首页期刊导航|西安电子科技大学学报（自然科学版）
期刊信息/Journal information
西安电子科技大学学报（自然科学版）
西安电子科技大学
西安电子科技大学学报（自然科学版）

西安电子科技大学

梁昌洪

双月刊

1001-2400

xuebao@mail.xidian.edu.cn

029-88202853

710071

西安市太白南路2号349信箱

西安电子科技大学学报（自然科学版）/Journal Journal of Xidian University(Natural Science)CSCD北大核心CSTPCDEI
查看更多>>本刊主要刊登通信工程、信息工程、计算机科学与技术、机电工程与自动控制、微电子学、物理电子学、电磁场与微波技术、无线电物理、密码学、应用数学等方面的有创见有参考价值的学术论文。
正式出版
收录年代

    双向长短期记忆网络的时间序列预测方法

    管业鹏苏光耀盛怡
    103-112页
    查看更多>>摘要：时间序列预测即利用历史时间序列数据,预测未来一段时间内的数据信息,以便提前制定相应策略.目前,时间序列的类别复杂繁多,而现有的时间序列预测模型面对多种类型数据时无法取得稳定预测的结果,进而难以同时满足对现实中多种复杂的时序数据预测的应用需求.针对上述问题,提出了一种基于时间注意力机制双向长短期记忆网络的时间序列预测方法.笔者提出的网络模型采用改进的正向和反向传播机制提取时序信息并通过自适应权重分配策略推理未来的时序信息.具体来说,设计了一个改进的双向长短期记忆网络,通过结合双向长短期记忆和长短期记忆网络提取深度时间序列特征,挖掘上下文的时序依赖关系.在此基础上,融合所提出的时间注意力机制,实现对深度时间序列特征进行自适应加权,提升深度时序特征的显著性表达能力.通过与同类代表性方法在多个不同类别数据集上的客观定量对比,实验结果表明,该方法能够在多种类别的复杂时间序列数据上更优的预测性能.

    时间序列双向长短期记忆网络长短期记忆网络注意力机制深度学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多边形特征池化与融合的复杂文本检测

    张相南高新波田春娜
    113-123页
    查看更多>>摘要：文本检测在图像理解中发挥着重要的作用.基于深度学习的文本检测是当前的主流算法,包括单阶段方法和双阶段方法两类,而且后者的检测精度往往高于前者.双阶段的检测方法通常包含感兴趣区域特征池化操作,为进一步的检测和识别任务提供特定维度的局部区域特征.然而对于弯曲文本等复杂文本区域来说,现有的基于矩形感兴趣区域的池化方法不再适用,而基于点特征替代区域特征的方法又损失了空间信息.针对该问题,提出了一种基于多边形特征池化和 Transformer 的复杂文本区域检测方法.首先,将复杂文本区域检测中感兴趣区域进行多边形特征池化,将池化操作的区域形状从矩形拓展到多边形并且不需要借助其他形状进行拟合,即可将多边形区域对应的特征池化为固定维度的特征序列,避免了拟合过程中出现误差.进而,将池化后的特征视为具有空间关系的序列,然后利用 Transformer 融合视觉特征之间的上下文关系,降低训练难度,提升检测精确度.在包含弯曲文本等复杂文本情况的ICDAR2015、MLT、Total Text和CTW1500 数据集上的测试实验结果表明,提出的双阶段检测算法能更好地提取感兴趣区域特征,并取得了比现有方法更好的检测结果.

    文本检测双阶段方法多边形特征池化Transformer

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种新的基于预测的动态多目标进化算法

    万梦依武燕
    124-135页
    查看更多>>摘要：动态多目标优化问题(DMOPs)是指目标函数随时间变化的一类问题,算法求解的目标是持续跟踪移动的Pareto 最优解集或 Pareto最优前沿.基于预测的方法受到格外的关注,然而这些方法多使用历史环境信息进行预测,考虑到使用历史信息预测会存在预测不准确的问题,加强新环境信息的挖掘和利用,提出了一种新的基于预测的动态多目标进化算法,该算法主要包括两个核心部分,分别记为响应机制和加速机制.响应机制在环境变化后重新初始化群体,一部分的个体由预测策略产生,以生成靠近下一环境Pareto 最优解集的个体来提高算法的寻优能力,剩余部分个体采用局部搜索策略生成以增加种群多样性.加速机制用于静态优化过程以提高算法收敛速度.最后,将动态多目标进化算法与其他 3 种先进的动态多目标优化算法在具有不同动态特征的一系列测试函数上进行实验对比,结果表明,动态多目标进化算法相比其他 3 个算法在求解动态多目标优化问题中更具有优势.

    进化算法动态多目标优化预测策略新环境信息

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多注意力机制的纹理感知视频修复方法

    夏译蓝王秀美程培涛
    136-146页
    查看更多>>摘要：针对现有视频修复方法无法有效利用远处空间内容信息而导致修复结果中存在结构和纹理不合理的问题,提出了一种基于多注意力机制的纹理感知视频修复方法.该方法设计了由多头时空注意力和单图局部注意力构成的多注意力机制以保证全局结构并增强局部纹理,其中多头时空注意力关注整体时空信息,单图局部注意力通过局部窗口的自注意力机制精炼提取局部信息.另外,采用可即插即用的快速傅里叶卷积层残差块代替前馈网络中的普通卷积,将感受野扩展为整个图像,进一步增强了模型对图像纹理和结构的全局信息的获取能力.快速傅里叶卷积层残差块和单图局部注意力相辅相成,共同提升局部纹理的修复质量.在 YouTube-VOS和DAVIS数据集上的实验结果表明,虽然提出的方法修复结果的客观质量评价仅次于最优方法Fuseformer,但其参数量和运行时间分别下降了 54.8%和 21.5%,而且能够生成视觉上更逼真、语义上更合理的修复内容.

    视频修复Transformer快速傅里叶卷积多注意力机制纹理感知

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    求解一类非光滑凸优化问题的相对加速SGD算法

    张文娟冯象初肖锋黄姝娟...
    147-157页
    查看更多>>摘要：一阶优化算法由于其计算简单、代价小,被广泛应用于机器学习、大数据科学、计算机视觉等领域,然而,现有的一阶算法大多要求目标函数具有 Lipschitz 连续梯度,而实际中的很多应用问题不满足该要求.在经典的梯度下降算法基础上,引入随机和加速,提出一种相对加速随机梯度下降算法.该算法不要求目标函数具有 Lipschitz连续梯度,而是通过将欧氏距离推广为 Bregman 距离,从而将 Lipschitz 连续梯度条件减弱为相对光滑性条件.相对加速随机梯度下降算法的收敛性与一致三角尺度指数有关,为避免调节最优一致三角尺度指数参数的工作量,给出一种自适应相对加速随机梯度下降算法.该算法可自适应地选取一致三角尺度指数参数.对算法收敛性的理论分析表明,算法迭代序列的目标函数值收敛于最优目标函数值.针对 Possion反问题和目标函数的 Hessian阵算子范数随变量范数多项式增长的极小化问题的数值实验表明,自适应相对加速随机梯度下降算法和相对加速随机梯度下降算法的收敛性能优于相对随机梯度下降算法.

    凸优化非光滑优化相对光滑随机规划梯度方法加速随机梯度下降

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    可实现双向自适应差分隐私的联邦学习方案

    李洋徐进朱建明王友卫...
    158-169页
    查看更多>>摘要：随着个人数据的爆发式增长,基于差分隐私的联邦学习模型可用于解决数据孤岛问题和保护用户数据隐私,参与者通过训练本地数据,将添加噪声后的参数共享到中心服务器进行聚合,实现分布式机器学习训练.此过程中存在两方面问题:① 中心服务器广播参数的过程中数据信息仍未受到保护,有泄露用户隐私的风险;② 对参数过度添加噪声会导致参数聚合质量降低,影响最终联邦学习的模型精度.为解决以上问题,提出了一种可实现双向自适应差分隐私的联邦学习方案(FedBADP),对客户端和中心服务器之间传输的梯度进行自适应加噪,在保护数据安全的同时不影响模型准确率.考虑到参与者硬件设备的性能限制,文中对其梯度进行采样以减少通信开销,并在客户端和中心服务器使用均方根传递加速模型的收敛提高模型精度.实验结果证明,文中提出的模型框架在保持较好准确率的同时,也增强了用户的隐私保护能力.

    双向自适应噪声均方根传递采样差分隐私联邦学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    面向多维时间序列异常检测的时空图卷积网络

    王静何苗苗丁建立李永华...
    170-181页
    查看更多>>摘要：针对现有多维时间序列异常检测模型对局部和全局时空依赖性捕获能力不足的问题,提出一种基于时空图卷积网络的多维时间序列异常检测模型.首先,在时间维度上利用扩张因果卷积和多头自注意力机制,分别捕获短期和长期时间依赖性,并且引入通道注意力来学习不同通道的重要性权重;其次,在空间维度上利用静态图学习层根据节点嵌入构建静态图邻接矩阵,旨在捕获多维时间序列数据的全局空间依赖性,同时利用动态图学习层构建一系列演化的图邻接矩阵,旨在建模局部动态的空间依赖性;最后,联合优化重构模型和预测模型,通过重构误差和预测误差计算异常分数,然后比较阈值和异常分数的关系,进而检测异常.在 MSL、SMAP和 SWaT三个公开数据集上的实验结果表明,该模型在异常检测性能指标 F1 分数方面优于 OmniAnomaly、MTAD-GAT和 GDN等相关的基线模型.

    图卷积网络时空依赖多维时间序列异常检测

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    LowMC在BGV全同态加密环境下的噪声评估

    李雪莲陈卓皓
    182-193页
    查看更多>>摘要：全同态加密技术具备的密文计算特性可以有效保护用户在互联网上的敏感数据,但该技术存在的密文膨胀问题是制约其在云计算、隐私保护等领域进行实际应用的一个难点.针对上述问题,提出了混合全同态加密方案FHE-LowMC,将LowMC对称加密算法与BGV全同态加密算法结合,分析了LowMC在BGV全同态加密环境下的同态噪声.首先给出了将 LowMC 明文编码成整系数多项式的方法,利用编码和解码完成不同空间明文消息的转换;然后描述了分圆多项式f(X)的选取规则,给出了适合 LowMC 加密算法的f(X)的条件;接着分析了简化LowMC的同态噪声;最后对一般情况下的LowMC进行同态噪声评估.结果表明,LowMC轮函数所消耗的电路层数大约为两层.相较于目前常用的 AES和 BGV结合的方案,LowMC与BGV结合的方案噪声更小,即消耗的电路的层数更少,成本更低,更适合构造基于全同态的云服务器;此外用户可以自主选择 LowMC 的参数集(n～,k,m,d),可以满足用户的不同需求,适用范围更广.

    同态噪声评估敏感数据LowMCBGV编码和解码

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    一种支持交易筛选的高性能智能合约测试方案

    彭泳翔马勇刘志全王立波...
    194-202页
    查看更多>>摘要：近年来,作为以太坊的重要组成部分,智能合约引起了工业界与学术界的广泛兴趣.智能合约是一段部署在区块链上的程序,为分布式交易提供了可能.然而,由于智能合约携带的金融属性,使其成为黑客攻击的目标.因此,为保证合约的安全性,需对漏洞合约进行修复并通过测试保证功能一致性.然而,现有智能合约测试方案缺乏拓展性、重放准确性低以及储存消耗大等问题.为此,提出一种支持交易筛选的高性能智能合约测试方案.该方案首先基于以太坊状态变更建模交易特征,增强扩展性;接着基于二阶树结构储存以太坊历史数据,优化储存空间;最后通过分叉机制进行交易重放,实现在不干扰主链的情况下对修复合约进行测试.基于所提方案实现原型工具 SCTester,并与现有合约测试方案 EVMPatch、HARTEL和KIM相比较.实验结果表明,所提方案在拓展性与重放准确率有更好的表现,并且在空间消耗方面,所提方案相较于KIM降低了约 21.6%的储存空间;在时间消耗方面,所提方案相较于 KIM在账户测试场景下的交易重放减少了约 70.5%的时间消耗.

    区块链智能合约合约测试

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于多尺度特征信息融合的时间序列异常检测

    衡红军喻龙威
    203-214页
    查看更多>>摘要：目前大多数的时间序列都缺少相应的异常标签,且现有基于重构的异常检测算法不能很好地捕获到多维数据间复杂的潜在相关性和时间依赖性,为了构建特征丰富的时间序列,提出一种多尺度特征信息融合的异常检测模型.该模型首先通过卷积神经网络对滑动窗口内的不同序列进行特征卷积来获取不同尺度下的局部上下文信息.然后,利用 Transformer 中的位置编码对卷积后的时间序列窗口进行位置嵌入,增强滑动窗口中每一个时间序列和邻近序列之间的位置联系,并引入时间注意力获取数据在时间维度上的自相关性,并进一步通过多头自注意力自适应地为窗口内不同时间序列分配不同的权重.最后,对反卷积过程中上采样得到的窗口数据与不同尺度下得到的局部特征和时间上下文信息进行逐步融合,从而准确重构原始时间序列,并将重构误差作为最终的异常得分进行异常判定.实验结果表明,所构建模型在SWaT和 SMD数据集上与基线模型相比 F1 分数均有所提升.在数据维度高且均衡性较差的 WADI数据集上与 GDN模型相比 F1 分数降低了 1.66%.

    异常检测多尺度信息融合卷积神经网络Transformer多维时间序列自编码器

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据