融合LDA主题模型和支持向量机的商品个性化推荐方法 被引量：10

1

作者 穆晓霞 董星辉 +1 位作者 柴旭清 李钧涛 《郑州大学学报（理学版）》 北大核心 2022年第3期34-39,共6页

针对网络商品评论数据不能有效引导买方做出合理选择的问题,提出一种融合LDA主题模型和支持向量机的商品个性化推荐方法。首先爬取不同类型商品的用户评论数据并对其进行预处理;其次建立基于LDA的主题模型并对其特点进行量化;最后利用... 针对网络商品评论数据不能有效引导买方做出合理选择的问题,提出一种融合LDA主题模型和支持向量机的商品个性化推荐方法。首先爬取不同类型商品的用户评论数据并对其进行预处理;其次建立基于LDA的主题模型并对其特点进行量化;最后利用支持向量机实现商品个性化推荐。以智能手机商品为例进行实验分析,结果表明,所提方法能获得98%以上的分类精度。 展开更多

关键词 LDA主题模型 支持向量机 粒子群优化 个性化推荐

在线阅读 下载PDF 职称材料

基于4D-Arnold不等长映射的深度隐写模型参数加密研究

2

作者 段新涛 李壮 张恩 《河南师范大学学报(自然科学版)》 北大核心 2025年第4期66-73,I0011-I0013,共11页

隐写模型训练过程中需要大量数据和技术投入,因此隐写模型被窃用将对其所有者造成安全威胁和经济损失.为保护隐写模型,提出了一种基于4D-Arnold不等长映射的隐写模型参数保护方法.方法采用置乱-扩散策略,首先,置乱阶段通过4D-Aronld映... 隐写模型训练过程中需要大量数据和技术投入,因此隐写模型被窃用将对其所有者造成安全威胁和经济损失.为保护隐写模型,提出了一种基于4D-Arnold不等长映射的隐写模型参数保护方法.方法采用置乱-扩散策略,首先,置乱阶段通过4D-Aronld映射对卷积层参数跨卷积核、跨通道置乱.其次,扩散阶段采用相邻参数扩散机制在相邻参数间实现数值扩散并完成参数加密.最后,第三方无法获取任何秘密信息,实现对隐写模型的保护.实验表明,隐写模型加密后提取出的图像在PSNR,MSE,LPIPS和SSIM指标以及视觉效果上,显著降低了模型原始性能,模型隐蔽通信功能丧失.此外,所提方法在保证隐写模型加密有效性和安全性的同时,还可以应用于图像分类等其他深度模型的加密保护. 展开更多

关键词 AI模型安全 参数加密 4D-Arnold不等长映射 图像隐写模型 卷积神经网络

在线阅读 下载PDF 职称材料

基于卷积神经网络的轻量高效图像隐写

3

作者 段新涛 白鹿伟 +4 位作者 徐凯欧 张萌 保梦茹 武银行 秦川 《应用科学学报》 北大核心 2025年第1期80-93,共14页

基于深度学习的图像隐写方法,因存在模型参数量和计算量大等问题,而面临高参数和计算负载的挑战,为此提出了一种轻量高效的图像隐写方法。首先在编码器和解码器中引入Ghost模块,降低了编码器和解码器的参数量和计算量。其次提出了一个... 基于深度学习的图像隐写方法,因存在模型参数量和计算量大等问题,而面临高参数和计算负载的挑战,为此提出了一种轻量高效的图像隐写方法。首先在编码器和解码器中引入Ghost模块,降低了编码器和解码器的参数量和计算量。其次提出了一个多尺度特征融合模块,用以捕捉多维数据中的复杂关系。最后提出了一个新颖的混合损失函数,可在保持模型不变的情况下提升图像隐写质量。实验结果表明,所提方法在256×256像素的图像上峰值信噪比达到47.59 dB。与目前最优的图像隐写方法相比,所提方法的隐写质量提升1.7 dB,参数量减少77%,计算量减少91%,在隐写质量上有较优的表现,同时模型的参数量和计算量大大降低,实现了模型的轻量高效化。 展开更多

关键词 图像隐写 深度学习 多尺度特征融合 混合损失函数

在线阅读 下载PDF 职称材料

融合智能审核的高考志愿推荐模型 被引量：2

4

作者 刘行兵 王英英 +2 位作者 孙钦英 柴斌 李冉 《河南师范大学学报（自然科学版）》 CAS 北大核心 2022年第2期73-78,共6页

为解决考生志愿填报抉择困难、志愿合理性无从审核的问题,提出一种融合智能审核的高考志愿推荐模型.依据高考志愿填报策略和梯度划分思想,对考生高考志愿进行智能分析与合理评估,筛查不合理的志愿表单,指出问题所在,警示考生.并结合考... 为解决考生志愿填报抉择困难、志愿合理性无从审核的问题,提出一种融合智能审核的高考志愿推荐模型.依据高考志愿填报策略和梯度划分思想,对考生高考志愿进行智能分析与合理评估,筛查不合理的志愿表单,指出问题所在,警示考生.并结合考生初始志愿表单,提取考生个性化标签,根据考生选择偏好修改、完善考生志愿,实现志愿智能审核和推荐.实例表明模型能有效降低志愿填报风险. 展开更多

关键词 审核 梯度划分 Jaccard相似度 高考 志愿填报

在线阅读 下载PDF 职称材料

基于特征对比的循环生成对抗网络图像风格转换研究

5

作者 闫娟 康鹏帅 +3 位作者 王士斌 梅学术 李燕 刘栋 《河南师范大学学报（自然科学版）》 CAS 北大核心 2024年第6期73-79,共7页

无监督图像到图像转换任务是在非配对训练数据的情况下学习源域图像到目标域图像的转换.但是,图像风格转换任务依然面临着图像内容丢失、模型坍塌等现象.为了解决上述问题,提出了一种局部特征对比来保持图像内容,通过特征提取器获得多... 无监督图像到图像转换任务是在非配对训练数据的情况下学习源域图像到目标域图像的转换.但是,图像风格转换任务依然面临着图像内容丢失、模型坍塌等现象.为了解决上述问题,提出了一种局部特征对比来保持图像内容,通过特征提取器获得多层图像深层特征,使得图像编码器学习到高级语义信息,获得信息更加丰富的图像特征.同时,增加局部特征对比损失来引导特征提取器学习到有利于图像内容生成的特征.实验结果表明,在大多数情况下,所提方法在FID和KID分数方面优于之前的方法,图像生成质量有一定的提升. 展开更多

关键词 特征对比 图像风格转换 对比损失

在线阅读 下载PDF 职称材料

基于随机块模型的社区隐藏统一框架

6

作者 刘栋 刘侠 +1 位作者 贾若雪 张文生 《计算机研究与发展》 EI CSCD 北大核心 2024年第7期1850-1862,共13页

社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现... 社区检测是复杂网络分析的重要工具之一,可帮助深入了解网络的社区结构和节点间潜在的关系,但同时也带来了隐私泄露问题.社区隐藏作为社区检测的伴生问题,旨在以最小的边扰动代价破坏网络的社区结构,近年来受到越来越多学者的关注.但现有的社区隐藏方法忽略了网络的生成机制且缺少针对不同尺度隐藏的统一框架,因此提出了一种基于随机块模型的社区隐藏(community hiding-stochastic block model,HC-SBM)算法,该算法从网络生成机制角度构建了社区隐藏的统一框架,即实现微观(个体)、介观(社区)、宏观(网络)3个尺度上的社区检测算法攻击.其基本思想是基于随机块模型刻画网络的生成机制,特别是网络社区形成和分裂的规律和模式,挖掘生成过程中的关键性链接以及链接集合,最终通过最小代价扰动策略破坏网络社区结构.通过在真实网络上的大量实验,并与4种先进的基准算法进行比较,表明了提出的HC-SBM算法在社区隐藏效果更优. 展开更多

关键词 社区隐藏 社区检测 随机块模型 生成机制 社会网络分析

在线阅读 下载PDF 职称材料

基于可校正强化搜索遗传算法的光学系统自动设计

7

作者 刘栋 李晨航 +2 位作者 吴长茂 茹法鑫 夏媛媛 《计算机应用》 CSCD 北大核心 2024年第9期2838-2847,共10页

阻尼最小二乘法(DLS)与遗传算法(GA)均适用于光学系统自动设计,前者搜索效率高但极易陷入局部极值陷阱,后者光学结构参数空间全局搜索能力强但局部搜索能力弱。针对上述问题,提出一种可校正强化搜索GA(CRSGA)。该算法在GA基础上进行了... 阻尼最小二乘法(DLS)与遗传算法(GA)均适用于光学系统自动设计,前者搜索效率高但极易陷入局部极值陷阱,后者光学结构参数空间全局搜索能力强但局部搜索能力弱。针对上述问题,提出一种可校正强化搜索GA(CRSGA)。该算法在GA基础上进行了两方面的改进:首先,在GA交叉算子后,引入DLS增强局部搜索能力;其次,引入校正策略,即在下轮迭代前按比例回滚进化后评价函数值变差的个体以校正进化结果。选取双高斯(DG)、反远摄(RT)和有限共轭距成像(FCDI)这3种典型光学系统设计实验以验证CRSGA的有效性,CRSGA优化效果优于DLS、GA,且依次优于商业光学设计软件Zemax阻尼最小二乘法约8.92%、12.19%和9.39%,特别是优化结果分别达到Zemax HAMMER算法的99.98%、94.33%和88.45%。实验结果表明,所提算法对光学系统优化效果良好,可用于光学系统自动设计工作。 展开更多

关键词 光学系统设计 光学优化 阻尼最小二乘法 全局优化 改进遗传算法

在线阅读 下载PDF 职称材料

基于K近邻和优化分配策略的密度峰值聚类算法 被引量：30

8

作者 孙林 秦小营 +1 位作者 徐久成 薛占熬 《软件学报》 EI CSCD 北大核心 2022年第4期1390-1411,共22页

密度峰值聚类(density peak clustering,DPC)是一种简单有效的聚类分析方法.但在实际应用中,对于簇间密度差别大或者簇中存在多密度峰的数据集,DPC很难选择正确的簇中心;同时,DPC中点的分配方法存在多米诺骨牌效应.针对这些问题,提出一... 密度峰值聚类(density peak clustering,DPC)是一种简单有效的聚类分析方法.但在实际应用中,对于簇间密度差别大或者簇中存在多密度峰的数据集,DPC很难选择正确的簇中心;同时,DPC中点的分配方法存在多米诺骨牌效应.针对这些问题,提出一种基于K近邻(K-nearest neighbors,KNN)和优化分配策略的密度峰值聚类算法.首先,基于KNN、点的局部密度和边界点确定候选簇中心;定义路径距离以反映候选簇中心之间的相似度,基于路径距离提出密度因子和距离因子来量化候选簇中心作为簇中心的可能性,确定簇中心.然后,为了提升点的分配的准确性,依据共享近邻、高密度最近邻、密度差值和KNN之间距离构建相似度,并给出邻域、相似集和相似域等概念,以协助点的分配;根据相似域和边界点确定初始聚类结果,并基于簇中心获得中间聚类结果.最后,依据中间聚类结果和相似集,从簇中心到簇边界将簇划分为多层,分别设计点的分配策略;对于具体层次中的点,基于相似域和积极域提出积极值以确定点的分配顺序,将点分配给其积极域中占主导地位的簇,获得最终聚类结果.在11个合成数据集和27个真实数据集上进行仿真实验,与最新的基于密度峰值的聚类算法作对比,结果表明:所提算法在纯度、F度量、准确度、兰德系数、调整兰德系数和标准互信息上均表现出良好的聚类性能. 展开更多

关键词 密度峰值聚类 K近邻 簇中心 积极值 分配策略

在线阅读 下载PDF 职称材料

基于邻域粗糙集和Relief的弱标记特征选择方法 被引量：14

9

作者 孙林 黄苗苗 徐久成 《计算机科学》 CSCD 北大核心 2022年第4期152-160,共9页

在多标记学习与分类中,现有邻域粗糙集特征选择算法若将样本的分类间隔作为邻域半径,则会出现分类间隔过大导致分类无意义、样本距离过大容易造成异类样本和同类样本失效,以及无法处理弱标记数据等情况。为解决这些问题,提出一种基于多... 在多标记学习与分类中,现有邻域粗糙集特征选择算法若将样本的分类间隔作为邻域半径,则会出现分类间隔过大导致分类无意义、样本距离过大容易造成异类样本和同类样本失效,以及无法处理弱标记数据等情况。为解决这些问题,提出一种基于多标记邻域粗糙集和多标记Relief的弱标记特征选择方法。首先,引入异类样本数和同类样本数来改进分类间隔,在此基础上定义邻域半径,构造新的邻域近似精度与多标记邻域粗糙集模型,并有效度量边界域引起的集合不确定性。其次,利用迭代更新权重公式填补大部分缺失标记信息,将邻域近似精度与互信息相结合,以构造新的标记相关性,填补剩余的缺失标记信息。然后,使用异类样本数和同类样本数,以构造新的标记权重和特征权重计算公式,进而提出多标记Relief模型,并将其应用于多标记特征选择。最后,结合多标记邻域粗糙集模型和多标记Relief算法,设计一种新的弱标记特征选择算法,以处理带有缺失标记的高维数据,并有效地提升多标记分类性能。在11个公共多标记数据集上进行仿真实验,结果验证了所提出的弱标记特征选择算法的有效性。 展开更多

关键词 多标记学习 特征选择 邻域粗糙集 RELIEF 缺失标记

在线阅读 下载PDF 职称材料

一种基于有限数据的改进DCGAN图像生成方法 被引量：3

10

作者 王士斌 高梓雕 刘栋 《河南师范大学学报（自然科学版）》 CAS 北大核心 2023年第6期39-46,共8页

生成对抗网络(Generative Adversarial Network,GAN)的成功主要依赖于大量的数据进行模型训练.当训练数据有限时,GAN生成图像会产生保真度低和模型不稳定等问题.针对以上问题,基于深度卷积生成对抗网络(Deep Convolutional Generative A... 生成对抗网络(Generative Adversarial Network,GAN)的成功主要依赖于大量的数据进行模型训练.当训练数据有限时,GAN生成图像会产生保真度低和模型不稳定等问题.针对以上问题,基于深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)提出一种改进模型,称为LC-DCGAN(LeCam Deep Convolutional Generative Adversarial Networks),通过引入两个指数移动平均变量,减少小批量之间的方差,并且来稳定正则化项,使其判别器的预测逐渐收敛到平稳点.实验结果表明,该模型在有限数据下可以生成高质量、缺陷类型丰富的缺陷样本数据集. 展开更多

关键词 图像生成 生成对抗网络 正则化 保真度

在线阅读 下载PDF 职称材料

基于邻域粗糙集和帝王蝶优化的特征选择算法 被引量：6

11

作者 孙林 赵婧 +1 位作者 徐久成 王欣雅 《计算机应用》 CSCD 北大核心 2022年第5期1355-1366,共12页

针对经典的帝王蝶优化(MBO)算法不能很好地处理连续型数据,以及粗糙集模型对于大规模、高维复杂的数据处理能力不足等问题,提出了基于邻域粗糙集(NRS)和MBO的特征选择算法。首先,将局部扰动和群体划分策略与MBO算法结合,并构建传输机制... 针对经典的帝王蝶优化(MBO)算法不能很好地处理连续型数据,以及粗糙集模型对于大规模、高维复杂的数据处理能力不足等问题,提出了基于邻域粗糙集(NRS)和MBO的特征选择算法。首先,将局部扰动和群体划分策略与MBO算法结合,并构建传输机制以形成一种二进制MBO(BMBO)算法;其次,引入突变算子增强算法的探索能力,设计了基于突变算子的BMBO(BMBOM)算法;然后,基于NRS的邻域度构造适应度函数,并对初始化的特征子集的适应度值进行评估并排序;最后,使用BMBOM算法通过不断迭代搜索出最优特征子集,并设计了一种元启发式特征选择算法。在基准函数上评估BMBOM算法的优化性能,并在UCI数据集上评价所提出的特征选择算法的分类能力。实验结果表明,在5个基准函数上,BMBOM算法的最优值、最差值、平均值以及标准差明显优于MBO和粒子群优化(PSO)算法;在UCI数据集上,与基于粗糙集的优化特征选择算法、结合粗糙集与优化算法的特征选择算法、结合NRS与优化算法的特征选择算法、基于二进制灰狼优化的特征选择算法相比,所提特征选择算法在分类精度、所选特征数和适应度值这3个指标上表现良好,能够选择特征数少且分类精度高的最优特征子集。 展开更多

关键词 帝王蝶优化 特征选择 邻域粗糙集 邻域依赖度 二进制

在线阅读 下载PDF 职称材料

基于遗传算法的属性网络社区隐藏方法

12

作者 张博瀚 吕乐 +1 位作者 荆军昌 刘栋 《计算机应用》 2025年第9期2817-2826,共10页

为了对抗社区检测算法从而实现节点隐私保护,社区隐藏方法得到了越来越多的关注。然而,现有的主流社区隐藏算法仅关注网络的拓扑结构,忽略了节点属性对社区结构的影响,因此在属性网络上表现不佳。针对上述问题,提出一种基于遗传算法的... 为了对抗社区检测算法从而实现节点隐私保护,社区隐藏方法得到了越来越多的关注。然而,现有的主流社区隐藏算法仅关注网络的拓扑结构,忽略了节点属性对社区结构的影响,因此在属性网络上表现不佳。针对上述问题,提出一种基于遗传算法的属性网络社区隐藏方法(ACG)。该方法融合网络拓扑结构和节点属性,它的核心在于通过优化适应度函数找到最优的边隐藏策略。ACG在追求最小化隐藏成本的同时,将最大化模块度和属性相似度作为双重度量标准来选择并扰动对社区结构影响最大的边集合,从而实现对属性网络社区检测算法的有效攻击。实验结果表明,在不改变边总数和属性信息的前提下,所提方法有效地对抗了主流的属性社区检测方法;与其他社区隐藏方法相比,ACG在5个属性网络上对抗经典社区检测算法具有优势。 展开更多

关键词 社区隐藏 遗传算法 属性网络 隐私保护 社区检测 社会网络分析

在线阅读 下载PDF 职称材料