首页期刊导航|北京邮电大学学报
期刊信息/Journal information
北京邮电大学学报
北京邮电大学学报

刘杰

双月刊

1007-5321

byxb@bupt.edu.cn

010-62281995;62282742

100876

北京海淀区西土城路10号

北京邮电大学学报/Journal Journal of Beijing University of Posts and TelecommunicationsCSCD北大核心CSTPCDEI
查看更多>>《北京邮电大学学报》是北京邮电大学主办的以邮电通信为主的自然科学综合性学术刊物,创刊于1960年,1986年公开发行,是《中文核心期刊》。主要刊登通信与电子系统、电磁场与微波技术、程控交换技术与通信网、信号与信息处理、电路与系统、计算机科学与技术、管理工程、机械电子及基础研究等方面的论文、研究报告及重要学术问题综述等。1999年开始《北京邮电大学学报》被美国工程信息公司(EI)定为全文收录期刊,并被国内外多种权威文摘刊物或数据库收录。
正式出版
收录年代

    网络操作系统的研究进展与展望

    黄韬谈沙谢人超刘韵洁...
    1-10页
    查看更多>>摘要:网络操作系统是突破广域大规模网络可管不可控局限的关键,是提供智能、安全、柔性、可定制网络能力的网络大脑,也是推动互联网从消费型向生产型演进的核心技术.为实现网络可管可控的目标,分析了当前与网络操作系统相关的研究进展,提出了其概念内涵和体系架构.将网络操作系统自底向上分为网元操作系统、大网级操作系统和云网操作系统三层,系统地探讨了数据平面-控制平面-服务平面的架构,攻克了大规模确定性传输、新型传输控制协议和超强算力网络等关键技术,揭示了网络操作系统的目标和发展趋势,并总结了潜在的应用场景.

    未来网络网络操作系统云网融合服务定制

    基于视觉语言提示学习的少样本图像分类方法

    李宝安王欣宇滕尚志吕学强...
    11-17页
    查看更多>>摘要:为了提高少样本图像分类的性能和泛化能力,充分利用大规模视觉语言预训练模型,提出了一种高效处理少样本图像分类问题的方法.首先,在文本编码部分,整合多个可学习的文本提示,充分挖掘图像类别标签在提示语句中不同位置对模型泛化性能的影响;其次,在图像编码部分,引入可学习的视觉提示,使图像预训练参数能更好地表征少样本图像;最后,在图像和文本特征编码器后添加特征适配器,并在图像分类数据集上微调网络,以提升网络在少样本图像分类数据集上的性能.在10个公开数据集上进行了大量实验,结果表明,相较于现有方法,所提方法在单样本分类的平均准确度上提高了2.9%.

    提示学习视觉语言模型少样本学习图像分类预训练模型

    基于语境与语义模态的多任务情感原因对抽取

    刘宇鹏冯贤杰姚登举
    18-23,89页
    查看更多>>摘要:为了综合考虑更多模态信息,对语境和语义特征进行了建模,并将它们融合在一起以提取情感原因对.针对语境模态,采用了子句嵌入方法来获取情绪和原因的表示,并通过双因素注意力机制得到全局语境矩阵.同时,通过构建子句间语义的图神经网络,得到了局部语义特征.最后,通过主模态和辅助模态的匹配,得到了融合特征,以进行多任务预测,包括情感句、原因句和情感-原因对的抽取.实验结果表明,在抽取经典中文情感原因对数据时,相较于最佳基线系统,所提模型的F测度提高了2.2%.

    情感原因对全局语境局部语义模态匹配

    一种随机束搜索文本攻击黑盒算法

    王小萌张华丁金扣王稼慧...
    24-29页
    查看更多>>摘要:针对现有对抗样本生成算法容易陷入局部最优解的问题,提出了一种名为R-attack的算法,通过束搜索和随机元来提高攻击成功率.利用束搜索在同义词空间中寻找最优解,增加对抗样本的多样性,进而提高攻击的效率,同时,在迭代搜索过程中引入随机元素,避免过早陷入局部最优解,从而有效提高攻击成功率.在3个数据集上对2个模型进行了对抗攻击实验,实验结果表明,使用R-attack算法能够有效提高对抗样本的攻击成功率.以在Yahoo!Answers数据集上训练的双向长短期记忆网络模型为例,用R-attack算法攻击模型的攻击成功率比基线算法高了2.4%.

    对抗攻击算法自然语言处理黑盒攻击

    基于双注意力卷积及Transformer融合的非均匀去雾算法

    王科平张自娇杨艺费树岷...
    30-37页
    查看更多>>摘要:针对现有大部分去雾算法中对不同雾霾区域关注不足以及浓雾区域细节信息恢复不理想的问题,提出了一种结合卷积神经网络和Transformer模块的非均匀去雾算法.首先,为了更好地关注浓雾区域,在浅层特征提取阶段构建了并联双注意力卷积网络,分别从像素和通道的角度给图像分配不同的权重;其次,在深层特征提取中,引入了Transformer模块进行全局非均匀雾霾区域特征提取,既能有效捕捉特征之间的长距离依赖关系,又避免了普通卷积扩大感受野导致细节信息丢失的问题;最后,设计了多特征融合重建网络,能够自适应地融合浅层和深层特征,从而重构清晰图像.在公共数据集和自建非均匀雾霾数据集上进行了大量实验,结果表明,所提算法在视觉效果和客观评价指标上均优于其他对比算法.

    非均匀去雾双注意力卷积Transformer模块多特征融合重建网络

    轻量化的PCB表面缺陷检测算法

    张果陈逃王剑平杨凯钧...
    38-44页
    查看更多>>摘要:针对印刷电路板(PCB)表面缺陷检测存在的速度低和准确率不高等问题,提出了一种基于改进YOLOv4-tiny模型的PCB表面缺陷检测算法.首先,采用了优化后的聚类方法对缺陷数据集进行聚类,以解决初始先验框不适合PCB表面缺陷检测的问题;其次,为了解决主干网络在下采样时可能丢失小尺度目标信息的问题,引入了切片操作;接着,在特征融合网络中,引入了软池化卷积结构,以提高模型感受野,增强对小目标特征的表达能力;最后,通过引入改进后的交叉熵损失函数优化了损失函数.在北京大学开源的印刷电路板缺陷数据集上验证了所提算法的效果,结果表明,相较于其他经典算法,所提算法在检测速度、精度和模型参数量等指标上都有较大的提升.

    印刷电路板表面缺陷检测YOLOv4-tiny切片操作交叉熵损失函数

    具有行人影响的11GHz室内无线信道建模与特性分析

    薛寒杨丽花魏苏皖杨钦...
    45-50页
    查看更多>>摘要:为了研究高频段宽带短距离无线通信的信道传播特性,对11 GHz频段在不同室内场景下的无线传播特性进行了分析.利用大量实测数据建立了考虑行人影响因素的路径损耗模型,并给出了均方根时延扩展的统计特性.此外,对走廊、空房间和大型会议室这3种场景中行人因素对信道传播特性的影响进行了比较和分析.研究结果显示,当行人在收发端间移动时,其遮挡衰减路径损耗与距发送端的距离呈二次函数关系;当行人静止不动时,其遮挡衰减路径损耗与距接收端的距离呈指数函数关系;不同场景中行人对路径损耗的影响程度不同;此外,行人因素还会增强收发端间的多径效应.以上研究结果可为未来高频段室内短距离无线通信提供理论和实践依据.

    高频段室内无线通信行人影响路径损耗时延扩展

    基于得分生成模型的时间序列异常检测方法

    周浩禹可吴晓非
    51-57页
    查看更多>>摘要:为了解决传统时间序列异常检测模型在时序数据随机性表征不足以及模型泛化能力较弱的问题,提出了一种基于得分生成的异常检测模型.针对复杂信息物理系统中运行监控的时序数据,设计了一个多维时间序列异常检测框架,利用回归模型捕捉数据内在的时间模式.考虑时序生成过程的随机性,采用去噪得分匹配的方法来估计梯度信息,并利用估计的梯度信息,设计了高效的异常评分方法.在公开的池化服务器数据集和安全水处理数据集上,所提模型的异常检测F1值分别达到了96%和90.18%,比使用基线模型得到的最高F1值分别提高了1.02%和1.01%.消融实验和案例分析结果表明,用噪声索引模块和签名矩阵模块增强了模型的特征提取能力,所提模型的异常阈值在[0.386,0.8)之间时的F1值大于等于0.8.

    信息物理系统时间序列异常检测得分生成模型

    速率分割多址接入系统中的协作中继传输策略与优化

    雷维嘉张智雷宏江唐宏...
    58-65页
    查看更多>>摘要:针对两用户系统提出了一种基于速率分割多址接入的协作中继传输策略.首先设计了系统效益函数,以更完善的方式评估协作速率分割多址接入系统的能量成本;然后以最大化系统效益为目标,对预编码矩阵、公共速率分配、发射功率和时间分配进行了联合优化;采用黄金分割搜索法和逐次凸逼近等方法将非凸问题转化为凸问题,并进行了求解.仿真结果显示,与基准方案相比,所提方案能够实现更高的系统效益.

    速率分割多址接入协作中继优化

    离散小波变换和自编码器耦合的脑电信号异常检测方法

    王振宇向泽锐支锦亦
    66-73页
    查看更多>>摘要:为了准确地目视检查和解释脑电图(EEG),提出了一种用于识别EEG信号中癫痫发作信号的异常检测方法.首先,使用小波变换将EEG信号分解为近似和细节系数,并根据阈值准则剔除不显著系数,以限制小波系数的数量;其次,采用自编码器对离散小波系数进行编码;然后,对EEG信号进行分析以检测异常值,通过压缩特征集进行数据重构,利用分类器从无癫痫信号中检测癫痫发作信号;最后,使用波恩大学数据库,将所提方法与既有方法进行比较.所提方法中采用了线性和非线性机器学习分类器从EEG信号中检测癫痫发作信号.实验结果表明,该方法的准确率和特异性分别达到了99.93%和100%.因此,所提方法具有良好的检测能力和鲁棒性,可以用简单的线性分类器识别EEG信号中的癫痫发作信号,适用于时间序列信号分析,同时能够检测和判断异常,也可为癫痫的诊断、治疗和评估提供客观参考,从而减轻医生的工作量,提高治疗效率.

    脑电图癫痫离散小波变换自编码器分类器