摘要:准确的燃气负荷预测对于城市合理供应和调度能源起着非常重要的作用. 由于燃气负荷数据本身具有周期性, 随机性的复杂特点以及单阶段单预测模型的局限性, 本文提出了一种基于模糊编码遗传算法(Fuzzy Coding of Genetic Algorithms, FCGA)和改进的LSTM-BPNN残差修正模型的多阶段混合模型. 首先第一阶段先用LSTM进行燃气负荷初步预测, 然后计算出燃气负荷残差值, 第二阶段先用BPNN去预测残差值, 然后用Adam自适应学习率算法在学习过程中自动调节LSTM-BPNN残差模型的学习率, 加快拟合速度, 接着用模糊编码遗传算法去优化BPNN的初始权重和阈值, 以便寻找到全局最优解. 最后把两阶段的预测值和作为最终的燃气负荷预测值. 通过对比实验得出, 本文模型比单模型, 原始两阶段预测模型得到了更高的预测准确率.

摘要:电网在运行过程中, 换流阀等关键设备会不断产生热量, 当设备的热量不断聚集温度不断上升, 会影响设备的稳定性和安全性, 保证换流阀等关键设备稳定运行就显得至关重要. 阀冷系统作为冷却系统的关键设备, 以热导性较高的水为介质, 将设备的热能带出, 达到降低设备温度的目的. 可以通过监控冷却水的温度、压力技术指标来确保换流阀安全、稳定运行. 选取阀冷系统中的进阀温度为主要预测指标, 对系统的历史数据进行充分的挖掘和分析, 达到对电网运行状态预估的目的. 将传统时序模型与机器学习结合提出ARIMA-SVM的混合模型, 并与传统的 ARIMA 模型、SVM模型和GRU神经网络模型对中国南方电网的真实阀冷数据进行时序分析预测并进行对比实验. 实验结果表明, ARIMA模型、SVM模型、GRU神经网络模型和ARIMA-SVM混合模型都可以较好地预测进阀温度的变化趋势, 但ARIMA-SVM混合模型在均方根误差、均方误差和平均绝对误差3个评价指标上表现均更优于其他3个模型, 能够进一步提升进阀温度预测的精度

摘要:近年来, 随着人工智能的发展, 深度学习模型已在ECG数据分析(尤其是房颤的检测)中得到广泛应用. 本文提出了一种基于多头注意力机制的算法来实现房颤的分类, 并通过PhysioNet 2017年挑战赛的公开数据集对其进行训练和验证. 该算法首先采用深度残差网络提取心电信号的局部特征, 随后采用双向长短期记忆网络在此基础上提取全局特征, 最后传入多头注意力机制层对特征进行重点提取, 通过级联的方式将多个模块相连接并发挥各自模块的作用, 整体模型的性能有了很大的提升. 实验结果表明, 本文所提出的heads-8模型可以达到精度0.861, 召回率0.862, F1得分0.861和准确率0.860, 这优于目前针对心电信号的房颤分类的最新方法.

摘要:一直以来舆情态势发展的多元性、复杂性使其难以有效管控, 一些负面舆情会激化矛盾, 给社会安定带来不利影响. 提出了一种基于事理知识图谱的舆情事件推演方法, 通过神经网络挖掘事件因果逻辑, 连接因果事件构成事理知识图谱. 向量化事件节点以融合归并相似节点降低图谱冗余, 增强图谱泛化性. 根据事理知识图谱反映的发展逻辑对目标舆情事件的演化趋势进行预测. 以自然灾害舆情事件为例, 实验结果表明提出的方法能够有效预测舆情事件发展方向, 可以为舆情监管提供一定支持.

摘要:无人机滥用给低空范围带来巨大安全隐患, 非法入侵无人机目标的检测问题成为低空防御系统中重要的研究方向. 本文提出一种基于雷达、RGB相机等多传感器信息融合方法, 用于探测低空范围内小目标物体. 然后, 引入SSD (Single Shot multibox Detector)深度学习算法, 训练无人机目标检测模型, 对RGB相机捕获到画面中物体类别与位置进行预测. 通过搭建实验平台验证信息融合方法能够成功获得目标位置、速度以及外观形态等特征, 深度学习模型能够成功判断可疑目标的类别.

摘要:原始的U-Net采用跳跃结构结合高低层的图像信息, 使得U-Net模型有良好的分割效果, 但是分割结果在宫颈细胞核边缘依然存在分割欠佳、过分割和欠分割等不足. 由此提出了改进型U-Net网络图像分割方法. 首先将稠密连接的DenseNet引入U-Net的编码器部分, 以解决编码器部分相对简单, 不能提取相对抽象的高层语义特征. 然后对二元交叉熵损失函数中的宫颈细胞核和背景给予不同的权重, 使网络更加注重细胞核特征的学习. 最后在池化操作过程中, 对池化域内的像素值分配合理的权值, 解决池化层丢失信息的问题. 实验证明, 改进型U-Net网络使宫颈细胞核分割效果更好, 模型也越鲁棒, 过分割和欠分割比率也越少. 显然, 改进型U-Net是更有效的图像分割方法.

摘要:为契合“智慧气象”科学管理、持续创新内涵, 加强气象业务系统运维管理, 提高气象业务响应能力, 进一步提升气象台业务效能, 我们利用“青岛气象”微信公众平台, 使用其API进行二次开发, 设计了符合气象台业务的智慧移动办公系统. 本办公系统在逻辑层面分为4层架构进行设计, 由存储层、技术层、应用层和用户层组; 系统整体采用B/S架构, 依托ASP.NET MVC框架, 后台使用C#语言, 前台页面使用HTML、Javascript和CSS语言进行开发. 系统主要功能包括故障工单、实时办公、电子排班、活动报名4个模块, 初步实现了气象业务及办公管理智能化. 该系统方便快捷实用, 同时具有较好的可扩展性, 有较高的应用推广价值.

摘要:为了推动能源交易公平以及区块链技术在电力交易领域的应用, 实现P2P电能交易平台与配电网高效配合, 提出一种基于区块链技术的P2P电能交易平台与配电网的协同仿真框架. 根据区块链去中心化、安全性强、可追溯的特点, 提出分布式双边拍卖机制, 结合智能合约, 建立了能源交易模型并进行了仿真分析. 最后, 根据建立的协同仿真模型, 通过两个场景下配电网参数的比较分析, 得出了P2P电能交易机制对配电网影响的相关结论, 为实现能源高效利用, 电能交易安全稳定以及区块链技术在电能交易领域的落地推广提供了理论基础和技术支撑.

摘要:传统水务数据大多以中心化管理模式为主, 但是数据权益涉及到水务集团、设备生产商和保险公司等. 在此前提下, 数据是否可信, 数据传输和存储过程中是否被篡改成为利益涉及方痛点问题与面临的挑战. 针对上述问题和挑战, 本文结合区块链技术去中心化、不可篡改、可追溯的特性, 提出了一种智慧水务区块链BaaS (Blockchain as a Service, 区块链即服务)的构建思路和方法, 较好地解决了水务数据所面临的可信度低问题. 对BaaS服务关键技术: (1) BaaS服务体系架构; (2)智能水表健康数据分布式账本数据模型和Merkle二叉树验证模型; (3)基于双缓冲队列和多区块链节点接入的关键技术, 进行了较为详细的阐述.

摘要:随着高校采购任务的剧增, 采购业务积累了大量的电子文档资料, 原一站式采购管理平台的文档管理功能已经无法满足现有的工作需要. 综合分析现有文件和资料管理的需求, 并根据文档实际生命周期的业务流程, 确定了系统功能模块的划分. 利用模型驱动工程思想建立系统的对象模型, 使用Rational建模工具建立系统类图和时序图来描述系统整体架构和业务逻辑, 选择轻量级Flask框架模型进行研发, 采用文档型数据库MongoDB解决大并发量和数据服务器的读写压力, 为今后大数据分析提供保障提出PyPDF方法解决PDF元数据提取功能. 最终解决了电子文档流转最后归档环节缺乏信息化管理的问题.

摘要:针对大数据时代下, 海军航空部队存在的种种数据治理问题, 设计了一种基于Spark的航空信息服务平台, 平台实现了航空数据的存储, 分析与挖掘等功能. 平台采用4层体系架构, 使用了HDFS分布式文件存储框架和Hive数据仓库工具实现了数据的存储和管理. 最后, 通过仿真实验, 比较在不同数据量下航空信息服务平台与传统航空数据仓库的性能优劣. 通过海军航空信息服务平台建设, 可以有效为海军航空部队实训提供数据支撑, 为平台使用者提供辅助决策.

摘要:结合政务网站集约化建设要求, 针对网站规模不断扩大提出一种基于微服务架构的一体化信息传播及管理解决方案, 以统一组织机构、共享稿件、资源标识、系统接口为平台公共基础服务, 以数据资源全集为平台公共数据服务, 实现信息从生产、编辑加工到网络传播、绩效统计的全流程管理, 形成以组织机构为基本管理单元的一体化政务信息传播管理平台.

摘要:针对传统钻井资料数据信息管理系统存在的不足, 为充分挖掘发挥钻井资料数据信息的研究和应用价值, 不断提升钻井资料信息的管理水平, 本文设计实现了一个基于百度地图的钻井资料信息系统. 给出了系统的体系结构, 设计了相应的数据库, 详述了系统实现的关键流程和算法, 提供了更加实时、高效、透明的钻井资料数据信息展示方式, 使钻井资料数据信息的管理过程更加规范、更加科学、更加透明, 有效实现了钻井资料数据信息的高效管理.

摘要:考生在填报高考志愿时, 针对复杂繁多的各类高校信息数据, 传统的搜索引擎无法根据考生需要的实际信息和搜索结果进行匹配, 考生还需要额外消耗一定精力去筛选数据, 这无疑增加了考生的时间成本. 为此本文提出了基于高考领域知识图谱, 使用中文分词模型和朴素贝叶斯分类算法, 设计并开发了针对高考学业规划的智能问答系统. 与传统的搜索引擎不同的是, 基于人工智能的问答系统能够对考生所关注的问题和搜索结果进行精确匹配, 减少考生重复搜索和筛选数据的次数. 测试结果表明, 本系统可以对高考学业规划中所涉及的大多数问题进行相对准确的针对性回答.

摘要:针对大、中型车辆在行驶、泊车过程中存在的视觉盲区以及多路视频全景拼接难以实时等工程化问题, 本文设计出一种基于FPGA和GPU平台的多路相机安全驾驶辅助系统. FPGA实现图像数据采集、参数传递等预处理, 在GPU上实现拼接算法的并行加速. 在算法上优化实现多相机自动化标定, 生成融合参数表以获取精确的融合配准关系. 实验结果表明, 该系统可适应多路鱼眼相机的实时拼接, 在TX2上稳定的拼接速度可达到33 fps.

摘要:部分传输序列(PTS)是抑制正交频分复用系统峰均比的有效方法之一, 但该算法需要进行最佳相位因子的全遍历搜索, 存在计算复杂度偏高的问题. 因此针对这一问题, 本文提出一种基于离散粒子群优化PTS的峰均比抑制算法. 所提算法首先定义了一种新的确定惯性权重的方法, 然后引入变异算子对原始速度更新公式进行改进, 解决了传统离散粒子群算法易于早熟, 往往很难收敛到全局最优的缺陷. 仿真结果表明, 本文所提算法能获得优于传统DPSO算法0.3 dB左右的PAPR性能, 且计算复杂度低于传统PTS算法.

摘要:对面部疼痛表情估计是疼痛评估中一条有效的途径, 文中融合局部二元模式(LBP)分块加权和多尺度分区的特征提取方法用于面部疼痛表情识别. 首先对预处理的图像在分块提取直方图后进行加权, 然后采用多尺度分区直方图统计特征提取方法, 串接不同尺寸分区块的直方图并级联分块加权的直方图为整个图像的特征向量, 最后用主成分分析(PCA)的方法对特征向量进行降维后, 输入支持向量机(SVM)进行分类识别, 通过在自建的疼痛表情图像数据库进行实验, 表明与传统的特征提取和融合前的特征提取方法相比, 该方法能大大提高对疼痛表情的识别率, 为目前对疼痛表情的识别与研究提供了一条有效的途径.

摘要:二阶优化方法可以加速深度神经网络的训练, 但是二阶优化方法巨大的计算成本使其在实际中难以被应用. 因此, 近些年的研究提出了许多近似二阶优化方法的算法. K-FAC算法提供了一种近似自然梯度的有效方法. 在K-FAC算法的基础上, 结合拟牛顿方法的思想, 提出了一种改进的K-FAC算法. 在开始的少量迭代中利用K-FAC算法计算, 在后续迭代中构造秩–1矩阵, 通过Sherman-Morrison公式进行计算, 大大降低了计算复杂度. 实验结果表明, 改进的K-FAC算法比K-FAC算法有相似甚至是更好的实验表现. 特别的, 改进的K-FAC算法与K-FAC算法相比减少了大量的训练时间, 而且与一阶优化方法相比, 在训练时间上仍具有一定的优势.

摘要:本文分析基于量子绝热近似的不同顶点的最大割问题求解. 该算法将无向图的顶点等效为量子比特, 各个顶点间的边等效为两个量子比特之间的耦合, 边的权重值等效为量子比特间的耦合强度. 采用Python语言编写算法程序, 模拟了6–13个顶点的完全无向图的最大割问题求解情况. 实验结果表明, 当完全无向图顶点个数取为8, 12, 13, 同时耦合强度为1.0时, 所求解最大割问题哈密顿量的期望值不收敛. 进一步调整模拟计算中量子比特间耦合强度数值, 观察期望值变化. 实验发现, 对于顶点数为12的完全无向图, 耦合强度取0.95时, 其期望值获得收敛. 对于顶点数为8和13的完全无向图情形, 当耦合强度取0.75时, 所计算得到的期望值随演化时间变化收敛. 由此推测超过13个顶点的完全无向图在用量子绝热算法求解最大割问题时, 可将量子比特耦合强度归一化到0.75左右, 使期望值有效收敛.

摘要:在高维数据隐私发布过程中, 差分隐私预算大小直接影响噪音的添加. 针对不能合理地为多个相对独立的低维属性集合合理分配隐私预算, 进而影响合成发布数据集的安全性和可用性, 提出一种个性化隐私预算分配算法(PPBA). 引入最大支撑树和属性节点权重值降低差分隐私指数机制挑选属性关系对的候选空间, 提高贝叶斯网络精确度, 提出使用贝叶斯网络中节点动态权重值衡量低维属性集合的敏感性排序. 根据发布数据集安全性和可用性的个性化需求, 个性化设置差分隐私预算分配比值常数$q$值, 实现对按敏感性排序的低维属性集合个性化分配拉普拉斯噪音. 理论分析和实验结果表明, PPBA算法相比较于同类算法能够满足高维数据发布安全性和可用性的个性化需求, 同时具有更低的时间复杂度.

摘要:为解决在线学习中出现的“认知过载”和“学习迷航”等问题, 针对用户的个性化学习需求, 同时考虑知识点之间的逻辑关系, 本文将知识图谱融入学习资源推荐模型. 首先构建了学科知识图谱、学习资源模型和用户数学模型, 综合考虑用户的兴趣偏好、用户知识库与学习资源所涵盖知识点的关联度以建立多目标优化模型. 然后使用自适应多目标粒子群算法对模型求解, 基于个体拥挤距离降序排列缩减外部种群规模, 获得了分布特征良好的两目标Pareto前沿, 输出推荐资源序列. 实验时通过与标准多目标粒子群算法对比并使用HV、IGD指标对模型进行评价, 验证了其多样性和稳定性, 证明了算法良好的全局寻优和收敛性能. 采用五折交叉验证了算法良好的推荐效用.

摘要:由于从单一行为模态中获取的特征难以准确地表达复杂的人体动作, 本文提出基于多模态特征学习的人体行为识别算法. 首先采用两条通道分别提取行为视频的RGB特征和3D骨骼特征, 第1条通道C3DP-LA网络由两部分组成: (1) 包含时空金字塔池化(Spatial Temporal Pyramid Pooling, STPP)的改进3D CNN; (2) 基于时空注意力机制的LSTM, 第2条通道为时空图卷积网络(ST-GCN), 然后, 本文将提取到的两种特征融合使其优势互补, 最后用Softmax分类器对融合特征进行分类, 并在公开数据集UCF101和NTU RGB + D上验证. 实验表明, 本文提出的方法与现有行为识别算法相比具有较高的识别准确度.

摘要:为了确定复杂环境中移动机器人最优轨迹, 提出了一种混合粒子群优化算法(IPSO-GOP). 首先对粒子群优化算法进行改进, 在算法运行的各个阶段对惯性权重进行自适应调整来增强粒子的搜索能力, 并采用混沌变量对粒子进行扰动以提高收敛速度; 其次, 为了提高算法寻优能力, 摆脱局部极小值并增加种群的多样性, 引入遗传算法继承的多重交叉和变异两个进化算子(GOP)优化改进版本的粒子群算法(IPSO); 最后, 使用三次样条插值对该混合算法生成的路径进行平滑处理, 得到无碰撞最短的几何连续路径. 实验结果表明, 多障碍物环境下IPSO-GOP算法减少了陷入局部最优的发生, 加快了收敛速度; 同时, 与原粒子群优化算法(PSO)相比, 该算法寻优能力显著, 在路径规划问题上有明显的优势.

摘要:针对目前协同过滤推荐算法存在的数据稀疏性和冷启动等问题, 对融合专家信任的协同过滤推荐算法进行了研究和改进. 改进算法结合DBSCAN初始聚类中心优化的思想, 将用户划分到不同的社区簇中. 考虑到用户活跃度偏差对相似度计算的影响, 加入用户活跃度惩罚权重对相似度进行了改进. 在选取了专家用户后, 考虑到专家评估过的不同项目的专家信任度值不是一成不变的, 引入项目平衡因子来处理项目之间的差异, 使专家对其评价过的每个项目都有独立的专家信任度值. MovieLens数据集上的实验结果显示, 该算法可有效缓解数据稀疏性及冷启动问题, 提高了推荐精度.

摘要:在科技项目评审环节中, 往往每组同时有多个项目和多位评审专家, 其中每个项目都有其所覆盖的专业领域, 而每位专家又有其所研究的专业领域, 如何科学且自动地根据待评审科技项目所涵盖的专业领域, 从候选专家库中找出合适的评审专家组合团体具有很实际的研究意义. 对此本文提出了一种基于贪心算法的科技项目评审专家多重匹配模型, 该模型应用于已经建立起关联的“项目-领域”与“专家-领域”两个相关性矩阵上, 通过分别计算科技项目及评审专家团体所对应于专业领域上的离散分布, 并利用合适的评价函数综合衡量待审科技项目与评审专家组合之间的匹配度, 最终求出最优的评审专家组合来作为该期科技项目的最终评审专家团体. 本文通过使用电力行业数据集进行多次实验, 结果表明该模型能有效地进行科技项目评审专家的匹配, 并具有较高的合理性与准确性, 在解放人力成本提高评审工作效率的同时, 也杜绝了传统人工遴选专家过程中所出现纰漏以及评审不公现象的发生.

摘要:相似度匹配是自然语言处理领域一个重要分支, 也是问答系统抽取答案的重要途径之一. 本文提出了一种基于正负样本和Bi-LSTM的文本相似度匹配模型, 该模型首先为了提升问题和正确答案之间的相似度, 构建正负样本问答对用于模型训练; 其次为了解决分词错误引起的实验误差, 采用双层嵌入词向量方法进行预训练; 再次为了解决注意力机制导致的特征向量向后偏移的问题, 在特征提取之前, 采取内部注意力机制方法; 然后为了保留重要的时序特性, 采用Bi-LSTM神经网络进行数据训练; 最后为了能在语义层次上计算相似度, 提出一种包含语义信息的相似度计算函数. 将本文提出的文本相似度匹配模型在公共数据集DuReader上进行了仿真实验, 并和其他模型进行对比分析, 实验结果表明, 提出的模型不仅准确率高且鲁棒性好, top-1准确率达到78.34%.

摘要:为了对沿海城市发生海啸进行有效分析和研究, 基于光滑粒子流体动力学(SPH)3D粒子法, 提出一种沿海城市爆发海啸的分析工具. 首先, 通过地理信息系统(GIS)得到的3D位置信息(SHP)和数字高程模型(DEM)来展示地形、海拔和建筑物的外部形态; 然后, 将地表轮廓定义为STL数据, 将STL数据转换为粒子数据; 最后, 缓解SPH方法中的不可压缩条件, 并利用虚拟标记处理边界问题. 3D仿真表明, 海啸粒子没有渗透入建筑物, 在建筑物和地面之间没有间隙, 验证了所提方法的有效性和良好效果.

摘要:本文主要对LSTM模型结构改进及优化其参数, 使其预测股票涨跌走势准确率明显提高, 同时对美股周数据及日数据在LSTM神经网络预测效果展开研究. 一方面通过分析对比两者预测效果差别, 验证不同数据集对预测效果的影响; 另一方面为LSTM股票预测研究提供数据集的选择建议, 以提高股票预测准确率. 本研究通过改进后的LSTM神经网络模型使用多序列股票预测方法来进行股票价格的涨跌趋势预测. 实验结果证实, 与日数据相比, 周数据的预测效果表现更优, 其中日数据的平均准确率为52.8%, 而周数据的平均准确率为58%, 使用周数据训练LSTM模型, 股票预测准确率更高.

摘要:数据报拥塞控制协议(Datagram Congestion Control Protocol, DCCP)是提供拥塞控制和不可靠传输特点的实时多媒体基础协议, DCCP中的CCID2算法仍然采用AIMD的控制机制, 这种传统的Loss-Base拥塞控制模型已经不适用于目前高BDP的网络环境, 容易引起缓冲区膨胀现象, 导致网络延迟增加和抖动等问题. 与Loss-Base的算法相比, BBR算法可以有效地控制网络延时, 最大限度避免网络排队的情况, 在丢包率较高的情况下仍可以保持一定的带宽利用率和较低的链路延时, 因此适合于DCCP实时流媒体的应用的协议. 本文在DCCP中引入了BBR算法并做相应的改进, 增加了丢包率检测模型, 使用延时与带宽积模型的拥塞控制算法对上述问题进行改进. 通过模拟实验证明, 本方法在高负载情况下连接的平均延迟相比CCID2降低了20%, 在丢包率较高的环境下也能保持良好的吞吐量.

摘要:针对教育大数据背景下高校学生管理面临的问题, 提出了一种高校学生学业预警算法, 利用现有高校数字校园建设成果, 挖掘潜在的教育数据. 采用Kendall相关性分析方法选择用于预测的特征数据, 选择相关系数较高的8个特征数据作为BP神经网络的输入, 采用相关性分析结果改进GA-BP算法, 综合考虑各项因素实现学业情况的预测. 经试验, 该学业预警算法的预测准确率可以达到90%以上.

摘要:为提升英语考试智能组卷成功率和组卷质量, 提出基于改进和声搜索算法的英语考试智能组卷策略. 首先建立英语考试智能组卷的目标优化函数, 然后采用和声搜索算法对英语考试智能组卷的目标优化函数进行求解, 并针对采用声搜索算法的不足进行相应的改进, 最后进行了与英语考试智能组卷的应用实例分析. 结果表明, 改进和声搜索算法的英语考试智能组卷成功率高, 而且组卷质量好, 同时获得比其它英语考试智能组卷策略更优的结果, 具有明显的优越性.

摘要:为了使网络入侵检测系统能够在高速网络环境中有效的开展工作, 实现计算机网络入侵检测系统的多模式匹配算法优化设计. 首先, 对网络入侵检测的算法与原理进行全面分析. 其次, 对网络入侵检测系统多模式匹配算法的优化思想进行描述, 描述多模式匹配算法, 对算法进行实现, 使模式匹配算法效率得到提高, 以此提高系统检测能力. 通过测试结果表示, 优化后多模式匹配算法能够使网络检测系统的检测性能得到提高.

摘要:构建了基于粒子群优化卷积神经网络(PSO-CNN)的分布式拒绝服务攻击(DDoS)攻击检测模型. 利用卷积神经网络的权值共享和最大池化自动挖掘网络数据流特征, 引入粒子群对卷积核进行优化, 在提升模型训练效率的同时, 增强了模型的全局寻优能力. 实验结果表明, 该模型能够有效检测DDoS攻击, 具有较高的检测准确率.

摘要:贷款风险分析是全球金融机构面临的共同考验. 在大数据背景下, 通过机器学习算法预防贷款风险具有现实意义. 针对贷款数据不平衡、噪声大等特点, 本文采用Boruta特征选择算法对贷款数据进行重要性筛选;提出通过综合学习粒子群算法(Comprehensive Learning Particle Swarm Optimization, CLPSO)优化CatBoost集成学习算法(CLPSO-CatBoost)的贷款风险预测方法, 该算法改善了全局搜索能力、避免了陷入容易陷入局部最优的问题. CLPSO-CatBoost相较于传统信用评估模型具有更好的准确性, 有实际应用价值.

摘要:人脸面部特征, 与生俱来, 具有唯一性、自然性、终身不变等特点, 因此人脸识别作为一种身份鉴别方式, 相比于传统的认证技术具有巨大的便利性优势. 然而人脸识别容易受到图片、视频、面具等伪造攻击, 由于其不可更改特性, 若生物特征发生泄漏或篡改, 会造成难以挽回的风险和损失. 本文提出的安全人脸识别解决方案, 通过特殊的安全人脸采集模组, 完成活体检测, 模组中通过人脸加密专用密钥, 对图片进行加密、签名处理, 同时在识别流程中的多重安全设计, 保证人脸生物特征的安全.

摘要:随着信息技术的快速发展, 以文本、音频形式记录在案的非结构化数据急速增长, 传统的案件人工处理方式已经很难满足应用需求, 对公安机关案件侦查带来了重大挑战. 对此, 本文提出了利用人工智能技术领域的自然语言处理技术, 对侵财类案件、电信诈骗类案件、团伙类案件等业务类型的信息系统中报警内容、简要案情、询问笔录等特征信息进行提取分析, 实现非结构化文本挖掘分析, 为侦查部门、情报部门提供研判支撑, 再通过发案时空与犯罪轨迹的信息比对碰撞, 并结合作案工具、作案手段等犯罪特点, 从中发现高危犯罪嫌疑人进行主动推荐, 可极大地缩小侦查范围, 提高侦破效率.

摘要:针对部分重复码的有效修复问题, 本文基于Harary图生成树构造出了一种新型的部分重复(Fractional Repetition based on Spanning trees of Harary graph, FRSH)码. 实验结果表明, 相较于现有的里所(Read-Solomon, RS)码和简单再生码(Simple Regeneration Codes, SRC), FRSH码在修复带宽开销、修复局部性等方面得到了更低的开销, 且改善了修复效率, 并将故障节点的修复时间缩短.

摘要:深层神经网络拥有更强特征表达能力的同时, 也带来了优化难、训练成本高及梯度弥散等问题; 参数数量的激增则导致模型过于臃肿, 不利于其在移动端及工业控制设备等算力弱、存储小的平台上的部署. 针对这些问题, 构建了一种融合空洞卷积和多尺度稀疏结构的轻量神经网络对图像进行特征提取, 实现对带有彩色图形噪声且字符扭曲粘连严重的验证码图像的端到端识别. 将包含100万张验证码图像的数据集按98:1:1的比例划分为训练集、验证集和测试集, 逐批参与训练. 实验结果表明, 该网络在大大减少参数数量的同时, 具有测试集上98.9%的识别成功率.

摘要:认知协作网络是一种基于协作通信技术的认知无线电网络, 不仅解决了不同网络在特定的时间与空间中频谱资源分配不均的问题, 而且可以通过主次用户间的协作提高网络性能. 但随着各种无线技术和移动应用日益丰富, 由于无线信道的固有特性, 服务质量会因安全问题造成性能损失与波动. 针对认知协作网络中, 因受到恶意用户攻击, 引起的网络传输性能下降的问题, 提出基于区块链的安全协作传输策略. 首先, 采用区块链进行身份认证, 避免数据污染而导致传输性能的损失与波动; 然后采用RS (Reed-Solomon)码编码来提升纠错能力, 进一步提高网络性能的稳定性. 仿真结果进一步证明了所提出的方案优于现有的认知协作网络传输方式, 具有较高的安全稳定性.

摘要:研发一个实现机器学习算法的英语词汇自适应学习模型, 该模型记录了学习者对学习内容自我选择的情况, 进而反映出学习者的个性差异. 同时, 作为一种动态建模学习工具, 其关键参数是条件概率, 用于测量学习者某个认知特征对某种学习内容的适应性关系, 因此将该参数称为适应度. 学习者每次对一个单词完成学习内容的自我选择, 适应度随之更新一次, 视为一次训练; 通过训练, 不断调整适应度, 修改和维护模型自身. 模型将所要解决的问题抽象为一系列数学公式, 公式参考了AdaBoost算法公式; 模型的求解流程参照了基于项目反应理论的自适应测验过程. 本模型能够持续迭代适应度直至稳定, 最终推送出与他相适应的学习内容. 文章首先介绍国内外相关研究及选题价值, 接着阐述模型的理论依据, 继而重点论述模型的构建, 最后给予例证.

摘要:由于传统模型大量约束样本, 导致其学习能力下降, 因此设计一个基于改进支持向量机(Support Vector Machine, SVM)的互联网用户分类模型. 该模型通过构造样本数据, 模拟互联网用户的浏览轨迹; 根据用户偏好, 制定全新的用户分类策略; 基于改进支持向量机, 实现对互联网用户的分类. 性能测试: 3次实验下, 此次设计的模型分类准确率平均值为98.56%, 超出了预设的期望值, 具备分类能力. 对比测试: 与两组传统用户分类模型相比, 此次设计的模型, 面对不断增加的样本数据, 同样能保持高水平的学习能力.

摘要:为了解决在复杂背景以及人流密集且互相遮挡的场景下, 对人流密度进行估计精度低的问题, 提出了基于YOLOv3增强模型融合的方法进行人流密度估计. 首先将数据集分别进行头部标注和身体标注, 生成头部集和身体集. 然后用这两个数据集分别训练两个YOLOv3增强模型YOLO-body和YOLO-head, 最后使用这两个模型在相同的测试数据集上推理, 将其输出结果进行极大值融合. 结果表明基于YOLOv3增强模型融合的方法, 与原始目标检测方法和密度图回归的方法相比精度提高了4%, 且具有较好的鲁棒性.

摘要:输电塔杆螺栓紧固检测是保障高压电网安全的重要依据, 传统的人工检测方法需要员工爬上输电杆塔检测操作, 通常伴有一定程度的风险, 而采用无人机巡检受许多外在的因素的影响, 其检测效果并不理想. 因此, 本文提出一种基于门控循环单元网络的输电杆塔螺栓紧固检测方法, 利用振动传感器和传感分析仪构建一套采集输电铁塔声波数据的作业流程, 提取训练样本中声波数据的线性预测倒谱系数LPCC构成特征向量; 训练门控循环单元网络(Gated Recurrent Unit, GRU)分类模型从而检测未知紧固状态的声波样本, 实验结果达到实用分析性能. 通过本算法的应用, 解决了在检测输电铁塔螺栓紧固问题上传统方法上的人力和方法性能问题.

摘要:随着现代电网调度控制系统的发展, 大量人机云终端存在安装应用的需求, 但是目前应用软件管理面临诸多问题, 如应用软件发布、升级、维护自动化程度低, 软件部署之后缺乏信息反馈回路, 后期维护成本高, 难以满足目前的需求. 另外, 在电网系统中网络的分区隔离让应用传输也面临跨网络分区分发问题, 从使用角度看, 应用上传和下载遇到大文件时传输速度慢严重影响用户体验. 为了这一系列的问题, 本文提出一种用于电网调度控制系统的应用商店设计方案, 主要用以解决软件的自动化发布、升级、维护问题, 并且解决应用分发过程中的网络传输问题, 以达到提升软件质量和易用性的目的, 除此之外还可以通过分析用户行为等信息对用户提供推荐功能. 应用的全生命周期管理及对其的跟踪分析都由应用商店完成.