-
题名基于综合散列度的拓扑探测源选取方法
- 1
-
-
作者
杨旭
邱菡
朱俊虎
王清贤
-
机构
数学工程与先进计算国家重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2014年第S1期265-269,共5页
-
基金
国家自然科学基金项目(61309007)
国家863项目(2011AA01A103)资助
-
文摘
在对非授权目标网络进行拓扑发现时,探测源的选取直接决定拓扑发现的效果,当探测源数量一定时,恰当地从备选探测源集合选取探测源组合可以使得拓扑发现的范围大大增加。针对该问题设计了一种描述探测源组合整体逻辑距离的指标——探测源综合散列度,并利用实验证明综合散列度较大的探测源组合倾向于发现更大范围的拓扑结构;提出了最大综合散列度选取法,即从备选探测源集合选取综合散列度最大的探测源组合进行拓扑探测。随后,对常被运用于电力网规划的混合遗传模拟退火算法进行定制处理,用于更准确地选取综合散列度最大的探测源组合。通过实验,证明了与SDIS选取法、低连接度选取法和随机选取法相比,最大综合散列度选取法选取得到的探测源可以发现更多的路由接口和路由链接。
-
关键词
网络拓扑发现
探测源
逻辑距离
综合散列度
锚点集
混合遗传模拟退火算法
-
Keywords
Network topology discovery,Probing source,Logic distance,General dispersity of sources,Anchor point set,Hybrid genetic simulated annealing algorithm
-
分类号
TP393.02
[自动化与计算机技术—计算机应用技术]
-
-
题名基于锚点集优化的硅片图像缺陷检测方法
被引量：2
- 2
-
-
作者
王晓茹
张雪英
黄丽霞
赵利军
肖方生
王安红
-
机构
太原理工大学信息与计算机学院
太原科技大学电子信息学院
中国电子科技集团公司第二研究所
-
出处
《计算机工程与设计》
北大核心
2020年第10期2770-2776,共7页
-
基金
国家自然科学基金项目(61672373)
山西省科技成果转化引导专项基金项目(201804D131035)。
-
文摘
为有效解决机器视觉算法识别硅片图像缺陷时存在检测速度慢、准确率低和稳定性差等问题,提出一种锚点集的优化方法。将Faster R-CNN检测网络与ResNet相结合进行特征提取;针对硅片缺陷数据集的特点,从理论上通过期望的定位精度推导一种优化的锚点集;利用优化后的锚点集训练缺陷检测模型。实验结果表明,所提检测模型识别精度提升至94.1%,检测时间达到160 ms,满足工业检测的需求。
-
关键词
锚点集优化
卷积神经网络
缺陷检测
Faster
R-CNN
-
Keywords
optimization of anchor-sets
convolutional neural network
defect detection
Faster R-CNN
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
