- 年份
- 2024(8071)
- 2023(11575)
- 2022(9701)
- 2021(8796)
- 2020(7534)
- 2019(17284)
- 2018(16880)
- 2017(33108)
- 2016(17011)
- 2015(18955)
- 2014(18454)
- 2013(17853)
- 2012(16056)
- 2011(13959)
- 2010(13854)
- 2009(12801)
- 2008(11164)
- 2007(9393)
- 2006(8081)
- 2005(6898)
- 学科
- 济(71785)
- 经济(71726)
- 管理(50536)
- 业(49268)
- 企(41401)
- 企业(41401)
- 方法(37980)
- 数学(34293)
- 数学方法(33787)
- 融(26141)
- 金融(26140)
- 银(23678)
- 银行(23667)
- 行(22800)
- 中国(22791)
- 财(22162)
- 农(16721)
- 业经(16107)
- 务(15641)
- 财务(15589)
- 财务管理(15560)
- 地方(15233)
- 企业财务(14906)
- 制(14545)
- 农业(12117)
- 学(11750)
- 贸(11748)
- 贸易(11736)
- 理论(11673)
- 易(11488)
- 机构
- 大学(226493)
- 学院(225693)
- 济(96917)
- 经济(95152)
- 管理(94086)
- 理学(81843)
- 理学院(81115)
- 管理学(79586)
- 管理学院(79167)
- 研究(67721)
- 中国(59297)
- 财(46200)
- 京(45322)
- 科学(38866)
- 财经(37826)
- 中心(36646)
- 经(34515)
- 经济学(31608)
- 农(31170)
- 江(31122)
- 业大(31111)
- 所(30714)
- 经济学院(28956)
- 财经大学(28565)
- 研究所(27971)
- 北京(27425)
- 范(26009)
- 师范(25734)
- 州(25688)
- 商学(25078)
- 基金
- 项目(161590)
- 科学(129482)
- 基金(121147)
- 研究(118134)
- 家(104589)
- 国家(103791)
- 科学基金(91805)
- 社会(78188)
- 社会科(74615)
- 社会科学(74599)
- 基金项目(63739)
- 省(61869)
- 自然(58682)
- 自然科(57472)
- 自然科学(57461)
- 自然科学基金(56436)
- 教育(54040)
- 划(51722)
- 资助(50005)
- 编号(47482)
- 成果(37473)
- 部(36018)
- 重点(35975)
- 创(34140)
- 国家社会(34108)
- 发(33957)
- 创新(32013)
- 教育部(31846)
- 科研(31563)
- 人文(31419)
共检索到323804条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 林业科学
[作者]
吴福明 宋智豪 王超 符利勇 业巧林
【目的】提出一种基于自适应样本均衡与信息融合的林火检测数据增强（SMA）方法，以解决因林火样本数据难以获取、各类别分布不均衡、场景表达能力不充分等导致林火检测效果不佳的问题。【方法】以河北省张家口市崇礼区采集的无人机林火图像为研究对象：1）对无人机视频进行预处理，构建原始数据集；2）采用类别统计、标注框中心化等方法分析数据存在的问题，如小目标居多、类别分布不均衡和标注框尺寸分散等；3）针对类别分布失衡问题，引入自适应参数，实现样本动态调整；4）为保证信息跨样本融合的有效性，提出新的参数指标IOA作为判定阈值，并给出合理参考值；5）设计12组消融试验，以无人机采集数据为样本，根据控制变量原则，对比原始数据、随机数据增强、马赛克数据增强和SMA方法在SSD、YOLOv3、YOLOv4主流算法中的林火检测结果；6）以MAP（平均查准率）为指标，评估不同数据增强方法在同一算法中的效果。【结果】消融试验结果显示，SMA方法在SSD、YOLOv3、YOLOv4算法中MAP分别为48.16%、82.02%、67.79%，相比原始数据分别提升12.14%、11.50%、36.83%，相比随机数据增强分别提升11.95%、4.86%、16.33%，相比马赛克数据增强分别提升1.06%、18.24%、1.79%。【结论】现有数据增强方法未能充分利用林火数据中蕴涵的信息，SMA方法引入自适应参数可解决样本分布不均衡问题，IOA指标引入能够实现数据跨样本融合。SMA方法在SSD、YOLOv3和YOLOv4算法中MAP相较传统方法均有提升，表现出对林火数据检测的有效性。
[期刊] 华中农业大学学报
[作者]
仝召茂 陈学海 马志艳 杨光友 张灿
针对夜间场景下苹果识别率低、实时性差的问题，提出了一种融合图像增强和迁移学习的YOLOv8n夜间苹果检测方法。首先，在YOLOv8n前端嵌入Zero-DCE模块增强夜间图像，更清晰地呈现苹果的轮廓和细节，降低夜间苹果图像的识别难度；其次，使用SPD-Conv进行下采样，增强模型细粒度特征的提取能力；在此基础上，针对夜间苹果数据集样本量少的问题，采用迁移学习训练策略，选取含有苹果类别的MS COCO数据集作为源域数据集，对于夜间场景下的目标域数据集，利用Zero-DCE增加其与日间苹果图像的相似度并在源域模型上微调目标域模型。基于上述方法，在夜间苹果图像数据集上进行了试验，结果显示，所提方法的模型的精确率P为97.0%、召回率R为93.4%、平均精度均值mAP0.5:0.95为74.6%，较YOLOv8n原始模型分别提升2.3、1.9和4.3百分点，同时该模型的FPS为22帧/s，可以满足实时性要求。消融试验显示，图像增强与迁移学习结合使用的效果超过两者单独使用时的效果之和。研究表明，改进后的模型在处理重叠、遮挡、绿果和光线过暗等复杂情形时都比原始模型表现更优，具有良好的鲁棒性。
[期刊] 清华大学学报(自然科学版)
[作者]
孙博文 张鹏 成茗宇 李新童 李祺
网络空间面临的恶意代码威胁日益严峻,传统恶意代码检测方法在恶意代码攻防对抗中逐渐暴露弊端。针对此现状,该文提出了基于代码灰度化图像增强的恶意代码检测方法,使用恶意代码ASCII字符信息和PE结构信息对传统恶意代码灰度化图像方法进行改进,构建RGB三维图像作为原始数据输入到检测算法,并使用一种带有空间金字塔池化结构的VGG16神经网络模型对恶意代码图像进行训练和预测。该文还提出了一种基于多标注归一化表示的方法来提高样本标签的可靠性,实验结果表明:该方案可以有效应对加壳、混淆等对抗手段,对新型恶意代码具有良好的检测效果。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
陈海燕 甄霞军 赵涛涛
针对基于卷积神经网络的高原鼠兔目标检测模型在实际应用中缺乏训练数据的问题，提出一种前景与背景融合的数据增强方法：首先对训练集数据进行前景和背景的分离，对分离的前景作图像随机变换，对分离的背景用背景像素随机覆盖，得到前景集合和背景集合；从前景集合和背景集合中随机选取前景和背景，进行像素加融合；再从训练集中随机选取样本，将标注边界框区域采用剪切粘贴方法融合到训练图像的随机位置，得到增强数据集。采用两阶段的弱监督迁移学习训练模型，第一阶段在增强数据集上对模型预训练；第二阶段在原始训练集上微调预训练模型，得到检测模型。对自然场景下高原鼠兔目标检测的结果表明：在相同的试验条件下，基于前景与背景融合数据增强的目标检测模型的平均精度优于未数据增强、Mosaic和Cut Out数据增强的目标检测模型；基于前景、背景融合数据增强的目标检测模型的最优平均精度为78.4%，高于Mosaic的72.60%、Cutout的75.86%和Random Erasing的77.4%。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
陈海燕 甄霞军 赵涛涛
针对基于卷积神经网络的高原鼠兔目标检测模型在实际应用中缺乏训练数据的问题，提出一种前景与背景融合的数据增强方法：首先对训练集数据进行前景和背景的分离，对分离的前景作图像随机变换，对分离的背景用背景像素随机覆盖，得到前景集合和背景集合；从前景集合和背景集合中随机选取前景和背景，进行像素加融合；再从训练集中随机选取样本，将标注边界框区域采用剪切粘贴方法融合到训练图像的随机位置，得到增强数据集。采用两阶段的弱监督迁移学习训练模型，第一阶段在增强数据集上对模型预训练；第二阶段在原始训练集上微调预训练模型，得到检测模型。对自然场景下高原鼠兔目标检测的结果表明：在相同的试验条件下，基于前景与背景融合数据增强的目标检测模型的平均精度优于未数据增强、Mosaic和Cut Out数据增强的目标检测模型；基于前景、背景融合数据增强的目标检测模型的最优平均精度为78.4%，高于Mosaic的72.60%、Cutout的75.86%和Random Erasing的77.4%。
[期刊] 北京林业大学学报
[作者]
贾一鸣 张长春 胡春鹤 张军国
【目的】为解决由于森林火灾烟雾数据集样本量小、样本特征分散、烟雾图像占比小等特点导致的林火烟雾检测模型识别效果差、准确率低等问题，实现快速、准确识别检测森林火灾烟雾。【方法】针对少样本森林火灾烟雾图像数据集的样本特征，本研究提出了一种基于多头注意力机制的森林火灾烟雾图像检测方法。该方法首先在训练阶段采用数据增强方法，扩充训练数据的数量同时降低过拟合风险；然后设计特征提取模块与特征聚合模块，在特征提取模块中引入多头注意力机制并探讨引入的合适位置，使模型更多地关注火灾局部特征，解决烟雾图像少造成的信息缺失问题；在特征聚合模块中使用FPN-PAN模块对图像的深层与浅层语义信息进行特征融合；最后，设置检测头模块输出实验结果。利用测试准确率、召回率、误报率、检测率和F1值等评价指标在少样本公共数据集和自建火灾烟雾少样本数据集上测试本方法的有效性。【结果】在数据增强阶段同时增加马赛克数据增强和多尺度变换，可以得到更好的检测效果。在特征提取模块的第4个卷积模块后面添加1处多头注意力机制的模型性能最好。相较于现有的元学习长短时记忆网络、匹配网络和轻量级目标检测网络等方法，本方法有更好的检测效果，具体表现为准确率达到了98.79%，召回率98.28%，检测率97.33%，误报率仅为6.36%。【结论】与现有的火灾烟雾检测模型相比，本方法具有更好的判别能力和泛化能力。
[期刊] 福建农林大学学报(自然科学版)
[作者]
高克芳 郭建钢
针对中值滤波在图像去噪时会造成图像细节丢失的问题,提出了一种新的基于噪声点检测的自适应中值滤波法.该方法对噪声点采用两级判断的方法:首先根据椒盐噪声的特点将图像像素点分为可疑噪声和信号两类;对于可疑噪声点,根据噪声与细节在图像中的表现,将可疑噪声分为噪声和边缘细节;然后采用不同的中值滤波窗口对噪声点进行滤波,对于两次判断得到的信号和边缘细节不进行处理以保持图像的细节.测试结果表明,与常用的中值滤波法相比,该方法不仅具有较好的去噪特性,还具有较强的细节保护能力.
关键词：
图像处理 中值滤波 自适应 噪声检测
[期刊] 华中师范大学学报(自然科学版)
[作者]
万润泽 雷建军 王海军
考虑到恶意节点篡改数据或者直接伪造数据对融合结果可能造成的影响,提出了一种基于安全数据融合的恶意行为检测机制来量化节点采集数据的可信程度,判断节点行为是否正常,并给出了恶意节点的发现与处理方法.仿真实验表明,该模型能够有效检测恶意节点,具有较高的检测率和较低的误检率.
关键词：
无线传感器网络 恶意节点 安全 数据融合
[期刊] 图书情报工作
[作者]
许钦亚 薛秋红 钱力 刘会洲 刘鲁静
[目的/意义]学术论文的语步结构对读者深入理解内容和快速定位关键信息具有重要作用，本文旨在研究全文语步识别方法，以快速获取学术论文的核心内容，推动智能化的语义检索。[方法/过程]在当前语步识别方法方面的相关研究的基础上，提出一种融合ChatGPT数据增强和预训练语言模型的细粒度语步识别模型SciBERT-HAMI模型。该模型利用原始文本，通过ChatGPT大模型进行语料扩充，以增加训练数据的多样性和数量；使用分层神经网络模型学习论文的“词—句—章节”语义特征表示，以捕捉不同层次的语义信息；将SciBERT的词嵌入表示作为输入，并使用分层神经网络模型与FocalLoss损失函数进行细粒度语步识别模型训练。[结果/结论 ]结合ChatGPT数据增强策略，SciBERT-HAMI-DA模型在CoreSC和AZ数据集的F1值分别为0.731和0.741，对比实验表明，所提模型在论文全文细粒度语步识别任务上性能得到有效提升，并通过消融实验验证数据增强和模型组件的有效性。融合预训练语言模型与ChatGPT数据增强，全文语步识别模型的预测效果得到有效提升，有助于推动学术研究的自动化与智能化。
[期刊] 金融理论与实践
[作者]
仝美涵 康程程
反洗钱（Anti-Money Laundering,AML）旨在从海量支付交易中识别非法洗钱活动，是打击金融犯罪的关键防线。当前的反洗钱检测方法和模型存在一定的局限性，包括高昂的人力成本、适应新场景的能力不足以及处理复杂数据时准确度不高的问题。为解决这些问题，提出了一种基于数据增强的深度学习反洗钱智能检测模型。该模型通过深度学习技术自主提取特征，避免了对专家规则和手动特征总结的过度依赖。在此基础上，该模型还引入了数据增强技术，通过扩展训练数据集提高模型在各种场景和变化中的适应性，使其具备更高的可迁移性、泛化性和鲁棒性。在实际交易数据集上的实验表明，所提模型在准确率、召回率和AUC值上都优于已有的反洗钱模型，证明所提模型的先进性和有效性。
[期刊] 华中农业大学学报
[作者]
焦锐 马瑞峻 陈瑜 伍恩慧 杨金鹏 温国政 潘雄
夹切一体的菠萝（Ananas comosus (L.) Merr.）采摘器在进行田间采摘作业时，需要自主确定果茎切割点位置，而菠萝果茎处容易被植株叶片、苞叶遮挡，采用单一图像处理的方法难以准确识别到果茎切割点位置，为此提出一种多传感器信息融合的菠萝果茎切割点位置检测方法。将深度相机和多组光电传感器结合，利用改进的YOLOv5目标检测算法融合RGB-D深度信息，实现对菠萝冠芽顶部至果实底部长度测量，再利用光电传感器信号变化判断菠萝采摘器是否到达冠芽顶部位置，并将冠芽顶部作为起始位置，控制采摘器下降速度和时间，从而保证采摘器底部安装的切割刀准确抵达果茎切割点位置。台架试验结果表明，该方法对真实菠萝果茎切割点检测成功率达到85%，满足菠萝采摘机器人作业过程中果茎切割点检测准确性要求。
[期刊] 西南农业学报
[作者]
范振军 李小霞
【目的】针对在原始马铃薯病害图像上提取特征时计算量大、病害识别准确率低以及传统病害区域分割算法速度慢等问题,提出了一种新的基于关键特征点的病害感兴趣区域(ROI)快速检测与融合颜色和纹理特征的识别方法。【方法】对马铃薯病害图像作适当预处理后,首先提取ORB特征点,当其特征点数目小于给定阈值时提取SIFT特征点,再对所提特征点的坐标值按水平和垂直方向排序,并通过计算K个近邻点的均值来确定病害区域的坐标并提取ROI。然后融合病害ROI的HSV颜色直方图和UPLBP纹理直方图构成总特征向量。最后采用非线性SVM识别马铃薯病害。【结果】利用该方法对240幅马铃薯叶部、果实和茎部10种混合病害图像进行识别实验,结果表明,每幅病害图像ROI检测平均时间为0.013 s,平均识别正确率达95.83%,最高达100%,平均运行时间为0.083 s。【结论】基于ORB和SIFT关键特征点的病害ROI检测方法原理简单、易实现且实时性好。本文方法可实现对10类马铃薯病害的快速识别且准确率高,为其它农作物病害识别提供了参考价值。
[期刊] 湖南农业大学学报(自然科学版)
[作者]
乜国雷
针对入侵检测系统中数据噪音干扰、响应速度难以与网络速度的增长保持同步、入侵模式不断变化和判别知识库不完备等问题,提出了一种基于本体映射的网络自适应入侵检测系统模型.在该模型中,数据信息和知识元经过训练形成本体知识库,同时对可预测和已知的特征数据进行挖掘,形成特征库;对于待测数据集进行本体训练,对其本体和本体知识库进行映射,相似度低于系统安全阈值的数据集参考特征库进行特征分析,若属于用户误用操作,给予建议,否则,属于异常数据,予以报警;每次检测结束,对本体库和特征库进行实时更新.该模型通过本体映射模糊判断和特征库具体分析相结合的方式,有效的提高了检测效率和预警率.
关键词：
入侵检测 本体 相似度 特征分析
[期刊] 中国科学技术大学学报
[作者]
何捷舟 刘金平 张五霞 肖文辉 唐朝晖 徐鹏飞
随着互联网的普及和网络连接设备与访问方式的多样化,网络入侵方式与手段日趋多样化且变异速度快,传统入侵检测方法在有效性、自适应性和实时性方面难以应对日益复杂网络环境的安全监控要求,为此提出一种基于在线自适应极限学习机(online adaption extreme learning machine, OAELM)选择性学习的网络入侵检测方法(SEoOAELM-NID).首先,提出一种能自动设定最优隐含节点个数且具有在线增量学习功能的OAELM构建方法,采用Bagging策略快速训练出多个具有一定独立性的OAELM子学习器;然后,基于边缘距离最小化原则(margin distance minimization,MDM)对OAELM子学习器的集成增益进行计算;通过选择增益度高的部分OAELM进行选择性集成,获得泛化能力强、效率高的选择性集成学习器用于入侵检测.由于SEoOAELM-NID能自动设定ELM子学习器最优隐节点个数且能根据网络环境变化实现检测模型在线顺序更新,因而能有效适应各种复杂网络环境的入侵检测要求;选择部分最优的子学习器进行集成,保证了最终检测结果的准确性和实效性,同时利用在线数据不断更新检测器.在NSL-KDD数据集上的测试结果表明,相比基于单个学习器以及传统集成学习的网络入侵检测方法,SEoOAELM-NID无论对已知入侵类型还是未知入侵类型均能获得更高的检测率,且识别速度快.
[期刊] 清华大学学报(自然科学版)
[作者]
王耀琦 万中英 曾雪强 左家莉
情感分布学习(emotion distribution learning, EDL)采用情感分布记录给定样本在各个情绪上的表达程度,在处理具有模糊性的多标签情绪分析任务时具有明显优势。情感分布标签增强技术将已标注的情绪单标签增强为情感分布,可以解决EDL缺乏已标注情感分布的实验数据集的问题。然而,已有的情感分布标签增强方法采用离散空间情绪模型表示情绪,存在情绪间的相关信息丢失和情绪表达不连续等问题。针对上述问题,该文引入基于连续维度的效价-唤醒-支配(valencearousal-dominance, VAD)心理学情绪模型,提出融合VAD情绪知识的文本情感分布标签增强方法(VAD emotion knowledge based text emotion distribution label enhancement, VADLE)。VADLE方法基于先验的VAD情绪模型中的情绪距离,先为英文句子的真实情绪标签和句中情感词的情绪标签分别生成先验情感分布,再通过分布叠加将2种先验情感分布统一。通过英文单标签文本情感数据集的对比实验表明:VADLE方法在情绪预测任务方面的性能优于已有的情感分布标签增强方法。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
