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
共找到10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：
时序数据的因果关系交互式可视分析
1
作者 丁伟杰 华东 +3 位作者 袁莹 孙国道 尤芷芊 梁荣华 《高技术通讯》 CAS 北大核心 2024年第6期578-589,共12页
针对时序数据中因果关系检测算法效率低、错误率高、可解释性低的问题,本文提出一种新颖的用于时序数据的因果关系检测模型。该模型整合了泛函贪婪等价搜索(F-GES)模型与格兰杰(Granger)因果关系模型,展开因果关系的抽取和推断,并提出... 针对时序数据中因果关系检测算法效率低、错误率高、可解释性低的问题,本文提出一种新颖的用于时序数据的因果关系检测模型。该模型整合了泛函贪婪等价搜索(F-GES)模型与格兰杰(Granger)因果关系模型,展开因果关系的抽取和推断,并提出了因果关系可视分析方法,以交互式地分析时序数据中变量间的因果关系。可视分析方法形成了参数视图用于提高因果关系探索效率、因果关系树图用于直观有效地展示变量之间的因果关系、时间视图用于比较原始时序数据、堆叠流图用于帮助用户探索时序数据的层次演变以及平行坐标图用于进行相关性分析。基于真实数据形成的原型系统交互式地验证和总结时序数据中的因果关系,从而更高效地挖掘和理解时序数据中变量之间蕴含的因果规律以帮助决策。 展开更多
关键词 因果关系 时间序列 可视分析 产业链
在线阅读 下载PDF
分布式装配置换流水车间调度问题研究综述 被引量：2
2
作者 张静 宋洪波 林剑 《计算机工程与应用》 CSCD 北大核心 2024年第6期1-9,共9页
近几十年来,现代制造业发展迅速,一种趋势是在分布式生产工厂进行工件的加工,待完成后到装配工厂集中装配成最终产品。该模式在带来诸多好处的同时,对资源调度提出了新的挑战。针对分布式装配置换流水车间调度问题(distributed assembly... 近几十年来,现代制造业发展迅速,一种趋势是在分布式生产工厂进行工件的加工,待完成后到装配工厂集中装配成最终产品。该模式在带来诸多好处的同时,对资源调度提出了新的挑战。针对分布式装配置换流水车间调度问题(distributed assembly permutation flowshop scheduling problem,DAPFSP),介绍了DAPFSP的背景和存在的主要困难,进而对以最小化最大完工时间为优化目标的DAPFSP,从数学模型、编解码策略、全局和局部搜索算法角度进行探讨,分别综述了以最小化总流程时间等为优化目标,具有零等待等约束,以及考虑准备时间等因素的DAPFSP研究成果。最后,对有待进一步开展的研究工作进行展望。 展开更多
关键词 分布式装配 置换流水车间 资源调度 搜索算法
在线阅读 下载PDF
基于图像深度先验和鲁棒马尔可夫随机场的有遮挡人脸识别 被引量：2
3
作者 李小薪 丁伟杰 +2 位作者 方怡 张远成 王琦晖 《计算机科学》 CSCD 北大核心 2024年第7期244-256,共13页
由遮挡所引发的测试数据和训练数据之间的差异,是人脸识别技术面临的重要挑战。现有的基于深度神经网络的有遮挡人脸识别方法大多需要使用大规模的有遮挡的人脸图像来训练网络模型。然而,现实世界中的任何外界物体都有可能成为遮挡,有... 由遮挡所引发的测试数据和训练数据之间的差异,是人脸识别技术面临的重要挑战。现有的基于深度神经网络的有遮挡人脸识别方法大多需要使用大规模的有遮挡的人脸图像来训练网络模型。然而,现实世界中的任何外界物体都有可能成为遮挡,有限的训练集数据很难穷尽所有的可能性,并且使用大规模的有遮挡人脸图像训练网络模型的做法与人类视觉机制是相违背的,人眼对于遮挡区域的感知在本质上与遮挡本身并没有关系,仅依赖于无遮挡的人脸图像。为了模拟人类视觉的遮挡检测机制,将图像深度先验和鲁棒马尔可夫随机场模型结合起来,构建基于小样本数据的遮挡检测模型DIP-rMRF,并提出了一致性零填充方法以有效利用DIP-rMRF的遮挡检测结果进行后续的人脸识别。在Extended Yale B,AR和LFW这3个人脸数据库上,针对VGGFace, LCNN,PCANet, SphereFace, InterpretFR,FROM这6种CNN模型的实验结果表明,DIP-rMRF能够有效地处理遮挡以及由极端光照所引发的“类遮挡”,从而极大提升现有的深度神经网络模型对有遮挡人脸识别的性能。 展开更多
关键词 有遮挡人脸识别 图像深度先验 鲁棒马尔可夫随机场 一致性零填充 结构误差度量
在线阅读 下载PDF
基于事理图谱的受骗网络行为风险演进研究 被引量：3
4
作者 周胜利 徐睿 +1 位作者 陈庭贵 蒋可怡 《信息网络安全》 CSCD 北大核心 2024年第11期1696-1709,共14页
基于真实案件数据,从电信网络诈骗受害人的网络行为视角对受骗网络行为风险进行研究,能有效提升电信网络诈骗的防治能力。为此,文章首先利用LTP工具对相关数据进行处理。其次,通过模板匹配的方法从相关的语料数据中抽取受骗网络行为风... 基于真实案件数据,从电信网络诈骗受害人的网络行为视角对受骗网络行为风险进行研究,能有效提升电信网络诈骗的防治能力。为此,文章首先利用LTP工具对相关数据进行处理。其次,通过模板匹配的方法从相关的语料数据中抽取受骗网络行为风险事件及事件之间的事理逻辑关系,并构建受骗网络行为风险的具体事理图谱。然后,文章构建了基于自编码器的深度聚类模型,对提取的风险事件进行泛化聚类,并根据泛化结果构建了受骗网络行为风险的抽象事理图谱。最后,基于所构建的具体和抽象事理图谱,利用案件流程分析模型与复杂网络分析技术,剖析受骗网络行为风险的构成与规律。文章将电信网络诈骗的受骗网络行为风险划分为接触风险、信任欺骗风险、心理漏洞利用风险和行为控制风险4个环节,并总结了各风险环节的时序、构成等规律。 展开更多
关键词 电信网络诈骗 自然语言处理 事理图谱 演进分析
在线阅读 下载PDF
基于沙漏状数据处理单元和分组RBF单元的对抗性免疫防御方法
5
作者 丁伟杰 郑文浩 +2 位作者 方怡 王琦晖 李小薪 《高技术通讯》 CAS 北大核心 2024年第9期935-944,共10页
针对深度神经网络(DNN)容易受到对抗样本攻击的问题,研究人员提出了许多防御方法,可分为外部防御方法(EDM)和免疫防御方法(IDM)。外部防御方法试图在将对抗性样本输入DNN之前去除其中存在的对抗干扰,而免疫防御方法则致力于提升DNN本身... 针对深度神经网络(DNN)容易受到对抗样本攻击的问题,研究人员提出了许多防御方法,可分为外部防御方法(EDM)和免疫防御方法(IDM)。外部防御方法试图在将对抗性样本输入DNN之前去除其中存在的对抗干扰,而免疫防御方法则致力于提升DNN本身的鲁棒性,本文重点研究免疫防御方法。现有的免疫防御方法主要基于鲁棒优化策略来提升DNN的鲁棒性,为DNN构建鲁棒模块的工作较少。本文在DNN中引入了2个新的鲁棒单元:基于特征压缩和精度注入的沙漏状数据处理单元,用以减小对抗性扰动的干扰;分组径向基函数单元,用于增强DNN的非线性和适应类内变化的能力。在优化过程中使用标签平滑、退火策略和权值衰减来进一步提高鲁棒性。在2个数据集(MNIST和CIFAR-10)以及2个流行的DNN模型(LeNet5和VGG16)上的实验表明,将所提出的鲁棒单元集成到DNN中可以大幅提高其对对抗性攻击的免疫能力,同时保持其在干净样本上的识别性能。 展开更多
关键词 免疫防御 精度注入 分组径向基函数(RBF) 权重衰减
在线阅读 下载PDF
基于溯因学习的无监督网络流量异常检测
6
作者 胡文涛 徐靖凯 丁伟杰 《信息网络安全》 CSCD 北大核心 2024年第11期1675-1684,共10页
当前计算机网络流量异常检测面临缺乏标注信息的挑战,同时用户需要自行选择合适的技术并调整参数,但没有标签可用于交叉验证。为此,文章提出一种基于溯因学习的无监督网络流量异常检测(ABL-ATD)模型。该模型通过自动生成伪标签,并利用... 当前计算机网络流量异常检测面临缺乏标注信息的挑战,同时用户需要自行选择合适的技术并调整参数,但没有标签可用于交叉验证。为此,文章提出一种基于溯因学习的无监督网络流量异常检测(ABL-ATD)模型。该模型通过自动生成伪标签,并利用演绎与一致性验证生成高质量标签,避免人工干预。ABL-ATD从多种无监督异常检测模型中提取有效信号,并通过验证与修正,可靠区分异常流量和正常流量。实验结果表明,该模型在多个数据集上展现出与使用真实标签训练的监督学习模型相当的准确性。 展开更多
关键词 异常流量检测 无监督学习 溯因学习
在线阅读 下载PDF
带有误差修正项的自适应学习控制 被引量：2
7
作者 李国军 王亢 +2 位作者 卢甜甜 董齐芬 陈东杰 《控制理论与应用》 EI CAS CSCD 北大核心 2021年第2期275-286,共12页
本文讨论了二阶系统在任意初态偏差下的自适应控制问题,借助学习控制及其初始修正的思想,提出了两种带有修正初态偏差功能的自适应控制策略:一阶吸引子控制器和零阶吸引子控制器.两种控制器都是将整个控制过程分成若干个等长时间的子过... 本文讨论了二阶系统在任意初态偏差下的自适应控制问题,借助学习控制及其初始修正的思想,提出了两种带有修正初态偏差功能的自适应控制策略:一阶吸引子控制器和零阶吸引子控制器.两种控制器都是将整个控制过程分成若干个等长时间的子过程,在每个子过程中控制算法都会进行误差校正和参数学习.其中,一阶吸引子控制器在每个子过程中同时修正所有状态偏差;而零阶吸引子控制器在每个子过程中先修正高阶状态偏差,再修正低阶状态偏差.并且两种控制器在控制过程中,都利用反正切函数对控制量进行连续化处理,解决了控制过程中的颤振问题.最后,通过计算机仿真验证了算法的有效性. 展开更多
关键词 学习控制 自适应控制 初始修正 收敛
在线阅读 下载PDF
犯罪数据可视化研究进展 被引量：3
8
作者 丁伟杰 梁荣华 +3 位作者 孙国道 柴叶 王勋 郑滋椀 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第7期979-989,共11页
犯罪数据分析与挖掘已成为大数据时代犯罪学研究及现代社会治理的基础手段,犯罪数据挖掘在揭示犯罪模式、分析犯罪原因、评估犯罪防控效果等方面具有重要作用.首先,以犯罪模式发现与预测、警力资源配置与优化、案件侦查分析与研判3种业... 犯罪数据分析与挖掘已成为大数据时代犯罪学研究及现代社会治理的基础手段,犯罪数据挖掘在揭示犯罪模式、分析犯罪原因、评估犯罪防控效果等方面具有重要作用.首先,以犯罪模式发现与预测、警力资源配置与优化、案件侦查分析与研判3种业务为导向,对犯罪数据可视分析任务进行归纳,系统地梳理了犯罪数据可视化领域的研究与应用现状;其次,针对犯罪时空数据、犯罪文本数据、犯罪网络关系数据等不同类型数据的可视化方式和技术手段,展开了系统性的分析;最后,总结和展望了犯罪数据可视化面临的挑战和发展方向. 展开更多
关键词 犯罪数据 可视化 犯罪模式 研究进展
在线阅读 下载PDF
基于骨架的人体动作识别技术研究进展 被引量：13
9
作者 刘宝龙 周森 +6 位作者 董建锋 谢满德 周胜利 郑天一 张三元 叶修梓 王勋 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第9期1299-1322,共24页
近年来,随着深度学习技术的发展,已有很多新颖的基于骨架的人体动作识别算法被提出,极大地推动了该领域的发展.对基于骨架的人体动作识别领域的主要数据集和算法进行全面、细致的总结.首先对NTU,Kinet-ics-Skeleton和SYSU 3DHOI等骨架... 近年来,随着深度学习技术的发展,已有很多新颖的基于骨架的人体动作识别算法被提出,极大地推动了该领域的发展.对基于骨架的人体动作识别领域的主要数据集和算法进行全面、细致的总结.首先对NTU,Kinet-ics-Skeleton和SYSU 3DHOI等骨架相关的数据集进行回顾;然后将基于骨架的人体动作识别算法归纳为基于监督学习的、基于半监督学习的和基于无监督学习的3大类,并对分属不同类别的算法进行介绍和比较;最后分析和总结得出该领域当前面临过度依赖大数据、大算力和大模型等挑战,并针对性地提出缓解以上挑战的3点未来发展方向:高精度骨架数据集建设、细粒度骨架动作识别和数据有效学习的骨架动作识别. 展开更多
关键词 动作识别 骨架特征提取 深度学习 图卷积网络
在线阅读 下载PDF
数字人民币的潜在洗钱风险与监管研究 被引量：19
10
作者 张夏明 朱太辉 丁伟杰 《金融监管研究》 CSSCI 北大核心 2023年第4期80-96,共17页
近年来,我国数字人民币试点积极推进,试点人数、覆盖区域已居于全球央行数字货币之首;但同时,数字人民币相关的洗钱风险也开始显现。如何系统地分析数字人民币的潜在洗钱风险和相应监管机制,已成为数字人民币发展的重大现实问题。本文... 近年来,我国数字人民币试点积极推进,试点人数、覆盖区域已居于全球央行数字货币之首;但同时,数字人民币相关的洗钱风险也开始显现。如何系统地分析数字人民币的潜在洗钱风险和相应监管机制,已成为数字人民币发展的重大现实问题。本文基于数字人民币的底层技术和交易结构,综合分析了数字人民币的潜在洗钱风险与规制障碍,进而从制度建设、义务履行、技术赋能三个层面,提出了完善数字人民币反洗钱监管的框架和路径:制度建设层面,从顶层设计明确数字人民币反洗钱的法律支撑,以风险为本评估并细化对不同主体的监管要求;义务履行层面,强化运营机构的客户尽职调查和交易报告义务,厘清数字人民币合作机构反洗钱义务履行的边界;技术赋能层面,提升数字人民币反洗钱数据合规管理,并强化对智能合约的嵌入式监管。上述监管框架与数字人民币的运行模式和现有的金融监管机制具有较强的适应性,为健全数字人民币反洗钱体系提供了政策参考。 展开更多
关键词 数字货币 洗钱风险 支付结算 金融监管 金融科技
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部