期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
IIFLNs-AHP及其在煤矿安全状况评价中的应用 被引量：7
1
作者 赵宝福 张超 +3 位作者 贾宝山 翟翠霞 任海芝 郭建威 《中国安全生产科学技术》 CAS CSCD 北大核心 2016年第12期59-63,共5页
为了评价煤矿的安全现状,同时实现对各类安全隐患的排查,构建了基于层次分析法(AHP)耦合区间直觉模糊语言数(IIFLNs)进行计算的IIFLNs-AHP评价模型。首先提出了区间直觉模糊语言关联混合几何(R-IIFLNHG)算子,并由其算出评价权重向量;其... 为了评价煤矿的安全现状,同时实现对各类安全隐患的排查,构建了基于层次分析法(AHP)耦合区间直觉模糊语言数(IIFLNs)进行计算的IIFLNs-AHP评价模型。首先提出了区间直觉模糊语言关联混合几何(R-IIFLNHG)算子,并由其算出评价权重向量;其次结合层次分析法(AHP)运用提出的权重聚合计算公式来确定各层次指标重要程度,并对指标进行排序。以某煤矿为例,运用IIFLNs-AHP进行计算,同时根据计算结果找到了隐含的各类安全隐患,其计算分析结果与现场情况及前人研究结论基本一致,从而验证了IIFLNs-AHP的正确性。结果表明,IIFLNs-AHP能够较好地对煤矿各类安全评价指标进行排序,有助于确定指标体系中的薄弱环节,并可据此实现对安全管理有针对性的改进与完善。 展开更多
关键词 安全评价 煤矿安全 区间直觉模糊语言数(IIFLNs) 层次分析法(AHP) 聚合权重
下载PDF
航运公司安全管理能力聚权分级模型 被引量：6
2
作者 吴建军 胡甚平 金永兴 《中国安全生产科学技术》 CAS CSCD 2014年第4期145-151,共7页
为了更好对航运公司安全管理工作摸底排查,采取针对性措施监管航运公司安全营运,需要对安全管理能力进行分类分级评价。基于表征航运公司安全管理能力的分级指标体系,建立安全管理能力分级评价模型。基于熵权和变异系数法的赋权方法,利... 为了更好对航运公司安全管理工作摸底排查,采取针对性措施监管航运公司安全营运,需要对安全管理能力进行分类分级评价。基于表征航运公司安全管理能力的分级指标体系,建立安全管理能力分级评价模型。基于熵权和变异系数法的赋权方法,利用α系数检验两种客观赋权法的信度,提出聚合权重并建立安全管理能力的物元分级模型。利用多家航运公司数据确定分级指标的权重,对典型公司分级和评分。结果表明,提出的模型能合理反映各公司的安全管理能力,并有利于主管机关进行分类管理,采取针对性措施提高监管效率改善公司安全管理能力。 展开更多
关键词 航运公司 安全管理能力 信度 α系数 聚合权重 物元分级模型
下载PDF
基于SIFT描述子的自适应聚合权重立体匹配算法 被引量：1
3
作者 何凯 王晓文 葛云峰 《天津大学学报（自然科学与工程技术版）》 EI CSCD 北大核心 2016年第9期978-983,共6页
针对传统局部立体匹配算法在深度不连续区域和低纹理区域匹配精度不高的问题,提出了一种基于SIFT描述子的自适应聚合权重立体匹配算法.算法首先采用梯度域的幅值和相位获取初始匹配代价;然后利用相似性区域判决准则获得各个中心点的自... 针对传统局部立体匹配算法在深度不连续区域和低纹理区域匹配精度不高的问题,提出了一种基于SIFT描述子的自适应聚合权重立体匹配算法.算法首先采用梯度域的幅值和相位获取初始匹配代价;然后利用相似性区域判决准则获得各个中心点的自适应矩形聚合窗口,并利用各点SIFT描述子的L1范数进行自适应聚合权重计算.仿真实验结果表明,该算法能够有效地提高低纹理区域和深度不连续区域的立体匹配精度,获得较高精度的视差图. 展开更多
关键词 立体匹配 梯度 聚合权重 SIFT描述子
下载PDF
基于半监督联邦学习的恶意流量检测模型
4
作者 张帅华 张淑芬 +2 位作者 周明川 徐超 陈学斌 《计算机应用》 CSCD 北大核心 2024年第11期3487-3494,共8页
恶意流量检测是应对网络安全挑战的关键技术之一。针对采用联邦学习进行恶意流量检测时,本地标记数据不足,非独立同分布(non-IID)导致协同训练模型性能下降的问题,构建一种基于半监督联邦学习的恶意流量检测模型。该模型借助伪标记和一... 恶意流量检测是应对网络安全挑战的关键技术之一。针对采用联邦学习进行恶意流量检测时,本地标记数据不足,非独立同分布(non-IID)导致协同训练模型性能下降的问题,构建一种基于半监督联邦学习的恶意流量检测模型。该模型借助伪标记和一致性正则化项的半监督学习技术,有效地从未标记数据中提取信息进行训练;同时,设计一种非线性函数,用于动态调整客户端本地有监督和无监督损失在聚合时的权重,以充分利用未标记数据,提高模型的准确性。为降低non-IID问题对全局模型性能的影响,提出一种联邦聚合算法FedLD(Federated-Loss-Data),通过结合训练损失和数据量的权重计算方法,自适应地调整全局模型聚合过程中各客户端模型的权重。实验结果表明,在NSL-KDD数据集上,所提模型在标记数据有限的情况下能够实现较高的检测准确率,与基线模型FedSem(Federated Semi-supervised)相比,检测准确率提升了4.11个百分点,在正常流量(Normal)、拒绝服务(DoS)攻击和探测(Probe)等类别上的召回率也提升了1.65~7.66个百分点,说明所提模型更适用于恶意流量检测领域。 展开更多
关键词 联邦学习 半监督学习 恶意流量检测 一致性正则化 动态聚合权重
下载PDF
基于自适应聚合权重联邦学习的肺结节CT图像分类 被引量：3
5
作者 侍江烽 冯宝 +1 位作者 陈业航 陈相猛 《激光与光电子学进展》 CSCD 北大核心 2023年第22期78-88,共11页
针对目前医学影像面临多中心数据存在数据孤岛以及非独立同分布的问题(Non-IID),提出了一种基于自适应聚合权重的联邦学习算法(FedAaw)。在全局模型聚合过程中,提出准确率阈值来筛选出本地模型,并由中心服务器采用筛选后模型的准确率计... 针对目前医学影像面临多中心数据存在数据孤岛以及非独立同分布的问题(Non-IID),提出了一种基于自适应聚合权重的联邦学习算法(FedAaw)。在全局模型聚合过程中,提出准确率阈值来筛选出本地模型,并由中心服务器采用筛选后模型的准确率计算相应的聚合权重,从而对全局模型进行聚合,使得分类性能较佳的模型参与全局模型的构建,以达到缓解多中心数据Non-IID的问题。同时,为提高模型挖掘图像长短距离信息之间的能力,在本地和全局模型中引入多头自注意力(MHSA)机制。此外,为缓解端对端的冗余特征造成的模型过拟合问题,提取全局模型中卷积核的特征,并采用基于L1范数的稀疏贝叶斯极限学习机(SBELML_(1))的集成学习方法完成各中心数据的特征分类。最后,通过多次打乱不同中心的数据分布来验证FedAaw算法的抗干扰能力。5个中心的测试集AUC变化范围为中心1(0.7947~0.8037)、中心2(0.8105~0.8405)、中心3(0.6768~0.7758)、中心4(0.8496~0.9063)、中心5(0.8913~0.9348),该结果表明:FedAaw在多中心数据上具有良好的分类性能且抗干扰能力较强。 展开更多
关键词 自适应聚合权重 联邦学习 多头自注意力 L1范数的极限学习机 对抗验证
原文传递
动态聚合权重的隐私保护联邦学习框架 被引量：3
6
作者 应作斌 方一晨 张怡文 《网络与信息安全学报》 2022年第5期56-65,共10页
在非可信中心服务器下的隐私保护联邦学习框架中,存在以下两个问题。①在中心服务器上聚合分布式学习模型时使用固定的权重,通常是每个参与方的数据集大小。然而,不同参与方具有非独立同分布的数据,设置固定聚合权重会使全局模型的效用... 在非可信中心服务器下的隐私保护联邦学习框架中,存在以下两个问题。①在中心服务器上聚合分布式学习模型时使用固定的权重,通常是每个参与方的数据集大小。然而,不同参与方具有非独立同分布的数据,设置固定聚合权重会使全局模型的效用无法达到最优。②现有框架建立在中心服务器是诚实的假定下,没有考虑中央服务器不可信导致的参与方的数据隐私泄露问题。为了解决上述问题,基于比较流行的DP-FedAvg算法,提出了一种非可信中心服务器下的动态聚合权重的隐私保护联邦学习DP-DFL框架,其设定了一种动态的模型聚合权重,该方法从不同参与方的数据中直接学习联邦学习中的模型聚合权重,从而适用于非独立同分布的数据环境。此外,在本地模型隐私保护阶段注入噪声进行模型参数的隐私保护,满足不可信中心服务器的设定,从而降低本地参与方模型参数上传中的隐私泄露风险。在数据集CIFAR-10上的实验证明,DP-DFL框架不仅提供本地隐私保证,同时可以实现更高的准确率,相较DP-FedAvg算法模型的平均准确率提高了2.09%。 展开更多
关键词 联邦学习 差分隐私 动态聚合权重 非独立同分布数据
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部