-
题名基于融合特征多重异构网络的微博社交机器人检测方法
被引量：1
- 1
-
-
作者
张怀博
刘晓娜
刘欣
冯浩源
尹芷仪
沈华伟
-
机构
中国科学院计算技术研究所智能算法安全重点实验室
中国科学院大学
智能协同感知与分析认知实验室
-
出处
《中文信息学报》
北大核心
2025年第1期133-143,共11页
-
基金
国家自然科学基金(U21B-2046)。
-
文摘
基于图神经网络的社交机器人检测方法是近年来社交机器人检测领域的研究热点之一,该方法通过刻画社交平台账号的节点特征,并根据账号之间的多种社交网络关系构建异构图神经网络,进而使用图节点分类的方法识别社交机器人。基于异构图神经网络的方法仍然存在两个方面的问题:一是现有的网络构建方法对传统用户社交关系如粉丝、关注等社交关系数据依赖性比较强,可扩展性比较差;二是现有特征构建方法重点关注社交机器人的个体特征,缺乏对社交机器人群体特征的引入,弱化了对具有相近群体特征的社交机器人的检测能力。基于以上问题,该文提出了融合群体特征的多重异构网络模型MCF-RGCN,该模型引入话题共现网络作为社交关系网络的补充,使模型在不依赖社交关系的情况下也能获得良好的社交机器人检测效果;同时,该文在账号元信息特征、行为特征、内容特征、时序特征、社交网络特征的基础上,引入了社群属性特征增强了账号在群体特征方面的表达,使模型进一步提升了对具有相似群体特征的社交机器人的检测能力。在微博数据集上的实验结果表明,该方法相比目前主流的社交机器人检测方法在F 1值上提升了近2.3%。
-
关键词
社交机器人检测
多重异构图神经网络
社群发现
-
Keywords
social bot detection
multi-heterogeneous graph neural network
community detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向无人机视觉制导的自适应目标跟踪方法
被引量：1
- 2
-
-
作者
杨绪祺
谭启凡
苏航
谭浩
-
机构
北京理工大学
智能协同感知与分析认知实验室
北京交通大学
北京航空航天大学
-
出处
《兵工学报》
北大核心
2025年第2期65-75,共11页
-
基金
计量与校准技术重点实验室开放研究基金(JLKG2021001B001)
中央高校基本科研业务费专项资金资助(2024JBZX010)。
-
文摘
为解决无人机制导中跟踪目标尺度变化大、外形变化大、推理速度慢、数据集缺失的问题,提出了一种面向无人机视觉制导的自适应目标跟踪方法。自适应搜索区域机制通过分析制导过程调整搜索区域解决尺度变化快的问题;自适应模板更新机制通过更新模板特征解决外形变化大的问题。此外,该方法在骨干网络引入FasterNet Block,在跟踪头引入无锚机制,减少推理的时间。最后,构建并公开了一个包含12个制导视频的测试数据集Guidance UAV以评估算法在视觉制导中的性能。实验结果表明,该方法不仅在通用无人机跟踪数据集UAV123上适用,而且在Guidance UAV上实现了最先进的性能,同时在机载设备Jetson Xavier NX上保持15 f/s的速度。室内无人机制导打击实验证明了算法的有效性。
-
关键词
视觉制导
目标跟踪
无人机
自适应
模板更新
搜索区域
-
Keywords
visual guidance
object tracking
UAV
adaptive
template updating
search region
-
分类号
TJ768
[兵器科学与技术—武器系统与运用工程]
-
-
题名大规模无人机集群通信定位一体化技术
被引量：8
- 3
-
-
作者
樊邦奎
刘德康
张瑞雨
唐家玮
常添
-
机构
智能协同感知与分析认知实验室
中国工程院
北京航空航天大学电子信息工程学院
北京理工大学信息与电子学院
-
出处
《信号处理》
CSCD
北大核心
2024年第1期7-16,共10页
-
基金
创新团队自主科研课题。
-
文摘
大规模无人机(Unmanned Aerial Vehicle,UAV)集群通过部署大量低成本无人机,依靠协同感知、信息共享和分工协调完成各类复杂任务,具备高度的智慧性和自主性,已逐渐成为无人机集群技术未来的发展趋势。大规模无人机集群十分依赖高精度定位技术,以维持集群稳定、避免相互碰撞、实现目标指引。然而,在现有的主要导航定位方式中,微机电(Micro-Electro-Mechanical System,MEMS)惯性导航存在严重的累积误差,而复杂电磁环境下卫星导航易受到干扰,均难以实现高精度相对定位和长时间全局定位。针对这一问题,本文依靠通信测距技术,实现无人机集群内部高精度相对测距,修正惯导定位误差,为无人机集群在卫星导航拒止条件下执行任务提供高精度导航定位服务。本文建立了惯性导航定位模型和通信测距信号模型,构造了基于最大后验概率(Maximum A Posteriori,MAP)方法的融合定位问题,推导得到了该定位问题的克拉美-罗下界(Cramér-Rao Lower Bound,CRLB),并提出了一种基于高斯牛顿优化的全信息融合定位方法。针对长距离飞行中,测距精度远高于惯导定位精度的场景,本文提出了一种基于优超函数算法(Scaling-by-Majorizing-A-Complicated-Function,SMACOF)的高精度测距辅助定位方法,通过建立高精度相对坐标和最优变换参数估计,实现最优位置估计,并分析了该方法的性能改进程度。最后,通过数值仿真验证本文所提出的方法能够将融合后的定位标准差降低至惯导定位标准差的√2/N,能够渐进达到CRLB性能。
-
关键词
无人机集群
通信定位一体化
全信息融合定位
-
Keywords
UAV cluster
integration of communication and position
full information fusion positioning
-
分类号
TN95
[电子电信—信号与信息处理]
-
