计算机
新型生态化能源系统,以电力能源为核心,结合云计算的智能平台,“两网”深度融合,安全系统构建是整个泛在电力物联网体系稳定运行的建设难点和重要保障之一,数据安全受到企业和用户的高度关注。本文主要从泛在电力物联网在云计算环境下信息安全所面临的问题出发,分析如何有效确保信息安全,更好地支持清洁能源的消化吸收,提升管理水平,实现公司产业价值,网络价值,社会价值。
无摘要
基于AR的虚实士兵对抗训练,可以很好地解决当前军事训练人员调动繁琐、前期准备工作量大、成本高以及不够灵活等问题。为了提高AR对抗训练的实用性,针对AR环境中虚实士兵相互感知的问题,基于高层体系结构(HLA),提出了一种面向AR虚实士兵对抗训练系统的分布式感知技术。首先基于HLA设计虚实融合的联邦体系架构,通过MEMs惯性传感器获取的真实士兵动作捕捉数据实时驱动虚拟化身运动,利用发布订阅机制实现虚实士兵状态和行为信息的实时更新和相互感知。最后,设计一个原型系统用以验证上述方法的可行性。实验结果表明,分布式感知技术能够很好地解决AR对抗训练系统中虚实士兵相互感知问题。
无摘要
为了提高并行算法计算量,设计了基于并行算法的大数阶乘运算方法,可以在有限的硬件资源条件下根据不同的问题规模为计算过程分配合适的存储空间,并且可以发挥FPGA所具备的并行处理功能,对多核处理器的并行处理过程进行模拟分析。VHDL通过并行语句的模式来构建Ala语句,各权重单元都实施阶乘运算,当权重单元发生溢出的情况时再迭代更新。利用此算法开发得到了可以实现多种功能的阶乘计算器上位机,显著提升了时空效率,有效满足了大数阶乘运算的需求。与现有阶乘算法相比,算法所需的用时最短。在各复杂度下本文算法都相对于传统算法实现了效率的明显提升。
无摘要
使用基本遗传算法进行移动机器人路径规划时,面临路径进行插入修复无法保证解的可行性,且算法易陷入局部收敛的问题;针对上述问题,通过使用元胞遗传算法增强了路径规划环境建模的通用性,并在算法适应度函数中加入路径平滑因素改善了元胞遗传算法的路径;仿真实验表明,该算法和基本遗传算法相比,机器人行驶路径的长度减少,转角绝对值之和减小,得到了距离短且平滑的路径,提高了移动机器人的行驶效率和平稳性;由于算法良好的隐性迁移机制,因此在局部优化时保持了群体的多样性,一定程度克服了算法的早熟现象,有效解决了移动机器人路径规划问题。
无摘要
为了检测室内3D场景中的门窗信息,提出一种3D.2D.3D的门窗检测算法.首先在3D室内场景点云模型中多角度旋转拍照,获取点云的2D图像;然后对2D图像进行门窗目标的粗检测,得到门窗在图像中的大致范围,并将此2D信息返回到3D点云数据中,得到包含门窗的局部点云数据;最后提取局部点云数据的轮廓线及其交点,通过优化得到门窗特征角点的位置信息.实验结果表明,采用这种“整体一局部”策略的算法能有效地检测出3D室内场景中门窗的位置信息,
在宏观经济指标评价中,常因指标的相关程度不同导致在时间序列中动态传导预测误差较大,而使指标评价的可靠性不足。因此,为实现宏观经济指标可靠性评价并提高其评价准确性,引入层次分析法构建宏观经济指标可靠性评价模型。结合市场因素和货币因素,寻优控制宏观经济指标可靠性分析结果,采用面板数据融合大数据信息,通过关联规则谱分析方法实行宏观经济指标的可靠性融合和决策,建立宏观经济指标可靠性评价的模糊决策函数,根据层次分析方法进一步分析宏观经济指标可靠性决策和层次化决策,最终实现宏观经济指标的可靠性评价。实验结果表明,分析宏观经济指标评价的结果可靠性较好,准确性较高,能为宏观经济指标决策和预测提供一定的参考。
无摘要
无摘要
建立了供电所建设的评价指标集,采用粗糙集方法对指标集进行约减。分别采用层次分析法和熵权法计算供电所指标权重,然后采用组合求权的方法计算每个指标的权重。采用灰色关联的方法对供电所的指标进行关联性分析,最后得到供电所的评价结果。仿真结果验证了本文所提方法能够准确评价供电所建设情况。
无摘要
针对目前输电线路中防震锤部件识别精确率低,缺陷无法诊断,未充分利用其空间上下文信息的问题,提出结合Deep-LabV3+语义分割网络与防震锤的空间上下文关系对其进行识别与缺陷诊断;利用图像分块和数据集预处理提高DeepLabV3+网络分割精度,将防震锤与其周围部件分割出来后,建立其空间上下文关系缩小防震锤的识别范围,提高其识别精确率;实验结果表明,图像分块与预处理能够将DeepLabV3+网络的分割精度提升到93.4%以上,DeepLabV3+网络可以有效的识别正常防震锤与缺陷防震锤,识别召回率可以达到87%以上,建立防震锤与周围部件的空间上下文关系能够提高其识别精确率到90%以上。关键词:防震锤;语义分割;空间上下文关系;DeepLabV3+;图像分块ShockHammerRecognitionBasedonSemant
无摘要
无摘要
无摘要
为了解决不均衡数据集的分类问题和一般的代价敏感学习算法无法扩展到多分类情况的问题,提出了一种基于K最近邻(KNN)样本平均距离的代价敏感算法的集成方法。首先,根据最大化最小间隔的思想提出一种降低决策边界样本密度的重采样方法;接着,采用每类样本的平均距离作为分类结果的判断依据,并提出一种符合贝叶斯决策理论的学习算法,使得改进后的算法具备代价敏感性;最后,对改进后的代价敏感算法按K值进行集成,以代价最小为原则,调整各基学习器的权重,得到一个以总体误分代价最低为目标的代价敏感AdaBoost算法。实验结果表明,与传统的KNN算法相比,改进后的算法在平均误分代价上下降了31.4个百分点,并且代价敏感性能更好。
移动网关作为不同终端的翻译器。需要时刻确保软件数据的安全与保密,但传统数据传输方法稳定性能较差,容易发生丢失。为解决上述问题.提出一种基于移动网关的软件机密数据防丢失传输方法。根据移动网关特点,分析软件机密数据传输过程,提出防丢失传输基本要求。其次使用混沌加密算法处理软件机密数据,并得出其密钥与哈希验证码,进一步加强用户隐私信息安全性,利用同态融合算法得到二者密钥,传输到接收节点中,完成软件机密数据的防丢失传输。仿真结果表明。上述方法自适应性强,具有较高的稳定性和可靠性,传输数据完整准确,能有效的防止机密数据丢失,可广泛的应用于现实移动网关中。