期刊文献+
共找到65篇文章
< 1 2 4 >
每页显示 20 50 100
About the structure of posturography: Sampling duration, parametrization, focus of attention (part II) 被引量:1
1
作者 Patric Schubert Marietta Kirchner +1 位作者 Dietmar Schmidtbleicher Christian T. Haas 《Journal of Biomedical Science and Engineering》 2012年第9期508-516,共9页
There exists a great variety of posturographic parameters which complicates the evaluation of center of pressure (COP) data. Hence, recommendations were given to use a set of complementary parameters to explain most o... There exists a great variety of posturographic parameters which complicates the evaluation of center of pressure (COP) data. Hence, recommendations were given to use a set of complementary parameters to explain most of the variance. However, it is unknown whether a dual task paradigm leads to different parametrization sets. On account of this problem an exploratory factor analysis approach was conducted in a dual task experiment. 16 healthy subjects stood on a force plate performing a posture-cognition dual task (DT, focus of attention on a secondary task) with respect to different sampling durations. The subjects were not aware of being measured in contrast to a baseline task condition (BT, internal focus of attention) in the previously published part I. In compareson to BT a different factor loading pattern appears. In addition, factor loadings are strongly affected by different sampling durations. DT reveals a change of factor loading structure with longer sampling durations compared to BT. Specific recommendations concerning a framework of posturographic parametrization are given. 展开更多
关键词 center of Pressure Sample DURATION Posturographic Parameters EXPLORATORY Factor Analysis Nonlinear Methods DUAL-TASK Focus of attention
下载PDF
About the structure of posturography: Sampling duration, parametrization, focus of attention (part I)
2
作者 Patric Schubert Marietta Kirchner +1 位作者 Dietmar Schmidtbleicher Christian T. Haas 《Journal of Biomedical Science and Engineering》 2012年第9期496-507,共12页
This study investigates the choice of posturographic parameter sets with respect to the influence of different sampling durations (30 s, 60 s, 300 s). Center of pressure (COP) data are derived from 16 healthy subjects... This study investigates the choice of posturographic parameter sets with respect to the influence of different sampling durations (30 s, 60 s, 300 s). Center of pressure (COP) data are derived from 16 healthy subjects standing quietly on a force plate. They were advised to focus on the postural control process ( i.e. internal focus of attention). 33 common linear and 10 nonlinear parameters are calculated and grouped into five classes. Component structure in each group is obtained via exploratory factor analysis. We demonstrate that COP evaluation—irrespective of sampling duration—necessitates a set of diverse parameters to explain more variance of the data. Further more, parameter sets are uniformly invariant towards sampling durations and display a consistent factor loading pattern. These findings pose a structure for COP parametrization. Hence, specific recommendations are preserved in order to avoid redundancy or misleading basis for inter-study comparisons. The choice of 11 parameters from the groups is recommended as a framework for future research in posturography. 展开更多
关键词 center of Pressure SAMPLE DURATION Posturographic Parameters EXPLORATORY Factor Analysis Nonlinear Methods Internal Focus of attention
下载PDF
Erratum to “About the Structure of Posturography: Sampling Duration, Parametrization, Focus of Attention (Part II)” [Journal of Biomedical Science and Engineering 5 (2012) 508-516]
3
作者 Patric Schubert Marietta Kirchner +1 位作者 Dietmar Schmidtbleicher Christian T. Haas 《Journal of Biomedical Science and Engineering》 2014年第14期1095-1095,共1页
After reading the above mentioned article of [1], we identified a mistake considering the results of the paragraph “3.6. Nonlinear Parameters AP” and the related Table 5 (both on p. 512). Unfortunately, published Ta... After reading the above mentioned article of [1], we identified a mistake considering the results of the paragraph “3.6. Nonlinear Parameters AP” and the related Table 5 (both on p. 512). Unfortunately, published Table 5 is a duplicate of Table 4, and therefore it is not possible for the reader to comprehend any underlying interrelations. To correct this mistake, we would like to offer the corrected table (Table 5) as follows. 展开更多
关键词 center of Pressure Sample DURATION Posturographic Parameters EXPLORATORY Factor Analysis Nonlinear Methods Internal Focus of attention
下载PDF
基于深度神经网络的台风中心定位方法
4
作者 郑宗生 沈绪坤 +1 位作者 王振华 卢鹏 《热带气象学报》 CSCD 北大核心 2024年第3期341-351,共11页
台风中心定位的微小误差会对台风路径预报造成较大的偏离,因此精确定位台风中心是台风路径预测和灾害预报的重要步骤。台风云系随时间不断变化且风力强弱不一,在卫星云图中呈现了多样性和复杂性,现有基于神经网络的模型由于缺少对台风... 台风中心定位的微小误差会对台风路径预报造成较大的偏离,因此精确定位台风中心是台风路径预测和灾害预报的重要步骤。台风云系随时间不断变化且风力强弱不一,在卫星云图中呈现了多样性和复杂性,现有基于神经网络的模型由于缺少对台风特征图像多维度参数的权重合理分配,在自动提取台风图像特征上受到了限制。为此,提出一种融合通道注意力与坐标注意力的神经网络模型(TY-LOCNet),首先搭建深度卷积神经网络模型提取台风特征;其次引入通道注意力机制从台风特征中捕获通道级别的信息,提升模型对重要通道的关注度;然后将通道注意力结果输入到坐标注意力机制中全局标定台风位置信息,使模型能够在较大的区域关注到台风的形态结构;此外,均方误差损失函数未能融合计算坐标导致定位精度低,因此提出距离损失函数(DISTLoss)通过距离回归提高模型定位精度。实验结果表明,TY-LOCNet的平均位置误差(MLE)、平均定位误差(MAE)和检测速度分别为3.502像素,0.292°和17 FPS,优于其他模型。台风中心定位模型TY-LOCNet可为台风预报提供实时性台风中心定位支持。 展开更多
关键词 台风中心定位 注意力机制 神经网络 距离损失函数
下载PDF
融合全局-局部上下文信息的小目标多人姿态估计
5
作者 龙辰志 陈平 李传坤 《计算机工程》 CAS CSCD 北大核心 2024年第4期342-349,共8页
尽管多人2D姿态估计方法趋近成熟,但是现有方法无法有效识别小目标的姿态。针对当前小目标姿态难以识别的问题,提出一种融合全局-局部上下文信息的多人姿态估计方法。利用高分辨率网络(HRNet)输出的不同尺度特征对人体的多个解剖中心进... 尽管多人2D姿态估计方法趋近成熟,但是现有方法无法有效识别小目标的姿态。针对当前小目标姿态难以识别的问题,提出一种融合全局-局部上下文信息的多人姿态估计方法。利用高分辨率网络(HRNet)输出的不同尺度特征对人体的多个解剖中心进行粗糙的定位,通过多个中心点给小目标提供更多的监督信息,提高对小目标的定位能力。以定位的人体中心点坐标为线索,通过可变形采样的方式提取中心点附近不同尺度的局部上下文信息,并计算不同目标局部上下文信息之间的对比损失以提高目标之间的判别能力。以HRNet网络的低分辨率特征作为全局上下文信息,以局部上下文信息作为交叉注意力的查询,结合全局和局部上下文信息构建多层Transformer模型,增强小目标的上下文信息。将增强的小目标上下文信息作为聚类中心,解耦多尺度融合的特征得到不同目标对应的关键点热图,从而实现小目标多人姿态估计。实验结果表明,该方法能够有效提高小目标姿态的识别性能,在COCO test-dev2017数据集上取得了69.0%的平均精度(AP),APM比对偶解剖中心(DAC)方法提高1.4个百分点。 展开更多
关键词 姿态估计 小目标 多中心点 注意力 上下文信息
下载PDF
基于改进Yolo v8s-seg的船舶旋转角度检测方法
6
作者 丁秀清 周斌 胡波 《中南民族大学学报(自然科学版)》 CAS 2024年第2期209-216,共8页
水上收费站的智能控制船闸开关系统为了能够自动识别船闸内外船舶的动向,需要精准检测航道内船舶的旋转角度.传统的目标检测算法存在着精度有限、实时性差等问题.针对以上问题,在Yolo v8s-seg模型的基础上通过添加CA注意力机制,提出了... 水上收费站的智能控制船闸开关系统为了能够自动识别船闸内外船舶的动向,需要精准检测航道内船舶的旋转角度.传统的目标检测算法存在着精度有限、实时性差等问题.针对以上问题,在Yolo v8s-seg模型的基础上通过添加CA注意力机制,提出了检测船舶旋转角度的模型Yolo v8s-seg-boat.模型采用实例分割算法提取船舶的轮廓点,并据此判断船舶重心,最终计算出船舶的旋转角度.实验结果表明:该模型在水上收费站拍摄的船舶数据集上分割评价指标mAP相比于Yolo v8s-seg提升了1.8%,分割精确率达到了97.6%,获取的船舶旋转角度与实际角度误差小于Yolo v8s-seg模型. 展开更多
关键词 实例分割 旋转角度 注意力机制 重心
下载PDF
双分支协同策略的弱监督行为检测
7
作者 王静 王传旭 《青岛科技大学学报(自然科学版)》 CAS 2024年第2期140-146,共7页
弱监督行为检测旨在使用视频级标签定位动作的起止边界及识别相应的行为类别。现有的模型依然存在行为定位不完整、背景干扰等问题。对此,提出了双分支协同策略,为背景帧引入辅助类,采用权重共享机制的非对称式训练,使得该模型能够抑制... 弱监督行为检测旨在使用视频级标签定位动作的起止边界及识别相应的行为类别。现有的模型依然存在行为定位不完整、背景干扰等问题。对此,提出了双分支协同策略,为背景帧引入辅助类,采用权重共享机制的非对称式训练,使得该模型能够抑制背景帧的激活以提高定位性能。在优化分支提出中心损失项来学习每个动作类的聚类中心,并惩罚特征与其中心之间的距离及最小类内变化,从而增强特征的可辩别性;基本分支丢弃其动作类的中心区域,同时学习背景特征,通过迭代训练挖掘与其行为相关的不明显区域,有助于更好的模拟背景,实现行为的完整性定位。该算法在THUMOS14和ActivityNet1.2数据集上进行实验验证并与其他相关文献进行比较,结果表明了所提出算法的可行性。 展开更多
关键词 时序行为检测 弱监督学习 中心损失项 背景类 注意力机制
下载PDF
基于全局注意力的正交融合图像描述符
8
作者 艾列富 陶勇 蒋常玉 《图学学报》 CSCD 北大核心 2024年第3期472-481,共10页
图像描述符是计算机视觉任务重要研究对象,被广泛应用于图像分类、分割、识别与检索等领域。深度图像描述符在局部特征提取分支缺少高维特征的空间与通道信息的关联性,导致局部特征表达的信息不充分。为此,提出一种融合局部、全局特征... 图像描述符是计算机视觉任务重要研究对象,被广泛应用于图像分类、分割、识别与检索等领域。深度图像描述符在局部特征提取分支缺少高维特征的空间与通道信息的关联性,导致局部特征表达的信息不充分。为此,提出一种融合局部、全局特征的图像描述符,在局部特征提取分支进行膨胀卷积提取多尺度特征图,输出的特征拼接后经过含有多层感知器的全局注意力机制捕捉具有关联性的通道-空间信息,再加工后输出最终的局部特征;高维的全局分支经过全局池化和全卷积生成全局特征向量;提取局部特征在全局特征向量上的正交值与全局特征串联后聚合形成最终的描述符。同时,在特征约束方面,使用包含子类心的角域度损失函数增大模型在大规模数据集的鲁棒性。在国际公开数据集Roxford5k和Rparis6k上进行实验,所提出描述符的平均检索精度在medium和hard模式分别为81.87%和59.74%以及91.61%和79.12%,比深度正交融合描述符分别提升了1.70%,1.56%,2.00%和1.83%,较其他图像描述符具有更好的检索精度。 展开更多
关键词 图像描述符 膨胀卷积 全局注意力 特征融合 子类心角度域损失
下载PDF
改进Center-Net网络的自主喷涂机器人室内窗户检测 被引量:5
9
作者 洪恺临 曹江涛 姬晓飞 《智能系统学报》 CSCD 北大核心 2021年第3期425-432,共8页
室内自主喷涂机器人可以实现室内墙面喷涂的自动化以此提升喷涂的效率,减少人力物力的投入。而基于计算机视觉的室内窗户检测算法则是该机器人的关键技术。对于室内窗户检测,由于环境光照、窗户形状和窗户透光属性的存在,传统方法无法... 室内自主喷涂机器人可以实现室内墙面喷涂的自动化以此提升喷涂的效率,减少人力物力的投入。而基于计算机视觉的室内窗户检测算法则是该机器人的关键技术。对于室内窗户检测,由于环境光照、窗户形状和窗户透光属性的存在,传统方法无法得到较好的效果。针对此问题,设计一种基于深度学习的室内窗户检测算法。该算法主要对中心点网络(CenterNet)的特征提取网络进行修改,减少部分卷积操作,使用Ghost模块替换原始的卷积模块,降低特征冗余,并引入注意力机制,让网络尽可能表达重要信息。实验结果表明,改进的CenterNet在不损失网络精度的前提下,大幅度提高了网络的运算速度,使得该检测算法即使在机器人端的嵌入式系统上也可以达到实时检测的效果。 展开更多
关键词 喷涂机器人 深度学习 目标检测 室内窗户检测 中心点网络 Ghost模块 注意力机制 嵌入式设备
下载PDF
Analysis on the Formation and Elimination of Ambiguity in English Syntactic Ambiguity from the Cognitive Perspective
10
作者 陈佳嵘 《海外英语》 2016年第17期194-195,208,共3页
English ambiguity expressions have been a heat topic in language research for a long time with a variety of theories and methods.Among them,the cognitive approach,just like the Figure-Ground theory,relevance theory an... English ambiguity expressions have been a heat topic in language research for a long time with a variety of theories and methods.Among them,the cognitive approach,just like the Figure-Ground theory,relevance theory and cognitive context theory,is a relatively new and vigorous perspective.However,as to studying ambiguity from the perspective of attention,very few researches have been done in this regard.By analyzing different types of English ambiguity expressions,it is necessary to explore how ambiguity expressions are formed and eliminated from the attentional view,and to provide some new insights into ambiguity study. 展开更多
关键词 syntactic ambiguity expression cognitive analysis FORMATION ELIMINATION attentional view prominence view experiential view
下载PDF
基于CNN与Transformer混合模型的口罩人脸识别方法 被引量:8
11
作者 姜绍忠 姚克明 +2 位作者 陈磊 王中洲 郭复澳 《传感器与微系统》 CSCD 北大核心 2023年第1期144-148,共5页
针对疫情背景下,因佩戴口罩导致普通人脸识别算法失效的问题,提出一种基于卷积神经网络(CNN)与Transformer混合模型的口罩人脸识别方法。结合了CNN与Transformer的优点,能够很好地处理局部和全局信息,使模型拥有更好的性能及泛化能力。... 针对疫情背景下,因佩戴口罩导致普通人脸识别算法失效的问题,提出一种基于卷积神经网络(CNN)与Transformer混合模型的口罩人脸识别方法。结合了CNN与Transformer的优点,能够很好地处理局部和全局信息,使模型拥有更好的性能及泛化能力。在卷积模块引入空间注意力模块,加强模型对于鲁棒人脸特征信息的提取,使用Sub-center Arcface损失函数,进一步提高模型的分类精度。在人工合成的口罩人脸数据集和真实的戴口罩人脸数据集上的实验表明,本文模型能够同时有效处理戴口罩和不戴口罩人脸识别任务,拥有较小的参数量的同时,具备较高的识别精度。 展开更多
关键词 口罩人脸识别 混合模型 空间注意力机制 Sub-center Arcface损失函数
下载PDF
基于低秩双线性池化注意力网络的舰船目标识别 被引量:3
12
作者 关欣 国佳恩 衣晓 《系统工程与电子技术》 EI CSCD 北大核心 2023年第5期1305-1314,共10页
针对多模态舰船图像融合识别质量不高等问题,构建了一种端到端的低秩双线性池化注意力网络。首先对各模态原始特征向量基于跨模类别中心进行注意力加权重构,使不同模态特征更好地关注公共类别信息;然后采用双线性池化捕获不同模态图像... 针对多模态舰船图像融合识别质量不高等问题,构建了一种端到端的低秩双线性池化注意力网络。首先对各模态原始特征向量基于跨模类别中心进行注意力加权重构,使不同模态特征更好地关注公共类别信息;然后采用双线性池化捕获不同模态图像的交互信息,并引入权重低秩分解降低网络参数规模;最后依靠特征级联实现模态信息的交互与互补,并设计联合损失提升网络跨模态融合识别效果。实验结果表明,相比现有融合方法,所提方法可有效提升多模态遥感舰船图像的融合识别效果,在公开的遥感舰船数据集上取得了较高的识别准确率。 展开更多
关键词 舰船识别 双线性池化 跨模类别中心 注意力加权 跨模联合损失
下载PDF
基于距离约束的改进FCOS遥感图像检测方法 被引量:1
13
作者 苏树智 谢玉麒 《计算机工程与应用》 CSCD 北大核心 2023年第10期227-235,共9页
基于深度学习的遥感图像目标检测方法通常难以排除复杂场景下的背景干扰,从而导致检测精度低。为解决该问题,设计了一种基于尺度分层的特征金字塔结构,并提出了一种基于距离约束的中心回归(distance-constraints centerness,DCCN),从而... 基于深度学习的遥感图像目标检测方法通常难以排除复杂场景下的背景干扰,从而导致检测精度低。为解决该问题,设计了一种基于尺度分层的特征金字塔结构,并提出了一种基于距离约束的中心回归(distance-constraints centerness,DCCN),从而形成了基于距离约束的改进FCOS遥感图像检测方法。基于尺度分层的特征金字塔结构包括高层语义信息激活模块和低层有效特征感知模块,其中高层语义信息模块重构了特征融合阶段对高层特征图的处理方式,提升了特征金字塔顶部区域的语义感知能力,低层有效特征感知模块通过引入通道注意力机制,增强了通道间的信息交互能力。DCCN能够利用预测样本框与真实样本框之间的距离因素作为回归评估条件,提升了预测框的回归效果。在NWPU VHR-10数据集的实验中,该方法的精度达到92.6%,相比于原FCOS方法提升了4.9个百分点,有效改善了遥感图像检测的精度。 展开更多
关键词 遥感图像 目标检测 中心回归 注意力机制
下载PDF
结合多级特征融合和高效注意力的跟踪算法
14
作者 姚壮泽 曾碧 +2 位作者 林镇涛 江春灵 邓斌 《计算机工程与应用》 CSCD 北大核心 2023年第16期177-186,共10页
在光照变化、形状变化、运动模糊等复杂场景下,现有的目标跟踪算法很容易跟踪失败,为了解决这些问题,一些跟踪算法尝试引入全局注意力来增强特征表达以提高准确率,但这需要消耗大量的计算资源。提出一种结合多级特征融合和高效注意力的... 在光照变化、形状变化、运动模糊等复杂场景下,现有的目标跟踪算法很容易跟踪失败,为了解决这些问题,一些跟踪算法尝试引入全局注意力来增强特征表达以提高准确率,但这需要消耗大量的计算资源。提出一种结合多级特征融合和高效注意力的目标跟踪算法SiamEff(Siamese efficient network),使全局注意力能在耗费少量计算资源的前提下提高准确率。使用无锚框机制以避免基于锚框的跟踪算法对大量超参的敏感问题;引入一种比传统全局注意力更加高效的注意力机制,大大降低内存和运算量的需求,并融合了低层和高层的多级特征,充分利用不同层次的特征信息提高跟踪性能;引入了中心度约束,以减少低质量预测框的干扰。在公开测试平台OTB100和VOT2018上进行了测试,结果表明SiamEff的跟踪性能优于主流跟踪算法,在各种复杂场景下更加鲁棒和准确,且跟踪速度达到150 FPS。 展开更多
关键词 目标跟踪 无锚框 注意力机制 中心度约束 多级特征
下载PDF
结合特征融合和任务分组的人脸属性识别
15
作者 刘英芳 王松 马亚彤 《计算机工程》 CAS CSCD 北大核心 2023年第11期211-219,共9页
针对现有人脸属性识别模型存在的特征提取不足、划分属性组时未充分考虑属性相关性强弱等问题,为了实现对多个人脸属性的同时识别,建立一种结合特征融合和任务分组的人脸属性识别模型。在参数共享部分,通过多尺度特征融合模块将不同尺... 针对现有人脸属性识别模型存在的特征提取不足、划分属性组时未充分考虑属性相关性强弱等问题,为了实现对多个人脸属性的同时识别,建立一种结合特征融合和任务分组的人脸属性识别模型。在参数共享部分,通过多尺度特征融合模块将不同尺度的特征进行融合增强特征相关性,同时设计基于中心核对齐和谱聚类的属性分组策略进行属性识别,通过中心核对齐方法度量属性的相关程度,并以此为基础使用谱聚类算法得到属性的合理分组,使同一组内的属性相关性尽可能大,提高属性识别准确率。在分支部分,使用注意力机制加强对目标区域的关注,并通过不确定性加权方法表示任务间的相对难度,自动调整每组任务损失之间的相对权重,进一步优化模型性能。在CelebA公开数据集上的实验结果表明,所提模型的分类准确率相较于MOON、GNAS和DMM-CNN模型提升了0.78、0.09和0.02个百分点,参数量仅为上述对比模型的1.10%、17.08%和0.37%。 展开更多
关键词 人脸属性识别 特征融合 中心核对齐 属性分组 注意力机制
下载PDF
基于注意力机制和空洞卷积的瞳孔定位算法
16
作者 孙语 刘文龙 蒋茂松 《电子测量技术》 北大核心 2023年第15期126-132,共7页
瞳孔定位在人机交互中起着关键性作用,然而由于反射、眨眼和睫毛遮挡等噪声以及瞳孔位置不居中、运动导致模糊等问题,使得瞳孔中心定位的准确率下降、鲁棒性减弱,从而导致精确地定位瞳孔仍存在巨大困难。为此,本文提出一种基于注意力机... 瞳孔定位在人机交互中起着关键性作用,然而由于反射、眨眼和睫毛遮挡等噪声以及瞳孔位置不居中、运动导致模糊等问题,使得瞳孔中心定位的准确率下降、鲁棒性减弱,从而导致精确地定位瞳孔仍存在巨大困难。为此,本文提出一种基于注意力机制和空洞卷积的瞳孔检测定位算法。该算法以U-Net的编码-解码结构为基础,编码部分采用VGG16并引入空洞卷积,以充分地提取特征,解码部分加入Attention Gate,使得模型具有更好的鲁棒性。然后,使用最小二乘法对网络输出的瞳孔分割图进行拟合,最终根据拟合图像获取瞳孔中心坐标。本算法使用ExCuSe公开的24个数据集进行验证,实验表明该算法可以准确的定位瞳孔位置,平均检测率可达到92.6%。 展开更多
关键词 瞳孔中心定位 U-Net 注意力机制 空洞卷积 最小二乘法
下载PDF
基于图卷积网络与自注意力图池化的视频行人重识别方法 被引量:1
17
作者 姚英茂 姜晓燕 《计算机应用》 CSCD 北大核心 2023年第3期728-735,共8页
针对跨相机网络视频中存在的遮挡、空间不对齐、背景杂波等因素导致视频行人重识别效果较差的问题,提出一种基于图卷积网络(GCN)与自注意力图池化(SAGP)的视频行人重识别方法。首先,通过区块关系图建模挖掘视频中帧间不同区域的关联信息... 针对跨相机网络视频中存在的遮挡、空间不对齐、背景杂波等因素导致视频行人重识别效果较差的问题,提出一种基于图卷积网络(GCN)与自注意力图池化(SAGP)的视频行人重识别方法。首先,通过区块关系图建模挖掘视频中帧间不同区域的关联信息,并利用GCN优化逐帧图像中的区域特征,缓解遮挡和不对齐等问题;然后,通过SAGP机制去除对行人特征贡献较低的区域,避免背景杂波区域的干扰;最后,提出一种加权损失函数策略,使用中心损失优化分类学习结果,并使用在线软挖掘和类感知注意力(OCL)损失解决难样本挖掘过程中可用样本未被充分利用的问题。实验结果表明,在MARS数据集上,相较于次优的AITL方法,所提方法的平均精度均值(mAP)与Rank-1分别提高1.3和2.0个百点。所提方法能够较好地利用视频中的时空信息,提取更具判别力的行人特征,提高行人重识别任务的效果。 展开更多
关键词 视频行人重识别 图卷积网络 自注意力图池化 加权损失函数策略 中心损失
下载PDF
小样本下基于决策树-SNN的恶意流量检测方法
18
作者 李道全 李玉秀 任大用 《计算机工程与应用》 CSCD 北大核心 2023年第21期258-266,共9页
针对目前小样本下的恶意流量检测方法存在准确度低、特征提取不足和模型过拟合问题,提出了一种小样本下基于改进决策树-孪生神经网络的恶意流量检测算法。为了降低小样本下多分类任务的难度,利用类间中心距离构建二叉决策树将多分类问... 针对目前小样本下的恶意流量检测方法存在准确度低、特征提取不足和模型过拟合问题,提出了一种小样本下基于改进决策树-孪生神经网络的恶意流量检测算法。为了降低小样本下多分类任务的难度,利用类间中心距离构建二叉决策树将多分类问题转换为二分类问题。将孪生神经网络的对比分支设计为三支一维卷积神经网络并行的结构来解决小样本下特征提取不足问题。引入了通过池化策略和一维卷积操作优化的SE(squeeze-andexcitation)模块,以减少小样本下模型过拟合问题。通过对比样本的相似度实现了恶意流量检测。实验结果表明,所提方法在小样本下的恶意流量检测问题上具有良好的效果。 展开更多
关键词 恶意流量 决策树 孪生神经网络 类间中心距离 小样本 通道注意力
下载PDF
应对复杂光照下的高精度表情识别方法
19
作者 李嘉乾 张雷 《计算机工程与设计》 北大核心 2023年第8期2489-2497,共9页
针对表情识别存在相似表情识别精度不高和不同光照下识别困难的问题,提出一种改进的双通道残差网络表情识别模型。通过改进局部二值化算子,改善复杂光照下难以提取到鲁棒特征的问题,通过改进注意力机制,改善全局特征提取能力;搭建特征... 针对表情识别存在相似表情识别精度不高和不同光照下识别困难的问题,提出一种改进的双通道残差网络表情识别模型。通过改进局部二值化算子,改善复杂光照下难以提取到鲁棒特征的问题,通过改进注意力机制,改善全局特征提取能力;搭建特征融合网络,通过交叉实验获取对于不同数据集都鲁棒的特征融合系数;将中心损失引入设计联合算法提高相似表情之间的区分度。实验结果表明,该算法提升了相似表情的区分精度,对于光照具有更好的鲁棒性。模型在3个公开数据集上的准确率达98.53%、96.42%、94.24%。 展开更多
关键词 人脸表情识别 复杂光照 改进的局部二值化算子 改进的注意力机制 双通道残差网络 特征融合 中心损失
下载PDF
植入式广告显著度对广告效果影响的眼动研究——以电影植入式广告为例 被引量:7
20
作者 郭伏 叶国全 +1 位作者 李明明 吕伟 《营销科学学报(辑刊)》 CSSCI 2017年第4期18-33,共16页
本研究依据Gupta和Lord对植入式广告显著度的定义,运用眼动仪收集受众在观看植入式广告过程中对植入广告分配的注意力资源的大小,来客观地反映植入式广告的显著度水平。基于有限注意力模型、信息处理流畅性理论和说服知识模型,通过曲线... 本研究依据Gupta和Lord对植入式广告显著度的定义,运用眼动仪收集受众在观看植入式广告过程中对植入广告分配的注意力资源的大小,来客观地反映植入式广告的显著度水平。基于有限注意力模型、信息处理流畅性理论和说服知识模型,通过曲线拟合分别构建受众对植入式广告的首次进入时间、注视时间和注视点个数与受众的品牌记忆、品牌态度和品牌意动的关系模型。研究结果表明:首次进入时间、注视时间和注视点个数可以有效地反映植入式广告的显著度水平;随着首次进入时间的缩短,受众的品牌记忆逐渐增大,而受众的品牌态度和品牌意动呈现先增大后减小的倒U形趋势;随着注视时间的延长和注视点个数的增加,受众的品牌记忆逐渐增强,而受众的品牌态度和品牌意动呈现先增大后减小的倒U形趋势。 展开更多
关键词 植入式广告 显著度 注意力资源分配 植入式广告效果
下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部