YOMANet-Accel:面向边缘端人车检测的轻量化算法加速器

下载全文  

针对自动驾驶边缘计算场景中行人车辆检测任务面临的模型计算复杂度高、参数量大导致的部署难题,该文提出一种轻量化神经网络模型YOMANet (Yolo Model Adaptation Network),基于异构FPGA平台设计YOMANet加速器(YOMANet-Accel),实现… …   相似文献

陈宁江  卢耀宗 《电子与信息学报》2025,47(8):2895-2908

自适应多阈值图像分割算法

  

针对当前大部分多阈值分割方法存在最优阈值组合定位难、阈值增多导致计算复杂度指数增长的问题,提出了一种自适应多阈值图像分割算法。首先,通过双边滤波对直方图进行平滑处理,采用谷底筛选策略有效压缩阈值搜索空间;接着,基于动态规划算法,将多阈值搜索问题转化为矩阵极值搜索问题,并结合四边形… …   相似文献

龙建武;李继豪;曾谁飞 《通信学报》2025,46(8):241-255

逆近邻和加权相似性的密度峰值聚类算法

下载全文  

密度峰值聚类算法在处理密度分布不均数据时,定义的局部密度未能考虑样本所在区域密度差异的影响,导致错误识别类簇中心;在处理流形数据时,设定的分配策略依据欧氏距离进行链式分配,极易导致稀疏类簇的样本误归并给密集类簇.鉴于此,提出逆近邻和加权相似性的密度峰值聚类（DPC NWS）算法.… …   相似文献

景彦迪;康平;侯家振;吕莉 《小型微型计算机系统》2025,46(8):1927-1934

用于方面级情感分析的多信息融合图卷积网络

下载全文  

近年来,方面级情感分析利用图神经网络挖掘依赖句法信息逐渐成为趋势,但现有方法大多未考虑不同关系类型对内容词的影响,难以区分关键的关联词.此外,多视角信息的相互补充对捕捉情感特征起重要作用,但在过去的研究中融合机制常被忽视.为解决这些问题,提出一种多源信息融合图卷积网络(multi… …   相似文献

高玮军  张玉莹  焦成寅 《计算机系统应用》2025,34(8):14-24

结合多区域特征和特征融合的微表情识别

下载全文  

微表情运动微弱、短暂和局部化的特点,使得难以从微表情视频序列中相关的局部区域中提取有效特征,进而导致准确识别微表情变得十分困难.针对上述问题,基于残差网络和长短期记忆网络,提出一种结合多区域特征提取模块(Multi-region Feature Extraction Module… …   相似文献

曹春萍;张迪 《小型微型计算机系统》2025,46(8):1986-1992

单纯形法引导的自适应沙猫群优化算法及应用

下载全文  

为了克服沙猫优化算法（SCSO）在高维优化问题上,易陷入局部最优和收敛精度差的问题,提出了一种单纯形法引导的自适应沙猫群优化算法（SASCSO）.首先,采用了一种自适应围捕策略,使沙猫个体随机出现在自适应控制的算法搜索边界内,帮助算法逃逸局部陷阱.其次,利用单纯形法引导较差个体构… …   相似文献

罗文涛;钱谦;潘家文;张晓丽;冯勇;李英娜 《小型微型计算机系统》2025,46(8):1869-1877

一种结合选择性通信与冲突解决的多智能体路径规划方法

下载全文  

在动态密集场景中,路径规划方法面临计算复杂度高、系统可扩展性差等问题,尤其在障碍物密度大、智能体数量多的结构化环境中,易出现寻路效果不佳及碰撞死锁等现象。针对复杂场景下多智能体路径规划通信与动态冲突的双重挑战,该文提出一种基于选择性通信与冲突解决的多智能体路径规划方式(DCCPR… …   相似文献

王昱;张旭秀 《电子与信息学报》2025,47(8):2830-2840

结合图像显著性区域的局部动态干净标签后门攻击

下载全文  

随着深度学习技术的广泛应用,针对深度学习模型的后门攻击也越来越多。研究后门攻击对揭示人工智能领域存在的安全隐患具有重要意义。为改进现有干净标签后门攻击方法在实际场景下可行性较低、隐蔽性不够高、攻击效果不佳等问题,提出了一种结合图像显著性区域的局部动态干净标签后门攻击方法。在仅掌握… …   相似文献

洪维;耿沛霖;王弘宇;张雪芹;顾春华 《计算机科学与探索》2025,(8):2229-2240

大语言模型安全与隐私风险综述

下载全文  

近年来,大语言模型（large language model,LLM）作为深度学习网络技术的关键分支,在自然语言处理（natural language processing,NLP）领域取得了一系列突破性成就,并被广泛采用.然而,在其包括预训练、微调和实际部署在内的完整生命周期中… …   相似文献

姜毅;杨勇;印佳丽;刘小垒;李吉亮;王伟;田有亮;巫英才;纪守领 《计算机研究与发展》2025,62(8):1979-2018

基于记忆策略的元解释学习

下载全文  

元解释学习(Meta-interpretive Learning,MIL)是一种归纳逻辑程序设计(Inductive Logic Programming,ILP)方法,旨在从一组实例、元规则和其他背景知识中学习一个程序.MIL采用深度优先和失败驱动策略在程序空间中搜索适当的子句以生成程序.事实上,这种机制不可避免地引发了对相同目标重复证明的问题.在本文中,我们提出了一种剪枝策略,该策略利用Prolog内置的数据库机制来存储未能达成的目标及其对应的错误信息,从而有效避免冗余的证明过程.此后,这些累积的错误信息能够作为指导,帮助MIL系统在未来的学习过程中进行优化和调整.我们证明了剪枝算法的正确性,并在理论上计算了程序空间的缩减比例.我们将所提出的方法应用于两个现有的MIL系统Metagol和Metagol_AI,从而产生了两个新的MIL系统Metagol_F和Metagol_{AI_F}.在四个不同任务上的实证结果表明,所提出的策略可以显著减少学习相同程序的时间消耗.… …   相似文献

王榕  田聪  孙军  于斌  段振华 《软件学报》2025,36(8):3477-3493