基于改进SKNet-SVM的网络安全态势评估 被引量：10

1

作者 赵冬梅 孙明伟 +1 位作者 宿梦月 吴亚星 《应用科学学报》 CAS CSCD 北大核心 2024年第2期334-349,共16页

为提高网络安全态势评估的准确率,增强稳定性与鲁棒性,提出一种基于改进选择性卷积核卷积神经网络和支持向量机的网络安全态势评估模型。首先,使用改进选择性卷积核代替传统卷积核进行特征提取,提高卷积神经网络感受野变化的自适应性,... 为提高网络安全态势评估的准确率,增强稳定性与鲁棒性,提出一种基于改进选择性卷积核卷积神经网络和支持向量机的网络安全态势评估模型。首先,使用改进选择性卷积核代替传统卷积核进行特征提取,提高卷积神经网络感受野变化的自适应性,增强特征之间关联性。然后,将提取的特征输入到支持向量机中进行分类,并使用网格优化算法对支持向量机中的参数进行全局寻优。最后,根据网络攻击影响指标计算网络安全态势值。实验表明,基于改进选择性卷积核卷积神经网络和支持向量机的态势评估模型与传统的卷积神经网络搭建的态势评估模型相比,准确率更高,并且具有更强的稳定性和鲁棒性。 展开更多

关键词 网络安全态势评估 网络安全态势感知 改进选择性卷积核卷积神经网络 支持向量机 网格优化算法

在线阅读 下载PDF 职称材料

结合CNN与Transformer的双流U型医学图像分割网络

2

作者 杨超荣 张朝晖 《小型微型计算机系统》 北大核心 2025年第8期2016-2026,共11页

为有效利用医学输入图像的局部特征与全局语义信息,从而获得边界更清晰、语义结构更完整的图像分割结果,提出一种结合CNN与Transformer的双流U型医学图像分割网络(DS-UNet).首先,双流U型结构由用于局部特征提取的CNN分支和进行全局特征... 为有效利用医学输入图像的局部特征与全局语义信息,从而获得边界更清晰、语义结构更完整的图像分割结果,提出一种结合CNN与Transformer的双流U型医学图像分割网络(DS-UNet).首先,双流U型结构由用于局部特征提取的CNN分支和进行全局特征提取的Swin Transformer分支构成;之后,为实现局部特征与全局特征的优势互补,以通道注意力和空间注意力为基础,提出了CNN和Transformer的融合模块(CTFB),并将其作为DS-UNet的重要组件,用于特征处理3个关键阶段双分支的信息交互与特征融合;此外,还提出一种用于双分支特征图与浅层多尺度特征图融合的跨分支信息增强模块(CBIE),为后续分割结果的生成做进一步的全局语义信息增强与浅层细节补充.以Dice相似系数与IoU值为评价指标,在GlaS、MoNuSeg、QaTa-COV19以及Synapse 4个公开数据集的对比实验表明,DS-UNet优于其他大部分竞争算法,并在GlaS、MoNuSeg以及Synapse数据集上性能最优. 展开更多

关键词 医学图像语义分割 双流U型结构 Swin Transformer CNN 特征融合

在线阅读 下载PDF 职称材料

基于威胁情报的网络安全态势感知模型 被引量：57

3

作者 张红斌 尹彦 +1 位作者 赵冬梅 刘滨 《通信学报》 EI CSCD 北大核心 2021年第6期182-194,共13页

为了解决现实环境中网络规模日益扩大导致网络攻击持续高发的现状,将威胁情报应用到态势感知,构建基于随机博弈的态势感知模型。将外源威胁情报与系统内部安全事件之间的相似度进行比较,对目标系统进行威胁察觉,根据系统内部的威胁信息... 为了解决现实环境中网络规模日益扩大导致网络攻击持续高发的现状,将威胁情报应用到态势感知,构建基于随机博弈的态势感知模型。将外源威胁情报与系统内部安全事件之间的相似度进行比较,对目标系统进行威胁察觉,根据系统内部的威胁信息生成内源威胁情报;在此过程中,利用博弈论的思想量化系统当前的网络安全态势,评估网络的安全状况,最终实现对网络安全态势的预测。实验结果表明,基于威胁情报的网络安全态势感知模型能正确地反映网络安全状态的变化,对攻击行为进行准确的预测。 展开更多

关键词 威胁情报 态势感知 网络安全 博弈论 纳什均衡

在线阅读 下载PDF 职称材料

基于时间因子和复合CNN结构的网络安全态势评估 被引量：26

4

作者 赵冬梅 宋会倩 张红斌 《计算机科学》 CSCD 北大核心 2021年第12期349-356,共8页

为了解决传统的网络安全态势感知研究方法在网络信息复杂情况下准确率不高等缺陷,文中结合深度学习,提出了一种基于时间因子和复合CNN结构的网络安全态势评估模型,将卷积分解技术和深度可分离技术相结合,形成4层串联复合最优单元结构;... 为了解决传统的网络安全态势感知研究方法在网络信息复杂情况下准确率不高等缺陷,文中结合深度学习,提出了一种基于时间因子和复合CNN结构的网络安全态势评估模型,将卷积分解技术和深度可分离技术相结合,形成4层串联复合最优单元结构;将一维网络数据转换为二维矩阵,以灰度值的形式载入神经网络模型,从而有效发挥卷积神经网络的优势。为充分利用数据间的时序关系,引入时间因子形成融合数据,使网络同时学习具备时序关系的原始数据和融合数据,增强模型的特征提取能力,同时利用时间因子和点卷积建立时序数据的空间映射,提高模型结构的完整性。实验结果证明,所提模型在两个数据集上的准确率分别达到了92.89%和92.60%,相比随机森林和LSTM算法提升了2%~6%。 展开更多

关键词 态势感知 卷积网络 时间因子 深度可分离卷积 卷积分解

在线阅读 下载PDF 职称材料

基于IPSO-BiLSTM的网络安全态势预测 被引量：18

5

作者 赵冬梅 吴亚星 张红斌 《计算机科学》 CSCD 北大核心 2022年第7期357-362,共6页

针对复杂的网络安全态势预测问题,为了提高预测的收敛速度和预测精度,提出了一种基于改进粒子群优化双向长短期记忆(IPSO-BiLSTM)网络的网络安全态势预测模型。首先,针对所用数据集没有真实态势值的问题,采用了一种基于攻击影响的态势... 针对复杂的网络安全态势预测问题,为了提高预测的收敛速度和预测精度,提出了一种基于改进粒子群优化双向长短期记忆(IPSO-BiLSTM)网络的网络安全态势预测模型。首先,针对所用数据集没有真实态势值的问题,采用了一种基于攻击影响的态势值计算方法,用于态势预测。其次,针对粒子群(PSO)算法易陷入局部最优值、搜索能力不均衡等问题,对惯性权重和加速因子进行改进,改进后的粒子群(IPSO)算法的全局和局部搜索能力平衡,收敛速度更快。最后,使用IPSO优化双向长短期记忆(BiLSTM)网络参数,提升预测能力。实验结果表明,IPSO-BiLSTM的拟合程度可达0.9946,其拟合效果和收敛速度均优于其他模型。 展开更多

关键词 网络安全 态势预测 神经网络 双向长短期记忆网络 改进粒子群优化

在线阅读 下载PDF 职称材料

基于相似网络和联合注意力的图嵌入模型 被引量：1

6

作者 王静红 李昌鑫 +1 位作者 杨家腾 于富强 《河南师范大学学报（自然科学版）》 CAS 北大核心 2024年第6期36-44,共9页

图注意力网络(graph attention network, GAT)将注意力机制与图神经网络融合,但模型只关注节点的一阶邻域节点,缺乏对高阶相似节点的考虑,同时在计算注意力分数时缺乏对节点结构特征的关注.为此提出一种基于相似网络和联合注意力的图嵌... 图注意力网络(graph attention network, GAT)将注意力机制与图神经网络融合,但模型只关注节点的一阶邻域节点,缺乏对高阶相似节点的考虑,同时在计算注意力分数时缺乏对节点结构特征的关注.为此提出一种基于相似网络和联合注意力的图嵌入模型.首先计算网络中的节点相似性,并将高相似度且未连接的节点对构建新边以形成相似网络.其次,引入结构相关性和内容相关性的概念,分别用于表征节点之间的结构关系和内容特征.通过融合两种相关性得分计算得到联合注意力分数.最后使用联合注意力分数对节点特征加权聚合,得到最终的节点嵌入表示.将本文所提算法在Cora、Citeseer和Pubmed 3个数据集上进行节点分类任务,准确率分别达到85.70%、74.30%、84.10%,与原始图注意力网络模型相比分别提高了2.70%、3.94%和2.60%.可见,所提出的算法可以得到更好的节点嵌入表示. 展开更多

关键词 图嵌入 图注意力网络 节点相似性 相似网络 节点分类

在线阅读 下载PDF 职称材料

网络安全态势感知中的威胁情报技术 被引量：11

7

作者 尹彦 张红斌 +1 位作者 刘滨 赵冬梅 《河北科技大学学报》 CAS 北大核心 2021年第2期195-204,共10页

2016年,习近平总书记在全国网信工作座谈会上作出重要指示:要加强大数据挖掘分析,更好感知网络安全态势,做好风险防范。为应对网络安全面临的严峻挑战,很多大型行业及企业响应国家政策号召,积极倡导、建设和应用态势感知系统。网络安全... 2016年,习近平总书记在全国网信工作座谈会上作出重要指示:要加强大数据挖掘分析,更好感知网络安全态势,做好风险防范。为应对网络安全面临的严峻挑战,很多大型行业及企业响应国家政策号召,积极倡导、建设和应用态势感知系统。网络安全态势感知是保障网络安全的有效手段,利用态势感知发现潜在威胁、做出响应已经成为网络安全的研究重点。目前提出的各种网络安全态势感知技术及方法,大多以小规模网络为研究背景。随着网络规模的扩大,出现了例如APT这样的新型高级攻击手段,导致态势感知技术的准确性大为降低,可操作性也变得更加困难。近年来,威胁情报的出现为态势感知的研究带来了新思路,成为态势感知研究领域的一个新方向。对传统态势感知研究和威胁情报在网络安全态势感知上的应用进行了归纳总结。传统网络安全态势感知的研究一般分为3部分,即态势察觉、态势理解、态势投射,主要过程是通过对目标系统安全要素的提取,分析安全事件的影响,最终实现对网络中各种活动的行为识别、察觉攻击,并对网络态势进行评估和预测,为网络安全响应提供正确决策。对威胁情报在网络安全态势感知上的应用从3个场景进行了讨论:1)态势察觉:利用威胁情报进行攻击行为的识别,提取相关的攻击特征,确定攻击意图、方法及影响;2)态势理解:确定攻击行为及其特征后,对攻击行为进行理解,通过共享威胁情报中攻击行为的处置方法,确定攻击者的攻击策略;3)态势投射:通过分析威胁情报中攻击事件、攻击技术、漏洞等信息,评估当前系统面临的风险,预测其可能遭受的攻击。威胁情报主要是利用大数据、分布式系统等收集方法获取的,具有很强的自主更新能力,能够提供最全、最新的安全事件数据,极大提高网络安全态势感知工作中对新型和高级别危险的察觉能力。通过威胁情报共享机制,可使安全管理员对所处行业面临的威胁处境、攻击者类型、攻击技术及防御策略信息有更加深入的了解,对企业正在经历或潜在的威胁进行有效防御,提高态势感知分析的准确率与效率,以及对安全事件的响应能力。 展开更多

关键词 网络安全 态势感知 威胁情报 STIX 网络攻防

在线阅读 下载PDF 职称材料

基于零集中差分隐私的联邦学习激励方案 被引量：2

8

作者 李梦倩 田有亮 +1 位作者 张军鹏 赵冬梅 《通信学报》 北大核心 2025年第1期79-92,共14页

针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私... 针对联邦学习场景下客户端选择不公平及模型训练低效问题,提出了一种基于激励机制的隐私保护联邦学习框架(zCDP-FL)。该框架将第二价反向拍卖应用到客户端的选择策略,设计了激励机制算法(SRAI),最大化系统效益。此外,采用零集中差分隐私,提出了隐私预算动态分配算法,实现训练过程中噪声规模的动态调整,在严格隐私计算边界的情况下提供更强的隐私保护。理论分析与仿真实验证明,zCDP-FL能够有效防止隐私泄露,并提升了2.13%~3.62%模型训练效率。 展开更多

关键词 联邦学习 零集中差分隐私 激励机制 隐私预算 动态分配

在线阅读 下载PDF 职称材料

基于影响力的跨社交网络谣言扩散模型与抑制方法 被引量：4

9

作者 郭宏刚 杨芳 《计算机应用与软件》 北大核心 2022年第7期73-79,153,共8页

传统在线社交网络谣言分析模型均考虑单一的社交网络,而当前谣言通常跨多个社交网络进行传播,传播速度极快,影响极大。针对这种情况,提出一种基于社交影响力的跨多个社交网络谣言传播模型,基于该模型给出贪婪谣言抑制方法。通过用户与... 传统在线社交网络谣言分析模型均考虑单一的社交网络,而当前谣言通常跨多个社交网络进行传播,传播速度极快,影响极大。针对这种情况,提出一种基于社交影响力的跨多个社交网络谣言传播模型,基于该模型给出贪婪谣言抑制方法。通过用户与其邻居的外部聚类系数决定社交网络的影响力节点,保留高影响力节点的谣言扩散连接,从而降低模型的复杂度,以贪婪算法为基础,预测传播能力强的种子节点,通过失活种子节点集对谣言进行快速抑制。实验结果表明,该模型能够较为准确地模拟谣言的传播趋势,同时算法能够快速抑制谣言的传播。 展开更多

关键词 在线社交网络 网络安全 公共安全 谣言传播 贪婪算法

在线阅读 下载PDF 职称材料

一种新的深度学习信号调制方式自动识别算法研究

10

作者 张丹华 冯冀宁 《现代电子技术》 北大核心 2025年第12期179-186,共8页

调制方式自动识别(AMR)基于深度学习(DL)的方法 AMR-DL是当前信号调制方式识别领域的研究热点。然而,低信噪比(SNR)条件下的调制信号以及深度学习网络参数量过大会显著降低AMR-DL的识别准确率和计算效率。针对这两个关键问题,提出一种新... 调制方式自动识别(AMR)基于深度学习(DL)的方法 AMR-DL是当前信号调制方式识别领域的研究热点。然而,低信噪比(SNR)条件下的调制信号以及深度学习网络参数量过大会显著降低AMR-DL的识别准确率和计算效率。针对这两个关键问题,提出一种新型AMR-DL算法。新算法利用多观测样本累积方法提高信噪比,对增强后的信号进行小波变换,得到时频图像,将调制识别问题转换为时频图像的分类问题;同时设计了一个轻量级神经网络,用于时频图像特征提取与分类。仿真结果显示,所提新型AMR-DL算法中轻量级神经网络参数量较少,在0 dB下准确率可达98.1%,且与其他算法相比在低信噪比条件下显著提高了调制信号的识别准确率。 展开更多

关键词 深度学习 调制方式自动识别 多观测样本累积 轻量级神经网络 小波变换 低信噪比

在线阅读 下载PDF 职称材料

一种融合胶囊网络的分类方法 被引量：1

11

作者 王静红 张戴鹏 《计算机应用研究》 CSCD 北大核心 2022年第12期3574-3581,3586,共9页

目前的ADMET分类方法在对具有多特征性和特征关联性的化合物数据进行ADMET分类时存在不足。而且,对ADMET分类结果不具备可解释性。针对上述问题,提出一种融合胶囊网络的分类模型(CapsMC)。CapsMC模型首先提出一种feature-to-image图像... 目前的ADMET分类方法在对具有多特征性和特征关联性的化合物数据进行ADMET分类时存在不足。而且,对ADMET分类结果不具备可解释性。针对上述问题,提出一种融合胶囊网络的分类模型(CapsMC)。CapsMC模型首先提出一种feature-to-image图像转换算法。使用该算法将特征之间的关联关系和依赖关系作为考量纳入到分类依据中,实现特征的多层次提取。其次,探索胶囊网络的高级应用,提出一种认知推理机制。使用该机制对特征进行认知推理,实现ADMET的可解释性分类。模型在五种ADMET数据集上的实验结果表明,CapsMC模型可以高效实现ADMET的可解释性分类。 展开更多

关键词 ADMET 图像转换 胶囊网络 认知推理机制 可解释性分类

在线阅读 下载PDF 职称材料

多视角层次聚类下的无线网络入侵检测算法 被引量：3

12

作者 董新玉 解滨 +1 位作者 赵旭升 高新宝 《计算机科学与探索》 CSCD 北大核心 2022年第12期2752-2764,共13页

针对现有基于监督学习的无线网络入侵检测算法误检率高、难以发现未知类型攻击行为、获取带标记网络数据代价大的问题,提出一种基于多视角层次聚类的无监督无线网络入侵检测算法。该算法基于无监督学习,不需要为参与分类器学习的大量无... 针对现有基于监督学习的无线网络入侵检测算法误检率高、难以发现未知类型攻击行为、获取带标记网络数据代价大的问题,提出一种基于多视角层次聚类的无监督无线网络入侵检测算法。该算法基于无监督学习,不需要为参与分类器学习的大量无线网络数据进行人工标记,具有易获取训练数据集和发现未知类型攻击行为的优势,同时该算法引入多视角余弦距离作为层次聚类中无线网络数据对象间相似性度量,使聚类结果更加合理,对网络数据行为的判定更加准确,在一定程度上降低了入侵检测的误检率。选用公开无线网络攻击数据集(AWID)进行实验,通过主成分分析法对实验数据集进行降维处理,很大程度上降低了入侵检测算法的时间复杂度。实验结果表明,与传统的无线网络入侵检测算法相比,提出的多视角层次聚类下的无线网络入侵检测算法在检测率、误检率和发现未知攻击类型等性能上都有显著提升。 展开更多

关键词 多视角 层次聚类 无线网络 入侵检测 主成分分析(PCA)

在线阅读 下载PDF 职称材料

基于改进T分布烟花-粒子群算法的AUV全局路径规划 被引量：1

13

作者 刘志华 张冉 +2 位作者 郝梦男 安凯晨 陈嘉兴 《电子学报》 EI CAS CSCD 北大核心 2024年第9期3123-3134,共12页

针对传统粒子群算法在处理自主水下机器人(Autonomous Underwater Vehicle,AUV)全局路径规划时面临的寻优时间长、能耗高的问题,本文提出一种改进的T分布烟花-粒子群算法(T-distribution Fireworks-Particle Swarm Optimization Algorit... 针对传统粒子群算法在处理自主水下机器人(Autonomous Underwater Vehicle,AUV)全局路径规划时面临的寻优时间长、能耗高的问题,本文提出一种改进的T分布烟花-粒子群算法(T-distribution Fireworks-Particle Swarm Optimization Algorithm,TFWA-PSO),该算法融合了烟花算法的高效全局搜索能力和粒子群算法的快速局部寻优特性.在变异阶段,提出自适应T分布变异来扩大搜索范围,并在理论上证明了该变异方式能够使个体在局部最优解附近增强搜索能力.在选择阶段提出了适应度选择策略,淘汰适应度差的个体,解决了传统烟花算法易丢失优秀个体的问题,并对改进的T分布烟花算法与传统烟花算法的收敛速度进行对比.将改进算法的爆炸操作、变异操作和选择策略融合到粒子群算法中,对粒子群算法的速度更新公式进行了改进,同时从理论上对所改进的算法进行了收敛性证明.仿真实验结果表明,TFWA-PSO能够有效规划出一条最短路径,同时与给定的智能优化算法相比,TFWA-PSO在寻找最优路径的时间上平均降低了24.72%,能耗平均降低了17.33%,路径长度平均降低了16.96%. 展开更多

关键词 自主水下机器人 全局路径规划 烟花算法 粒子群算法 自适应T分布变异 收敛性证明

在线阅读 下载PDF 职称材料

基于拉格朗日对偶的小样本学习隐私保护和公平性约束方法 被引量：1

14

作者 王静红 田长申 +1 位作者 李昊康 王威 《计算机科学》 CSCD 北大核心 2024年第7期405-412,共8页

小样本学习旨在利用少量数据训练并大幅提升模型效用,为解决敏感数据在神经网络模型中的隐私与公平问题提供了重要方法。在小样本学习中,由于小样本数据集中往往包含某些敏感数据,并且这些敏感数据可能有歧视性,导致数据在神经网络模型... 小样本学习旨在利用少量数据训练并大幅提升模型效用,为解决敏感数据在神经网络模型中的隐私与公平问题提供了重要方法。在小样本学习中,由于小样本数据集中往往包含某些敏感数据,并且这些敏感数据可能有歧视性,导致数据在神经网络模型的训练中存在隐私泄露的风险和公平性问题。此外,在许多领域中,由于隐私或安全等,数据很难或无法获取。同时在差分隐私模型中,噪声的引入不仅会导致模型效用的降低,也会引起模型公平性的失衡。针对这些挑战,提出了一种基于Rényi差分隐私过滤器的样本级自适应隐私过滤算法,利用Rényi差分隐私以实现对隐私损失的更精确计算。进一步,提出了一种基于拉格朗日对偶的隐私性和公平性约束算法,该算法通过引入拉格朗日方法,将差分隐私约束和公平性约束加到目标函数中,并引入拉格朗日乘子来平衡这些约束。利用拉格朗日乘子法将目标函数转化为对偶问题,从而实现同时优化隐私性和公平性,通过拉格朗日函数实现隐私性和公平性的平衡。实验结果证明,该方法既提升了模型性能,又保证了模型的隐私性和公平性。 展开更多

关键词 小样本学习 隐私与公平 Rényi差分隐私 公平性约束 拉格朗日对偶

在线阅读 下载PDF 职称材料

基于标签增强的细粒度文本分类 被引量：1

15

作者 郭瑞强 杨世龙 +1 位作者 贾晓文 魏谦强 《计算机工程与应用》 CSCD 北大核心 2024年第21期134-141,共8页

文本分类是自然语言处理的一个重要分支,旨在通过训练给数据标注标签。但现有的方法仅仅考虑了标签和文本之间最浅显的语义关系,并没有考虑标签本身的额外语义信息,导致文本分类的准确率难以提升。针对此问题,提出一种基于标签增强的细... 文本分类是自然语言处理的一个重要分支,旨在通过训练给数据标注标签。但现有的方法仅仅考虑了标签和文本之间最浅显的语义关系,并没有考虑标签本身的额外语义信息,导致文本分类的准确率难以提升。针对此问题,提出一种基于标签增强的细粒度文本分类模型(FGTC),它根据已知信息对标签进行解释,丰富了标签和文档之间的语义联系。此外,FGTC进一步建模标签中短语的序列关系,并采用单词级别的细粒度标签注意力方法,充分挖掘了标签的有效信息。在四个基准数据集上进行了对比实验,结果表明,该模型在文本分类任务上的准确率得到有效提升。 展开更多

关键词 文本分类 标签增强 细粒度标签注意力

在线阅读 下载PDF 职称材料

基于反向K近邻和密度峰值初始化的加权Kmeans聚类入侵检测算法 被引量：11

16

作者 张喜梅 解滨 +1 位作者 徐童童 张春昊 《南京理工大学学报》 CAS CSCD 北大核心 2023年第1期56-65,共10页

传统Kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权Kmeans聚类算法。通过样本的近邻信息计算每个样本的反向... 传统Kmeans聚类算法的性能易受初始类簇中心随机性和类簇中心计算的迭代过程中边缘点和离群点反复计入的影响,为了避免这些影响,该文提出一种基于反向K近邻和密度峰值初始化的加权Kmeans聚类算法。通过样本的近邻信息计算每个样本的反向K近邻,针对不同规模、不同密度分布数据集,可以自适应地搜索密度峰值点作为初始类簇中心;自适应设定相对簇半径,并通过样本加权进行类簇中心迭代,在不同数据分布下可以有效降低边缘点和离群点对聚类结果的影响。试验结果证明,该算法在聚类性能提升的同时迭代次数大幅降低,随着入侵行为类型和数据规模的增加,该文聚类算法仍体现出较好的性能,且在发现未知攻击类型上效果显著。 展开更多

关键词 Kmeans聚类 入侵检测 密度峰值 样本加权 反向K近邻

在线阅读 下载PDF 职称材料

基于弯曲声线和测距修正的水下节点定位算法 被引量：5

17

作者 陈嘉兴 程杰 +1 位作者 董云玲 刘志华 《电子学报》 EI CAS CSCD 北大核心 2022年第7期1567-1572,共6页

针对由于水下声速变化及障碍物干扰引起的定位误差较大的问题,本文提出了一种抛物模型定位算法.首先基于到达角度提出了适用于弯曲声线的抛物模型测距法.然后基于到达时间提出了非理想路径测距识别方法和理想路径测距修正方法.最后利用... 针对由于水下声速变化及障碍物干扰引起的定位误差较大的问题,本文提出了一种抛物模型定位算法.首先基于到达角度提出了适用于弯曲声线的抛物模型测距法.然后基于到达时间提出了非理想路径测距识别方法和理想路径测距修正方法.最后利用投影法结合最小二乘法完成定位.仿真实验表明,该算法在弯曲声线、路径识别、测距优化三个方面均能有效地降低误差. 展开更多

关键词 水下无线传感器网络 定位算法 距离修正 弯曲声线 路径识别

在线阅读 下载PDF 职称材料

结合共享近邻和流形距离的自适应谱聚类算法 被引量：2

18

作者 张喜梅 解滨 +2 位作者 米据生 徐童童 张祎玲 《计算机科学》 CSCD 北大核心 2023年第10期59-70,共12页

谱聚类算法是建立在图论的基础上,将聚类问题转化为图的划分问题,能识别任意形状的类簇且易于实现,因此比传统聚类算法具有更强的适应性。然而,该算法中常用的距离度量不能同时考虑全局和局部一致性,且易受到噪声影响;聚类结果依赖由输... 谱聚类算法是建立在图论的基础上,将聚类问题转化为图的划分问题,能识别任意形状的类簇且易于实现,因此比传统聚类算法具有更强的适应性。然而,该算法中常用的距离度量不能同时考虑全局和局部一致性,且易受到噪声影响;聚类结果依赖由输入数据构造的相似度矩阵,且通过特征分解得到松弛划分矩阵和离散化过程的两步独立策略难以得到一个共同最优解。因此,提出一种结合共享近邻和流形距离的自适应谱聚类算法(SNN-MSC),引入一种新的具有指数项和比例因子的流形距离,可以灵活调整同一流形内数据的相似度和不同流形之间数据的相似度之比,并将密度因子纳入流形距离度量中,以消除噪声影响;采用共享近邻重新定义相似度度量,能挖掘数据点之间的空间结构和局部关系;同时,对拉普拉斯矩阵施加秩约束,使相似度矩阵中的连通分量完全等于簇个数,能够在优化求解过程中自适应优化数据相似度矩阵和聚类结构,无须再进行离散化操作。在人工数据集和UCI真实数据集上的对比实验显示,所提算法在多个聚类有效性指标上能体现出更好的性能。 展开更多

关键词 谱聚类 流形距离 共享近邻 秩约束 自适应

在线阅读 下载PDF 职称材料

一种具有连续跳数值的三维DV-Hop改进算法 被引量：16

19

作者 程杰 董云玲 +1 位作者 陈嘉兴 刘志华 《电子学报》 EI CAS CSCD 北大核心 2020年第11期2122-2130,共9页

设计精确的定位算法是无线传感器网络(Wireless Sensor Networks,WSNs)的研究热点.针对DV-Hop(Distance Vector-Hop)定位算法中节点间距离估计误差较大导致定位不精确的问题,提出了一种具有连续跳数值的三维DV-Hop改进算法.探究了邻居... 设计精确的定位算法是无线传感器网络(Wireless Sensor Networks,WSNs)的研究热点.针对DV-Hop(Distance Vector-Hop)定位算法中节点间距离估计误差较大导致定位不精确的问题,提出了一种具有连续跳数值的三维DV-Hop改进算法.探究了邻居节点间的距离与相应节点位置和通信半径构成的相交球体体积之间的关系,提出了连续跳数值的定义,并通过参数修正给出了其计算方法.通过仿真实验探究了网络环境对参数的影响并确定了参数的取值,使用连续跳数值代替DV-Hop算法中的跳数来降低节点间距离估计误差.仿真实验表明,该算法在不增加算法复杂度以及额外硬件的情况下有效地降低了定位误差. 展开更多

关键词 无线传感器网络 DV-HOP定位 相交球体 连续跳数值 参数修正

在线阅读 下载PDF 职称材料

结合双流特征融合及对抗学习的图像显著性检测 被引量：5

20

作者 张艺涵 张朝晖 +2 位作者 霍丽娜 解滨 王秀青 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第3期376-384,共9页

为实现图像显著区域或目标的低级特征与语义信息有意义的结合,以获取结构更完整、边界更清晰的显著性检测结果,提出一种结合双流特征融合及对抗学习的彩色图像显著性检测(SaTSAL)算法.首先,以VGG-16和Res2Net-50为双流异构主干网络,实... 为实现图像显著区域或目标的低级特征与语义信息有意义的结合,以获取结构更完整、边界更清晰的显著性检测结果,提出一种结合双流特征融合及对抗学习的彩色图像显著性检测(SaTSAL)算法.首先,以VGG-16和Res2Net-50为双流异构主干网络,实现自底向上、不同级别的特征提取;之后,分别针对每个流结构,将相同级别的特征图送入卷积塔模块,以增强级内特征图的多尺度信息;进一步,采用自顶向下、跨流特征图逐级侧向融合方式生成显著图;最后,在条件生成对抗网络的主体框架下,利用对抗学习提升显著性检测结果与显著目标的结构相似性.以P-R曲线、F-measure、平均绝对误差、S-measure为评价指标,在ECSSD,PASCAL-S,DUT-OMRON以及DUTS-test 4个公开数据集上与其他10种基于深度学习的显著性检测算法的对比实验表明,SaTSAL算法优于其他大部分算法. 展开更多

关键词 显著性检测 双流特征融合 对抗学习 卷积塔 条件生成对抗网络

在线阅读 下载PDF 职称材料