期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于高阶邻域信息交互的自监督异质图嵌入算法
1
作者 董家浩 武永亮 +1 位作者 王志强 韩旭 《计算机应用研究》 北大核心 2025年第7期2011-2017,共7页
针对当前自监督神经网络算法在获取邻域节点权重时,没有考虑到高阶节点信息影响的问题,提出一种基于高阶邻域信息交互的自监督异质图嵌入算法(SSHGEA-HNI)。其通过在注意力机制中添加前馈全连接层来捕获高阶邻域节点特征,从而提升局部... 针对当前自监督神经网络算法在获取邻域节点权重时,没有考虑到高阶节点信息影响的问题,提出一种基于高阶邻域信息交互的自监督异质图嵌入算法(SSHGEA-HNI)。其通过在注意力机制中添加前馈全连接层来捕获高阶邻域节点特征,从而提升局部优化能力,增强模型性能。该算法由标签产生模块和嵌入学习模块组成。标签产生模块通过标签传播产生节点的伪标签。伪标签作为监督信号来指导嵌入产生模块生成嵌入。嵌入学习模块通过高阶邻域信息交互的注意力机制产生嵌入和注意力系数。注意力系数用于指导标签产生模块产生伪标签。在每次迭代中,两个模块共享节点注意力系数,促进两个模块之间相互利用与增强。在四个真实异质图数据集上进行了实验,所提算法在多数数据集的聚类任务和分类任务上均有提升。实验结果表明,该算法可以有效地利用高阶节点信息。 展开更多
关键词 异质图 自监督算法 节点嵌入 高阶邻域
在线阅读 下载PDF
联合联邦学习与深度强化学习的并行服务功能链部署算法
2
作者 刘光远 杜婕 庞紫园 《西安交通大学学报》 北大核心 2025年第9期110-121,共12页
针对多域边缘云网络中并行服务功能链(SFC)的动态部署问题,构建了一种优化的SFC并行结构,提出一种联合联邦学习(FedAvg)与深度强化学习(DRL)的新算法——FA-D3QN-PER。该方法解决了现有的单一DRL算法和集中式决策框架在解决SFC切分和部... 针对多域边缘云网络中并行服务功能链(SFC)的动态部署问题,构建了一种优化的SFC并行结构,提出一种联合联邦学习(FedAvg)与深度强化学习(DRL)的新算法——FA-D3QN-PER。该方法解决了现有的单一DRL算法和集中式决策框架在解决SFC切分和部署时存在的资源分配不均和隐私泄露问题,通过允许各域内的智能体独立训练,并利用FedAvg共享模型参数,在保护数据隐私的同时优化全局策略。在部署阶段,对混合SFC的并行结构进行分析和优化;根据优化结果将优化后的混合SFC合理切分成若干个子链,并将其分配给合适的边缘域;将各子链中的虚拟网络功能(VNF)映射至目标域内的物理节点上。仿真结果表明,FA-D3QN-PER方法具有稳定性强、收敛速度快等特点,能够显著提高SFC部署的接受率,同时有效减少平均延迟和总成本,相较于FA-DQN、DFSC和MuL算法,FA-D3QN-PER算法将接受率提高了11.6%,平均延迟和总成本分别减少了17%和18.56%。 展开更多
关键词 多域边缘云网络 并行服务功能链 动态部署 联邦学习 深度强化学习
在线阅读 下载PDF
频域辅助监督双流网络的人脸呈现攻击检测
3
作者 封筠 李景涛 +1 位作者 贺晶晶 高宇豪 《燕山大学学报》 北大核心 2025年第4期339-348,共10页
人脸呈现攻击检测对于保障人脸识别系统安全至关重要。针对仅有可见光模态的数据受限场景,因提取的图像特征对光照敏感而导致模型泛化能力较差的问题,提出一种基于多级频域辅助监督的双流人脸呈现攻击检测方法,采用低频、中频和高频分... 人脸呈现攻击检测对于保障人脸识别系统安全至关重要。针对仅有可见光模态的数据受限场景,因提取的图像特征对光照敏感而导致模型泛化能力较差的问题,提出一种基于多级频域辅助监督的双流人脸呈现攻击检测方法,采用低频、中频和高频分量的多级特征融合策略,以充分利用不同频段的信息。为确保高频信息的有效传递和利用,提出频域级残差融合注意力模块,由分层交叉注意力驱动的二进制监督流与像素级监督流进行协作学习。在4个公开数据集上的实验结果表明,所提方法在跨数据集交叉测试中平均HTER和AUC值分别达到14.01%、92.50%,相较于7种现有文献方法获得最佳的域泛化性能,在学习具有分布差异数据的泛化特征方面具有优势。 展开更多
关键词 人脸呈现攻击检测 频域信息 双流网络 特征融合
在线阅读 下载PDF
轻量级微调SAM的结肠息肉分割方法SAMCP
4
作者 刘娜 封筠 +2 位作者 霍一儒 王弘扬 杨柳 《计算机应用》 2025年第10期3390-3398,共9页
在胃肠道内窥镜图像处理中,精准分割结肠息肉具有重要的临床意义。传统分割方法常因细节捕捉不足和对大规模数据的依赖,在应对复杂形态的息肉时表现不佳。尽管分割一切模型(SAM)在自然图像分割中取得显著进展,但由于自然图像与医学图像... 在胃肠道内窥镜图像处理中,精准分割结肠息肉具有重要的临床意义。传统分割方法常因细节捕捉不足和对大规模数据的依赖,在应对复杂形态的息肉时表现不佳。尽管分割一切模型(SAM)在自然图像分割中取得显著进展,但由于自然图像与医学图像存在域差异,现有的SAM方法在结肠息肉分割任务上仍难以取得理想效果。为解决这一问题,基于SAM架构提出一种轻量级微调结肠息肉分割方法(SAMCP)。该方法引入精简适配器模块,重点关注通道维度信息,采用Dice和交并比(IoU)简化联合损失函数,并在训练时冻结原始图像编码器和提示编码器的参数,以低训练成本提升结肠息肉分割性能。在3个公开数据集上与9种先进方法的对比实验结果表明,相较于SAM方法,SAMCP在Kvasir-SEG数据集上的Dice和IoU值分别提高了56.7%和84.5%,在CVC-ClinicDB数据集上的Dice和IoU值分别提高了46.0%和86.0%,在CVC-ColonDB数据集上的Dice和IoU值分别提高了95.3%和122.2%,超过目前SAM-based类方法的最佳性能。在引入点提示的情况下,即使只使用1次点击,SAMCP仍能优于其他SAM-based方法。以上验证了SAMCP在处理复杂形状和局部细节时表现出色,可为医生提供更精确的分割指导。 展开更多
关键词 结肠息肉分割 分割一切模型 适配器 损失函数 轻量级微调
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部