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 1480

会议视频 57

会议信息 29

年份

2024 1

2023 154

2022 157

2021 157

2020 118

2019 125

2018 95

2017 104

2016 72

2015 26

2014 27

2013 30

2012 29

2011 32

2010 22

2009 21

2008 47

2007 55

2006 53

2005 64

展开︾

关键词

机器学习 27

神经网络 27

人工智能 21

深度学习 15

数学模型 13

能源 13

遗传算法 11

模型 10

模式识别 10

智能制造 9

模型试验 9

2020 8

数值模拟 8

2019 6

预测 6

颠覆性技术 6

人工神经网络 5

BP神经网络 4

COVID-19 4

展开︾

检索范围：

排序：展示方式：

融合深度置信网络的串联隐马尔科夫模型及其在脱机手写识别中的应用 Article

Partha Pratim ROY, Guoqiang ZHONG, Mohamed CHERIET

《信息与电子工程前沿（英文）》 2017年第18卷第7期页码 978-988 doi: 10.1631/FITEE.1600996

摘要：在文档分析和模式识别领域，自由书写的脱机手写识别是一个非常具有挑战性的研究课题。近年来，为了充分探索隐藏在文档图像中的监督信息，许多研究工作试图将多层感知机以一种混合或串联的形式嵌入隐马尔科夫模型当中。然而，因为多层感知机学习能力的不足，学习到的特征对于后续的识别任务不一定是最优的。在本文中，我们针对自由书写的脱机手写识别提出一种基于深度结构的串联方法。在提出的模型中，深度置信网络被用于学习序列数据的紧致表示，隐马尔科夫模型被用于（子-）词的识别。大量的实验展示了所提出模型的优势，特别是相对于多层感知机-隐马尔科夫模型的串联方法。

关键词：手写识别；隐马尔科夫模型；深度学习；深度置信网络；串联方法

HTML PDF 收藏

TPE-H2MWD: 基于隐马尔科夫模型和分权扩散的精确缩略图保留加密方案 Research Article

柴秀丽1,2,陈绣辉1,马亚坤1,左方3,甘志华2,3,张玉书4

《信息与电子工程前沿（英文）》 2023年第24卷第8期页码 1169-1180 doi: 10.1631/FITEE.2200498

摘要：一些学者基于排序后加密方法，设计了一种三像素缩略图保留加密方案（TPE2），用于平衡图像安全性和可用性，然而该方案的加密效率较低。为此，本文提出一种有效的精确缩略图保留加密方案。首先对明文图像进行分块和位平面置乱，然后采用Z字形置乱模型改变最低的4个位平面中比特的位置，随后介绍了用于改变最高的4个位平面中比特位置的操作（这是隐马尔科夫模型的一个扩展应用）。

关键词：隐马尔科夫模型；分权扩散；可用性与隐私性之间的平衡；图像加密

HTML PDF 收藏

多带同步模型用于噪声环境下语音识别

孙暐,吴镇扬

《中国工程科学》 2006年第8卷第3期页码 31-34

摘要：

根据人耳听觉特性，提出新的同步多带最大似然线性回归算法用于噪声环境下语音识别。该算法采用最大似然作为参数估计准则，利用各频带信号同步感知和噪声污染假定的方法进行语音模型补偿，有效地提高了识别系统在噪声环境下的识别性能。

关键词：隐马尔可夫模型最大似然多带同步模型语音识别

HTML PDF 收藏

基于广义极值分布和马尔科夫随机场的全极化合成孔径雷达图像潮间带区域地物分类方法 None

Ting-ting JIN, Xiao-qiang SHE, Xiao-lan QIU, Bin LEI

《信息与电子工程前沿（英文）》 2019年第20卷第2期页码 253-264 doi: 10.1631/FITEE.1700462

摘要：潮间带区域地物分类难点在于，潮间带有很大比例区域经常被海水淹没，使得利用空间信息的统计建模方法常常失效。考虑到极化熵和各向异性在潮间带特征描述中的重要作用，提出一种新的无监督地物分类算法。该算法将广义极值分布模型（GEV）的极化特征与马尔可夫随机场（MRF）的平滑滤波结合，并加入拟合优度检验，以确定统计模型各组成部分的显著性。将极化熵和各向异性的分类结果有效结合，得到最终分类结果。最后，基于中国高分三号SAR卫星获得的全极化数据进行实验，实验结果证明所提方法的可行性和优越性。

关键词：潮间带区域地物分类；极化合成孔径雷达；有限混合模型；马尔可夫随机场；广义极值分布模型

HTML PDF 收藏

深度三维重建：方法、数据和挑战 Review Article

刘彩霞1,孔德慧1,王少帆1,王志勇2,李敬华1,尹宝才1

《信息与电子工程前沿（英文）》 2021年第22卷第5期页码 615-766 doi: 10.1631/FITEE.2000068

摘要：三维形状重建是计算机视觉、计算机图形学、模式识别和虚拟现实等领域的重要研究课题。因此，这些方法的重建精度难以提高。基于深度学习的三维重建方法通过利用深度网络自动学习低质量图像中的三维形状语义特征，克服了这两个瓶颈。然而，这些方法具有多种体系框架，但是至今未有文献对它们作深入分析和比较。本文对基于深度学习的三维重建方法进行全面综述。首先，基于不同深度学习模型框架，将基于深度学习的三维重建方法分为4类：递归神经网络、深自编码器、生成对抗网络和卷积神经网络，并对相应方法作详细分析。其次，详细介绍上述方法常用的4个代表性数据库。再次，对基于深度学习的三维重建方法进行综合比较，包括不同方法在同一数据库、同一方法在不同数据库以及同一方法对于不同视角个数输入的结果比较。最后，讨论了基于深度学习的三维重建方法的发展趋势。

关键词：深度学习模型；三维重建；循环神经网络；深度自编码器；生成对抗网络；卷积神经网络

HTML PDF 收藏

基于图像的深度学习降雨强度估计方法 Article

尹航, 郑飞飞, 段焕丰, Dragan Savic, Zoran Kapelan

《工程（英文）》 2023年第21卷第2期页码 162-174 doi: 10.1016/j.eng.2021.11.021

摘要：减轻其影响的一种有希望的方法是开发实时洪水风险管理系统；然而，由于缺乏高时空降雨数据，构建这样一个系统通常具有挑战性。虽然一些方法（即地面降雨站或雷达和卫星技术）可用于测量和（或）预测降雨强度，但使用这些方法很难获得具有理想时空分辨率的准确降雨数据。本文提出了一种基于图像的深度学习模型来估计具有高时空分辨率的城市降雨强度。进一步来说，一种称为基于图像的降雨卷积神经网络（image-based rainfall convolutional neural network, irCNN）模型是使用从现有密集传感器（即智能手机或交通摄像头irCNN 模型为估算城市降雨强度提供了一种有前景的替代方案，可以极大地促进城市实时洪水风险管理的发展。

关键词：城市洪水降雨图像深度学习模型卷积神经网络（CNN）降雨强度

HTML PDF 收藏

马尔可夫网络排队模型在电梯配置中的应用

宗群,程义菊,宋军远

《中国工程科学》 2003年第5卷第10期页码 69-72

摘要：

利用马尔可夫网络排队理论建立了电梯交通模型，在此基础上对各服务站的电梯配置交通进行计算，得到电梯的配置参数。通过与传统的电梯配置方法相比较，显示出明显的优越性，也表明了利用马尔可夫网络排队模型进行电梯配置的有效性和可行性。

关键词：马尔可夫网络排队理论电梯交通模型优化电梯配置

HTML PDF 收藏

NIG-AP：一种自动化渗透测试新方法 Regular Papers-Research Articles

Tian-yang ZHOU, Yi-chao ZANG, Jun-hu ZHU, Qing-xian WANG

《信息与电子工程前沿（英文）》 2019年第20卷第9期页码 1277-1298 doi: 10.1631/FITEE.1800532

摘要：渗透测试在发现网络脆弱性与评估网络安全状态方面发挥着重要作用。但是，渗透测试过程只能由安全专家进行，造成了大量时间、人力开销。自动化渗透测试为解决该问题提供了思路，其中最为关键的是攻击规划。不少学者对攻击路径发现进行了大量深入研究，但是大都基于完备的网络拓扑信息，这与实际渗透测试情况不符。为了从攻击者视角发现网络中存在的所有攻击路径，提出一种基于网络信息增益的攻击规划算法（NIG-AP），该算法将渗透测试过程形式化为马尔科夫决策过程，并利用网络信息构建回报函数，并指导代理从入侵者角度发现隐藏的攻击路径

关键词：渗透测试；强化学习；经典规划；部分观测的马尔科夫决策过程

HTML PDF 收藏

网络空间安全命名实体识别综述 Review Article

高宸1,张璇1,2,3,韩梦婷1,刘会1

《信息与电子工程前沿（英文）》 2021年第22卷第9期页码 1153-1168 doi: 10.1631/FITEE.2000286

摘要：随着互联网技术飞速发展和大数据时代到来，越来越多网络空间安全文本出现在互联网上。这些文本不仅包括安全概念、事件、工具、指南和政策，还包括风险管理方法、最佳实践、保证和技术等。整合大规模、异构和非结构化的网络空间安全信息，对网络空间安全实体进行识别和分类，有助于处理和解决网络空间安全问题。由于网络空间安全领域文本的复杂性和多样性，使用传统的命名实体识别（NER）方法难以识别该领域中的安全实体。本文介绍该领域NER的各种方法和技术，包括基于规则的方法、基于字典的方法和基于机器学习的方法，并讨论该领域NER研究面临的问题，如实体词组的结合与分离、非标准化的命名约定、缩写和大量嵌套等。最后，提出NER在网络空间安全方面的3个研究方向：（1）应用无监督或半监督技术；（2）开发更全面的网络空间安全本体；（3）应用更加有效的深度学习模型。

关键词：命名实体识别（NER）；信息抽取；网络空间安全；机器学习；深度学习

HTML PDF 收藏

具有深度阈值噪声消除的多尺度分析调制识别网络 Research Article

李响1,2,李一兵1,2,汤春瑞3,4,李迎松1,2

《信息与电子工程前沿（英文）》 2023年第24卷第5期页码 742-758 doi: 10.1631/FITEE.2200253

摘要：为了提高多变环境下调制信号识别的准确性、减少先验知识不足等因素对识别结果的影响，研究人员逐渐采用深度学习技术来替代传统的调制信号处理技术。为了解决低信噪比下调制信号识别精度低的问题，我们设计了一种具有深度阈值噪声消除的多尺度分析调制识别网络，在标签平滑的对称交叉熵函数作用下识别实际采集的调制信号。该网络由一个具有深度自适应阈值学习的消噪编码器和一个具有多尺度特征融合的解码器组成。将两个模块进行跳跃连接，共同作用以提高整体网络的鲁棒性。实验结果表明，该方法在低信噪比下比以前的方法具有更好的识别效果。该网络展示了对噪声阈值的灵活自学习能力以及所设计的特征融合模块对各种调制类型的多尺度特征获取的有效性。

关键词：信号消噪；深度自适应阈值学习网络；多尺度特征融合；调制识别

HTML PDF 收藏

一种基于分块步态模板的鲁棒性步态识别方法 Research Articles

王科俊,刘亮亮,丁欣楠,于凯强,胡钢

《信息与电子工程前沿（英文）》 2021年第22卷第5期页码 615-766 doi: 10.1631/FITEE.2000377

摘要：步态识别具备远程识别的巨大潜力，但这种方法很容易受到与身份无关的因素影响，例如穿衣、随身携带的物体和角度。目前基于步态模板的方法可以有效表示步态特征。每一种步态模板都有其优势以及表征不同的显著信息。本文提出一种步态模板融合方法，以避免经典的步态模板（例如步态能量图像方法）的不足——经典步态模板表征的不完整信息对轮廓变化很敏感。所提步态模板融合方法采取分块的方法，以表征行人不同身体部位的不同步态习惯。根据人体各部分特点将融合的步态模板为3个部分（头部、躯干和腿部区域），然后将这3部分的步态模板分别输入卷积神经网络学习从而获得融合的步态特征。采用CASIA-B数据集进行充分的实验评估，并将所提方法与现有方法比较。实验结果表明，所提步态识别方法具有良好准确性和鲁棒性。

关键词：步态识别；分块算法；步态模板；步态分析；步态能量图；深度卷积神经网络；生物特征识别；模式识别

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。两个英语NER任务和一个中文医疗命名实体识别任务的实验结果表明，该方法进一步提高了最佳单神经模型的性能。当仅使用预训练的静态词嵌入且不依赖任何外部知识时，该方法可获得与CoNLL-2003和OntoNotes 5.0英语NER任务上最先进模型相当的性能。

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

基于双向深度生成模型和功能磁共振成像数据的大脑编码和解码 Review

杜长德, 李劲鹏, 黄利皆, 何晖光

《工程（英文）》 2019年第5卷第5期页码 948-953 doi: 10.1016/j.eng.2019.03.010

摘要：尽管以前的研究人员在大脑编码和解码模型方面取得了显著进步，但是现有方法仍需要使用先进的机器学习技术进行改进。例如，传统方法通常会分别构建编码和解码模型，并且容易对小型数据集过度拟合。在本文中，我们首先回顾了现有的编码和解码方法，并讨论了“双向”建模策略的潜在优势。接下来，在体系结构和计算规则方面，我们证明了深度神经网络和人类视觉通路之间存在的对应关系。此外，深度生成模型[如变分自编码器（VAE）和生成对抗网络（GAN）]在大脑编码和解码研究中产生了可喜的成果。最后，我们提出了最初为机器翻译任务设计的对偶学习方法，该方法通过利用大规模未配对数据提高了编码和解码模型的效果。

关键词：大脑编码和解码功能磁共振成像深度神经网络深度生成模型双重学习

HTML PDF 收藏

基于深度Q学习网络与新训练算法的服务机器人主动物品检测模型 Research Article

刘少鹏,田国会,崔永成,邵旭阳

《信息与电子工程前沿（英文）》 2022年第23卷第11期页码 1673-1683 doi: 10.1631/FITEE.2200109

摘要：目前基于强化学习的AOD模型存在训练效率低和测试精度差的问题。因此，本文提出一种基于深度Q学习网络的AOD模型，并设计了一种新的模型训练算法。该模型旨在拟合各种动作Q值，包括状态空间、特征提取和多层感知机。与现有研究不同，本文针对所提AOD模型设计了一种基于记忆的训练算法，以提高模型训练效率和测试精度。此外，提出一种最终状态生成方法判断训练过程中AOD任务何时停止。本文所提方法在AOD数据集上进行了充分的对比实验和消融实验。实验结果表明所提方法优于其他同类方法，所设计的训练算法比原始训练算法更高效。

关键词：主动物品检测；深度Q学习网络；训练算法；服务机器人

HTML PDF 收藏

火灾事故的灰色-马尔可夫模型预测研究

毛占利,朱毅,杨伯忠,朱磊

《中国工程科学》 2010年第12卷第1期页码 98-101

摘要：

鉴于火灾事故的发生受多种复杂因素的影响，并且具有较大的随机性和波动性的特点，笔者等将灰色模型和马尔可夫模型相结合，建立火灾事故的灰色–马尔可夫模型，利用灰色模型的灰色性和马尔可夫模型的随机性来体现各自的优点，并运用该模型对全国农村火灾事故进行预测。实际应用表明，灰色–马尔可夫模型的预测精度明显高于灰色模型的预测精度，完全能满足预测精度的要求，可以较好地用于火灾事故的预测。