分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-05-10 合作期刊: 《计算机应用研究》
摘要： 针对一种新型的DDoS攻击—链路泛洪攻击(link-flooding attack，LFA)难以检测的问题，提出了SDN中基于MS-KNN(Mean Shift- K-NearestNeighbor)方法的LFA检测方法。首先通过搭建SDN实验平台，模拟LFA并构建LFA数据集；然后利用改进的加权欧氏距离均值漂移(Mean Shift，MS)算法对LFA数据集进行分类；最后利用K近邻(K-nearestneighbor，KNN)算法判断分类结果中是否具有LFA数据。实验结果表明，相较于KNN算法，利用MS-KNN不仅得到了更高的准确率，同时也得到了更低的假阳性率。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-01-03 合作期刊: 《计算机应用研究》
摘要： 跨网络用户身份识别的研究不但为多网络数据融合提供了依据，而且在用户身份监管、谣言控制等领域均有广泛应用价值。针对现有算法对用户兴趣在跨网络用户身份识别中作用的忽视以及时间复杂度高的问题，提出了基于用户兴趣的跨社交网络用户身份识别算法（UI-UI）。首先利用分块（blocking）思想对用户节点进行初筛选，以提升算法效率降低时间复杂度；其次根据用户产生内容（user generated content，UGC）和用户社交关系对用户兴趣进行建模，并计算兴趣相似度作为身份识别的依据；最后利用半监督学习的方法进行跨网络用户身份识别。通过在真实社交网络中进行实验，结果表明UI-UI算法能有效识别跨网络用户，且准确率和召回率稳定，运行时间显著减少。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-20 合作期刊: 《计算机应用研究》
摘要： 穿戴式跌倒检测中老年人特征属性过多会造成维数灾难，影响后续跌倒检测精度。针对此问题，首先采用时域分析法提取初始特征向量集，然后用提出的改进核主成分分析算法（IKPCA）对特征向量进行降维，从而获得优质的特征向量集，使得后续的分类具有更好的效果。IKPCA算法首先利用I-RELIEF算法对初始特征向量集进行特征选择，然后计算跌倒特征向量的信息度量和相似度度量，最后根据跌倒特征向量的相似度度量剔除无效的跌倒特征向量。IKPCA算法不但保持核主成分分析算法（KPCA）较好的降维能力，而且扩充了较好的分类能力。利用真实的数据集进行实验，对比分析表明，相比其他算法，IKPCA算法能够得到更优质的特征向量数据集。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-12 合作期刊: 《计算机应用研究》
摘要： 为了解决现有的多标签传播社区划分算法采用的随机顺序策略导致形成的社区划分结果不稳定和社区质量不够高的问题，提出了一种基于节点综合相似度的多标签传播社区划分算法MLPA-NCS。以节点潜在影响力的降序作为节点选择顺序，解决社区结果划分不稳定问题。根据节点的主题相似度和链接相关度计算出节点综合相似度，并以节点综合相似度降序作为更新节点标签时对邻近节点遍历的顺序，提高所划分社区的质量。采用真实数据集和人工网络数据，对多个算法进行对比实验，结果表明算法有效可行，社区划分结果更稳定，社区质量也更高。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-18 合作期刊: 《计算机应用研究》
摘要： 针对车载容迟网络连通性建模进行了研究。首先假设车辆驶入道路的过程服从泊松分布，以及车辆在道路上的行驶速度服从正态分布。继而对基于泊松过程的车间时距分布进行推导，并以此导出行驶车辆在道路上的连通概率。为了验证所提假设和连通模型的正确性和有效性，以欧洲城市卢森堡在7:30 a.m.~8:30 a.m.时间段内的交通数据为实验场景，在城市交通仿真平台（simulation of urban mobility，SUMO）对车辆速度的概率分布、车辆到达率、道路中的平均车辆数及网络连通概率进行了理论计算和仿真实验分析。实验结果表明理论模型的计算值和仿真结果是一致的，所提出的假设和连通模型具有合理性和正确性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-20 合作期刊: 《计算机应用研究》
摘要： 为了实现任务执行效率与执行代价的同步优化，提出了一种云计算环境中的DAG任务多目标调度优化算法。算法将多目标最优化问题以满足Pareto最优的均衡最优解集合的形式进行建模，以启发式方式对模型进行求解；同时，为了衡量多目标均衡解的质量，设计了基于hypervolume方法的评估机制，从而可以得到相互冲突目标间的均衡调度解。通过配置云环境与三种人工合成工作流和两种现实科学工作流的仿真实验测试，结果表明，比较同类单目标算法和多目标启发式算法，算法不仅求解质量更高，而且解的均衡度更好，更加符合现实云的资源使用特征与工作流调度模式。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-08-30 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］叶球是结球甘蓝的重要部分，其生长发育对田间管理至关重要。针对叶球分割识别存在大 田背景复杂、光照不均匀和叶片纹理相似等问题，提出一种语义分割算法UperNet-ESA，旨在能快速、准确地分 割田间场景中结球甘蓝的外叶和叶球，以实现田间结球甘蓝的智能化管理。［方法］首先，采用统一感知解析网络 （Unified Perceptual Parsing Network, UperNet） 作为高效语义分割框架，将主干网络改为先进的ConvNeXt，使得模 型在提升分割精度的同时也能具有较低的模型复杂度；其次，利用高效通道注意力机制（Efficient Channel Atten⁃ tion, ECA） 融入特征提取网络的各阶段，进一步捕捉图像的细节信息；最后，通过将特征选择模块（Feature Se⁃ lection Model, FSM） 和特征对齐模块（Feature Alignment Model, FAM） 集成到特征金字塔框架中，得到更为精确的 目标边界预测结果。［结果和讨论］在自制结球甘蓝图像数据集上进行实验，与目前主流的UNet、PSPNet和Deep⁃ labV3+语义分割模型相比，改进UperNet方法的平均交并比为92.45%，平均像素准确率为94.32%，推理速度为 16.6 f/s，能够达到最佳精度-速度平衡效果。［结论］研究成果可为结球甘蓝生长智能化监测提供理论参考，对甘 蓝产业发展具有重要的应用前景。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-08-30 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］农事行为活动识别对设施蔬菜生产精准化调控有着重要意义，在一定程度上可以通过查看 农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄 瓜叶片和设施遮挡导致识别准确率不高的问题，提出一种名为SlowFast-SMC-ECA （SlowFast-Spatio-Temporal Ex⁃ citation、Channel Excitation、Motion Excitation-Efficient Channel Attention）的农事活动行为识别算法。［方法］该算 法主要基于SlowFast模型，通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特 征和关键特征的提取能力。在Fast Pathway中，引入多路径激励残差网络的概念，通过在信道之间插入卷积操作来 增强它们在时域上的相互关联性，从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中，将传统的 Residual Block替换为ECA-Res结构，以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系， 提升了特征之间的语义信息传递，进而显著提升了农事行为识别的准确率。此外，为了解决数据集中类别不均衡 的问题，设计了平衡损失函数（Smoothing Loss），通过引入正则化系数，平衡损失函数可以有效地处理数据集中 的类别不均衡情况，提高模型在各个类别上的表现。［结果和讨论］改进的SlowFast-SMC-ECA模型在农事行为识 别中表现出良好的性能，各类行为的平均识别精度达到80.47%，相较于原始的SlowFast模型有约3.5%的提升。 ［结论］本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-07-17 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］叶球是结球甘蓝的重要部分，其生长发育对田间管理至关重要。针对叶球分割识别存在大 田背景复杂、光照不均匀和叶片纹理相似等问题，提出一种语义分割算法UperNet-ESA，旨在能快速、准确地分 割田间场景中结球甘蓝的外叶和叶球，以实现田间结球甘蓝的智能化管理。［方法］首先，采用统一感知解析网络 （Unified Perceptual Parsing Network, UperNet） 作为高效语义分割框架，将主干网络改为先进的ConvNeXt，使得模 型在提升分割精度的同时也能具有较低的模型复杂度；其次，利用高效通道注意力机制（Efficient Channel Atten⁃ tion, ECA） 融入特征提取网络的各阶段，进一步捕捉图像的细节信息；最后，通过将特征选择模块（Feature Se⁃ lection Model, FSM） 和特征对齐模块（Feature Alignment Model, FAM） 集成到特征金字塔框架中，得到更为精确的 目标边界预测结果。［结果和讨论］在自制结球甘蓝图像数据集上进行实验，与目前主流的UNet、PSPNet和Deep⁃ labV3+语义分割模型相比，改进UperNet方法的平均交并比为92.45%，平均像素准确率为94.32%，推理速度为 16.6 f/s，能够达到最佳精度-速度平衡效果。［结论］研究成果可为结球甘蓝生长智能化监测提供理论参考，对甘 蓝产业发展具有重要的应用前景。
分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2024-07-17 合作期刊: 《智慧农业（中英文）》
摘要： ［目的/意义］农事行为活动识别对设施蔬菜生产精准化调控有着重要意义，在一定程度上可以通过查看 农事操作的时间、操作过程是否合理来减少因农事行为不当导致产量下降。为了解决农事行为识别方法中由于黄 瓜叶片和设施遮挡导致识别准确率不高的问题，提出一种名为SlowFast-SMC-ECA （SlowFast-Spatio-Temporal Ex⁃ citation、Channel Excitation、Motion Excitation-Efficient Channel Attention）的农事活动行为识别算法。［方法］该算 法主要基于SlowFast模型，通过改进Fast Pathway和Slow Pathway中的网络结构来提高对于农事活动中手部动作特 征和关键特征的提取能力。在Fast Pathway中，引入多路径激励残差网络的概念，通过在信道之间插入卷积操作来 增强它们在时域上的相互关联性，从而更好地捕捉快速运动信息的细微时间变化。在Slow Pathway中，将传统的 Residual Block替换为ECA-Res结构，以提高对通道信息的捕获能力。这两项改进有效地加强了通道之间的联系， 提升了特征之间的语义信息传递，进而显著提升了农事行为识别的准确率。此外，为了解决数据集中类别不均衡 的问题，设计了平衡损失函数（Smoothing Loss），通过引入正则化系数，平衡损失函数可以有效地处理数据集中 的类别不均衡情况，提高模型在各个类别上的表现。［结果和讨论］改进的SlowFast-SMC-ECA模型在农事行为识 别中表现出良好的性能，各类行为的平均识别精度达到80.47%，相较于原始的SlowFast模型有约3.5%的提升。 ［结论］本研究在农事行为识别中展现出良好的性能。这对农业生产的智能化管理和决策具有重要意义。
点击量
通过
点击量
下载量
评论
