计算机
Openstack作为开源云平台的行业标准,在身份认证方面主要通过Keystone组件来实现。Keystone作为Openstack认证授权的中枢组件,极易成为性能上的瓶颈,负载过高时会导致云平台无法正常工作。针对Openstack认证系统的效率及能耗问题,提出一种自适应Openstack认证系统负载均衡策略。该策略设计自适应管理框架及自适应策略触发阈值,通过改进朴素贝叶斯算法对节点负载状况进行分类;通过信息熵算法确定各特征值指标的权重,从任务的分发和迁移两个方面对资源进行合理的调度,从而实现负载均衡。通过云仿真平台Cloudsim来验证策略的可行性和有效性,实验结果表明该策略在任务量较大时能使得负载分布更加均衡。
针对滚动轴承故障特征提取和分类需要进行有监督训练才能实现等问题,提出了一种基于奇异值分解(SVD)和时域统计特征分析并结合堆栈稀疏自编码器(SAE)以及Softmax分类器实现滚动轴承故障诊断方法。该方法利用Hankle矩阵对原始数据进行矩阵重构,利用奇异值分解和时域分析对重构后的故障信号进行特征预提取,融合两种特征并输入到堆栈稀疏自编码器中进行特征优化,将优化后的特征输入到Softmax分类器中进行分类识别。实验结果表明,3种工况下10类故障数据的识别准确率均在96%左右,且高于文中其他方法,因此该方法能有效地进行滚动轴承复杂信号的特征预处理以及分类。
在使用人脸检测识别的广告推荐场景中目标用户是正在注视广告屏幕的用户,因此在做广告推荐时需要在检测人脸的同时检测两只眼睛,确保检测抓取的人脸是正对广告设备的人脸现有的人脸检测加人脸姿态评估算法对硬件资源消耗过大,在低成本硬件上无法保证业务的运行效果,所以该文首先对主流检测器进行全面的比较分析,然后提出了一算法的人脸和双眼协同检测器,可以同时检测人脸和眼睛,并根据人脸和眼睛的位置判断它们是否属种基于优化后该方法增加了人脸和眼睛的位置信息,增加了特征图的大小,并增加了三个卷积层,以获得小目标的低于广告推荐对象同时,该方法在实验比较和真实场景试验中均显示出良好的层特征效果
传统的基于面向过程式语言的雷达仿真系统存在功能耦合严重运行速度慢开发难度大的问题,C++语言面向对象编程的特性和软件工程中组件复用的思想,设计了一种基于将雷达系统各个组成部分包括资源调度发射机天线回波生成接收机、然后根据雷达系统工作顺序将各个组件集成在一起、、、、实现了一个包含雷达参数设置,,。为了降低雷达仿真C++语言信号处理和数据处理场景设航、,仿真实验结果表明组件化雷达仿真系统运行正确目标探测误差符合要求,促进了现代雷达仿真的快速应用,。利用,提高程序复用性系统的开发难度的雷达系统建模与仿真方法抽象成单个功能组件分别进行开发置迹显示正常,、数据存储和显控终端的完整的雷达仿真系统。并且具有较好的程序复用性和扩展性,,,
针对当前云环境下用户跨域控制方案不能满足不同密码体系之间的相互跨域访问的需求,借鉴PKI认证体系的思想构造了一种基于混合密码体系的跨域控制方案。该方案以PKI认证体系为不同密码体系安全域的管理框架,以CA(certificateauthority)为不同安全域用户的公共跨域认证中心,对不同安全域的用户进行认证,并根据验证结果为其分配公共跨域身份和身份控制标签。它不仅实现了对不同密码体系之间的相互访问,并且根据签发的身份控制标签完成用户的实时控制,一旦发现恶意用户便撤销用户公共跨域身份,并对恶意用户的实名身份进行标注。分析结果表明,新方案在满足正确性、不可伪造性、高安全性的同时可以抵抗重放攻击、替换攻击和中间人攻击,并且降低了计算开销。
针对文档集里的文本长度长短不一和特征提取困难等问题,提出一种基于LDA和深度学习的文本分类方法。结合LDA主题模型和Word2Vec词向量模型完成对文本词向量矩阵的构建,由结合融合层的卷积神经网络对构建好的词向量矩阵获取联合特征,将获取的特征送到softmax分类器得到分类结果。该方法在文本情感分类上进行实验,实验结果表明,该方法解决了文档集里的文本长度长短不一和特征提取困难等问题,在模型评价指标上都得到了提高。
无摘要
针对目前煤炭列车外运产线中装煤系统存在的依靠操作人员经验进行装煤动作,效率较低且容易造成煤炭分布不均,不利于后续平煤工作的问题,提出一种基于机器视觉技术辅助控制装填煤炭的定量装煤系统。通过安置在装煤巷道内的机器视觉系统对车厢内煤炭堆落情况进行图像采集,由工控机上的图像处理程序对图像进行分析和处理,得到煤堆轮廓、峰值、车厢边沿线等信息,并结合轨道衡上的车厢重量信息,实现对装煤过程的自动化控制,使得完成装填煤炭之后的车厢内煤炭堆落均匀分布,方便之后完成平车以及煤炭外运工作。实验结果表明单张图像,定量装煤量满足企业标准。该系统能够及时处理时间约完成计算响应,安全有效完成煤炭外运中的装填任务,以较低的改造成本实现定量装煤的自动化。,满足及时性需求,整体系统耗时约比人工缩短160ms40%
针对双流法进行视频动作识别时忽略特征通道间的相互联系、特征存在大量冗余的时空信息等问题,提出一种基于双流时空注意力机制的端到端的动作识别模型T⁃STAM,实现了对视频关键时空信息的充分利用。首先,将通道注意力机制引入到双流基础网络中,通过对特征通道间的依赖关系进行建模来校准通道信息,提高特征的表达能力。其次,提出一种基于CNN的时间注意力模型,使用较少的参数学习每帧的注意力得分,重点关注运动幅度明显的帧。同时提出一种多空间注意力模型,从不同角度计算每帧中各个位置的注意力得分,提取多个运动显著区域,并且对时空特征进行融合进一步增强视频的特征表示。最后,将融合后的特征输入到分类网络,按不同权重融合两流输出得到动作识别结果。在数据集HMDB51和UCF101上的实验结果表明T⁃STAM能有效地识别视频中的动作。
海洋声场环境的时变空变特性、水声目标发声机理的多源性以及其他噪声源的干扰, 给水声目标的检测和识别带来很多困难. 常规的目标识别手段主要是基于音频时频域特征分析, 在复杂海洋环境下的难以获取有效的表征特征及鲁棒的识别效果. 为了解决这些问题, 本文提出了基于迁移学习的水声目标识别, 分别利用预训练网络VGG和VGGish提取深层声学特征及模型微调, 实现水声目标的分类识别. 实验表明, 本文提出的识别算法有效提升了识别准确率, 减少了训练时间, 基于微调的迁移学习算法在水声目标识别上平均准确率为92.48%, 取得了当前最好的识别结果.
考生在填报高考志愿时, 针对复杂繁多的各类高校信息数据, 传统的搜索引擎无法根据考生需要的实际信息和搜索结果进行匹配, 考生还需要额外消耗一定精力去筛选数据, 这无疑增加了考生的时间成本. 为此本文提出了基于高考领域知识图谱, 使用中文分词模型和朴素贝叶斯分类算法, 设计并开发了针对高考学业规划的智能问答系统. 与传统的搜索引擎不同的是, 基于人工智能的问答系统能够对考生所关注的问题和搜索结果进行精确匹配,减少考生重复搜索和筛选数据的次数. 测试结果表明, 本系统可以对高考学业规划中所涉及的大多数问题进行相对准确的针对性回答.
针对现有云外包隐私保护k-means聚类方案存在的效率不高,以及当云服务器不可信或遭受黑客攻击时返回不合理聚类结果的问题,提出了一种可应用于多方隐私保护场景的云外包可验证隐私保护k-聚类方案。首先,提出了一种适用于云外包场景的改进的聚类初始化方法,从而有效提高算法的迭代效率;然后,利用乘法三元组技术来设计安全欧几里得距离的计算,并利用混淆电路技术来设计安全计算最小值算法;最后,提出了一种验证算法,使用户仅需一轮通信就实现对聚类结果的验证,并且数据外包后算法的训练完全在云上进行,能够有效减少用户means和云的交互。仿真实验表明,所提方案在数据集,说明隐私保护下的k-
为优化网络功能虚拟化中服务功能链的设计和映射过程,提高物理资源利用率,提出一种基于虚拟网络功能(VNF)组合的服务功能链设计及映射算法A-VNFC。使用整数线性规划(ILP)模型,在小规模物理网络中求出目标函数总带宽消耗(TBC)的最优解,寻找可组合的VNF,并利用VNF决策树检查所有组合策略,通过迭代和优化降低TBC。仿真结果表明,A-VNFC算法可在不同场景下有效降低带宽消耗,其TBC数值接近ILP模型获得的最小带宽消耗值。
目前轨迹分析的异常行为检测技术以检测位置信息为主,忽略了时空轨迹的轨迹有序性及运动特性,为此提出一种基于时间序列的多维特征聚类异常检测方法,提高广播式自动相关监视(ADS-B)数据异常检测技术的精确性,通过提取ADS-B数据中经度、纬度、速度、航向信息,利用Hausdorff距离计算轨迹数据的多特征相似度,结合层次聚类方法检测轨迹中的异常行为。实验结果表明,该方法能够有效提高飞行轨迹数据的异常行为检测的精确性。
传统和基于CNN的脱机手写汉字识别模型多数是为了追求更高准确率,未重视模型体积大小,模型中存在大量冗余参数,模型训练周期长并且很难在资源有限的平台上运行.针对这些问题,本文提出改进的SqueezeNet模型,保留了用小卷积核替代大卷积核的策略,采用层间的特征融合算法和L2范数约束的Softmax分类函数;然后再对参数裁剪进一步压缩,避免裁剪掉重要参数而损失过多准确率,采用动态网络手术算法来保证将误删重要参数重新拼接.并将改进后的模型与其它模型在测试集ICDAR-2013下进行对比,本文模型参数变少、训练速度快并且可移植性强,模型大小为3.2MB,在测试集ICDAR-2013中其准确率达到96.03%,对输入图预处理后再训练所得模型准确率达到96.32%.关键词:SqueezeNet;动态手术网络;脱机手写汉字识别;深度学习;特征融合;L2-Softmax
随着电网系统软硬件建设的快速发展,大数据、人工智能和物联网技术在电网系统中得到广泛应用,泛在电力物联网技术正在快速发展,以分布式能源为基础的泛在微电网研究成为一个热门课题。针对泛在微电网中存在海量数据的集中管理困难、电网融合平台传输协议中缺乏安全认证以及数据完整性保护等安全问题,提出一个以数据为核心的安全泛在微电网智能管理平台,重点分析了平台中格式化数据封包的处理机制,并设计了一个基于数字签名的安全服务协议。最后,模拟用户申请窃漏电用户识别服务,实现了数据封包在整个平台中的统一处理和安全认证,可以有效解决海量数据管理以及数据完整性保护和可靠性认证问题,为大数据技术在泛在微电网的应用提供了技术支撑。
为满足导弹测试设备远程监控数据采集的需要,基于嵌入式技术设计了一种测试设备远程监控数据采集设备;它以嵌人式计算机为核心.作为整个测试设备远程实时运行监控管理系统前端信息采集处理设备.分布配置在各测试现场,用于获取测试现场相关信息,并上报到监控中心,是监控中心主要信息的来源;实验结果表明,该数据采集设备结构简便、功能强大、运行稳定,易于扩展,能够完成导弹测试设备远程监控数据采集功能。
提出一种基于生成式对抗网络的裂缝图像修复方法。在修复过程中,对障碍物所在位置进行信息擦除获得待修复图像。使用生成式对抗网络生成相应的裂缝图像,为待修复图像和生成图像分别覆盖距离加权掩膜,并计算获得修复块。对修复块与待修复图像的拼接图像进行优化获得最终修复结果。实验结果表明,该方法可对裂缝图像进行了准确修复。与传统的修复方法相比,使用该方法修复后的裂缝图像较之前方法峰值信噪比提升了0.6~0.9dB
针对电力无线专网中强干扰、高故障风险等场景下保障终端通信的问题,提出了一种面向安全风险的高能效分布式资源分配方法。首先,分析基站的能耗组成,建立系统能效最大化的资源分配模型;然后,采用K-算法对网络中的基站进行分簇,从而将整个网络划分成多个独立区域,并在各个簇内单独处理高风险基站;其次,在每个簇内,基于基站的风险值对高风险基站进行休眠,并把高风险基站下的用户转移连接到同一簇内的其他基站;最后,在各个簇内进一步优化正常工作基站的传输功率。理论分析和仿真实验结果表明,基站分簇操作大幅降低了基0.1954Mb/J站休眠和功率优化分配的复杂度,并且在关闭了高风险基站之后,整体网络的能效从提升至0.1589Mb/J。所提的分布式资源分配方法能够有效提高系统的能量效率。A文献标志码:HUANGXiuli1
口语语言理解(SLU)中的槽填充和意图识别任务通常是分别进行建模,忽略了任务之间的关联性。基于深度学习优势提出一种BLSTM-CNN-CRF学习框架,为槽填充和意图识别任务构建联合模型。双向长短期记忆网络(BLSTM)对全句的单词标签进行标注,卷积神经网络(CNN)用以提取全句的语义特征,条件随机场(CRF)通过解码单词标签与语义特征,获得全句的最佳序列标签。在航空旅行信息系统(ATIS)数据集上的实验表明,联合模型在不依赖于任何人工特征的情况下获得较高性能。