分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-11-29 合作期刊: 《计算机应用研究》
摘要： 线性扫频干扰是战场中常用的干扰样式之一，对其进行及时检测并做出高效抗干扰决策具有重要意义。提出一种考虑虚警概率和漏检概率指标的低复杂度线性扫频干扰检测算法，并对算法性能进行了理论分析，为实际通信系统判断受扰情况提供判断依据；然后，提出一种基于Q学习的抗扫频干扰算法，可在无线通信系统遭遇扫频干扰时，自主选择最佳的通信信道和最长驻留时间。最后仿真结果表明所提检测算法可有效检测出线性扫频干扰信号，以较低复杂度得到与理论分析结果相近的检测性能。所提抗扫频干扰学习算法可在干扰环境中自主选择通信信道，高效规避扫频干扰，实现持续可靠的信息传输。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-11-29 合作期刊: 《计算机应用研究》
摘要： 为进一步提高个性化标签推荐性能，针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷，提出一种基于潜在标签挖掘和细粒度偏好的个性化标签推荐方法。首先，提出利用用户和项目的上下文信息从大量未观测标签中挖掘用户可能感兴趣的少量潜在标签，将标签重新划分为正类标签、潜在标签和负类标签三类，进而构建对标签的细粒度偏好关系，在缓解标签稀疏性的同时，提高对标签偏好关系的表达能力；然后，基于贝叶斯个性化排序优化框架对细粒度偏好关系进行建模，并结合成对交互张量分解对偏好值进行预测，构建细粒度的个性化标签推荐模型并提出优化算法。对比实验表明，提出的方法在保证较快收敛速度的前提下，有效地提高了个性化标签的推荐准确性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-08-13 合作期刊: 《计算机应用研究》
摘要： 针对现有基于大数据和深度学习的目标检测框架对于高分辨率复杂大场景中低分辨率小目标识别效果较差，多目标检测的精度和实时性难以平衡的问题，改进了基于深度学习的目标检测框架 SSD（single shot multibox detector），提出一种改进的多目标检测框架DRZ-SSD（DRZ），将其专用于复杂大交通场景多目标检测。检测以从粗到细的策略进行，分别训练一个低分辨率粗略检测器和一个高分辨率精细检测器，对高分辨率图像进行下采样获得低分辨率版本，设计了一种基于增强学习的动态区域放大网络框架（DRZN），动态放大低分辨率弱小目标区域至高分辨率再使用精细检测器进行检测识别，剩余图像区域使用粗略检测器进行检测，对弱小目标的检测与识别精度以及运算效率的提高效果明显；采用模糊阈值法调整自适应阈值策略在避免适应数据集的同时提高模型的决策能力，显著降低检测漏警率和虚警率。实验表明，改进后的DRZ-SSD在应对弱小目标、多目标、杂乱背景、遮挡等检测难度较大的情况时，均能获得较好的效果。通过在指定数据集上测试，相比于其他基于深度学习的目标检测框架，各类目标识别的平均准确率提高了 4~15%，平均准确率均值提高了约9~16%，多目标检测率提高13~34%，检测识别速率达到38帧/s，实现了算法精度与运行速率的平衡。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-08-13 合作期刊: 《计算机应用研究》
摘要： 为实现无人装备在野外环境下，对非结构化道路进行自动、普适和精准的识别与导向，提出了一种基于图推模型与智能寻优的野外场景道路导向算法。首先将图像分割为同质超像素块，对超像素块的多特征进行融合，构造训练集；改进传统拉普拉斯支持向量机算法，结合超像素块位置信息动态选取道路区域超像素种子块，训练超像素块的多类别分类回归器和相邻超像素的一致性回归器；结合两种回归器的回归值构造马尔科夫随机场的能量函数，再利用标准图割算法迭代求取最小化能量函数实现初始道路推理分割； 结合道路初分割结果，依据人对道路的直观感知设定约束条件构造目标函数，利用差分免疫克隆进化算法智能寻优提取道路的导向线。在南京珠山采集的数据和DARPA Grand Challenge数据库上进行检测，并与经典算法的道路导向效果进行定性和定量比较，结果表明该算法在野外环境下对非结构化道路的导向线提取精度总体达91.79%以上，相比于经典算法，检测精准度分别提升48.1%和35.5%，算法处理效率分别提升98.6%和97.8%，在检测的实时性与精准度问题上实现了平衡，具有较强的应用前景。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-24 合作期刊: 《计算机应用研究》
摘要： 针对互联网大规模网络攻击检测难题，结合词向量特征表示与循环神经网络，提出了一种门控记忆网络检测方法。该方法首先将网络请求数据转换为低维实值向量序列表示，然后利用门控循环神经网络的长时记忆能力提取请求数据的特征，最后采用逻辑斯特回归分类器实现了对网络攻击的自动检测。在CSIC2010公开数据集上，达到了98.5%的10折交叉验证F1分数。与传统方法相比，较大幅度地提高了网络攻击检测的准确率和召回率。所提方法可自动检测网络攻击，具有良好的检测效果。
点击量
点击量
下载量
评论
