Current Location:home > Browse
Your conditions: 李玥(4)

1. chinaXiv:201810.00077 [pdf]

一种非线性尺度空间自适应均衡水印算法

齐向明; 李爽; 李玥; 候明君
Subjects: Computer Science >> Integration Theory of Computer Science

针对线性尺度空间水印算法嵌入水印位置定位不够精确,嵌入强度参数选取随机,提出一种非线性尺度空间自适应均衡水印算法。利用KAZE算法提取并筛选出非线性尺度空间稳定性强的特征点,构建嵌入水印区域;将水印图像奇异值分解,构造新矩阵作为待嵌入水印载体,通过调整果蝇优化算法的适应度函数计算嵌入强度,结合DWT-SVD算法自适应完成嵌入水印过程。对受到攻击的水印图像提取特征点,合成特征区域矩阵,使用嵌入水印的逆过程,提取水印。实验结果表明,PSNR值均达到44 dB以上,平均NC值高达0.99,有效均衡了水印算法的不可见性和鲁棒性。

submitted time 2018-10-11 From cooperative journals:《计算机应用研究》 Hits193Downloads112 Comment 0

2. chinaXiv:201806.00181 [pdf]

ABCA1敲低对小鼠巨噬细胞中Pam3CSK4引起的炎症反应的双向调节作用

李玥; 蓝茜; 武丽涛; 杜小娟; Ezra Kombo Osoro; 李冬民; 吕社民
Subjects: Medicine, Pharmacy >> Preclinical Medicine

目的:检测ABCA1敲低对巨噬细胞中Pam3CSK4引起的炎症应答的影响。方法构建小鼠单核巨噬细胞RAW264.7的ABCA1敲低的稳定细胞系,以TLR2配体Pam3CSK4刺激该细胞系建立炎症反应细胞模型,在该细胞模型上检测相关促炎和抗炎细胞因子转录水平的表达变化。结果ABCA1敲低的RAW264.7稳定细胞株在Pam3CSK4刺激后,IL-1β,TNF-α和IL-6表达发生显著上调(P<0.01),而转录抑制因子cAMP依赖性转录因子3(ATF3)也发生显著上调(P<0.01);与此同时,ATF蛋白家族中其它因子ATF1,ATF2,ATF4和ATF5转录水平没有发生显著变化。结论在巨噬细胞RAW264.7中,ABCA1敲低显著上调Pam3CSK4引起的促炎因子IL-1β,TNF-α和IL-6的表达的同时,也显著上调了具有抗炎效应的ATF3的表达,其对炎症反应的影响可能并非是单向的促炎作用,而是发生双向的调节,而ABCA1参与上调ATF3表达的机制可能也与其ATF蛋白家族其他成员的上游调节机制不同。

submitted time 2018-06-15 From cooperative journals:《南方医科大学学报》 Hits167Downloads95 Comment 0

3. chinaXiv:201804.02132 [pdf]

一种尺度空间特征区域的强鲁棒性水印算法

齐向明; 徐嫚; 李玥; 侯明君
Subjects: Computer Science >> Integration Theory of Computer Science

针对数字水印算法中特征区域选取不足以反映图像重要信息,导致鲁棒性减弱的问题,提出一种尺度空间特征区域的强鲁棒性水印算法。通过尺度空间特征点检测,提取靠近载体图像重心且互不重叠的特征区域,合成特征区域矩阵,用变换域水印算法嵌入水印,对可能受到攻击的含水印图像提取特征区域,合成其特征区域矩阵,用嵌入水印算法逆过程提取水印。实验表明,该算法不仅对一系列攻击都具有强鲁棒性,且不可见性良好。

submitted time 2018-04-17 From cooperative journals:《计算机应用研究》 Hits314Downloads213 Comment 0

4. chinaXiv:201804.01447 [pdf]

Word2Vec-ACV:OOV语境含义的词向量生成模型

王永贵; 郑泽; 李玥
Subjects: Computer Science >> Integration Theory of Computer Science

针对Word2Vec模型生成的词向量缺乏语境的多义性以及无法创建集外词(OOV)词向量的问题,引入相似信息与Word2Vec模型相结合,提出Word2Vec-ACV模型。该模型首先基于连续词袋(CBOW)和Hierarchical Softmax的Word2Vec模型训练出词向量矩阵即权重矩阵;然后将共现矩阵进行归一化处理得到平均上下文词向量,再将词向量组成平均上下文词向量矩阵;最后将平均上下文词向量矩阵与权重矩阵相乘得到词向量矩阵。为了能同时解决集外词及多义性问题,将平均上下文词向量分为全局平均上下文词向量(Global ACV)和局部平均上下文词向量(Local ACV)两种,并对两者取权值组成新的平均上下文词向量矩阵。将Word2Vec-ACV模型和Word2Vec模型分别进行类比任务实验和命名实体识别任务实验,实验结果表明,Word2Vec-ACV模型同时解决了语境多义性以及创建集外词词向量的问题,降低了时间消耗,提升了词向量表达的准确性和对海量词汇的处理能力。

submitted time 2018-04-12 From cooperative journals:《计算机应用研究》 Hits261Downloads162 Comment 0

  [1 Pages/ 4 Totals]