计算机
采用证书授权中心统一管理密钥和身份认证服务策略的提出解决了无线分布式网络中不以实现认证密钥集中管理的难题,但给网络认证密钥安全带来了安全隐患,研究提出了基于攻击图节点概率的无线分布式网络认证密钥安全度量方法。方法在构建无线分布式网络攻击图模型基础上,将无线分布式网络攻击图节点自身概率划分为原子攻击节点自身概率和状态节点自身概率两部分,采用CVSS基本评价计算无线分布式网络攻击图节点累积可达概率和所有原子攻击风险值,完成当前无线分布式网络安全状态评估。结合无线分布式网络服务器节点失误行为发生的特点,计算无线分布式网络认证密钥安全强度。通过搭建仿真测试平台,检验了无线分布式网络服务器节点认证密钥分量更新周期和门限值对认证密钥安全强度的影响。
利用单尺度特征映射进行多尺度行人检测存在准确率和效率较低的问题。为此,提出一种基于多分辨率滤波通道的多尺度检测方法。应用尺度感知池增强感受域对应性,通过软决策树实现尺度不变性,在使用滑动窗口分类策略时,结合地平面约束和稀疏网格来降低计算成本,加快行人检测速度。在Caltech数据集上的实验结果表明,该方法的检测准确率达88.89%,检测速度达15.68frame/s,其检测准确率优于VJ、WordChannels等方法。
图像风格迁移是计算机视觉领域的一个热点研究方向。随着深度学习的兴起,图像风格迁移领域得到了突破性的发展。为了推进图像风格迁移领域的发展,对基于深度学习的图像风格迁移的现有研究方法进行综述。对基于深度学习的图像风格迁移方法进行分类和梳理,并对比分析基于卷积神经网络和基于生成对抗网络的风格迁移方法,介绍了图像风格迁移的改进性和拓展性工作,讨论了图像风格迁移领域目前面临的挑战和未来的研究方向。
无摘要
无摘要
利用网络嵌入模型可以将节点信息表示为低维稠密的向量空间,来支持基于图的分类、聚类、链路预测和社区发现等任务。然而,现有的网络嵌入模型大多只考虑节点拓扑结构,缺乏有针对性地为特定任务提供有效的嵌入表示。为此,提出了一种以社区发现为导向的网络嵌入模型(),将节点属性特征、拓扑特征与社区特征充分结合,基于非负矩阵分解来获取节点的向量表示,同时体现了网络的局部特征与全局特征。此外,提出了一种基于的两阶段社区发现算法:第一阶段为合并社区,基于模块度增量最大化标准确定待合并社区;第二阶段基于待合并社区重新构建网络。通过两个阶段的交替迭代执行,来提高社区发现的准确性。在真实数据集上设计实验,结果表明所提出的关键技术的可行性和有效性。CommunityDetection-orientedNetworkEmbeddingCDNECDNE,
为提高公交专用车道识别的实时性和鲁棒性,结合深度学习技术和图像处理,设计并实现了一种基于全卷积神经网络的公交专用道识别算法。该方法将道路图像输入全卷积网络模型,经过模型的不断训练与优化,最后通过反卷积层输出标记的当前车道区域。与识别车道标线相比,识别车道区域能够有效降低环境因素的影响,例如当地面有其他线条干扰,或在没有车道标线或者标线不明显时,还可以根据周边景物辅助判断车道区域。与传统的车道线识别算法相比,该算法能更准确地检测出公交专用车道区域。目前已在实际项目中应用取得了良好的效果。
不同类型的树叶有不同的形状特征,依据叶片的这些特征可以简单而有效地区分不同种类的叶片。该文在Matlab平台上从二值化的树叶图片中提取了13维特征指标,包括长宽比、矩形度、圆形度等,依据这些特征指标,使用概率神经网络(PNN)在83种树叶的数据集上进行实验,识别结果的平均准确率约为86.3%,使用集成学习(Bagging)对分类算法进行改进,使用PNN作为弱分类器,将多个PNN分类器的投票结果作为最终分类结果输出,相比于传统的PNN算法,该文使用的Bagging-PNN算法对于叶片识别准确率提高到了90.3%。
无摘要
针对现有图像显著性检测算法中显著目标检测不完整和显著目标内部不均匀的问题排序的图像显著性检测算法.该算法以超像素为节点构造KNN图Knearestneighborgraph(,本文提出了一种基于多图流形)模型和K正则图Kreg(ular)模型分别在两种图模型上利用流形排序算法计算超像素节点的显著性值,并将每个图模型中超像素节点的显著值加graph权融合得到最终的显著图.在公开的MSRA-10K、SED2和ECSSD三个数据集上,将本文提出的算法与当前流行的14种算法进行对比,实验结果显示本文算法能够完整地检测出显著
为了提高RFID相关产品测试的速度与准确性以及使RFID产品满足各种测试标准,该文设计了一种基于RFID技术的多标准自动化测试系统。该测试系统结合自动化测试流程管理软件TestStand进行研发设计,实现了自动化在线检测功能和报表生成,从而达到高效测试、准确测试的目的;并且还融合了先进的模块化仪器和软件无线电技术,具有软件自定义的特点,支持各种国际标准、国家标准、以及自定义标准,从而满足不同RFID产品的不同标准测试。经过长期测试表明,RFID多标准的自动化测试系统不仅提高了产品测试效率,多标准的测试系统不用为不同产品、不同测试标准而开发不同的测试系统,从而还为客户大大节约了开发成本。
针对空空导弹制导半实物仿真无法直观模拟载机携带导弹从发射到击中目标的动态过程和仿真数据缺乏直观表现手段等问题。提出建立制导半实物仿真可视化的方法。采用光纤反射内存网络集成的方式,将可视化与制导半实物仿真系统联合进行数据交互;利用制导半实物平台仿真机的实时解算输出来驱动仿真渲染的帧频刷新;程序多线程设计解决了软件架构、实时性优化、碰撞检测、特效生成和导航路径轨迹动态管理等关键技术,实现了多通道多角度观测、多目标选择、实时跟随以及场景回放等功能。仿真结果表明,视景可以在内场高效精确的模拟靶试战场环境和导弹的作战性能,为空空导弹制导系统半实物仿真提供直观、形象的结果判读方法,在评估导弹性能等方面具有积极的意义。
为了提高无参考图像质量评价方法与人眼视觉感知的一致性,论文提出了一种利用待评价图像的清晰度、色度和纹理特征的无参考彩色图像质量评价方法。首先,对待评价图像进行梯度特征以及多尺度能量提取操作得到图像清晰颜色空间下红绿和蓝黄分量的自然场景统计特征来增强度;然后,进行统一化模式颜色失真的描述,并利用非对称广义高斯模型获得统计参数特征。最后,运用数据种失真类型验证了论文提出的无参考图像质量评价模型的性能。结果表明,论文提出的方法与人眼主观感知具有库中的较好的一致性,并具有复杂度低等优点。直方图特征提取,另外,还采用了建立图像质量评价模型。利用LIVESVRlαβ5LBP
从目前航站楼值机系统普遍开设自助行李托运柜台的实际运行情况出发,进行柜台优化配置研究,对提高值机系统服务水平至关重要。基于排队论M/M/1模型,以旅客值机排队等待时间为目标函数,构建双排队系统模型,对南京禄口国际机场T2航站楼D岛值机柜台开放数量进行具体配置。通过配置,得到全天不同时间段人工及自助行李托运柜台最优开放数量;同时,分析了旅客节约的值机排队等待时间,表明采用双排队系统后,全天总计节约的旅客时间成本为379.151h。研究将值机柜台排队服务系统视为双排队系统,符合实际运行情况,对机场提升管理水平和柜台布局优化有一定的实用价值。
针对Word2vec等静态词向量模型对于每个词只有唯一的词向量表示,无法学习在不同上下文中的词汇多义性问题,提出一种基于动态词向量和注意力机制的文本情感分类方法。在大型语料库上利用深度双向语言模型预训练通用词向量;在情感分类任务的训练语料上对向量模型进行微调,得到最终的上下文相关的动态词向量作为输入特征;搭建双向长短期记忆网络模型,并引入注意力机制以提高特征提取的准确性。实验结果表明,该方法在IMDB和Yelp13数据集上的分类准确率分别提高了0.017和0.011。
电梯安全监测系统应用中, 对于电梯乘客识别往往采用红外传感技术或是传统人脸检测算法如Haar-like、HOG实现, 但应用效果并非很理想. 近年来随着深度学习的发展, 基于卷积神经网络的人脸检测算法在精度上高于传统人脸检测算法, 被多个领域应用. 基于多任务级联卷积神经人脸检测算法模型小、运算快的特点而将其应用到电梯安全监测系统中的电梯乘客识别, 通过引入Inception模块思想, 利用不同大小卷积核并行操作增加各级网络的深度和宽度, 提升网络特征提取能力, 结合Batch Normalization算法提高模型训练速度和网络的分类能力. 实验结果表明, 改进后算法的精度比原算法提升了2%, 实现高准确率的电梯乘客识别.
无摘要
细胞分类是宫颈癌计算机辅助诊断研究和应用的关键技术.针对通用深度学习分类算法在细胞分类中缺少领域知识指导这一局限性,提出一种基于数据驱动和宫颈细胞领域知识的多流卷积神经网络分类算法.文中算法以细胞和细胞核图像为输入,通过卷积神经网络提取图像特征,并根据宫颈细胞标准分级系统中领域知识提取人工设计特征,最后将上述2种特征进行拼接,并经过全连接层融合,构建适用于细胞分类的多流卷积神经网络.实验结果表明,文中算法在仅使用Alexnet作为基础网络的情况下,在Herlev宫颈细胞图像数据集上的正常与异常细胞的分类准确率达到99%,取得了该数据库上目前最好的分类结果;在Ideepwise数据集上,按照细胞学诊断报告的分级准确率为85%,相比单流网络提升3%.
为了提高大学生思想政治教学的教学质量和激发大学生学习热情和动力,从基本素质、教学态度、教学方法、教学能力和教学效果5个方面构建出大学生思想政治教学质量评价指标,然后通过专家打分的方式获取每个评价指标的得分和最终得分。之后将各评价指标的得分作为CS-ELM的输入,最终得分作为CS-ELM的输出,建立CS-ELM的大学生思想政治教学质量评价模型。研究结果表明,与GA-ELM、PSO-ELM和ELM相比,CS-ELM可以有效提高大学生思想政治教育质量评价的精度,为大学生思想政治教育质量评价提供了新的方法。
通过预加荷载给混凝土试件内部引入一定程度的损伤,分别测量了损伤前后试件内部弹性波的传播速度以及抗压强度,探讨了弹性波波速的降低程度与抗压强度劣化之间的关系。研究表明:在MEM卓越周期图中,主要峰值数量增加和底部边界面反射信号周期加长可作为判别损伤产生的依据;弹性波波速与混凝土内部的损伤程度具有很好的相关性,混凝土损伤程度越大,波速降低值越大;弹性波波速降低程度与抗压强度劣化之间具有线性相关性。根据试验数据拟合出了线性方程。说明采用冲击回波法对混凝土内部损伤程度检测是可行的,在混凝土结构的可靠性与安全性分析方面具有广阔的应用前景。