摘要:随着深度学习在目标检测领域的大规模应用, 目标检测技术的精度和速度得到迅速提高, 已被广泛应用于行人检测、人脸检测、文字检测、交通标志及信号灯检测和遥感图像检测等领域. 本文在基于调研国内外相关文献的基础上对目标检测方法进行了综述. 首先介绍了目标检测领域的研究现状以及对目标检测算法进行检验的数据集和性能指标. 对两类不同架构的目标检测算法, 基于区域建议的双阶段目标检测算法和基于回归分析的单阶段目标检测算法的一些典型算法的流程架构、性能效果、优缺点进行了详细的阐述, 还补充了一些近几年来新出现的目标检测算法, 并列出了各种算法在主流数据集上的实验结果和优缺点对比. 最后对目标检测的一些常见应用场景进行说明, 并结合当前的研究热点分析了未来发展趋势.

摘要:多机器人协同是未来机器人研究的一大热点, 双机器人系统是其中的一个典型代表. 针对目前双机器人协同系统的特性及常见应用, 从动力学模型的建立、轨迹规划和协同控制等3方面介绍了双机器人协同系统的研究内容, 分析各方面目前存在的技术漏洞和技术难点, 指出未来发展的方向.

摘要:当前车辆识别大多采用深度学习方法, 直接输入图像数据进行训练以获得车辆分类的深度网络, 由于图像本身存在透视形变及尺度变化, 因此不得不采取大量不同类型数据进行训练, 同时也无法获取车辆相关的物理信息. 为了改进上述问题, 本文提出基于逆投影空间训练的车辆细粒度识别方法. 首先利用标定信息及几何约束, 对单目投影下的车辆构建精细化的三维包络框. 然后将车辆三维包络展开, 获得规范化及标准化的逆投影空间数据. 最后利用深度卷积网络对这些展开的规范数据进行训练分类及回归, 获得5种常见车辆细分类结果及对应的物理尺寸信息. 实验结果表明, 与传统端到端的深度学习车辆分类算法相比较, 本文算法在利用更少的训练数据的前提下, 能有效的提升车辆分类准确率, 同时可获取车辆三维物理尺寸信息.

摘要:随着软件项目规模的增大与复杂性的增加, 测试过程产生了大量的错误报告, 其中重复的错误报告广泛存在. 重复错误报告的存在, 降低了开发人员修复错误的效率. 重复错误报告预测可有效地避免重复错误报告的产生, 是近年来的热门研究方向之一, 但其效率及准确率有待提高. 为此, 提出一种基于语义扩展连续查询的重复错误报告预测方法, 通过构建基于主题模型的错误报告索引词库, 对查询词序列进行语义扩展, 采用基于连续查询的错误报告检索算法, 在缩小索引空间的同时, 提升了预测准确率与效率. 实验表明, 相较于传统重复错误报告预测方法, 该方法减小了50%以上的错误报告索引空间, 最高提升了33.6%的预测效果, 且缩短了41%–73%的检索时间.

摘要:针对隧道施工过程中沉降量精准预测问题, 提出了一种基于时空特征区域神经网络的施工隧道沉降量预测方法. 依据当前隧道地表下沉量, 通过有效融合多维空间特征量, 对未来的演化趋势做出合理预测. 以白家庄隧道栾川端的地表观测数据为例, 对所提方法的预测性能进行算例分析. 结果表明: 所提预测方法对隧道地表沉降量数据均有较准确的预测效果, 且预测结果也具有一定的鲁棒性. 研究可应用于实际隧道施工的监测管理过程.

摘要:当今科研活动已越来越依赖科研数据网络的高效传输, 这对科研专网的链路资源规划和运行管理带来了更高要求. 面向科研专网的实际需求建立链路流量预测模型能使网络运营者在SDN等先进控制转发技术辅助下更有效进行资源调度的快速决策. 现有的预测方法未考虑当前网络流量更具多样化和更高复杂度的深层细粒度特征. 通过改进LSTM模型, 本文面向科研专网的管理需求提出了一种新型的链路流量预测模型, 由自编码器AE、双向LSTM模型、单向LSTM模型和全连接层组成的AE-栈式混合LSTM模型, 较大幅度提升了流量特征的提取能力, 更好地挖掘不同时刻的数据特征之间前后依赖关系. 本模型使用中国科技网CSTNet的全国骨干网真实生产环境中随机抽取的某一链路关联节点数据进行验证. 实验结果证明本模型的预测结果符合流量真实变化趋势, 且预测值与观测值之间的残差较小, 能较好的拟合科研专网的现有流量.

摘要:省域范围房产交易与登记大数据可视化呈现的建模分析预测对于研究我国城乡建设、区划经济的布局趋势, 呈现城镇建设发展指标的时空演化, 辅助支持科学决策、宏观调控等具有重要意义. 考虑到这些经济活动数据的预测建模涉及到尚无明确数学表达的、因素作用复杂的事物状态演变过程, 受近代人工智能深度神经网络技术在类似复杂场景成功应用的启发, 我们采用相关的长短时记忆网络模型(LSTM)与全连接层(FC)技术等AI技术, 建立起宏观可视化的省域房产大数据热力图预测系统. 本文的主要系统建设实践是, 利用所获的广东省域(东沙群岛除外)历年积累的房产法定业务大数据, 基于各市房屋建成年份时序, 实现对区域房产套数和面积等基本指标的年末地理热力图建模预测功能. 本文创造性提出“网格累计量预测+市域增量预测修正”的总体预测建模计算框架, 为省域房地产大数据人工智能建模预测增加了网格粒度调选和局部结合全局预测修正的调优途径, 提高了预测模型的适用性. 应用分析表明, 建模预测系统的计算结果具有较高的合理性和实用性.

摘要:为加强IP地址、自治域号等国际互联网码号资源的管理和控制, 国际互联网工程任务组提出了互联网码号资源公钥基础设施, 近年来有效解决路由劫持、路径篡改等问题, 为保证域间路由稳定运行发挥了巨大作用. 然而, 它在互联网码号资源管理模式中存在的安全问题也逐渐突显, 如单点故障、资源分配异常、证书撤销数据同步不及时造成验证失效等. 本文针对上述安全问题, 提出了一种基于可修改区块链的互联网码号资源管理方案, 并通过实验验证了该方案的有效性和可行性.

摘要:当前针对非结构化数据处理的研究多集中于实验态的技术实现, 对于其在金融投研业务中落地应用的整体架构与路径的研讨则较为缺乏. 为此, 提出将大数据、自然语言处理、知识图谱等技术结合起来进行智能化投研平台的研发设计, 并实现其在真实金融投研场景的应用. 该平台基于Hadoop分布式系统进行数据采集、存储与计算, 集成了传统文本处理技术及主流AI算法, 形成了投研相关的深度语义理解能力, 一是高效提取出金融文本信息, 并以知识图谱的形式存储; 二是基此进一步挖掘预测, 输出金融投研领域的智能化分析服务. 以金融研究中城投债相关文本作为测试样例, 验证了平台运行效果, 结果表明平台能以较高的准确率全流程、自动化地实现各项功能, 提升金融投研领域的工作效率.

摘要:本文主要研究了在室内场景中使用多台无人机设备对受害者进行合作搜索的问题. 在室内场景中, 依赖全球定位系统获取受害者位置信息可能是不可靠的. 为此, 本文提出一种基于多智能体强化学习(MARL)方案, 该方案着重对无人机团队辅助救援时的路径规划问题进行研究. 相比于传统方案, 所提方案在大型室内救援场景中更具优势, 例如部署多台救援无人机、救援多位受害者. 本方案也考虑了无人机的充电问题, 保证无人机的电量始终充足. 具体地, 鉴于模型中的救援场景深度参数不断变化, 所提方案将搜索路径规划问题模拟为部分可观的马尔可夫决策过程(Dec-POMDP), 为使得对无人机控制策略最优, 本文又训练了一个双深度的Q网络架构(Double DQN). 最后使用蒙特卡罗方法验证了本方案在大型室内环境中能够使多台无人机有效合作, 且能最大化搜集受害者所用手机内部所存储的位置信息.

摘要:本文提出一种新的智能小车主动及被动控制手段, 采用STC89C51RC与K66双芯片实现对智能小车的控制. 运用蓝牙通信技术实现通过手机端APP控制小车进行基本动作, 同时利用超声波测距技术实现小车自动避障. 此外, 还加入了红外探测传感器以实现小车的自动循迹, 结合低功耗的MT9V032摄像头, 利用图像识别技术实现了信标灯寻的. 实验测试结果表明该移动小车在光照条件适当的情况下具备良好的循迹性能, 在小车速度为20 cm/s时避障准确率达到99%, 能够以3.1 m/s的稳定速度识别到直径为7.85 m辐射范围内的信标灯.

摘要:在公安部推行“放管服”改革新举措后, 为了解决广大车主针对机动车年检提出的审车难、审车贵、审车拥堵、审车没时间等问题, 设计出一套车辆检测服务平台. 本文重点研究并实现了车辆检测服务平台的业务流程、平台功能结构, 其中通过小程序的方式与车主互动, 通过物联网技术识别车辆检测状态信息, 通过移动APP引入司机和检测站员工参与, 通过服务平台整合车主、司机、检测站等多方参与. 测试结果显示, 该系统集成测试及性能测试结果较好, 可以满足实际应用需求. 上线试用表明, 该车辆检测服务平台一定程度上可以解决车主审车难、检测站分布不均等实际问题, 具有较强的应用和推广前景.

摘要:针对Ceph存储系统面对小文件存储时存在元数据服务器性能瓶颈、文件读取效率低等问题. 本文从小文件之间固有的数据关联性出发, 通过轻量级模式匹配算法, 提取出关联特征并以此为依据对小文件进行合并, 提高了合并文件之间的合理性, 并在文件读取时将同一合并文件内的小文件存入客户端缓存来提高缓存读取命中率, 经过实验验证本文的方案有效的提高了小文件的访问效率.

摘要:大屏数据可视化是对数据分析结果的表达, 是数据赋能决策的重要环节. 针对大屏数据可视化软件开发周期较长、成本较高等问题, 本文基于Vue前端框架及Echarts可视化组件, 研制开发了一个大屏数据可视化易用工具C317DataUI, 通过对可视化组件拖拽式操作进行界面布局, 使用组件的数据连接面板进行数据配置管理, 并提供了部分场景模板, 可以快速实现大屏数据可视化的应用表达, 满足行业用户进行数据可视化表达时低成本, 高效率的需求.

摘要:随着人们生活水平的提高, 空调成为家居工作必不可少的一部分. 传统空调PID控制技术仍被广泛应用, 但其存在参数控制不精确、突变性、滞后性等问题, 如何精确地控制空调参数, 提高空调控制系统的性能成为空调控制领域研究的热点. 针对这些问题, 本文基于模糊推理提出了一种空调智能控制机制, 通过对参数模糊化、规则库构建、模糊推理等步骤实现空调的模糊控制. 实验证明了本方法的可行性, 并进一步验证了在处理非精确问题方面与PID相比具有较大优势. 系统实现部分给出了空调智能控制的具体交互过程.

摘要:作为主要传动零部件, 汽车发动机连杆质量直接影响发动机的传动性能, 最终影响着整车的安全性. 针对同时实现汽车发动机连杆几何参数、弯曲、扭曲检测问题, 提出基于机器视觉的发动机连杆质量多参数检测. 构建汽车发动机连杆质量多参数检测视觉系统, 研究基于多阈值分析与同态滤波的图像预处理, 去除发动机连杆图像中的阴影、增强图像对比度. 基于亚像素级分析与Hough变换检测发动机连杆图像的直线、圆等几何特征目标, 采用最小二乘法拟合发动机连杆几何特征参数, 并分析质量参数, 实现汽车发动机连杆质量多参数检测. 某车用发动机连杆质量多参数检测应用实例说明了本文方法的有效性.

摘要:针对边缘设备随着接入的分支机构增多, 需处理的公网与私网数据爆增, 导致边缘设备负载过重, 影响数据的正常交互. 为此, 分析了产生问题的根源, 提出了网络设备虚拟化技术与多协议标签交换与边界网关协议技术相融合的解决方案. 为验证方案的可行性, 借助实验室设备, 搭建了方案所需环境, 完成了方案的部署. 部署完成后对方案的可用性、数据访问控制与隔离、数据的分布式处理与负载分担进行了测试, 并与传统方式在设备冗余性、扩展性、管理性等10个维度进行了对比. 测式与对比结果表明, 该方案能在边缘设备上实现数据的分布式处理与负载分担, 优于传统方式, 是一种有效的VPN解决方案.

摘要:加工特征识别是实现CAD/CAPP/CAM系统集成的关键技术. 针对传统基于符号推理加工特征识别模式存在鲁棒性问题, 提出一种基于加工面点云数据深度学习的加工特征自动识别方法; 基于PointNet点云识别框架, 构建了一个面向加工面点云数据的加工特征自动识别卷积神经网络; 通过收集CAD模型中的加工特征面集和采样点云, 构建了适合该网络学习的三维点云数据样本库. 通过样本训练获得加工特征识别器, 实现了24类机械加工特征的自动识别, 识别准确率达到99%以上, 该方法简洁、高效, 对有噪音和缺陷的点云数据不敏感, 并且对由于特征相交造成加工面破坏仍然具有较好的鲁棒性和识别效果.

摘要:随着目标检测模型的日趋成熟, 基于检测的追踪成为多目标追踪研究的主要方向. 借助几乎完美的目标检测结果, 在数据关联时可以采用只使用IoU信息的方法. 但是在实际使用中, 少量丢失的检测会造成大量的身份互换和轨迹断裂, 进而严重影响追踪效果. 针对这一问题, 该算法引入图像信息, 使用IoU模型进行初步追踪, 结合行人特征向量对初步追踪的结果进行校验, 对没有通过校验的轨迹进行再匹配. 对于目标间遮挡的问题, 该算法采用预测目标的运动轨迹, 提前采取措施的方法应对. 该算法采用MOT16和2DMOT15数据集进行实验, 均取得了较好的效果. 该算法采用在线追踪模式, 更适合在实际应用中使用.

摘要:针对强化学习方法训练能耗控制系统时所存在奖赏稀疏的问题, 将一种基于自监督网络的深度确定策略梯度(deep deterministic policy gradient, DDPG)方法应用到建筑能耗控制问题中. 首先, 处理状态和动作变量作为自监督网络前向模型的输入, 预测下一个状态特征向量, 同时将预测误差作为好奇心设计内部奖赏, 以解决奖赏稀疏问题. 然后, 采用数据驱动的方法训练建筑能耗模型, 构建天气数据作为输入、能耗数据作为输出. 最后, 利用基于自监督网络的DDPG方法求解最优控制策略, 并以此设定空气处理装置(air handling unit, AHU)的最优排放温度, 减少设备能耗. 实验结果表明, 该方法能够在保持建筑环境舒适的基础上, 实现较好的节能效果.

摘要:本文将深度强化学习应用于二维不规则多边形的排样问题中, 使用质心到轮廓距离将多边形的形状特征映射到一维向量当中, 对于在随机产生的多边形中实现了1%以内的压缩损失. 给定多边形零件序列, 本文使用多任务的深度强化学习模型对不规则排样件的顺序以及旋转角度进行预测, 得到优于标准启发式算法5%–10%的排样效果, 并在足够次数的采样后得到优于优化后的遗传算法的结果, 能够在最短时间内得到一个较优的初始解, 具有一定的泛化能力.

摘要:为了避免人们边行走边使用手机发生危险, 本文提出了实时性强的轻量级模型(Mobile-YOLOv3)来检测路面障碍. 我们在广州各地拍摄路障图片并标注了一个路障数据集, 使用了一个轻量级的MobileNetv1网络来替换YOLOv3的骨干网络实现轻量化, 并且应用了4个方法用于提高检测精度和模型的鲁棒型. 4个方法分别为: 边框回归损失函数CIOU、分类损失函数Focal、预测框筛选算法Soft-NMS、负样本训练. 实验结果证明, 该模型获得了98.84% 的MAP. 与YOLOv3对比, 该模型的规模缩减了2.5倍, 检测精度却提高了7%.

摘要:针对数据分类预测模型的生成中, 高度不平衡的训练数据会大幅降低模型的性能, 本文提出了一种改进的基于遗传思想的不平衡数据集过采样方法, 该方法从生物染色体遗传理论中得到启发, 利用近亲生成相似而又不完全相同的新实例来平衡多数类, 在保证样本分布不变的前提下, 减弱甚至消除不平衡数据对训练结果的偏差影响. 最后, 通过在公共数据集上的对比实验表明, 该方法取得了更高的召回率及G-mean值, 证明此改进方法行之有效, 所生成模型的综合性能有所提高.

摘要:针对现有的深度学习去雾算法参数多, 训练时间长, 无法应用到实时计算机视觉系统等问题, 本文提出了一种基于明暗通道的循环GAN网络(bright and dark channel CycleGAN network, BDCCN). BDCCN以CycleGAN为基础, 采用固定参数和训练参数相结合方式, 基于明暗通道先验理论, 改进循环感知损失, 实现图像去雾. 实验结果表明, 本文算法计算量小, 收敛快, 在合成数据集和真实数据集上均表现优异.

摘要:旅行商问题(TSP)是经典的NP难问题, 对该问题的研究从未停止, 也得到了很多的近似求解算法, 但每一种算法都各有特色, 正因如此, 对旅行商问题总有新的算法在提出. 麻雀算法是新近提出的算法, 本文对麻雀搜索算法(SSA)的原理、搜索策略以及算法的基本流程进行研究分析, 针对SSA搜索接近全局最优时, 种群的多样性减少, 容易陷入局部最优等问题提出一种改进的麻雀搜索算法(ISSA). 使用6个标准测试函数与基本SSA以及其他群体智能算法进行仿真实验, 测试ISSA的性能. 最后应用ISSA对旅行商问题进行求解. 实验表明, 改进的麻雀搜索算法的能够改善麻雀搜索算法的缺点, 提升寻优能力, 并且验证了其求解旅行商问题的可行性与优越性.

摘要:位姿估计一直是三维重建领域的关键性问题. 为保证移动端有限计算资源下的实时性并提高轨迹计算的准确性, 提出一种紧耦合的移动端实时位姿优化方法. 首先, 获取图像信息与运动传感器信息进行特征提取、预积分等预处理; 然后根据对极几何约束, 计算重投影误差与惯性传感器误差; 最后采用加权误差联合优化计算位姿轨迹. 紧耦合策略可以有效利用图像信息与惯性运动信息对位姿约束的一致性. 在公开数据集EuRoC上的实验表明, 与已有视觉惯性位姿估计方法相比, 文中方法在保证移动端实时性的同时, 重建相机轨迹误差更小.

摘要:目前基于传统的机器视觉分析方法筛选后的PCB焊接缺陷图像还需要进行人工的复检流程, 工作量大导致视觉疲劳后容易出错. 为了改善这种现状, 本文设计应用YOLOv3-spp的目标检测算法来构建焊接缺陷检测模型. 为提升检测速度, 采用模型剪枝、模型蒸馏、模型量化等技术对检测模型进行压缩优化, 采用深度学习加速组件OpenVINO来加载压缩优化后的检测模型, 实现对PCB焊接缺陷图像的复检. 基于该优化算法设计了一种基于深度学习技术的PCB焊接缺陷检测识别系统. 它能快速、准确地识别焊接缺陷并定位缺陷位置, 解决了人工目检带来的效率低下、漏检误检率高等问题.

摘要:随着计算机硬件性能的提高, 目前在个人终端上也开始出现使用预训练机器学习模型进行推理的运用. Caffe是一款流行的深度学习框架, 擅长图像分类等任务, 但是在默认状态下只能单核运行, 无法充分发挥异构并行计算设备的计算能力. 深度学习对于计算性能的要求较高, 如果能并行化以充分使用所有计算设备, 就能提升计算速度和使用体验. 由于CPU和GPU的计算性能之比在不同模型下存在差异, 因此不能简单将任务均分到多个计算设备. 而任务拆分过多或者需要等待多设备完成任务后同步的调度算法会引入更多开销. 因此, 还需要设计合适的调度算法减少设备空闲时间, 才能获得更好的性能. 已有一些提高Caffe并行表现的方法, 但是对于具体平台有限制且使用难度较高, 无法简单充分利用异构并行计算设备的计算能力. 本文将Caffe接口扩展, 使得自定义程序可以调用异构并行平台的多核或多计算设备使用Caffe进行深度学习推理. 接着将目前已有的多种调度算法运用到此类任务上并考察了运行效果. 为了减少已有调度算法的同步开销, 本文提出了先进先出调度和快速分块调度两种新的算法. 测试表明, 使用快速分块调度算法结合异构并行计算设备, Caffe的推理速度相比只使用单个CPU核心或者单个GPU都大幅提升. 而且, 相比已有调度算法中表现最好的HAT算法, 本文提出的快速分块调度算法在MNIST和Cifar-10两个数据集上分别减少了7.4%和21.0%的计算性能浪费.

摘要:针对目前基于批量归一化的ResNet肺炎辅助诊断方法对于批量大小具有较高依赖性、网络通道特征利用率较低, 并针对采用深度神经网络的肺炎诊断方法都忽略了医疗数据隐私和孤岛的问题, 提出一种融合联邦学习框架、压缩激励网络和改进ResNet的辅助诊断方法(FL-SE-ResNet-GN), 运用联邦学习保护数据隐私的同时结合压缩激励网络和组归一化方式充分关注通道特征. 通过Chest X-Ray Images数据集的实验结果表明, 该方法的准确率、精度和召回率分别达到0.952、0.933和0.974. 与其它现有方法相比, 该方法在保护数据隐私的基础上准确率和召回率指标具有明显提升.

摘要:车牌图像重建是实现智能交通的重要步骤. 在经过不断的重复实验后, 本文提出了一种新的基于生成对抗网络(GAN)的超分辨率车牌图像重建模型. 所提出的办法主要包括4个部分: (1)预处理输入图像, 包括调整图片大小和筛选对比度差的图片; (2)引入了残差密集网络, 能够充分提取车牌图像特征; (3)引入渐进式采样进行图片重建, 因其具有较大的感受野, 能提供更多的信息细节; (4)引入基于PatchGAN的鉴别器模型, 该模型能更加精准地判断, 从而引导生成器进行更高质量、更多细节的图像重建. 通过在CCPD数据集上与目前较优的算法进行比较, 证明本文的模型重建的车牌图像具有较高的PSNR和SSIM, 分别达到了26.80和0.77, 而且重建单帧图像的花费时间更少, 仅为0.06 s, 进而证明了我们算法的可行性.

摘要:针对低渗油田储层粒度预测问题, 本文提出利用机器学习中的极致剃度提升树(extreme gradient boosting, XGBoost)来对低渗油田储层粒度进行预测的方案. 首先, 根据问题构建合适的XGBoost模型, 然后根据已有的岩心储层粒度特征值与其余测井信息的关系, 选取适用于粒度预测的测井曲线建立样本库, 最后利用样本库数据对建立的XGBoost模型进行训练, 训练后的模型即可预测研究区域未知的储层粒度特征. 结果表明, 本文所设计的XGBoost模型对低渗油田的储层粒度预测方案在计算效率、预测准确率等方面均优于BP神经网络.

摘要:针对BGP异常数据的检测问题, 依托互联网公开的真实BGP更新报文数据, 重点结合网络的拓扑特征及时序变化特点, 提出一种新的基于图嵌入特征和LSTM自动编码器的BGP异常检测方法. 首先利用BGP数据中AS_PATH属性信息, 构建基于时间序列的网络拓扑图的动态嵌入特征数据集, 然后使用LSTM自动编码器模型对数据进行检测, 发现异常数据. 在实际的异常事件数据中, 该方法成功检测到了异常数据, 并且相比传统的检测方法有较高的准确率.

摘要:汉字书法是中华传统文化的代表, 但是, 由于书法字体具有风格迥异、结构复杂、变形繁多等特点, 给大众学习和欣赏书法带来了极大障碍. 为了解决普通老百姓解读书法作品的困难, 提出一种基于改进DenseNet网络的书法字体识别算法, 设计区域权值比例池化规则替换传统DenseNet网络的最大池化和平均池化规则, 采用Nadam算法优化模型训练效果, 进行自适应学习率调整, 此外, 提出基于剪枝技术的模型裁剪策略, 在保证识别性能的同时, 提高了模型的训练效率. 实验结果表明, 在由楷书、行书、隶书和篆书4类字体组成的混合字体数据集中, 本文算法获得了96.13%的识别率, 优于另外5种深度学习模型.

摘要:针对频谱感知中单循环频率检测不能充分利用信号循环谱信息的缺点, 本文提出一种基于无线环境图(radio environment map, REM)信息辅助的多循环频率协作频谱感知方法. 本文方法第1步在多个认知用户处分别选取多个相同的循环频率进行循环平稳检测, 选取谱相关函数幅度作为检测统计量, 根据推导的判决门限公式设定恒虚警概率时的门限值, 经判决融合得出单个认知用户处的检测结果; 第2步根据REM提供的授权用户与认知用户之间的距离信息计算各认知节点处的权值系数, 并通过与对应节点处的检测结果加权融合来提高检测结果的可信度. 仿真结果表明, 改进方法能有效检测到授权用户, 在低信噪比条件下有更好的检测性能且具有更强的实用性.

摘要:在文本分类任务中, 由于短文本具有特征稀疏, 用词不规范等特点, 传统的自然语言处理方法在短文本分类中具有局限性. 针对短文本的特点, 本文提出一种基于BERT (bidirectional encoder representations from Transformers)与GSDMM (collapsed Gibbs sampling algorithm for the Dirichlet multinomial mixture model)融合和聚类指导的短文本分类算法, 用以提高短文本分类有效性与准确性. 本算法一方面通过BERT与GSDMM融合模型将短文本转化为集成语义向量, 集成的向量体现了全局语义特征与主题特征, 解决了短文本特征稀疏与主题信息匮乏的问题. 另一方面在分类器前端训练中通过引入聚类指导算法实现对标注数据的扩展, 同时也提升了结果的可解释性. 最后利用扩展后的标注数据集训练分类器完成对短文本的自动化分类. 将电商平台的差评数据作为验证数据集, 在多组对比实验中验证了本算法在短文本分类方面应用的有效性与优势.

摘要:我国是农业大国, 在进行农业生产过程中, 对土壤的湿度进行精准预测具有非常重要的意义. 针对传统BP (back propagation)神经网络在预测过程中会出现局部最小化以及收敛速度慢的问题, 本文将改进的遗传算法(genetic algorithm)应用到传统BP神经网络模型当中, 提出了一种自适应遗传算法优化BP神经网络的土壤湿度预测方法. 通过Matlab仿真软件建立改进遗传算法优化BP神经网络的预测模型, 并且对哈尔滨地区玉米地的土壤湿度进行实验. 结果表明, 该模型的精度高于未优化的BP神经网络. 该模型能够大量减少湿度传感器的使用, 为农业生产减少了成本.

摘要:随着经济的发展, 机器人制造单元对制造行业的生产效率和生产质量有很大提高. 相对于传统的柔性制造单元, 带机器人搬运的车间的调度问题还考虑了加工物料的搬运环节. 因此, 生产调度所面临的问题越来越复杂. 针对Pareto支配关系在高维多目标优化中的支配能力不足, 本文将 Lorenz支配和CDAS支配分别与NSGA-III算法相结合, 并首次应用到带机器人制造单元的高维多目标车间调度问题上来. 考虑到现代生产过程的复杂化, 本文提出对最大完工时间、加工总能耗、交货期提前量、延迟量、生产总成本等多个目标同时进行优化, 用于确定机器人工作时操作状态和搬运顺序, 提高生产效率. 通过实验发现基于Lorenz支配和CDAS支配的NSGA-III算法在该生产调度问题上比传统的NSGA-III在解的收敛性和均匀性上表现更优.

摘要:针对现有高速铁路中LTE-R通信系统安全评估方法不足且评估过程存在模糊性和灰色性等问题, 建立基于集对可拓和改进层次分析法的LTE-R通信系统风险评估模型. 从影响通信系统的人、设备和网络等主要方面建立评估体系, 确定风险评估指标和评价标准. 利用改进层次分析法计算权重, 基于集对可拓构建系统风险集对和计算风险联系隶属度, 从而判断通信系统风险等级. 实例分析表明, 使用集对可拓和改进层次分析法可有效和真实反映LTE-R通信系统的风险状态, 可为LTE-R通信系统的安全建设系统与风险管控提供理论依据.

摘要:长文本匹配是自然语言处理的一项基础工作, 在文本聚类、新闻推荐等方面有着关键作用. 受语料、篇幅结构、文本表示技术的限制, 长文本匹配工作进展缓慢. 近年提出的BERT模型在文本表示方面具有非常卓越的表现, 而对于BERT来说, 长文本的处理有截断法、分段法和压缩法3种常用方式, 截断法丢失大量文本信息, 分段法保留文本信息却丢失部分语义信息, 压缩法可能丢失部分关键信息. 针对以上问题, 本文对分段法加以改进, 提出一种基于BERT的长文本匹配模型(long text matching model based on BERT, LTM-B), 它以孪生网络为基础, 采用分层的思想将文档切分成多个分段, 使用BERT模型处理文本向量化, 从而得到文档的矩阵表示, 并采用BiLSTM产生位置矩阵, 然后将文档矩阵及其位置矩阵求和输入至Transformer编码器进行特征提取, 最后将两个文档矩阵进行交互、池化、拼接后经由全连接层分类输出匹配结果. 实验表明, 相比于其他方法, LTM-B模型在长文本匹配问题上拥有更好的表现.

摘要:情绪识别与日常生活的诸多领域都有很大联系. 然而, 通过单一算法难以获得较高的情绪识别准确率, 为此, 提出一种基于支持向量机(support vector machine, SVM)和K近邻(K-nearest neighbors, KNN)融合算法(SVM-KNN)的情绪脑电识别模型. 在情绪分类时, 首先计算待识别样本与最优分类超平面的空间距离, 若两者距离大于提前设定的阈值, 选用SVM分类器对情绪样本分类, 否则选用KNN分类器. 最后在SEED情感数据集上进行实验测试, 通过对比实验, 得出SVM-KNN算法提高了情绪三分类的准确率. 运用该模型可有效地对情绪类型进行识别, 对于医疗护理方面获取表达障碍患者的情绪状态有积极意义.

摘要:针对DBSCAN聚类算法随着数据量增大, 耗时越发非常严重的问题, 提出一种基于KD树改进的DBSCAN算法(以下简称KD-DBSCAN). 通过KD树对数据集进行划分, 构造邻域对象集, 提前区分出噪声点和核心点, 避免聚类过程中对噪声的邻域集计算以及加快了核心点对象的邻域集查询速度. 文中以浮动车GPS数据为实验数据, 对比传统DBSCAN算法和KD-DBSCAN算法的聚类效果和时间性能, 实验结果表明KD-DBSCAN算法的聚类效果和传统的DBSCAN基本一致, 但时间性能有很大的提升.

摘要:膨胀套管螺纹接头优化设计分析时需要反复修改接头参数, 高效快速建立接头三维模型, 本文提出了两种利用UG软件进行膨胀套管螺纹接头参数化建模的方法. 在UG中完成接头模型样板后, 第一种方法通过Visual Studio开发平台编写程序得到一个可改变结构参数的可执行程序, 实现膨胀套管接头二次开发建模; 另一种方法是基于PTS模块完成对话框设计, 通过重用库实现参数化建模. 文章给出了膨胀套管接头三维参数化建模实例. 通过本文的参数化建模方法能有效减少膨胀套管螺纹接头数值分析时的重复建模时间, 提高工作效率.

摘要:BGP协议明文传输, 攻击者易对前缀与路径信息进行伪造, 进而引发危害巨大的前缀劫持攻击. 其中, AS路径信息保护问题主要涉及两个方面: 路径防篡改与非法内容验证. RPKI作为解决路由劫持的重要安全体系, 目前其体系下的路径验证解决方案主要包括BGPSec、ASPA与Path-End, 其中BGPSec主要解决的是路径篡改问题, ASPA与Path-End解决路径合法性验证问题, 而这些方案分别存在计算复杂或者路径保护力度较弱的缺陷. 在ASPA方案中引入少量签名, 可对路径篡改的限制粒度进行提升. 据此, 本文提出一种改进的路径保护机制, 并设计了与其余方案的开销、安全性能对比实验. 实验结果表明, 在引入有限开销的情况下, 改进机制的路径保护性能优于其余方案.

摘要:在面向持续集成测试用例优先排序(continuous integration test case prioritization, CITCP)的强化学习方法中, 智能体通过对测试用例实施奖励从而调整测试用例优先排序策略以适应后续集成测试, 可以满足持续集成测试频繁迭代和快速反馈的需求. 智能体通常只奖励执行失效测试用例, 但实际工业程序持续集成测试具有集成高频繁但测试低失效的特点, 对CITCP的实际应用提出新的挑战. 测试低失效, 即稀少的执行失效测试用例数量, 会导致强化学习中奖励对象稀少, 引发强化学习的稀疏奖励问题. 本文研究一种强化学习奖励对象选择策略, 在奖励执行失效测试用例的基础上, 通过选择与执行失效测试用例相似的执行通过测试用例实施奖励, 从而增加奖励对象, 以解决奖励稀疏问题. 研究具体包括, 设计了一种测试用例历史执行信息序列和执行时间特征向量表示的相似性度量方法, 并基于相似性度量选择与执行失效测试用例集相似的执行通过测试用例集实施奖励. 在6个工业数据集上开展了实验研究, 结果表明基于相似性的奖励对象选择策略通过增加有效奖励对象解决了稀疏奖励问题, 并进一步提高了基于强化学习的持续集成测试用例优先排序质量.

摘要:得益于增强现实技术, 虚拟信息能够在真实世界中予以体现和融合, 使得脱离实体的虚拟信息在现实世界中的应用场景不断泛化. 基于此, 本文提出了一种高效实时的虚拟试戴技术, 可运用于多种实际场景中. 比如在电商场景下, 用户购买商品前可在先线上选择相应款式的模型文件进行虚拟试戴, 并根据效果辅助决策. 拟议方法依据人脸姿态参数将模型文件映射至可与实时视频流加合的图形状态, 在特定区域加合后反馈给视频帧中, 最终加合的模型文件能够自适应头部的位置变化. 实验结果表明, 拟议方法在人脸远近位置、图形渲染以及佩戴实时性等方面具有较好的效果.

摘要:眼球区域分割是医学超声图像处理和分析的关键步骤, 由于临床设备采集的眼球超声图像具有噪声干扰、区域模糊、边缘灰度相似等缺点, 从而导致现有的方法不能准确地分割出眼球区域, 因此本文基于可变形卷积提出了一种语义嵌入的注意力机制的分割方法. 首先使用可变形卷积替代传统的卷积, 提高本文网络对眼球区域的表征能力; 其次构建语义嵌入的注意力机制, 融合不同层之间的语义信息, 增强目标区域中的显著特征, 减少对背景区域的错误分割, 从而提升网络的分割准确度; 最后, 为了验证本文模型的分割性能, 分别与现有的3种深度学习分割模型进行对比, 在超声眼球图像分割数据集上, 本文方法获得了最高的准确度; 充分验证了本文的模型有较好的分割能力和鲁棒性.

摘要:针对基于区块链的果品质量溯源系统中存在的共识算法吞吐量低、时延高、主节点随机选择等问题, 本文提出了一种基于积分选择的改进PBFT (practical Byzantine fault tolerance)共识算法. 该算法引入积分选择协议, 通过对一致性协议、视图转换协议以及垃圾回收机制的优化, 提高诚实主节点被选择的概率、减少节点间通讯开销, 从而提升共识算法执行效率. 同时, 在运行垃圾回收机制时, 给所有参与节点重新分配积分, 达到了动态更改节点数量的目的. 实验表明, 本文提出的方法在提升共识算法吞吐量和降低时延方面具有更好的性能.

摘要:随着数码相机的成本降低和普及, 基于计算机视觉的非接触式结构健康监测技术越来越受到重视. 传统的接触式测量仪器可能导致轻质结构上的质量负荷, 并且在大型土木结构上安装和维护成本高且耗时, 特别是对于长期应用. 作为一种替代的非接触方法, 使用数码相机的计算机视觉方法成本相对较低、灵活. 针对传统光流方法在微小位移测量精度和稳定性不足的问题, 本文提出了一种改进的基于相位的光流法来计算结构的振动位移. 在这种方法中, 通过引入基于相位的视频运动放大方法中构造的部分复数可操纵滤波器, 与视频序列图像的卷积得到结构的局部空间相位信息. 接着通过基于相位的光流法计算结构振动的像素位移. 最后通过降噪处理和比例因子法将像素位移转换为真实位移. 实验室简支梁振动实验结果证明, 本文的方法相比于其他光流方法在微小位移计算上具有更高的精确度和稳定性.

摘要:随着RPKI覆盖的域间网络的范围不断扩大, RPKI在实际部署中的数据同步一致性的问题, 运维失误和权威机构权力滥用的风险已成为影响RPKI全面部署的主要障碍. 本文提出了一种基于事实所有权的RPKI缓存更新冲突检测机制. 该机制利用反向RTR协议与RPKI数据层级分发架构进行事实路由起源信息的采集与同步, 并通过比较事实路由起源信息与RPKI缓存更新数据检测出冲突的RPKI缓存更新数据, 保护了RPKI缓存的真实有效. 最后, 本文就该机制的数据同步时间效率和检测性能同其他方案进行了对比, 实验结果表明本方案有一定的检出优势.

摘要:为促进矿业领域向信息化、智能化的方向转变, 实现对石墨的智能识别尤为关键. 针对人工识别石墨花费时间长、效率低等问题, 提出了一种改进的AlexNet网络应用于石墨的图像识别. 首先通过随机裁剪、依概率水平翻转和归一化处理等手段对数据集进行图像预处理达到数据增强的目的; 然后采用激活函数ReLU6压缩动态范围, 使算法更稳健; 运用批标准化算法进行归一化加快收敛速度; 修改卷积核的大小增强泛化能力; 在全连接层加上dropout正则化进一步防止过拟合. 在仿真实验中, 与已有方法进行比较, 所给方法降低了损失值, 提高了石墨的识别平均准确率.