久久精品人人槡人妻人人玩AV,国产xxxxx在线观看,麻豆国产原创剧情片my

衛(wèi)星網(wǎng)絡(luò)負(fù)載均衡路由技術(shù)研究綜述[其他][其他]

發(fā)表于：4/15/2021

基于GRU神經(jīng)網(wǎng)絡(luò)的有毒氣體擴(kuò)散預(yù)測方法[其他][其他]

有毒氣體的擴(kuò)散預(yù)測在應(yīng)急響應(yīng)中起著重要作用?，F(xiàn)有的計(jì)算流體力學(xué)(CFD)方法存在計(jì)算耗時(shí)長等問題，無法快速進(jìn)行毒害氣體擴(kuò)散預(yù)測。提出了一種利用深度學(xué)習(xí)技術(shù)進(jìn)行有毒氣體擴(kuò)散預(yù)測的方法。根據(jù)有毒氣體擴(kuò)散原理，設(shè)計(jì)基于GRU的神經(jīng)網(wǎng)絡(luò)模型，實(shí)現(xiàn)快速、有效的氣體擴(kuò)散濃度的預(yù)測。將本文的方法在經(jīng)典的公開數(shù)據(jù)集草原牧場數(shù)據(jù)集上進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果表明本文方法可實(shí)現(xiàn)較高精度的氣體擴(kuò)散濃度的預(yù)測，并且優(yōu)于基于BP神經(jīng)網(wǎng)絡(luò)模型的方法。

發(fā)表于：4/15/2021

基于高階圖卷積網(wǎng)絡(luò)的城市空氣質(zhì)量推斷模型[其他][其他]

能否精確地預(yù)測城市區(qū)域空氣質(zhì)量分布，對于政府環(huán)境治理以及人們?nèi)粘ｎA(yù)防等方面，具有重要的意義。該問題面臨的挑戰(zhàn)是：一是不同區(qū)域的空氣質(zhì)量分布具有時(shí)空交互性；二是空氣質(zhì)量分布受到外部因素的影響。通用化卷積神經(jīng)網(wǎng)絡(luò)以處理任意圖結(jié)構(gòu)數(shù)據(jù)，成為近些年來研究的熱點(diǎn)之一，將城市空氣質(zhì)量預(yù)測問題可制定為時(shí)空圖預(yù)測問題。基于提出的高階圖卷積網(wǎng)絡(luò)，設(shè)計(jì)了一種有效的空氣質(zhì)量推斷模型。該模型可以捕獲空氣質(zhì)量分布的時(shí)空交互性和提取外部影響因素特征，從而精確預(yù)測空氣質(zhì)量分布。通過驗(yàn)證現(xiàn)實(shí)北京市空氣質(zhì)量數(shù)據(jù)，結(jié)果表明提出的模型遠(yuǎn)遠(yuǎn)優(yōu)于目前已知的通用方法。

發(fā)表于：4/15/2021

基于卷積LSTM的視頻中Deepfake檢測方法[其他][其他]

以Deepfake為代表的偽造人臉技術(shù)，使用少量的人臉數(shù)據(jù)就能將視頻中的人臉替換成為目標(biāo)人臉，從而達(dá)到偽造視頻的目的。此類技術(shù)的濫用將帶來惡劣的社會影響，需要使用檢測技術(shù)加以制裁。針對這一問題，已有若干檢測算法被提出。現(xiàn)有方法具有一定局限性，單幀檢測算法忽略了Deepfake動(dòng)態(tài)缺陷；當(dāng)數(shù)據(jù)存在缺陷時(shí)，模型可能會陷入“學(xué)會特定臉”的陷阱中。提出了一種對視頻數(shù)據(jù)中的Deepfake檢測方法，使用結(jié)合CNN和LSTM的卷積LSTM，判斷視頻真?zhèn)巍Ｌ岢隽艘环N基于人臉特征點(diǎn)的cutout方法，能抑制網(wǎng)絡(luò)學(xué)會特定臉。實(shí)驗(yàn)表明，在不同場景下，準(zhǔn)確度對比基準(zhǔn)算法均有提升。

發(fā)表于：4/15/2021

基于KDMSPCS-GRNN的室內(nèi)定位技術(shù)研究[其他][其他]

針對利用廣義神經(jīng)網(wǎng)絡(luò)(Generalized Regression Neural Network，GRNN)搭建的定位預(yù)測模型定位精度低、效率慢等問題，基于動(dòng)態(tài)分群策略，提出一種線性遞減粒子群(Linear Decreasing Contraction Particle Swarm Optimization，LDCPSO)和布谷鳥(Cuckoo Search，CS)混合尋優(yōu)算法，并利用此算法為GRNN選擇最優(yōu)參數(shù)，構(gòu)建定位預(yù)測模型。該算法主要利用K均值聚類算法(K-means)對整個(gè)種群進(jìn)行周期性的分群，底層使用LDCPSO算法優(yōu)化各個(gè)子群，并將最優(yōu)粒子傳至高層，高層使用CS算法優(yōu)化各個(gè)子群的最優(yōu)粒子，并將最終結(jié)果返回底層，執(zhí)行下一次迭代。實(shí)驗(yàn)過程中，一方面將提出的算法應(yīng)用于多個(gè)測試函數(shù)，結(jié)果表明該算法具有更好的收斂速度和收斂精度；另一方面利用該算法搭建定位模型，并與其他定位模型對比，結(jié)果顯示該定位模型具有更好的定位效果。

發(fā)表于：4/15/2021

基于M-DRN多尺度特征提取的入侵檢測方法[通信與網(wǎng)絡(luò)][信息安全]

針對基于深度學(xué)習(xí)的入侵檢測技術(shù)存在準(zhǔn)確率低和模型易過擬合問題，提出一種基于多尺度特征提取優(yōu)化的深度殘差網(wǎng)絡(luò)(Multiscale-Deep Residual Network，M-DRN)模型。該模型在殘差網(wǎng)絡(luò)的殘差塊中引入多尺度特征提取和因子分解的思想，并采用BN算法提升網(wǎng)絡(luò)收斂速度。選用NSL-KDD數(shù)據(jù)集為實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練模型并迭代優(yōu)化網(wǎng)絡(luò)參數(shù)，利用測試集比較發(fā)現(xiàn)該模型在多個(gè)評價(jià)指標(biāo)上均有提升。該模型與CNN相比更穩(wěn)定，與ResNet相比分類準(zhǔn)確率提升了3.35%，與RNN-IDS相比訓(xùn)練時(shí)間減少了65.2%。實(shí)驗(yàn)結(jié)果表明，所提出模型具有更好的特征提取能力和更快的收斂速度，不易過擬合。

發(fā)表于：4/15/2021

基于TPCM可信根的可信網(wǎng)絡(luò)連接設(shè)計(jì)與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][信息安全]

可信連接作為可信計(jì)算理論的重要組成部分，是實(shí)現(xiàn)信任在網(wǎng)絡(luò)上傳遞的核心技術(shù)，在不同的產(chǎn)品和應(yīng)用場景中有不同的實(shí)現(xiàn)方案。設(shè)計(jì)并實(shí)現(xiàn)了一種基于TPCM可信根的可信連接技術(shù)架構(gòu)，通過TPCM在系統(tǒng)運(yùn)行過程中對系統(tǒng)環(huán)境進(jìn)行主動(dòng)度量，實(shí)現(xiàn)平臺的基礎(chǔ)可信環(huán)境，并將度量結(jié)果報(bào)告進(jìn)行簽名，標(biāo)識平臺當(dāng)前環(huán)境的可信狀態(tài)，由此實(shí)現(xiàn)對通信雙方身份的識別和可信驗(yàn)證，減少非法網(wǎng)絡(luò)連接，使整個(gè)系統(tǒng)具備主動(dòng)免疫防御能力，實(shí)現(xiàn)對未知威脅的有效防護(hù)。

發(fā)表于：4/15/2021

基于長短碼聯(lián)合控制的程序完整性校驗(yàn)方法[其他][其他]

提出了一種基于長短碼聯(lián)合度量的程序完整性校驗(yàn)方法。分析了操作系統(tǒng)文件系統(tǒng)的特點(diǎn)，基于LSM框架設(shè)計(jì)文件監(jiān)控模塊，實(shí)現(xiàn)對文件完整性實(shí)時(shí)標(biāo)記，可主動(dòng)標(biāo)記識別被篡改文件；應(yīng)用程序安裝到操作系統(tǒng)時(shí)，會對該程序計(jì)算哈希值和設(shè)定短碼標(biāo)記，來初始化白名單數(shù)據(jù)庫完成度量基準(zhǔn)的設(shè)定；應(yīng)用程序執(zhí)行前觸發(fā)校驗(yàn)?zāi)K，先檢測程序的短碼標(biāo)記，根據(jù)檢測結(jié)果再?zèng)Q定對程序的哈希值長碼校驗(yàn)。使用應(yīng)用程序長短碼聯(lián)合度量校驗(yàn)，提高應(yīng)用程序度量校驗(yàn)效率；結(jié)合監(jiān)控模塊對程序的實(shí)時(shí)監(jiān)控，并針對不同場景，設(shè)計(jì)了應(yīng)用程序的標(biāo)記在多種類別之間的轉(zhuǎn)換規(guī)則，保證快速精細(xì)地獲取程序完整的狀況。整套方案實(shí)現(xiàn)了對應(yīng)用程序?qū)崟r(shí)高效的控制。

發(fā)表于：4/15/2021

基于國產(chǎn)PLC的分布式I/O冗余方法研究[其他][其他]

為了提高PLC控制系統(tǒng)中采集/輸出環(huán)節(jié)的可靠性，分析了冗余系統(tǒng)設(shè)計(jì)原理，結(jié)合現(xiàn)場應(yīng)用環(huán)境及實(shí)際需求，研究出一種基于國產(chǎn)PLC的分布式I/O冗余方法。針對采集數(shù)據(jù)類型分別介紹了數(shù)字量輸入/出、模擬量輸入/出冗余方案，該方法把運(yùn)行過程中定期對自身診斷結(jié)果作為冗余的診斷依據(jù)，結(jié)合用戶配置的冗余方案，提高采集/輸出數(shù)據(jù)的準(zhǔn)確率。經(jīng)試驗(yàn)及現(xiàn)場某基地應(yīng)用可知，該方法提高了PLC控制系統(tǒng)的可靠性，可確保PLC系統(tǒng)長期穩(wěn)定、高效、安全地運(yùn)行。

發(fā)表于：4/15/2021

集成射頻與視頻監(jiān)控的交通流參數(shù)檢測技術(shù)[微波|射頻][其他]

提出一種集成射頻識別技術(shù)和視頻監(jiān)控技術(shù)的交通流參數(shù)測量方式。介紹了檢測系統(tǒng)組成、基于射頻技術(shù)（RFID）的車載電子車牌關(guān)鍵技術(shù)、道路視頻圖像處理技術(shù)等。系統(tǒng)根據(jù)射頻終端信號實(shí)時(shí)調(diào)整視頻采集速率，對射頻數(shù)據(jù)和視頻數(shù)據(jù)進(jìn)行及時(shí)處理得到車牌、車輛特征、車速以及車流量等有效交通流參數(shù)，并將數(shù)據(jù)壓縮之后通過云端網(wǎng)絡(luò)發(fā)送至服務(wù)器端，服務(wù)器端可遠(yuǎn)程監(jiān)控各路段交通信息，并可對視頻信息進(jìn)一步處理得到更多具體的信息，為實(shí)現(xiàn)交通誘導(dǎo)、違章監(jiān)控、速度監(jiān)控等提供可靠準(zhǔn)確的數(shù)據(jù)支持。

發(fā)表于：4/15/2021

基于TF-IDF進(jìn)化集成分類器的鐵路安全故障文本分類[其他][其他]

鐵路安全問題是鐵路運(yùn)輸保證的核心問題，鐵路安全問題非結(jié)構(gòu)化文本數(shù)據(jù)量大，文本內(nèi)容無特定規(guī)律，對于綜合分析解決安全故障問題造成很高的難度。針對鐵路安全問題數(shù)據(jù)智能分類，提出進(jìn)化集成分類器模型。運(yùn)用TF-IDF算法，通過分析接觸網(wǎng)安全問題的數(shù)據(jù)特點(diǎn)提取文本特征。采用決策樹作為基分類器的Bagging集成分類器將文本數(shù)據(jù)分類，在Bagging分類過程中，針對Bagging算法產(chǎn)生的基分類器組合解集，提出采用遺傳算法(Genetic Algorithm)將其優(yōu)化，產(chǎn)生分類結(jié)果較優(yōu)的基分類器組合解集。以鐵路局實(shí)際安全問題進(jìn)行實(shí)驗(yàn)分析，實(shí)驗(yàn)證明TF-IDF+Bagging+Genetic Algorithm=Evolutionary Ensemble Classifier進(jìn)化集成分類器模型在鐵路安全問題文本分類中具有較高的準(zhǔn)確性。

發(fā)表于：4/14/2021

基于GaN的輸入諧波控制射頻功率放大器設(shè)計(jì)[其他][其他]

定量地分析了輸入諧波控制理論對功放效率的影響。同時(shí)，選用了南京電子器件研究所的0.25 ?滋m GaN HEMT器件，并對該GaN HEMT器件進(jìn)行了負(fù)載牽引仿真和大信號仿真。根據(jù)仿真結(jié)果發(fā)現(xiàn)，通過輸入諧波控制可以提升射頻功率放大器的效率，在頻帶內(nèi)能獲得3～10%的效率提升。以此設(shè)計(jì)了一款X波段單級MMIC功放。經(jīng)測試，該功放芯片在9.2～11.3 GHz范圍內(nèi)功率附加效率最大可以達(dá)到 52.88%。

發(fā)表于：4/14/2021

一種基于國產(chǎn)嵌入式CPU核的BP神經(jīng)網(wǎng)絡(luò)SoC設(shè)計(jì)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

基于國產(chǎn)嵌入式CPU核CK803S及其SoC設(shè)計(jì)平臺，設(shè)計(jì)一款BP神經(jīng)網(wǎng)絡(luò)SoC。給出了SoC的設(shè)計(jì)結(jié)構(gòu)及BP神經(jīng)網(wǎng)絡(luò)硬件加速器的設(shè)計(jì)方案，針對BP神經(jīng)網(wǎng)絡(luò)硬件加速器中非線性的Sigmod和Guass激活函數(shù)，選擇了一種既不影響速度又節(jié)約資源的方法來實(shí)現(xiàn)，并對其性能、功耗進(jìn)行優(yōu)化。驗(yàn)證結(jié)果表明，設(shè)計(jì)滿足要求。

發(fā)表于：4/13/2021

基于爬蟲和TFIDF-NB算法的微博情感分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

針對微博網(wǎng)絡(luò)輿情信息量大、無規(guī)則、隨機(jī)變化的特點(diǎn)，提出TFIDF-NB(Term Frequency Inverse Document Frequency-Naive Bayes)用于微博情感分析，設(shè)計(jì)與實(shí)現(xiàn)了一個(gè)基于Scrapy框架的微博評論爬蟲，將某熱點(diǎn)事件的若干條微博評論進(jìn)行爬取并存進(jìn)數(shù)據(jù)庫，然后進(jìn)行文本分割、LDA(Latent Dirichlet Allocation)主題聚類，最后使用TFIDF-NB算法進(jìn)行情感分類。實(shí)驗(yàn)結(jié)果表明，TFIDF-NB算法平均準(zhǔn)確率高于線性支持向量機(jī)算法和K近鄰算法，在精確率和召回率方面高于K近鄰算法，具有較好的情感分類效果。

發(fā)表于：4/13/2021

一種基于機(jī)器學(xué)習(xí)的Tor網(wǎng)絡(luò)識別探測技術(shù)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

Tor是一種基于洋蔥路由通信協(xié)議建立的隱蔽加密通信系統(tǒng)。該系統(tǒng)基于互聯(lián)網(wǎng)現(xiàn)有路由、數(shù)據(jù)加密等協(xié)議，構(gòu)建了一套保護(hù)通信實(shí)體的身份隱匿機(jī)制，使得經(jīng)過Tor網(wǎng)絡(luò)傳播的數(shù)據(jù)難以被有效追蹤和分析。然而近年來這項(xiàng)隱蔽通信技術(shù)被罪犯大量使用，已成為網(wǎng)絡(luò)犯罪和非法交易的溫床。為有效應(yīng)對該問題，提出一項(xiàng)基于機(jī)器學(xué)習(xí)的Tor網(wǎng)絡(luò)識別檢測技術(shù)，通過主動(dòng)生成Tor網(wǎng)絡(luò)流量，基于機(jī)器學(xué)習(xí)技術(shù)實(shí)施流特征提取與檢測，從而發(fā)現(xiàn)參與Tor通信的網(wǎng)絡(luò)實(shí)體及其通信類型，進(jìn)而檢出潛在的惡意暗網(wǎng)用戶。實(shí)驗(yàn)表明，該方法可有效識別Tor通信實(shí)體以及通信行為，如電子郵件和FTP應(yīng)用等。

發(fā)表于：4/12/2021