摘要:自生成对抗网络GAN提出以后，现这一方向已成为人工智能方向的研究热点.GAN的思想采用二人零和博弈方法，由生成器和判别器构成，生成器负责生成样本分布，判别器则判别输入是真实样本还是生成样本，生成器和判别器不断交互优化，最终达到最优效果.GAN模型的提出无疑是很新颖的，但也存在很多缺点，比如梯度消失问题、模式崩溃等.随着研究的深入，GAN不断优化扩展，GAN的衍生模型也层出不穷.GAN可应用于不同领域，主要为计算机图像和视觉领域，在图像领域有着突出的效果，能生成高分辨率逼真的图像，能对图像进行修复、风格迁移等，也能生成视频并进行预测等.GAN也能生成文本，可以进行对话生成、机器翻译、语音生成等.同时，GAN在其他领域也有涉及，比如生成音乐、密码破译等.但是GAN在其他领域的应用效果并不显著，那么，如何提高GAN在其他领域的应用效果将值得深入研究，使生成对抗网络在人工智能方面大放异彩.

摘要:窄带法是水平集图像分割的一种常见的加速方法.传统窄带仍然存在冗余的计算区域；传统窄带法与LATE （Local Approximation of Taylor Expansion）水平集模型结合时，图像分割效率反而可能下降.针对这些问题，本文提出了一种基于LATE水平集图像分割模型的矩形窄带法.在每次LATE水平集迭代之前，对水平集做如下窄带处理.首先找出水平集的所有过零点；然后对过零点做活动约束，剔除不活动的过零点，有效缩小窄带范围；再对活动约束的过零点生成矩形窄带；对重叠的矩形窄带进行合并优化，使得矩形窄带总面积尽可能小.最后，在矩形窄带范围内求解水平集微分方程，更新水平集，完成本次迭代.在水平集演化的不同阶段，对传统窄带法的窄带面积与本文矩形窄带面积进行了比较.随着迭代次数增加，矩形窄带面积与传统窄带法的窄带面积之比逐渐减小到0，说明矩形窄带法有效地减少了冗余计算量.针对不同程度的灰度不均匀图像，本文方法与LATE方法、结合LATE模型的直接窄带法、以及结合LATE模型的DTM窄带法进行了比较.直接窄带法和DTM窄带法的分割速度反而慢于LATE方法.对灰度严重不均匀的图像，直接窄带法和DTM窄带法的分割质量受到了较大影响.本文方法在保持较好分割效果的条件下，分割速度快于LATE方法.本文的矩形窄带方法有效地降低了算法复杂度，提高了图像分割效率.

摘要:随着城市中私家车保有量和使用频次显著增加，“停车难”问题逐渐成为制约城市发展的“瓶颈”.为了合理利用城市中有限的停车资源，最好的方式是建立城市级的停车诱导系统，而现阶段尚且没有有效的方案出现，究其原因是获取停车数据成本过于高昂导致的.因此，如何在不影响停车数据准确性的前提下降低其获取成本成为解决“停车难”问题的关键.本文首先基于停车数据的时空敏感性，将数据差异明显的停车场分为不同簇；再验证同一簇中停车数据符合二八定律后，筛选出影响力最大的前20%的停车场作为样本停车场，对其安装传感器获取实时停车数据并作为样本数据；考虑到现有算法得到的修补数据效果不理想，本文将一维停车数据升至二维，使用改进后的深度卷积对抗生成网络（Deep Convolution Generative Adversarial Networks，DCGAN）生成与样本数据近似同分布的新数据集.新数据集的任一条可作为同簇中任一缺失的停车数据.实现结果表明，本文提出的方案不仅可在有限感知的条件下批量式的获得大量高仿分的“伪数据”，大幅降低停车数据的获取成本，而且修复效果较当前研究有明显提高.

摘要:本文针对车载自组织网络环境中的城市交通车辆移动应用场景进行了分析，在VanetMobiSim交通仿真器和NS-2网络仿真器协同仿真环境中，对城市智能交通中的两类典型应用场景交叉路口和双向快速四车道进行了模型构建，同时在这两类应用场景中对AODV和DSDV路由协议进行了仿真和分析.通过端到端时延、抖动率、丢包率和控制包开销四个评价指标对比不同协议在同一场景下的表现效果.此外，针对AODV协议，分析了车辆速度、车辆密度、最大联机数和单位时间内发送封包数等环境因子对协议通信效果的影响.仿真结果表明，选取合适的移动场景模型有助于客观评价协议性能，不同的协议对不同的场景的表现性和适应性不同.DSDV应用于简单稳定的移动场景时表现较优，而AODV面对复杂多变的移动场景时有更好的适应性，且AODV协议受网络拓扑复杂程度和结构变化频率影响较大.

摘要:影响核辐射监测站点辐射监测HPIC剂量率实时数据准确性的组成因素多且复杂，如自然因素的降雨、温湿度、风向及太阳辐射等，客观因素的设备异常及放射性状况等；以致在实际应用中发现辐射监测状态异常时，很难分析出是什么原因导致的监测数据偏离.结合ERMS海量历史辐射序列监测数据，深入挖掘降雨、温湿度、气压、风向、太阳辐射天顶方向电子量及周边各站点辐射数值等特征因子集，基于Gradient Boosting算法（简称GB算法）建立起HPIC剂量率辐射数据的在线预测模型，有效融合自然特征因子，降低了自然因子对HPIC剂量率辐射监测数值异常的分析及判读的干扰作用，提高了对ERMS辐射异常发现的辅助判断能力及维保效率.

摘要:微博立场检测是判断一段微博文本针对某一目标话题所表达的观点态度是支持、中立或反对.随着社交媒体的发展，从海量的微博数据中挖掘其蕴含的立场信息成为一项重要的研究课题.但是现有的方法往往将其视作情感分类任务，没有对目标话题和微博文本之间的关系特征进行分析，在基于深度学习的分类框架上，扩展并提出了基于Bert-Condition-CNN的立场检测模型，首先为提高话题在文本中的覆盖率，对微博文本进行了主题短语的提取构成话题集；然后使用Bert预训练模型获取文本的句向量，并通过构建话题集和微博文本句向量之间的关系矩阵Condition层来体现两个文本序列的关系特征；最后使用CNN对Condition层进行特征提取，分析不同话题对立场信息的影响并实现对立场标签的预测.该模型在自然语言处理与中文计算会议（NLPCC2016）的数据集中取得了较好的效果，通过主题短语扩展后的Condition层有效地提升了立场检测的准确度.

摘要:近年来深度学习作为学术界与工业界共同关注的热点，取得了飞跃式的发展，在计算机视觉、语音识别等领域取得了令人瞩目的成果.深度学习分训练与推理两个阶段，在实际应用中主要关注的是推理阶段.深度学习推理过程中伴随着巨大的计算量，通过分布式系统提高其计算速度也得到了越来越多的关注.然而，构建分布式深度学习推理系统面临着深度学习加速设备更新迭代快速、上层应用及计算任务复杂多样等挑战.本文设计并实现的系统信息管理框架，用于收集并处理系统中的各类信息，收集及处理的规则具有高度的可扩展性和灵活性，并提供通用的RESTful API数据访问接口，以支持分布式深度学习推理系统对各类硬件加速器的灵活兼容性以及对任务调度策略的动态调整能力.最后，本文通过一个应用实例对该框架的功能进行验证并对实验结果进行分析.

摘要:采用“区块链技术+不对称加密+生物识别+身份认证”应用模式，依托智能手机客户端设计与开发一套铁路旅客身份认证系统.基于Ethereum开发平台，应用truffle开发框架，实现铁路旅客身份认证系统智能合约的编写与部署.系统针对传统铁路身份认证模式的不足，将旅客身份数据分布式存储，弱化中心化服务器的压力，提升旅客身份数据的安全性和鲁棒性；进行生物信息认证确保旅客对身份信息的所有权；利用非对称加密技术在保护旅客隐私、实现实名制的前提下增强数据的透明性.基于区块链应用模式的铁路旅客身份认证系统能够让用户身份实现本地存储、信息摘要链上校验，实现铁路旅客身份信息数据访问的细粒度控制，保障铁路旅客身份信息安全，提升铁路旅客的乘车体验.

摘要:本文针对当前车货匹配平台中所存在的虚假信息泛滥、对交易全过程缺乏监督以及违约现象严重的问题，将区块链技术运用于车货匹配平台中，设计了基于公有区块链的车货匹配平台框架及相应机制，用实际数据模拟双方在具有区块链技术的车货匹配平台上进行一次交易的全过程，并对交易的达成进行分析.结果表明，区块链技术能够增强平台上交易信息的可信度，能够对交易的执行全过程进行实时有效监督，间接降低了双方的违约行为，弥补了车货匹配平台所面临的短板，保障了双方的交易能够顺利进行.

摘要:数据共享是打破大数据时代“数据孤岛”困境的有力途径，而如何保证数据安全共享是当前面临的主要问题.为此，本文基于区块链技术和密文—策略基于属性的加密（Ciphertext-Policy Attribute-Based Encryption，CP-ABE）提出DOB框架，使用智能合约和序列化方法将CP-ABE的系统公钥、用户属性、密文和用户密钥等存储在链数据库中，同时设置数据库的访问权限和注册认证数据集，实现数据的细粒度共享.实验结果表明：相比于Jemel等人提出的Timely CPABE with Blockchain方案，DOB框架能进一步提高数据共享的安全性.

摘要:近年，由Henriques等人提出的核化相关滤波算法（KCF算法）在算法规模、复杂度、性能等方面表现优越.本文以KCF算法为核心，提出并设计了一种基于DSP的目标跟踪系统.硬件方面，本文设计实现了一套完整独立的硬件平台；软件方面，本文提出一系列针对DSP的算法优化方法，使优化后的KCF算法能够满足重要的工程指标要求.结果表明，系统在工程环境中表现良好，跟踪角速度可达20度/秒，平均帧率25 fps，跟踪准确率较高，为计算机视觉领域内的各类算法的嵌入式应用提供参考.

摘要:专业大类分流工作是我国高校教学管理过程中一项重要工作.目前我国很多高校专业大类分流工作才刚刚起步，分流过程大多采用人工分流的方式完成，任务繁重、花费时间、还容易出错，工作效率低.为解决这些问题，提出了设计和开发高校专业大类分流信息系统，通过设计填报志愿模块、大类分流模块和专业分班模块，探讨大类分流录取算法和专业分班录取算法，并将信息系统应用于高校实际需求.应用效果表明，高校专业大类分流信息系统解决了高校分流工作的实际问题，减少了失误、节省了人力、节约了时间.

摘要:商品检索是电商行业智能化发展的一个重要的问题.本设计实现了基于ZYNQ和CNN模型的服装识别系统.利用TensorFlow训练自定义网络，定点化处理权重参数.利用ZYNQ器件的ARM+FPGA软硬件协同的特点搭建系统，使用ARM端OpenCV进行图像预处理，FPGA端CNN IP进行实时识别.ARM与FPGA之间实现了权重可重加载结构，无需修改FPGA硬件而实现在线升级.系统采用fashion-minist数据集作为网络训练样本，根据系统资源配置CNN IP的加速引擎的数量来提高卷积运算的并行性.实验表明，本系统针对电商平台下的图片能够实时准确识别和显示，准确率达92.39%.在100 MHz工作频率下，图像处理速度每帧可达到1.361 ms，功耗仅为0.53 W.

摘要:本文基于深度学习目标检测算法设计并实现了一种实时的智能停车场车位信息查询系统.采用YOLO目标检测算法结合大量关于汽车以及车牌的图像数据对物体检测模型进行训练.利用该模型对停车场视频监控画面进行处理，根据模型处理的结果以及所设计的相关算法对车位进行判断，并且计算出被占用车位停车时长，识别出车辆的车牌信息.车位信息将以示意图的方式通过微信终端进行接收，使车主能够实时获取停车场车位信息.该系统能够准确地判断出停车场的车位信息，可为城市商业停车场管理方式提供参考.

摘要:本文介绍一种基于可视化工作流的高校学生勤工助学管理系统的设计与实现.本系统针对高校勤工助学工作业务流程特点，通过分离业务管理和流程管理，基于可视化工作流，利用Java EE以Jsp+SpringMVC+Hibernate技术实现.实施系统的后台数据显示，本系统的使用，显著降低了业务审批时间，提高了管理工作效率，促进了高校勤工助学管理工作的流程化、规范化和便捷性.

摘要:针对气象站网站点数量多、分布区域广、保障人员和经费的不足以及数据质量要求高的问题，以众包模式构建一种“互联网+气象装备社会化保障”的云端新型应用平台，通过专用链路连接，采取推送或请求的机制完成用户私有云和天识企业私有云上的数据交换.实现集运行监控、故障判断、维护维修、备件管理、考核评估、移动端交互的一体化，为全国气象探测保障社会化工作提供了新思路.

摘要:随着电子商务的不断发展，校园快递业务量迅速增长，传统快递取件模式货物出入库效率低，物流环节的人工成本高.据此，本文提出了一种基于RFID和ZigBee的快递管理系统，利用ZigBee网络来进行组网，利用RFID技术来实现自动化管理快递，将RFID标签贴在每个货物的包装，在驿站货架上设置固定式读写器，来获取货物位置、编号等信息，用户根据手机收到的二维码自主寻找货物，在出口闸机通道扫描快递标签及手机上的二维码来进行匹配，完成自主取货，提高快递出入库效率.

摘要:石油工业大数据具有无限潜力与价值，将大数据与数据挖掘技术应用其中，不仅可以提升石油行业工业化水平，而且对石油行业智慧化发展起到强有力地推动作用.由此提出了一个Web架构驱动的、集成了数据挖掘五大模块的新型工业知识挖掘系统-即石油工业数据挖掘系统，包含：数据集管理、预处理算法管理、数据挖掘算法管理以及数据挖掘流程管理和数据结果可视化五大模块.本系统实现了完全自助式的数据提取、数据预处理、数据分析与知识挖掘和结果可视化展示的完整知识挖掘流程.通过以Web的形式满足油田不同层级的用户在不同场景下的即时使用需求，极大提高了系统的灵活性.通过本系统，油田的技术开发人员可忽略大数据的搭建以及其他复杂构建过程，更好的服务于油田数据建模和分析.

摘要:在诸多时序数据分类算法中，有一类算法借助时序数据的局部特征对时序数据进行分类，它们取得了不错的分类结果，然而其时间复杂度以及分类精度依旧存在可见的提升空间.本文提出的微局部特征二分类算法，着眼于局部特征本身的性质，对局部特征集进行限制，进而改进现有的基于局部特征的分类算法.新算法通过理论分析支撑，将经典算法的局部特征集大幅缩小，进而显著提升了分类算法的时间性能.另一方面通过重定义局部特征的评价标准，新算法选出性质更为优良的局部特征，提升了分类精度.

摘要:本文从网络和电影中截取暴恐音频片段组成暴恐音频库，由于暴恐音频来源受限，而卷积神经网络需要大量的数据训练，为此，将迁移学习技术引入暴恐音频的判别中.首先采用公开的TUT音频数据集进行预训练，然后保留模型权重并迁移网络在暴恐音频库上继续训练，最后在fine-tune后的网络中增加网络的层数，添加了一种类似于残差网络的结构使其能够利用更多的音频信息.实验结果表明，使用迁移学习方法比未使用迁移学习方法的平均判别率提升了3.97%，有效解决了在暴恐音频判别研究中音频数据集过小而带来的训练问题，且改进后的迁移学习网络进一步提升了1.01%的平均判别率，最终达到96.97%的判别率.

摘要:目前时间序列半监督分类研究主要集中在单变量时间序列，由于多变量时间序列（MTS）变量之间存在复杂关系，MTS的半监督分类研究比较少.针对这种情况，提出一种基于二维奇异值分解的MTS半监督分类方法，该方法首先计算行-行以及列-列协方差矩阵的特征向量，然后从MTS样本中提取特征矩阵；特征矩阵的行数以及列数不仅比原MTS样本低，而且还清晰地考虑了MTS样本的二维特性.在10个MTS数据集上的实验结果表明，该方法的分类性能显著地好于使用扩展Frobenius范数、中心序列、以及基于一维奇异值分解的半监督分类方法.

摘要:身份认证是网络安全的重要组成部分，当前身份认证技术通过PKI体系为服务端颁发证书实现，应用广泛，但存在对CA依赖较强、存在密钥泄露和单点失败等风险.本文基于区块链和DNSSEC技术，提出了一种新的身份认证模型，支持不依赖CA的服务端和用户端的双向身份认证，同时改进了用户证书，实现了对用户设备的授权管理，在安全性和灵活性方面具有一定优势.本文首先简要介绍了身份认证技术研究现状，随后详细描述了身份认证模型整体架构、工作流程和主要功能，最后对该模型进行了分析并提出了应用实例.

摘要:手掌静脉纹识别技术作为新一代高精度的生物特征识别技术，被广泛用于个人身份鉴定领域.有效提取手掌静脉特征对于手掌静脉分类至关重要.然而，由于采集到的手掌静脉图像的质量较差，必须在识别前对手掌静脉图像进行增强.使用二维离散快速傅里叶变换（2D-FFT）代替传统空域卷积滤波，实现Gabor滤波器与原图像的频域卷积滤波.实验结果显示，本文提出的增强方法，相比较传统的自适应直方图均衡化和Retinex算法具有更佳的增强效果，相比于传统Gabor空域卷积滤波具有更低的计算复杂度，更适用于实时系统.

摘要:当前对视频的分析通常是基于视频帧，但视频帧通常存在大量冗余，所以关键帧的提取至关重要.现有的传统手工提取方法通常存在漏帧，冗余帧等现象.随着深度学习的发展，相对传统手工提取方法，深度卷积网络可以大大提高对图像特征的提取能力.因此本文提出使用深度卷积网络提取视频帧深度特征与传统方法提取手工特征相结合的方法提取关键帧.首先使用卷积神经网络对视频帧进行深度特征提取，然后基于传统手工方法提取内容特征，最后融合内容特征和深度特征提取关键帧.由实验结果可得本文方法相对以往关键帧提取方法有更好的表现.

摘要:基于深度卷积神经网络的图像语义分割方法需要大量像素级标注的训练数据，但标注的过程费时又费力.本文基于生成对抗网络提出一种编码-解码结构的半监督图像语义分割方法，其中编码器-解码器模块作为生成器，整个网络通过耦合标准多分类交叉熵损失和对抗损失进行训练.为充分利用浅层网络包含的丰富的语义信息，本文将编码器中不同尺度的特征输入到分类器，并将得到的不同粒度的分类结果融合，进而优化目标边界.此外，鉴别器通过发现无标签数据分割结果中的可信区域，以此提供额外的监督信号，来实现半监督学习.在PASCAL VOC 2012和Cityscapes上的实验表明，本文提出的方法优于现有的半监督图像语义分割方法.

摘要:车辆压线检测是智能交通系统的一个重要功能，为此提出一种基于车载图像的目标车辆压线检测方法.首先，利用合成数据方法构建一个类型丰富多样的压线检测数据集；然后，结合图像语义分割方法完成车辆检测和车道线检测并以分割图形式表示结果，再使用前后轮估计的方法获取车辆前后轮的位置；最后，通过车轮与车道线位置对比实现车辆压线判断.实验表明，结合图像语义分割模型后，所提方法的压线检测平均准确率达到88.7%，平均耗时35 ms，具备一定的实际应用价值.

摘要:针对由动态范围，光照条件，图像捕获设备等因素获得的低亮度图像，提出了一种基于亮度评估技术的特征增强衍生图融合算法来实现亮度较暗图像的对比度调整和特征增强.首先，利用亮度评估技术对低亮度图像的亮度进行评估优化处理，得到曝光率映射；然后，结合曝光率映射和改进的卡方分布函数模型来获取两幅特征增强的衍生图进行融合.最后，利用改进的衍生图融合算法得到最终融合图像.实验结果表明，所提算法的亮度误差，视觉信息保真度，图像互信息等评估参数优于近期方法，在提升图像对比度同时保留了图像良好曝光率区域，并较好地恢复了低亮度区域的边缘以及纹理等细节信息.

摘要:对于低等级的计算机视觉任务来说，图像去雨一直是一个热点问题.由于图像中雨线的密度不均一，导致单张图片中去雨成为极富有挑战性的问题.针对目标图像重点关注的两个部分：图像的整体结构和图像的细节，本文提出一种新颖的多流特征融合的卷积神经网络算法，通过多样的网络框架呈现优越的性能.该网络算法采用三条分支网络提取复杂多向的雨线特征，并运用级联的方式特征融合，通过与原图像结合去除有雨图的雨线，再经过细节加强网络获得高质量的无雨图.在合成的数据集以及真实雨图集下的去雨性能表明，所提出的算法与现有的基于深度学习的去雨算法相比，能够在去除雨线的同时保留更多的细节，保证了图片的质量.

摘要:伴随虚拟现实（Virtual Reality，VR）技术的发展，以及人们对人机交互性能和体验感的要求提高，手势识别作为影响虚拟现实中交互操作的重要技术之一，其精确度急需提升^[1].针对当前手势识别方法在一些动作类似的手势识别中表现欠佳的问题，提出了一种多特征动态手势识别方法.该方法首先使用体感控制器Leap Motion追踪动态手势获取数据，然后在特征提取过程中增加对位移向量角度和拐点判定计数的提取，接着进行动态手势隐马尔科夫模型（Hidden Markov Model，HMM）的训练，最后根据待测手势与模型的匹配率进行识别.从实验结果中得出，该多特征识别方法能够提升相似手势的识别率.

摘要:交通标志检测是进行交通标志识别系统的关键技术，提出一种基于图像的颜色和形状进行交通标志检测的方法.首先对图像进行灰度拉伸和噪声滤出的预处理，然后利用改进的K-means聚类算法对彩色图像进行颜色分割，最后采用基于Hough变换的形状检测技术对交通标志中的特殊形状进行定位，从而实现交通标志的检测.实验结果显示，该方法在各种复杂背景条件下检测出结果的平均正确率达到93.0%，优于同条件的算法且具有较高的实时性.

摘要:在室内定位中，传统的RFID定位方法由于方法简单，无法随着室内环境的变化准确估计当前的路径损耗系数，存在受环境影响大，定位精度不高，实时性差等缺点.为了解决以上问题，提出一种基于双神经网络模型的室内定位算法，建立BP网络和DNN网络的双神经网络模型，将采集到的RSSI信号值预处理后输入到BP网络模型中，输出路径损耗系数n，再将接收信号强度值RSSI和通过BP模型得到的路径损耗系数n作为输入，输入到DNN网络模型中，得到待测标签的精确定位坐标.实验表明，与传统的基于RSSI和基于ANN模型的室内定位算法相比，本算法有效提高了定位精度和定位实时性.

摘要:在现有的雷达辐射源信号识别研究中，传统人工提取到的特征虽具有较为良好的物理表征，但特征中还存在冗余、噪声特征，而通过深度神经网络虽可以挖掘到对信号更深层次的表达，但其特征存在的“黑箱”难以解释性无法避免.结合人工特征良好的物理表征性和深度学习强大的学习能力，本文提出将一种深度特征选择网络（DFS，Deep Feature Selection）应用到雷达信号识别技术中.DFS通过在深度神经网络的输入层和第一隐藏层之间增添一对一层，获取针对每维特征与分类相关性度量得到的权值，以此权值作为衡量标准，加强敏感特征的输入影响，削弱冗余、噪声特征的输入影响，提高分类准确率.方法先对雷达信号提取复杂度特征、小波脊频级联特征、信息熵特征，合并建立原始特征集，利用DFS进行学习训练，以达到在输入级别实现特征选择的目的.本文已利用上述方法对5类辐射源信号进行仿真实验，识别效果良好，验证了方法有效.

摘要:目前对视频技术的研究与应用主要集中于利用图像处理与模式识别手段对视频图像进行处理，视频抓拍都是以抓拍时间点为起始时间点，所拍摄视频包含的信息缺乏完整性，进而会影响进一步的分析与处理.针对此问题，通过定义时间窗口并利用缓存技术，提出了一种基于Android系统的视频抓拍方案的设计与实现，其关键在于能够提供抓拍时间点之前到之后一定时间段内的视频.测试结果表明，该方案具有较小的时间误差，并占用较少的系统资源，已被应用于量产并投入市场的车载电子系统中，为交通事故责任认定提供了重要依据.

摘要:各种文档中经常包含有各种特殊作用的横线、手划线等，当这些文档通过扫描等数字化方式存入计算机并需要进一步识别处理成文字编码时，这些线条却成为OCR的干扰因素，降低了文档内容的识别率.为此，本文提出一种新的文档干扰线去除算法，先将文档图像二值化，二值化过程考虑了不均匀光照带来的影响；然后将前景细化为单像素，减少线条粗细造成的影响；接着通过一种改进的贪婪算法计算横、竖两个方向线段的权重，判断权重较高的线段为干扰线；最后通过与干扰线距离的大小判断图像中每个前景像素的归属，从而获得一个完整的文档恢复图.仿真实验表明，本文提出的算法能够有效去除干扰线，特别在干扰线与文字粘连的情况下，去除干扰线的同时较少地影响文档图像的质量，且具有较高的计算速度和较好的去除效果，为图像进一步OCR识别提供了良好的基础.

摘要:移动应用广告是互联网广告市场中一种主动的广告形式，它能够分析用户的兴趣爱好，并投其所好，精准投放广告，从而提高用户体验，为广告平台与广告主带来巨大的收益.因此，预测移动应用广告的转化率已成为一个非常重要的研究方向.本文以逻辑回归和两个梯度提升树模型为基础，使用堆叠和平均的集成思想，提出了两种集成模型--SXL和BLLX模型，解决了传统预测模型能力有限，无法精准预测转化率的问题.在腾讯2017社交广告比赛的数据集上的实验结果表明，SXL和BLLX两种模型能够有效地提高广告转化率的预测结果.

摘要:针对突发事件救援过程中，由于应急队伍等资源实体间协作模式不够优化，调度匹配度不够高等问题，提出基于案例库和预案库，计算应急执行实体的技能贡献度，实体间的关系强度和协作度，用应急实体轨迹挖掘高协作算法来挖掘应急实体间的高协作模式，为提高应急队伍的调度管理的完备度和匹配度提供基础数据，同时基于实体的活动轨迹和活动的连续度，挖掘出高连续性的活动，为救援中决策应急活动的序列奠定基础.结果显示同种、异种应急实体的协调能力随着协作次数的变化规律，跟以往凭借经验决策的结果有很大背离，为应急队伍的合理调度和制定高效的应急预案提供了重要的数据支撑，有实际价值.

摘要:传统工作流框架提升了流程任务的设计编排能力和可管理性，但存在流程引擎运行时扩展能力不总，任务参与者控制灵活性不足，复杂流程表单的变更成本较大等问题.本文给出一种容器化柔性微服务流程开发框架，结合领域驱动设计、容器化微服务、动态组织关键点等技术机制，提高了流程实施效率，降低了开发成本，较好地解决了上述问题.经试验分析，柔性增强且代价更小，并在实际项目中验证了框架及方法的有效性.

摘要:光伏组件在日常运行中不可避免会产生各种缺陷，热斑缺陷就是其中一种.现有的研究主要针对光伏组件在生产工艺流程中出现的缺陷，对日常运行中光伏组件产生的缺陷检测算法研究很少并且存在泛化能力差、准确率不足等问题.本文在原始Faster RCNN的基础上，结合图像预处理、迁移学习、改进特征提取网络模型以及改进锚框选区方案，得到热斑缺陷检测模型.实验证明，使用本文模型在自制的测试集上平均检测准确率可达97.34%，相比原始Faster RCNN提高了4.51%.

摘要:微服务架构逐渐成为构建复杂业务系统时的主流架构，但同时系统架构变得更加复杂，服务质量的保障成为一个关键的问题.本文围绕微服务架构下服务质量保障展开研究，通过熔断、降级、多路调用等方式解决服务调用过程中出现的各种问题.提出了微服务调用参数的计算模型，以实时的业务和设备监控数据为基础，对服务调用参数的精细化计算，并支持在线的动态参数调整.通过优雅停机和流量预热方法，解决了服务重启过程中出现的质量抖动问题.本文所提出的方法和模型，在实际应用中得到了充分验证，响应时间、失败率等指标大幅降低，使微服务架构下的系统更加稳定可靠的运行.