摘要:随着与社区矫正对象有关的突发事件情况的日益复杂, 从已有应急预案库中匹配得到的单一固定方案无法通过动态注入数据为不同的异常情景制定智能化应急处置预案, 难以满足应急决策所需. 为了提高社区服刑监管质量以及信息化监管水平, 本文针对异常情景数据的多源异构、复杂关联和动态演化等特点, 对多源异构数据进行联合挖掘, 构建司法领域知识图谱(KGjudicial)与犯罪事理图谱(ELGcrime), 为智能化应急预案的动态生成提供数据基础与辅助决策支持. 此外, 针对跨区域、多部门应急协同处置的实际业务需求, 本文探究多部门信息协同方法以及应急处置预案的动态对接机制. 结合司法领域知识图谱与犯罪事理图谱提出多部门应急处置预案融合技术, 实现司法行政跨区域联合执法, 提高社区服刑监管质量, 节约社区矫正对象管理成本, 为司法行政多部门的应急处置提供技术支持, 维护社会长治久安.

摘要:本文综述了基于语义的视频检索的研究现状, 以帮助未来的研究人员了解基于语义的视频检索领域中可用的技术, 视频检索系统的产生是为了在互联网或数据库中的大量视频数据集中找到用户想要查询的视频. 本文对基于语义的视频检索过程进行了说明与讨论, 本文还对基于语义的视频检索中, 解决语义鸿沟这一主要问题的相关技术进行了综述. 语义鸿沟的形成是因为从视频内容中提取的低层特征与现实世界中用户对这些特征的认知存在差异, 将视频内容的低层特征转化为高层的语义概念是一个备受关注的研究课题.

摘要:近年来, 金融量化领域中不断出现基于人工智能算法的量化投资模型, 这些模型试图通过人工智能的方法来对金融时间序列建模, 从而对数据进行预测并构建投资策略. 针对传统的长短时记忆神经网络(Long Short Term Memory, LSTM)对金融时间序列预测不佳的问题, 本文提出一种改进的LSTM模型, 通过在LSTM层加入注意力机制(attention mechanism)提高神经网络的预测效果, 通过遗传算法(Genetic Algorithm, GA)对模型参数调优提高模型泛化能力. 使用2019年1月至2020年5月期间国内股指期货数据, 我们进行了现有最高水平(state-of-the-art)算法间对比实验, 结果显示本文提出的改进的LSTM模型的各方面指标均优于其它模型, 显示了该策略模型应用于期货投资的有效性.

摘要:建筑节能控制是一个满足舒适需求条件下的多目标优化问题, 然而对于缺失运行数据的新建建筑, 如何控制供暖、通风和空调(HVAC)系统达到既舒适又节能的效果是一个控制难题. 针对这个问题, 本文首先建立了新建建筑空间模型, 然后对该模型进行能耗仿真分析, 在此基础上, 提出基于人员热舒适度的模糊控制算法, 得出最优控制区间, 从而在较低能耗水平情况下获得更长的热舒适天数, 达到既节能又舒适的目标. 基于人员热舒适度的节能控制对建筑HVAC系统绿色运行具有促进作用.

摘要:晶体结构研究是研究固体材料物理化学性质的基础, 而筛选晶体结构通常基于能量最低原理, 采用密度泛函理论计算结构能量需要大量计算资源及服务时间. 为此本文提出了面向材料结构预测的深度学习方法, 加快材料晶体结构的预测. 本文从数据集优化、模型训练策略、算法优化等方面进行了深入研究, 确定了应用于材料结构预测中深度学习的网络参数和优化算法. 将确定的深度学习框架用于寻找Si单晶、TiO₂和CaTiO₃化合物的基态稳定结构, 实验结果表明, 利用本研究提出的深度学习方法预测的晶体结构与实验室制备材料结构相吻合.

摘要:为了提升智能车的竞速能力, 本文从组装、关键器件选型、硬件设计、电路板设计、传感器信号处理、算法和控制等方面, 介绍了基于IMXRT1021竞速智能车系统. 包括机械部分、硬件部分、PCB设计、传感器信号处理、赛道元素识别算法、控制策略和软件设计架构等内容. 本文详细阐述了各个竞赛元素的识别与控制方案, 并且通过实验对比智能车的行驶轨迹和绝对速度, 分析了不同控制算法对其完赛时间、稳定性等重要技术指标的影响. 本文的设计方案具有控制精确、转向灵敏、路径规划能力优秀等优点, 对于备战全国大学生智能车竞赛四轮组的选手具有很好的参考价值.

摘要:在信息时代, 面对浩繁的信息, 用户急需高效的推荐系统为他们选择最感兴趣的内容. 我们面临的一个重要问题是用户的兴趣会随时间发生变化并且不断有新用户使用系统. 因此, 一个好的推荐系统需要根据用户最新的少量交互信息及时响应用户兴趣的变化和快速捕捉到新用户的兴趣以更好地满足用户的需求. 但是, 根据我们的调研, 现有的推荐系统方法还没有很好地满足响应性(responsiveness)的需求. 为了解决这个问题, 我们提出了一套基于元学习(Meta Learning) 的响应式推荐系统设计. 该方法能够及时响应用户最新的交互信息, 同时提高对老用户和新用户的推荐质量. 总的来说, 我们利用元学习从大量历史交互信息中挖掘出先验知识, 使得模型仅仅通过少量新的交互信息快速地学习出用户兴趣, 从而满足响应性的需求. 我们在MovieLens和Nertflix两个推荐系统中常用的公开数据集上验证了我们方法的有效性.

摘要:人脸识别技术在安防, 商业, 金融等领域都有广泛的应用. 针对目前人脸识别系统成本高, 易用性低等现象, 提出了基于树莓派(Raspberry Pi)实现人脸识别的方案. 首先利用OpenCV计算机视觉库中的Harr级联方法, 对图像中的人脸进行定位; 然后利用改进的MobileNetV2网络模型对人脸进行特征提取和分类, 得到一个优化的人脸识别模型; 最后将模型移植到Raspberry Pi进行人脸识别. 该模型对图库中的人识别准确率为95%, 对陌生人识别准确率为80%. 实验结果表明该系统进行人脸识别工作稳定, 识别速度快, 应用场景广.

摘要:气象云已经成为省级气象业务的重要运行环境, 传统的集群监视技术既无法对虚拟机和云应用进行监视, 也无法对发生的故障进行告警及自动化处理, 当前江西省气象云监控运维面临着巨大挑战. 本文基于Zabbix开源系统设计了一种气象云监控运维系统. 该系统能够监视物理基础设施层、虚拟化层、应用层. 该系统能够将气象云故障通过告警的方式推送给值班人员, 并且会自动对常见的故障场景进行应急恢复处理. 经过部署测试, 该系统运行稳定, 极大提高了值班人员的运维效率.

摘要:随着云计算、大数据的发展, 以及企业应用的规模、复杂度增加和产品需求不断扩展, 传统单体式架构ERP系统中存在可扩展性差、灵活性低等弊端. 本文提出了使用微服务架构来构造企业应用, 首先分析了微服务架构的特点, 针对微服务架构的服务独立、低耦合、可扩展等优势, 设计了基于微服务的企业ERP系统架构, 解决了ERP开发中接口协作问题, 提出基于微服务的实现技术Spring Cloud来重构应用, 最后详细论述了在开源环境下微服务应用开发过程. 包括Spring Boot子系统构建、服务注册中心搭建、负载均衡架构设计、网关设计等, 并完成了系统的接口和性能测试, 论证了基于微服务架构系统的易维护、扩展等优势.

摘要:近5年来, 全国共开展针对问题地图的执法行动超过15000次, 但是, 损害我国领土主权、安全和海洋权益等“问题地图”仍然屡禁不止. 目前, 市场上广泛流通的地图产品超过200种, 形式丰富、用途广泛的地图产品直接或间接提高了监管工作的难度. 本文提出设计建造基于Spring Boot微服务框架技术的地图监管系统, 实现多种应用场景下的地图在线监管. 通过该系统, 用户可在制图环节在线下载标准地图, 在出版环节对样图的在线审查, 在登载环节对出版地图的移动监管核查, 实现从制图环节到成果应用全过程的信息化在线监管.

摘要:OPC统一架构(Unified Architecture, UA)已经成为工业4.0的核心通信接口规范, 但由于工业领域设备更新缓慢, 大量现场设备仍使用传统的通信协议, 且设备生产厂家不同, 使用的通信协议也可能不同. 为了将不同类型的现场设备融入OPC UA架构, 克服多种通信协议之间的数据交换壁垒, 本文设计了一种支持图形化在线建模的OPC UA网关. 网关内部实现了OPC UA服务器, 能够将多种通信协议数据连接到OPC UA服务器地址空间的节点上, 方便MES和ERP等管理软件进行高效数据访问. 同时, 为了便于使用者建立OPC UA信息模型以及配置网关数据采集逻辑, 设计了一种图形化建模方法. 最后, 本文通过示例, 验证了图形化在线建模网关的可用性.

摘要:文中分析了新一代调控系统在系统架构、人机交互方式、业务组织方式等方面的变化, 梳理了新一代调控系统业务场景对权限管理的新需求, 提出了面向新一代调控系统业务场景的权限管理方案, 并对其关键技术如基于路径的全局受控资源标识定义、基于元数据的受控资源管理、基于规则引擎的多因素访问控制、基于上下级关系的跨域访问控制等进行了讨论, 最后结合新一代调控原型系统进行功能验证, 为上层各业务场景提供了立体式的受控资源安全访问控制手段.

摘要:在针对用户在Web上难以从海量的图书数字资源中找到符合需求的资料, 本文设计实现了基于Web知识发现的图书数字资源个性化检索系统. 该系统利用Web知识发现、智能代理、数据挖掘等技术, 设计出用户登录模型、用户兴趣生成模块、优化搜索结果等模块, 通过各模块的设计达成用户行为对兴趣度的影响, 个性化模型的更新, 以及搜索结果的处理, 进一步提升了Web上图书数字资源的检索质量, 期待通过本次研究, 为同领域内的图书数字资源个性化检索服务的构建, 提供一些有价值的参考资料.

摘要:人体行为识别与人体姿态有很强的相关性, 由于许多公开的行为识别的数据集并未提供相关姿态数据, 因此很少有将姿态数据进行训练并与其它模态进行融合的识别方法. 针对当今主流基于深度学习的人体行为识别方法采用RGB与光流融合的现状, 提出一种融合人体姿态特征的多流卷积神经网络人体行为识别算法. 首先, 用姿态估计算法从包含人的静态图片生成人体关键点数据, 并对关键点连接构建姿态; 其次, 分别将RGB、光流、姿态数据对多流卷积神经网络进行训练, 并进行分数融合; 最后, 在UCF101与HMDB51数据集进行了大量的消融, 识别精度等方面的实验研究. 实验结果表明, 融合了姿态图像的多流卷积神经网络在UCF101与HMDB51数据集的实验精度分别提高了2.3%和3.1%. 实验结果验证了提出算法的有效性.

摘要:为解决单机环境下海量地震观测数据计算和分析效率低下的问题, 提出一种基于分布式架构的地震观测数据的存储、计算和分析处理方法, 选择噪声功率谱复杂计算过程的应用场景进行实现. 基于Hadoop在海量数据处理上的性能优势, 在分布式文件存储系统HDFS上进行地震观测数据的存储和调度, 研究测震数据噪声功率谱的质量评估方法在Spark分布式计算架构上的实现, 采用弹性数据集Spark RDD将计算任务自动分配到计算节点, 解析存储在HDFS中的测震波形数据, 计算结果采用RowKey方式放入分布式数据库HBase中, 实现了长周期地震噪声功率谱结果的存储和提取. 计算结果表明, 基于Spark分布式架构的该方法可以支撑TB级海量数据的处理, 并且具有较高的处理效率, 可应用于海量地震观测数据的分析计算.

摘要:准确的风速预测在风能转换和电力分配中起着至关重要的作用. 但是, 风的固有间歇性使其难以实现高精度的预测. 现有研究方法大都考虑了风速的时间相关性, 但忽略了气象因素随空间变化对风速的影响. 为获得准确可靠的预测结果, 结合卷积神经网络和长短期记忆网络, 提出了一种多因素时空风速预测相关(MFSTC)模型. 同时, 还构建了一种基于三维矩阵的数据表示方法. 针对多个站点, 利用改进的PCA-LASSO算法提取特征气象要素, 然后, 采用卷积神经网络建立各个站点之间的空间特征关系, 采用长短期记忆网络建立历史时间点之间的时间特征关系, 在时空相关性分析的基础上得到最终风速预测结果. 在东营气象中心提供的2009–2018共10年的实测风速数据集上进行了实验验证. 结果表明, 相比于一般预测方法, 由MFSTC模型获得的实验结果更加准确, 证明了提出方法的有效性.

摘要:无人机晃动是视觉传感器提取生命体征造成误差的重要原因. 针对该问题, 本文提出一种基于变分模态分解(VMD)的抗无人机晃动呼吸率检测方法. 首先, 采用复可控金字塔提取呼吸率的初始特征, 其次, 设计一种基于变分模态分解的呼吸信号提取方法, 获得候选的呼吸模态信号, 最后, 选择方差最小的本征模态实现呼吸率检测. 本文实验结果表明, 在无人机自身正常晃动情况下, 本文方法能够有效提取本征呼吸信号. 本文方法能在不同受测距离情况下实现不同人体姿态下的呼吸率检测, 其检测精度优于现有方法.

摘要:本文以计算机显示设备泄漏电磁信号为研究对象, 对于人工提取特征识别电磁泄漏信号存在的主观性强、特征冗余的问题, 区别于传统基于经验的人工特征提取模式, 利用人工智能深度学习方法, 使用处理图像的深度学习技术应用于电磁信息泄漏特征识别, 提出了一种基于卷积神经网络的识别方法. 该方法首先提取电磁泄漏信号的时频谱信息作为卷积神经网络模型的输入, 然后利用模型的自学习能力提取深层特征, 实现对不同分辨率来源电磁泄漏信号的识别, 识别准确率达到98%, 单信号检测时间仅需40 ms, 验证了卷积神经网络应用于电磁泄漏信号识别的有效性, 为电磁泄漏预警与防护提供了重要依据, 为电磁泄漏视频信号还原复现提供有力支撑.

摘要:蜉蝣算法(Mayfly Algorithm, MA)作为一种新型群智能优化算法, 具有较好的寻优性能. 但在高维非线性复杂问题上, 蜉蝣算法依然容易出现早熟收敛现象. 本文提出一种基于倒位变异的蜉蝣算法(Inversion Variation Mayfly Algorithm, IVMA), 改变原算法在变异上的操作, 随机选择个体的随机维度向全局最优个体的随机维度靠近, 同时利用精英策略保留进化成果. 利用倒位操作, 将最优个体某一维度段内位置发生倒转, 提高了算法跳出局部最优的能力. 通过对10个测试函数的结果分析, 表明本文所提出的算法具有较好的收敛精度, 收敛性能得到了提高.

摘要:为提高自动化采棉机械的采摘效率和智能化水平, 避免误采摘、漏采摘, 采用以复杂背景下实现单个棉花检测为目标, 提出一种改进的YOLOv4目标检测算法. 使用K-means算法进行聚类锚框尺寸的筛选, 得到适合棉花数据集的精细化锚框尺寸. 同时在YOLOv4算法中引入注意力机制, 在其网络结构中添加SENet (Squeeze-and-Excitation Networks)模块. 在模型训练时, 首先在公开数据集上训练取得预训练权重, 在预训练模型上使用棉花数据集微调参数, 并使用数据增强方式扩充原始数据集, 在预训练模型上再次训练. 实验结果表明, 本文提出的YOLOv4改进算法, 能够很好的实现田间环境下的棉花检测.

摘要:针对深度哈希跨媒体检索方法中, 语义相似的媒体对象的哈希码在汉明空间内的分布不合理问题, 提出了一种新的深度哈希跨媒体检索模型. 该模型是在汉明空间内利用柯西分布对现有的深度哈希跨媒体关联损失进行改进, 使得语义相似的媒体对象哈希码距离较小, 语义不相似的媒体对象哈希码较大, 进而提高模型的检索效果. 同时, 本文给出了一种高效的模型求解方法, 采用交替迭代方式获得模型的近似最优解. 在Flickr-25k数据集, IAPR TC-12数据集和MS COCO数据集上的实验结果表明, 该方法可以有效的提高跨媒体检索性能.

摘要:针对复杂场景下文本识别流程复杂繁琐、适应性差、准确度低等缺点, 本文提出一种复杂场景下文本检测和识别的新方法. 该方法由文本区域检测网络及文本识别网络构成, 文本区域检测网络为改进的PSENet, 将PSENet的骨干网络改为ResNeXt-101, 在特征提取过程中加入可微二值化操作来优化分割网络, 不仅简化了后处理, 而且提高了文本检测的性能. 将卷积神经网络和加入聚合交叉熵损失的长短时记忆网络组成文本识别网络, 聚合交叉熵的引入提高了文本识别的准确性. 本文在两个数据集上进行验证, 实验结果表明, 两个网络模型融合后准确率最高达到95.6%, 优于改进之前的方法. 该方法能有效地检测和识别任意文本实例, 具有很好的实用性.

摘要:随着僵尸网络的日益进化, 检测和防范僵尸网络攻击成为网络安全研究的重要任务. 现有的研究很少考虑到僵尸网络中的时序模式, 并且在实时僵尸网络检测中效果不佳, 也无法检测未知的僵尸网络. 针对这些问题, 本文提出了基于流量摘要的僵尸网络检测方法, 首先将原始流数据按照源主机地址聚合, 划分适当的时间窗口生成流量摘要记录, 然后构建决策树、随机森林和XGBoost机器学习分类模型. 在CTU-13数据集上的实验结果表明, 本文提出的方法能够有效检测僵尸流量, 并且能够检测未知僵尸网络, 此外, 借助Spark技术也能满足现实应用中快速检测的需要.

摘要:图像描述生成模型是使用自然语言描述图片的内容及其属性之间关系的算法模型. 对现有模型描述质量不高、图片重要部分特征提取不足和模型过于复杂的问题进行了研究, 提出了一种基于卷积块注意力机制模块(CBAM)的图像描述生成模型. 该模型采用编码器-解码器结构, 在特征提取网络Inception-v4中加入CBAM, 并作为编码器提取图片的重要特征信息, 将其送入解码器长短期记忆网络(LSTM)中, 生成对应图片的描述语句. 采用MSCOCO2014数据集中训练集和验证集进行训练和测试, 使用多个评价准则评估模型的准确性. 实验结果表明, 改进后模型的评价准则得分优于其他模型, 其中Model2实验能够更好地提取到图像特征, 生成更加准确的描述.

摘要:图像去雨是图像低等级任务中的热点问题, 去雨滴又是图像去雨中很重要的一种情况, 附着在玻璃或相机镜头上的雨滴会显著降低场景的可见性. 因此, 去除雨滴将有助于许多计算机视觉应用, 特别是户外监控系统和智能驾驶系统. 本文提出了一种用于单张图像去雨滴的轻量级网络算法(PRSEDNet), 该网络算法采用递归计算，运用卷积长短期记忆网络(Convolutional LSTM network)和特征提取模块来提取特征, 通过与原图像结合来去除雨滴, 最终获得高质量的无雨滴清晰图. 实验结果表明, 我们的PRSEDNet与现有的基于深度学习的去雨滴算法相比, 在能达到高效的去雨滴性能的同时, 有更少的参数量且计算效率高.

摘要:社区检测(community detection)任务一直是数据挖掘领域的一个研究热点, 近年来, 深度学习和图链接数据呈现出多样化和复杂化的发展趋势, 层次(Hierarchical)社区检测逐渐成为研究的焦点. 层次社区检测任务的目标是, 在将同质图中相似的节点聚集到社区中的同时, 学习社区之间的层次结构关系, 以更好的理解图数据结构. 社区间层次关系的引入给社区检测算法带来了更复杂的建模挑战. 针对该任务, 已经有一些有效的启发式的方法被提出, 但是受限于社区分布形态的简单假设和离散的优化学习方式, 它们无法描述更复杂的图链路数据, 也无法和其它有效的连续优化算法组合获得更好的结果. 为了解决这个问题, 本文首次尝试建模复杂的重叠式(overlapping)层次社区结构, 提出简洁的节点嵌入和社区检测双任务优化模型, 通过梯度更新的方式来灵活地探索节点和重叠式层次社区的隶属关系. 在学习过程中, 我们可以分别获得节点和社区的嵌入表示, 以应用于丰富的下游任务.

摘要:FastText是一种准确高效的文本分类模型, 但直接应用在中文长文本分类领域存在准确度不高的问题. 针对该问题, 提出一种融合TextRank关键子句提取和词频-逆文本频率(Term Frequency-Inverse Document Frequency, TF-IDF)的FastText中文长文本分类方法. 该方法在FastText模型输入阶段使用TextRank算法提取文本的关键子句输入训练模型, 同时采用TF-IDF提取文本的关键词作为特征补充, 从而在减少训练语料的同时尽可能保留文本分类的关键特征. 实验结果表明, 此文本分类方法在数据集上准确率达到86.1%, 比经典的FastText模型提高了约4%.

摘要:在无线传感器网络中, 传感器的能量时有限的, 如果传感器的能量耗尽, 那么无线传感网络的鲁棒性和寿命就会大大降低. 因此, 提出了基于模糊强化学习和果蝇优化的数据聚合机制, 以最大限度地延长网络寿命, 并进行高效数据聚合. 首先, 网格聚类用于簇的形成和簇头的选择, 接着评估各个网格簇所有可能的数据聚合节点, 然后采用模糊强化学习选取最佳数据聚合节点, 最后利用果蝇优化算法动态定位整个无线传感网络的数据汇聚节点. 仿真结果表明, 提出的数据聚合方案在能耗和网络鲁棒性方面优于对比方案.

摘要:为降低抽水蓄能电站中终端设备密集计算型任务的处理时延, 针对抽水蓄能电站的物联网体系, 提出了一种基于边缘计算的任务卸载算法. 在该文方案中, 首先基于层次分析法对计算任务进行优先级划分, 并以终端能耗为约束、以终端计算任务处理时延为优化目标建立卸载模型, 其次基于Q学习算法(Q-Learning, QL)探索系统的状态转移信息, 以获取终端设备与边缘节点间的最佳卸载策略. 另外, 采用深度学习( Deep Learning, DL)的方法映射状态与动作之间的关系, 避免算法迭代求解过程中的维度爆炸问题. 仿真结果表明, 本文提出的方法有效降低了抽水蓄能电站的任务平均执行时延, 能够大幅提高抽水蓄能电站的生产作业及安全监测等工作的执行效率.

摘要:AIS (Automatic Identification System)是一种船舶的自动识别系统, 可以提供船舶的时间戳、经纬度、航向角度、速度等数据信息. 本文针对船舶航行轨迹多维度的特点以及对船舶轨迹预测的精确度和实时性的需求, 提出了一种基于图像检测和匹配的计算轨迹相似度的方法. 该方法首先将所有渔船轨迹数据进行可视化, 再通过ORB (Oriented FAST and Rotated BRIEF)算法和BF (Brute-Force)匹配来计算轨迹图片相似度用于划分渔船轨迹类型. 实验结果显示, 通过该计算相似度的方法具有精度高、易实现的特点, 与传统计算方法相比, 其在处理轨迹数据的效率和速度更具有优越性.

摘要:在软件开发的过程中, 开发人员经常会检索合适的API来完成编程任务. 为了提高软件开发效率, 大量API推荐方法及工具应运而生. 然而, 这些方法大多数都没有考虑用户交互信息. 本文提出了一个基于客户端/服务器架构的API推荐工具, 将其以插件的形式集成到VS Code IDE中. 本工具使用现有的API推荐工具生成初始API推荐列表, 结合用户反馈信息, 利用排序学习和主动学习技术对API推荐列表进行重新排序, 实现了用户个性化推荐. 大量实验证明, 随着反馈数据量的增加, 本工具的性能稳步提升.

摘要:针对基于传统机器学习遥感图像场景分类无法快速有效提取图像特征造成分类结果不准确的问题, 提出一种基于注意力残差网络的遥感图像场景分类的方法, 以残差网络为基准模型, 在通道和空间两个维度上建立注意力模块, 实验过程中对参数进行合理有效的设置, 调整网络层数优化模型, 达到对UC Merced Land-Use数据集的有效分类. 实验结果表明, 与基于卷积神经网络结构的遥感图像场景分类方法相比, 该方法达到了98.1%的准确率.

摘要:近年来, 随着全球汽车保有量的增加和路面的不断扩建, 路面裂缝检测受到了广泛的关注. 虽然许多裂缝检测器模型已经被提出, 但也存在一些问题, 例如: 一些宽度较细的裂缝可能未被检测而出现裂缝断裂的现象; 边缘信息可能会在过滤或池化过程中丢失. 本文以SegNet为基础框架, 编码层设计了一种连续注意力机制, 并且在特征图通过解码层之前添加了卷积金字塔结构, 以减少裂缝检测中的断裂, 获得更完整的边缘信息. 与相关方法相比, Precision、Recall和F1-measure三个指标分别提高了2.47%、8.21%和6.87%, 对Crack200、Crack500和CrackForest三个开源数据集检测结果的平均交并指标(MIoU)提高了14.35%.

摘要:函数自动命名技术旨在为输入的源代码自动生成目标函数名, 增强程序代码的可读性以及加速软件开发进程, 是软件工程领域中一项重要的研究任务. 现有基于机器学习的技术主要是通过序列模型对源代码进行编码, 进而自动生成函数名, 但存在长程依赖问题和代码结构编码问题. 为了更好的提取程序中的结构信息和语义信息, 本文提出了一个基于图卷积(Graph Convolutional Network, GCN)的神经网络模型—TrGCN (a Transformer and GCN based automatic method naming). TrGCN利用了Transformer中的自注意力机制来缓解长程依赖问题, 同时采用Character-word注意力机制提取代码的语义信息. TrGCN引入了一种基于图卷积的AST Encoder结构, 丰富了AST节点特征向量的信息, 可以很好地对源代码结构信息进行建模. 在实证研究中, 使用了3个不同规模的数据集来评估TrGCN的有效性, 实验结果表明TrGCN比当前广泛使用的模型code2seq和Sequence-GNNs能更好的自动生成函数名, 其中F1分数分别提高了平均5.2%、2.1%.

摘要:传统的机器学习方法在检测JavaScript恶意代码时, 存在提取特征过程复杂、计算量大、代码被恶意混淆导致难以检测的问题, 不利于当前JavaScript恶意代码检测准确性和实时性的要求. 基于此, 提出一种基于双向长短时神经网络(BiLSTM)的JavaScript恶意代码检测方法. 首先, 将得到的样本数据经过代码反混淆, 数据分词, 代码向量化后得到适应于神经网络输入的标准化数据. 其次, 利用BiLSTM算法对向量化数据进行训练, 学习JavaScript恶意代码的抽象特征. 最后, 利用学习到的特征对代码进行分类. 将本文方法与深度学习方法和主流机器学习方法进行比较, 结果表明该方法具有较高的准确率和较低的误报率.

摘要:为提高航天嵌入式软件的测试质量、确保航天型号任务的圆满完成, 对航天嵌入式软件代码审查重要内容之一的代码逻辑分析进行了研究. 通过对软件缺陷的机理、缺陷查找过程、缺陷暴露过程、以及缺陷引发后果的分析, 结合多年软件测试工程实践经验的总结, 提出了场景分析法、时序分析法、假想故障追源法等10种主要的代码逻辑分析方法. 开展了代码逻辑分析方法的应用分析、代码审查与其它测试手段之间的对比分析, 通过分析, 给出了代码审查的工程适用性说明. 研究成果已在航天型号软件第三方评测中全面推广应用, 实践数据表明, 应用效果良好, 使代码审查的缺陷发现率由业界公认的30%~70%提升至90%以上. 相关分析方法和分析思路对动态测试设计以及软件缺陷自动化检测工具的研发均具有一定的参考作用.

摘要:为改变用户画像技术在电力企业中推广难、收效低的现状, 提出了一种基于改进的萤火虫优化加权K-means算法的分层聚类的画像推荐模型. 该模型在用户画像构建时, 为提高计算速度和精度, 仅就单项业务设计标签模型, 通过分层聚类着重构建特征群体画像; 在画像应用时, 直接向目标群体潜力用户推荐该项具体业务和其它新业务. 在高压电力用户样本集上进行了仿真实验, 表明分层聚类画像推荐模型能有效提升聚类和画像构建应用的精准性和运算速度, 有助于画像技术在电力企业得到推广应用.

摘要:本文研究工作围绕电网中的核心环节电负荷预测展开. 在总结分析之前研究学者的研究成果基础上, 提出了基于预训练GRU与LightGBM相结合的方法. 该方法首先使用电负荷数据训练一个特征提取网络GRU, 然后使用该网络进行时序特征的提取, 并将提取到的时序特征与非时序特征使用LightGBM进行电负荷的预测. 本方法的创新点在于提出了预训练网络来扩充特征, 充分融合时序特征及非时序特征. 并且考虑到电网的地区差异性, 在整体训练过程中将GRU网络参数进行了适应性微调. 保证提取到的时序特征是符合当前地域特点的. 通过仿真实验最终发现该方法在各项指标上取得了2%的提升.

摘要:随着智能电网的不断发展, 电力服务种类的多样化引出了不同的服务需求. 5G中的网络切片技术, 可以为智能电网提供虚拟化无线专用网络, 以应对智能电网安全性、可靠性、时延性等方面的诸多挑战. 考虑到智能电网的差异化服务特性, 本文旨在使用深度强化学习(DRL)来解决智能电网的无线接入网(RAN)切片的资源分配问题. 文章首先回顾了智能电网的背景以及网络切片技术的相关研究, 随后分析了智能电网的RAN切片模型, 并且提出了一种基于DRL的切片分配策略. 仿真表明, 本文所提出的算法能够在降低成本的同时, 最大限度地满足智能电网在RAN侧的资源分配需求.

摘要:以学校一卡通交易流水数据为研究对象, 挖掘出令管理层感兴趣的信息, 为学校决策管理提供科学依据. 把食堂2014年1月至2019年2月的消费数据作为研究对象, 通过平滑消除数据噪音, 分别建立ARIMA模型和Holt-Winters乘法模型, 将月数据组成的离散型时间序列进行拟合分析, 并对2019年3月至5月份的消费趋势进行了预测, 最后用实际值来检测预测结果. 实验证明, Holt-Winters模型对消费数据的拟合效果较好, 预测精度更高. 应用合适的数学模型对一卡通中饭堂消费的数据进行分析、拟合、预测, 有助于全面掌握师生的食堂消费行为规律, 可为后勤部门优化资源配置和科学决策提供依据.

摘要:当前, 风力发电量占比不断增加, 对风电预测的要求越来越高, 但由于风能本身存在的间歇性和不确定性等问题, 风电预测精度并不能达到理想的效果. 为了降低预测模型复杂性, 并提高风电预测精准度, 本文提出了一种基于差分进化和规则约简的二型模糊方法. 该模型给出了一种剪枝策略进行二型模糊规则的约简, 在此基础上, 采用差分进化算法进行二型模糊系统全部参数的优化学习. 最后, 通过与一型模糊方法和支持向量回归方法进行了对比, 证明了文中所提出的模型具有更好的预测精度.

摘要:本文的研究目的是提高诈骗电话的识别率和识别准确性. 基于大数据平台采集用户通话行为、上网行为等通信过程数据, 结合用户基本属性、手机终端信息等进行综合分析, 并采用合适的识别算法进行机器学习建立识别模型, 能更好的发现诈骗电话与普通电话的内在差异, 相比传统基于呼叫行为的分析, 能有效提高骚扰诈骗电话识别的准确度和覆盖率, 降低漏判、减少误判. 经实际数据验证, 对诈骗电话识别效果有明显提升, 可作为诈骗电话识别的一种新的技术选择.

摘要:噪声监测系统能够自动测量噪声分贝值, 并实时处理系统监测到的各种声音环境信息, 但是在噪声监测系统的实际应用中, 噪声的分贝值受到温度、湿度和大气压力等多个因素影响, 与实际值存在误差. 为了提高噪声的测量精度, 必须使用相关技术进行校正, 系统采用了线性回归和BP神经网络技术, 研究了预测模型的因素和系数, 分析了模型中因素的相关性, 获得了噪声监测的自动校正模型. 从线性回归和BP神经网络自动校正数据的测试效果看, 优化了测量数据的容错性并改进了数据校正的精度, 使预测模型的判定系数R²的值有了较大提升.