期刊文献+
共找到177篇文章
< 1 2 9 >
每页显示 20 50 100
基于计算机的协作问题解决能力评估研究:问题与建议 被引量:4
1
作者 吴斓 董艳 +1 位作者 郑娅峰 余胜泉 《电化教育研究》 CSSCI 北大核心 2022年第10期65-71,85,共8页
协作问题解决能力是人工智能时代学习者必备的高阶能力之一,开展相关评估工作有助于培养学生的协作问题解决能力。文章对基于计算机的协作问题解决能力评估的典型研究与项目进行回顾,从评估框架、工具和方法三个方面对影响评估工作科学... 协作问题解决能力是人工智能时代学习者必备的高阶能力之一,开展相关评估工作有助于培养学生的协作问题解决能力。文章对基于计算机的协作问题解决能力评估的典型研究与项目进行回顾,从评估框架、工具和方法三个方面对影响评估工作科学性和有效性的关键问题进行剖析,并针对性地提出发展建议,以期为后续评估工作改进提供参考:(1)遵循“理论突围—应用牵引—数据循证”的评估思路;(2)基于“聚焦个体—精进小组”的视角丰富评估信息;(3)坚持“适度协作支架—平衡同伴影响”的原则设计评估工具;(4)面向“智能采集—精准分类”实现丰富协作情境下多模态数据的自动化编码;(5)纳入“语境、时序、语义、社会文化等因素”自动分析会话数据质性特征;(6)结合“多维—交互”特征探索新的测量模型。 展开更多
关键词 基于计算机的协作问题解决 能力评估 评估框架 评估工具 评估方法
在线阅读 下载PDF
四足机器人后退步态稳定性分析与规划
2
作者 简艳英 鲍治国 《现代制造工程》 北大核心 2025年第5期53-63,共11页
面向四足机器人稳定行走的需求,开展了四足机器人后退步态稳定性分析与规划研究。首先,对所研究的足式机器人结构进行介绍,并采用D-H法建立了运动坐标系,初步确定了辅助动作参数。然后,利用稳定裕度指标表征四足机器人的静态和动态稳定... 面向四足机器人稳定行走的需求,开展了四足机器人后退步态稳定性分析与规划研究。首先,对所研究的足式机器人结构进行介绍,并采用D-H法建立了运动坐标系,初步确定了辅助动作参数。然后,利用稳定裕度指标表征四足机器人的静态和动态稳定性,并根据运动参数和关节驱动函数计算出重心位置随时间变化的关系。接着,在四足机器人的步态设计过程中,分析了腿部和首尾运动对四足机器人重心的影响,并通过主动作和辅助动作规划了后退步态全周期动作序列,确定了后退步态的动作参数。最后,采用虚拟样机仿真和物理样机试验验证了所提方法的可行性和有效性,为四足机器人的步态分析提供了理论方法支撑。 展开更多
关键词 四足机器人 后退步态 稳定裕度 稳定性
在线阅读 下载PDF
STEM教师信息素养的情境化分析与发展策略 被引量:17
3
作者 董艳 和静宇 +1 位作者 徐唱 郑娅峰 《中国电化教育》 CSSCI 北大核心 2020年第8期70-77,共8页
该研究通过分析信息素养和教师信息素养概念的发展,并聚焦我国中小学STEM教师群体,借鉴信息素养研究范式的发展,探索STEM教师信息素养的内涵与层次要素。研究认为,STEM教师信息素养主要分为两个维度(内涵情境要素、外延环境要素)、共六... 该研究通过分析信息素养和教师信息素养概念的发展,并聚焦我国中小学STEM教师群体,借鉴信息素养研究范式的发展,探索STEM教师信息素养的内涵与层次要素。研究认为,STEM教师信息素养主要分为两个维度(内涵情境要素、外延环境要素)、共六个层面要素组成。内涵情境要素包括基本的普适情境、学科及跨学科的结构情境、课程/教学/评价的传递情境、物化/外宣的联结情境等四类情境信息素养;外延环境要素主要包括起制约作用的文化/社会/政治/经济要素和所处的技术网络环境等两个层面。最后,研究为STEM教师的培养提出如下策略:通过培训大规模提升STEM教师普适信息素养;通过观摩与合作提升STEM教师情境化信息素养;通过亲身实践促进STEM教师信息素养要素的融合。 展开更多
关键词 STEM教师 信息素养 教师信息素养 情境化信息素养 学科及跨学科情境 发展策略
在线阅读 下载PDF
基于本地化差分隐私的多表星形连接查询
4
作者 张啸剑 曹小杰 +1 位作者 王宁 孟小峰 《软件学报》 北大核心 2025年第2期830-850,共21页
基于本地化差分隐私多关系表示上的Star-JOIN查询已得到研究者广泛关注.现有基于OLH机制与层次树结构的Star-JOIN查询算法存在根节点泄露隐私风险、τ-截断机制没有给出如何选择合适τ值等问题.针对现有算法存在的不足,提出一种有效且... 基于本地化差分隐私多关系表示上的Star-JOIN查询已得到研究者广泛关注.现有基于OLH机制与层次树结构的Star-JOIN查询算法存在根节点泄露隐私风险、τ-截断机制没有给出如何选择合适τ值等问题.针对现有算法存在的不足,提出一种有效且满足本地化差分隐私的Star-JOIN查询算法LPRR-JOIN(longitudinal path random response for join).该算法充分利用层次树的纵向路径结构与GRR机制,设计一种纵向本地扰动算法LPRR,该算法以所有属性纵向路径上的节点组合作为扰动值域.每个用户把自身元组映射到相应节点组合中,再利用GRR机制对映射后的元组进行本地扰动.为了避免事实表上存在的频率攻击,LPRR-JOIN算法允许每个用户利用阈值τ本地截断自身元组个数,大于τ条元组删减、小于τ条元组补充.为了寻找合适的τ值,LPRR-JOIN算法利用τ-截断带来的偏差与扰动方差构造总体误差函数,通过优化误差目标函数获得τ值;其次结合用户分组策略获得τ值的总体分布,再利用中位数获得合适的τ值.LPRR-JOIN算法与现有算法在3种多关系数据集上进行比较,实验结果表明其响应查询算法优于同类算法. 展开更多
关键词 本地化差分隐私 多表星形连接查询 层次结构 纵向节点组合 随机应答机制
在线阅读 下载PDF
一种基于物体的视觉注意计算模型 被引量:2
5
作者 张巧荣 张永强 肖会敏 《计算机工程》 CAS CSCD 北大核心 2011年第10期29-31,34,共4页
为解决基于空间的视觉注意计算模型存在的注意目标不完整、容易转移到无意义区域等问题,提出一种结合空间显著性的基于物体的视觉注意计算模型。检测图像的边缘信息,根据空间视觉显著性度量结果,提取显著值高的封闭边缘,得到感知物体的... 为解决基于空间的视觉注意计算模型存在的注意目标不完整、容易转移到无意义区域等问题,提出一种结合空间显著性的基于物体的视觉注意计算模型。检测图像的边缘信息,根据空间视觉显著性度量结果,提取显著值高的封闭边缘,得到感知物体的轮廓。根据各感知物体的大小、位置和显著程度计算其注意度。注意焦点按照注意度递减的顺序在各感知物体之间进行转移。在多幅自然图像上进行实验验证,实验结果表明该模型具有和人类视觉特性相符合的注意效果。 展开更多
关键词 基于物体的视觉注意 感知物体 空间显著性 边缘 显著图
在线阅读 下载PDF
基于图形化工具的编程教学促进初中生计算思维发展的实证研究 被引量:75
6
作者 傅骞 解博超 郑娅峰 《电化教育研究》 CSSCI 北大核心 2019年第4期122-128,共7页
计算思维已经成为中小学信息技术课程中核心素养涵盖的重要组成部分。基于编程工具培养中学生计算思维作为一种重要的教学手段得到了学术界的广泛认可。近几年来,图形化编程工具不断涌现,并大量进入K12教育阶段的课堂中。然而,使用图形... 计算思维已经成为中小学信息技术课程中核心素养涵盖的重要组成部分。基于编程工具培养中学生计算思维作为一种重要的教学手段得到了学术界的广泛认可。近几年来,图形化编程工具不断涌现,并大量进入K12教育阶段的课堂中。然而,使用图形化编程工具是否能够更好地提升学生的计算思维还有待通过实证研究进行验证。为此,研究通过对45名初中学生进行为期16个学时的教学实验,探究基于图形化编程工具和文本编程工具两种不同教学工具对计算思维培养的影响及其差异。研究结果表明,较之于传统文本编程环境,采用图形化编程工具的学生计算思维能力提升更为明显,并能够完成更为复杂的创意作品。这一研究发现将为中小学阶段采用图形化工具开展编程教育,培养计算思维能力提供有效的实践指导。 展开更多
关键词 计算思维 图形化编程 问题解决能力 编程教育
在线阅读 下载PDF
基于变分注意力知识选择和预训练语言模型的对话生成
7
作者 张乃洲 曹薇 +1 位作者 张啸剑 李石君 《计算机研究与发展》 北大核心 2025年第8期1902-1917,共16页
基于知识的神经对话研究常常面临外部知识包含冗余甚至与对话主题不相关信息的问题,从而导致对话系统性能下降.知识选择成为解决该问题的重要途径,但现有研究对诸如知识选择器的设计、选择出的知识的利用以及知识选择对话方法适用的场... 基于知识的神经对话研究常常面临外部知识包含冗余甚至与对话主题不相关信息的问题,从而导致对话系统性能下降.知识选择成为解决该问题的重要途径,但现有研究对诸如知识选择器的设计、选择出的知识的利用以及知识选择对话方法适用的场景等问题,还缺乏深入研究.针对这些问题,提出了一个新的基于变分注意力知识选择和预训练模型的神经对话方法,使用一个基于条件变分自编码(conditional variational autoencoder,CVAE)和多层注意力机制的知识选择算法,自动选择出与当前对话最相关文本知识集合.该算法有效利用了训练数据中的对话回复来提高知识选择的效率.使用预训练语言模型Bart作为编码器-解码器架构,将选择的文本知识合并到Bart模型中,并在训练过程中对其进行微调.实验结果表明,与现有的一些代表性研究方法相比,提出的模型能生成多样性和连贯性更好、准确率更高的对话回复. 展开更多
关键词 基于知识的对话 知识选择 预训练语言模型 条件变分自编码 注意力机制 记忆网络
在线阅读 下载PDF
基于用户级别本地化差分隐私的联邦学习方法 被引量:1
8
作者 张啸剑 张雷雷 张治政 《计算机研究与发展》 北大核心 2025年第2期472-487,共16页
基于用户级别本地化差分隐私的联邦学习得到了研究者的广泛关注,联邦数据的类型、本地更新的裁剪、隐私预算的分配以及用户掉线问题直接制约着全局联邦学习模型的精度.针对现有方法难以有效应对该类问题的不足,提出了一种有效基于用户... 基于用户级别本地化差分隐私的联邦学习得到了研究者的广泛关注,联邦数据的类型、本地更新的裁剪、隐私预算的分配以及用户掉线问题直接制约着全局联邦学习模型的精度.针对现有方法难以有效应对该类问题的不足,提出了一种有效基于用户级别本地化差分隐私的联邦学习算法ULDP-FED.该算法能够同时处理同分布与非同分布的联邦数据类型;不同于现有的固定裁剪设置方法,ULDP-FED算法采用裁剪阈值动态衰减策略来实现高斯机制造成的误差与裁剪造成的偏差之间的均衡;为了节省用户手中的隐私预算,该算法通过遍历用户所有历史本地噪音梯度更新来寻找当前轮本地梯度更新的替代更新.若存在高度相似的历史更新,用户只需要上传该历史梯度更新的索引即可,进而减少了用户与服务器之间的通信代价.ULDP-FED算法与现有算法在MNIST和CIFAR 10数据上的实验结果表明,其模型精度均高于同类方法. 展开更多
关键词 差分隐私 用户级别差分隐私 联邦学习 联邦优化 本地梯度更新
在线阅读 下载PDF
大学生编程韧性水平调查及其影响因素研究 被引量:6
9
作者 傅骞 张力文 +1 位作者 马昊天 郑娅峰 《电化教育研究》 CSSCI 北大核心 2021年第4期29-36,共8页
编程韧性作为学习者的心理特征要素,对于编程学习效果具有重要影响,但影响学生编程韧性水平的关键因素尚不清晰。基于此,研究采用调查研究法,利用滚雪球抽样策略得到有效问卷737份,针对本科生、研究生群体中编程学习者的编程韧性水平开... 编程韧性作为学习者的心理特征要素,对于编程学习效果具有重要影响,但影响学生编程韧性水平的关键因素尚不清晰。基于此,研究采用调查研究法,利用滚雪球抽样策略得到有效问卷737份,针对本科生、研究生群体中编程学习者的编程韧性水平开展调查并分析其影响因素。结果表明,编程学习者整体编程韧性水平较高,但男女性别的编程学习者及理学和工学的编程学习者在编程韧性的四个维度上仍具有显著差异。同时,编程韧性水平随编程学习年限的增加而显著增高;内部动机对于编程韧性水平具有更显著的影响;相较于协作编程学习形式,经常采用独立编程方式学习的学生具有更高的编程韧性水平。这一研究结果将有助于洞察不同编程学习者编程韧性的差异,帮助教师有针对性地进行学业辅导,提升编程学习效果。 展开更多
关键词 编程韧性 编程学习 学习动机 因素分析 编程教学
在线阅读 下载PDF
基于波达方向的Steiner多天线信道估计算法
10
作者 卢照敢 杨永强 +1 位作者 马小飞 刘龙 《计算机科学》 CSCD 北大核心 2013年第5期74-77,共4页
针对多天线OFDM系统中时域信道训练符号采用非正化的数字序列而导致其矩阵求逆运算计算复杂度高的问题,采用多用户CDMA系统上行链路的信道训练符号设计方法,提出了多天线Steiner信道估计方法。该方法通过时域途径设计的训练符号,使所有... 针对多天线OFDM系统中时域信道训练符号采用非正化的数字序列而导致其矩阵求逆运算计算复杂度高的问题,采用多用户CDMA系统上行链路的信道训练符号设计方法,提出了多天线Steiner信道估计方法。该方法通过时域途径设计的训练符号,使所有发射天线的训练符号矩阵成为一个循环矩阵,从而接收机可用离散傅立叶变换矩阵进行对角化,避免了信道估计矩阵求逆运算。同时,根据Steiner初始信道估计分离出每条路径的有用信息,再用每条路径的空间冲激响应来估计该路径信号的波达方向(Direction of Arrival,DOA),去除天线间接收信号的相干性,有效地利用空间信息提高Steiner信道估计的精度。实验结果表明,通过估计接收信号在每个接收天线上的波达方向角,基于波达方向的Steiner估计算法,在QPSK调制模式下获得了近0.5dB的性能提升,而在16QAM调制方式下可获得近2dB的信噪比增益。 展开更多
关键词 多天线 OFDM 信道估计 波达方向
在线阅读 下载PDF
基于机器学习Mod-EMD-BiLSTM组合模型的碳价格预测方法研究
11
作者 赵玉帛 丁晓格 +1 位作者 刘露毅 张旭晴 《工业技术经济》 北大核心 2025年第7期124-134,共11页
碳价格的精准预测能够为气候政策制定、投资者理性决策以及维护碳市场稳定运行提供定量支撑与参考依据。本文提出一种结合数据增强、经验模态分解和双向长短期记忆技术的新型混合机器学习Mod-EMD-BiLSTM预测模型。具体来说,(1)对原始碳... 碳价格的精准预测能够为气候政策制定、投资者理性决策以及维护碳市场稳定运行提供定量支撑与参考依据。本文提出一种结合数据增强、经验模态分解和双向长短期记忆技术的新型混合机器学习Mod-EMD-BiLSTM预测模型。具体来说,(1)对原始碳价格序列进行经验模态分解,得到一系列较平稳且低噪音的内在模态分量(IMF);(2)引入数据增强技术,强化数据重组并随机生成一半的IMF组合;(3)基于本模型的预防与预测两大平行机制对IMF组合分量做进一步预处理并展开模型训练;(4)通过BiLSTM神经网络的全连接层集成两大框架的输出值,获取最终的碳价格预测结果。在建立预测模型的基础上,爬取湖北碳交易市场2014~2024年的碳交易日度收盘价格展开实证研究。结果表明,本文建立的模型相较于其他15种基准模型,呈现出最佳的方向预测精度,体现了模型具备优越的预测性能与较好的实用性。 展开更多
关键词 碳价格预测 机器学习 经验模态分解 BiLSTM 数据增强 碳市场机制 方向预测精度 时间序列分析
在线阅读 下载PDF
基于动态上采样的轻量级生成对抗网络DU-FastGAN
12
作者 徐国愚 闫晓龙 张一丹 《计算机应用》 北大核心 2025年第10期3067-3073,共7页
近年来,生成对抗网络(GAN)被广泛应用于数据增强,能有效缓解训练样本不足的问题,对模型训练具有重要研究意义。然而,现有用于数据增强的GAN模型存在对数据集要求高和模型收敛不稳定等问题,导致生成的图像易出现失真和形变。因此,提出一... 近年来,生成对抗网络(GAN)被广泛应用于数据增强,能有效缓解训练样本不足的问题,对模型训练具有重要研究意义。然而,现有用于数据增强的GAN模型存在对数据集要求高和模型收敛不稳定等问题,导致生成的图像易出现失真和形变。因此,提出一种基于动态上采样的轻量级GAN——DU-FastGAN(Dynamic-Upsample-FastGAN)进行数据增强。首先,通过动态上采样模块构建生成器,使生成器能够根据当前特征图的大小采用不同粒度的上采样方法,从而重建纹理,提高合成的整体结构和局部细节的质量;其次,为了使模型能够更好地获取图像的全局信息流,提出权重信息跳跃连接模块,以减小卷积及池化操作对特征的扰动,提高模型对不同特征的学习能力,使得模型生成图像的细节更逼真;最后,给出特征丢失损失函数,通过计算采样过程中对应特征图之间的相对距离提高模型生成质量。实验结果表明,相较于FastGAN、MixDL(Mixup-based Distance Learning)和RCL-master(Reverse Contrastive Learning-master)等方法,DU-FastGAN在10个小数据集上的FID(Fréchet Inception Distance)的最大降幅达到23.47%,能够有效缓解生成图像的失真和形变问题,并提高了生成图像的质量;同时,DU-FastGAN的模型训练时间在600 min内,实现了轻量级开销。 展开更多
关键词 生成对抗网络 数据增强 动态上采样 权重信息跳跃连接 特征丢失损失
在线阅读 下载PDF
基于机器学习的畸变图像非对称式几何校正方法
13
作者 冯新扬 张墨华 李寅飞 《吉林大学学报(理学版)》 北大核心 2025年第5期1447-1453,共7页
针对实际图像畸变通常不均匀分布、呈现非对称特征的问题,为提高图像质量,使其更接近真实情况,精细调整图像中不同区域、不同方向的畸变,从而恢复图像的原始形态,提出一种基于机器学习的畸变图像非对称式几何校正方法.首先,通过直方图... 针对实际图像畸变通常不均匀分布、呈现非对称特征的问题,为提高图像质量,使其更接近真实情况,精细调整图像中不同区域、不同方向的畸变,从而恢复图像的原始形态,提出一种基于机器学习的畸变图像非对称式几何校正方法.首先,通过直方图均衡化进行亮度补偿,提升图像的视觉效果并丰富细节;其次,在预处理后的畸变图像中选取一些关键点或特征点,采用归一化积相关算法利用这些点的位置关系定位校正所需的所有畸变控制点;最后,使用机器学习中的BP神经网络学习并拟合原始图像和畸变图像之间复杂的非线性关系,通过训练使BP神经网络能更准确地描述图像的畸变特性网络输出接近控制点的坐标,从而实现畸变图像非对称式几何校正.实验结果表明,该方法具有良好的泛化能力和处理复杂非对称畸变的能力,能有效提高图像的畸变校正精度,将每张图片的平均分辨率提高465.3 PPI. 展开更多
关键词 直方图均衡 归一化积相关算法 畸变控制点 BP神经网络 非对称式几何校正
在线阅读 下载PDF
基于HS-SAE算法发动机气门间隙异常故障诊断
14
作者 郑晓彦 李润哲 +1 位作者 胡慧敏 王诚 《机械设计与制造》 北大核心 2025年第5期268-271,278,共5页
为了进一步提高通过自适应方法获取最优SAE网络超参数的能力,引进和声搜索算法(HS)来实现对网络超参数优化的功能,并成功应用于发动机气门间隙异常故障诊断领域。对SAE前三层节点丢弃比例以及隐含层节点数进行设置,确保HS-SAE模型具备... 为了进一步提高通过自适应方法获取最优SAE网络超参数的能力,引进和声搜索算法(HS)来实现对网络超参数优化的功能,并成功应用于发动机气门间隙异常故障诊断领域。对SAE前三层节点丢弃比例以及隐含层节点数进行设置,确保HS-SAE模型具备良好泛化性能。采用实验方式测试发动机测试不同气门运行状态故障。研究结果表明:相对于最初信号,采用域包络方法有效去除背景噪声带来的波动性,SAE方法在未预处理下保持原始信号参数,联合参数试验诊断正确率提高到99.5%,得到具有最佳匹配性超参数。HS-SAE算法在多数小样本测试中优于其他算法,达到较高精度控制性能,HS-SAE算法对气门间隙异常故障的诊断可以实现较高准确性。该研究有助于提高发动机的异常识别能力,也可拓宽到其他的机械领域。 展开更多
关键词 发动机气门 特征提取 和声搜索算法 参数优化 故障诊断
在线阅读 下载PDF
基于SLAM的矿井移动机器人定位算法
15
作者 朱磊 张潇文 张楠 《金属矿山》 北大核心 2025年第5期272-277,共6页
随着矿井自动化水平不断提高,机器人在井下环境中的定位问题变得尤为重要。提出了一种基于同步定位与地图构建技术的矿井移动机器人定位算法。该算法利用激光雷达(LiDAR)数据和惯性测量单元(IMU)数据进行融合,实现了在GPS无法使用的井... 随着矿井自动化水平不断提高,机器人在井下环境中的定位问题变得尤为重要。提出了一种基于同步定位与地图构建技术的矿井移动机器人定位算法。该算法利用激光雷达(LiDAR)数据和惯性测量单元(IMU)数据进行融合,实现了在GPS无法使用的井下环境中对移动机器人进行精确定位和状态估计。首先分析了井下环境特点,包括半结构化或非结构化的空间特征,以及传统定位系统如GPS在该类场景中应用的局限性;然后通过前端迭代卡尔曼滤波和后端位姿图优化,以提高算法定位的准确性和鲁棒性;最后,在自采数据集上验证了该算法的性能。试验结果表明:与现有的激光SLAM算法相比,所提算法在井下这类特殊的非结构环境中,定位精度更高,对于确保井下机器人安全高效运行具有一定的参考意义。 展开更多
关键词 矿井移动机器人 SLAM 激光雷达 惯性导航 卡尔曼滤波
在线阅读 下载PDF
基于跨模态图掩码和特征增强的推荐方法
16
作者 景丽 郑公浩 +1 位作者 李晓涵 蔚梦媛 《计算机科学与探索》 北大核心 2025年第9期2470-2478,共9页
提出了一种基于跨模态图掩码和特征增强的推荐方法,旨在减少传统多模态推荐系统中的数据噪声和解决多模态信息表达不足问题。该方法使用CLIP预训练模型提取语义一致性的文本和视觉特征,根据项目模态特征相似性建立项目-项目图,为项目表... 提出了一种基于跨模态图掩码和特征增强的推荐方法,旨在减少传统多模态推荐系统中的数据噪声和解决多模态信息表达不足问题。该方法使用CLIP预训练模型提取语义一致性的文本和视觉特征,根据项目模态特征相似性建立项目-项目图,为项目表示提供语义丰富的上下文信息;设计跨模态图掩码重建方法,该方法充分利用模态间特征信息,减少数据噪声并增强特征,之后使用图卷积网络学习用户和项目交互信息;在最终预测时,使用用户偏好分数更准确地捕捉用户对目标项目的偏好,通过不同方面的偏好分数加权计算,更为有效地完成推荐任务。使用多任务联合学习框架进行模型训练,同时兼顾了多模态信息和交互信息,有效提升了多模态推荐的准确性。在Women Clothing、Men Clothing、Beauty、Toys&Games四个公共数据集上的实验结果表明,所提出的方法在召回率(Recall)和归一化折损累计增益(NDCG)指标上均优于现有的基准算法,在Recall@20指标上,比最先进的基线提升8.04%,在NDCG@20指标上,比最先进的基线提升7.31%。 展开更多
关键词 图表示学习 多模态推荐系统 图神经网络 自监督学习
在线阅读 下载PDF
一种基于Yarn云计算平台与NMF的大数据聚类算法 被引量:4
17
作者 冯新扬 沈建京 《信息网络安全》 CSCD 北大核心 2018年第8期43-49,共7页
为了改进Map Reduce早期版本在大数据聚类算法方面的性能,文章提出了基于Yarn(Yet Another Resource Negotiator)云计算平台与非负矩阵分解NMF(Nonnegative Matrix Factorization)的大数据聚类方法。文章讨论了高维数据相似性聚类与非... 为了改进Map Reduce早期版本在大数据聚类算法方面的性能,文章提出了基于Yarn(Yet Another Resource Negotiator)云计算平台与非负矩阵分解NMF(Nonnegative Matrix Factorization)的大数据聚类方法。文章讨论了高维数据相似性聚类与非负矩阵分解的结合及其面向Map Reduce的数据聚类的任务划分方式。该方法的实现采用Hadoop2.0的Yarn平台,利用Hadoop的HDFS(Hadoop Distributed File System)来存储大容量的外部数据;描述了基于NMF的大数据相似性聚类方法的编码与实现过程,并以电信运营商的大数据作为案例程序进行了测试。实验结果表明,Yarn云平台比传统用于数据聚类的非负矩阵方法具有更好的运行时间与加速比,能够在可以接受的时间范围内完成电信运营商的大数据处理。 展开更多
关键词 云计算 大数据 Yam平台 非负矩阵分解 聚类算法
在线阅读 下载PDF
结合差分隐私与安全聚集的联邦空间数据发布方法 被引量:1
18
作者 张治政 张啸剑 +1 位作者 王俊清 冯光辉 《计算机应用》 CSCD 北大核心 2024年第9期2777-2784,共8页
针对联邦空间数据的数据孤岛问题、空间数据索引问题以及发布联邦空间数据存在的隐私问题,提出基于动态四分树的联邦空间数据发布(FSP)方法。首先,在FSP方法的每轮迭代中,服务端把四分树副本共享给该轮中每个客户端,每个客户端利用四分... 针对联邦空间数据的数据孤岛问题、空间数据索引问题以及发布联邦空间数据存在的隐私问题,提出基于动态四分树的联邦空间数据发布(FSP)方法。首先,在FSP方法的每轮迭代中,服务端把四分树副本共享给该轮中每个客户端,每个客户端利用四分树副本编码自身位置数据,利用Polya分布产生离散噪声在本地扰动编码结果;其次,结合容错学习(LWE)生成本地掩码对噪声结果进行加密;再次,安全聚集端结合该轮迭代中每个客户端的报告值,执行安全聚集与消除掩码操作,然后把聚集结果发送给服务端;最后,服务端结合收集的编码向量与噪声方差自底向上地动态修剪四分树结构。在Beijing、Checkin、NYC和Landmark 4个空间数据集上的实验结果表明,FSP方法在保证客户端隐私的同时,与已有的较好的联邦空间数据发布方法AHH(Adaptive Hierarchical Histograms)相比,在隐私预算为1.8时,FSP的均方误差(MSE)分别降低了3.80%、2.96%、7.51%和14.13%。可见使用FSP方法进行联邦空间数据发布的精度优于同类方法。 展开更多
关键词 联邦分析 分布式差分隐私 安全聚集 空间数据发布 四分树
在线阅读 下载PDF
随机预言机模型下基于身份的格基可链接环签名 被引量:1
19
作者 谢佳 王露 +2 位作者 刘仕钊 高军涛 王保仓 《计算机科学与探索》 CSCD 北大核心 2024年第8期2190-2202,共13页
作为一种简化的群签名,环签名没有管理员角色,不需要环成员之间合作;签名者仅需自己私钥和其他环成员公钥即可进行签名操作。因其天然的匿名性,环签名在匿名投票、电子货币和车联网等场景得到广泛应用。可链接环签名作为环签名概念的一... 作为一种简化的群签名,环签名没有管理员角色,不需要环成员之间合作;签名者仅需自己私钥和其他环成员公钥即可进行签名操作。因其天然的匿名性,环签名在匿名投票、电子货币和车联网等场景得到广泛应用。可链接环签名作为环签名概念的一种变体,在保持了匿名性的同时还可验证两个签名是否来自同一签名者,从而有效解决举报系统中的恶意举报及区块链系统中的双重花费等问题,进而丰富了环签名的应用场景。提出一种基于身份的格基可链接环签名方案,采用G-陷门生成技术生成系统密钥,使用其改进后的陷门委派技术和原像采样算法提取用户私钥,利用双峰高斯分布下的拒绝采样技术生成签名。经安全分析,所提方案在随机预言机模型下满足无条件匿名性、不可伪造性和可链接性,安全性可规约至格上的小整数解(SIS)问题,与现有的方案相比,签名生成时间开销和签名验证时间开销都减少约50%。最后将该方案和基于异或秘密共享算法结合,设计了电子投票协议,从而保证电子投票系统的隐私性和公正性。 展开更多
关键词 可链接环签名 匿名性 G-陷门 拒绝采样
在线阅读 下载PDF
基于交叉注意力多源数据增强的情境感知查询建议方法
20
作者 张乃洲 曹薇 《北京大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第1期34-42,共9页
当前基于神经网络模型的查询建议研究往往单独采用查询日志会话中的查询序列作为训练数据,但由于查询本身缺乏句法关系,甚至缺失语义,导致神经网络模型不能充分挖掘和推理查询序列中各种词或概念之间语义关系。针对这一问题,提出一种基... 当前基于神经网络模型的查询建议研究往往单独采用查询日志会话中的查询序列作为训练数据,但由于查询本身缺乏句法关系,甚至缺失语义,导致神经网络模型不能充分挖掘和推理查询序列中各种词或概念之间语义关系。针对这一问题,提出一种基于交叉注意力多源数据增强(MDACA)的Transformer模型框架,用于生成情境感知的查询建议。采用基于Transformer的编码器-解码器模型,利用交叉注意力机制,融合了查询层、文档语义层以及全局查询建议信息。实验结果表明,与目前方法相比,该方法能生成具有更高相关性的情境感知查询建议。 展开更多
关键词 查询建议 数据增强 交叉注意力 情境感知 Transformer模型
在线阅读 下载PDF
上一页 1 2 9 下一页 到第
使用帮助 返回顶部