基于语义感知知识蒸馏的情景动词识别方法

随着计算机视觉领域的迅速发展,动词情景识别作为图像领域一项挑战性任务,旨在识别图像中的语义高度复杂的情境。分析动词情景识别的研究现状,提出了一种结合CLIP模型与知识蒸馏技术的新方法。利用CLIP的强大跨模态能力捕获图像与情景间的细微关联,并通过知识蒸馏将这些关联映射到任务中,提升网络的性能。在标准SWiG数据集上结果表明,该算法在参数量最小的情况下,性能上超越了当前的先进技术。主要贡献为提出了一个结合CLIP的语义感知知识蒸馏的SKD⁃VSR框架,并在公开数据集上进行了广泛的实验,验证了方法的有效性。

基于量子粒子群混合烟花优化支持向量机的软件缺陷预测研究

开源软件缺陷问题是目前软件工程领域一个非常重要的研究领域,为了避免由于软件缺陷而引发的故障,如何识别和预测软件系统中存在的缺陷也是目前一个重要研究课题.针对上述现状和问题,提出了量子粒子群混合烟花优化算法,用于对支持向量机进行参数寻优,将两种算法进行并联式融合,从而达到更好的寻优效果.其次,为验证提出方法的有效性,在NASA MDP数据集上进行仿真实验,将量子粒子群算法、混合烟花算法的量子粒子群算法用于SVM的参数寻优,并且与经典的SVM之间进行对比,证明其有效性.仿真实验结果表明,提出的基于量子粒子群混合烟花算法优化支持向量机软件缺陷预测模型的综合性能要优于其他模型,提出的量子粒子群混合烟花算法对量子粒子群跳出局部最优的能力有较大程度的提高.