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
基于深度学习的时空特征融合网络入侵检测模型研究
被引量：
5
1
作者
李聪聪
袁子龙
滕桂法
《信息安全研究》
北大核心
2025年第2期122-129,共8页
随着网络攻击日益增多,网络入侵检测系统在维护网络安全方面也越来越重要.目前多数研究采用深度学习的方法进行网络入侵检测,但未充分从多个角度利用流量的特征,同时存在实验数据集过于陈旧的问题.提出了一种并行结构的DSC-Inception-Bi...
随着网络攻击日益增多,网络入侵检测系统在维护网络安全方面也越来越重要.目前多数研究采用深度学习的方法进行网络入侵检测,但未充分从多个角度利用流量的特征,同时存在实验数据集过于陈旧的问题.提出了一种并行结构的DSC-Inception-BiLSTM网络,使用最新的数据集评估所设计的网络模型.该模型包括网络流量图像和文本异常流量检测2个分支,分别通过改进的卷积神经网络和循环神经网络提取流量的空间特征和时序特征.最后通过融合时空特征实现网络入侵检测.实验结果表明,在CIC-IDS2017,CSE-CIC-IDS2018,CIC-DDoS2019这3个数据集上,该模型分别达到了99.96%,99.19%,99.95%的准确率,能够对异常流量进行高精度分类,满足入侵检测系统的要求.
展开更多
关键词
网络入侵检测
深度学习
特征融合
深度可分离卷积
INCEPTION
在线阅读
下载PDF
职称材料
基于改进分层注意网络和TextCNN联合建模的暴力犯罪分级算法
被引量：
1
2
作者
张家伟
高冠东
+1 位作者
肖珂
宋胜尊
《计算机应用》
CSCD
北大核心
2024年第2期403-410,共8页
为了科学、智能地对服刑人员的暴力倾向分级,将自然语言处理(NLP)中的文本分类方法引入犯罪心理学领域,提出一种基于改进分层注意网络(HAN)与TextCNN(Text Convolutional Neural Network)两通道联合建模的犯罪语义卷积分层注意网络(CCHA...
为了科学、智能地对服刑人员的暴力倾向分级,将自然语言处理(NLP)中的文本分类方法引入犯罪心理学领域,提出一种基于改进分层注意网络(HAN)与TextCNN(Text Convolutional Neural Network)两通道联合建模的犯罪语义卷积分层注意网络(CCHA-Net),通过分别挖掘犯罪事实与服刑人员基本情况的语义信息,完成暴力犯罪气质分级。首先,采用Focal Loss同时替代两通道中的Cross-Entropy函数,优化样本数量不均衡问题。其次,在两通道输入层中,同时引入位置编码,改进对位置信息的感知能力;改进HAN通道,采用最大池化构建显著向量。最后,输出层都采用全局平均池化替代全连接方法,以避免过拟合。实验结果表明,与AC-BiLSTM(Attention-based Bidirectional Long Short-Term Memory with Convolution layer)、支持向量机(SVM)等17种相关基线模型相比,CCHA-Net各项指标均最优,微平均F1(Micro_F1)为99.57%,宏平均和微平均下的曲线下面积(AUC)分别为99.45%和99.89%,相较于次优的AC-BiLSTM提高了4.08、5.59和0.74个百分点,验证了CCHA-Net能有效胜任暴力犯罪气质分级任务。
展开更多
关键词
深度学习
文本分类
卷积神经网络
分层注意网络
暴力犯罪分级
气质类型
在线阅读
下载PDF
职称材料
基于YOLOv3模型的人脸检测与头部姿态估计融合算法
被引量：
5
3
作者
李永杰
周桂红
刘博
《广西师范大学学报（自然科学版）》
CAS
北大核心
2022年第3期95-103,共9页
针对头部姿态估计中的人脸检测框尺寸难于学习问题和将人脸检测、头部姿态估计分为两阶段的模型中流程复杂、耦合程度高、误差累积严重的问题,本文提出一种基于YOLOv3模型的人脸检测与头部姿态估计融合算法。通过K-means聚类方法对训练...
针对头部姿态估计中的人脸检测框尺寸难于学习问题和将人脸检测、头部姿态估计分为两阶段的模型中流程复杂、耦合程度高、误差累积严重的问题,本文提出一种基于YOLOv3模型的人脸检测与头部姿态估计融合算法。通过K-means聚类方法对训练集中人脸区域的尺寸进行聚类,得出9组聚类结果,以模拟真实情况下人脸区域的尺寸和比例;通过拓展YOLOv3模型,实现人脸检测和头部姿态估计同时进行,并在3个不同层次的特征图上进行人脸检测和头部姿态估计,实现对特征图的多尺度检测,充分利用了特征图中的信息;采用端到端模式进行训练,简化头部姿态估计任务的处理流程。在CAS-PEAL-R1姿态子集上取得99.23%的预测准确率,在Pointing′04数据集上pitch和yaw方向分别取得了3.79°和4.24°的平均绝对误差。结果表明,本模型在满足实时性要求的前提下,能够出色完成人脸区域检测与头部姿态估计任务,充分证实本文方法的可靠性与实用性。
展开更多
关键词
头部姿态估计
YOLOv3模型
K-MEANS
多尺度检测
深度学习
在线阅读
下载PDF
职称材料
题名
基于深度学习的时空特征融合网络入侵检测模型研究
被引量：
5
1
作者
李聪聪
袁子龙
滕桂法
机构
河北农业大学
信息科学与技术学院
河北省
农业大
数据
重点
实验室
(
河北农业大学
)
出处
《信息安全研究》
北大核心
2025年第2期122-129,共8页
基金
国家自然科学基金项目(U20A20180)。
文摘
随着网络攻击日益增多,网络入侵检测系统在维护网络安全方面也越来越重要.目前多数研究采用深度学习的方法进行网络入侵检测,但未充分从多个角度利用流量的特征,同时存在实验数据集过于陈旧的问题.提出了一种并行结构的DSC-Inception-BiLSTM网络,使用最新的数据集评估所设计的网络模型.该模型包括网络流量图像和文本异常流量检测2个分支,分别通过改进的卷积神经网络和循环神经网络提取流量的空间特征和时序特征.最后通过融合时空特征实现网络入侵检测.实验结果表明,在CIC-IDS2017,CSE-CIC-IDS2018,CIC-DDoS2019这3个数据集上,该模型分别达到了99.96%,99.19%,99.95%的准确率,能够对异常流量进行高精度分类,满足入侵检测系统的要求.
关键词
网络入侵检测
深度学习
特征融合
深度可分离卷积
INCEPTION
Keywords
network intrusion detection
deep learning
feature fusion
depthwise separable convolution
Inception
分类号
TP309 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于改进分层注意网络和TextCNN联合建模的暴力犯罪分级算法
被引量：
1
2
作者
张家伟
高冠东
肖珂
宋胜尊
机构
河北农业大学
信息科学与技术学院
中央司法警官学院
数据
科学与智能矫正技术研究中心
中央司法警官学院信息管理系
河北省
农业大
数据
重点
实验室
(
河北农业大学
)
中央司法警官学院监狱学学院
出处
《计算机应用》
CSCD
北大核心
2024年第2期403-410,共8页
基金
河北省社会科学基金资助项目(HB21ZZ002)。
文摘
为了科学、智能地对服刑人员的暴力倾向分级,将自然语言处理(NLP)中的文本分类方法引入犯罪心理学领域,提出一种基于改进分层注意网络(HAN)与TextCNN(Text Convolutional Neural Network)两通道联合建模的犯罪语义卷积分层注意网络(CCHA-Net),通过分别挖掘犯罪事实与服刑人员基本情况的语义信息,完成暴力犯罪气质分级。首先,采用Focal Loss同时替代两通道中的Cross-Entropy函数,优化样本数量不均衡问题。其次,在两通道输入层中,同时引入位置编码,改进对位置信息的感知能力;改进HAN通道,采用最大池化构建显著向量。最后,输出层都采用全局平均池化替代全连接方法,以避免过拟合。实验结果表明,与AC-BiLSTM(Attention-based Bidirectional Long Short-Term Memory with Convolution layer)、支持向量机(SVM)等17种相关基线模型相比,CCHA-Net各项指标均最优,微平均F1(Micro_F1)为99.57%,宏平均和微平均下的曲线下面积(AUC)分别为99.45%和99.89%,相较于次优的AC-BiLSTM提高了4.08、5.59和0.74个百分点,验证了CCHA-Net能有效胜任暴力犯罪气质分级任务。
关键词
深度学习
文本分类
卷积神经网络
分层注意网络
暴力犯罪分级
气质类型
Keywords
deep learning
text classification
Convolutional Neural Network(CNN)
Hierarchical Attention Network(HAN)
hierarchy of violent crime
temperament type
分类号
TP391.1 [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YOLOv3模型的人脸检测与头部姿态估计融合算法
被引量：
5
3
作者
李永杰
周桂红
刘博
机构
河北农业大学
信息科学与技术学院
河北省
农业大
数据
重点
实验室
(
河北农业大学
)
出处
《广西师范大学学报（自然科学版）》
CAS
北大核心
2022年第3期95-103,共9页
基金
国家自然科学基金(61972132)。
文摘
针对头部姿态估计中的人脸检测框尺寸难于学习问题和将人脸检测、头部姿态估计分为两阶段的模型中流程复杂、耦合程度高、误差累积严重的问题,本文提出一种基于YOLOv3模型的人脸检测与头部姿态估计融合算法。通过K-means聚类方法对训练集中人脸区域的尺寸进行聚类,得出9组聚类结果,以模拟真实情况下人脸区域的尺寸和比例;通过拓展YOLOv3模型,实现人脸检测和头部姿态估计同时进行,并在3个不同层次的特征图上进行人脸检测和头部姿态估计,实现对特征图的多尺度检测,充分利用了特征图中的信息;采用端到端模式进行训练,简化头部姿态估计任务的处理流程。在CAS-PEAL-R1姿态子集上取得99.23%的预测准确率,在Pointing′04数据集上pitch和yaw方向分别取得了3.79°和4.24°的平均绝对误差。结果表明,本模型在满足实时性要求的前提下,能够出色完成人脸区域检测与头部姿态估计任务,充分证实本文方法的可靠性与实用性。
关键词
头部姿态估计
YOLOv3模型
K-MEANS
多尺度检测
深度学习
Keywords
head pose estimation
YOLOv3 model
K-means
multi-scale detection
deep learning
分类号
TP391.41 [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
基于深度学习的时空特征融合网络入侵检测模型研究
李聪聪
袁子龙
滕桂法
《信息安全研究》
北大核心
2025
5
在线阅读
下载PDF
职称材料
2
基于改进分层注意网络和TextCNN联合建模的暴力犯罪分级算法
张家伟
高冠东
肖珂
宋胜尊
《计算机应用》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于YOLOv3模型的人脸检测与头部姿态估计融合算法
李永杰
周桂红
刘博
《广西师范大学学报（自然科学版）》
CAS
北大核心
2022
5
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
