基于知识蒸馏的特征精炼相互学习方法

为解决相互学习中两个小型学生网络在训练过程出现图像局部信息丢失,造成单个学生网络接收精炼特征图不完整的问题,提出基于知识蒸馏的特征精炼相互学习方法。通过对每个学生网络配备辅助网络,提供精炼特征映射和软标签,保留特征的局部信息,为学生网络之间相互学习传递精炼提取知识,提高视觉任务适用性。实验结果表明,在细粒度视觉分类任务公开数据集和基准数据集下的准确率与深度相互学习和自我知识蒸馏方法相比均有明显提升。

Word文档自动判卷的实现

本文介绍了解决Word文档自动判卷的关键技术 ,同时提供了具体实现的部分程序流程和代码。

新工科背景下计算机专业新生工程教育与创新素质培养的改革与实践

以"新工科"建设为背景,结合高校工科专业大一学生对专业学习缺乏认知和认同、对专业学习感到迷茫与困惑、缺乏专业学习兴趣等问题,坚持"以学生为中心"的教育理念,在新生入学第一学年开展工程教育及创新素质培养教学改革。教改从课程设置、课程内容、教学模式、教学方法、校企合作等方面开展研究与实践,推进面向提升自主学习能力、实践动手能力、合作交流能力、创新创意能力的工程教育教育课程建设。实施效果表明,计算机专业新生工程教育与创新素质培养改革与实践取得预期效果,在大一新生中初步形成工程与专业的认知。

基于支持向量机的信用卡欺诈检测

针对信用卡使用过程中存在的欺诈消费行为,运用支持向量机(Support Vector Machine,SVM)建立信用卡欺诈检查模型,以期取得较好的预测分类能力。本文从模型建立、模型评估、模型分析较为详细地介绍了模型的设计与实现过程,并将此模型分类结果与ID3+BP神经网络分类结果进行比较,验证了该模型的可行性和SVM分类的有效性。

ERwin在智能考试系统中的应用

介绍了ERwin的特点,以一个具体的实例应用阐述了如何使用ERwin在数据库设计阶段建立逻辑模型和物理模型,并用物理模型在数据库服务器上产生模型实例等技术问题,并给出了使用ERwin建立的智能考试系统的逻辑模型和物理模型.对于想高效、快速建立实体 关系(E R)模型的数据库应用程序的开发者来说,有一定的参考价值和借鉴意义.

基于置信度和神经网络的信用卡异常检测

针对信用卡使用过程中存在的异常消费行为,提出一种新的基于置信度和神经网络的信用卡异常检测方法以及采用ROC分析技术确定系统检测阈值方法,实现了对消费行为特征属性数据的置信度计算,利用BP神经网络建立了信用卡消费行为异常检测模型。实验结果表明,该检测模型不依赖于单个持卡用户,ROC分析技术的引入确保了检测的准确性和有效性,系统的实现对信用卡异常检测有较好的实用性和适应性。

基于图的半监督协同训练算法

在分类器训练过程中,无标记数据的引入容易产生噪音,从而降低分类精度。为此,提出一种基于图的置信度估计半监督协同训练算法。利用样本数据自身的结构信息,计算无标记样本所属类别概率。采用多分类器对无标记数据进行置信度估计,以提高无标记数据挑选标准,减少噪音数据的引入。在UCI数据集上的对比实验验证了该算法的有效性。

Java Web Start技术在网络智能考试系统中的应用

分析了JavaWebStart的特点 ,结合网络智能考试系统的具体应用阐明了JavaWebStart发布应用程序的工作原理和技术 ,对于希望开发类似传统应用程序全功能程序并且不依赖于浏览器 ,又能够通过网络进行安全的发布和升级的项目来说 ,具有普遍的参考意义。

OBE理念下工科“课程思政”示范专业建设探讨

落实立德树人根本任务是将价值塑造、知识传授和能力培养三者融为一体,其成效是检验高校工作的根本标准。结合网络工程专业特点,围绕政治认同、家国情怀、文化素养、宪法法治意识、道德修养等开展课程思政专业建设,合理规划人才培养方案,把思想政治教育贯穿人才培养全过程、各环节,从“课程思政”专业建设思路、建设方案、效果评价及质量保障推进专业建设,促进学生德智体美劳全面发展。

网络教学系统中促进自主学习的设计

为了解决网络教学系统缺乏对自主学习支持的问题 ,应用学习理论指导 ,对促进网上自主学习的条件进行了研究 ,加强系统自主学习工具和环境的设计 ,据此提出一个促进自主学习的网络远程教学系统模型并加以实现 ,对实现的部分关键技术和应用的效果进行了阐述 .实践结果表明 。

基于遗传算法的噪声过滤协同训练算法

为解决分类器训练过程中由于无标记数据的引入,容易产生噪音、降低分类精度的问题,提出了基于遗传算法的噪声过滤协同训练算法(CGA)。充分利用遗传算法的寻优功能,产生高适应度的分类规则,达到辅助协同训练算法挑选有价值的无标记数据,降低噪音的引入,确保参与协同训练分类器的精度和性能得到有效更新的目的。在UCI数据集上的实验验证了该算法的有效性。

VB中调用ORACLE的研究及应用

本文首先分析了VB对外部数据库访问的基本原理 ,在讨论了Oracle的数据库特点后 ,详细阐述了VB调用远程数据库技术 。

信用卡欺诈行为多层动态检测模型

针对信用卡使用过程中存在的欺诈消费行为,相关信用卡欺诈检测的技术得到广泛的应用。在现有的检测技术基础上,本文提出了信用卡欺诈行为多层动态检测模型。该模型的提出有助于解决由于消费行为变化而引起的模型调整问题。

基于图的半监督协同训练算法

针对协同训练算法对无标记数据挑选效率较低,导致噪声数据引入问题,提出了基于图的置信度估计半监督协同训练算法(CESL)。利用样本数据自身的结构信息,显式计算无标记样本所属类别概率。同时,采用了多分类器隐式对无标记数据进行置信度估计,以提高无标记数据挑选标准。将显示计算和隐式估计结合对无标记数据进行选择,减低噪音数据的引入,更新分类器。在UCI数据集上的对比实验表明了该算法的有效性。

多层感知器深度卷积生成对抗网络

生成对抗网络(GAN)是目前图像生成领域中一种新的、有效的训练生成模型方法。深度卷积生成对抗网络(DCGAN)作为GAN的一种延伸,将卷积神经网络引入到生成模型中进行无监督训练。但DCGAN的线性卷积层对于下层数据块是一个广义线性模型,其抽象层次较低,生成的图像质量不高,并且在模型性能度量方面仅以主观的视觉感受来评判图像质量。针对以上问题,文中提出了一种多层感知器深度卷积生成对抗网络(MPDCGAN),采用多层感知器卷积层取代广义线性模型在输入数据上进行卷积,以捕获图像更深层次的特征,并采用定量评估方法Frechet Inception Distance(FID)衡量图像生成质量。在4种基准数据集上的实验结果表明,采用MPDCGAN生成的图像的 FID 值与图像质量呈负相关关系,且图像生成质量随着 FID 值的降低得到了进一步的提高。

基于混沌序列的公有云存储隐私保护机制

为以低开销实现公有云存储中的数据隐私保护及密钥管理,提出一种基于Logistic混沌序列的公有云存储隐私保护机制。根据云中数据的存储特点,综合使用一维、二维Logistic混沌系统及数据分割技术,通过不同的密钥生成方法,提供不同级别强度的隐私保护。实验结果表明,该方法可以在保护外包数据隐私的同时,有效降低密钥管理难度。

基于可信度和流控的SDN控制器DoS防御算法

为解决针对SDN控制器的DoS攻击问题,受FlowRanger队列优先级检测算法的启发,借鉴传统网络中的流控思想,提出一种基于可信度和流控的SDN控制器DoS防御算法。根据控制器攻击状态来确定用户的可信度,采用令牌漏桶算法的流控思想,降低请求队列溢出的概率,降低队列的拥塞程度。采用加权的轮询调度策略,根据用户可信度和请求数量计算每次应该转发的请求数目。通过在SDN环境中DoS攻击实验模拟,验证了该算法比FlowRanger算法和默认的FCFS算法有更高的防御能力。

一种基于分布式存储系统的Piggyback码

随着大数据时代的来临,纠删码在分布式存储系统中有着越来越重要的应用.Piggyback码作为纠删码的一种,因其同时具有高效率存储和低修复带宽的优点而成为近年来的研究热点,RSR-Ⅱ码作为Piggyback码中在减少修复带宽方面最典型的码,因其修复过程中需要进行有限域上方程组的求解,使得编码复杂度和修复复杂度过高.针对这个问题,提出了一种新的Piggyback码,并给出了其一般性构造和修复算法,该码基于分布式存储系统中广泛使用的系统型M DS码,通过结合Piggybacking框架的核心思想,构造了新的piggybacks添加规则,有效避免了有限域上的方程组求解问题.对比分析表明,新的Piggyback码既保持了RSR-Ⅱ码较低的平均修复带宽率,还具有更低的编码复杂度和修复复杂度.

面向医学图像分割的多注意力融合网络

在深度医学图像分割领域中,TransUNet是当前先进的分割模型之一。但其编码器未考虑相邻分块之间的局部联系,在解码器上采样过程中缺乏通道间信息的交互。针对以上问题,提出一种多注意力融合网络(MFUNet)模型。首先,在编码器部分引入特征融合模块(FFM)来增强模型对Transformer中相邻分块间的局部联系并且保持图片本身的空间位置关系;其次,在解码器部分引入双通道注意力(DCA)模块来融合多级特征的通道信息,以增强模型对通道间关键信息的敏感度;最后,通过结合交叉熵损失和Dice损失来加强模型对分割结果的约束。在Synapse和ACDC公共数据集上进行实验,可以看出,MFUNet的Dice相似系数(DSC)分别达到了81.06%和90.91%;在Synapse数据集上的Hausdorff距离(HD)与基线模型TransUNet相比减小了11.5%;在ACDC数据集中右心室和心肌两部分的分割精度与基线模型TransUNet相比分别提升了1.43个百分点和3.48个百分点。实验结果表明,MFUNet在医学图像的内部填充和边缘预测方面均能实现更好的分割效果,有助于提升医生在临床实践中的诊断效率。

分布式存储中一种新的低修复带宽的Hitchhiker码

为了高效可靠的存储海量数据,分布式存储系统常利用纠删码来降低存储开销.Hitchhiker码是Piggybacking架构下易于工程实现的双条带MDS(Maximum Distance Separable Code)码,具有参数(k,r)取值任意、修复成本较低等特征.然而,目前Hitchhiker码只优化了数据单元的修复带宽,未优化校验单元的修复带宽.针对此问题,本文提出了利用LRC(Locally Repairable Code)的思想同时优化数据单元和校验单元的编码(Hitchhiker-LRC和Hitchhiker-LRC+).该方法是对第一个子条带中l个校验求局部校验,将其存放在第一个子条带的某个校验上,要求该校验的数据已通过局部校验的形式捎带在了第二个子条带的后r-1个校验中,并且对该校验单元做了横向减法.最后,理论和实验证明,Hitchhiker-LRC和Hitchhiker-LRC+这两种编码在2≤r<k/2时可降低1%~5%修复带宽和节省约10%的修复时间,在k/2≤r<k时,Hitchhiker-LRC+在r较大时,相比Hitchhiker-LRC具有更低的修复带宽;并存在l使得修复带宽率达到最优.