摘要:

摘要:系统模拟器通过模拟处理器、内存、外设等硬件资源创建一个完整的虚拟计算机环境, 支持运行和调试不同架构的软件, 可大大缩短跨架构的软件开发周期. 模拟器的调试模块通常具有指令追踪功能, 可记录程序运行的指令序列以用于进一步分析, 如程序运行时间评估、程序行为模式分析、软硬件联合仿真等. 支持RISC-V架构的主流模拟器QEMU和Spike均具有指令追踪功能, 但其时间和空间开销过大, 在应对规模较大的应用时效率低下. 本文提出了一种基于QEMU的指令追踪技术, 将程序中的基本块、控制流图等静态信息与分支选择等动态信息解耦, 在保证指令序列不失真的同时高效追踪执行序列. 相比QEMU原生实现的指令追踪, 本文提出的指令追踪技术的时间开销平均降低了80%以上, 空间开销平均降低了95%以上. 此外, 本文面向RISC-V架构, 实现了多种场景下的指令序列离线分析, 包括指令分类统计、程序热点标记、行为模式分析等.

摘要:传统的用户态内存安全防御机制基于x86架构和纯软件方式实现, 实现内存安全保护的运行时开销很高, 难以部署在生产环境中. 近年来, 随着主流商业处理器开始提供硬件安全扩展, 以及RISC-V等开源处理器架构的兴起, 内存安全保护方案开始面向x86-64、ARM、RISC-V等多种体系架构和硬件辅助实现方式. 我们对RISC-V架构上实现的内存安全防御方案进行了讨论, 并对x86-64、ARM、RISC-V等处理器架构在安全方案设计上的特点进行了比较. 得益于开放的指令集架构生态, RISC-V架构的内存安全防御方案相较于其他架构有一些优势. 一些低成本的安全防御技术有望在RISC-V架构上实现.

摘要:RISC-V指令集架构的诞生促进了RISC-V硬件平台的快速发展, 因此, 在RISC-V架构硬件平台上运行高效且易于使用的操作系统需求日益增加. 面向分布式、开源开放的智能终端操作系统OpenHarmony技术正在不断演进, 其生态持续繁荣. 然而, 将OpenHarmony适配到RISC-V指令集架构平台上面临新的挑战, 包括软件栈和芯片移植的问题. RISC-V指令集架构平台的软件栈和芯片移植存在新的挑战. 本文提出了基于RISC-V QEMU平台的OpenHarmony标准系统移植的思路和方法, 通过对关键软件栈进行适配和在QEMU RISC-V虚拟化硬件平台上移植图形显示驱动, 成功实现了OpenHarmony标准系统在QEMU RISC-V虚拟化硬件平台上的正常启动, 并进入系统桌面. 该成果为开发者提供了在RISC-V平台上测试应用OpenHarmony标准系统的平台, 并为新的RISC-V硬件平台上移植OpenHarmony标准系统提供了参考.

摘要:musl libc是一个轻量级的标准C库, 其代码库小巧, 提供了全面的POSIX接口支持, 具有高度可移植性并支持多种架构和操作系统, 被广泛用于嵌入式系统、网络服务器、容器等领域. RISC-V指令集作为一种开源的指令集, 目前发布了相对稳定的SIMD指令集, RISC-V生态软件环境也迎来了新的优化热潮, 但是对于musl libc库RVV扩展优化还是一片空白. 本文立足于musl libc基础库和RISC-V RVV扩展指令集的协同研究点, 提出了兼容基础指令集和向量扩展指令集的实现方案, 利用向量扩展指令集优化了常见的C库函数strlen和memset, 并在gem5模拟器上进行了对比分析, 实验结果表明, 相较于C语言实现, 在性能方面, 利用RVV优化的strlen函数平均提升83%–703%, memset函数平均提升85%–334%.

摘要:深度学习模型在某些场景的实际应用中要求其具备一定的可解释性, 而视觉是人类认识周围世界的基本工具, 可视化技术能够将模型训练过程从不可见的黑盒状态转换为可交互分析的视觉过程, 从而有效提高模型的可信性和可解释度. 目前, 国内外相关领域缺少有关深度学习模型可视化工具的综述, 也缺乏对不同用户实际需求的研究和使用体验的评估. 因此, 本文通过调研近年来学术界模型可解释性和可视化相关文献, 总结可视化工具在不同领域的应用现状, 提出面向目标用户的可视化工具分类方法及依据, 对每一类工具从可视化内容、计算成本等方面进行介绍和对比, 以便不同用户选取与部署合适的工具. 最后在此基础上讨论可视化领域存在的问题并加以展望.

摘要:目前, 我国青藏高原地区的牦牛养殖方式以传统的人工放牧为主. 为解决人力养殖方式无法快速跟踪统计牦牛数量的问题, 本文提出了一种改进YOLOv5和Bytetrack的牦牛跟踪方法, 以实现在视频输入情况下快速检测跟踪牦牛. 采用基于深度学习的YOLOv5目标检测网络, 结合CA注意力、跨尺度特征融合和空洞卷积池化金字塔等优化方法, 减少牦牛检测中因遮挡而导致检测难度大、误检漏检的问题, 实现对视频中牦牛更精确的检测; 使用Bytetrack跟踪器通过卡尔曼滤波和匈牙利算法实现帧间目标关联, 并为目标匹配ID; 使用ImageNet中的部分牦牛数据和青海玉树地区采集的牦牛样本图像来训练模型. 实验结果表明: 本文改进模型的平均检测精确度为98.7%, 比原YOLOv5s、SSD、YOLOX和Faster RCNN模型分别提高1.1、1.89、8.33、0.4个百分点, 能快速收敛, 检测性能最优; 改进的YOLOv5s和Bytetrack跟踪结果最优, MOTA提高了7.1646%. 本研究改进的模型能够更加快速准确地检测和跟踪统计牦牛, 为青海地区畜牧业的智慧化发展提供技术支持.

摘要:随着Web应用的功能日趋复杂, 其安全问题不容乐观, Web应用安全性测试成为软件测试领域的研究重点之一. 漏洞报告旨在记录Web应用安全问题, 辅助Web应用测试, 提升其安全性与质量. 然而, 如何自动识别漏洞报告中的关键信息, 复现漏洞, 仍是当前的研究难点. 为此, 本文提出一种自动化的漏洞报告理解和漏洞复现方法, 首先, 依据漏洞报告的特点, 归纳其语法依存模式, 并结合依存句法分析技术, 解析漏洞描述, 提取漏洞触发的关键信息. 其次, 不同于常规自然语言描述, Web漏洞的攻击负载通常是非法字符串, 大多以代码片段的形式存在, 为此, 本文针对攻击负载, 设计提取规则, 完善漏洞报告中攻击负载的提取. 在此基础上, 考虑漏洞报告与Web应用文本描述不同但语义相近, 提出基于语义相似度的漏洞复现脚本自动生成方法, 实现Web应用漏洞的自动复现. 为验证本文方法的有效性, 从漏洞收集平台Exploit-db的300余个Web应用项目中收集了400份漏洞报告, 归纳出其语法依存模式; 并针对23个开源Web应用涉及的26份真实漏洞报告进行漏洞复现实验, 结果表明本文方法可有效提取漏洞报告的关键信息, 并据此生成可行测试脚本, 复现漏洞, 有效减少人工操作, 提升漏洞复现效率.

摘要:不平衡数据集问题从20年前就已经引起人们的重视, 提出的相关解决方法层出不穷. Mixup是这几年比较流行的数据合成方法, 其相关变体比比皆是, 但是针对不平衡数据集提出的Mixup变体寥寥无几. 本文针对不平衡数据集分类问题, 提出了Mixup的变体——Borderline-mixup, 其使用支持向量机选择边界样本, 增加边界样本在采样器中被采样的概率, 构建两个边界采样器, 替代了原有的随机采样器. 在14个UCI数据集以及CIFAR10长尾数据集上的实验结果表明, Borderline-mixup相比于Mixup在UCI数据集中都有提升, 最高能达到49.3%的提升, 在CIFAR10长尾数据集中, 也能达到3%–3.6%左右的提升. 显然, 我们提出的Mixup变体在不平衡数据集分类中是有效的.

摘要:本文针对带时间窗约束的同时送取货车辆路径问题, 建立了以总配送距离最小化为目标的数学模型. 根据模型的特征, 在保留灰狼算法(GWO)搜索机制的基础上, 提出了离散灰狼优化算法(DGWO)进行求解. 采用多种策略构建种群的初始解, 并允许出现不可行解, 扩大种群的搜索区域; 引入带评分策略的邻域搜索策略, 调整每种算子的概率, 使算法选择优化效果更好的算子; 使用移除-插入机制, 对优质解区域进行探索, 加速种群的收敛. 在仿真实验中对标准数据集进行了测试, 将实验结果和p-SA算法、DCS算法、VNS-BSTS算法和SA-ALNS算法进行了对比, 实验表明DGWO算法能有效地解决带时间窗约束的同时送取货车辆路径问题.

摘要:在自动制造系统(automated manufacturing systems, AMSs)中, 死锁是一个急需解决的问题, 其主要由资源的循环等待造成. 为了解决该问题, 本文首先基于面向资源Petri网(resource-oriented Petri nets, ROPNs)的特征, 建立特殊资源标记图(special resource marked graphs, SRMGs). 其次, 在SRMGs中建立死锁与饱和回路之间的关系. 最后通过为一些特殊回路添加控制器, 阻止系统出现不安全标记. 考虑到资源故障问题, 为危险库所添加资源缓冲子网, 保证需要故障资源的零件不会阻塞其他零件的持续生产. 相比现有的控制器, 本文的监督控制器具有控制开关, 其通过实时改变控制库所的容量可以允许更多安全标记发生.

摘要:针对心理医学领域文本段落冗长、数据稀疏、知识散乱且规范性差的问题, 提出一种基于多层级特征抽取能力预训练模型(MFE-BERT)与前向神经网络注意力机制(FNNAttention)的心理医学知识图谱构建方法. MFE-BERT在BERT模型基础上将其内部所有Encoder层特征进行合并输出, 以获取包含更多语义的特征向量, 同时对两复合模型采用FNNAttention机制强化词级关系, 解决长文本段落语义稀释问题. 在自建的心理医学数据集中, 设计MFE-BERT-BiLSTM-FNNAttention-CRF和MFE-BERT-CNN-FNNAttention复合神经网络模型分别进行心理医学实体识别和实体关系抽取, 实体识别F1值达到93.91%, 实体关系抽精确率达到了89.29%, 通过融合文本相似度与语义相似度方法进行实体对齐, 将所整理的数据存储在Neo4j图数据库中, 构建出一个含有3652个实体, 2396条关系的心理医学知识图谱. 实验结果表明, 在MFE-BERT模型与FNNAttention机制的基础上构建心理医学知识图谱切实可行, 提出的改进模型所搭建的心理医学知识图谱可以更好地应用于心理医学信息管理中, 为心理医学数据分析提供参考.

摘要:随着智慧车站和云计算的迅速发展, 地铁站内大规模视频监控系统行人检测的部署愈发重要, 在客流监测、乘客引导和行为警示等方面发挥着人力不能及的重要作用. 在实际工程应用中, 受到计算资源有限以及多尺度多角度遮挡的困难样本带来错漏检的不利影响, 为此提出一种轻量化行人检测算法MCA-YOLOv5s. 首先使用MobileNetv3代替YOLOv5主干网络, 实现网络模型轻量化处理, 并用PConv代替MobileNetv3网络中的DWConv, 减少冗余计算和内存访问; 其次在特征融合阶段的C3模块中融入坐标注意力机制, 使模型更加关注行人的位置信息; 同时将损失函数CIoU替换为Alpha IoU以增加High Loss目标的权重和边界框的回归精度; 最后通过FPGM剪枝压缩改进后的网络模型, 提升模型加载和运行速度. 将改进后的模型部署在华为Atlas 300 AI加速卡中, 对地铁站内行人进行检测, 其平均精度达到94.1%, 检测速度为104.1 fps. 实际工程实践表明, 改进后的算法检测速度提升71.8%, 节省了站内硬件部署资源, 更满足地铁大客流下的行人监测和管理的工程实际需求.

摘要:针对手写签名认证的可靠性和设备依赖性问题, 设计并实现了一种基于MediaPipe的非触摸式在线签名认证系统. 该系统以MediaPipe为基础框架, 通过视频获得在线手写签名, 并提取签名轨迹点的时序特征作为匹配模板, 进而采用加权联合概率策略构建签名认证模型. 该模型在边缘端设备的平均认证等误率(EER)为3.04%. 采用基于PyQt设计的应用作为可视化UI界面, 实现在视频场景中的非触摸式在线签名交互认证. 该系统使用实时视频感知交互方式实现在线签名认证, 无需其他的外部设备, 具有更低的设备依赖性和更高的认证可靠性.

摘要:近年来, 推荐系统已经成为数据分析与挖掘、信息检索领域方向的热点. 然而, 部分推荐系统应用于用户多兴趣偏好还存在着问题: 首先用户的兴趣不唯一, 且对多个兴趣的偏好不等同; 其次用户当前的兴趣是否会在未来时间中持续. 基于此, 本文通过利用用户产生多兴趣并捕获其个性化需求的可持续性, 提出了一种MIES算法模型, 该模型能够很好捕捉到用户潜在的多种兴趣, 并注重用户兴趣的可持续, 提高了推荐的质量. 通过对比实验表明该模型有效解决了推荐系统对用户多维兴趣的捕捉和个性化兴趣的可持续性.

摘要:较传统方案而言, 目前基于深度学习的图像补全方法取得了更优的修复效果. 但大都忽视了建立像素的长距离依赖, 深度学习模型处理大面积不规则缺失时效果不佳、生成图像整体契合度不足. 另一方面, 很多通过融合多尺度感受野来保留更多细节信息的补全算法, 由于无法动态的调节感受野, 而受到输入尺度与补全目标尺度变化带来的影响, 最终导致生成结果产生明显的伪影误差. 针对这类问题, 本文提出一种基于快速傅里叶变换和选择性卷积核网络的补全算法, 在实现像素长距离依赖的同时保证模型的高效率运行. 此外, 本算法还改进了选择性卷积核网络, 可按照各卷积核特征的贡献, 自适应调整相应权重, 从而为模型提供精确的局部性信息补充, 最终生成全局融合度更高、局部细节更丰富的补全结果. 在Celeb-A和Place2数据集的实验表明, 本文方法不仅在PSNR和SSIM指标上超越了现有的前沿图像补全方法, 且处理受遮挡率为80%以上的图像时具有明显优势, 能够生成更真实地结果.

摘要:针对现有肺炎医学影像识别研究在浅层网络忽略全局特征导致特征提取不全且模型规模较大的问题, 提出了一种基于CNN和注意力机制的轻量化模型提高肺炎类型的识别效率. 采用轻量化模型结构减少模型参数量, 通过增大卷积核, 引入高效通道注意力和自注意力机制解决网络重要信息丢失和无法提取底层全局信息的问题, 通过双分支并行提取局部和全局信息并使用多尺度通道注意力提高二者融合质量, 使用CLAHE算法优化原始数据. 实验结果表明, 该模型在保证轻量性的同时准确率、灵敏度、特异性较原模型分别提高2.59%, 3.1%, 1.38%, 并优于当前优秀的其他分类模型, 具有更强的实用性.

摘要:随着城市化进程的加速和人口不断增加, 土地资源的利用和管理变得愈发重要. 高分辨率遥感影像技术的发展为土地覆盖类别变化检测提供了新的途径. 目前, 多数遥感影像变化检测任务主要针对显著建筑物的变化检测, 缺少对土地覆盖类别变化检测任务的研究, 本研究基于公开数据集, 对更多土地覆盖类别变化情况进行标注. 在原语义分割主干网络的基础上结合孪生网络结构, 提出适用于土地覆盖类别变化检测任务的检测模型, 该模型在网络的特征提取阶段加入变化引导模块, 以辅助网络关注两时相影像中的变化信息, 并在网络不同阶段加入通道信息交互模块, 以增强不同特征图的信息融合. 同时, 在特征提取阶段最后一层加入特征对齐模块, 以缓解下采样过程导致的特征偏移. 在土地覆盖类别变化检测数据集上的实验结果表明, 本文提出的方法可以有效提取影像中的变化信息, 并提高分割精度.

摘要:联邦学习能使用户不共享原始数据的情况下, 允许多个用户协同训练模型. 为了确保用户本地数据集不被泄露, 现有的工作提出安全聚合协议. 但现有的多数方案存在未考虑全局模型隐私、系统计算资源与通信资源耗费较大等问题. 针对上述问题, 提出了联邦学习下高效的强安全的隐私保护安全聚合方案. 该方案利用对称同态加密技术实现了用户模型与全局模型的隐私保护, 利用秘密共享技术解决了用户掉线问题. 同时, 该方案利用Pedersen承诺来验证云服务器返回聚合结果的正确性, 利用BLS签名保护了用户与云服务器交互过程中的数据完整性. 此外, 安全性分析表明该方案是可证明安全的; 性能分析表明该方案是高效且实用的, 适用于大规模用户的联邦学习系统.

摘要:针对秃鹰搜索算法(BES)存在求解的稳定性差且准确性低, 鲁棒性差等缺点, 提出了一种基于秃鹰搜索算法的新型算法(NBES). 首先, 在BES算法的选择搜索空间阶段融合正余弦优化机制算法, 构建融合后的位置更新公式. 其次, 在BES算法的搜索空间猎物阶段加入惯性权重自适应位置更新策略. 最后, 在BES算法俯冲阶段融合萤火虫优化机制算法, 重新定义位置更新公式. 通过11个标准测试函数验证NBES算法性能, 实验表明, NBES算法寻优准确性、收敛速度、鲁棒性都优于BES算法. 为了验证新算法的实际应用价值, 利用NBES算法优化卷积神经网络(CNN)中的超参数学习率, 并将优化后的图像分类模型用于医学影像病理性分类预测, 实验表明, 经过优化的CNN模型分类精度提高9%.

摘要:金属表面缺陷待测样本往往存在分辨率低、缺陷边界模糊、缺陷密集、缺陷目标小的情况, 同时, 构建的检测模型存在大量的超参数需要手动调参, 缺乏模型自适应调参能力, 本文提出一种基于贝叶斯优化的表面缺陷超分辨率检测算法. 通过设计精细化分层结构, 丰富主干网络特征图的感受野, 增强对高低频信息的提取, 重建出边缘纹理清晰的高分辨率图像; 通过构建瓶颈残差密集结构, 丰富主干特征提取网络的浅层特征和深层特征, 提升模型对小目标和密集目标的分类和定位能力; 通过贝叶斯优化算法以较小的时间代价自适应优化检测模型的关键超参数. 实验表明, 本文对NEU-DET数据集中6类金属表面缺陷的mAP_0.5可达0.782, 同时检测速度可达102 f/s, 优于其他检测算法.

摘要:在地震、台风、洪水、泥石流等造成严重破坏的灾区, 无人机(unmanned aerial vehicle, UAV)可以作为空中边缘服务器为地面移动终端提供服务, 由于单无人机有限的计算和存储能力, 难以实时满足复杂的计算密集型任务. 本文首先研究了一个多无人机辅助移动边缘计算模型, 并构建了数学模型; 然后建立部分可观察马尔可夫决策过程, 提出了基于复合优先经验回放采样方法的MADDPG算法(composite priority multi-agent deep deterministic policy gradient, CoP-MADDPG)对无人机的时延能耗以及飞行轨迹进行联合优化; 最后, 仿真实验结果表明, 本文所提出算法的总奖励收敛速度和收敛值均优于其他基准算法, 且可为90%左右的地面移动终端提供服务, 证明了本文算法的有效性与实用性.

摘要:海量的轨迹数据为管理分析和数据挖掘工作带来了巨大的挑战, 轨迹压缩技术成为解决这一问题的一种有效方案. 针对目前多数轨迹压缩算法需要人为干预设定阈值的问题, 融合特征聚类与轨迹划分的思想提出了一种自适应的轨迹拐点提取压缩算法. 算法从轨迹的全局方向特征与局部方向特征出发考虑, 依次进行了轨迹粗划分、子轨迹合并以及轨迹细划分的工作. 实验结果显示, 随着轨迹规模的增大, 与其他算法相比, 该算法基本能够在保持更高压缩率的同时产生更低的方向误差. 提出的算法具有自适应和高精度拐点识别的优势, 在其他轨迹压缩场景之下仍有着较高的参考价值.

摘要:由于微种群教与学优化算法的种群规模较小, 故其种群多样性很难维持. 为提高微种群教与学优化算法的搜索性能, 提出了一种基于多源基因学习的微种群教与学优化算法(micro-population teaching-learning-based optimization based on multi-source gene learning, MTLBO-MGL). 在MTLBO-MGL算法中, 将教阶段和学阶段根据随机选择策略来对个体进行基因水平上的进化操作; 并从基因层面上对种群多样性进行检测和使用稀疏谱聚类方法对种群的每个维度进行聚类. 然后, 根据多样性检测和聚类结果, 选择不同的进化策略来提高所提算法的搜索性能. 在28个测试函数上, 通过将所提算法与其他4种微种群进化算法作对比, 证明了所提算法的整体性能要显著好于所对比的4种算法. 本文还将所提算法应用于无人机三维路径规划问题, 结果表明MTLBO-MGL算法能够在该问题上取得较好结果.

摘要:针对当前情感分类方法通常忽略不同单词之间相对位置特征, 导致模型难以学习到单词的最佳位置表示. 为了解决这一问题, 提出一种基于高斯分布引导位置相关性权重的情感分类算法. 首先, 计算每个单词与其他单词之间的位置相关性; 其次, 利用改进的高斯分布函数对位置相关性进行建模, 并将其结果与单词的特征向量相乘, 以生成单词的位置感知表示; 最后, 将算法集成到传统模型中以验证其有效性. 实验结果表明, 所提方法较传统模型获得了更高的准确率, 在域内、域外和对抗评估指标上分别提高了2.98%、5.02%和10.55%, 表明其具有较好的实用价值.

摘要:现有图像修复方式普遍存在结构错乱和修复区域边缘模糊的问题, 这是由于修复过程中已知区域的结构信息未能得到充分利用, 针对这一问题, 本文提出了一种具有编解码结构的基于色彩聚类的图像修复算法, 算法采用渐进式图像修复网络结构, 将图像经过色彩聚类的结果作为输入, 聚类算法处理后的图像更好保留了输入图像的结构特征, 因此在后续图像纹理恢复过程中结构信息可以得到充分利用; 同时, 为进一步减少网络的计算开销, 引入交叉注意力机制, 从水平和垂直两个维度建模图像全局依赖性. 实验结果表明, 本文提出的图像修复算法可以有效缓解图像修复区域边缘模糊的现象, 与几种主流图像修复算法相比, 我们提出的图像修复算法可以在缺失区域较大的情况下产生更加真实的输出结果.

摘要:传统的聚类算法能够将数据集划分成不同的簇, 但是这些簇通常都是难以解释的. IMM (iterative mistake minimization)是一种常见的可解释聚类算法, 通过单个特征来构造阈值树, 每个簇都可以用根节点到叶子节点路径上的特征-阈值对进行解释. 然而, 阈值树在每一轮划分数据时仅考虑错误最少的特征-阈值对, 这种贪心的方法容易导致局部最优解. 针对这一问题, 本文引入了集束搜索, 通过在阈值树的每一轮划分过程当中保留预定数量的状态来减缓局部最优, 进而提高阈值树提供的聚类划分与初始聚类划分的一致性. 最后, 通过实验验证了该算法的有效性.

摘要:操作系统内核作为软件系统的基础组件, 其安全可靠是构造高可信软件系统的重要环节, 但是, 在实际的验证工作中, 操作系统内核中全局性质的不变式定义, 复杂数据结构程序的形式化描述和验证仍存在很多困难. 本文针对操作系统内核中满足的全局性质, 在代码层以函数为单位, 用全局不变式进行定义, 并在不同的函数中进行形式化验证, 从而证明各个函数符合操作系统内核的全局性质; 针对操作系统内核中经常使用的复杂数据结构程序, 本文通过扩展形状图理论, 提出一种使用嵌套形状图逻辑的方法来形式化描述复杂数据结构程序, 并对该方法进行了正确性证明, 最终成功验证操作系统内核中关于任务创建与调度, 消息队列创建与操作相关的代码.

摘要:移动边缘计算(mobile edge computing, MEC)已逐渐成为有效缓解数据过载问题的手段, 而在高人流密集的场景中, 固定在基站上的边缘服务器可能会因网络过载而无法提供有效的服务. 考虑到时延敏感型的通信需求, 双层无人机(unmanned aerial vehicle, UAV)的高机动性和易部署性成为任务计算卸载的理想选择, 其中配备计算资源的顶层无人机(top-UAV, T-UAV)可以为抓拍现场画面的底层UAV (bottom-UAV, B-UAV)提供卸载服务. B-UAV搭载拍摄装置, 可以选择本地计算或将部分任务卸载给T-UAV进行计算. 文中构建了双层UAV辅助的MEC系统模型, 并提出了一种DDPG-CPER (deep deterministic policy gradient offloading algorithm based on composite prioritized experience replay)新型计算卸载算法. 该算法综合考虑了决策变量的连续性以及在T-UAV资源调度和机动性等约束条件下优化了任务执行时延, 提高了处理效率和响应速度, 以保证现场观众对比赛的实时观看体验. 仿真实验结果表明, 所提算法表现出了比DDPG等基线算法更快的收敛速度, 能够显著降低处理延迟.

摘要:针对复杂环境下指针式仪表检测与识别过程中存在定位仪表困难和推理精度低等问题, 本文提出一种基于YOLOv7+U2-Net的多量程仪表识别方法. 为了提高U2-Net模型的输入图像质量, 选择推理精度和速度快的YOLOv7检测器, 将检测、裁剪好的图像作为模型的输入图像数据集, 同时对输入图像进行了旋转矫正, 使模型适用于多角度仪表识别. 针对仪表读数推理精度差和速度慢等问题, 将U2-Net解码阶段的RSU4-RSU7的普通卷积更换成了深度可分离卷积, 在此基础上引入了Attention机制, 加快整体推理速度和精度. 此外, 为了提高该方法的普遍适用性, 提出了多阈值范围内的识别准确率判别方法来适配多种应用场景. 通过对比实验表明, 在收集到的数据集上进行评估, 相较于模板匹配、SegNet、PSPNet、Deeplabv3+及U-Net方法, 本文方法识别准确率达到96.5%, 在多个阈值区间内都具有良好性能表现.

摘要:网络技术的发展和多接入边缘计算的兴起使得计算和网络资源的部署逐渐靠近终端. 随着服务数量的增多, 为了向用户更好地推荐服务, 如何在复杂、动态的边缘计算环境中实时、准确地预测服务质量(quality of service, QoS)成为一项挑战. 本文提出一种基于服务负载实时预测QoS的深度神经模型(QPSL), 它可以为边缘计算中的QoS预测提供缺少的负载状况感知和周期感知. 首先, 对服务的负载状况进行特征表示, 并通过时序分解模块获取时序特征. 其次, 将CNN和BiLSTM结合, 学习潜在的时序关系, 生成不同时刻的状态向量. 然后, 基于Attention机制为历史时刻的状态向量分配权重, 从而构造未来时刻的状态向量. 最后, 将上下文嵌入向量与状态向量送入感知层完成实时QoS预测. 基于真实的融合数据集进行了大量的实验, 结果表明QPSL在响应时间和吞吐量任务上的MAE分别平均提升了10.28%和10.87%, 优于现有的时间感知QoS预测方法.

摘要:传统时序预测方法其预测过程无法在相同数据集上推出共享模式, 而机器学习方法无法较好地处理非线性和大规模数据集, 并且需要手动设计特征工程. 深度学习方法弥补了传统预测方法需要高计算高人力的弊端, 用自动学习特征工程代替了手动设计特征工程. 但仅使用深度学习的预测方法所作结构假设较少, 通常需要较高的计算资源以及大量的数据来学习得到准确的模型. 针对上述问题, 本文提出通过采用融合t检验的EMD经验模态将序列分为高频分量和低频分量, 对高频分量使用传统STL序列分解方法进一步对数据做处理, 对高频、低频分量分别进行Prophet预测. 实验结果表明, 相较于传统的LSTM以及Prophet预测模型, 经过STL序列分解后的周期数据能够提升模型的整体预测精确度而融合EMD经验模态的Prophet模型则大大提升了训练效率.

摘要:岩石显微图像拼接是对岩石分析和研究的关键环节, 由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域, 导致拼接速率和配准准确率低, 并且多幅图像拼接时会产生误差累积导致拼接错位, 针对此问题提出了一种SR-SURF (similar region-SURF)的岩石显微图像拼接方法. 首先选用哈希指纹快速提取相似区域(similar region), 然后在此区域检测特征点; 之后利用改进的RANSAC (random sample consensus)算法剔除错误匹配点; 再然后选用最佳模板匹配纠正错误配准图像; 最后引入最小二乘法消除单应性矩阵相乘产生的累计误差; 实验结果显示本文的算法消除了多幅图像拼接产生的累计误差, 解决了拼接错位问题, 提高了拼接速率和配准准确率, 具有较高的实用价值, 推动了岩石薄片的数字化存储进程.