期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
面向内部威胁检测的用户跨域行为模式挖掘 被引量:16
1
作者 文雨 王伟平 孟丹 《计算机学报》 EI CSCD 北大核心 2016年第8期1555-1569,共15页
内部用户行为分析是系统安全领域中一个重要的研究问题.近期的工作主要集中在用户单域行为的单一模式分析技术,同时依赖于领域知识和用户背景,不适用于多检测域场景.文中提出一种新的用户跨域行为模式分析方法.该方法能够分析用户行为... 内部用户行为分析是系统安全领域中一个重要的研究问题.近期的工作主要集中在用户单域行为的单一模式分析技术,同时依赖于领域知识和用户背景,不适用于多检测域场景.文中提出一种新的用户跨域行为模式分析方法.该方法能够分析用户行为的多元模式.此外,该方法是完全数据驱动的方法,不需要依赖相关领域知识和用户背景属性.最后作者基于文中的用户行为模式分析方法设计了一种面向内部攻击的检测方法.在实验中,作者使用文中方法分析了真实场景中的5种用户审计日志,实验结果验证了文中分析方法在多检测域场景中分析用户行为多元模式的有效性,同时文中检测方法优于两种已有方法:单域检测方法和基于单一行为模式的检测方法. 展开更多
关键词 内部威胁 多检测域 用户跨域行为分析 非负矩阵分解 高斯混合模型 机器学习
下载PDF
基于双图注意力的多领域口语语言理解联合模型
2
作者 贾旭 彭敏 《中文信息学报》 CSCD 北大核心 2023年第10期76-85,共10页
多领域口语语言理解包括多意图识别和槽填充两个子任务,现有研究通过构建语句中的意图和槽之间的关联提升模型的表现。然而现有研究将多领域场景下的意图和槽看作相互独立的标签,忽视了标签之间领域内和领域间的结构关联。该文提出细粒... 多领域口语语言理解包括多意图识别和槽填充两个子任务,现有研究通过构建语句中的意图和槽之间的关联提升模型的表现。然而现有研究将多领域场景下的意图和槽看作相互独立的标签,忽视了标签之间领域内和领域间的结构关联。该文提出细粒度标签图和领域相关图的双图注意力联合模型。具体来说,细粒度标签图将意图和槽标签分成细粒度分片,建模分片之间的结构性关联和上下文表示的语义特征。领域相关图通过标签间的领域信息,建模预测意图和对应领域内槽的关联,减少图中的冗余关联。实验结果表明,在两个公开的数据集上,该文提出的模型均优于基准模型。 展开更多
关键词 多领域口语语言理解 多意图识别 细粒度标签图 领域相关图
下载PDF
多目标空域识别有效性定量评价算法
3
作者 郑成良 张斌 +1 位作者 陶小川 徐钢锋 《电子信息对抗技术》 2011年第6期52-57,共6页
有限区域内多目标的相互干扰是定位系统目标识别所面临的难题之一。分析了影响空域识别能力的各种因素,提出了利用等张角曲面、等倾角倒圆锥曲面多重交集投影方法,解算识别距离及形态,实现了空域识别有效性定量评价。指出了目标数量、... 有限区域内多目标的相互干扰是定位系统目标识别所面临的难题之一。分析了影响空域识别能力的各种因素,提出了利用等张角曲面、等倾角倒圆锥曲面多重交集投影方法,解算识别距离及形态,实现了空域识别有效性定量评价。指出了目标数量、间距、布阵及传感器空域分辨能力、侦测接近倾角等与有效识别距离及形态的变化关系,对充分发挥传感器探测效率和选择侦测方位提出了一条有效的技术途径。 展开更多
关键词 多目标 空域识别 定量评价 多重交集投影
下载PDF
基于混合域注意力YOLOv4的输送带纵向撕裂多维度检测 被引量:6
4
作者 李飞 胡坤 +2 位作者 张勇 王文善 蒋浩 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2022年第11期2156-2167,共12页
针对输送带纵向撕裂目标检测维度单一、模型复杂度高等问题,提出一种高效的MobileNetv3及YOLOv4集成网络输送带纵向撕裂多维度实时检测方法.基于YOLOv4目标识别算法,通过将轻量化网络Mobile-Netv3代替CSPDarknet53作为骨干网络,结合高... 针对输送带纵向撕裂目标检测维度单一、模型复杂度高等问题,提出一种高效的MobileNetv3及YOLOv4集成网络输送带纵向撕裂多维度实时检测方法.基于YOLOv4目标识别算法,通过将轻量化网络Mobile-Netv3代替CSPDarknet53作为骨干网络,结合高效通道域ECA模块和空间域注意力机制(STNet)构建混合域注意力网络(ECSNet),改进了MobileNetv3嵌入ECSNet,并且提升了模型对空间和通道的关注度.引入深度可分离卷积块代替网络中3*3卷积,并将YOLOv4的检测头(Prediction Heads)缩减为2种尺度,轻量化模型降低网络复杂度和训练难度,完成ECSMv3_YOLOv4模型的搭建,使用K-means聚类6个Anchors预测目标框高宽,提高网络对表面撕裂的检测性能.研制带式输送机多维度智能巡检样机,采集制作输送带多维度面的纵向撕裂数据集,开展网络模型的训练、测试、识别和定位实验.结果表明,提出算法在测试集中的平均识别准确率为97.8%,识别速度为37帧/s,模型的计算量和参数量为4.882 G和8.851 M,通过试验不同的网络模型效果和改变光照强度,该方法体现出检测精度高、速度快和轻量化等优点,具备更强的适应性和抗干扰能力. 展开更多
关键词 纵向撕裂 多维度检测 MobileNetv3 混合域注意力机制 YOLOv4 轻量化
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部