摘要:传统的脑机接口（Brain Computer Interface，BCI）有许多不足，如基于运动想象的BCI需要受试者进行大量练习；基于P300位的BCI需要多次重复闪烁；基于SSVEP的BCI上的控制命令数量受刺激频率及其他因素影响.为此，研究人员提出了混合脑机接口（hybrid Brian Computer Interface，hBCI）.本文主要讨论了hBCI的研究进展，综述了常见的三种hBCI类型，分别是基于多种大脑模式的hBCI、基于多种感官刺激的hBCI、基于多种信号的hBCI，通过分析最新的hBCI系统的一般原理、刺激范式、实验结果、优点和应用，发现利用hBCI技术可以提高BCI的分类准确率，增加控制命令的数量，明显优于单一模态的BCI.

摘要:考虑决策者在时间紧急及信息不完备的情况下给出评估值时可能会出现犹豫不决的情况，提出基于犹豫模糊集的网络舆情突发事件应急群决策法.首先，通过犹豫模糊信息熵及交叉熵建立各评价指标的权重确定模型；其次，利用犹豫模糊加权平均算子及得分函数计算各突发事件评价指标的犹豫模糊评估值得分；然后结合各评价指标的权重值及评估值得分，计算出各网络舆情突发事件综合危害性得分，进而辅助应急部门确定各网络舆情突发事件的处置顺序；最后通过案例分析证明了方法的有效性.

摘要:如何对多轮的对话历史进行建模和推理是构建一个智能聊天机器人的主要挑战之一.基于循环或门控的记忆网络已经被证明是进行对话建模的有效方式.然而，这种方式有两个缺点，一是使用复杂的循环结构，导致计算效率较低；二是使用代价较大的强监督信息或先验信息，不利于扩展和迁移应用到新的领域.针对上述问题，本文提出了一种端到端的多注意力记忆网络.首先，该网络采取结合词向量和位置编码的方式对文本输入进行表示；其次，使用并行的多层注意力在不同子空间捕获对话交互中的关键信息来更好地建模对话历史；最后，通过捷径连接的方式叠加多注意力层管理信息流，实现对建模结果的多次推理.在bAbI-dialog数据集上的实验表明，该网络可以有效地对多轮对话进行建模和推理，而且具有较好的时间性能.

摘要:格点量子色动力学（Lattice Quantum Chromo Dynamics，LQCD）是目前已知能系统研究夸克及胶子间低能强相互作用的非微扰计算方法.计算结果的统计和系统误差原则上都是可控的，并能逐步减少.基于格点QCD的基本原理，更大的格子体积意味着可以计算更大空间的物理过程，并且可以对空间进行更加精细的划分，从而得到更加精确的结果.因而大体系的格点计算对QCD理论研究有着重要意义，但对程序计算性能提出了更高要求.本文针对格点QCD组态生成和胶球测量的基本程序，进行了其大规模并行分析和性能优化的研究.基于格点QCD模拟采用的blocking和even-odd算法，我们设计了基于MPI和OpenMP的并行化算法，同时设计优化数据通信模块：针对复矩阵的矩阵乘等数值计算，提出了向量化的计算优化方法：针对组态文件输出瓶颈，提出了并行输出组态文件的实施方法.模拟程序分别在Intel KNL和“天河2号”超级计算机x86_64队列进行了测试分析，证实了相应的优化措施的有效性，并进行了相应的并行计算效率分析，最大测试规模达到了1728个节点（即41472 CPU核）.

摘要:针对不确定背景下的多属性决策问题，提出基于前景理论和证据推理的区间灰数多属性决策方法.首先，考虑区间灰数在区间内取值概率不相等的特性，提出一种改进的区间灰数距离公式，在此基础上，以方案的正负理想解为参考点，计算属性值与正负理想解之间的距离集.其次，将决策者的风险心理因素引入区间灰数多属性决策中，结合前景理论构建基于区间灰数距离的前景价值函数.再次，通过证据推理算法和区间数可能度大小比较规则对方案做出排序.最后，通过算例分析验证所提方法的有效性.

摘要:以全面而统筹的眼光解决问题，则必须从局部分析不同的侧面，面向多视点的需求工程即为该理论的一个应用.多视点需求工程越来越受到重视，但是各视点间却缺少统一，这不仅不利于获取完整的系统需求，还导致需求变更困难等问题.为了解决以上问题，首先提出一个新的多视点建模过程框架，合理的建模框架有利于获取完整的系统需求.其次在多视点建模过程框架下建立追踪元模型，阐明系统需求在多视点元模型间的平稳过渡.最后结合需求追踪矩阵方法在追踪元模型间建立起追踪关系，进而通过计算变化追踪矩阵在需求变更时可以追踪到相关元素并进行更改，解决需求变更困难的问题.

摘要:目前，随着下一代测序技术（Next-Generation Sequencing technology，NGS）的发展，围绕高通量测序数据的微卫星不稳定（Micro-Satellite Instability，MSI）探测方法与软件工具层出不穷，但存在需要配对正常组织测序数据做参照或大量微卫星稳定（Micro-Satellite Stable，MSS）样本的正常组织测序数据构建基准线的问题，这会在一定程度上给使用者造成不便.针对以上问题，本文提出一种基于信息熵理论使用样本肿瘤组织测序数据探测MSI的模型.首先，基于之前开发的探测软件MSlsensor1.1，增加在单肿瘤组织测序数据上探测样本MSI状态的模块，扩增后的软件可实现基于两种数据模式的MSI探测.两种数据模式分别是肿瘤与正常组织成对测序数据和单肿瘤组织测序数据.其次，对扩展模块进行性能评估.依托于该模块，使用样本肿瘤组织的外显子测序数据对衡量软件性能的指标进行评估.结果显示，本研究提出的基于信息熵理论在单肿瘤组织测序数据上的探测模块性能表现较好，这为后续更为复杂的变异信号探测提供了理论依据和技术支撑.

摘要:随着深度学习的广泛应用和智能移动设备的普及，将深度学习的应用迁移到移动设备上已经成为一种新的趋势.本文设计了一种基于安卓平台和轻量级卷积神经网络的鸟类识别系统，该系统不依赖任何外部的计算资源和存储资源.本文提出以轻量级卷积神经网络作为基础模型的三种模型融合方法，分别是加权平均融合、双线型融合和多图片单模型融合.本文详细介绍了三种融合方式的结构和优缺点，并且给出了模型选择和超参数选择的一些方法.实验结果表明模型融合的方式相比单模型而言，识别精度有显著提高，可以更好的应用到安卓移动设备上.

摘要:打破信息孤岛，整合异构数据，汇聚共享交换，深度分析挖掘，提供行业领域辅助决策和态势分析具有深远的理论和应用价值.本文以中国科学院教育科研态势感知服务的实际需求为牵引，设计并实现了一套基于Hive的Hadoop/Spark双计算引擎大数据仓库，支持多种方式OLAP分析，进行了可用性、负载均衡、资源管理的优化设计，为后续进行全院数据汇聚挖掘、知识图谱构建、学科态势分析提供了平台支撑.实验表明，系统灵活高效，高可用可扩展，资源调度科学，负载均衡效果明显.

摘要:RPKI作为解决路由劫持等网络安全问题的重要网络架构，其传输结构主要有两方面构成：供给侧和依赖方的数据同步，以及依赖方和需求侧的数据传输.目前国内外研究内容主要集中在供给侧和依赖方的数据同步环节.依赖方和需求侧的数据传输仍处于初步探究状态.本文针对当前RPKI理论架构难以适应实际部署需求的缺陷，设计并利用JSON化的RPKI缓存数据，实现了一种基于HTTPS的RPKI缓存更新架构.实验结果表明，该分发架构传输稳定.与当前RPKI理论架构相比能够适应多层传输和大量数据传输的需要.

摘要:低延迟直播是视频直播中一个颇具挑战性的技术难点.文章从网络推流、首帧延迟、视频编码延迟三个角度进行延迟优化：首先依据网络状况自适应调整推流码率；其次实现关键帧缓存算法，优化首帧打开时间，使得首帧打开时间减少到2~4秒；然后改进帧内预测模式快速选择算法，通过降低候选模式个数减少编码复杂度，在视频质量基本不变的前提下使编码时间最多可降低约22%.最后基于以上三种优化策略设计实现屏幕直播系统并应用于课堂教学，满足课堂屏幕共享低延迟场景.

摘要:作为深度学习算法之一的卷积神经网络在多个领域有着重要的应用.因为其网络模型的规模和结构比较复杂，数据量较大，故需要考虑降低其对计算资源的要求.一般地，对于大数据量的计算任务，需要使用数据并行的方法进行任务的划分计算，而仅使用数据并行而对计算的任务的特点不加以结合，其数据传输量较高.因此需要通过对CNN网络结构及其计算特性的分析，设计合理的计算任务划分策略，减少数据的传输量.本文首先介绍了深度学习加速器中对计算任务的优化处理，接着介绍BWDSP的众核深度学习加速器的体系架构，并设计计算划分策略，基于VGGNet-16网络模型进行实验对比分析.实验结果表明该优化算法可以显著的提高数据传输的性能，降低数据的传输量.

摘要:人们对移动社交的需求越来越高，然而陌生人之间想要交流却又有安全等其他问题.为了解决这些问题，设计了街景留言系统，联结同一场景下“共同感受”的人，区别于以往的社交方式，更能让人融入这个场景.留言榜上可以分享自己在这个景点的感想，形成景点弹幕.本系统由三大模块组成，深度学习模块、数据库模块以及显示模块.深度学习将扫描场景的图像与数据库中已有场景的图像进行图像匹配，最后通过AR方式显示出来.本系统能提供别样的生活方式，给人们带来便利.

摘要:食源性疾病由来已久，每年都会造成巨大的社会经济损失.人工智能技术给食源性疾病事件的探测和预警带来了新的方法.该文基于互联网大数据开发了食源性疾病事件智能探测与预警平台，该平台面向食源性疾病事件的数据获取、数据分析以及可视化展示的全过程，通过D-M-V分层模型以及模块化开发集成了多种模块.该平台主要解决了食源性疾病事件的数据获取、数据融合、事件探测、风险预测和可视化等问题，该平台能够自动从互联网中采集社交媒体、社会经济等数据；根据数据的时空坐标对多源异构数据进行高效融合；从社交媒体数据中探测出食源性疾病事件并推断其关键信息；利用多源数据对食源性疾病风险进行预测；提供高效的可视化方法和交互手段.该文通过2018年北京市食源性疾病数据作为示例验证平台功能.

摘要:地铁门夹紧力峰值数据在一定程度上可以反映其传动系统的退化状态.基于此，本文运用研发的数据采集系统对新上线地铁门的夹紧力进行实时地采集、存储、显示和查询.分别采用ARIMA模型与EMD-ARIMA模型对夹紧力峰值的均值和标准差随累积运行时间的变化趋势进行预测，依据预测结果确定地铁门传动系统发生早期故障的概率.通过两种模型预测对比结果表明，EMD-ARIMA模型可以较好地预测地铁门夹紧力峰值的变化趋势，这种改进的预测方法可以对处于调试期车门退化状态的预测提供新思路.

摘要:为了研究氚泄漏时的动态扩散机制与事故风险，本文基于三维图形引擎研发了氚扩散虚拟仿真系统.采用预先危险性分析方法进行了氚系统安全分析，通过粒子系统方法模拟了事故中氚扩散的动态过程，基于虚拟漫游与仿真技术实现了人机交互仿真功能.以国际热核聚变实验堆（ITER）的氚提取系统仿真为案例，模拟了氢同位素分离柱与管道发生泄漏时氚的动态扩散过程和浓度变化情况，仿真结果为氚泄漏的安全防护提供了依据.

摘要:WiFi接入点（Access Point，AP）被广泛部署在学校、商场和机场等公共场所，满足用户随时随地的使用需求.然而，管理大规模的WiFi网络仍是一个亟待解决的难题，设备间的差异性造成难以在无线局域网中提供集中的接入管理.同时，由于各种新服务、新应用的推动，使得传统无线局域网中的网络资源利用率低及接入点负载不均衡的问题目益严重.因此，本文引入SDN思想，将协议无关转发（POF）技术应用到无线局域网中，提出一种深度可编程无线局域网架构，实现集中接入管理.同时，综合考虑信号强度（RSSI）、实时网络流量等因素，提出一种基于多路径TCP （MultiPath TCP，MPTCP）的无线AP接入管理机制，充分利用各AP的带宽资源，避免在拥塞的路径上继续传输数据，从而均衡底层AP负载.

摘要:太阳诱导叶绿素荧光数据是反映全球植被总初级生产力的关键指标，对于监测全球或地区性的植被生产力变化和气候变化的影响具有重大意义.然而，目前为止仍没有高分辨率和全球覆盖的可用原始数据集.虽然存在一些全球性的重建数据集，但一般存在区域特异性不够明显等问题，从而一定程度上限制了该数据在特定的兴趣区域上的可用性.为了探索重建基于兴趣区域的叶绿素荧光数据的方法，本研究以华北平原为例，综合遥感数据处理技术，机器学习方法和生态学原理，对原始轨道碳观测者二号卫星所提供的叶绿素荧光数据集和MODIS地表反照率数据建模.重建数据集基于兴趣区域内原始数据的时空特征而建，具有连续的空间覆盖和更高的空间分辨率，经过验证，该框架可以为特定区域提供有效的有针对性的的叶绿素荧光数据，可为兴趣区域的与叶绿素荧光数据有关的研究提供数据支持.

摘要:针对如何从海量的气象数据中挖掘出有用的知识，并提高气象预报的准确度，提出了在Hadoop平台上构建基于遗传神经网络算法的天气预报方法.该方法采用遗传算法与神经网络算法相结合，避免了传统算法容易陷入局部最优的问题，并以天津市13个台站1951–2006年的地面气候资料日值数据为基础，建立了遗传神经网络预测模型，最后以降雨量等级为决策属性进行了实验.结果表明，该方法对所有降水等级的预测准确率都要优于传统的神经网络算法，对于降水等级R₀的预测精度最高，达到了87%，不仅可以有效的处理海量气象数据，同时具有较高的预测精准度和良好的扩展性，为天气预报提拱了一种全新的思路和方法.

摘要:随着我国在生态保护上的投入加大，红外相机技术在我国各级自然保护区的应用发展迅猛，在如何充分挖掘照片的信息方面，物种识别显得尤为重要，是其他工作的前提.在图像识别方面，随着深度学习的爆发，给图像识别带来了革命性的提升，以卷积神经网络为代表的网络结构在准确率上几乎完胜传统方法.然而，由于网络结构对最终图像识别准确率的影响巨大，人们在实际应用中往往都是使用一些经典的网络结构，比如VGG16、VGG19、ResNet50等，从中选择一个适合自己的数据集的网络结构，同时对于不同的数据集，可能需要重新选择.因此，在保护区红外相机物种的识别中，本文提出了基于AutoML的自动构建网络结构技术，针对不同的保护区的数据集，自动构建合适的网络结构，避免人工选择，同时达到了与人工选择网络相当的准确率.

摘要:为解决传统频繁模式挖掘算法效率不高的问题，提出了一种改进的基于FP-tree （Frequent pattern tree）的Apriori频繁模式挖掘算法.首先，在Apriori算法的连接步加入连接预处理过程；其次，对CP-tree （Compact Pattern tree）进行扩展，构造了一个新的树结构ECP-tree （Extension of Compact Pattern tree），新的树结构只需对数据库进行一次扫描就能构造出一棵紧凑的前缀树，且支持交互式挖掘与增量挖掘；然后，将改进点与APFT算法结合，用于挖掘频繁模式；最后，使用UCI数据库中两个数据集进行实验.实验结果表明：改进算法具有较高的挖掘效率，频繁模式挖掘速度显著提升.

摘要:针对协同过滤推荐模型的数据稀疏性问题，提出一种带有聚类隐变量的变分自编码器，用于处理用户的隐式反馈数据.该深度生成模型既能学习到隐变量的特征分布，同时又能完成对特征的聚类.先以多项式似然来重构原始数据，再用贝叶斯变分推断估计参数，并且将正则化系数引入到模型当中，通过调节其大小能够避免过度正则化，使模型的拟合效果更好.这种非线性的概率模型对缺失评分的预测有更好的建模能力.在MovieLens的三个数据集上的实验结果表明，该算法相比较于其他先进的基线有更优秀的推荐性能.

摘要:非拟合多边形可用于处理两维的不规则形状的板材排样问题.先前，基于非拟合多边形的构造很难实现，并且也没有通用的方式来处理多种特殊情况，从而非拟合多边形并没有被广泛的使用.本文介绍了一种基于环绕的实现方式来构造非拟合多边形，对各种特殊情况能统一解决，例如互锁，交叉等.通过对ESICUP的数据集测试，表明该方法具有一定的效果，可以对板材排样的解决思路提供一定的借鉴.

摘要:安全帽作为作业工人最基本的个体防护装备，对作业人员的生命安全具有重要意义.但是部分作业人员安全意识缺乏，不佩戴安全帽行为时常发生.本文聚焦于复杂场景下对工作人员是否佩戴安全帽的实时检测.YOLO （You Only Look Once）是当前最为先进的实时目标检测算法，在检测精度和速度上都取得了良好的效果，将YOLO应用于安全帽检测.针对未佩戴安全帽单类检测问题，修改分类器，将输出修改为18维度的张量.基于YOLOv3在ImageNet上的预训练模型，对实际场景下采集到的2010张样本进行标注并训练，根据损失函数和IOU曲线对模型进行优化调参，最终得到最优的安全帽检测模型.实验结果表明，在2000张图片测试集上取得了98.7%的准确率，在无GPU环境下平均检测速度达到了35 fps，满足实时性的检测要求，验证了基于YOLOv3安全帽检测方法的有效性.

摘要:在大数据时代，如何通过数据分析抓住顾客需求，增加产品优化的科学性，对企业有着至关重要的战略意义.本文将在线评论数据应用于企业产品的辅助优化中，提出了产品优化信息的获取技术与方法，从评论中获取产品优化所需要的优化信息.首先计算在线评论中的顾客关注度和满意度等指标，构建客户意见的权重算法模型；然后，提取出产品特征和顾客意见的词对，并根据权重算法模型计算出顾客意见的权重；接着，通过关联矩阵找到对应的产品优化信息；最后并通过实例分析验证的方法的可行性.

摘要:针对构建分布式微服务中数据一致性问题，本文总结了在处理分布式计算中数据一致性问题遵循原则，分析实现微服务的幂等性设计重要性，提出了一种采用事务型消息队列解决分布式微服务典型应用场景中数据一致性问题的方法，并给出RocketMQ实现方式及原理，实验表明事务型消息可以较好解决分布式数据一致性问题，最后分析了上述方法的优缺点，本文提出的在分布式微服务构建中数据一致性处理方法应用中具有一定的借鉴作用.

摘要:版权保护一直是图书出版领域的难题之一.根据二维码和主成分分析（PCA）算法的特点，提出一种基于二维码图书版权保护的新的数字水印算法，算法首先对二维码载体图像进行主成分分析（PCA），提取出既含有高频分量又含有低频分量的主成分系数，采用Arnold算法将版权信息水印加密干扰后嵌入到提取出的主成分系数中.实验结果显示，新算法在几何攻击、噪声、图像亮度和对比度的增减等攻击都有很好的鲁棒性.

摘要:针对非合作接收PCMA信号盲分离问题，提出一种遗传改进粒子滤波算法（Improved Particle Filtering based on Genetic Algorithm，GA-IPF）.该算法以粒子滤波的算法框架为基础，建立多个状态空间分布以逼近真实后验概率密度；同时引入遗传算法替代重采样产生新粒子，增加粒子多样性，避免了重采样过程中的粒子耗尽问题.仿真实验表明，该算法载噪比为9 dB时，分离准确率达到95%，与QRD-M Gibbs等算法相比，信号捕获能力提高4 dB，且算法复杂度降低近60%.

摘要:本文提出了一种基于循环神经网络的语义完整性分析方法，通过判断句子是否语义完整，将长文本切分成多个语义完整句.首先，对文本进行分词，映射为相应的词向量并进行标注，然后将词向量和标注信息通过循环窗口和欠采样方法处理后，作为循环神经网络的输入，经过训练最后得到模型.实验结果表明，该方法可以达到91.61%的准确率，为主观题自动评分工作提供了基础，同时对语义分析、问答系统和机器翻译等研究有一定的帮助.

摘要:软件开发者在软件代码中如何正确使用API和API序列（APIs），是一个需要学习的困难过程.于是面对不熟悉函数库或像Github那样包含大量APIs的代码仓库，需要一些推荐工具或系统辅助开发者的APIs使用.目前我们所知最好的方法DeepApi能较好理解用户的查询语义，但基于RNN的模型存在问题：（1）没有考虑每个单词的权重；（2）将输入序列压缩为一个固定长度的向量，损失了较多有用信息；（3）句子过长会使关键信息丢失.为此，本文使用了一种基于注意力机制的模型，可以区分每个单词的重要程度并解决长查询输入所产生的长距离依赖问题.我们从Github上面爬取了649个Java开源项目，经过处理得到有114 364对注释-API序列的训练集.实验结果表明我们的方法比DeepApi方法对于BLUE指标在Top1、Top5、Top10上均能提升约20%以上.

摘要:近几十年来，人们生活水平显著提高，但是健康意识依旧薄弱，不良的生活习惯和饮食习惯导致糖尿病发病人数急剧增加，由糖尿病导致的各种并发症严重威胁了人们的健康.由于糖尿病具有知晓率低的特点，很多糖尿病患者未能及时发现病症，导致出现并发症.本文通过分析糖尿病的特点，针对医疗数据样本量小、容易缺失的特点，选择IV值分析进行特征选择、使用一种新型的Boosting算法CatBoost进行糖尿病患者预测，取得了显著的预测效果.

摘要:近年来，基于众包的视频直播平台逐渐兴起，以其丰富的观众-主播交互机制吸引广大用户观看.针对直播平台的分析也随之成为流媒体服务领域的一个研究热点.直播过程中精彩片段的自动提取对于标签生成、视频分类和内容推荐等方面而言至关重要，然而现有的精彩片段检测大多围绕音频、视频数据本身展开，如视频语义分析、音频情感感知等，缺乏对用户交互属性的合理利用.本文以斗鱼直播平台为例，通过分析观众的发弹幕与送礼物行为，提出了基于直播间弹幕数量时间序列和礼物价值时间序列的精彩片段自动化检测方法.首先利用z-score方法检测序列高潮，然后对高潮做样本标注和特征构建，最后采用随机森林对序列高潮分类并识别内容高潮，即精彩片段.结果表明，模型能够以较高的准确率完成精彩片段的自动化识别任务.

摘要:随着区块链近年来热度的不断提高，智能合约也逐渐受到人们重视.智能合约是一段能够自动运行代码，允许开发人员根据具体协议、业务或逻辑个性化地开发，而区块链的去中心化、分布式等特点为智能合约的应用提供了良好的平台.首先阐述了区块链及智能合约的架构与发展，并针对部队航空导弹业务登记场景，使用超级账本作为开发平台，提出基于区块链的智能合约设计方案，并对某型航空导弹气密性检查进行了智能合约的开发、部署与调试；最后对智能合约的有效性、安全性以及隐私保护手段等方面进行了安分析，为部队应用区块链技术及智能合约提供参考.

摘要:为解决裂隙灯转鼓装校时，人眼对转鼓图像清晰度的评价存在不确定性等问题，提出一种基于清晰度评价算法的转鼓数字化装校方法，以提高转鼓质量.通过研究目前比较主流的图像清晰度评价算法，选取与主观评价符合程度较好的几种算法，采用合适的图像预处理方法，编写程序对转鼓图像进行实际测试.模拟转鼓装校生产线上相机焦距变化、转鼓放大倍率变化、光照变化因素的影响，设计了三组实验，从算法的单峰性、无偏性、灵敏性与实时性四个方面对计算结果进行对比和分析.结果表明，筛选出来的算法能够在不同倍率，不同光照下对转鼓图像进行准确的清晰度评价，且能够满足生产线上的实时性要求.

摘要:传统的全卷积神经网络由于不断的池化和下采样操作使得最后的特征热点图分辨率损失严重，导致了分割结果的细节刻画能力的缺失，为了弥补这一缺陷，往往通过跳跃连接融合中层的特征图以恢复空间信息.由于无法充分利用网络的低层特征信息，传统全卷积网络的特征融合阶段存在相当的缺陷，本文对这一现象进行了深入的分析.本文在上采样路径之前采用基于特征金字塔的特征信息增强方法，克服了浅层特征图语义信息匮乏这一缺点，使得整个网络能更充分的利用前向计算产生的特征图，输出的分割结果也更为精确.本文提出的算法在Pascal VOC数据集上取得了75.8%的均像素精度和83.9%的权频交并比，有效的提高了分类精度.

摘要:基于对称三对角矩阵特征求解的分而治之方法，提出了一种改进的使用MPI/Cilk模型求解的混合并行实现，结合节点间数据并行和节点内多任务并行，实现了对分治算法中分治阶段和合并阶段的多任务划分和动态调度.节点内利用Cilk任务并行模型解决了线程级并行的数据依赖和饥饿等待等问题，提高了并行性；节点间通过改进合并过程中的通信流程，使组内进程间只进行互补的数据交换，降低了通信开销.数值实验体现了该混合并行算法在计算效率和扩展性方面的优势.

摘要:数据库作为信息系统核心组件，存放着大量重要数据信息，易受到危害最大的SQL注入攻击.传统数据库防御手段需要攻击行为的特征等先验知识才能实施有效防御，具有静态、透明、缺乏多样性等缺陷.本文在此背景下，以拟态防御动态异构冗余原理为基础，使用保留字拟态化模块、指纹过滤模块、拟态化中间件模块实现SQL注入指令的指纹化、去指纹化、相似性判决，提出具有内生安全性的拟态数据库模型，并使用渗透测试演练系统DVWA中的SQL注入模块对该模型进行安全性测试，验证了拟态数据库模型的可用性和安全性.

摘要:传统的分拣作业无法伴随工作环境的变化进行相应的调整，针对此种不足，出现了基于机器视觉的分拣机器人的相关研究，通过将图像处理和特征工程技术引入视觉模块，使得分拣系统能适时的调整.不同于这些方法，本研究基于实验室的工业分拣系统，将深度学习方法应用其中.通过将Faster RCNN检测算法引入视觉模块并对区域提取网络RPN进行相关改进，加快Faster RCNN模型的检测过程，使得该系统满足工业的实时性要求.Faster RCNN作为一种端到端的方法，能自动对输入图像生成更具表达力的特征，对相应目标提取相应特征，这避免了人工设计特征，它的特征自动生成能力使其能适用于各种场景，这提升了工业分拣机器人的环境适应能力.

摘要:为了解决两坐标雷达系统误差估计问题，提出一种联合ADS-B的最小二乘雷达系统误差估计方法.提出方法首先将ADS-B量测从地理坐标系转换到雷达局部直角坐标系，建立统一的配准空间；其次以雷达航迹的采样时间为基准，对ADS-B航迹进行插值，构造新的ADS-B航迹；然后采用直线拟合算法分别计算雷达航迹和ADS-B航迹的直线方程，并计算两条直线的夹角，再利用该夹角补偿雷达航迹的航向角数据；最后采用最小二乘算法估计雷达系统误差.实测数据实验结果表明，与传统直线拟合方法和最小二乘方法相比，提出方法能够更有效地估计雷达系统误差；经过提出方法配准处理后，雷达航迹数据的平均斜距离误差和方位角误差分别降低71.7%和52.7%.

摘要:为了解决传统目标跟踪算法在有遮挡后无法准确跟踪的问题，提出了将YOLO和Camshift算法相联合的目标跟踪算法.基于YOLO网络结构来构建目标检测的模型，在模型构建之前，采用图像增强的方法对视频帧进行预处理，在保留视频帧中足够图像信息的同时，提高图像质量，降低YOLO算法的时间复杂度.用YOLO算法确定出目标，完成对目标跟踪的初始化.根据目标的位置信息使用Camshift算法对后续的视频帧进行处理，并对每一帧的目标进行更新，从而可以保证不断调整跟踪窗口位置，适应目标的移动.实验结果表明，所提的方法能够有效地克服目标被遮挡后跟踪丢失的问题，具有很好的鲁棒性.

摘要:遗传算法经常被应用于工业生产中的最优化问题当中，但是在面对非线性、多极值、多变量的问题时容易在早期寻优过程中陷入局部最优解范围.本文通过对传统的遗传算法添加灾变操作，减少了遗传算法常见的“早熟”现象，配合灾变操作的迭代次数的变化设置了遗传操作自适应变化，增强了算法后期的寻优能力.该算法以河北某钢铁企业的实际生产数据进行检验，实验结果表明该算法能在保证烧结矿性能质量的前提下，有效的降低原料成本，有效降低早熟现象的发生，提高了算法的整体搜索能力，在工业生产当中的最优化问题当中可以发挥很好的效果.