课程文献中心 更多>>

关键词： 深度学习   注意力机制   点云   配准   图卷积网络  

摘要： 现有的大部分点云配准方法往往忽略了邻域内相邻节点之间的关系，导致对局部几何结构特征提取不足。为了缓解这个问题，提出了一种面向鲁棒点云配准的邻域关注和拓扑感知的图卷积方法，捕捉更深层次的语义特征和更丰富的几何信息。首先设计了级联几何感知模块，该模块利用基于自注意力的局部邻域更新图卷积模块，关注局部图的内在几何结构，以获得更精确的局部拓扑信息。然后级联结构组合不同维度的拓扑信息，以产生更具判别性的局部描述符。最后提出了特征交互图更新模块，该模块在点云中建立了一种注意机制来捕捉点云的隐含关系和感知点云的形状特征。在具有挑战性的3D点云基准测试上的实验结果表明，所提出的框架在部分噪声点云配准中，MAE(R)在看不见的形状和看不见的类别下取得了0.157 2和0.154 4的优异结果。

关键词： Android系统   软件安全   逆向分析   密码函数识别   函数挂钩  

摘要： 对Android应用的逆向分析不仅有助于检测正常应用中是否存在隐私泄露、密码学误用等安全问题，也可用于分析恶意应用的行为。在此过程中，定位Native层二进制代码中的密码函数并识别其使用的密码算法及具体功能是一项极具挑战性的任务。现有的密码函数识别方法中，动态分析由于可以获取运行时信息，具有较高的准确性。然而，现有基于动态分析的工具主要针对x86/x64架构，难以有效应用于以64位ARM架构为主的Android应用程序。为解决这一问题，本文提出了一种基于挂钩的识别方法，用于定位和识别Android应用Native层代码中的密码函数。该方法首先基于常量特征、运算类指令统计特征、加密类指令特征这三类静态特征筛选出疑似密码函数，然后使用Frida对筛选出的函数执行挂钩操作，收集函数的传入参数、返回值等调用信息。最终，通过将被挂钩函数的运行结果与开源密码算法库中已知密码函数的运行结果进行匹配，识别密码函数的类型及功能。本文在三款主流Android应用上对该方法进行了测试，实验结果表明，该方法能够有效识别真实Android应用Native层代码中的密码函数。

关键词： 概率真度   相似度   度量空间   孤立点  

摘要： 本文在n值G?del命题逻辑系统中引入了公式的概率真度概念，首先通过构造性证明和反证法相结合的方式证明了孤立点在[0，1]区间是不存在的，说明所有公式的概率真度值集合是连续的；其次确立了概率相似度的度量，并建立基于概率的逻辑度量空间，最后运用概率逻辑度量空间中伪距离性质进一步研究该空间中没有孤立点，为G?del逻辑系统的计量化研究提供了新的视角.

关键词： 配电网   拓扑辨识   时空相关性   图嵌入   时间卷积  

摘要： 随着各类分布式电源、储能、电动汽车、柔性负荷在配电网中的渗透率不断增加，配电网的运行方式日趋复杂。为了实现配电系统的实时分析与优化控制，需要精确辨识配电网网架结构拓扑，为此提出了一种基于时空同步图采样网络的配电网拓扑辨识模型。首先，使用基于GraphSAGE的时空嵌入技术与膨胀因果卷积技术处理空间与时间尺度特征。其次，在拓扑辨识模型中设计多个功能模块，有效捕获复杂数据的局部时空相关性。最后，分别基于IEEE 33节点和PG&E 69节点配电网进行验证。结果表明，所提模型在数据噪声下拥有鲁棒性及更高的辨识精度。

关键词： 客户流失预测   数据不平衡   特征交互建模   差异化特征   层次图神经网络  

摘要： 针对普惠金融领域客户流失问题的严峻性及现有客户挽留模型在预测精度与可解释性上的不足，提出一种基于层次图神经网络（HGNN）和差异化特征学习（SFL）相结合的客户流失预测网络（HGNN-SFLN），以提升模型的预测能力和对特征交互的理解。首先，为应对数据不平衡问题，提出一种创新的混合采样策略，并在特征层面对不同类别特征进行加权调整，以确保各类数据的有效利用；其次，利用层次图强化不同特征之间关联性并构建了一种基于自注意力机制的差异化特征学习模块，以增强模型对分类特征的处理能力及特征交互关系的解析能力。通过该方法，模型能够精准识别关键特征，并有效捕捉特征之间的复杂交互关系，从而优化预测决策过程。实验结果表明，所提方法在多个真实金融数据集上相较于主流模型（如Light GBM、深度神经网络（DNN））在曲线下与坐标轴围成的面积（AUC）等关键指标至少提升了1.4%的性能，并且在精确识别关键流失特征以及有效捕捉特征间复杂交互关系方面，相较于Light GBM和DNN等模型展现出更为显著的优势。

关键词： 多模态医学图像融合   双分支编码器   膨胀卷积   图卷积   多头注意  

摘要： 针对目前基于深度学习的多模态医学图像融合方法存在高级特征提取不足和低级特征容易丢失的问题，本文提出了基于膨胀卷积与图注意聚合的多模态医学图像融合方法。该方法由双分支编码器、融合模块和解码器三部分组成。双分支编码器由基于卷积的低级编码器和基于图卷积的高级编码器构成。其中，基于卷积的低级编码器主要采用膨胀卷积来减少纹理细节等低级特征的丢失，同时为高级编码器提供初始化的节点特征。基于图卷积的高级编码器则主要采用图注意聚合模块，有效捕获深层语义等高级特征。图注意聚合模块结合边缘编码的多头注意力构建节点邻接矩阵，再基于此邻接矩阵通过图卷积对节点进行深层聚合。融合模块对提取到的特征进行融合，最后使用解码器重建融合图像。该方法与6种先进的图像融合方法在主观视觉评价和客观评价指标上进行对比。将该方法与6种先进的图像融合方法在主观视觉和客观评价指标上进行了对比。结果显示，该方法在EN上相较于IGNet方法提升了2.4%，在AG和MI上相较于DATFuse方法分别提升了3.53%和5.06%，在SD、 SF和SCD上相较于SwinFusion方法分别提升了1.18%, 6.24%和3%，同时该方法得到的融合图像保留了更多的纹理细节信息。综合实验结果表明，该方法实现了多模态医学图像的有效融合，为临床诊断提供了更可靠的图像支持。

关键词： 机械传动系统   过渡状态   最大互信息系数   数据采集与监视控制系统   慢特征分析   移动方差  

摘要： 针对主传动系统运行过程中稳定状态和过渡状态频繁切换，以及过渡状态下表现出的复杂动态特性导致传统故障预警模型误报警率较高的问题，提出了一种针对风电机组主传动系统过渡状态的划分方法，以提升故障预警的准确性。首先，深入分析了过渡状态的形成机制及其复杂特性，采用最大互信息系数（MIC）对数据采集与监视控制系统（SCADA）数据进行了相关性分析，以降低数据冗余，并通过慢特征分析（SFA）提取了运行数据的慢特征，结合滑动窗口计算了慢特征的移动方差，揭示了其时变特性；然后，利用K-means对慢特征的移动方差进行了聚类，完成了对主传动系统稳定状态和过渡状态的划分任务；最后，为了验证基于慢特征移动方差聚类方法的优越性，采用实际风场SCADA数据进行了验证，并进行了过渡状态动态特性分析。研究结果表明：相比于主成分移动方差聚类方法，基于慢特征移动方差的聚类方法在误划分次数和误划分样本点数方面分别降低了约33%和69%，显著提升了状态划分的准确性；此外，通过对划分后稳定状态与过渡状态的数据特性进行对比分析，进一步验证了在故障预警中考虑过渡状态的必要性。该方法可为机组主传动系统故障预警提供更精准的状态划分基础，从而提升风电机组的故障预警性能。

关键词： 信息化环境   初中数学   函数教学   教学策略  

摘要： 函数作为初中数学的核心知识,是刻画现实世界数量关系和变化规律的重要数学模型。它不仅是学生进一步学习数学和其他自然科学的基础,对于培养学生的逻辑思维、抽象概括能力以及解决实际问题的能力也具有不可替代的作用。本研究通过分析信息化环境下初中数学函数教学现状,通过阐述多种有效教学策略,旨在提升函数教学质量,助力学生更好地掌握函数知识,培养其数学思维与应用能力。

关键词： 初中数学   深度学习   函数教学   教学策略  

摘要： 在新课程理念背景下,初中数学课堂中的函数教学不仅要求教师关注学生的基础知识掌握情况,还要求教师关注学生知识运用能力和问题解决能力的培养。函数作为初中数学的重点内容,与学生的现实生活、未来发展等密切相关,也是学生学习其他数学知识的重要基础。当前,在初中数学函数教学中,教师多注重知识的传授,而忽视了对学生能力的培养,导致学生在学习中死记硬背,缺乏灵活应用的能力。基于此,本文将文围绕深度学习理念下的初中数学函数教学策略展开分析,以供参考。

关键词： 异常检测   无监督学习   对比学习   邻域选择   图数据  

摘要： 针对异常的存在导致节点邻域信息不可靠的问题，提出了一种高效的无监督图异常检测方法，该方法借助邻域增强策略构建了多类型的中心节点的邻域集合，以捕捉高质量的节点表示，获取高准确度的自邻相似度。首先，通过优化一个基于动态邻域增强的信息提取模块，自适应选择最优邻域策略，克服传统固定邻域选择方法在信息提取过程中特征单一的局限性；其次，为了降低节点特征融合时自身冗余信息的干扰，提出了一种匿名消息传递方案，该方案能够隔离节点自身特征，只专注于邻域信息，增强消息聚合的质量；最后，通过设计一种自适应的加权异常评分模块，以节点之间距离作为评估尺度，获取节点的异常度，细化异常检测结果。通过在五个数据集的实验，证明该方法在应对复杂图结构的异常检测方面的整体区分能力均优于现有主流方法（CoLA），其中对异常样本的识别能力（AUPRC）至少提升了8.0%。