💻 Category

cs

2403 Arbeiten

💻 computer science

Automatic Discovery of Intra-Class Sub-Structure for Supervised Tabular Classification: Offline Clustering vs. Joint Sub-Center Training

Diese rigorose empirische Studie zeigt auf, dass während das konventionelle Offline-Clustering von vorletzten Merkmalen zur Entdeckung intra-klassischer Substrukturen unzuverlässig ist und häufig die tabellarische Klassifikationsleistung verschlechtert, ein gemeinsamer End-to-End-Subzentrum-Trainingsansatz diese Risiken effektiv mildert, obgleich die Autoren zu dem Schluss kommen, dass derzeit keine robuste Heuristik existiert, um vorherzusagen, wann eine solche Entdeckung von Substrukturen vorteilhaft ist.

Seyed Ali Zaribaf, Mohammad Roustaei2026-07-30
💻 computer science

An automated pipeline for biomedical research hotspot mining integrating contextual embeddings and temporal citation ranking: a case study in cataract research

Dieses Paper präsentiert eine vollautomatisierte Pipeline, die BioBERT-Kontext-Embeddings, hybrides Clustering und zeitliches Zitationsranking integriert, um biomedizinische Forschungslandschaften effektiv abzubilden und sich entwickelnde Hotspots zu identifizieren, wie durch eine umfassende Fallstudie zur Kataraktforschung demonstriert wird.

Xiaoming Wu, Keqiang Wang, Xiujing Shi, Yuan Ni, Guoxin Wang, Dongle Liu, Jiajun Sun, Zhen Guo2026-07-30
💻 computer science

Global Interaction Modeling with Human Knowledge for Important Traffic Objects Identification

Dieses Paper schlägt ein neuartiges Framework zur Identifizierung wichtiger Verkehrsobjekte vor, das eine globale Interaktionsmodellierung aus der Vogelperspektive (Bird's-Eye View) sowie einen kontrastiven Sprache-Bewegungs-Pre-training-Ansatz nutzt, um menschliches Wissen zu integrieren und dadurch die Einschränkungen bestehender 2D-Verfahren in der räumlich-zeitlichen Argumentation und dem dynamischen Verständnis zu überwinden.

Yiming Huang, Faliang Chang, Chunsheng Liu, Penghui Hao, Jun Zhou2026-07-30
💻 computer science

CATD-LPT-CFPM- Cluster Aware Top-Down Linear Prefix Tree for Closed Frequent Pattern Mining

Das Papier schlägt das CATD-LPT-CFPM-Framework vor, welches das Mining geschlossener häufiger Muster verbessert, indem es Transaktionen clustert, um den Suchraum zu reduzieren, und eine mehrstufige Pruning-Strategie mit einem Top-Down Closedness Pruning-Mechanismus einsetzt, um redundante Verarbeitung und Speichernutzung zu minimieren, ungeachtet eines gewissen Overheads durch Clustering und Baumkonstruktion.

M Sinthuja, P Saranya, M. Diviya2026-07-30
💻 computer science

Canonical Alignment and Weighted Neural Network for Autonomous Part Defect Identification in 3D Point Clouds

Dieses Papier schlägt ein erweitertes, auf PointNet basierendes Framework für die autonome Defekterkennung in 3D-Punktwolken vor, das eine deterministische SVD-basierte kanonische Ausrichtung und einen gewichteten Cross-Entropy-Loss nutzt, um geometrische Variabilität und Klassenungleichgewicht zu überwinden, wodurch eine verbesserte Genauigkeit und eine reduzierte Inferenzlatenz für die industrielle Echtzeitinspektion erreicht wird.

Qingze Zou, ElHussein Shata, Baihui Chen, Yuebin Guo2026-07-30
💻 computer science

Atmospheric Turbulence-Driven Chaotic Cloud Drift Optimization for Feature Selection and Forecasting

Dieses Paper schlägt den Chaotic Improved Cloud Drift Optimization (CI-CDO) Algorithmus vor, eine neuartige Metaheuristik, die durch atmosphärische Turbulenzdynamik und chaotische Karten verbessert wurde und eine überlegene Leistung bei der Lösung von Benchmark-Optimierungsproblemen, der Auswahl optimaler Merkmalsmengen für die Klassifizierung und der Vorhersage realer Umweltdaten demonstriert.

Abdelmonem M. Ibrahim, Doaa A. Fakhry, Ahmed Abdel-Monsef Allam2026-07-30
💻 computer science

Metadata Supervised Imaging Representations for Modelling and Controlling Acquisition Variability

Dieses Papier schlägt einen durch Metadaten gesteuerten Ansatz vor, um anatomische Strukturen von akquisitionsabhängigen Variationen in der biomedizinischen Bildgebung zu entkoppeln, was die Erstellung akquisitionsbewusster Repräsentationen und eines vereinheitlichten Harmonisierungsmodells ermöglicht, das die Generalisierung, Interpretierbarkeit und den klinischen Einsatz über verschiedene Bildgebungsprotokolle und Standorte hinweg verbessert.

Mehmet Yigit Avci, Pedro Borges, Virginia Fernandez, Natalia Glazman, Paul Wright, Mehmet Yigitsoy, Sebastien Ourselin (…)2026-07-30
💻 computer science

Interpretable Ensemble Machine Learning for Process-Parameter-Driven Prediction of TiO₂–PVP Electrospun Nanofiber Diameter

Diese Studie zeigt, dass ein interpretierbares Ensemble-Machine-Learning-Framework, das spezifisch Extra-Trees-Regression nutzt, den Durchmesser von TiO₂–PVP-elektrogesponnenen Nanofasern basierend auf Prozessparametern genau vorhersagen kann und damit eine hocheffiziente sowie präzise Alternative zu traditionellen, zeitaufwendigen experimentellen Optimierungsmethoden bietet.

Chetan More, Harshada Mhetre, Kedar Sahasrabudhe, Asmita Mali, Sameer Gajmal, Amol Bhopale, Amit Shewale2026-07-30
💻 computer science

MSF-TrashDet: A Lightweight Multi-Scale Feature Fusion Network for Automatic Waste Object Detection Using the TrashNet Dataset

Dieses Paper schlägt MSF-TrashDet vor, ein leichtgewichtiges Multi-Scale Feature Fusion Netzwerk, das einen neuartigen Multi-Scale Feature Enhancement Block und strukturierte Channel-Pruning nutzt, um eine hochgenaue, effiziente Objekterkennung von Abfällen auf dem TrashNet-Datensatz zu erreichen, wobei es mit 91,91 % mAP50 State-of-the-Art-Modellen wie YOLOv5n, YOLOv8n und YOLOv11n übertrifft und gleichzeitig eine geringe Rechenkomplexität beibehält.

Tao Yanfen, Lei Lijuan, Gao Yousheng, Fan Dongdong, Mei Pengfei2026-07-30
💻 computer science

A Scalable Hybrid Encryption Framework Based on Unimodular Hill Cipher and Chaotic Logistic XOR Stream Cipher for Secure Binary File Protection

Dieses Paper schlägt ein skalierbares hybrides Verschlüsselungsframework vor, das die unimodulare Hill-Chiffre mit einer auf einer chaotischen Logistik-Map basierenden XOR-Stromchiffre kombiniert, um einen sicheren, effizienten und formatunabhängigen Schutz für beliebige Binärdateien zu gewährleisten, wobei eine nahezu ideale Zufälligkeit, eine starke Resistenz gegen statistische Angriffe sowie eine verlustfreie Wiederherstellung mit hohem Durchsatz erreicht werden.

Samsul Arifin¹, Ade Kurniawan, Tiawan Tiawan, Merios Gusan Putra, Edwin Kristianto Sijabat, Dani Lukman Hakim, Dwi Wijon (…)2026-07-30