;然后将一维数据输入Bi-LSTM,获取时间特征;最后将融合的空间和时间特征输入Softmax分类器,得到最终分类结果。在DEAP数据集上的实验结果表明:CNN和Bi-LSTM混合模型具有较好的分类性能,在效价度和唤醒度上的准确率分别达到88.55%和89.07%,是一种可行的脑电波情感分类模型。 展开更多

关键词 脑电信号 情感分类 卷积神经网络 双向长短时记忆网络 深度学习

在线阅读 下载PDF 职称材料

动态网络中多规则的最短路径查询算法 被引量：3

10

作者 李艳红 王猛 +2 位作者 李国徽 罗昌银 杜小坤 《软件学报》 EI CSCD 北大核心 2022年第8期3115-3136,共22页

最佳排序路径查询,是智能交通中的热点问题.在实际的应用中,由于最佳排序路径查询有许多限制条件,现有的算法不能有效地解决动态网络中受限制的路径查询问题.为了解决动态网络中最佳排序路径查询问题,用规则表示每个限制条件,提出了一... 最佳排序路径查询,是智能交通中的热点问题.在实际的应用中,由于最佳排序路径查询有许多限制条件,现有的算法不能有效地解决动态网络中受限制的路径查询问题.为了解决动态网络中最佳排序路径查询问题,用规则表示每个限制条件,提出了一种新的最佳排序路径查询形式,即多规则的最短路径查询.提供了统一的框架,该框架包含了路径集合查询和最短路径查询.在路径集合查询部分,为了高效地查询出满足多规则的路径集合,在广义规则树的基础上,提出一种新的树的遍历方式,即树的继承全遍历;并基于树的继承全遍历思想,提出一种剪枝技术,对路径集合进行删减,最后求得候选路径集合.在最短路径查询部分,提出一种基于动态阈值的最短路径搜索方法.通过两个真实的动态道路网络的实验验证,所提出的算法能够高效地解决多规则的最短路径查询问题. 展开更多

关键词 动态网络 最短时间路径查询 动态阈值 预处理 树的遍历

在线阅读 下载PDF 职称材料

基于Hadoop的多维关联规则挖掘算法研究及应用 被引量：20

11

作者 杨青 张亚文 +1 位作者 张琴 袁佩玲 《计算机工程与科学》 CSCD 北大核心 2019年第12期2127-2133,共7页

传统的Apriori算法要多次扫描数据集,随着数据量的快速增长,传统的Apriori算法已经不能很好地适用于大数据分析,针对该情况设计了IPApriori算法。首先通过剪枝策略设计了一种适用于多维数据的IApriori算法,再将IApriori算法与Hadoop分... 传统的Apriori算法要多次扫描数据集,随着数据量的快速增长,传统的Apriori算法已经不能很好地适用于大数据分析,针对该情况设计了IPApriori算法。首先通过剪枝策略设计了一种适用于多维数据的IApriori算法,再将IApriori算法与Hadoop分布式框架相结合,实现了多维关联规则挖掘算法的并行化。将IPApriori算法运用到手机用户行为预测关联分析中,分析影响手机用户行为的一些主要因素,挖掘出手机用户行为与年龄维度、性别维度、时间维度、地点维度和手机品牌维度属性之间可能存在的某种关联。最后通过实验证明,算法的并行化和建立结构的方法可以降低系统的I/O负荷,提高算法的执行效率。 展开更多

关键词 APRIORI算法 HADOOP 多维关联规则 并行化

在线阅读 下载PDF 职称材料

基于相关主题模型和多层知识表示的文本情感分析 被引量：3

12

作者 马长林 王涛 《郑州大学学报（理学版）》 北大核心 2021年第4期30-35,共6页

将相关主题模型和多层知识表示方法相结合开展文本情感分析研究。首先,针对传统分割算法的不足和主题间相关关系,采用相关主题模型对文本进行主题特征分割,构造主题先验信息输入预训练语言模型;其次,基于主题先验信息和相关关系向量,采... 将相关主题模型和多层知识表示方法相结合开展文本情感分析研究。首先,针对传统分割算法的不足和主题间相关关系,采用相关主题模型对文本进行主题特征分割,构造主题先验信息输入预训练语言模型;其次,基于主题先验信息和相关关系向量,采用预训练的语言模型嵌入进行文本词的动态表示,能有效解决一词多义的问题;最后,使用双向长短期记忆模型对文本句子进行表示,考虑每个词的前后信息来捕捉句子的位置信息,在句子表示向量的信息抽取中融入注意力机制,使用多头抽取考虑全局的方式,可以抽取更全面的文本信息。 展开更多

关键词 相关主题模型 多层知识表示 深度学习 文本分割 注意力机制

在线阅读 下载PDF 职称材料

基于注意力机制和BiGRU融合的文本情感分析 被引量：12

13

作者 杨青 张亚文 +1 位作者 朱丽 吴涛 《计算机科学》 CSCD 北大核心 2021年第11期307-311,共5页

针对简单的神经网络缺乏捕获文本上下文语义和提取文本内重要信息的能力,设计了一种注意力机制和门控单元(GRU)融合的情感分析模型FFA-BiAGRU。首先,对文本进行预处理,通过GloVe进行词向量化,降低向量空间维度;然后,将注意力机制与门控... 针对简单的神经网络缺乏捕获文本上下文语义和提取文本内重要信息的能力,设计了一种注意力机制和门控单元(GRU)融合的情感分析模型FFA-BiAGRU。首先,对文本进行预处理,通过GloVe进行词向量化,降低向量空间维度;然后,将注意力机制与门控单元的更新门融合以形成混合模型,使其能提取文本特征中的重要信息;最后,通过强制向前注意力机制进一步提取文本特征,再由softmax分类器进行分类。在公开数据集上进行实验,结果证明该算法能有效提高情感分析的性能。 展开更多

关键词 注意力机制 门控单元 GloVe词向量 情感分析

在线阅读 下载PDF 职称材料

基于ChatGPT查询改写的文档检索方法

14

作者 李澳 涂新辉 +1 位作者 姚彪 胡千怡 《中文信息学报》 2025年第8期107-116,138,共11页

查询改写是一种通过优化查询从而提高检索质量的技术。传统的基于伪相关反馈的方法受限于伪相关文档的质量。该文提出了一种基于ChatGPT查询改写的文档检索方法。该方法不依赖伪相关文档,可以避免伪相关文档质量不高的问题。首先,利用B... 查询改写是一种通过优化查询从而提高检索质量的技术。传统的基于伪相关反馈的方法受限于伪相关文档的质量。该文提出了一种基于ChatGPT查询改写的文档检索方法。该方法不依赖伪相关文档,可以避免伪相关文档质量不高的问题。首先,利用BM25模型进行检索,获得初次检索结果集;同时借助ChatGPT生成新查询;然后分别将原始查询和新查询作为输入,利用重排模型对初次检索结果集进行重排,得到各自的文档相关性得分;最后,将两个查询的文档相关性得分进行融合,得到最终的文档得分。在多个检索测试集上的实验结果表明,相比于基准模型,基于ChatGPT查询改写的文档检索方法在nDCG@10指标上平均提升了约4.5个百分点。 展开更多

关键词 查询改写 ChatGPT 信息检索

在线阅读 下载PDF 职称材料

基于深度语义挖掘的大语言模型越狱检测方法研究

15

作者 刘会 朱正道 +2 位作者 王淞鹤 武永成 黄林荃 《信息网络安全》 2025年第9期1377-1384,共8页

对用户提示词进行伪装是大语言模型(LLM)越狱攻击中常见的手段,常见形式包括语义编码和前缀注入等,旨在绕过LLM的安全审查机制,从而诱导其生成违反伦理规范的内容。为应对这一挑战,文章提出一种基于深度语义挖掘的LLM越狱检测方法,通过... 对用户提示词进行伪装是大语言模型(LLM)越狱攻击中常见的手段,常见形式包括语义编码和前缀注入等,旨在绕过LLM的安全审查机制,从而诱导其生成违反伦理规范的内容。为应对这一挑战,文章提出一种基于深度语义挖掘的LLM越狱检测方法,通过挖掘用户提示词的潜在真实意图,有效激活模型内置的安全审查机制,实现对越狱攻击的准确识别。文章针对3种典型的越狱攻击方式在3个主流LLM上开展了广泛实验。实验结果表明,文章所提方法的平均准确率达到了96.48%,将越狱攻击的平均攻击成功率从33.75%降至1.38%,相比于当前较优检测方法,该方法将防御能力提升了4%,展现出较强的越狱防护能力。 展开更多

关键词 大语言模型 深度语义挖掘 安全审查 越狱攻击

在线阅读 下载PDF 职称材料