计算机
随着互联网的飞速发展,网络日志数据呈现爆炸式增长,网络日志蕴含着丰富的网络安全信息。通过对网络日志进行分析,提出了基于访问行为和网络关系的攻击IP识别模型和基于滑动时间窗口的IP真人属性判定模型。基于Storm实时流式计算框架,对所提模型进行算法实现,以构建分布式网络日志实时计算与分析平台,并对实现过程中遇到的技术问题给出了解决方案。通过真实数据对所构建的模型进行分析计算,结果表明,所构建的攻击IP识别模型的标注准确率达到98%,IP真人属性判定模型的标注准确率达到96%;构建的分布式网络日志实时计算与分析平台能够有效、实时地监控网络安全,并及时识别网络中存在的安全隐患。
针对移动机器人室内自主导航中环境检测、动态目标定位跟踪和路径规划,设计了“双目+单目”多信息融合的视觉系统。提出一种自适应环境、融合色彩饱和度信息的单尺度Retinex室内阴影消除算法,以有效提取障碍物信息及可行路面区域。研究了一种特征点辅助的时空上下文目标跟踪算法,运用目标特征点进行目标粗定位;引入特征点变化率信息,自动调节时空上下文模型更新,以有效提高复杂环境下动态目标定位的准确性。改进了传统速度向量场吸引速度、排斥速度和切向速度函数,解决了路径规划中机器人轨迹抖动、目标点附近震荡和目标处于障碍物排斥场不可到达等问题。移动机器人室内环境下自主导航实验实现了障碍物、机器人和目标特征提取及其实时定位,移动机器人以最短的避碰路径完成动态目标的有效跟踪。
针对航班多航段运行的实际过程中,由于人为因素、设备故障等原因导致OOOI报文异常的情况,提出一种基于知识辅助和OOOI报文的飞机航段识别方法。该方法借助专家系统的设计思路,选定报文的关键参数作为航段推理的事实依据,以机载燃油油量、预计到达时间和位置报等作为辅助知识,利用规则表示法整理了一套基于知识辅助和OOOI报文的航段识别逻辑及知识库。以真实报文为例,分析报文漏发的情况并进行航段识别。结果表明,利用航段改变、航段不变、报文无效和航段撤销等判别结果,该系统可有效地实现飞机航段识别。
提出一种考虑虚警概率和漏检概率指标的低复杂度线性扫频干扰检测算法,并对算法性能进行了理论分析,为实际通信系统判断受扰情况提供依据;提出一种基于Q学习的抗扫频干扰算法,可在无线通信系统遭遇扫频干扰时,自主选择最佳通信信道和最长驻留时间。仿真结果表明所提检测算法可有效检测出线性扫频干扰信号,以较低复杂度得到与理论分析结果相近的检测性能。所提抗扫频干扰学习算法可在干扰环境中自主选择通信信道,高效规避扫频干扰,实现持续可靠的信息传输。
边缘检测是计算机视觉和图像处理中的基础和重要课题。论文的目的是介绍关于边缘检测的相关算子以及最新进展,将边缘检测算法按照传统方法、基于统计学习和基于卷积神经网络的方法进行分类,并详细阐述了各方法的原理。论文重点介绍了基于机器学习的边缘检测方法最新进展以及评估标准。最后,总结了视觉边缘检测取得的最新进展并指出未来需要深入研究的发展方向和趋势。
在工业中的测量和检测中经常会对已经获取的光斑图像提取其中的光斑区域,并且进行光斑中心点坐标的计算,根据得到的中心点的坐标来进行工业中所需要的检测。针对于镜片屈光度检测中采集的光斑图像具有图像背景区域亮度较弱,背景区域的面积也较大;同时光斑点区域的亮度较强,光斑点区域的面积相对较小的特点,提出一种比较适用于镜片屈光度检测中光斑图像的阈值的分割方法,以及使用了光斑轮廓提取的光斑点中心坐标的计算方法。和其他阈值分割的方法比较以后,所提出的方法对图像阈值的分割比较好,而且运行的时间也比较短。
无摘要
针对提取图表征用于图分类过程中的结构信息提取过程的问题,提出了一种图卷积神经网络与胶囊网络融合的图分类模型。首先,利用图卷积神经网络处理图中的节点信息,迭代以后得到节点表征,表征中蕴含着该节点的子树结构信息;然后,利用Weisfeiler-Lehman图核算法的思想对节点表征的多维度进行排序,得到多视角的图表征;最后,将多视角的图表征整理成胶囊的形式并输入胶囊网络,使用动态路由算法得到更高层次的分类胶囊,进而进行分类。实验结果表明,所提模型在公共数据集上的分类准确度提升了1%~3%,同时具备更强的结构特征提取能力,在少样本情况下的表现比DGCNN更加稳定。
为了解决半导体器件传统的测量需要人工用测量仪器反复测量引脚触点的问题,该文设计了一种高压大功率半导体器件的测量平台,通过气动的机械结构实现测量点的压接,再用单片机控制继电器来切换对各个点的参数测量,最后通过VB.NET编写的上位机软件进行参数的分析与判断。
为确保道路行车通畅,对道路两侧违章违停的车辆进行及时查处非常重要。针对现阶段车辆违章违停监管系统存在监控范围小、巡检效率低与实时性差等问题,研究实现了一种基于图像特征提取的无人机违章违停自主巡检系统。系统控制模块实现控制相机云台拍摄,并通过卫星定位模块区分禁停区域;无人机搭载的高清摄像头实时采集图像信息,并通过通信模块将采集的数据发送给检测分析主机,进而完成车辆目标识别、车牌识别以及远程通知车主的功能。实验结果表明,该系统能够准确、高效地检测出违章违停车辆,完成车牌定位和字符识别的任务,根据车牌信息匹配车主并远程通知,改变了需要派遣交警进行人工实地查处的传统处理方式,能够帮助交管部门显著提升工作效率。
通信信息并行传输效率是衡量移动通信网络系统性能的重要指标。为了提高移动网络信息通信速率,研究通信延迟对信息并行传输的影响。根据移动网络通信理论和IEEE802.11协议对移动网络信息并行通信过程进行分析,构建移动通信网络模型,得到串行延时、“数据包”的串行延时、路由延时、传播延时等参数,获取移动通信延迟与信息并行传输效率之间的约束关系,分析各个延迟参数对信息并行通信速率的影响。仿真结果表明,随着通信延迟的不断变化,信息并行传输速率也在发生变化,因此降低通信延迟能最大程度地提高信息并行传输速率。
对于智能变电站设备,目前测试人员仍是采用单一设备测试方法,并未统一到全站测试的高度。基于国内外研究现状,根据“三层两网”的变电站结构,以系统性完整测试为目标,以标准化作业指导书为蓝本,通过由一体化系统提供的专业调试工具,快速、准确地完成智能变电站一体化智能测试工作。研究表明:通过对继电保护测试仪的控制,可实现自动检验数字继电保护装置、自动生成测试报告的功能。该系统既能使测试工作更完善有效,同时也将大幅降低相关运维作业人员的工作强度,提高工作效率和工作质量。
针对电动汽车复合电源模糊能量管理,传统模糊控制依赖专家经验存在精度不高、自适应性弱等不足,设计了一种基于改进布谷鸟搜索算法(ICS)优化的模糊控制方法;在Matlab/Simulink平台上建立车载复合电源模糊控制器,采用ICS算法对模糊控制器中的隶属度函数参数进行优化,然后将其嵌入到Advisor软件中复合电源电动汽车模型进行仿真与分析;结果表明,与传统模糊控制相比较,该方法能更好发挥超级电容性能优势,减缓了电池输入、输出功率且整车能耗经济性得到提升。
多目标多因子优化(MO-MFO)问题作为一类新的优化问题近年来受到了众多关注,其特点是需要利用单个种群来同时优化多个多目标优化任务.针对该问题,提出一个基于分解策略的多目标多因子进化算法(MFEA/D).算法通过多组权重向量,将MO-MFO问题中的每个任务分解成一系列单目标优化子问题,并用单个种群同时优化.在种群进化过程中提出不同任务之间的信息交流策略,以充分挖掘不同任务之间的有用信息,进而加快每个任务的收敛速度.基于10个多目标多因子标准测试问题的实验结果表明,所提出的不同任务之间的信息交流策略能够加快问题的求解速度,使得MFEA/D算法显著优于当前的MO-MFEA算法.
云计算为解决海量数据问题提供了良好的途径,改变了传统以机为基础的生产模式,改变人们获取信息渠道。将云计算与电力网络结合起来,可以实现高速率、低成本储存和管理生成于云端的大量数据,也成为电力行业的研究重点。重点介绍了云数据基础上电力网络的存储、数据中心和网络的构建的问题。
以X市为例,针对超大城市的实际情况,基于大数据处理和分析方法,提出了基于“四标四实”数据建设疫情防控大数据库,并通过大数据技术辅助疫情防控的思路,建立了一套疫情态势实时感知、人员精准管控、企业精准帮扶的系统,对该系统中的数据建设状况和采用的关联规则挖掘算法、基于期望最大化概率聚类的感染预警机制和基于文本挖掘的非结构化数据利用策略等具体技术手段做了详细分析。该系统节约基层人力十余万小时、准确定位并跟踪到了重点人群上万人,为阻断疫情感染、提升企业复工复产率、减少经济损失起到了巨大作用,对各地通过大数据技术辅助疫情防控具有较大的借鉴意义。
以云班课平台为依托,将结构化研讨教学方式融入高职英语教学实践中,能整合信息平台的优势和研讨教学的长处,优化语言习得的效果。这种模式是“互联网+”环境下高职英语教学的一种创新,能够使教师和学生身份角色得到重构、使教学方式方法更多样、课堂内涵更丰富、教学绩效更优化,值得在高职英语教学中不断完善和推广。
在线核选择旨在给出在线核学习每回合的最优核,是在线核学习的基础性和关键性问题。在线核选择问题可归约为专家建议框架问题,其中专家集对应候选核集;每回合,根据专家的权重及专家的建议给出预测结果,并更新专家的权重。基于这一归约,在改进已有后悔界的同时,提出期望在线核选择的概念,并应用专家建议框架与度量任务系统的统一框架,给出期望在线核选择问题的后悔界和竞争比,并证明该竞争比在损失拓展情况下是稳定的。最后,给出结合在线核学习方法的竞争比。该项工作全面推广了在线核选择的概念,在统一框架下,不仅可以得到亚线性后悔界,同时也能得到较强的竞争比,为在线核选择研究开辟了新的途径。
针对传统基于角色的访问控制(Role-BasedAccessControl,RBAC)系统中的访问资源共享伸缩性有限、安全性不足及权限需预先设定分配等问题,为了提高权限控制的兼容性,细化访问控制粒度,本文提出一种基于信任的动态多级访问控制模型(Trust-BasedDynamicMulti-levelAccessControlModel,TBDMACM),通过用户的静态角色及动态信任度获得相应的权限授权,保证数据机密性和访问过程安全可控。实验结果表明,这种访问控制方式能够有效地防止恶意访问,较好地解决系统权限伸缩性问题。
针对目前服务型机器人在执行复杂服务任务时面临着较高的本地计算和存储压力的问题以及机器人服务的可拓展性较低的问题,提出一种基于架构的云机器人分布式服务框架。通过云机器人服务的分布式部署提高资源的利用率和服务质量,通过设计接口层,消除异构机器人之间底层差异。针对单一云机器人服务的局限性,提出一种多服务副本下服务查找和组合算法,实现云机器人集群服务覆盖网络下服务执行的负载均衡和弹性容错,提高云机器人集群的稳3.SOASOA定性和服务的吞吐量。通过仿真对比实验,验证了该算法的有效性。