异构环境下基于历史模型的动态联邦学习方法

下载全文  

联邦学习能够在保证本地数据隐私的前提下完成全局机器学习模型训练,但面临着由数据异构情况导致的全局模型精度低,收敛速度慢的问题。针对以上问题,提出了一种基于历史模型数据的动态联邦学习方法FedHD（federated learning with historical data）。F… …   相似文献

罗浩文  盛志伟 《计算机应用研究》2026,43(4)

基于EWT-TOPSIS融合和波动性感知注意力的短期电力负荷预测

下载全文  

准确的电力负荷预测是保障电网安全稳定运行和优化能源调度的关键技术。针对电力负荷序列的非线性、非平稳性和复杂时序变化特性,提出了融合经验小波变换（EWT）、逼近理想解排序技术（TOPSIS）决策和波动性感知注意力的预测模型。该模型首先采用经验小波变换动态分解负荷序列,生成5个本征模… …   相似文献

陈思溢  胡双麟  袁博 《计算机应用研究》2026,43(4)

面向遥感图像的预训练基础模型发展现状与展望

下载全文  

随着训练数据体量和深度学习模型规模的不断提升,视觉基础模型（vision foundation model,VFM）和大语言模型（large language model,LLM）在多种类型下游任务中表现出优异的泛化能力,引发广大学者关注。在遥感（remote sensing,R… …   相似文献

支元杰;姜艺伟;杨知;陈奕州;郝文魁;马明阳;魏江;梅少辉 《中国图象图形学报》2026,31(4):973-986

吉布斯采样在临界点前的快速收敛

下载全文  

吉布斯采样的临界行为是计算相变理论所关注的核心问题. 以硬核模型这一经典模型为例, 研究了吉布斯采样在临界点前的快速收敛. 在该模型中, 给定一个最大度为Δ≥3的n顶点图G以及参数λ≥0, 则图G中的每个独立集S以正比于λ^|S|的概率被采样. 研究了实现这一采样的经典吉布斯采样算法——Glauber dynamics, 在临界条件λ<(Δ–1)^Δ–1/(Δ–2)^Δ下, 证明了该采样过程的马尔可夫链具有渐进最优的谱隙为Ω(1/n), 因此这一经典采样算法在该临界点前始终快速收敛.吉布斯采样过程在临界点前的快速收敛是马尔可夫链蒙特卡洛(MCMC) 理论中的一类重要问题. 针对硬核模型上的这一问题, 此前已有若干依赖高等数学工具的证明. 为这个重要问题提供了一个简化的组合证明, 引入计算复杂性归约的思想来分析采样过程的收敛速率.… …   相似文献

陈小羽  凤维明  尹一通  张昕渊 《软件学报》2026,37(4):1615-1633

CDCL算法的冷重启技术

下载全文  

SAT求解的CDCL算法被广泛应用于软硬件验证领域, 重启策略是其中的核心组件之一. 目前, 主流的CDCL求解器采用了“热重启”技术, 保留了变元序、赋值倾向、学习子句等主要搜索信息, 且重启频率极高. 热重启技术会使CDCL重启之后更倾向于搜索重启前的搜索空间, 有可能会长期… …   相似文献

张昕荻  陈志翰  蔡少伟 《软件学报》2026,37(4):1634-1649

融合中文需求文本语义特征的UML活动图自动生成方法

下载全文  

UML活动图是软件需求分析的重要工具. 实现由需求文本生成UML活动图流程的自动化有助于缩短软件开发时间, 降低人力成本. 现有的UML活动图自动生成方法通过人工编写或数据驱动的方式来构建规则, 从需求文本中提取活动图图元素及其关系. 然而, 这些方法通常只考虑到需求文本的语法特… …   相似文献

袁中锦  黄翰  向毅  刘方青  郝志峰 《软件学报》2026,37(4):1650-1670

基于路网建模的自动驾驶关键场景生成与自适应演化方法

下载全文  

自动驾驶系统的安全性对于自动驾驶汽车在现实世界中的实施非常重要. 因此, 自动驾驶系统在公开发布和部署之前必须进行充分的评估. 如何生成多样化的安全关键测试场景是自动驾驶系统测试的关键任务. 现有的自动驾驶系统关键场景生成方法, 包括再现现实世界的交通事故和基于搜索的关键场景生成… …   相似文献

田浩翔  吴国全  魏峻  郭安  韩星烁  陈伟  王伟  叶丹 《软件学报》2026,37(4):1671-1689

基于真实源地址验证的轻量共识机制

下载全文  

近年来, 许多研究提出利用共识机制增强网络层安全性. 然而, 现有共识机制存在密钥维护数量多、信任关系传递不灵活和节点身份验证开销大等局限, 难以满足网络层功能的性能需求. 为解决这些问题, 提出一种基于真实源地址验证技术的轻量共识框架. 该框架在多个层次上优化共识效率: 首先,… …   相似文献

徐易  陈熠豪  王晓亮  徐恪  李琦 《软件学报》2026,37(4):1838-1853

牛顿-拉夫逊优化驱动的自适应密度峰值聚类

下载全文  

针对密度峰值聚类（DPC）存在的截断距离参数需人工设置、对噪声敏感以及难以适应非均匀数据分布等问题,设计了牛顿-拉夫逊优化驱动的自适应密度峰值聚类方法（NRO-ADPC）。该方法基于牛顿-拉夫逊优化算法建立自适应参数优化机制,通过梯度引导的二阶优化自动确定截断距离,消除人工参数调整依赖;通过构建融合密度连续性、聚类分离度和峰值清晰度的多目标优化函数,结合自适应加权机制增强算法对噪声的鲁棒性;采用结合固定与自适应带宽的混合密度估计策略,在保持全局一致性的同时适应局部分布变化。在5个合成数据集和5个真实数据集上的实验表明,NRO-ADPC在合成数据集上平均准确率超过99%,在真实数据集上相比传统DPC平均提升超过20%。Wilcoxon符号秩检验显示,NRO-ADPC在ACC和NMI指标上相对于MDPC+等对比算法具有统计显著性优势（P<0.05）,在处理高噪声、多尺度特征及非均匀分布等复杂数据时表现出色。… …   相似文献

韦修喜  李康  黄华娟  周永权  庞秋奔 《计算机应用研究》2026,43(4)

基于自适应领导者选择与完全反向学习机制的混合花粉樽海鞘群算法

下载全文  

针对单一启发式算法易出现收敛精度不足、早熟现象频发等问题,提出一种基于自适应领导者选择与完全反向学习机制的混合花粉樽海鞘群算法（HSF-ALSFO）。首先,HSF-ALSFO将樽海鞘群算法（SSA）与花粉算法（FPA）进行融合,旨在兼顾SSA高效的全局搜索能力与FPA出色的局部搜… …   相似文献

李大海  伍思凯  王振东 《计算机应用研究》2026,43(4)