检索结果

Select

1. 基于多任务深度卷积神经网络的显著性对象检测算法

杨帆, 李建平, 李鑫, 陈雷霆

计算机应用 2018, 38 (1): 91-96. DOI: 10.11772/j.issn.1001-9081.2017061633

摘要（519）

PDF （1057KB）（666）

针对当前基于深度学习的显著性对象检测算法不能准确保存对象边缘的区域，从而导致检测出的显著性对象边缘区域模糊、准确率不高的问题，提出了一种基于多任务深度学习模型的显著性对象检测算法。首先，基于深度卷积神经网络（CNN），训练一个多任务模型分别学习显著性对象的区域和边缘的特征；然后，利用检测到的边缘生成大量候选区域，再结合显著性区域检测的结果对候选区域进行排序和计算权值；最后提取出完整的显著性图。在三个常用标准数据集上的实验结果表明，所提方法获得了更高的准确率，其中F-measure比基于深度学习的算法平均提高了1.9%，而平均绝对误差（MAE）平均降低了12.6%。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于节点相似性度量的社团结构划分方法

梁宗文, 杨帆, 李建平

计算机应用 2015, 35 (5): 1213-1217. DOI: 10.11772/j.issn.1001-9081.2015.05.1213

摘要（587）

PDF （877KB）（993）

针对复杂网络结构划分过程复杂、准确性差的问题,定义了节点全局和局部相似性衡量指标,并构建节点的相似性矩阵,提出一种基于节点相似性度量的社团结构划分算法.其基本思路是将节点(或社团)按相似性合并条件划分到同一个社团中,如果合并后的节点(或社团)仍然满足相似性合并条件,则继续合并,直到所有节点都得到准确的社团划分.实验结果表明,所提算法能成功正确地划分出真实网络中的社团结构, 性能比标签传播算法(LPA)、GN(Girvan-Newman)、CNM(Clauset-Newman-Moore)等算法优秀,能有效提高结果的准确性和鲁棒性.

参考文献 | 相关文章 | 多维度评价

Select

3. 移动环境多角色安全互斥风险的模糊评估

王建军李建平

计算机应用 2013, 33 (08): 2218-2221.

摘要（657）

PDF （658KB）（501）

传统机制解决移动环境多角色安全互斥问题的效率较低，为此，提出利用多角色综合敏感度评判安全互斥程度的解决方案。系统基于角色内部安全因素模糊评判角色敏感度，再采用补偿竞争算法计算多角色综合敏感度，即对角色敏感度进行海明距离补偿，取补偿后的最大值为多角色综合敏感度，使移动环境多角色系统在安全和效率间取得平衡。最后,分析了算法的复杂度，使用实例论证了算法可以提高角色的执行效率。

参考文献 | 相关文章 | 多维度评价

Select

4. 一种基于FastICA的图像隐写提取算法

李祁云李建平肖书成

计算机应用

摘要（1733）

PDF （904KB）（981）

针对隐写术的特点，提出了一种新的隐写提取算法。该算法不同于传统提取算法基于逆嵌入算法的思想，将快速独立分量分析(FastICA)引入提取算法中，进行载体图像与秘密图像的分离。隐写是在真彩色图像的小波系数上进行的，有效地将近几年来比较热门的隐写术、小波分析与独立分量分析结合在一起。实验验证独立分量分析技术不仅能够用于秘密信息提取而且还能够实现真正的盲提取。