结合未知类特征生成与分类得分修正的SAR目标开集识别方法

现有合成孔径雷达(SAR)目标识别方法大多局限于闭集假定,即认为训练模板库内训练目标类别包含全部待测目标类别,不适用于库内已知类和库外未知新类目标共存的真实开放识别环境。针对训练模板库目标类别非完备情况下的SAR目标识别问题,该文提出一种结合未知类特征生成与分类得分修正的SAR目标开集识别方法。该方法在利用已知类学习原型网络保证已知类识别精度的基础上结合对潜在未知类特征分布的先验认知,生成未知类特征更新网络,进一步保证特征空间中已知类、未知类特征的鉴别性。原型网络更新完成后,所提方法挑选各已知类边界特征,并计算边界特征到各自类原型的距离(极大距离),通过极值理论对各已知类极大距离进行概率拟合确定了各已知类最大分布区域。测试阶段在度量待测样本特征与各已知类原型距离预测闭集分类得分的基础上,计算了各距离在对应已知类极大距离分布上的概率,并修正闭集分类得分,实现了拒判概率的自动确定。基于MSTAR实测数据集的实验结果表明,所提方法能够有效表征真实未知类特征分布并提升网络特征空间已知类与未知类特征的鉴别性,可同时实现对库内已知类目标的准确识别和对库外未知类新目标的准确拒判。

基于多项式特征生成的卷积神经网络

基于一维特征数据的多项式特征生成法,提出一种高维特征数据利用多项式特征生成法生成特征数据的数据增强算法,同时提出一种卷积神经网络训练时将生成的多项式特征数据与神经网络模型相融合的算法,其可将生成的多项式特征数据与卷积神经网络模型进行有机结合,并改善卷积神经网络模型建模时由于数据样本有限、数据样本总量固定、可使用的数据样本差异性小等数据限制所导致的模型识别准确率低、模型的泛化性能有限等问题.实验结果表明,该方法的卷积神经网络模型准确率得到了有效提升.

多模态图像局部极值点特征生成方法仿真

针对因多模态图像特征种类较多、存在噪声干扰导致的特征生成难度较大的问题,提出一种基于改进CNN的图像局部特征生成方法。引入注意力机制,计算像素分布序列中上一时刻与下一时刻之间的信息模态关联,针对图像中的不同区域均给出同等权重,获取区域信息。建立灰度共生矩阵,矩阵中每一层都有与自身相对应的像素值,提取待生成图像的全局灰度均值,在矩阵中查找局部极值点的对应层次,提取该层次中梯度量级和偏导系数,通过偏导系数与全局特征调试对比,实现多模态图像局部特征生成。实验结果表明,所提方法针对样本图像的特征生成效果较好,基本不受图像噪点和局部遮挡的影响。

基于CVAE-ACGAN特征生成模型的轴承故障诊断

针对传统故障特征生成模型在学习训练时具备不可控性、单一性和收敛速度慢的缺点从而导致故障诊断模型的诊断效果不理想的问题,通过将条件变分自动编码器(CVAE)模型可结合故障数据的类别属性进行隐含特征提取的优势与辅助分类生成式对抗网络(ACGAN)模型较好的提取类条件特征能力相结合,创新性地提出CVAE-ACGAN特征生成模型。在提高生成特征质量的基础上,兼顾模型的收敛速度和抗干扰能力。以公开轴承数据集作为数据源,与4种特征生成模型的故障诊断效果进行对比。结果表明,CVAE-ACGAN模型可在实际故障诊断中对故障数据集进行有效的扩充,进而提高故障诊断的精确度。

基于可回溯动态污点分析的攻击特征生成方法

现有黑盒或白盒的攻击特征生成方法面临样本采集困难、自动化程度较低、依赖源代码等问题。为此提出了一种基于可回溯动态污点分析的攻击特征生成方法,通过监控进程动态执行流程,提取与攻击输入相关的操作序列和约束条件,重建特征执行环境并添加判定语句,生成图灵机式的攻击特征。构造原型系统并进行测试的结果表明该方法能快速生成简洁高效的攻击特征。

一种基于聚类加权的文本特征生成算法

目前的文本特征生成算法一般采用加权的文本向量空间模型,该模型使用TF-IDF评价函数来计算单个特征的权值,这种算法生成的文本特征冗余度往往都比较高。针对这一问题,采用了一种基于聚类加权的文本特征生成算法,首先对特征候选集进行初始加权处理;然后通过语义和信息熵对特征进行进一步加权处理;最后使用特征聚类对冗余特征进行剔除。实验表明该算法比传统的TF-IDF算法的平均分类准确率高出5%左右。

深度卷积神经网络鉴别正交特征生成及其应用

针对现有深度卷积神经网络在小样本学习时的泛化性问题,本文提出一种鉴别正交特征生成方法.该方法通过正则化技术对网络非负中间层特征输出的异类正交度和同类相关度进行优化,生成具有稀疏特性的网络中间层鉴别正交特征.为有效调节稀疏度以控制网络容量,采用正则化系数自适应调节方式逼近预设特征稀疏度目标.为提高特征生成计算效率,进一步设计了随机2类别鉴别正交特征生成反向传播规则.随后在数据集MNIST上进行了小样本手写体数字识别对比实验,验证了本文方法的稀疏度调节特性和网络表达容量控制能力.通过反卷积可视化,进一步发现本文方法还具有衍生出的局部鉴别区域聚焦特性.最后,将鉴别正交特征生成卷积网络应用到老年痴呆症3D磁共振影像分析上.实验结果表明,本文方法用于老年痴呆症诊断,不仅诊断效果更好,而且利用其良好的局部聚焦性,还成功定位了老年痴呆症与健康对照组典型差异脑区.

基于间接域适应特征生成的直推式零样本学习方法

近年来,零样本学习备受机器学习和计算机视觉领域的关注.传统的归纳式零样本学习方法通过建立语义与视觉之间的映射关系,实现类别之间的知识迁移.这类方法存在着可见类和未见类之间的映射域漂移(projection domain shift)问题,直推式零样本学习方法通过在训练阶段引入无标定的未见类数据进行域适应,能够有效地缓解上述问题并提升零样本学习精度.然而,通过实验分析发现,这种直接在视觉空间同时进行语义映射建立和域适应的直推式零样本学习方法容易陷入“相互制衡”问题,从而无法充分发挥语义映射和域适应的最佳性能.针对上述问题,提出了一种基于间接域适应特征生成(feature generation with indirect domain adaptation,FG-IDA)的直推式零样本学习方法.该方法通过串行化语义映射和域适应优化过程,使得直推式零样本学习的这两大核心步骤能够在不同特征空间分别进行最佳优化,从而激发其潜能提升零样本识别精度.在4个标准数据集(CUB,AWA1,AWA2,SUN)上对FG-IDA模型进行了评估,实验结果表明,FG-IDA模型不仅展示出了相对其他直推学习方法的优越性,同时还在AWA1,AWA2和CUB数据集上取得了当前最优结果(the state-of-the-art performance).此外还进行了详尽的消融实验,通过与直接域适应方法进行对比分析,验证了直推式零样本学习中的“相互制衡”问题以及间接域适应思想的先进性.

基于LSTM和特征生成的网络流量分类

本文提出了一种将特征生成和长短期记忆(long short term memory, LSTM)模型相结合的网络流量分类方法。该方法采用矩阵乘法特征生成方式,分析对比了不同特征生成方法的分类性能。通过实验比较了原数据和特征数据在分类问题上的准确性,并比较了卷积神经网络(convolutional neural network, CNN)和本文方法用于网络流分类的效果。在统计特征时采用核函数,使其可以适应LSTM输入维度,获得更佳的分类效果。对真实网络流数据的实验结果表明,本文方法在细分类中的准确度可达93.9%,而在粗分类任务中可达99.2%,其性能明显优于现有其他分类方法。

Pro/E三维造型特征生成失败原因及其修复

Pro/E软件三维造型的过程中,经常会遇到特征生成失败的问题。如何分析特征生成失败的原因及寻求解决的办法,成了众多Pro/E软件学习者、工作者的一大难题。造成这一问题的原因是多方面的、错综复杂的,解决的方法也多种多样。在这里提出了一些常见的问题,解决的思路,并试图用最简单的例子来把抽象的问题说明清楚。

基于特征生成的轴承不均衡数据故障诊断

针对实际生产中难以获得足量的故障样本数据导致训练中样本不均衡、样本不足等问题,提出了一种基于特征聚类的过采样算法,并将其与卷积神经网络相结合的滚动轴承故障诊断模型。该模型将频域信号作为模型的输入,通过卷积神经网络进行特征提取,再通过过采样技术生成新的特征数据实现数据的均衡化,将新生成的特征数据和原有特征一同输入到支持向量机(SupportVector Machine,SVM)分类器中完成样本的分类,实现滚动轴承的故障诊断。通过对比实验,结果表明该方法可以有效解决数据不均衡的问题。

全球化技术演进中醴陵釉下五彩瓷的特征生成

醴陵釉下五彩瓷的特征生成体现了现代技术演进的全球化过程,是传统手工艺转向现代形式的典型案例。其特征衍生与欧洲的罗森塔尔、韦奇伍德等高温彩瓷的工艺原理相同,与德国人瓦格纳在日本研发的“吾妻烧”极为相似,是西方现代技术与东方传统工艺结合的成果,其衍生途径为全球化背景下传统工艺的转型和发展提供经验。

基于特征生成方法的Android恶意软件检测方法

针对传统特征工程中需要大量专家经验和人力的不足,研究了基于特征生成方法的Android恶意软件检测方法。基于UC Berkeley的ExploreKit自动特征生成方法,通过对原始特征计算获得大量候选特征,根据候选特征的元特征预测其性能并进行评估排序,使用贪心算法从中选出能够提升模型性能的新特征。从APK中提取了敏感API、危险权限等多种特征,在根据信息增益对特征进行筛选后,输入到特征生成框架中,使用C4.5、SVM和随机森林等作为分类模型。实验证明,该方法使错误率平均降低了24.6%,准确率达到了96.5%,曲线下面积(Area Under Curve,AUC)达到了0.99。

基于生成式对抗网络的拟态蜜罐特征生成方法

拟态蜜罐借鉴生物拟态博弈思想,是一种综合运用“蜜罐模拟服务特征”的保护色机制和“服务模拟蜜罐特征”的警戒色机制进行诱骗博弈的动态蜜罐技术,其核心策略是特征生成与演化。生成式对抗网络(GAN)则是一种特征生成方法,它通过生成器与判别器之间的对抗博弈,使生成器生成的数据达到“以假乱真”的效果,其对抗博弈的思想与拟态蜜罐思想极为相近。本文提出一种基于生成式对抗网络的拟态蜜罐特征生成方法MMHP-GAN(Mimicry honeypot-GAN),通过对MMHP-GAN的结构及参数优化训练,产生真假难辨的蜜罐或服务新特征。实验表明,通过该方法生成的特征数据进行演化,服务可以有效抵抗攻击,并且通过对比,本文的方案要优于当前已有的特征生成方案。

基于局部对比学习与新类特征生成的小样本图像分类

现有的图像分类方法通常依赖于大规模的标注数据,但当数据有限时,方法在局部特征表示能力和样本数量上都存在不足.为了缓解此问题,文中提出基于局部对比学习与新类特征生成的小样本图像分类方法.首先,引入局部对比学习,将图像表示为多个局部特征并进行监督对比学习,增强模型的局部特征表示能力.然后,通过全局对比学习,确保图像整体特征的可分性.最后,在对比学习的基础上,提出特征生成方法,利用基类数据的类别原型生成新类别的样本特征,有效缓解小样本条件下的数据不足问题.在公共数据集上的实验表明,文中方法性能较优.

融合评论序列二义性与生成用户隐私特征的谣言检测

现有谣言检测工作存在以下问题:1)没有同时捕获评论序列的文本语义特征和时间周期特征;2)在隐私保护环境下无法获取用户个人资料,导致传播结构中的信息难以充分融合。为此,提出融合评论序列二义性与生成用户隐私特征的谣言检测模型(RD-CSGU)。综合考虑了评论序列不同视角下的文本语义特征和时间周期特征,同时构建了反映传播过程中用户之间社交互动关系的谣言传播异质网络,并基于该网络中的语义关系通过生成对抗网络(GAN)生成用户的隐私特征,解决了用户个人资料访问受限的问题。在Twitter15、Twitter16、Weibo数据集上展开有效性验证,与次优基线模型GLAN(Global-Local Attention Network)相比,RD-CSGU的准确率(Acc)分别提升了0.9、2.2和1.8个百分点,真谣言F1(TR-F1)值分别提升了2.6、6.8和1.9个百分点;结合消融实验及GAN生成嵌入分析的实验结果表明,RD-CSGU能有效检测出社交媒体平台上发布的谣言帖子。

文本表示及其特征生成对法律判决书中多类型实体识别的影响分析

【目的】探索法律判决书中不同模型的实体识别效果,为法律知识库的构建奠定基础。【方法】提取刑事判决书中的庭审过程和法院意见构造数据集,比较人工构造特征的CRFs模型和加入预训练词向量做文本表示的自动生成特征的IDCNN-CRFs模型与BiLSTM-CRFs模型的实体识别效果,并在少量其他类型法律判决书文本上比较模型的迁移能力。【结果】ALBERT-BiLSTM-CRFs模型实体识别效果最好,F1微平均值达95.28%;IDCNN-CRFs模型的识别效果低于前者,但训练时间是前者的1/6,两个模型均具有较好的迁移能力。【局限】识别的实体多为通用实体,后续考虑标注更多领域特有实体,增强研究对实际应用的参考价值。【结论】法律判决书的实体识别中,ALBERT-BiLSTM-CRFs和IDCNN-CRFs模型比CRFs模型效果更好,且迁移能力更强。

编码理论视域下新疆旅游短视频内容生成特征

目前,国内旅游市场正迎来有序快速发展期,2024年,新疆旅游也将迎来火爆场面。为抓住市场机遇,各大文旅部门利用现代传媒方式进行宣传,新疆各地也将持续实施“旅游兴疆”战略。在旅游方面,短视频更具视觉传播优势,它的媒介特质和传播目的都让其凭借娱乐化、互动性强的特点在短时间内吸引了大量观众的注意力,能够增强观众出行意愿,推进新疆地区旅游文化的传播。

川西地区上三叠统轻烃的生成特征

对川西地区井下上三叠统剖面须五段—须一段 (2 5 30～ 3780m)新鲜生油岩岩屑系统取样 ,作吸附烃分析、研究 ,得出了该区陆相有机质C4—C7轻烃的生成演化规律 ,共分为环烷烃、链烷烃和芳香烃等三个发展阶段。以大量实验数据作出的轻烃族组成热演化三角图 ,为气藏中陆相凝析油与陆相生油岩、以及同一构造不同储层 (不同成熟度 )之间陆相凝析油的C4—C7轻烃对比奠定了重要基础。在井下系统剖面轻烃族组成纵向变化研究中 ,发现了当Ro 达 1 18%时 ,庚烷值和异庚烷值发生倒转这一重要现象 ,并以此为契机 ,提出了对Thompson凝析油热演化程度判别标准的修正方案。此外 ,从轻烃生成阶段出发 ,结合本区地质特点 ,建立了川西地区陆相有机质的成烃模式 ,即气—环烷凝析油阶段 ,Ro=0 5 5 %～ 1 13% ;气—链烷凝析油阶段 ,Ro=1 0 8%～ 1 4 0 % ;气—芳烃凝析油或干气阶段 ,Ro≥ 1 30 %～ 1 4 0 %

教育强国背景下教育家型教师的内涵阐释、生成特征与系统造就

造就高素质专业化的教师队伍,培养数以万计的教育家型教师是实现中国式教育现代化的必然要求,也是建成教育强国的重要保障。教育家型教师是一个具有中国特色的概念,本研究从政策话语、词源演变、文献分析、教师专业化等四个视角解读了教育强国背景下教育家型教师的独特概念内涵。在教育强国背景下,教育家型教师的生成特征表现为政治导向与时代发展相统一、内在生成与外部培育相统一、局部偶发与整体涌现相统一、理论建构与实践探索相统一。中国特色的教育家型教师培育面临着三个层面的现实藩篱:一是教育评价偏向工具理性,教师成为教育家型教师的评价机制不够健全;二是理论与实践相互支持不够,教师成为教育家型教师的外部环境亟须优化;三是理想信念引领不足,教师成为教育家型教师的群体自觉性有待提高。造就数以万计的教育家型教师需要系统发挥国家、社会、学校等多方面的力量,建构内外联动、持续优化的教育家型教师成长生态:加强顶层设计,制定多元化、具有前瞻性的教育政策和层级化、一体化的教师专业发展标准;凝聚社会力量,营造理解、包容、协同的社会支持环境;强化精神赋能,涵育教育家型教师共同成长的精神共同体、专业共同体和生态共同体。