计算机
研究了改进神经网络在智能校园监控中的应用。针对夜间校园监控过程,使用区域亮度分析方法实现图像质量的有效增强。为提高校园监控的适应性,完成了混合高斯背景模型的构建。高校校园图像信息通过监控视频完成采集和预处理过程后,采用改进神经网络完成所需图像阈值的计算,然后对监控图像的边缘轮廓特征量进行提取,将据此获取的阈值作为信息输入实现监控图像处理过程,得出异常特征量以保证校园环境的安全,图像处理及监控过程具有延时短、实时性强、智能水平高的优势。为智能高校校园的安全管理提供参考。
现存的物联网协议不能够直接应用于大数据采集场景,并且常规动态网络结构和车辆节点的复杂性会随着数据量增多而加大,对安全性要求变得越来越高;针对车辆数据资源传输的安全性保证问题,提出了一个新的大数据收集安全机制;车辆信息通过大数据注册中心连接到网络后进行联合,以“身份验证”和“单点登录”的方式实现大数据中心算法;提出新的安全的大数据收集方案,处理大型车辆数据结构与汇聚节点数据,进行二次登录再到数据安全收集存储,完成安全性能评估;研究结果表明:新的数据安全交换算法使消息摘要和随机密钥开销降低,车联网中大数据的效率提升了21.67%,车辆节点方式可以提升26.41%。
为了有效地修复大面积破损的面部图像,使用了解码器-编码器结构的卷积神经网络作为生成模型,并在其部分层之间增加skip-connection,以增强生成模型的结构信息预测能力,同时引入对抗训练策略优化生成模型。该模型首先训练一个判别模型识别真实图像,再利用其判别待修复图像输入生成模型后所得到的输出是否为真实,以此为生成模型提供优化梯度。结合了卷积神经网络的结构信息预测能力和GANs对抗策略的优化能力,提高了图像补全的效果。在CelebA人脸数据集上进行的实验结果表明,该方法在补全大面积破损的图像任务上性能明显优于其他方法。
“互联网+教育”时代的到来,使得高校的课堂教学方式面临很大挑战。结合网络技术和“深度学习”的先进教育学理论,提出了一种云学习平台系统,并在功能上增添了断点续传。实验证明该系统可以提高学生的学习积极性、主动性和协作能力。
为揭示充气锚杆在砂土中的群锚效应,采用自主研发的新型串囊式充气锚杆,研究在砂土地层中的力学特性及其群锚效应。砂土的组成主要是80%以上的沙子和20%以下的黏土。这类土壤土质疏松,渗透性好。黏土是一种黏性土,砂粒少,水不易通过,具有较好的可塑性。首先改变串囊式充气锚杆的气囊长度,并将试验结果与单囊式充气锚杆的试验结果进行对比,以获取最佳气囊长度;然后改变锚杆间距来获取锚杆理想间距;最后以获取的优化气囊长度和间距为依据进行三锚及四锚的抗拔试验,分析三锚及四锚情况下的群锚效应。试验结果表明:在锚杆间距为35cm并且单个气囊长度为120mm时,能使串囊式充气锚杆极限承载力的提升和极限位移的控制效果最好;随着锚杆之间距离的增大,平均极限承载力先增大后减小,群锚效应系数也呈现先增后减的规律;对比双锚、三锚布置形式,推断锚杆最佳布置形式为四锚矩形布置,布置间距为35cm。
随着社会的进步和发展,人们的生活方式发生着深刻的变化。城市的交通拥挤便是这种变化引起的现象之一。论文将以地磁传感器为引导研究对象,通过对地磁不准确的订单的投诉处理及引起订单的各种异常情况的分析得到,唯一正常的订单情况为订单驶入时间和收费员操作订单结束时间之间有且仅有一条报驶离数据,除此之外的订单需要使用和JAVAWeb同时使用MatlabjQueryEasyUI技术通过论文所分析得出的异常情况处理逻辑计算出正确的停车时长并校正订单的驶离时间,对这些异常车位所对应的地磁数据进行分析总结确定出新的阈值或添加新的判定条件提高检测率。以此来保障整个停车收费系统的稳定,同时给交通管理部门和消费者提供一个满意的服务。并且经过验证表明:该异常情况处理逻辑可以应用到地磁泊位收费系统中,并且成功的对停车计时驶离时间做了校正。同时在实际应用中经过统计得出因地磁不准确所造成的投诉由平均每天62
合成素描的人脸识别问题属于异质人脸识别研究领域,在刑侦领域具有重要的实际应用.由于合成素描与人脸照片属于不同模态,对不同模态人脸进行鲁棒的表征是识别的关键.针对合成素描人脸在某些区域缺乏纹理细节,单纯依赖局部细节特征识别率较低的问题,文中提出一种融合多尺度HOG特征并加以语义属性约束的合成素描人脸识别的算法.首先提取出合成素描人脸的全局HOG特征以及五官等关键部位的局部HOG特征来表征人脸的整体结构特征和细节特征,之后将得到的整体结构特征和各个部位的细节特征进行分数层融合,最后用语义属性特征对匹配结果进行重排序.在PRIP-VSGC和UoM-SGFS数据集上进行验证,文中算法rank10的识别率分别达到88.6%和96.7%,与现有算法相比有明显的提高.
策略的销售预测方法。将数据划分为四个同分布的数据集;基于各数据集训练多个基学习器;以XGBoost算法为元学习器构建两层Stacking集成学习方法;使用德国Roseman超市在Kaggle平台上的销售数据对算法进行验证。实验结果表明:在Stacking模型中,元学习器利用各基学习器的算法优势提升了模型的预测性能,相比单个模型在测试集上的均方根百分误差,Stacking模型最高减少了23.5%,最低减少了1.8%。
本文提出了一种实用于巡检现场的数显式仪表读数检测识别方法。为了适应不同样式数显式仪表、不同光照情况下、不同拍摄角度获得的图片,先设计基于区域连通特性的数字区域粗定位算法,从复杂的背景中检测出候选数字区域。然后使用基于骨架特征的笔画宽度信息统计方法滤除大部分不符合笔画特征的候选区域,最后设计一系列基于形状特征、颜色一致性特征、排列特征的过滤器,进一步滤除所有非数字区域,实现复杂仪表盘上数字区域的准确定位。对获得的数字区域进行倾斜校正后送入TesseractOCR引擎即可识别得到正确读数。实验结果表明该方法具有较高的准确度及较强的鲁棒性,处理速度快,可应用于复杂仪表柜的巡检。
为解决弹体加工车间因生产周期长,生产过程资源耗费大,研究样本少等缺点不便于展开调度问题研究的难题,本文基于C#.NET设计实现了导弹弹体加工车间调度仿真系统。该系统经过科学的需求分析,从体系框架、系统功能和数据结构三方面展开设计,实现了静态调度与动态调度相结合的车间调度系统仿真,能在一定程度上提高弹体加工车间工作效率,并为车间调度算法研究提供仿真平台。
出租车合乘是缓解我国日益严峻的交通拥堵问题的重要手段。为高效解决出租车合乘问题,综合考虑出租车车辆总数、乘客等待时长、车辆运输总里程数三个指标,建立了优化这三个指标的数学模型。在此基础上,基于NSGA-II算法设计和实现了解决该优化问题的多目标遗传算法。最后,在某城市某日某时刻3min之内的打车需求数据上对模型和算法进行了实验验证。实验结果表明,该模型与算法能带来较高的合乘发生率和较满意的合乘利润率,具有较好的合乘效益。
对大数据中商业软件个人信息安全认证,可提高个人信息的隐私安全,增加其抗攻击性能。对商业软件个人信息的安全认证,需要设计商业软件个人信息分组策略,对分组后数据嵌入认证信息。传统方法对大数据中商业软件个人信息安全认证,未对分组后数据进行嵌入认证信息,存在认证准确度较低,认证耗时较长,且对计算机网速影响较大等问题。提出一种基于分数阶傅里叶变换的大数据中商业软件个人信息安全认证方法。通过个人信息的同步点和长度控制阈值实现信息分组,并对分组后数据嵌人认证信息量,完成载体分组,根据信息分组和载体分组结果,确定大数据中商业软件个人信息分组策略。根据分数阶傅里叶变换对分组后数据项嵌入水印,确定个人信息中嵌入水印的频谱,并通过设计水印提取方法,实现数据恢复,完成大数据中商业软件个人信息安全认证。实验结果表明,所提方法能够提高个人信息安全认证速度,减少信息安全认证对网速的影响,且认证的准确度较高。
针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题,提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值,将频谱分配变量映射为萤火虫位置信息,并将车载网络的吞吐量转化为萤火虫的亮度值,采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明,基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快,且种群的平均收益值高于遗传算法和布谷鸟算法。
为实现在行人严重遮挡时人流量的精确统计,研究一种基于人流量检测的改进CN算法。结合背景差分与三帧差分提取运动目标前景;通过梯度方向直方图与支持向量机判断头肩特征;在Kalman滤波器预测下一帧图像中目标位置的周围选取检测窗口,利用融合HOG与CN(颜色名)特征的改进CN算法实现目标跟踪;以感兴趣区域计数线为准,结合目标运动轨迹实现人流量统计。实验结果表明,该算法在有行人严重XY的情况下具有较高的检测效率。
在自然用注意制可准确aESIM#将词意力层以及自适应方向权重层添加到ESIM前提与假设文本之间局部词与句子表示,同果表明,与ESIM、HBMP、SSE等模型相比,aESIM模型的准确率能够提升0.5%~1%#;ESIM
浮点数位宽的深度神经网络需要大量的运算资源,这导致大型深度神经网络难以在低算力场景(如边缘计算)上部署。为解决这一问题,提出一种即插即用的神经网络量化方法,以压缩大型神经网络的运算成本,并保持卷积将输入特征图的高频和低频成分进行分离;其次,分别对高低频分模型性能指标不显著下降。首先,基于量应用不同位宽的卷积核进行卷积运算;第三,使用不同位宽的激活函数将高低频卷积结果量化至相应位宽;最后,数据集混合不同精度的特征图来获得该层卷积结果。实验结果证实了所提方法压缩模型的有效性,在数据集上,使用该方法将上,将模型压缩至位宽时,该方法可保持准确率指标的下降小于个百分点;在CIFAR10/100Octave-3ImageNet1+8模型压缩至ResNet501+4位宽时,其正确率指标仍高于。70%
程序自动修复技术能够有效地降低软件维护成本,是近年来学术研究的热点问题.待修复程序规约的刻画,对自动修复过程具有至关重要的作用.从规约的角度对程序自动修复问题和技术进行了分析梳理.从待修复程序是否具有完整的程序规约,将现有修复问题分为不完全规约、完全规约和半完全规约这3大类待修复问题.以3类抽象问题为线索,梳理了不同前提假设下修复技术面临的核心问题、问题之间的联系和技术体系中的逻辑关系.分析了不完全规约程序修复问题中高精度补丁生成、规约补全和补丁择优等问题,梳理了完全规约程序修复问题中内存泄漏、资源泄露、并发错误中的数据竞争、原子性违背、顺序违背和死锁,配置错误以及特定性能错误等具体问题及研究进展,整理了半完全规约程序修复问题中多种形式的修复具体问题及研究进展.最后分析了程序自动修复面临的机遇和挑战.
为了使异构区块链间的信息得以交互,实现区块链的互操作性,提出了一种通用的链间消息传输协议IBTP,并基于该协议和侧链中继策略实现了同时支持同构及异构区块链间交易的跨链技术示范平台BitXHub,其允许异构的资产交换、信息互通及服务互补。BitXHub平台由中继链、应用链以及跨链网关(Pier)3种角色构成,具有通用跨链传输协议、异构交易验证引擎、多层级路由三大核心功能特性,保证了跨链交易的安全性、灵活性与可靠性。相较于Polkadot与Cosmos,BitXHub为同构和异构应用链提供了统一的跨链合约模板,中继链含有可动态升级的验证引擎,因此具备良好的异构区块链兼容性;BitXHub基于自组网的跨链网关实现了高可扩展性,且跨链网关能够无状态转发跨链消息。实验证明,BitXHub保证了异构区块链间的异步分布式事务,实现了高吞吐、低延迟、高可扩展性、低开销的高性能。
基于智能手机传感器的人体活动识别是普适计算领域的研究热点.为扩展可识别的活动种类,并提高准确率和实时性,提出了由智能手环和智能手机组建无线体域网通过深度神经网络在线识别人体活动的方法.首先,设计由智能手环和智能手机组成的无线体域网的总体框架;然后,对预处理后的传感信号,构造带有Inception结构的卷积神经网络和长短时记忆递归神经网络来分别提取时空域特征,并结合两类网络结构来融合多模态传感数据,离线进行神经网络模型训练;最后,对训练好的神经网络模型进行优化,并部署到智能手机上,在线实时识别人体活动.实验结果表明,本文方法无需手工设计特征,可自动融合各类异构传感数据,更加准确、高效地识别了更多种类的活动.关键词:人体活动识别深度神经网络
首先验证了可以按照失效评定图对非典型含裂纹结构进行安全性评估;然后利用两种方法计算失效评定图横轴参数,第一种方法横轴参数基于结构承受载荷与塑性极限载荷之比,第二种方法横轴参数基于热点应力与屈服强度之比。对比两种方法计算的临界载荷,发现第二种方法计算结果更加保守,与第一种方法相对误差小于21%。引入修正公式后第二种方法与第一种方法计算结果相对误差小于0.5%。得出该结构失效评定图横轴参数可基于热点应力与屈服强度之比。