期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
移动群智感知中基于纳什讨价还价博弈的多任务分配策略
1
作者 李丽 钟晓雄 《计算机应用研究》 北大核心 2025年第4期1191-1197,共7页
在移动群智感知网络多个并发任务的情况下,如何根据用户资源以及任务的质量需求实现多任务的有效分配问题,利用纳什议价解模型在资源分配方面的优势,提出了一种基于纳什议价解的多任务分配策略。该策略将多个用户对多个任务根据不同目... 在移动群智感知网络多个并发任务的情况下,如何根据用户资源以及任务的质量需求实现多任务的有效分配问题,利用纳什议价解模型在资源分配方面的优势,提出了一种基于纳什议价解的多任务分配策略。该策略将多个用户对多个任务根据不同目标以及质量需求的选择问题映射为一个多方纳什议价博弈模型,并采用空间距离的方法有效求得此多方纳什议价博弈的最优解。感知平台根据此解对多个任务进行统一分配,将每个任务分配给最适合的用户去执行。该策略可以实现用户整体得益的最大化,在保障数据质量的同时,减少同一任务执行用户的数目,有效降低感知平台的激励成本。实验结果表明,所提策略比现有任务分配策略具有更好的整体效用与任务质量满意度。 展开更多
关键词 移动群智感知 纳什讨价还价模型 任务质量 任务分配 空间距离
在线阅读 下载PDF
一种基于神经网络的去中心化应用加密流量分类模型
2
作者 胡光武 贾如春 肖喜 《兵器装备工程学报》 北大核心 2025年第6期234-242,共9页
针对传统流量分类方案对特征提取不充分,导致流量分类准确度不高的问题,提出一种新的去中心化应用加密流量特征选择算法,该算法可有效提升数据集的代表性和可靠性。通过该算法并结合胶囊网络与Transformer模型两者优势,提出一种新型深... 针对传统流量分类方案对特征提取不充分,导致流量分类准确度不高的问题,提出一种新的去中心化应用加密流量特征选择算法,该算法可有效提升数据集的代表性和可靠性。通过该算法并结合胶囊网络与Transformer模型两者优势,提出一种新型深度加密流量分类模型CapsuleFormer,使用胶囊神经元代替传统标量神经元,具有胶囊激活向量高维表示的能力,通过将训练数据映射到更高维空间进行特征表示,实现了更高的分类准确度。采用以太坊和币安币链上10种去中心化应用类型,超过70万条加密流量样本的数据集,对该模型进行实验仿真验证,实验结果表明:该模型的分类准确率98.7%,与当前8种主流分类方法相比,该模型在准确率、精度、召回率及F_(1)值分别提升27.2%、22.9%、30.46%及29.23%,全面优于已有的加密流量分类方案。 展开更多
关键词 去中心化应用 加密流量分类 神经网络 深度学习 胶囊网络
在线阅读 下载PDF
基于张量秩约束的缺失多视图聚类方法
3
作者 高程 李钦 雷钰 《计算机应用》 北大核心 2025年第S1期114-120,共7页
多视图聚类算法旨在通过挖掘不同视图的一致性和互补性信息对数据聚类,其中基于图学习的多视图聚类算法因能更好地考虑数据的几何结构而受到广泛的关注。然而,现有的基于图学习的聚类算法通常难以同时考虑多视图数据的潜在高阶相关信息... 多视图聚类算法旨在通过挖掘不同视图的一致性和互补性信息对数据聚类,其中基于图学习的多视图聚类算法因能更好地考虑数据的几何结构而受到广泛的关注。然而,现有的基于图学习的聚类算法通常难以同时考虑多视图数据的潜在高阶相关信息和完整性,导致对缺失多视图数据的聚类性能受限。针对该问题,提出一种基于张量秩约束的缺失多视图聚类(IMVC_TRC)方法。首先,利用自表示方法学习每个视图的亲和矩阵,从所有亲和矩阵中自适应地学习一致性亲和矩阵,从而构建超图挖掘数据的几何结构;同时,利用正交约束的非负矩阵分解(NMF)从每个亲和矩阵中学习标签矩阵,并构建张量;其次,为了更好地刻画该张量的低秩结构和多视图数据的潜在高阶相关信息,使用张量Schatten p范数约束该张量;最后,基于以上工作,建立相应的数学模型并求解。在BDGP(缺失率为0.70)、Hand-Written(缺失率为0.70)、3-Sources(缺失率为0.55)和BBCSport(缺失率为0.55)数据集上的实验结果表明,所提方法相较于次优方法在准确率(ACC)上分别提高了4.63、1.44、2.24和8.62个百分点,验证了该方法的有效性。 展开更多
关键词 多视图聚类 超图 张量Schatten p范数 缺失
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部