摘要:近几十年来, 计算机硬件性能和软件规模技术已不同以往, 其承载了人类社会生活生产的方方面面. 计算机技术的飞速发展, 也带来了人们对程序安全问题的关注. 由于市面上存在着较多的遗留软件, 这些软件无人维护且缺乏源代码支持, 其安全性令人担忧, 而二进制分析技术被用来解决该类软件问题. 二进制分析技术根据其检测方式不同可分为: 基于静态的二进制代码分析技术、基于动态的二进制代码分析技术和动静态混合的二进制代码分析技术. 本文调研了近年来的二进制代码安全分析领域上相关研究, 分别详细阐述了这3类技术中的主要方法, 并对其关键技术进行详细介绍.

摘要:作为计算机视觉领域的基本问题之一, 目标追踪具有广泛的应用场景. 随着硬件算力和深度学习方法的进步, 常规的深度学习目标追踪方法精度越来越高, 但其模型参数量庞大, 计算资源和能耗需求高. 近年来, 随着无人机和智能物联网应用的蓬勃发展, 如何在存储空间和算力有限、低功耗需求的嵌入式硬件环境中进行实时目标跟踪, 成为当前研究的热点. 本文对面向嵌入式应用的目标追踪方法进行了分析综述, 包括相关滤波结合深度学习的目标追踪方法、基于轻量神经网络的目标跟踪方法, 并总结了深度学习模型部署流程和无人机等领域的嵌入式目标追踪典型应用实例, 最后对未来研究重点进行了展望.

摘要:如今, 全球导航卫星系统(GNSS)基本解决了室外开阔环境下的实时高精度定位问题. 然而, 随着城市化进程加快, 为受到GNSS信号干扰的密集建筑物场所提供行人导航服务也产生了大量需求, 并推动室内定位技术近些年取得了较大进展. 在此基础上, 由于目前还没有任何单一普适的定位方式解决室内外环境的无缝过渡, 因此, 为了解决导航领域“最后一公里”的难题, 无缝导航技术开启了新的热点与课题. 本文总结了行人室内导航的多传感器融合技术: (1) 从基于无线射频信号到非电信号分别分析比较单一传感器在室内定位中的优势与局限性; (2) 介绍了室内多传感器融合领域的定位手段, 包括多模式指纹融合、基于几何测距融合与基于PDR技术融合. 最后, 研究了室内定位技术应用于无缝导航的解决方案, 展示了室内外环境下无缝定位的挑战与前景. 本工作为后续实现高精度无缝定位研究提供参考与帮助.

摘要:行为识别是通过对视频数据进行处理分析从而让计算机理解人的动作和行为. 不同模态数据在外观、姿态、几何、光照和视角等主要特征上各有优势, 通过多模态融合将这些特征进行融合可以获得比单一模态数据更好的识别效果. 本文对现有行为识别多模态融合方法进行介绍, 对比了它们之间的特点以及获得的性能提升, 包括预测分数融合、注意力机制、知识蒸馏等晚期融合方法, 以及特征图融合、卷积、融合结构搜索、注意力机制等早期融合方法. 通过这些分析和比较归纳出未来多模态融合的研究方向.

摘要:对全超导托卡马克核聚变实验装置东方超环(EAST)运行放电期间发生的杂质破裂进行预测对未来的聚变装置的长脉冲稳态放电有重要意义. 根据杂质破裂的物理特性筛选出的2018年的334炮杂质破裂炮数据以及2021年的1628炮非破裂炮作为训练炮, 再由等离子体平衡、密度、电流以及辐射等8种诊断信号组成的训练样本以LightGBM算法训练出杂质破裂预测模型. 实验结果表明LightGBM算法模型可以对杂质破裂进行准确预测(成功预测率96.29%), 非破裂炮的误判率6.87%. 研究结果证明利用LightGBM进行EAST等离子体杂质破裂预警是可行的方案.

摘要:哈希表在网络报文处理, 尤其是带状态的报文处理中发挥着重要作用. 伴随着网络流量的快速增长, 传统软件哈希表难以满足网络性能需求, 而查找是影响哈希表性能的关键之一, 如何提升哈希表的查找速率也一直是一个难点问题. 经研究表明, 现有的网络流量呈现Pareto分布特征, 即存在少数的大流量数据——大象流. 基于当前数据中心广泛采用的软硬协同计算模式, 提出了一种基于DPDK+FPGA的大规模软硬协同哈希表架构. 根据现有网络流量特征, 将流量分成大象流与背景流. 同时也将哈希表分成硬件表与软件表. 在FPGA中构造小规模硬件表, 卸载所有报文的哈希计算, 以及大象流的哈希查找. 在软件中基于DPDK构建大规模软件表, 利用FPGA卸载哈希计算, 加速背景流的查找. 软件拥有所有流信息, 利用采样法识别大象流并将大象流的键值对信息(key-value)更新到FPGA的硬件表中, 以加速软件中大规模软件表的查找速率. 采用Xilinx U200加速卡和通用服务器作为硬件平台, 实现了软硬协同的大规模哈希表, 并利用测试仪构造了符合当前网络特征的流量数据, 以DPDK精确转发为例, 验证了软硬协同哈希表的性能. 结果表明, 在大象流哈希查找完全卸载的情况下, 其性能相较DPDK原有的精确转发提升了64%–75%; 在大象流未卸载的情况下, 其性能提升了5%–48%.

摘要:辅助投保人了解保险产品的条款是保险应用关注的热点问题之一, 借助知识图谱技术辅助人身保险业务开展是一种可行的方法. 本文首先从多源数据中提取并构建人身保险知识图谱LIKG. 具体而言, 构建BERT-IDCNN-BiLSTM-CRF模型提取非结构化文本数据的实体, 通过多种短文本相似度算法以及集成排序算法完成实体对齐; 设计并使用Bootstrapping和分类预测两阶段抽取方法对保险产品进行属性填充. 然后, 根据构建的LIKG, 设计开发原型系统, 该系统使用实体抽取和属性抽取算法提供知识获取功能、设计CF-IIF指标提供属性推荐功能以及实现可视化界面帮助用户快速掌握人身保险产品的信息, 展示LIKG的应用价值.

摘要:当代社会睡眠问题日益突出, 及时检测评估睡眠质量有助于诊断睡眠疾病. 针对目前市面上睡眠监测类产品发展参差不齐的现状, 本文搭建了一个基于双通道脑电信号的在线实时睡眠分期系统, 利用第三方接口脑环获取脑电数据, 结合CNN-BiLSTM神经网络模型, 在PC电脑端实现了在线的实时睡眠分期与音乐调控功能. 系统使用基于卷积神经网络CNN和双向长短时记忆神经网络BiLSTM相结合的算法模型对脑电信号进行自动特征提取, CNN能够提取高阶特征, BiLSTM可以捕捉睡眠数据前后的依赖性和关联性, 睡眠分期准确率更高. 实验结果表明, 本文算法模型在Sleep-EDF公共数据集上的四分类任务中取得了92.33%的分期准确率, 其Kappa系数为0.84, 本系统的实时睡眠分期功能在自采集睡眠数据分期实验中取得79.17%的分期准确率, 其Kappa系数为0.70. 相比其他睡眠监测类产品, 本系统睡眠分期准确率更高, 应用场景更多样, 实时性和可靠性强, 并且可以根据分期结果对用户进行相应的音乐调控, 改善用户睡眠质量.

摘要:随着海洋气象业务不断发展, 海洋气象服务也逐渐向专业化、可视化及智慧化方向发展, 综合性海洋气 象服务已不能满足港口气象服务实际业务需求. 为保障港口安全生产, 提升港口气象服务效能, 本文提出了一 种基于面向服务架构(service-oriented architecture, SOA)的港口智慧气象服务系统建设方案. 通过对气象、港口、地理信息 等多源异构业务数据进行动态集成, 结合 XML (extensive markup language)、Web service 、数据仓库、中间件模 式、WebGIS 、消息队列等计算机相关技术, 实现了港区气象业务数据实时监测, 港口专业预报预警, 应急预案 制作发布、专业用户及气象要素阈值管理等功能. 系统业务应用结果表明, 该系统满足港口专业气象服务需求, 有效减少了海洋气象灾害对港区生产活动的不利影响, 同时系统可扩展性强, 具有较高应用推广价值.

摘要:在设计实时异构系统中的容错调度算法时, 既要考虑到实时性的约束, 又要最大化系统的可靠性. 此外, 异构系统中的并行应用调度问题已经被证明了是NP完全问题. 现有的容错调度算法大多采用复制技术来提升系统的可靠性, 但是任务的多次执行会导致应用执行时间变长, 系统实时性下降. 为此, 提出了一个基于积极复制技术的容错调度算法, 该算法连续的复制任务集中对当前系统实时性影响最小的任务, 然后将任务集中的所有任务调度至最早完成的处理器, 用以在满足实时性约束的同时, 提升系统的可靠性. 实验表明, 相比于同样着眼于实时异构系统的DB-FTSA算法, 该算法在实时性约束严格的情况下, 可靠性有较大提升.

摘要:区块链作为一种创新型的分布式账本技术, 以其去中心化、可追溯、防篡改等特性, 在未来许多行业中具有广泛的应用前景. 但现有单链式结构的区块链存在并发低、高延迟等问题. 一种基于有向无环图(directed acyclic graph, DAG)结构的新型账本技术的出现有望突破传统区块链的性能瓶颈, 但目前基于DAG型区块链系统的共识机制并不成熟. 本文针对典型DAG型区块链系统Nano网络的ORV共识机制存在的安全性问题进行改进, 提出了一种基于代表选举模型的公开选举代表投票共识机制, 即OERV (open election representative voting). 使主要代表节点的权益得到了分散, 增强了去中心化程度, 提高了网络安全性. 实验结果表明, OERV算法性能高效, 能够在不牺牲系统效率的同时增强系统的稳定性和安全性, 对于推动DAG型区块链共识机制的研究有着重要的现实意义.

摘要:基于特征金字塔网络的目标检测算法没有充分考虑不同目标间的尺度差异以及跨层特征融合过程中高频信息损失问题, 使网络无法充分融合全局多尺度信息, 导致检测效果不佳. 针对这些问题, 提出了尺度增强特征金字塔网络. 该方法对特征金字塔网络的侧向连接和跨层特征融合方式进行了改进, 设计具有动态感受野的多尺度卷积组作为侧向连接来充分提取每一个目标的特征信息, 引入基于注意力机制的高频信息增强模块来促进高层特征与底层特征融合. 基于MS COCO数据集的实验结果表明, 该方法能有效提高各尺度目标的检测精度, 整体性能优于现有方法.

摘要:神经过程(NP)能够结合神经网络和高斯过程的优势, 通过少量上下文数据估计不确定性分布函数, 实现函数回归功能. 现已应用于数据补全、分类等多种机器学习任务. 但面对二维数据回归问题(如图像数据补全), 神经过程预测准确度有限且对上下文数据的拟合存在欠缺. 为此, 将卷积神经网络(CNN)整合到神经过程中, 基于证据下界和损失函数推导, 构造了面向图像的神经过程(IFNP)模型.在IFNP基础上, 设计了适用于IFNP的局部池化聚合模块和全局交叉注意力模块, 并构造出性能明显优于NP和IFNP的的面向图像的注意力神经过程(IFANP)模型. 最后, 相关模型应用于MNIST及CelebA数据集, 通过定性与定量分析相结合, 展现出IFNP的可扩展性, 证实了IFANP更佳的数据补全及细节拟合能力.

摘要:针对传统图像拼接算法速度较慢, 难以满足获取大分辨率全景图像的实时性要求, 本文提出一种基于CUDA的快速鲁棒特征(speeded-up-robust features, SURF)图像配准算法, 从GPU线程执行模型、编程模型和内存模型等方面, 对传统SURF算法特征点的检测和描述进行CUDA并行优化; 基于FLANN和RANSAC算法, 采用双向匹配策略进行特征匹配, 提高配准精度. 结果表明, 相对串行算法, 本文并行算法对不同分辨率的图像均可实现10倍以上的加速比, 而且配准精度较传统配准算法提高17%, 精度最优可高达96%. 基于CUDA加速的SURF算法可广泛应用于安防监控领域, 实现全景图像的实时配准.

摘要:一致性检查是关于计算流程模型与其执行实际之间相符情况的问题. 运行时一致性检查因反馈的实时性和良好的应用前景, 成为当前一致性检查的新问题. 针对每个新产生的事件, 如何以较小的性能代价计算得到最优的一致性检查结果是运行时一致性检查的难点. 基于流程模型的结构信息(refined process structure tree, RPST)提出一致性监控树(conformance monitoring tree, CMT), 基于CMT提出求解最优一致性结果的动态规划算法. 通过3个实验数据集表明, 对比已有相关工作, 本文算法具备较明显的性能优势.

摘要:针对原始哈里斯鹰优化算法(HHO)存在的收敛精度低、收敛速度慢、易陷入局部最优等不足, 提出了一种基于混合策略的改进哈里斯鹰优化算法(HSHHO). 首先, 在种群初始化阶段引入Sobol序列, 生成均匀分布的种群, 提高种群的多样性, 有利于提高算法的收敛速度; 其次, 引入limit阈值, 令算法在一定迭代次数没有获得更优值后执行全局探索操作, 提高算法跳出局部最优解的能力, 改善HHO在迭代后期只执行开发阶段而易陷入局部最优的缺陷; 最后, 提出一种动态的反向学习机制, 提高算法的收敛精度以及跳出局部最优的能力. 在9个基准函数和6个CEC2017函数上进行测试, 与其他多种优化算法、HHO变体作对比, 验证所提出策略的有效性, 并进行Wilcoxon符号秩检验、Friedman检验和Quade检验等非参数检验. 实验结果表明, HSHHO在收敛速度、寻优精度和统计测试方面具有较为优秀的性能. 最后, 还应用到焊接梁设计优化问题, 结果表明改进的算法对于带约束的实际工程优化问题也具有更好的效果.

摘要:随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.

摘要:针对目前数据加密算法缺乏隐蔽性的缺点, 提出了一种结合P张量积压缩感知(P-tensor product compressive sensing, PTP-CS)模型和新分段混沌映射(segmented chaotic map, SCM)的视觉安全图像加密算法. 首先, 根据“拉伸和挤压”机制设计出一新的具有分式结构的分段混沌映射, 用以构建受控测量矩阵. 其次, 在测量矩阵和密码流的共同控制下, 明文的小波包系数矩阵经过二维阿诺德置乱、线性测量以及双向异或扩散生成视觉上无语义的中间秘密图像. 然后, 再采用数字隐写编码方法将其随机地嵌入到某一非涉密传输介质中以同步实现对敏感明文数据的内容和视觉的双重保护. 最后, 一系列的仿真实验和安全性分析表明所提加密算法能够抵御多种常见的攻击, 且具有很好的视觉安全性和压缩性能.

摘要:随着信息技术的发展, 推荐系统作为信息过载时代的重要工具, 正扮演着越来越重要的角色. 基于内容和协同过滤的传统推荐系统, 倾向于以静态方式对用户与商品交互进行建模, 以获取用户过去的长期偏好. 考虑到用户的偏好往往是动态的, 且具有非持续性和行为依赖性, 序列化推荐方法将用户与商品的交互历史建模为有序序列, 能有效捕获商品的依赖关系和用户的短期偏好. 然而多数序列化推荐模型过于强调用户-商品交互的行为顺序, 忽视了交互序列中的时间信息, 即隐式假设了序列中相邻商品具有相同的时间间隔, 在捕捉包含时间动态的用户偏好上具有局限性. 针对以上问题, 文中提出基于自注意力网络的时间感知序列化推荐(self-attention-based network for time-aware sequential recommendation, SNTSR)模型, 该模型将时间信息融入改进的自注意力网络中, 以探索动态时间对下一商品预测的影响. 同时, SNTSR独立计算位置相关性, 以消除可能引入的噪声相关性, 增强捕获用户序列模式的能力. 在两个真实世界数据集上的大量实验表明, SNTSR始终优于一组先进的序列化推荐模型.

摘要:能源分配问题往往与其所在区域环境有关, 能源分配的预测可以通过当地环境因素数据来推测之后对该区域的能源分配数值, 最大程度上分配好能源. LSTM网络预测短期效果良好, 但预测较长时期的数据会导致误差积累, 速度慢且准确性差; Informer是近期新提出的能源预测算法模型, 速度快但在该任务上预测能力不够. 本文提出Conv1d-LSTM模型, 预测结果优于上述两个模型, 具有更低的平均绝对误差和均方根误差.

摘要:面向滑动窗口的连续离群点检测问题是数据流管理领域中的重要问题. 该问题在信用卡欺诈检测、网络入侵防御, 地质灾害预警等诸多领域发挥着重要作用. 现有算法大多需要利用范围查询判断对象之间的位置关系, 而范围查询的查询代价大, 无法满足实时性要求. 本文提出基于滑动窗口模型下的查询处理框架GBEH (grid-based excepted heap). 首先, 它以网格为基础构建索引GQBI (grid queue based index)管理数据流. 该索引一方面维护数据流之间的位置关系, 另一方面利用队列维护数据流的时序关系. 其次, GBEH提出离群点检测算法PBH (priority based heap). 该算法利用查询范围与网格单元格的相交面积计算该单元格中包含于查询范围对象数目的数学期望, 并以此为基础构建基于小顶堆执行范围查询, 从而有效降低范围查询代价, 实现高效检测. 理论分析和实验验证GBEH的高效性和稳定性.

摘要:针对传统Seq2Seq序列模型在文本摘要任务中无法准确地提取到文本中的关键信息、无法处理单词表之外的单词等问题, 本文提出一种基于Fastformer的指针生成网络(pointer generator network, PGN)模型, 且该模型结合了抽取式和生成式两种文本摘要方法. 模型首先利用Fastformer模型高效的获取具有上下文信息的单词嵌入向量, 然后利用指针生成网络模型选择从源文本中复制单词或利用词汇表来生成新的摘要信息, 以解决文本摘要任务中常出现的OOV (out of vocabulary)问题, 同时模型使用覆盖机制来追踪过去时间步的注意力分布, 动态的调整单词的重要性, 解决了重复词问题, 最后, 在解码阶段引入了Beam Search优化算法, 使得解码器能够获得更加准确的摘要结果. 实验在百度AI Studio中汽车大师所提供的汽车诊断对话数据集中进行, 结果表明本文提出的Fastformer-PGN模型在中文文本摘要任务中达到的效果要优于基准模型, 具有更好的效果.

摘要:针对无线传感器网络中传统的低功耗自适应集簇分层型协议存在的节点能耗过高、网络生存周期短以及负载不均衡等问题, 本文提出了一种异构传感网络下的多目标簇头选举和基于模拟退火的哈里斯鹰路由优化算法(LEACH-MHO). 这种改进算法首先在计算节点最优阈值的基础上, 构建新的考量能耗和负载的适应度函数, 找到最优簇首节点, 保证簇首节点的均匀分布; 再建立基于哈里斯鹰优化器的路径选择策略, 同时嵌入模拟退火算法, 防止过早陷入局部最优; 最后使用评估函数筛选出可加入到最佳路径的簇头, 缩短簇头节点到基站的通信距离. 仿真实验数据表明, 与CREEP、LEACH-C、LEACH算法相比, 本文算法的网络生存寿命分别延长了22.18%、77.83%和180.52%, 能更有效地延长网络生存寿命.

摘要:针对背景复杂、遮挡、人群分布不均等人群计数常见问题, 提出了一种结合联合损失的空间-通道双注意力机制卷积神经网络模型(joint loss-based space-channel dual attention network, JL-SCDANet). 该网络前端进行图像粗粒度特征提取, 中间加入空间注意力机制以及通道注意力机制突出图像重点区域, 后端使用可加大感受野且不丢失图像分辨率的空洞卷积提取深层二维特征. 此外, 该模型结合联合损失函数进行训练, 以增强模型的鲁棒性. 为了验证模型的改进效果, 在3个公共数据集(ShanghaiTech Part B、mall和UCF_CC_50)上分别进行了对比实验, 在ShanghaiTech Part B数据集中平均绝对误差(MAE)和均方误差(MSE)分别达到了8.13和13.13; 在mall数据集中MAE、MSE达到了1.78和2.28; 在UCF_CC_50数据集中MAE、MSE分别达到了182.12和210.24, 实验结果证明了该网络在提高人数统计准确率上的有效性.

摘要:在牦牛高效养殖过程中, 牦牛等级评定是牦牛育种工作中的重要环节. 为了在牦牛等级评定研究中, 降低数据集分布不平衡对牦牛等级预测结果的影响, 提出一种基于改进条件生成对抗网络模型的牦牛等级评定模型VAE-CGAN. 首先, 为获取高质量生成样本, 模型通过引入变分自编码器取代条件生成对抗网络输入中的随机噪声, 降低了随机变量带来的不确定性. 此外, 模型将牦牛标签作为条件信息输入到生成对抗模型中来获取指定类别的生成样本, 生成样本及训练样本则会被用于训练深度神经网络分类器. 实验结果显示, 模型整体预测准确率达到了97.9%. 而且与生成对抗网络相比较, 在数量较少的特级牦牛等级预测上的精准率、召回率和F1值分别提升了16.7%、16.6%和19.4%. 实验结果表明该模型可以实现高精准度和低误分类率的牦牛等级分类.

摘要:影响力最大化的目的是在网络中发现能够触发最大数量的剩余节点参与到信息传播过程的一小群节点. 目前异质信息网络中影响力最大化的研究通常从网络中抽取同质子图、或基于节点局部结构的元路径进行节点影响力的评估, 没有考虑节点的全局特征和网络中高影响力节点间的集群现象给种子集合最终扩散范围造成的影响损失. 文中提出了一种基于社区与结构熵的异质信息网络影响力最大化算法, 该算法能够有效地从局部和全局两个方面度量节点的影响. 首先, 通过构建元结构保留节点在网络中的局部结构信息和异质信息度量节点的局部影响; 其次, 利用节点所属社区在整个网络中的权重占比对节点的全局影响进行度量; 最后, 综合求出节点的最终影响并选出种子集合. 在真实数据集上进行的大量实验结果表明所提算法有较好的有效性和效率.

摘要:考虑到目前图像加密算法缺少了对加密后图像的视觉安全的保护, 将新余弦混沌映射和贝叶斯压缩感知进行结合提出一种视觉有意义的图像加密算法是非常有价值的. 首先, 基于余弦函数提出了一个新的一维混沌映射用于构建受控测量矩阵, 除此之外, 所提出的新余弦混沌映射能够更好地扰乱图像的强相关性. 其次, 通过二维Arnold置乱算法对明文图像的小波包系数矩阵进行置乱. 然后, 借助混沌测量矩阵和双向加模扩散策略对置乱后的秘密图像进行压缩和加密. 最后, 通过最低有效位嵌入算法将秘密图像嵌入到经过生命游戏混合置乱后的载体图像中以得到一幅具有视觉意义的密文图像. 仿真结果和安全性分析表明在保证视觉安全性和解密质量的前提下所提加密算法具备可行性和高效性.

摘要:人体血细胞的检测与分割可以辅助医生快速对人体当前健康情况做出简单判断, 对诊断疾病具有重要意义. 为了解决传统图像分割算法在血细胞分割任务中出现错误分割目标、无法完全分割目标等问题, 提出了一种融合Xception特征提取和坐标注意力机制的血细胞分割算法XCA-Unet++. 该算法在Unet++网络结构的基础上, 在编码器部分引入Xception特征提取网络以更好地提取低层特征信息. 设计了一种以坐标注意力机制为基础的注意力细胞检测模块, 增强了网络对血细胞模糊边缘和不完整细胞的特征提取能力. 采用DiceLoss作为损失函数以优化数据集正负样本不均衡问题和提高网络的收敛能力. 在公开血细胞数据集上的实验对比表明, XCA-Unet++网络在IoU、Acc和F1评估指标下分别取得94.44%、96.78%和97.12%的结果, 分割性能优于其他分割网络, 满足血细胞分割任务的精度要求.

摘要:在云存储环境中, 数据所有者不仅能够借助云服务器存储数据, 而且可以通过云服务器与其他用户共享数据. 但是, 当数据所有者通过云服务器存储和共享数据时, 可能存在一些安全问题. 首先, 数据所有者需要保证其数据的可认证性. 其次, 数据所有者的数据中可能包含其敏感信息, 比如姓名、年龄等信息. 因此, 数据所有者在与其他用户共享数据时, 可能会泄露自己的敏感信息. 为了解决上述问题, 本文提出了一个无证书的可净化签名方案, 用于解决云存储环境下共享数据的可认证性与敏感信息隐藏. 具体而言, 所提方案基于无证书密码学, 避免了传统公钥基础设施中昂贵的证书管理开销, 消除了基于身份密码学中复杂的密钥托管缺陷. 此外, 所提方案加入了访问控制, 使得存储在云服务器中的数据只能被授权用户访问. 最后, 安全分析说明了所提方案的安全性; 性能分析体现了所提方案的高效性.

摘要:由于足球比赛场景中密集人群、移动小目标居多, YOLOv3算法存在检测精确度较低且模型参数量较大等问题, 使其无法部署在资源算力有限的移动设备上, 本文提出了一种基于改进YOLOv3的行人检测方法, 将Darknet-53主干特征提取网络替换为更加高效且轻量化的GhostNet网络; 同时选取了4个尺度的检测分支层并采用K-means++算法改善anchor box的聚类效果; 添加空间金字塔池化对输入图像实现相同大小的输出; 提出CIoU损失函数来计算目标定位损失值; 添加heatmap热力图可视化并在训练中使用Mosaic数据增强. 实验结果表明, YOLOv3-GhostNet在VOC融合数据集上mAP达到90.97%的同时相比YOLOv3算法提高了1.75%, 参数量减少了约81.4%且实时检测速率提高了约1.5倍, 在小型移动设备上表现出不错的检测效果.

摘要:正确识别语音中包含的情感信息可以大幅提高人机交互的效率. 目前, 语音情感识别系统主要由语音特征抽取和语音特征分类两步组成. 为了提高语音情感识别准确率, 选用语谱图而非传统声学特征作为模型输入, 采用基于attention机制的CGRU网络提取语谱图中包含的频域信息和时域信息. 实验结果表明: 在模型中引入注意力机制有利于减少冗余信息的干扰, 并且相较于基于LSTM网络的模型, 采用GRU网络的模型预测精确度更高, 且在训练时收敛更快, 与基于LSTM的基线模型相比, 基于GRU网络的模型训练时长只有前者的60%.

摘要:目前关于集成学习的泛化性能的研究已取得很大成功, 但是关于集成学习的误差分析还需要进一步研究. 考虑交叉验证在统计机器学习中对于模型性能评估有重要应用, 为此, 应用组块3×2交叉验证和k折交叉验证方法为每个样本点进行赋予权重的预测值的集成, 并进行误差分析. 在模拟数据和真实数据上进行实验, 结果表明基于组块3×2交叉验证的集成学习预测误差小于单个学习器的预测误差, 并且集成学习的方差比单个学习器方差小. 与基于k折交叉验证的集成学习方法相比, 基于组块3×2交叉验证的泛化误差小于基于k折交叉验证的泛化误差, 说明基于组块3×2交叉验证的集成学习模型稳定性好.

摘要:本文采用了一种基于AKAZE特征检测和PnP算法的单目视觉测量方法对相机的相对姿态进行解算, 用于快速准确地确定空间中两个目标间的位姿关系. 采集合作目标的模板图像, 提取附加到合作目标上的4个特征点的像素坐标, 利用AKAZE关键点对模板图像和待测图像进行匹配并计算映射矩阵, 通过映射矩阵得到4个特征点在待测图像中的像素坐标, 然后结合合作目标的尺寸信息求解基于4个共面特征点的PnP问题, 解算相机与合作目标的相对位置. 实验分析表明该方法计算的实时图像相机位姿与真实结果接近, 验证了本文方法的有效性.

摘要:水位的准确预测可以指导城市的防洪减灾举措及水利工程建设, 提升城市洪涝灾害应急响应速度. 基于数据驱动的水位预测模型, 尤其是LSTM模型, 在模拟自然界中水文要素的强非线性关系时展现出优势从而得到广泛应用. 然而, 自然界中水文数据的采集往往伴随着噪声以及人为干扰因素, 这些问题影响了模型的预测性能. 针对这一问题, 本文开发了一种新的组合模型, 即SSA-LSTM模型. 该模型首先利用SSA方法将观测到的时间序列分解为周期、趋势和噪声分量, 接着利用LSTM对SSA方法去噪后的序列进行模型训练并得到最终预测结果.本文选取涡河流域涡阳闸1971年5月至2020年12月的闸上水位为数据集, 1)利用奇异谱分析方法将原始水位时序数据分解为多个趋势和噪声分量(RC₁–RC₁₂), 选取分量(RC₁–RC₁₀)为趋势项并重构为新的水位时序信号; 2)利用LSTM模型对重构的信号进行了训练和验证, 并将预测结果与LSTM模型的结果进行了对比; 3)为得到最优的SSA-LSTM模型, 针对不同的时间步长(7、14、21、28、35天)开展了单步预测性能评估实验, 实验结果表明, 在不同的时间步长下, SSA-LSTM水位预测模型的决定系数R²、均方根误差RMSE、平均绝对误差百分比MAPE均优于LSTM模型. 由此可见, 采用 SSA方法对涡阳闸水位的预处理可有效提高 LSTM 的预测效果, 相比于传统 LSTM 模型, SSA-LSTM模型具有高可靠和低误差的特点, 在水位预测应用中更具适应性, 可以为城市防洪、灌溉、供水等水利措施的合理调度提供更优的决策依据.

摘要:针对地形生成算法在易用性、可控性、真实感、速度等方面难以平衡的问题, 提出了一种基于概要图的地形生成方法. 该方法使用生成对抗网络, 在隐空间中对地形坡度、坡向等信息建模, 使生成的地形符合用户手绘概要图约束. 提出基于地形高度图的概要图提取算法, 可从真实地形高度图中提取出类似用户手绘效果的概要图, 快速构建数据集. 提出多尺度地形细节填充算法, 通过引入多尺度的概念, 使地形纹理细节得到了动态补充, 真实感美观度大幅提升. 提出了基于用户反馈的地形满意度评价方法, 并据此进行实验验证, 结果表明该地形生成方法可以准确高效地生成符合用户预期的数字地形.

摘要:本文提出了一种多模态情绪识别方法, 该方法融合语音、脑电及人脸的情绪识别结果来从多个角度综合判断人的情绪, 有效地解决了过去研究中准确率低、模型鲁棒性差的问题. 对于语音信号, 本文设计了一个轻量级全卷积神经网络, 该网络能够很好地学习语音情绪特征且在轻量级方面拥有绝对的优势. 对于脑电信号, 本文提出了一个树状LSTM模型, 可以全面学习每个阶段的情绪特征. 对于人脸信号, 本文使用GhostNet进行特征学习, 并改进了GhostNet的结构使其性能大幅提升. 此外, 我们设计了一个最优权重分布算法来搜寻各模态识别结果的可信度来进行决策级融合, 从而得到更全面、更准确的结果. 上述方法在EMO-DB与CK+数据集上分别达到了94.36%与98.27%的准确率, 且提出的融合方法在MAHNOB-HCI数据库的唤醒效价两个维度上分别得到了90.25%与89.33%的准确率. 我们的实验结果表明, 与使用单一模态以及传统的融合方式进行情绪识别相比, 本文提出的多模态情绪识别方法有效地提高了识别准确率.

摘要:文本生成图像算法对生成图像的质量和文本匹配度有很高的要求. 为了提高生成图像的清晰度, 在现有算法的基础上改进生成对抗网络模型. 加入动态记忆网络、细节校正模块(DCM)、文本图像仿射组合模块(ACM)来提高生成图片的质量. 其中动态记忆网络可以细化模糊图像并选择重要的文本信息存储, 以提高下一阶段生成图像的质量. DCM纠正细节, 完成合成图像中缺失部分. ACM编码原始图像特征, 重建与文本描述无关的部分. 改进后的模型实现了两个目标, 一是根据给定文本生成高质量的图片, 同时保留与文本无关的内容. 二是使生成图像不再较大程度依赖于初始图像的生成质量. 通过在CUB-200-2011鸟类数据集进行研究实验, 结果表明相较之前的算法模型, FID (Frechet inception)有了显著的改善, 结果由16.09变为10.40. 证明了算法的可行性和先进性.

摘要:随着加密技术的全面应用, 越来越多的恶意软件同样采用加密的方式隐藏自身的网络活动, 导致基于规则和特征的传统方法无法满足准确性和普适性的要求. 针对上述问题, 提出一种层次特征融合和注意力的恶意加密流量识别方法. 算法具备层次结构, 依次提取数据包的特征和会话流的特征, 前一阶段设计全局混合池化方法进行特征融合; 后一阶段使用注意力机制提高BiLSTM网络分析序列关系的能力. 最终, 实验采用CIC-AndMal 2017数据集进行验证, 结果表明: 模型设计合理, 相比TextCNN模型和HST-MHSA模型, 漏报率分别降低5.8%和2.6%, 加权F1值分别提高4.7%和3.5%, 在恶意加密流量识别和分类方面体现良好的优化效果.

摘要:胶质瘤是在世界范围内致死率排行比较靠前的几种肿瘤之一, 是一种死亡率高、容易复发, 对身体危害极大的恶性疾病. 目前, 核磁共振成像(magnetic resonance imaging, MRI)技术因其成像效果清晰, 不同软组织之间对比鲜明等特点, 现已成为诊断患者胶质瘤较为常用的一种医学手段. 基于胶质瘤原始数据集缺少这一情况, 与辽宁省肿瘤医院合作, 对该医院300名胶质瘤患者MRI图像进行分析, 通过病变判定、病变定位和病变定性3个步骤对原始数据进行分类并进一步分级, 建立胶质瘤原始数据集. 为了证明其后续应用性, 通过分析和实验, 证明原始数据集可被用于图像分类及分割, 并为肿瘤的生长与重建提供图像数据, 对胶质瘤的临床研究和应用给予充分的帮助.

摘要:程序依赖图往往只能根据语句中变量的定义使用关系来判定数据依赖而无法从语义上精准判断, 从而容易引入虚假依赖关系, 使得缺陷修复的过程中使用错误信息造成修复失败. 因此, 本文将利用抽象属性对与空对象或空指针有关的虚假依赖进行剪枝, 提出基于抽象语义的程序依赖图减少与程序缺陷语义无关的依赖关系分析, 以完成空指针引用修复. 依据分析获取的依赖关系, 在空指针引用的不同修复策略的指导下实现一种多策略的修复方案, 在尽可能减小修复副作用的前提下完成空指针引用缺陷的修复. 本文利用Defects4J中的空指针引用对实现的修复工具DTSFix进行实验评估, 结果显示DTSFix的修复效果远远高于对比工具, 证明了方法的有效性.

摘要:番茄叶片病害种类具有差异较小、肉眼难以辨别的特点. 针对经典卷积神经网络参数多、计算量巨大、模型识别率较低以及预测误差较大等问题, 提出一种改进MobileNetV2网络的病害识别方法. 在适当的网络层加入通道和空间注意力机制增强网络对于病叶片特征的细化能力以及减少无关特征的干扰, 使用Ghost模块替换原模型中部分倒残差块, 保证模型精度的同时减少参数量. 利用LeakyReLU激活函数保留特征图中更多的正负特征信息, 增强模型的鲁棒性. 在公共数据集PlantVillage选取早疫病, 晚疫病, 班枯病, 细菌性溃疡病, 红斑叶螨病, 叶霉病, 细菌性斑点病等10种番茄病叶片作为数据集进行实验. 实验结果表明, 改进MobileNetV2网络分类准确率达到98.57%, 相较于原MobileNetV2, 准确率提高了2.29%, 模型大小减小了22.52%, 优化效果较为显著.

摘要:RISC-V是基于精简指令集原理建立的免费开放指令集架构, 具有完全开源、架构简单、易于移植、模块化设计等特点. 随着网络高速发展, 安全风险无处不在, 利用RISC-V的可扩展特性是一种非常有效地提升RISC-V设备安全的方式. 因此, 本文针对RISC-V自定义指令的安全能力, 结合可信计算、流密码技术, 设计了简单高效的RISC-V自定义指令, 实现基于可信基的数据安全存储功能, 并依托GNU编译工具链实现对自定义指令的编译支持, 在模拟器上测试应用程序对自定义指令的调用执行. 该指令充分结合可信计算与流密码的安全特性, 可实现较强的安全性.

摘要:针对不同个体的脑电信号差异大且易受到环境因素影响的问题, 结合去基线干扰及脑电通道选择方法, 提出一种基于连续卷积神经网络的情绪分类识别算法. 首先进行基线信号的微分熵(differential entropy, DE)特征的选取研究, 将数据处理为多通道输入后使用连续卷积神经网络进行分类实验, 然后选择最佳电极个数. 实验结果表明, 将实验脑电信号微分熵与被试者实验脑电前一秒的基线信号微分熵的差值映射为二维矩阵后, 在频率维度组合为多通道的形式作为连续卷积神经网络的输入, 在22通道上唤醒度和效价的分类平均准确率为95.63%和95.13%, 接近32通道的平均准确率.

摘要:文本意图识别任务中常面临训练数据不足的问题, 且由于文本数据离散性导致在标签不变的条件下进行数据增强并提高原模型性能具有一定困难, 为解决小样本意图识别任务中的上述问题, 提出一种分步式数据增强与阶段性训练策略相结合的方法. 该方法从全局和局部两个角度将原始数据在全体语句和同类别中的样本对上进行递进式增强, 并在模型训练期间根据递进层次的不同划分阶段进行学习, 最后在多个意图识别数据集上进行实验以评估其有效性. 实验结果表明, 该方法可以有效提高小样本环境中意图识别模型的准确率, 同时模型的稳定性也得到了提升.

摘要:针对糖尿病视网膜病变(DR)图像, 提出了一种基于多任务学习的图像多分类分割方法. 首先, 通过Otsu阈值算法将大部分无病灶信息像素去除; 其次, 通过滑动窗口切割的方法将图像切分为若干小尺寸的图像, 以解决医学图像分辨率过大以及病灶在图像中占比较小的问题; 再次, 将不存在病灶的子图剔除, 以增大含病灶子图的比例; 最后, 利用UNet++多任务学习属性, 并且用转置卷积代替传统上采样, 进行多输出多病灶的图像分割. 通过在国际公开的IDRID和DDR数据集上进行验证, 在IDRiD上取得0.7131的mAUPR, 在DDR上取得0.5691的mAUPR.