检索结果

Select

1. 基于有向超图自适应卷积的链接预测模型

赵文博, 马紫彤, 杨哲

《计算机应用》唯一官方网站 2025, 45 (1): 15-23. DOI: 10.11772/j.issn.1001-9081.2023121847

摘要（212）

HTML （12）

PDF （2143KB）（138）

图神经网络（GNN）为链接预测提供了多样化的解决方案，但由于普通图的结构限制，目前的相关模型在充分利用顶点间的高阶及不对称信息方面存在明显的不足。针对以上问题，提出一种基于有向超图自适应卷积的链接预测模型。首先，使用有向超图结构更充分地表示顶点间的高阶和方向信息，兼具超图和有向图的优势；其次，有向超图自适应卷积采用自适应信息传播方式替代传统有向超图中的定向信息传播方式，从而解决了有向超边尾部顶点不能有效更新嵌入的问题，同时解决多层卷积导致的顶点过度平滑问题。在Citeseer数据集上基于显式顶点特征的实验结果显示，在链接预测任务上，相较于有向超图神经网络（DHNN）模型，所提模型的ROC （Receiver Operating Characteristic）曲线下面积（AUC）指标提升了2.23个百分点，平均精度（AP）提升了1.31个百分点。因此，所提模型可以充分表达顶点间的关系，并有效提高链接预测任务的性能。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于多级特征双向融合的小目标检测优化模型

潘烨新, 杨哲

《计算机应用》唯一官方网站 2024, 44 (9): 2871-2877. DOI: 10.11772/j.issn.1001-9081.2023091274

摘要（211）

HTML （6）

PDF （1447KB）（119）

由于自身特征较小以及网络的深度造成特征丢失等客观原因，小目标的检测一直是目标检测领域的难点问题。针对以上问题，提出基于网络结构进行多次特征增强以优化小目标检测的模型。首先，替换主干网络中的空间金字塔池化（SPP）以优化梯度计算；其次，对网络颈部实行区分特征级别的多级双向融合，并对输出头添加自适应特征融合（AFF）模块，以实现多级的特征增强。实验结果表明，在COCO2017-val数据集上，当交并比（IoU）为0.5时，所提模型的平均精度均值达到61.4%，与目前较流行的YOLOv7模型相比提高了4.7个百分点，同时在单GPU上模型的检测帧率为78.2 frame/s，满足工业检测速度要求。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

3. 一种混合式BitTorrent流量检测方法

李麟青杨哲朱艳琴

计算机应用 2011, 31 (12): 3210-3214.

摘要（887）

PDF （788KB）（694）

P2P流量已经成为互联网流量的主要部分，消耗大量的带宽，影响了服务质量，准确并实时检测出P2P流量有助于对P2P应用的监管，并研究其行为和发展。针对P2P流量中比例最大的BT流量，提出了一种混合式的检测方法。该方法由三个子方法构成，分别针对BT流量中的明文流、密文流和信令流进行检测，并预知即将发生的BT流量。实验结果表明，该方法的召回率、准确率和实时性，均优于目前实时性最好的几种机器学习方法。