王友卫
- 作品数：37 被引量：97H指数：6
- 供职机构：中央财经大学信息学院更多>>
- 发文基金：国家自然科学基金教育部人文社会科学研究基金天津市自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学更多>>
- 基于双子群和分区采样的果蝇优化新算法被引量：6
- 2017年
- 针对传统果蝇优化算法面临的搜索半径依赖性大、收敛稳定性差、难以协调全局搜索能力及局部搜索能力等问题,提出基于双子群和分区采样的果蝇优化新算法.将果蝇种群划分为搜索果蝇子群和跟随果蝇子群并分别使用这2个子群进行全局化搜索与局部精细化搜索;在每次迭代过程中利用基于分区采样的搜索果蝇位置更新策略,提高算法全局搜索的稳定性;定义了群体聚集度的概念并将其用于协调果蝇的全局搜索能力和局部搜索能力.针对6种典型函数及工业控制系统的测试结果表明,该算法收敛精度高、稳定性好、收敛速度快,与传统算法相比,表现出明显优势.
- 王友卫凤丽洲
- 关键词：收敛速度
- 用于图像内容认证的半脆弱水印新算法被引量：6
- 2013年
- 为了提升数字图像内容认证的准确性,提出一种新颖的半脆弱水印算法.引入相关块组的概念,并将相关块组进一步划分为子块组,轮流使用每个子块组内特定块生成水印,最终将水印嵌入到子块组内的其他块中.算法根据图像内容自适应选取量化步长,结合Slant变换高能量集中性及直流量化原理完成水印嵌入过程,认证过程中使用新的噪声过滤策略并通过投票方式确定篡改发生位置.实验表明:该算法能有效地提高含水印图像的质量及防止水印信息的未授权提取,在应对裁剪、替换等常规处理时定位精度提升明显.算法抵抗偶然攻击的能力强,新噪声策略有效地改善了针对篡改区域的识别效果.
- 王友卫刘元宁朱晓冬
- 关键词：半脆弱水印图像认证噪声过滤
- 基于合群度-隶属度噪声检测及动态特征选择的改进AdaBoost算法被引量：4
- 2021年
- 为了提高AdaBoost集成学习算法的数据分类性能,提出基于合群度-隶属度噪声检测及动态特征选择的改进AdaBoost算法.综合考虑待检测样本与邻居样本的相似度及与不同类别样本集的隶属关系,引入合群度和隶属度的概念,提出新的噪声检测方法.在此基础上,为了更好地选择那些能够有效区分错分样本的特征,在传统过滤器特征选择方法的基础上提出通用的结合样本权重的动态特征选择方法,以提高AdaBoost算法针对错分样本的分类能力.以支持向量机作为弱分类器,在8个典型数据集上分别从噪声检测、特征选择及现有方法比较3个方面进行实验.结果表明,所提算法充分考虑了噪声样本和样本权重对AdaBoost分类结果的影响,相对于传统算法在分类性能上获得显著提升.
- 王友卫凤丽洲
- 关键词：数据分类噪声检测
- 基于DCT和SVD变换的盲数字水印算法被引量：9
- 2011年
- 结合奇异值分解(SVD)变换,提出一种基于DCT域内DC分量的数字盲水印算法。对原图像进行8×8分块DCT变换,对DC系数集合进行2×2分块的SVD变换,使用量化步长Q量化每个小块对应的最大奇异值,向量化后的结果嵌入水印。由于选择DC系数进行SVD变换,且SVD变换结果表现的是图像的内蕴特性而非视觉特性,故算法具有较高的稳健性和透明性。实验表明,该算法可以有效地抵抗中值滤波、JPEG压缩、噪声等常规篡改处理,水印的提取不需要原始图像参与,执行起来简单方便。
- 王友卫申铉京吕颖达陈海鹏
- 关键词：盲水印量化步长直流系数
- 抵抗图像区域攻击的鲁棒性水印算法
- 2014年
- 为提升算法抵抗数字图像区域攻击能力,提出了一种安全的强鲁棒性数字水印算法。引入随机四元组的概念,使用宿主图像每个随机四元组中的每个8×8小块同时隐藏原始冗余水印及该块的均值信息。水印嵌入前先使用混沌序列对原始水印进行加密,接着结合新的算法性能评价函数寻找最优水印嵌入量化步长上下限;水印嵌入过程中根据图像块内容特性自适应选取最优嵌入量化步长。对比实验表明,随机四元组策略安全性高;算法水印透明性好,在抵抗图像常规区域攻击及其他类型攻击方面显示了较高的鲁棒性。
- 王友卫刘元宁朱晓冬
- 关键词：计算机应用量化步长鲁棒性
- 基于源码结构和图注意力网络的以太坊蜜罐合约检测方法
- 2023年
- 针对目前蜜罐合约检测方法准确率不高以及泛化性较差等问题,提出了基于源码结构和图注意力网络的以太坊蜜罐合约检测(CSGDetector)方法。首先,为了提取出智能合约Solidity源码的结构信息,对源码进行语法分析,将其转换为XML解析树;然后,筛选出可以表达合约结构特征和内容特征的特征词集,并构造出合约源码结构图;最后,为避免数据集不平衡性带来的影响,在集成学习理论基础上引入教师模型和学生模型的概念,分别从全局和局部的角度训练图注意力网络模型,并融合所有模型的输出作为合约最终检测结果。实验表明,与已有方法KOLSTM相比,CSGDetector在二分类与多分类实验中的F1值分别提升了1.27%与7.21%,验证了其具有较高的蜜罐检测能力;与已有方法XGB相比,CSGDetector在掩蔽蜜罐检测实验中针对不同类型蜜罐合约的平均召回率提升了7.57%,验证了所提方法在提升算法泛化性能方面的有效性。
- 王友卫侯玉栋凤丽洲
- 基于增量学习和主动学习的垃圾邮件识别新方法
- 邮件识别是计算机取证领域的重要研究内容.多数垃圾邮件识别方法未能有效地考虑用户兴趣邮件识别结果的影响.提出了一种基于增量学习和主动学习的垃圾邮件识别新方法.为获得最有效特征,在特征选择阶段综合考虑了单词信息和非单词信息;...
- 王友卫朱建明李洋凤丽洲
- 关键词：计算机取证垃圾邮件识别方法
- 基于图卷积网络的归纳式微博谣言检测新方法被引量：4
- 2022年
- 为了解决传统图卷积神经网络在进行谣言检测时面临的未充分考虑单词语义信息以及池化方法选择困难的问题,提出基于图卷积网络(GCN)的归纳式微博谣言检测新方法.考虑单词之间的语义关系,结合传统词共现建图方法提出基于词语义相关性的微博事件建图方法,并结合图卷积网络和门循环单元(GRU)实现节点信息聚合;为了有效融合不同节点状态的特征信息,提出基于注意力机制的多池化方法融合策略融合最大池、平均池和全局池以获取最终的图级向量;为了提高微博谣言检测效率,探究微博评论时间对检测结果的影响,获得用于模型训练的最佳评论利用时间阈值.实验结果表明,本研究方法在给定数据集上的表现普遍优于Text-CNN、BiGCN、TextING等典型方法,验证了其在微博谣言检测领域的有效性.
- 王友卫童爽凤丽洲朱建明李洋陈福
- 基于图卷积网络和注意力机制的谣言检测方法
- 2024年
- 【目的】针对目前的谣言检测方法未能充分考虑评论间的转发关系特征和文本语义特征,提出一种基于图卷积网络和注意力机制的谣言检测方法。【方法】首先,对评论间转发和回复关系特征进行分析,构建评论关系特征图,充分挖掘评论间的关联特性。然后,根据评论间的文本语义相似性,使用BERT模型生成句子的向量化表示并通过计算余弦相似度构建评论的语义特征图,充分提取评论的语义相关性。最后,基于图卷积网络完成不同节点之间的信息传递,并在各节点信息传输过程中使用注意力机制区分源评论和其他评论对谣言检测的影响,进而得到评论节点的准确表示。【结果】在公开数据集上进行实验,结果显示所提方法在Twitter15和Twitter16数据集上的准确率分别达到0.860和0.870,F1均值分别为0.858和0.866。与BiGCN方法相比,准确率分别提升了5.1%和1.5%,F1均值分别提升了5.0%和1.9%。【局限】仅使用文本数据进行谣言检测,未结合图片、用户属性及时间属性等特征。【结论】在公开数据集上进行应用,验证了所提方法可以有效地提升谣言检测性能,为谣言识别与检测任务提供有价值的参考。
- 凤丽洲刘馥榕王友卫
- 基于事件-词语-特征异质图的微博谣言检测新方法
- 2023年
- 当前微博谣言检测研究大多基于微博原文、评论内容及其相互关系,忽略了情感特征、语法特征及语言特征等重要因素的影响。为此,该文提出了一种基于事件-词语-特征异质图的微博谣言检测新方法。首先,在传统方法基础上引入情感、语法、心理等方面的知识,提出文本特征的概念以有效挖掘微博事件中蕴含的情感特征、语法特征以及语言特征。然后,综合微博评论、文本词语及文本特征对谣言检测结果的影响,构建用于谣言检测的事件-词语-特征异质图。最后,利用GraphSAGE和异质图注意力网络在节点表达方面的优势提出新的节点信息聚合方法,以此在区分节点类型重要性的同时降低节点集规模带来的影响。实验结果表明,该方法能有效提高微博事件表示的准确性;相对于传统机器学习方法和典型的深度学习方法而言,该方法在谣言检测精度上具有明显优势。
- 王友卫凤丽洲王炜琦侯玉栋
- 关键词：文本特征
