久久久久久国产?免费观看,亚洲精品无码永久在线观看

基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)[其他][其他]

為有效提升公安部門在實(shí)踐工作中的犯罪預(yù)測(cè)能力，提出基于DBSCAN算法的A區(qū)犯罪預(yù)測(cè)方法。該方法采用了時(shí)空分析可視化技術(shù)和DBSCAN算法，對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行分析。首先，對(duì)A區(qū)的犯罪數(shù)據(jù)進(jìn)行描述性統(tǒng)計(jì)分析；然后，利用DBSCAN算法構(gòu)建犯罪預(yù)測(cè)模型，并進(jìn)行可視化處理；最后，通過對(duì)不同類型犯罪進(jìn)行分析，預(yù)測(cè)犯罪熱點(diǎn)，識(shí)別犯罪模式。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)的經(jīng)驗(yàn)預(yù)測(cè)相比，該方法具有更好的預(yù)測(cè)效果，為公安機(jī)關(guān)打擊犯罪和優(yōu)化警力配置提供了決策依據(jù)。

發(fā)表于：12/17/2020

基于關(guān)聯(lián)規(guī)則算法的檢查器組優(yōu)化建議機(jī)制[其他][信創(chuàng)產(chǎn)業(yè)]

工業(yè)生產(chǎn)過程中，圖紙?jiān)O(shè)計(jì)是最關(guān)鍵的一步，如何實(shí)現(xiàn)效率與質(zhì)量并存的設(shè)計(jì)流程是生產(chǎn)制造業(yè)中的熱點(diǎn)問題。介紹了一種基于關(guān)聯(lián)規(guī)則挖掘算法的檢查器組優(yōu)化建議機(jī)制，該機(jī)制將關(guān)聯(lián)規(guī)則挖掘算法用于檢查器組的優(yōu)化，以實(shí)現(xiàn)在保證檢查器組覆蓋率的前提下，縮短檢查用時(shí)，提高工作效率。實(shí)驗(yàn)表明，該優(yōu)化系統(tǒng)中優(yōu)化后的檢查器組覆蓋率滿足實(shí)際工程的需求，能有效地縮減檢查器組的規(guī)模，從而節(jié)約檢查時(shí)間，減少系統(tǒng)資源占用，提高用戶的工作效率。

發(fā)表于：12/17/2020

基于遺憾最小化算法的謠言抑制與演化博弈模型[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

謠言擴(kuò)散與控制效果受社交網(wǎng)絡(luò)結(jié)構(gòu)、用戶決策影響。傳統(tǒng)模型網(wǎng)絡(luò)結(jié)構(gòu)簡單且較少考慮用戶決策的影響。為此基于圖論與遺憾最小化算法，提出一種用于分析社交圖譜上用戶決策與謠言控制的演化博弈模型。在采用規(guī)則圖論建模的基礎(chǔ)上，利用演化博弈與復(fù)制動(dòng)態(tài)方程研究影響用戶決策的因素，并在策略更新規(guī)則中采取遺憾匹配與動(dòng)態(tài)折扣。仿真實(shí)驗(yàn)結(jié)果驗(yàn)證，該模型可有效反映用戶決策對(duì)謠言擴(kuò)散的影響，提高謠言抑制效果，并揭示網(wǎng)絡(luò)聚類系數(shù)、風(fēng)險(xiǎn)閾值等對(duì)謠言控制的影響。

發(fā)表于：12/17/2020

一種基于時(shí)間序列的環(huán)控生保系統(tǒng)遙測(cè)數(shù)據(jù)預(yù)測(cè)方法[其他][其他]

為實(shí)現(xiàn)環(huán)控生保系統(tǒng)在軌故障預(yù)測(cè)與健康管理，研究系統(tǒng)遙測(cè)數(shù)據(jù)的時(shí)間序列信息。通過預(yù)測(cè)關(guān)鍵遙測(cè)數(shù)據(jù)的變化趨勢(shì)，實(shí)現(xiàn)在故障出現(xiàn)之前對(duì)其識(shí)別、預(yù)判。結(jié)合環(huán)控生保系統(tǒng)遙測(cè)數(shù)據(jù)的特點(diǎn)，通過AIC與BIC相結(jié)合的方法確定預(yù)測(cè)模型。運(yùn)用該模型對(duì)實(shí)際工程中遙測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)驗(yàn)證，結(jié)果表明采用該方法對(duì)氧分壓數(shù)據(jù)進(jìn)行前向6點(diǎn)預(yù)測(cè)，預(yù)測(cè)精度可達(dá)98.2%，可為后續(xù)系統(tǒng)在軌故障預(yù)測(cè)與健康管理提供基礎(chǔ)。

發(fā)表于：12/17/2020

遙測(cè)實(shí)時(shí)圖像處理顯示系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][航空航天]

在飛行試驗(yàn)中，遙測(cè)圖像由于其直觀、實(shí)時(shí)顯示目標(biāo)飛行器的飛行狀態(tài)畫面，可供各級(jí)指揮決策和技術(shù)人員分析查看，在保障飛行試驗(yàn)安全性、高效性等方面發(fā)揮了重要作用。設(shè)計(jì)了一套地面遙測(cè)圖像實(shí)時(shí)解碼系統(tǒng)，在完成關(guān)鍵遙測(cè)參數(shù)實(shí)時(shí)處理基礎(chǔ)上，通過多站遙測(cè)數(shù)據(jù)的實(shí)時(shí)拼接、實(shí)時(shí)分路等處理手段，改善單一遙測(cè)地面站數(shù)據(jù)不完整帶來圖像畫面丟失的問題，保障了遙測(cè)關(guān)鍵參數(shù)實(shí)時(shí)處理和遙測(cè)圖像的完整傳輸。

發(fā)表于：12/17/2020

多目超高清機(jī)場(chǎng)視頻拼接系統(tǒng)設(shè)計(jì)與軟件實(shí)現(xiàn)[其他][其他]

圖像拼接技術(shù)應(yīng)用范圍十分廣泛，如全景圖片、城市建模以及視頻監(jiān)控等工程應(yīng)用領(lǐng)域。針對(duì)機(jī)場(chǎng)中多臺(tái)超高清攝像機(jī)監(jiān)控的場(chǎng)景，設(shè)計(jì)了一種全景多路超高清監(jiān)控視頻拼接系統(tǒng)。該系統(tǒng)利用具有重疊區(qū)域的多路視頻進(jìn)行實(shí)時(shí)拼接，從而形成具有更大視角的全景視頻，給決策人員提供全面而有效的支持。系統(tǒng)將傳統(tǒng)的圖像拼接技術(shù)運(yùn)用在視頻拼接上，采用分布式的系統(tǒng)架構(gòu)并設(shè)計(jì)了一種視頻文件傳輸算法，保證了系統(tǒng)流暢、穩(wěn)定地運(yùn)行。首先介紹了該系統(tǒng)軟硬件環(huán)境，給出了系統(tǒng)的總體設(shè)計(jì)；其次介紹了系統(tǒng)的關(guān)鍵功能設(shè)計(jì)以及主要界面實(shí)現(xiàn)；最后進(jìn)行了實(shí)驗(yàn)測(cè)試，得出相關(guān)實(shí)驗(yàn)數(shù)據(jù)。經(jīng)過測(cè)試，該系統(tǒng)實(shí)現(xiàn)了8路4K視頻的拼接，顯示流暢，無明顯拼接痕跡，且對(duì)一幀的處理時(shí)間小于40 ms。

發(fā)表于：12/17/2020

安全類文章的多文本分類系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[人工智能][信創(chuàng)產(chǎn)業(yè)]

目前安全類網(wǎng)站信息的分類標(biāo)簽各不相同，沒有統(tǒng)一分類標(biāo)準(zhǔn)，使安全類網(wǎng)站無法準(zhǔn)確地向用戶展示特定類別的安全信息。面對(duì)大量的安全類網(wǎng)站的技術(shù)類文章信息，用戶需要花費(fèi)大量的時(shí)間來識(shí)別文本類別。因此，設(shè)計(jì)一個(gè)多文本分類系統(tǒng)對(duì)于提高安全類網(wǎng)站的用戶體驗(yàn)和使用效率具有重要意義。開發(fā)了一套基于CNN和LSTM混合模型的安全類文章多文本分類系統(tǒng)，本系統(tǒng)采用基于Scrapy框架的網(wǎng)絡(luò)爬蟲，該網(wǎng)絡(luò)爬蟲支持定制化配置提取不同布局的頁面數(shù)據(jù)，支持?jǐn)?shù)據(jù)持久化存儲(chǔ)。并在 CNN和 LSTM混合模型基礎(chǔ)上設(shè)計(jì)實(shí)現(xiàn)了多文本自動(dòng)標(biāo)注模塊，實(shí)現(xiàn)了網(wǎng)站安全類信息的自動(dòng)分類，相對(duì)傳統(tǒng)的CNN和LSTM模型分類準(zhǔn)確率分別提升1.79%和1.54%，F(xiàn)1值分別提升1.02%和0.32%。

發(fā)表于：12/17/2020

一種基于SSD與FRN相結(jié)合的密集連接行人檢測(cè)算法[其他][其他]

現(xiàn)實(shí)場(chǎng)景行人的復(fù)雜性和多樣性使得行人檢測(cè)成為計(jì)算機(jī)視覺領(lǐng)域中一個(gè)既具有研究價(jià)值又極具挑戰(zhàn)性的熱門課題,為提高其準(zhǔn)確性，提出一種基于SSD(Single Shot Multibox Detector)與FRN(Filter Response Normalization)相結(jié)合的密集連接行人檢測(cè)算法，將串聯(lián)式的SSD基礎(chǔ)網(wǎng)絡(luò)修改為引入上下文語義信息的多層融合的密集連接的FRN網(wǎng)絡(luò)結(jié)構(gòu),運(yùn)用聚類思想設(shè)置適宜行人尺度的候選框，并且根據(jù)行人尺寸的統(tǒng)計(jì)分布規(guī)律調(diào)整不同檢測(cè)層的縮放因子，從而實(shí)現(xiàn)端到端訓(xùn)練。在融合數(shù)據(jù)集和VOC2007TEST數(shù)據(jù)集上驗(yàn)證該模型的性能，相比于SSD方法，該方法準(zhǔn)確率AP(Average Precision)分別提高5.8%、2.9%，具有更高的準(zhǔn)確性和魯棒性。

發(fā)表于：12/17/2020

卡塞格倫天線跟蹤速率改進(jìn)型測(cè)試方法研究[其他][工業(yè)自動(dòng)化]

卡塞格倫天線在檢測(cè)與維修過程中，需對(duì)其跟蹤目標(biāo)速率進(jìn)行測(cè)試。針對(duì)傳統(tǒng)測(cè)試方法存在耗時(shí)長、成本高、準(zhǔn)確率低的缺點(diǎn)，在對(duì)傳統(tǒng)測(cè)試方法研究基礎(chǔ)上，提出了基于單目標(biāo)源定位追蹤方式的改進(jìn)型測(cè)試方法。試驗(yàn)表明該方法減少了測(cè)試用時(shí)，節(jié)約了成本，提高了準(zhǔn)確率。

發(fā)表于：12/17/2020

基于Android的PDR改進(jìn)算法研究[人工智能][工業(yè)自動(dòng)化]

基于Android開發(fā)實(shí)現(xiàn)了一款室內(nèi)定位軟件，采用PDR（Pedestrian Dead Reckoning）算法作為室內(nèi)定位算法，利用智能手機(jī)內(nèi)置加速度傳感器、磁場(chǎng)傳感器來實(shí)現(xiàn)步數(shù)、步長和航向的檢測(cè)。同時(shí)，在基本的PDR算法的基礎(chǔ)上做了改進(jìn)，即采用卡爾曼濾波平滑處理步長、粒子濾波優(yōu)化結(jié)果。最后對(duì)改進(jìn)的算法進(jìn)行實(shí)際測(cè)試，直線為主的軌跡中采用直線判定后誤差為0.64 m；曲線為主的軌跡中采用兩種濾波方法優(yōu)化后誤差為1.08 m。

發(fā)表于：12/17/2020

基于深度學(xué)習(xí)的視頻火焰識(shí)別方法[人工智能][其他]

針對(duì)傳統(tǒng)視頻火災(zāi)檢測(cè)方法依靠人工經(jīng)驗(yàn)提取火焰特征，誤報(bào)率高、魯棒性差的特點(diǎn)，提出一種基于深度學(xué)習(xí)的視頻火焰識(shí)別方法。該方法充分利用火焰的運(yùn)動(dòng)特征和顏色信息，先使用改進(jìn)的五幀差法和自適應(yīng)混合高斯建模法進(jìn)行運(yùn)動(dòng)目標(biāo)提??；再采用RGB-HSV混合顏色空間模型篩選出圖像中可能的火焰像素區(qū)域；最后將以上兩個(gè)步驟結(jié)合起來進(jìn)行疑似火焰區(qū)域提取，并將疑似火焰區(qū)域圖像傳入預(yù)訓(xùn)練的AlexNet卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行火與非火的精確識(shí)別。通過對(duì)多種場(chǎng)景下火焰視頻的測(cè)試結(jié)果表明，提出的方法具有較高的召回率、準(zhǔn)確率和較低的誤報(bào)率。

發(fā)表于：12/17/2020

基于Linux的機(jī)械臂實(shí)時(shí)控制系統(tǒng)研究[其他][其他]

針對(duì)我國自主研發(fā)的機(jī)械臂控制系統(tǒng)較少，多依賴于國外價(jià)格昂貴的商用系統(tǒng)，采用在Linux中加入RT補(bǔ)丁的實(shí)時(shí)改造方法，以六自由度機(jī)械臂為研究對(duì)象，在下位機(jī)上進(jìn)行系統(tǒng)架構(gòu)搭建，實(shí)現(xiàn)一個(gè)包括TCP通信進(jìn)程、譯碼進(jìn)程、插補(bǔ)逆解進(jìn)程、I/O進(jìn)程的一個(gè)多任務(wù)處理的機(jī)械臂控制系統(tǒng)；同時(shí)對(duì)機(jī)械臂的上位機(jī)進(jìn)行軟件設(shè)計(jì)，實(shí)現(xiàn)人機(jī)界面指令輸入、狀態(tài)顯示、通信等功能，為機(jī)械臂的實(shí)時(shí)控制系統(tǒng)提供了一種有效開發(fā)方案。通過采用RT測(cè)試工具集進(jìn)行實(shí)時(shí)性檢驗(yàn)，其結(jié)果滿足實(shí)時(shí)性，同時(shí)利用MATLAB/Robotic Toolbox工具箱建立機(jī)器臂運(yùn)動(dòng)學(xué)模型，對(duì)機(jī)械臂運(yùn)動(dòng)空間及軌跡進(jìn)行仿真，得到了連續(xù)平穩(wěn)的末端曲線，仿真結(jié)果證明了控制系統(tǒng)設(shè)計(jì)的正確性以及可行性。

發(fā)表于：12/17/2020

采茶機(jī)器人SCARA機(jī)械手的軌跡規(guī)劃與控制[其他][其他]

考慮到采茶機(jī)器人的整體性能，采用SCARA機(jī)械手作為其采摘機(jī)構(gòu)，以滿足名優(yōu)茶自動(dòng)化采摘的需求。首先采用D-H法建立機(jī)械手的運(yùn)動(dòng)學(xué)模型，并結(jié)合MATLAB Robotic Toolbox建立其空間仿真模型；其次采用五次多項(xiàng)式插值算法對(duì)機(jī)械手主要關(guān)節(jié)的運(yùn)動(dòng)進(jìn)行軌跡規(guī)劃；最后將SCARA機(jī)械手簡化為XOY平面內(nèi)的兩關(guān)節(jié)機(jī)械手，結(jié)合其一般動(dòng)力學(xué)模型，在MATLAB/Simulink中采用S函數(shù)設(shè)計(jì)基于自適應(yīng)算法補(bǔ)償?shù)腜D控制系統(tǒng)，進(jìn)行軌跡跟蹤仿真實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明自適應(yīng)魯棒PD控制策略能夠精確地跟蹤機(jī)械手大臂和小臂關(guān)節(jié)的控制輸入，使得各關(guān)節(jié)能夠快速地跟蹤到期望位置，跟蹤誤差較小。

發(fā)表于：12/17/2020

基于深度回歸的指針儀表讀數(shù)識(shí)別方法[人工智能][其他]

現(xiàn)有儀表讀數(shù)識(shí)別方法通過檢測(cè)指針和刻度獲取讀數(shù)，對(duì)輸入的儀表圖像質(zhì)量要求較高，為此提出一種新的基于深度回歸的指針儀表讀數(shù)識(shí)別方法。該方法首先由儀表圖像獲取圖像特征，然后通過方向回歸模塊預(yù)測(cè)指針方向，最后根據(jù)指針角度計(jì)算儀表讀數(shù)。相比于其他方法，該方法采用端到端的回歸方式進(jìn)行直接學(xué)習(xí)，具有更強(qiáng)的識(shí)別能力。在較大規(guī)模變電站儀表圖像數(shù)據(jù)集上，該方法取得了97.2%的讀數(shù)精度，相比于基于Mask R-CNN的儀表讀數(shù)識(shí)別方法提高了7.4%。定性分析和定量分析結(jié)果表明，相比于現(xiàn)有的儀表讀數(shù)識(shí)別方法，該方法對(duì)表盤圖像干擾具有更強(qiáng)的魯棒性。

發(fā)表于：12/17/2020

基于LTE-V2X技術(shù)的PKI系統(tǒng)架構(gòu)探討[模擬設(shè)計(jì)][信息安全]

V2X(Vehicle to Everything)業(yè)務(wù)安全的關(guān)鍵在于對(duì)消息的真實(shí)性校驗(yàn)和個(gè)人隱私的保護(hù)，在建立身份認(rèn)證體系時(shí)要合理定義各個(gè)參與方的安全邊界及責(zé)任，防止來自內(nèi)部及外部的攻擊。在借鑒國外SCMS、CCMS體系的基礎(chǔ)上，基于LTE-V2X技術(shù)特點(diǎn)和道路交通管理體系，通過分析V2X證書管理體系的實(shí)際需要，針對(duì)證書管理的關(guān)鍵過程給出相應(yīng)的安全策略建議，提出面向LTE-V2X的PKI架構(gòu)參考建議，可實(shí)際應(yīng)用于LTE-V2X業(yè)務(wù)部署及相關(guān)系統(tǒng)的開發(fā)設(shè)計(jì)。

發(fā)表于：12/17/2020