Search | Engineering

订阅投稿

首页工程期刊工程焦点工程成就工程前沿关于我们 English

资源类型

期刊论文 245

会议信息 10

会议视频 6

年份

2023 44

2022 47

2021 38

2020 33

2019 36

2018 18

2017 19

2016 7

2015 1

2011 1

2010 1

2009 1

2008 1

2007 3

2006 1

2005 1

2004 2

2003 1

2002 4

2001 2

展开︾

关键词

机器学习 27

深度学习 15

人工智能 13

2019 3

MATLAB 3

图像处理 3

2020 2

ACM 2

代理模型 2

增材制造 2

强化学习 2

材料设计 2

结构健康监测 2

隐私计算 2

高层建筑 2

12 1

2D—3D配准 1

3D打印 1

6G 1

展开︾

检索范围：

排序：展示方式：

种基于特征选择与迁移学习的度量补偿软件缺陷预测方法 Research Article

陈锦富1,2,王小丽1,2,蔡赛华1,2,徐家平1,陈静怡1,陈海波1

《信息与电子工程前沿（英文）》 2022年第23卷第5期页码 715-731 doi: 10.1631/FITEE.2100468

摘要：跨项目软件缺陷预测解决了传统缺陷预测中训练数据不足的问题，克服了将多个不同源项目中学习的模型应用于目标项目的挑战。与此同时，出现两个新问题：（1）模型训练过程中过多无关和冗余特征影响训练效率，降低了模型预测精度；（2）由于开发环境等因素，度量值的分布因项目而异，当模型用于跨项目预测时，预测精度较低。本文引入皮尔逊特征选择方法解决数据冗余问题，采用基于迁移学习的度量补偿技术解决源项目和目标项目之间数据分布差异较大的问题。提出一种基于特征选择和迁移学习的度量补偿软件缺陷预测方法。实验结果表明，用该方法构建的模型在AUC（接收器工作特性曲线下面积）值和F1度量指标上取得较好结果。

关键词：缺陷预测；特征选择；迁移学习；度量补偿

HTML PDF 收藏

一种局部二次嵌入学习算法及其在软测量中的应用 Article

包垚垚, 朱远明, 钱峰

《工程（英文）》 2022年第18卷第11期页码 186-196 doi: 10.1016/j.eng.2022.04.025

摘要：

鉴于元学习在众多领域取得的巨大成就，本文针对数据回归问题提出了融合度量学习和神经网络（NN）的局部二次嵌入学习（LQEL）算法。首先，通过优化输入输出空间里样本间度量的全局一致性来改进马氏度量（Mahalanobis metric）学习算法；同时，通过引入松弛约束进一步证明了改进的度量学习问题等价于一个凸规划问题。然后，基于局部二次插值假设原理，引入了两个轻量级的神经网络，其一用于学习局部二次模型中的系数矩阵，另一个则用于对从不同局部近邻获得的预测结果进行权重分配。最后，将两个子模型嵌入统一的回归框架中，并通过随机梯度下降（SGD）算法学习模型参数。所提出的算法优势在于可充分利用目标标签中隐含的信息找到更可靠的参考样本。

关键词：局部二次嵌入度量学习回归机软测量

HTML PDF 收藏

利用流形学习进行基于图像的三维模型检索 None

Pan-pan MU, San-yuan ZHANG, Yin ZHANG, Xiu-zi YE, Xiang PAN

《信息与电子工程前沿（英文）》 2018年第19卷第11期页码 1397-1408 doi: 10.1631/FITEE.1601764

摘要：于是，基于图像的三维模型检索简化为欧氏空间到黎曼流形上的度量学习。为解决异质匹配问题，把欧式空间和对称正定矩阵黎曼空间映射到同一个高维希尔伯特空间，极大缩小彼此之间语义鸿沟。最后，使用核方法设计一个优化算法学习映射。任何新图像描述符，比如深度学习特征描述符，可以很容易嵌入该框架。实验结果表明，该方法相较目前最新基于图像的三维模型检索方法有一定优势。

关键词：模型检索；欧式空间；黎曼流形；希尔伯特空间；度量学习

HTML PDF 收藏

基于联邦边缘学习的梯度量化和带宽分配优化策略 Research Article

刘沛西1,3,江甲沫2,朱光旭3,程磊4,5,蒋伟1,罗武1,杜滢2,王志勤2

《信息与电子工程前沿（英文）》 2022年第23卷第8期页码 1247-1263 doi: 10.1631/FITEE.2100538

摘要：由于边缘设备有限算力和边缘网络有限的无线资源，利用联邦边缘学习（federated edge learning, FEEL）训练机器学习模型通常非常耗时。在不同学习任务和模型下，仿真结果证明了本文分析的有效性和所提优化算法性能接近最优。

关键词：联邦边缘学习；量化优化；带宽分配；训练时间最小化

HTML PDF 收藏

基于特征-模式图的SDN下分布式拒绝服务攻击发现方法 Special Feature on Future Network-Research Article

Ya XIAO, Zhi-jie FAN, Amiya NAYAK, Cheng-xiang TAN

《信息与电子工程前沿（英文）》 2019年第20卷第9期页码 1195-1208 doi: 10.1631/FITEE.1800436

摘要：节点之间的相似度由度量学习和马氏距离表示。所提方法可以基于图的邻近分类模型发现DDoS攻击，并具有自动发现未知攻击的能力且可通过全局或局部插入新节点的方式扩展已有图结构。

关键词：软件定义网络；分布式拒绝服务攻击；行为检测；距离度量学习；特征-模式图

HTML PDF 收藏

无人驾驶安全风险的识别与度量研究

窦文悦,胡平,魏平,郑南宁

《中国工程科学》 2021年第23卷第6期页码 167-177 doi: 10.15302/J-SSCAE-2021.06.016

摘要：

无人驾驶汽车是人工智能技术的应用热点之一，随之而来的车辆安全事故引发了全社会关注；无人驾驶安全风险的识别与度量成为人工智能安全领域亟待研究的课题对安全风险的关键要素进行识别与提炼，率先提出无人驾驶安全风险六要素框架：单车安全、联网安全、技术水平、法律政策、社会舆论、产业风险；完成问卷量表设计，进行两次网络问卷调查以收集必要数据，据此对安全风险要素进行度量验证

关键词：无人驾驶安全风险风险识别风险度量

HTML PDF 收藏

虚拟企业敏捷性度量的AFHW方法

王硕,唐小我

《中国工程科学》 2002年第4卷第7期页码 29-32

摘要：

提出虚拟企业敏捷性评价指标体系，用改进的层次分析法(AHP)和改进的模糊灰色物元法(FHW)相结合的AFHW模型进行专家咨询及虚拟企业敏捷性度量计算。并根据研制的虚拟企业敏捷性度量支持系统，对企业进行案例研究。

关键词：虚拟企业敏捷性度量 AFHW模型层次分析法(AHP) 模糊灰色物元法(FHW)

HTML PDF 收藏

一种面向软件缺陷预测的相似性度量特征选择方法 Article

Qiao YU, Shu-juan JIANG, Rong-cun WANG, Hong-yang WANG

《信息与电子工程前沿（英文）》 2017年第18卷第11期页码 1744-1753 doi: 10.1631/FITEE.1601322

摘要：针对软件缺陷预测中不同特征与类别的相关性差异，本文提出一种基于相似性度量（similarity measure, SM）的特征选择方法。按照特征权重值降序排列生成特征排序列表，并依次选取特征排序列表中的所有特征子集；最后，在KNN（k-nearest neighbor）模型上验证所有特征子集的分类性能，并采用AUC （area under curve）指标进行度量

关键词：软件缺陷预测；特征选择；相似性度量；特征权重；特征排序列表

HTML PDF 收藏

网络系统行为效用计算——概念与原理 Article

胡昌振

《工程（英文）》 2018年第4卷第1期页码 78-84 doi: 10.1016/j.eng.2018.02.010

摘要：

网络的服务与应用是一个面向业务与任务的行为过程，其度量与评估目前尚处于粗略比较状态。基于微分几何原理，提出了网络行为效用的计算原理与方法，并构建了基于行为效用的网络攻防对抗评估计算框架，从而奠定了网络行为定量度量和评估的数学基础。

关键词：网络度量评估微分流形网络行为效用网络攻防对抗

HTML PDF 收藏

联邦无监督表示学习 Research Article

张凤达1,况琨1,陈隆1,游兆阳1,沈弢1,肖俊1,张寅1,吴超2,吴飞1,庄越挺1,李晓林3,4,5

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1181-1193 doi: 10.1631/FITEE.2200268

摘要：为利用分布式边缘设备上大量未标记数据，我们在联邦学习中提出一个称为联邦无监督表示学习(FURL)的新问题，以在没有监督的情况下学习通用表示模型，同时保护数据隐私。

关键词：联邦学习；无监督学习；表示学习；对比学习

HTML PDF 收藏

系统非优分析理论及方法

何平

《中国工程科学》 2003年第5卷第7期页码 40-46

摘要：在系统非优范畴的基础上建立了征兆群与经验分析，提出了系统非优度量以及从非优追踪到系统自组织等问题。

关键词：系统非优范畴非优征兆群非优度量系统自组织

HTML PDF 收藏

学习挑选伪标签：一种用于命名实体识别的半监督学习方法 Research Articles

李真真,冯大为,李东升,卢锡城

《信息与电子工程前沿（英文）》 2020年第21卷第6期页码 809-962 doi: 10.1631/FITEE.1800743

摘要：深度学习模型在命名实体识别（NER）中实现了最先进的性能；然而，其良好性能很大程度上依赖于大量标记数据。在某些特定领域，例如医学、金融和军事领域，标记数据非常稀缺，而未标记数据则很容易获得。本文提出一种用于NER任务的半监督方法，其通过学习一个判别模块筛除错误伪标签，以创建高质量标注数据。伪标签是为未标记数据自动生成的标签，并被当作真实标签用来训练模型。该半监督框架包括3个步骤：为特定NER任务构建最佳单神经网络模型，学习一个评价伪标签的模块，以及迭代创建新的标记数据和改进NER模型。

关键词：命名实体识别；无标注数据；深度学习；半监督学习方法

HTML PDF 收藏

人工智能新方向：类人、机器、仿生和量子智能 Comment

李伟钢,Liriam Michi ENAMOTO,Denise Leyi LI,Geraldo Pereira ROCHA FILHO

《信息与电子工程前沿（英文）》 2022年第23卷第6期页码 984-990 doi: 10.1631/FITEE.2100227

摘要：

本评论回顾1998年提出的“一次性学习”（once learning，OLM）机制，和随后出现的用于图像分类的“一瞥学习”（one-shot learning这些被认为是AI研发的主要方向，并按以下分类标准区分：（1）以类人、机器、仿生或量子计算为本的AI研发;（2）升维或降维的信息输入;（3）小样本或大数据知识学习。

关键词：人工智能；机器学习；一次性学习；一瞥学习；量子计算

HTML PDF 收藏

基于两级层次特征学习的图像分类方法 Article

Guang-hui SONG,Xiao-gang JIN,Gen-lang CHEN,Yan NIE

《信息与电子工程前沿（英文）》 2016年第17卷第9期页码 897-906 doi: 10.1631/FITEE.1500346

摘要：本文提出了一种新颖、有效的基于深度卷积神经网络的两级层次特征学习框架。首先，不同层次的深度特征抽取器使用迁移学习方法进行训练。最后，基于Caltech-256、Oxford Flower-102和Tasmania Coral Point Count三个图像数据集的实验证明，通过两级层次特征学习的深度特征的表达能力十分强大，与传统的扁平多分类方法相比

关键词：迁移学习；特征学习；深度卷积神经网络；层次分类；谱聚类