3281.
3282.
粒球邻域粗糙集(Granular Ball Neighborhood Rough Set, GBNRS)作为一种经典的属性约简方法,要求粒球的纯度严格为1,在类边界处会产生大量样本数为1的粒球.这些粒球通常被误判为离群点并剔除,导致类边界信息的丢失.为了解决此问题.文中首先定义模… … 相似文献
《模式识别与人工智能》2025,38(3):221-232
3283.
无线传感网络消除了物理电缆,降低了结构健康监测系统收集信息的难度,但通常具有较低的带宽和有限的能量.为了使结构健康监测系统获得最有效的信息和最高的网络性能,将最佳无线传感器布置问题表述为一个多目标优化问题,其中信息有效性被指定为模态保证准则,网络性能通过能量效率与网络连接性相结合… … 相似文献
安葳鹏;刘镕飞 《小型微型计算机系统》2025,46(3):751-758
3284.
面向密集低轨道卫星网络辅助的星地无线通信系统,该文提出一种基于非完美信道状态信息的多低轨卫星鲁棒波束赋形方法来改善频谱效率。具体地,在多低轨卫星全频复用场景下,提出了一个多卫星下行通信系统和速率最大化问题,并联合考虑卫星发射功率、卫星与用户关联关系,以及馈线链路容量约束。为了求解… … 相似文献
郑斌;曾令昕;黄辉;王晓洪;丁昌峰;王金元 《电子与信息学报》2025,47(3):623-632
3285.
目的 墓室壁画作为地下文物,由于环境湿度、地仗沉降等因素,局部区域出现了脱落、裂缝、霉变等多种病害,导致画面部分缺失。但现有深度学习的修复方法通常在单一维度或固定区域进行信息重建,无法充分捕获稀疏的壁画特征和修复多样化的复杂病害,修复时会出现内容缺失、结构错乱等问题。对此,提出一… … 相似文献
吴萌;郭歌;孙增国;路智勇;张倩文 《中国图象图形学报》2025,(3):737-754
3286.
为了解决现有多用户可搜索加密方案无法隐藏访问模式和搜索模式、抵抗关键词猜测等攻击的问题,提出了一种全新的支持多用户、多关键词搜索的公钥可搜索加密方案。该方案能够在分布式系统中支持多写者/多读者功能,并利用安全比特分解（SBD）协议,多密钥隐私保护外包计算（EPOM）和随机引入假阳… … 相似文献
聂旭云;成驰;耿聪;廖泽宇;焦丽华;陈瑞东;陈大江 《通信学报》2025,46(3):131-143
3287.
针对已有变步长LMS自适应滤波算法无法兼顾收敛速度、跟踪性能和稳态误差的局限性,提出了一种基于Rayleigh分布曲线的混合权系数变步长LMS算法。详细讨论了新的变步长函数中参数α、β、γ和混合滤波权系数W(n)对所提算法性能的影响以及抗干扰性分析。仿真与实测结果表明,所提算法在… … 相似文献
陈东伟;刘卫东;张明怡;金梦哲;方庆园 《通信学报》2025,(3):62-73
3288.
传统的头部化身大多基于3D可变形模型(3DMM)制作,虽然3DMM能够方便地进行驱动,但无法表达头发等非刚性结构。近期,基于神经辐射场的头部化身工作虽然取得了优秀的视觉效果,但在可驱动性和训练效率上存在不足。为了解决以上问题,单目视频被作为原始数据,一个数量动态增长的点云被用来构… … 相似文献
王杰;王创业;谢九成;高浩 《计算机科学》2025,(3):50-57
3289.
针对移动边缘计算(MEC)场景中任务卸载、计算和结果反馈全过程时延优化问题,该文提出了一种数字孪生(DT)辅助的联合MEC任务卸载、设备关联与资源分配的端到端时延优化方法。首先,在数字孪生边缘网络(DITEN)框架下,为包含传感器、边缘服务器以及执行器构成的边缘计算网络建立了物理… … 相似文献
李松;李顺;王博文;孙彦景 《电子与信息学报》2025,47(3):633-644
3290.
小样本图像分类旨在利用少量的标注样本实现对未见类别的预测。最近的研究表明,预训练策略和图像表示方法在该任务中发挥着关键作用。然而,这些方法的应用仍面临两个主要挑战:第一,自监督学习在小样本分类的预训练阶段尚未得到充分的探索;第二,二阶表示在不同粒度的小样本任务中的作用尚不明确,制… … 相似文献
李兆亮;贾令尧;张冰冰;李培华 《计算机学报》2025,(3):586-601
关于我们 |
广告服务 |
商务洽谈 |
联系我们 |
免责条款 |
隐私声明 |
网站导航
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
