您当前的位置:首页 > 论文浏览

按提交时间

1. chinaXiv:201901.00144 [pdf]

基于一种改进Inception的脱机手写汉字识别

陈站; 邱卫根; 张立臣
分类: 计算机科学 >> 计算机科学的集成理论

由于字形的复杂多变,脱机手写汉字的识别一直是模式识别的难题,深度卷积神经网络的发展为其提供了一种直接有效的解决方案。研究基于inceptions 结构神经网络的脱机手写汉字识别,提出了一种inception结构的改进方法,它具有结构更加简单、网络深度扩展更加容易、需要的训练参数量更少。该方法在数据集CISIA-HWDB1.1 上进行了实验验证,采用随机梯度下降优化算法,模型达到了96.95%的平均准确率。实验结果表明,使用改进的inception结构在图像分类上具有更好的鲁棒性,更容易扩展到其他应用领域。

提交时间: 2019-01-28 来自合作期刊:《计算机应用研究》 点击量254下载量129 评论 0

2. chinaXiv:201901.00148 [pdf]

面向图文匹配任务的多层次图像特征融合算法

郝志峰; 李俊峰; 蔡瑞初; 温雯; 王丽娟; 黎伊婷
分类: 计算机科学 >> 计算机科学的集成理论

现有主流的利用预训练卷积神经网络提取图像特征的方法存在如下问题:仅使用单层预训练特征表征图像;预训练任务与实际研究任务不一致。使得现有图文匹配方法无法充分利用图像特征,极易受到噪声特征干扰。针对上述问题,使用了预训练网络中的多层特征,并提出了多层次图像特征融合算法。在图文匹配的学习目标指导下,利用多层感知机(Multi-Layer Perceptron)有监督地融合和降维多层次的预训练图像特征,生成融合图像特征,从而充分利用预训练特征,减少噪声干扰。实验结果表明,提出的融合算法可实现对预训练的图像特征更有效的利用,相比于使用单层次特征的方法能获得更好的图文匹配效果。

提交时间: 2019-01-28 来自合作期刊:《计算机应用研究》 点击量203下载量111 评论 0

3. chinaXiv:201901.00172 [pdf]

抗同步化攻击的轻量级RFID双向认证协议

柳毅; 陈添笑; 洪洲
分类: 计算机科学 >> 计算机科学的集成理论

针对现有的RFID认证协议在安全认证过程中,由于协议的设计的缺陷,导致的协议安全性不足的问题,提出了一种利用同步化随机数以及PUF改进的轻量级RFID认证协议。首先提出了一种对RFID协议的去同步化攻击方法,并分析其原因;然后通过在标签和读写器两端设置一个同步化随机数,增强协议抗去同步化攻击的能力;最后,在标签中引入了PUF,通过PUF的不可克隆性提高了标签密钥的抗攻击能力。分析结果表明,新协议能有效地抵抗多种攻击,在保证一定效率和开销的同时具有更高的安全性。

提交时间: 2019-01-28 来自合作期刊:《计算机应用研究》 点击量57下载量31 评论 0

4. chinaXiv:201901.00174 [pdf]

一种改进的CCN兴趣包泛洪攻击防御方法

吴浔; 凌捷
分类: 计算机科学 >> 计算机科学的集成理论

内容中心网络(content-centric networking,CCN)中兴趣包泛洪攻击(interest flooding attack,IFA)是CCN网络安全的研究热点问题。为了提高CCN防御IFA的能力,针对不同防御方法进行了研究,提出一种改进的CCN兴趣包泛洪攻击防御方法。该方法根据CCN流平衡原理,采用恶意前缀溯源的方式,实现对IFA的快速检测,并通过改进和式增加积式减少(additive increase multi-plicative decrease,AIMD)算法,实现对IFA的防御。安全性分析表明,该方法在面对IFA时,能够更快的作出反应;并且相比于其他IFA防御方法,该方法在保证安全性的前提下,降低了CCN路由器在检测IFA时的计算开销。

提交时间: 2019-01-28 来自合作期刊:《计算机应用研究》 点击量38下载量20 评论 0

5. chinaXiv:201901.00062 [pdf]

基于ARM+FPGA平台的二值神经网络加速方法研究

孙孝辉; 宋庆增; 金光浩; 姜文超
分类: 计算机科学 >> 计算机科学的集成理论

目前,现有的卷积神经网络由于其结构复杂且依赖的数据集庞大,难以满足某些实际应用或者计算平台对运算性能的要求和能耗的限制。针对这些应用或计算平台,对基于ARM+FPGA平台的二值化算法进行了研究,并设计了二值神经网络,该网络减少了数据对存储单元的需求量,也降低了运算的复杂度。在ARM+FPGA平台内部实现时,通过将卷积的乘累加运算转换为XNOR逻辑运算和popcount等操作,提高了整体的运算效率,降低了对能源和资源的消耗。同时,根据二值神经网络中数据存储的特点,提出了新的行处理改进算法,提高了网络的吞吐量。总之,该实现方式在GOPS、能源和资源效率方面均优于现有的FPGA神经网络加速方法。

提交时间: 2019-01-03 来自合作期刊:《计算机应用研究》 点击量63下载量41 评论 0

6. chinaXiv:201812.00065 [pdf]

基于图像级标签及超像素块的弱监督显著性检测

谭台哲; 轩康西; 曾群生
分类: 计算机科学 >> 计算机科学的集成理论

针对获得训练数据集代价高昂问题,提出了一种用于图片显著性检测的弱监督新方法,在训练网络模型时仅使用图片级标签。方法分为两个阶段,在第一阶段,根据图片级标签训练分类模型,获得前景推断图;在第二阶段,对原图片进行超像素块处理,并与阶段一得到的前景推断图进行融合,从而细化显著对象边界。算法使用了现有的大型训练集和图像级标签,未使用像素级标签,从而减少了注释的工作量。在四个公共基准数据集上的实验结果表明,性能明显优于无监督的模型,与全监督模型相比也具有一定的优越性。

提交时间: 2018-12-13 来自合作期刊:《计算机应用研究》 点击量273下载量135 评论 0

7. chinaXiv:201812.00113 [pdf]

基于FP-Growth的智能家居用户时序关联操控习惯挖掘方法

梁天恺; 曾碧; 刘建圻
分类: 计算机科学 >> 计算机科学的集成理论

针对传统关联规则挖掘算法无法高效且准确地挖掘出隐含于用户操作记录中的时序关联操控习惯,提出一种基于FP-Growth的智能家居用户时序关联操控习惯挖掘算法。该算法分为三个阶段,分别基于用户操控动作森林、改进的FP-Growth算法和一种时间约束规则进行事务集的生成、时序频繁项集的生成以及最终时序关联操控习惯的生成。最后,使用真实用户操控记录进行对比实验,结果表明该算法能提高生成事务集的效率,并能更准确地发现用户操控家居设备的时序关联习惯。

提交时间: 2018-12-13 来自合作期刊:《计算机应用研究》 点击量77下载量46 评论 0

8. chinaXiv:201811.00138 [pdf]

基于多重因素的个性化学习推荐系统

匡容; 杨振国; 刘文印
分类: 计算机科学 >> 计算机科学的集成理论

为解决现有学习推荐算法中存在的忽略对学生知识点掌握情况的分析、不能将知识掌握程度概率化等问题,提出一种基于多重因素的学习推荐方法。该方法综合考虑知识点的综合权重、错误率和失分率多个因素构建知识点掌握概率模型,并应用所提出的策略实现一个在线的个性化学习推荐系统。系统评估上对200名高中生进行了一项调查,本系统推荐top-8知识点的准确率达到91.2%,F1达到78.4%。系统调查的结果显示了提出策略的有效性和可靠性。

提交时间: 2018-11-29 来自合作期刊:《计算机应用研究》 点击量328下载量155 评论 0

9. chinaXiv:201811.00149 [pdf]

基于叠层循环神经网络的语义关系分类模型

郝志峰; 陈培辉; 蔡瑞初; 温雯; 王丽娟
分类: 计算机科学 >> 计算机科学的集成理论

基于循环神经网络结合句法结构的方法被广泛运用于关系分类,利用神经网络对输入的编码信息自动获取特征并实现关系分类;然而,目前已有的方法主要是基于单一特定句法结构的模型,而特定句法结构的模型不能够迁移到其他句法结构类型上。针对该问题,提出一种融合多句法结构的叠层循环神经网络模型。该叠层循环神经网络分为两层进行网络构建,首先在序列层进行实体预训练,通过Bi-LSTM-CRF融合Attention机制,提高模型对文本序列上实体信息的关注度,从而获取更加准确的实体特征信息,促进关系层阶段更好地分类;其次在关系层,将Bi-Tree-LSTM嵌套在序列层之上,并将序列层的隐状态与实体特征信息传入关系层,利用共享参数对三种不同的句法结构进行加权学习,通过端到端的模型训练并实现语义关系分类。实验结果表明,该模型在SemEval-2010 Task8语料库上的marco-F1值达到了85.9%,并进一步地提升了模型的鲁棒性。

提交时间: 2018-11-29 来自合作期刊:《计算机应用研究》 点击量131下载量78 评论 0

10. chinaXiv:201811.00162 [pdf]

基于差分进化的多目标粒子群特征选择算法

李敏; 章国豪; 陈梓樑; 郭志勇; 胡晓敏
分类: 计算机科学 >> 计算机科学的集成理论

特征选择技术在大数据分析、图像处理、生物信息学等领域具有重要作用。在实际应用中,降低分类错误率和减少提取出的特征数量便于后续数据的利用,往往是两个冲突的目标。基于拥挤、变异和支配策略的多目标粒子群特征选择(crowding,mutation,dominance particle swarm optimization for feature selection,CMDPSOFS)算法是一种面向特征选择应用中特征数量最小和分类错误率最低的双目标优化算法。它使用三种不同的变异机制,用于保持群体多样性和平衡全局、局部搜索的能力,但其中的均匀变异使算法的随机性大大增加,产生较多适应值差的解,降低了算法收敛速度。改进的CMDPSOFS-II算法将差分进化算法中的变异算子和选择操作引入到CMDPSOFS算法中,实验结果表明CMDPSOFS-II算法在特征选择上得到比原来的方法更优的结果,更好地平衡了全局和局部搜索能力。

提交时间: 2018-11-29 来自合作期刊:《计算机应用研究》 点击量152下载量76 评论 0

123  尾页  转到  [3 页/ 29 条记录]