摘要:

摘要:近年来, 随着知识图谱的发展, 利用给定的知识图谱数据自动得出人类自然语言问题的答案成为了时下的研究热点, 诸如Siri和小爱同学的QA系统已经广泛投入使用. 得益于深度学习的引入, 该领域的各子课题虽然有所突破, 但依然存在需要攻克的难点, 例如多跳推理和策略组合等. 本文从主流的构建方法为切入点, 归纳总结该领域研究现状以及所面临的挑战, 不仅有助于研究者高效展开对该领域的研究工作, 更有利于不同行业的研究者研发行业相关的问答系统, 提高行业生产力.

摘要:为了分析我国源地址验证研究领域的研究现状、发展趋势和研究热点, 梳理源地址验证研究的发展趋势, 以推进国家网络数据可信化传输研究的进一步深入. 以中国知网数据库收录的基于源地址验证研究的论文文献为研究的数据来源, 应用文献计量学和科学知识图谱两种方法, 采用可视化工具CiteSpace对研究样本进行信息统计、共引统计和聚类分析, 绘制出该研究领域的文献年际变化图和共现聚类、时序分布的知识图谱, 从而进行科学性分析. 研究表明国内的源地址验证研究趋于动态发展, 趋势平稳向好; 核心研究力量: 以吴建平教授为首, 毕军、徐恪等为重要研究专家和以清华大学为首, 解放军信息工程大学、中国科学院大学等为重要的研究机构; 下一代互联网、软件定义网络等为重要的新兴研究热点, 体现了源地址验证研究的未来研究方向及发展趋势.

摘要:深度学习作为人工智能领域最为活跃的研究分支, 近年来在计算机视觉、自然语言处理、语音识别等领域取得丰硕成果. 同时, 深度学习在医疗领域中的应用也逐渐成为研究热点, 并且在医学图像和信号处理、计算机辅助检测与诊断、临床决策支持、医疗信息挖掘和检索等方面取得了一些成功, 展现出了极大的应用前景. 本文在介绍深度学习原理和常用深度神经网络的同时, 结合相关文献和应用实践, 对深度学习在医疗系统中的应用场景和研究进展做了全面系统性地介绍. 同时, 本文还探讨了深度学习在现代医疗领域实施的难点和挑战, 并针对性地给出了一些解决方案或解决思路.

摘要:伴随着电子商务平台和新型数字媒体服务迅速发展, 网络数据规模持续增长, 数据类型呈现多样化, 如何从大规模数据中挖掘有价值的信息, 已经成为信息技术的一项巨大挑战. 推荐系统能够缓解“信息过载”问题, 挖掘数据潜在价值, 将个性化信息推送给有需要的用户, 提高信息利用率. 深度学习的表征能力与推荐系统相融合, 有助于深层次地挖掘用户需求, 提供精准的个性化推荐服务. 本文首先分析传统推荐算法的优缺点, 再总结深度学习技术在推荐系统中的研究进展. 最后, 分析和展望智能推荐系统未来发展方向.

摘要:针对脑肿瘤磁共振成像(MRI)勾画数据少、类别不平衡以及各个私有的数据库具有较大差异导致脑肿瘤MR图像分割困难的问题, 提出了一种基于局部－全局自适应信息学习(ALGIL)分割算法. 该方法只需要少量的勾画数据, 解决了传统监督学习中对勾画数据数量的依赖问题. 通过融合图像的空间域信息和频域信息, 利用小波变换将图像从空间域转换到频域, 从低频和高频子带中分别提取统计特征和纹理特征, 解决了传统单一领域特征提取的局限性; 利用局部－全局自适应信息学习算法, 首先通过随机森林算法得到特征权重对图像进行赋权并构造相似性矩阵, 然后利用指数衰减函数自适应调整标注样本对算法的影响程度, 解决了因勾画数据少导致分割不理想的问题. 所提方法在公开数据集Brats2018上的实验结果显示, 该方法与其他先进模型相比, 各项评价指标均有所提升, 并且减少了对勾画样本量的需求, 大幅提高了图像分割的效率, 为脑胶质瘤的自动精确分割提供了新的思路.

摘要:钢筋是基建行业不可或缺的结构材料, 无论是钢筋生产过程、还是施工现场, 对钢筋进行准确计数是必不可少的环节. 成捆钢筋存在端面密集、直径尺度不统一、端面边界粘连、端面与背景融合、端面之间存在遮挡等问题. 针对上述问题, 提出了一种改进的YOLOv5模型框架, 以降低密集小目标漏检率、误检率. 针对钢筋端面数据集稀缺、没有公开的大型数据集并且钢筋端面特征较弱的问题, 自建了钢筋端面数据集, 使用半自动标注法对数据集进行标注, 并采用数据增强算法对钢筋端面数据集进行扩充. 修改了YOLOv5中的主干网络, 增加空间金字塔池(spatial pyramid pooling, SPP)和小目标检测层, 以获取更大的特征图; 使用特征金字塔模型(feature pyramid network, FPN)和路径聚合网络(path aggregation network, PAN)对多尺度特征图融合, 提高密集小目标检测精度. 在Data Fountain钢筋盘点竞赛数据集和自建钢筋数据集上设计了多组对照试验. 实验结果表明, 提出的改进算法YOLOv5-P2模型对钢筋端面的检测效果最佳, 钢筋端面平均精度均值(mean average precision, mAP)达到了99.9%, 相比于YOLOv3、YOLOv4、ScaledYOLOv4以及YOLOv5主流算法, 模型的mAP分别提升了9.6%、7.9%、7.0%、1.1%, 在工厂真实环境条件下进行测试时都有较稳定的表现, 在测试集上相对于原始模型检测精度提升了2.1%. 通过修改YOLOv5的主干网络中SPP模块位置和增加检测层都能够显著提升密集小目标检测精度, 更好的提取到钢筋端面的边缘特征, 取得99.9%的平均精度均值.

摘要:随着云存储的普及, 越来越多的文件存储在云存储服务器中而不是用户的计算机中, 这使得用户失去了对数据的绝对控制权, 数据安全性难以保障. 为了解决这一问题, 本文提出了一种新的安全云存储系统. 这套系统在用户态实现, 可以直接架设在计算机的文件系统上, 对计算机硬件、软件要求都很低. 通过使用分组加密算法和Merkle-B+树的设计提供了端到端的数据加密保护、完整性检查和访问权限控制等功能. 本系统使用简单, 对于用户来说是完全透明的, 降低了用户的使用门槛. 对本系统的测试结果显示, 本系统架在NFS文件系统上时, 在大文件环境下表现出来的I/O性能下降约为5%, 这说明本系统在保证用户数据安全性、系统易用性的同时, 其性能也是较好的.

摘要:近年来, 重工业的快速发展加剧了空气质量下降, 环境治理变得尤为重要. 然而, 在国内外现有的空气质量评估系统大多形式单一、准确度低、评估范围有限, 并不能较精确的以多样化的形式展示空气质量情况. 本文设计实现了一套集数据收集、标准化处理及空气质量评估为一体的空气质量评估系统. 该系统采用网络爬虫从空气质量监测网站获取数据, 并对数据进行抽取、清洗、单位转化、污染物分类及多种标准化方法处理, 提高空气质量的评估精确度. 系统评估方式多样, 有按时、日、月、监测站位置及污染物种类等, 解决了大多数空气质量评估系统形式单一和评估不准确的问题. 该系统可以为用户提供实时的空气质量情况, 还可以为大气污染相关科研人员提供准确的数据预处理结果. 系统运行稳定可靠, 界面友好, 功能丰富, 能满足空气信息综合管理评估的需求.

摘要:C/S模式是早期的开发网页服务器架构, 它使用复杂、成本高并且缺少通用性. B/S模式通过将系统功能集中到服务器中弥补了使用复杂成本高的缺点, 但是没有对用户端的环境和数据传输率进行深入测试和研究, 使得过多的外部用户访问网页, 给服务器带来压力. 针对传统C/S模式和B/S模式的局限性, 引入Docker容器化开发思路, 分别融合Nginx和Flask方法, 构建DoNginx模式与DoFlask模式, 通过修改和建立镜像实现网页服务器的开发. 这两种模式综合了Docker的轻量级、Nginx的低消耗、Flask的稳定性的优势, 实现了模式的优化. 设计CPU、完整性、吞吐量性能测试实验, 与传统B/S模式进行深度分析对比. 实验表明, DoNginx模式资源利用率高, DoFlask模式环境兼容性和可靠性更强, 且均优于传统B/S模式, 具有很好的框架设计贡献和实验性能.

摘要:汽车内饰件装配后的质量检测是装配的重要阶段, 是确保内饰件装配高通过率的重要保障. 以低功耗高性能英伟达的开发板搭建目标检测硬件平台, 对比Faster RCNN与YOLOv5模型, 采用对小目标检测效果更好的YOLOv5模型训练工业摄像头采集的数据. 试验结果表明, 对汽车内饰装配件13种特征检测的准确率都高达95%以上, 实现了对汽车内饰装配件高效精准的判别, 为汽车内饰件的装配工作提供了可靠的辅助手段.

摘要:对于CT影像中检测出的肺部结节, 需要自动判断其是否有癌变风险. 不同于大多数现有的研究方法只区分结节良恶性, 本文提出了一个基于注意力机制的多任务学习模型, 将与结节良恶性相关的语义特征属性一并判断输出, 通过判断9个结节特征(对比度、分叶征、毛刺征、球形度、边缘、纹理、钙化程度、大小以及恶性程度)的同时实现内在特征的共享, 以达到提高各子任务性能的目的. 选择视觉转换器(ViT)模型作为多任务共享特征提取层, 整体模型采用动态加权平均方法来对各子任务的Loss函数进行优化. 在LUNA16数据集上的实验表明, 该学习框架可以提升肺结节癌变风险判断的性能, 且同时对其他语义特征的判断也能提升结果的可解释性.

摘要:针对目前农业灌溉用水浪费的情况, 提出了一种以树莓派为主控器件、云平台为监控的智能灌溉系统. 本文以农作物为灌溉对象, 分析了模糊控制算法、树莓派4B、传感技术、HTTP协议、MySQL数据库和OneNET云平台等技术的特点, 设计了一种能够根据环境状况自动灌溉的智能灌溉系统. 系统的硬件部分能完成空气温湿度、土壤湿度的采集. 软件部分考虑云平台技术开发成本低、功能上完全可以替代传统的Web, 而选择在云平台上开发了应用平台, 能控制灌溉并把数据上传至OneNET云平台, 同时将环境数据导入模糊控制器使得灌溉策略更加科学. 经过灌溉实验测试, 系统最大灌溉误差不超过2%, 能够很好地解决灌溉用水浪费问题, 具有广阔的应用前景.

摘要:针对传统数据过程系统无法动态地显示数据过程及对数据过程中的算子无法进行拖拽编辑的问题, 本文提出基于SVG和Vue的数据过程可视化方案并给出实现过程. 该方案基于SVG高扩展性及不依赖于分辨率和Vue数据双向绑定等优点, 可以对数据过程进行拖拽式创建或者编辑, 给用户带来动态的交互体验, 并且该方案具有高扩展性, 还能提高开发效率和保证良好性能.

摘要:新一代智能电网的出现, 极大地提升了电网的安全性与可靠性, 这依赖于智能电表每15分钟发送一次数据, 但是这可能会暴露用户的隐私, 同时需要消耗很大的计算代价. 于是数据聚合技术被引入, 大多数现有聚合方案存在耗时大且当电表故障时系统无法正常运行等问题. 针对上述问题, 本文提出了一个智能电网中高效的支持错误容忍的数据聚合方案, 具体来说, 利用了改进的对称同态加密技术达到轻量级的效果, 在支持错误容忍的同时还能抵抗合谋攻击. 最后, 安全需求分析说明了该方案是安全的, 性能评价体现了本文的高效性, 这契合于资源有限的智能电表.

摘要:针对火灾检测中小目标检测率低、复杂场景下检测精度低和检测不及时等问题, 提出了一种改进YOLOv3的火灾检测算法. 首先, 通过改进的K-means聚类算法重新获取更符合火焰和烟雾尺寸的anchor; 其次在Darknet-53后添加空间金字塔池化, 提升了网络的感受野进而增强了网络对小尺度目标的检测能力; 然后通过CIoU改进损失函数, 在计算坐标误差时考虑中心和宽高坐标两者的相关性, 加快了损失函数的收敛; 最后使用mosaic数据增强丰富了待检测物体的背景. 在自制的数据集上训练并测试, 实验结果表明: 改进后的算法比YOLOv3火焰的AP从94%提升至98%, 烟雾的AP从82%提升至94%, 平均检测速度从31 fps提升至43 fps, 相比Faster R-CNN、SDD等算法也有更高的mAP和更快的检测速度. 因此, 改进后的算法能够更有效地进行火灾预警.

摘要:肋骨骨折是临床医学中一种常见的疾病, 人工判别骨折的方法具有工作量大、识别难度大等问题. 为了高效实现肋骨骨折的计算机辅助诊断, 本文提出了一种基于RF-Net(Rib Fracture Network)的肋骨骨折识别算法. 该算法首先利用生成对抗网络对原始数据进行数据增强扩建数据集, 以缓解过拟合现象且使模型进行有效训练. 其次, 算法使用RF-block提取肋骨的多尺度特征进行融合, 增强网络的特征提取能力. 同时, 本文使用压缩策略对模型结构进行优化, 从而减少模型计算代价. 最后, 本文在来自于医院的肋骨数据集上开展实验, 结果表明本文方法在准确率、AUC值、敏感度、特异度多个指标上表现优异. 与现有方法相比, 本文算法可更准确快速的对肋骨骨折进行识别, 能够为医生的诊断提供可靠依据.

摘要:跌倒是65岁及以上人群因伤害致死的第一位原因. 结合受试者个体信息的个性化特征, 提出一种基于Kinect三维骨架数据的步态特征提取方法, 对老年人的跌倒风险进行评估和预测. 将跌倒风险分为高跌倒风险和低跌倒风险两类, 考虑数据采集的成本问题, 采用新颖性检测模型在不平衡数据集下对特征数据进行训练和评估. 实验结果表明, OC-SVM (one-class SVM)检测准确率达86.96%, F1-score为88.55%, 能够有效地区分低跌倒风险受试者和高跌倒风险受试者. 同时, 证明了基于Kinect三维骨架数据预测老年人跌倒风险的潜力.

摘要:为提高行人检测的检测性能, 本文结合SqueezeNet、注意力机制、空洞卷积和Inception等结构, 提出一种基于改进YOLOv4的行人检测算法. 改进YOLO在特征增强部分引入残差连接和结合空洞卷积的注意力模块D-CBAM, 可以从提取到的特征中选择对目标检测重要的信息. 此外, 结合SqueezeNet的“squeeze- expand”结构和Inception网络的多尺度卷积思想提出Inception-fire模块用于替代网络中的连续卷积层, 通过增加网络的宽度达到提升算法性能的效果, 同时减少网络的参数. 最后, 根据行人检测任务的特点并结合Focal loss对损失函数进行改进, 分别对正负样本和难易样本添加权重因子, 强调对正样本和难分类样本的训练, 从而提高网络的检测能力. 改进的YOLO算法在INRIA行人数据集上的检测精度能够达到94.95%, 相对原YOLOv4提高4.25%, 同时参数量减少了36.35%, 检测速度也获得13.54%的提升, 在行人检测中能够表现出更优秀的性能.

摘要:睡眠分期是睡眠数据分析的基础, 针对目前睡眠分期存在的依赖人工提取、人工判别效率低、自动睡眠分期准确率不高等问题, 本文研究模型是基于卷积神经网络和双向长短时记忆神经网络2个深度学习神经网络相结合的, 利用脑电信号来进行自动睡眠分期的模型方法. 算法能提取得到原始脑电信号的梅尔频谱, 利用卷积神经网络和双向长短时记忆神经网络进行时频域的特征提取, 卷积神经网络能够提取睡眠信号高级特征, 双向长短时记忆神经网络结合睡眠数据不同时期的关联性, 提高自动睡眠分期的准确率. 实验结果表明, 本文方法在Sleep-EDF数据集的3种状态睡眠分期任务中取得89.0%的平均准确率. 与传统的基于统计规则的分期模型相比, 本文模型的准确率更高, 且简单高效, 泛化性能更好. 本文算法适用于非线性、不稳定、有幅度起伏变动的脑电信号, 有效提高了自动睡眠分期模型结果的准确率, 对现代睡眠医学、睡眠障碍等分析研究具有一定的实用价值.

摘要:针对传统长期相关滤波器使用特征单一、跟踪失败后无法再次捕捉到目标的缺点, 提出一种结合深度学习的多特征融合长期目标跟踪算法. 本算法在长期相关跟踪算法(long-term correlation tracking, LCT))的基础上, 采用多特征融合的方式, 将局部二值模式特征、改进的方向梯度直方图特征以及颜色特征相融合, 来提高跟踪算法的鲁棒性. 由于LCT算法选择随机蕨分类器进行目标重检, 对检测范围有局限性且重检精度较低, 故采用基于深度学习的孪生网络实例搜索(SINT)方法对全局图像进行目标重检. 本文的实验在OTB100数据集上进行, 结果表明: 本文算法与LCT算法相比, 距离精度和成功率分别提升了13%和10.3%.

摘要:图像超分辨率重建技术可以提高图像的分辨率, 在医学、军事等领域都发挥着重要作用. 传统的 SRGAN 图像超分辨率重建算法训练收敛速度慢, 高频纹理锐化过度导致部分细节扭曲, 影响重建图像质量. 针对以上问题, 对传统 SRGAN 模型的生成网络和损失函数进行改进, 用于图像超分辨率重建. 采用稀疏残差密集网络(SRDN)代替传统的 SRResNet 作为生成网络, 以实现对低分辨率图像特征的充分利用, 同时利用 SRDN 稀疏性的连接方式和深度可分离卷积思想, 减少模型的参数量. 此外, 提出融合 VGG 低频特征和高频特征的联合感知损失, 结合均方误差损失对网络的感知损失函数进行改进. 在Set5、Set14、BSD100数据集进行测试, 改进SRGAN 算法的峰值信噪比(PSNR)、结构相似度(SSIM)和平均选项得分(MOS)3个评价指标结果均优于传统SRGAN算法, 重建图像的细节部分更加清晰, 整体表现出较好的鲁棒性和综合性能.

摘要:针对监督分类中的特征选择问题, 提出一种基于量子进化算法的包装式特征选择方法. 首先分析了现有子集评价方法存在过度偏好分类精度的缺点, 进而提出基于固定阈值和统计检验的两种子集评价方法. 然后改进了量子进化算法的进化策略, 即将整个进化过程分为两个阶段, 分别选用个体极值和全局极值作为种群的进化目标. 在此基础上, 按照包装式特征选择遵循的一般框架设计了特征选择算法. 最后, 通过15个UCI数据集分别验证了子集评价方法和进化策略的有效性, 以及新方法相较于其它6种特征选择方法的优越性. 结果表明, 新方法在80%以上的数据集上取得相似甚至更好的分类精度, 在86.67%的数据集上选择了特征个数更小的子集.

摘要:针对复杂战场环境下战损数据的多源性和不确定性, 本文根据战损等级评定的非线性特点, 提出了一种基于置信规则库(belief rule base, BRB)和证据推理(evidential reasoning, ER)的装备战损等级评定方法. 首先, 在战损等级评定影响因素分析的基础上, 建立了一种新的融合多种特征信息的BRB-ER战损等级评定模型; 其次, 为解决传统专家系统中初始BRB参数不准确的问题, 利用局部粒子群算法对模型初始参数进行优化, 从而提高战损等级评定的准确性; 最后, 以某战损试验为例, 对基于置信规则库推理的装备战损等级评定方法进行了验证和对比. 结果表明, 该方法用于战时装备战损等级评定具有较高的准确度和可靠性, 从而为装备保障指挥员进行战场维修决策提供辅助支持.

摘要:完整高精度的温度观测数据是农业气象灾害监测、生态系统模拟重要的输入参数. 由于野外气象观测条件的限制, 气象观测数据缺失现象是常态, 数据插补方法是气象数据应用必要处理步骤. 本文针对野外小气象观测站站点半小时温度观测数据长时间缺失值问题, 结合同一地点较低频次的人工温度观测, 构建了新的温度缺失值插补深度学习模型, 对缺失的半小时温度观测数据进行高精度插补. 本文构建的深度学习模型, 采用了基于编码-解码结构的序列-序列深度学习结构(BiLSTM-I), 模型编码层采用双向LSTM-I网络, 解码层分别采用LSTM解码结构与全连接两种解码结构. 试验分析结果表明, 本文设计的BiLSTM-I深度学习温度插补方法要优于其他方法, 可满足了高精度温度数据插补需要, 而且LSTM解码结构的BiLSTM-I模型具有更好的数据插补精度. 文章最后还分析了BiLSTM-I深度学习模型的泛化能力, 结果表明BiLSTM-I模型具有不同温度缺失窗口长度的插补能力.

摘要:随着人工智能技术的发展, 人工智能技术在生活中被广泛使用, 并逐步深入到司法审理中. 但在实际应用中存在着可解释性不足, 不能有效的辅助审理这一问题. 针对这一问题, 本文结合刑事案件审理过程中依据犯罪构成采用的四要件理论, 从犯罪构成的四要件角度, 设计了构成要件识别任务. 筛选了盗窃罪中一些构成要件, 构建盗窃罪构成要件数据集. 并基于预训练语言模型BERT (bidirectional encoder representations from transformers), 设计了构成要件识别模型, 对该模型在本文构建的数据集上进行测试, 模型识别准确率达到93.54%. 在构成要件基础上构建量刑辅助算法能提高现有算法的解释性, 更有效的辅助法官审理案件.

摘要:针对计算开环控制的胎面缠绕生产系统中配置的胎面缠绕系统算法性能差的问题, 本文提出了一种基于NURBS曲线的胎面缠绕仿真算法并进行了实例验证. 目前轮胎胎面缠绕开环控制系统配置的胎面缠绕仿真软件多使用直线与圆弧对缠绕过程中的曲线进行仿形, 软件内置算法存在缠绕出的胎面与理想胎面偏差较大且缠绕效率低的问题, 故本文改用NURBS曲线对缠绕过程中的曲线仿形, 提出了一种基于NURBS曲线的轮胎胎面缠绕仿真算法. 实例验证结果表明, 所设计的胎面缠绕仿真算法缠绕的胎面形状符合国家标准和企业要求, 具有一致性好, 生产效率高等优点.

摘要:提出一种混合正余弦鲸鱼优化算法, 将其应用于柔性作业车间调度问题的研究, 以最小化最大完工时间为目标; 首先进行两段式编码, 使连续型鲸鱼优化算法可应用于柔性作业车间调度问题, 并对基本鲸鱼优化算法加入非线性收敛因子平衡搜索与开发阶段; 以正余弦算法策略改进鲸鱼个体位置更新方式与螺旋方式, 提升算法寻优能力; 最后以实验数据验证混合正余弦鲸鱼算法在求解柔性作业车间调度问题方面的有效性.

摘要:针对Spark检查点缓存数据清理需要等待作业运行完成后由编程人员清理, 可能导致产生失效数据累积占用内存问题, 本文分析检查点执行机制, 建模推导出随着检查点数量增多, 检查点缓存清理方法不可扩展, 提出使用检查点缓存效用熵模型感知检查点缓存和内存槽的匹配度, 并利用效用最佳匹配原则, 推导出最佳检查点缓存清理最佳时机. 基于效用熵的检查点缓存并行清理(PCC)策略, 通过使检查点缓存清理时刻近似等于检查点写入HDFS时刻优化内存资源. 实验结果表明, 在基于公平调度的多作业执行环境下, 随着检查点数量增加, 未优化程序执行效率变差, 使用PCC策略后, 在程序执行时长、耗电量、GC时间3个指标上最大分别能降低10.1%、9.5%、19.5% , 有效提升多检查点时的程序执行效率.

摘要:针对视频机动目标跟踪过程中前后两视频帧间目标移动距离过大导致目标丢失问题, 提出一种基于位置一步预测的核相关目标跟踪算法. 首先, 提取当前帧目标区域灰度以及颜色特征, 并分别对灰度特征和颜色特征进行梯度及颜色直方图运算, 得到FHOG特征向量和颜色直方图; 然后根据颜色直方图引入粒子滤波对下一帧图像中目标位置进行一步预测; 进而, 以预测到的目标位置为中心确定搜索区域; 最终, 在搜索区域基于FHOG特征结合核相关滤波修正当前目标位置的估计值. 在此基础上, 针对机动目标移动过程中产生的形变以及模糊问题, 结合零截距与平均峰值相关能量, 实现对形变和模糊问题的处理. 实验结果表明, 提出的新方法可以有效地提高在UA-DETRAC数据集的识别率, 相比标准核相关滤波算法在成功率与准确率上分别提高11.96%与9.6%.

摘要:为了解决救援车辆路途时间过长导致钻井事故应急救援不及时的问题, 提出一种基于改进蚁群算法的钻井救援车辆路径规划方法. 首先针对基本蚁群算法易陷入局部最优, 且在求解转移概率时仅依据信息素含量和路径长度, 未考虑实际路网中影响道路通行的外界因素等不足, 通过引入路径权重因子和改进路径选择策略, 对基本蚁群算法进行了改进; 然后利用改进的蚁群算法, 以用时最少为目标建立了救援车辆路径规划模型; 最后进行了救援车路径规划仿真实验和实际应用测试, 结果表明本文提出的方法可以合理规划出一条全局最优的救援路径, 能有效地解决钻井救援车辆路径规划问题.

摘要:针对传统的基于模型的协同过滤推荐算法未能有效利用用户与项目的属性信息以及用户之间与项目之间的关系结构信息, 本文提出一种基于图注意力网络表示学习的协同过滤推荐算法. 该算法使用知识图谱表示节点的属性特征信息和节点间的关系结构信息, 并在用户和项目的同质网络上进行节点的图注意力网络表示学习, 得到用户和项目的网络嵌入特征表示, 最后构建融合网络嵌入信息的神经矩阵分解模型获得推荐结果. 本文在Movielens数据集上与相关算法进行对比实验, 实验证明该算法能优化模型的推荐性能, 提高推荐的召回率HR@K和归一化折损累计增益NDCG@K.

摘要:在基于网络流量分析, 被动式的网络设备识别研究中, 网络流量数据中往往存在许多高维数据, 其中的部分特征对设备识别贡献不大, 甚至会严重影响分类结果和分类性能. 所以针对这个问题本文提出了一种将Filter和Wrapper方式相结合, 基于对称不确定性(SU)和近似马尔可夫毯(AMB)的网络流量特征选择算法FSSA, 本文提出的方法首先利用对称不确定性算法选择出对于各个类别具有分类贡献的特征, 去除不相关的特征属性; 然后在候选特征子集中利用近似马尔可夫毯算法删除冗余特征, 最后采用Wrapper方式基于C4.5分类算法, 进行最后的特征优选. 实验表明, 该方法下选择出的特征对网络设备操作系统类型识别的精确率相较于经典的特征选择方法有了一定的提高, 在小类别数据上的召回率也得到了提升.

摘要:针对差分进化算法差分策略优化问题上的不足, 解决DE/best/1策略全局探测能力差, DE/rand/1局部搜索能力弱而带来的鲁棒性降低及陷入局部最优等问题, 本文在差分策略上进行改进, 并且加入邻域分治思想提高进化效率, 提出一种基于双种群两阶段变异策略的差分进化算法(TPSDE). 第一个阶段利用DE/best/1的优势对邻域向量划分完成的子种群区域进行局部优化, 第二个阶段借鉴DE/rand/1的思想实现全局优化, 最终两阶段向量加权得到最终变异个体使得算法避免了过早收敛和搜索停滞等问题的出现. 6个测试函数的仿真实验结果表明TPSDE在收敛速度、优化精度和鲁棒性方面都得到了明显改善.

摘要:针对多视图聚类进行的数据表示学习, 通常采用浅层模型与线性函数实现数据嵌入, 该方式无法有效挖掘多种视图间丰富的数据关系. 为充分表示不同视图间的一致性信息与互补性信息, 本文提出基于张量图卷积的多视图聚类方法(TGCNMC). 该方法首先将传统的平面图拼接为张量图, 并采用张量图卷积学习各视图中数据的近邻结构; 接着利用图间卷积进行多视图间的信息传递, 从而捕获多视图数据间的协同作用, 揭示多视图数据中的一致性与互补性信息; 最后采用自监督方式进行数据聚类. 通过在标准数据集上进行的广泛实验, 聚类效果优于现有的方法, 表明该方法可以更全面的描述多视图数据、更有效地挖掘视图间的关系并具有更好的处理下游聚类任务的能力.

摘要:针对现有的句子相似度计算方法没有考虑句子中的关键词的多属性信息, 无法更好衡量句子相似度的问题, 综合考虑句子的结构和包含的属性, 提出一种基于句子的多属性融合相似度计算方法. 该方法通过提取句子的词频属性、词序属性、词性属性及句长属性, 采用层次分析法(AHP)计算出各属性的权重, 并验证权重值的合理性, 继而加权融合4种属性的相似度. 将本文提出的多属性融合相似度计算方法在构建的数据集上进行实验, 验证此方法的可靠性及可行性, 并以召回率、准确率以及归一化F度量值为标准和其他传统方法进行对比分析, 结果表明, 该方法不仅有着均衡的召回率和准确率, 且F-度量值较高, 达到83.57%.

摘要:近年来件定义网络(software-defined networking, SDN)技术被逐渐应用至战术MANET路由研究中, 以求为日趋丰富的战术机动任务提供相较于传统MANET路由协议更好的QoS质量. 然而由于MANET的强变化性、分布式结构等特点, SDN技术在MANET路由的应用中存在着许多问题亟待解决. 从战术MANET路由现状出发, 首先介绍了传统MANET路由协议以及SDN技术, 并总结了现有结合SDN的MANET路由方法. 而后围绕路由过程讨论了SDN应用至战术MANET需要解决的控制层可靠性、流表下发时间、控制开销、混合网络元素、扩展性一系列问题, 并从SDN结构出发介绍了相应的方法. 最后探讨了未来的研究方向.

摘要:随着技术的发展, 机器雕刻越来越多地用于包括橄榄核雕在内的手工艺品雕刻行业. 为自动生成适合于橄榄核随形雕刻的三维模型, 并快速生成雕刻刀具路径, 提出了一种面向橄榄核机器雕刻的模型编辑和刀具路径规划方法. 首先通过基于方向包围盒的刚性对齐、基于改进的径向基函数的网格变形和近似刚性网格变形将已有的三维模型进行编辑, 得到适用于橄榄核随形雕刻的三维模型. 继而将编辑后的模型切片, 并根据预置的刀具信息快速生成四轴三联动刀路. 实验表明, 该方法能快速得到适用于橄榄核随形雕刻的网格模型和加工刀具路径, 实际雕刻效果较好.

摘要:渔情预测, 即预测未来鱼群的位置和该区域内鱼量的丰富度. 通过了解未来的渔情信息, 管理者可以制定行之有效的策略, 对渔民来说也可以节省捕鱼过程中的资源消耗. 本文从海洋环境遥感数据与AIS渔船轨迹数据着手, 分析挖掘鱼群的分布状况, 进而对未来的渔情进行预测. 根据作业方式的不同, 渔船可以分为多种类型, 如围网、刺网、拖网、张网等, 针对装备不同渔具的渔船预测出未来作业的区域, 进行精细化管理具有重要意义. 以往的单任务学习能够对各渔具实现单独预测, 但不能捕获各种渔具之间的相互影响. 为此, 本文提出了一种基于海洋遥感数据与AIS渔船轨迹数据的时空神经网络的多任务预测方法, 在对每种渔具单独预测的同时捕获各渔具之间的相互影响. 同时, 将诸如海洋温度、盐度等环境遥感数据嵌入到模型中, 进一步提高了预测的准确度. 在浙江海域的AIS渔船轨迹数据集上进行了实验, 结果证明了该方法相对于经典和最新的基于海洋遥感与AIS轨迹预测鱼群分布状况的优越性.

摘要:研究基于结构方程模型的驾驶员对可变信息标志响应研究. 在分析驾驶员出行习惯和可变信息标志信息可靠性的基础上, 引入技术接受模型, 以信度和效度两个评估指标检验测量模型. 通过347份问卷数据对提出的模型进行假设检验, 结果表明: 信息可靠性对感知有用性和感知易用性有显著正向影响, 且对感知易用性的影响程度大于感知有用性; 出行习惯对感知有用性无显著影响, 感知有用性和感知易用性对驾驶员的行为意图均有显著正向影响. 本研究可为交管部门科学发布VMS信息提供一定的理论依据和技术支持.

摘要:安全围栏在电力施工现场扮演着重要的角色, 但穿越围栏的违规行为普遍存在, 给施工现场造成了极大的安全隐患. 为了实现智能化监管, 本文利用目标检测算法, 结合帧差法的思想提出了一种基于Faster RCNN的穿越围栏违规行为检测方法. 该方法通过读取视频监控信息, 利用目标检测方法获取围栏的位置信息以及人体关键点的信息, 通过帧差判断法识别施工现场的违规动作. 经过实验验证, 该方法可以有效的检测出施工现场的穿越围栏违规行为, 并可以满足实时性的要求.

摘要:露骨病害是水泥路面常见的病害之一, 会严重影响路面使用年限和行车安全性能. 因此, 及时对露骨病害进行检测与修复十分重要. 针对传统的人工检测方法检测精度不高且检测效率低的问题, 本文提出一种基于改进RetinaNet模型的水泥路面露骨病害检测方法. 首先对人工和检测车采集露骨病害图像进行滤波、去噪等预处理操作, 构建模型训练数据集; 然后将SE Net结构嵌入特征提取网络, 并改进特征金字塔网络; 最后实现改进的RetinaNet对水泥路面露骨病害的检测. 结果表明, 改进的RetinaNet模型在露骨病害检测精度上比原模型提高了4.9%, 达到98.9%. 且在相同测试数据上, 相比Faster R-CNN、SSD和YOLOv3方法, 检测效果均提升显著.

摘要:物流中心作为快递转运的重要枢纽, 其分拣效率在一定程度上影响着快递的配送时间. 多台自动导引车(Automatic Guided Vehicle, AGV)协同分拣能够大幅提高作业效率. 本文研究了多AGV协同作业场景中的无冲突路径规划问题, 在栅格地图建模环境的基础上, 提出了基于冲突搜索的两层路径规划架构. 冲突搜索与约束添加均基于二叉树进行, 当上层搜索检测到冲突并施加相应的约束后, 下层搜索只需要对与新添加的约束相关联的AGV重新规划路径. 采用时空A*算法实现下层单AGV路径规划, 同时引入冲突规避表以避免与其他已有路径发生冲突. 仿真实验结果表明, 本文所提的基于冲突搜索的多AGV路径规划算法可以有效解决多种路径冲突.

摘要:针对目前KTBoost预测模型中存在的精度低、拟合效果较差的问题, 给出一种改进的KTBoost预测模型. 首先提出了OGWO算法, 使用反正切函数对传统灰狼优化算法(GWO)中的收敛因子进行优化, 以解决算法中的无效迭代问题, 然后运用OGWO算法对KTBoost模型中的超参数进行优化, 从而提高模型预测的精度; 最后, 为了验证模型的可行性, 将该模型及其他预测模型应用于交通流预测场景中进行对比. 实验结果表明: 相较于RBF模型、随机森林模型(RFR)、KTBoost模型、OGWO-RBF模型、OGWO-RFR模型, OGWO-KTBoost预测模型拟合效果更好, 其决定系数值达到0.8265, 在实际应用中有较好的预测效果.

摘要:在传统的一阶隐马尔可夫模型(HMM1)中, 状态序列中的每一个状态被假设只与前一个状态有关, 这样虽然可以简单、有效地推导出模型的学习和识别算法, 但也丢失了许多从上文传递下来的信息. 因此, 在传统一阶隐马尔可夫模型的基础上, 为了解决手语识别困难、正确率低的问题, 提出了一种基于二阶隐马尔可夫模型(HMM2)的连续手语识别方法. 该方法利用滑动窗口算法使手语视频切分成多个手语短视频, 通过三维卷积模型得到手语短视频和手语词汇视频的特征向量, 由此计算出二阶隐马尔可夫模型的相关参数, 并运用Viterbi算法实现连续手语的识别. 实验证明, 基于二阶隐马尔可夫模型的手语识别取得了88.6%的识别准确率, 高于传统的一阶隐马尔可夫模型.

摘要:针对目前的行人属性识别方法存在行人属性数据不均衡、行人特征表达能力不足、鲁棒性差的问题, 本文提出局部特征重叠与行人属性识别相结合的方法. 网络使用全局和局部两个分支来提升网络整体特征表达能力, 在局部分支中将得到的特征图切分为几块大小相同的几个部分并使用Focal loss计算每个属性的损失解决行人属性不均衡问题. 最后将投票选出的各属性最优损失与全局特征计算出来的ID损失共同作为模型总损失. 在Market-1501_attribute和DukeMTMC-attribute两个行人属性数据集上进行测试, 实验结果表明所提方法能够有效提高行人重识别的准确性.

摘要:多候选人的电子投票方案在很多实际选举场景中有重要的应用价值. 全隐私性是安全电子投票方案关注的一个重要性质, 是指对选民和候选人的隐私保护. 本文基于安全多方计算提出了一个多选多的电子投票方案. 此方案将选民的投票意见映射为数组的形式, 结合ElGamal同态加密系统, 在半诚实模型下由选民和候选人通过交互计算输出选举结果, 实现了全隐私性且无需第三方计票机构参与. 此外, 为了避免有争议的选举结果, 本方案首次将反对票数考虑.