亚洲无亚洲人成网站77777 ,亚洲老熟女五十路老熟女bbw

基于DenseNet和深度運(yùn)動(dòng)圖的行為識(shí)別算法[其他][其他]

結(jié)合深度信息以及RGB視頻序列中豐富的紋理信息，提出了一種基于DenseNet和深度運(yùn)動(dòng)圖像的人體行為識(shí)別算法。該算法基于DenseNet網(wǎng)絡(luò)結(jié)構(gòu)，首先獲取彩色紋理信息和光流信息，然后從同步的深度視頻序列獲取深度信息，以增強(qiáng)特征互補(bǔ)性；再將空間流、時(shí)間流和深度流三種特征信息分別作為網(wǎng)絡(luò)的輸入；最后通過(guò)LSTMs進(jìn)行特征融合和行為分類(lèi)。實(shí)驗(yàn)結(jié)果表明，在公開(kāi)的動(dòng)作識(shí)別庫(kù)UTDMHAD數(shù)據(jù)集上，該算法識(shí)別準(zhǔn)確率為 92.11%，與該領(lǐng)域中的同類(lèi)算法相比表現(xiàn)優(yōu)異。

發(fā)表于：12/15/2020

一種小型化、遠(yuǎn)距離、平面掃描式激光雷達(dá)避障系統(tǒng)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

基于激光雷達(dá)的無(wú)人機(jī)避障系統(tǒng)能夠?qū)崟r(shí)探測(cè)和定位前方障礙物。首先介紹了四種避障技術(shù)并對(duì)其性能進(jìn)行了分析；其次，闡述了基于激光雷達(dá)的無(wú)人機(jī)避障技術(shù)的研究進(jìn)展。在此基礎(chǔ)上，針對(duì)避障系統(tǒng)普遍存在的重量、功耗、作用距離和數(shù)據(jù)輸出率等多指標(biāo)相互制約的問(wèn)題，提出了一種小型化、遠(yuǎn)距離、平面掃描式激光雷達(dá)避障系統(tǒng)解決方案。借助高速脈沖調(diào)制、單光子測(cè)距、波形高速采樣以及轉(zhuǎn)鏡掃描等技術(shù)，以FPGA為主控芯片，避障系統(tǒng)作用距離達(dá)300 m，掃描角分辨率為0.1°，為可靠獲得障礙物信息提供了重要保障。

發(fā)表于：12/15/2020

基于注冊(cè)碼的軟件授權(quán)保護(hù)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[其他][信創(chuàng)產(chǎn)業(yè)]

目前國(guó)內(nèi)軟件加密授權(quán)技術(shù)的發(fā)展較為緩慢，針對(duì)傳統(tǒng)的軟件保護(hù)方式單一，軟件授權(quán)方式不靈活的問(wèn)題，提出了基于注冊(cè)碼的軟件授權(quán)保護(hù)方案，設(shè)計(jì)了軟件的加密授權(quán)和檢驗(yàn)流程，對(duì)軟件加密授權(quán)的各環(huán)節(jié)進(jìn)行優(yōu)化和改進(jìn)。該方案不僅為用戶(hù)提供了軟件的授權(quán)保護(hù)機(jī)制，如時(shí)間授權(quán)、功能授權(quán)等，還能在離線環(huán)境下增強(qiáng)軟件的保護(hù)作用，具有較高的安全性和實(shí)用性。

發(fā)表于：12/15/2020

基于湍流大渦算法的煙氣擴(kuò)散對(duì)人員逃生影響研究[其他][其他]

以氣體流動(dòng)控制方程為基礎(chǔ)，基于湍流大渦算法研究國(guó)防工程不同出口類(lèi)型防火分區(qū)不同位置著火點(diǎn)發(fā)生火災(zāi)時(shí)煙氣擴(kuò)散規(guī)律，分析走廊煙氣特征參數(shù)分布和人員逃生時(shí)的火災(zāi)危險(xiǎn)性。研究表明：對(duì)于雙向型出口，走廊煙氣和空氣分布有明顯熱分層現(xiàn)象，走廊能見(jiàn)度最好、溫度最低；單向型出口溫度沿走廊呈衰減趨勢(shì)，在著火房間處走廊溫度較高；CO2濃度在各種出口類(lèi)型下均能滿(mǎn)足人員逃生要求；全封閉型分區(qū)能見(jiàn)度低，火場(chǎng)溫度高，火災(zāi)危險(xiǎn)性最大。

發(fā)表于：12/15/2020

一種融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法[人工智能][物聯(lián)網(wǎng)]

傳統(tǒng)基于協(xié)同過(guò)濾和矩陣分解的靜態(tài)表示推薦算法，不能很好地體現(xiàn)用戶(hù)的動(dòng)態(tài)興趣。循環(huán)神經(jīng)網(wǎng)絡(luò)能夠進(jìn)行序列推薦，但存在序列之間的長(zhǎng)距離依賴(lài)性差、各項(xiàng)目的區(qū)分度差等問(wèn)題。由此提出一種融合注意力和記憶網(wǎng)絡(luò)的序列推薦算法，根據(jù)Word2vec算法，引申item2vec和user2vec，初始化用戶(hù)和項(xiàng)目的固定表示嵌入矩陣，通過(guò)結(jié)合注意力機(jī)制和長(zhǎng)短期記憶網(wǎng)絡(luò)(Long ShortTerm Memory,LSTM)解決序列之間的長(zhǎng)距離依賴(lài)性差和區(qū)分度差問(wèn)題。利用記憶網(wǎng)絡(luò)獲取用戶(hù)的動(dòng)態(tài)鄰居，加強(qiáng)用戶(hù)的動(dòng)態(tài)表示，實(shí)現(xiàn)更準(zhǔn)確的推薦。通過(guò)在MovieLens數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，所提出的算法相比其他算法推薦效果顯著提高。

發(fā)表于：12/15/2020

一種基于雙目SLAM的環(huán)境建模方法[其他][其他]

利用計(jì)算機(jī)視覺(jué)對(duì)環(huán)境進(jìn)行建模是機(jī)器人環(huán)境感知相關(guān)研究的一項(xiàng)重要工作。提出了一種基于雙目SLAM的建模方法。該方法的主要思想是利用雙目SLAM（Simultaneous Localization and Mapping，同步定位與地圖構(gòu)建）技術(shù)獲取相機(jī)位姿，并利用雙目相機(jī)直接獲取場(chǎng)景的深度圖，然后將二者融合成場(chǎng)景的點(diǎn)云地圖。由于雙目相機(jī)直接獲取的深度圖像誤差點(diǎn)較多，因此提出了一種基于視線約束的點(diǎn)云濾波方法，來(lái)消除場(chǎng)景點(diǎn)云中的誤差點(diǎn)。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證了建模的效果，以及視線約束點(diǎn)云濾波的有效性。

發(fā)表于：12/15/2020

無(wú)人機(jī)協(xié)同傳輸通信系統(tǒng)物理層安全技術(shù)研究[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)無(wú)人機(jī)中繼系統(tǒng)中存在竊聽(tīng)節(jié)點(diǎn)的問(wèn)題，研究了采用信源端發(fā)送人工干擾信號(hào)的方式來(lái)提高系統(tǒng)的安全容量。仿真結(jié)果表明，在無(wú)人機(jī)中繼系統(tǒng)中，由于無(wú)人機(jī)自身的特性及人工干擾的影響，比傳統(tǒng)采用固定中繼形式具有更好的安全容量，并且在信源端發(fā)送信號(hào)功率一定的條件下，該系統(tǒng)具有最佳功率分配方案。

發(fā)表于：12/15/2020

改進(jìn)的群簽名策略隱藏方案[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)CPABE方案在解密階段中存在訪問(wèn)策略可能泄露隱私的問(wèn)題，提出了一種改進(jìn)的群簽名策略隱藏方案。首先，通過(guò)權(quán)重門(mén)限訪問(wèn)結(jié)構(gòu)構(gòu)建屬性集合，在安全模型中對(duì)屬性集合分割確定挑戰(zhàn)者和敵對(duì)手的屬性集合。然后，應(yīng)用群簽名方法實(shí)現(xiàn)訪問(wèn)策略的隱藏。最后，構(gòu)建改進(jìn)的策略隱藏方案的算法，對(duì)方案的安全性進(jìn)行證明。通過(guò)對(duì)比分析，證明了提出的改進(jìn)群簽名策略隱藏方案在保護(hù)用戶(hù)隱私的同時(shí)，適用范圍更廣泛。

發(fā)表于：12/15/2020

大數(shù)據(jù)技術(shù)在信息網(wǎng)絡(luò)威脅情報(bào)中的運(yùn)用研究[通信與網(wǎng)絡(luò)][信息安全]

網(wǎng)絡(luò)空間安全的形勢(shì)隨網(wǎng)絡(luò)攻擊技術(shù)的不斷升級(jí)日趨嚴(yán)峻，對(duì)信息網(wǎng)絡(luò)安全構(gòu)成巨大威脅，而基于大數(shù)據(jù)處理技術(shù)的網(wǎng)絡(luò)安全威脅情報(bào)是一種有效應(yīng)對(duì)手段。圍繞信息網(wǎng)絡(luò)面臨的安全挑戰(zhàn)，從網(wǎng)絡(luò)防御的角度，介紹了大數(shù)據(jù)處理主流平臺(tái)和關(guān)鍵技術(shù)，提出了基于大數(shù)據(jù)的網(wǎng)絡(luò)威脅情報(bào)技術(shù)架構(gòu)，闡述了網(wǎng)絡(luò)威脅情報(bào)生成過(guò)程中大數(shù)據(jù)技術(shù)的關(guān)鍵作用，最后討論了網(wǎng)絡(luò)安全威脅情報(bào)在網(wǎng)絡(luò)安全事件處置過(guò)程中的運(yùn)用和作用。

發(fā)表于：12/15/2020

基于AQPSO-LSTM-BN的APU故障診斷模型[模擬設(shè)計(jì)][工業(yè)自動(dòng)化]

針對(duì)飛機(jī)APU的常見(jiàn)故障，提出了一種基于量子粒子群優(yōu)化的長(zhǎng)短期記憶網(wǎng)絡(luò)與批規(guī)范化相結(jié)合的飛機(jī)APU故障診斷模型。從QAR數(shù)據(jù)庫(kù)中整理出需要的APU故障數(shù)據(jù)，將其進(jìn)行歸一化處理并分為訓(xùn)練集和測(cè)試集兩部分，建立CSV文檔數(shù)據(jù)庫(kù)；對(duì)量子粒子群進(jìn)行改進(jìn)，使用改進(jìn)后的量子粒子群對(duì)長(zhǎng)短期記憶網(wǎng)絡(luò)的隱含層單元數(shù)目進(jìn)行尋優(yōu)；將優(yōu)化參數(shù)后的長(zhǎng)短期記憶網(wǎng)絡(luò)與批規(guī)范化相結(jié)合搭建網(wǎng)絡(luò)模型，并在網(wǎng)絡(luò)最頂層加入Softmax模型，生成AQPSO-LSTM-BN故障診斷模型，使用訓(xùn)練集對(duì)故障診斷模型進(jìn)行訓(xùn)練，然后使用測(cè)試集進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，該模型可以有效識(shí)別APU故障，與單一長(zhǎng)短期記憶網(wǎng)絡(luò)模型、支持向量機(jī)模型、循環(huán)神經(jīng)網(wǎng)絡(luò)模型和極限學(xué)習(xí)機(jī)模型相比，識(shí)別準(zhǔn)確度有所提高。

發(fā)表于：12/15/2020

軟件定義邊界安全模型在電網(wǎng)企業(yè)系統(tǒng)中的應(yīng)用[可編程邏輯][智能電網(wǎng)]

針對(duì)電網(wǎng)企業(yè)在內(nèi)網(wǎng)環(huán)境下應(yīng)用系統(tǒng)訪問(wèn)出現(xiàn)安全問(wèn)題，結(jié)合傳統(tǒng)訪問(wèn)控制機(jī)制，提出了一種基于軟件定義邊界（Software Defined Perimeter，SDP）的用戶(hù)多維度數(shù)據(jù)身份驗(yàn)證模型。首先分析了當(dāng)前電網(wǎng)企業(yè)應(yīng)用系統(tǒng)中訪問(wèn)控制模型存在的不足，然后對(duì)現(xiàn)有的模型引入信任的屬性，依照最小化授權(quán)方式，建立每個(gè)人與公司業(yè)務(wù)系統(tǒng)的對(duì)應(yīng)關(guān)系，創(chuàng)建千人千面的安全軟邊界網(wǎng)關(guān)。實(shí)際應(yīng)用和理論分析表明，該模型可以實(shí)現(xiàn)用戶(hù)只能看到被授權(quán)訪問(wèn)的應(yīng)用，建立強(qiáng)信任、強(qiáng)可控、強(qiáng)防護(hù)的新安全架構(gòu)，有效保護(hù)電網(wǎng)企業(yè)的各類(lèi)應(yīng)用系統(tǒng)。

發(fā)表于：12/15/2020

融合懲罰因子和時(shí)間權(quán)重的協(xié)同過(guò)濾推薦算法[人工智能][工業(yè)自動(dòng)化]

協(xié)同過(guò)濾算法是一種經(jīng)典的推薦算法，思想是依據(jù)近鄰用戶(hù)或者相似物品對(duì)目標(biāo)進(jìn)行推薦，常被應(yīng)用在各類(lèi)推薦系統(tǒng)中。但傳統(tǒng)算法過(guò)分考慮熱門(mén)物品對(duì)評(píng)分的影響，而忽略了冷門(mén)物品對(duì)用戶(hù)興趣特征度量的貢獻(xiàn)，也未考慮用戶(hù)興趣動(dòng)態(tài)變化的問(wèn)題。對(duì)此，提出一種新的相似度改進(jìn)算法，改進(jìn)后的協(xié)同過(guò)濾算法將物品熱門(mén)懲罰因子和時(shí)間數(shù)據(jù)權(quán)重進(jìn)行加權(quán)計(jì)算，優(yōu)化了用戶(hù)相似度計(jì)算方法，形成了一種新的相似性度量模型。利用MovieLens電影推薦數(shù)據(jù)集驗(yàn)證改進(jìn)后的算法，實(shí)驗(yàn)結(jié)果表明，該算法將推薦平均絕對(duì)誤差(MAE)與傳統(tǒng)算法相比降低了13.2%，推薦質(zhì)量有了明顯提升。

發(fā)表于：12/15/2020

紅旗旗艦級(jí)智慧全能電動(dòng)SUV E-HS9搭載高通C-V2X解決方案[通信與網(wǎng)絡(luò)][汽車(chē)電子]

　　LTE-V2X（也被稱(chēng)為 C-V2X）是面向車(chē)聯(lián)網(wǎng)通信的全球解決方案，旨在通過(guò)車(chē)輛之間的高性能實(shí)時(shí)直連通信以及車(chē)輛與路側(cè)基礎(chǔ)設(shè)施之間的通信，來(lái)提升汽車(chē)安全、交通效率和自動(dòng)駕駛能力。

發(fā)表于：12/15/2020

電力物聯(lián)網(wǎng)信息安全防護(hù)技術(shù)研究[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

介紹了電力物聯(lián)網(wǎng)在配電網(wǎng)的應(yīng)用場(chǎng)景，總結(jié)了我國(guó)電力物聯(lián)網(wǎng)信息安全防護(hù)的發(fā)展歷程，分析了當(dāng)前電力物聯(lián)網(wǎng)信息安全應(yīng)用中存在的主要問(wèn)題和解決電力物聯(lián)網(wǎng)信息安全的關(guān)鍵技術(shù)，最后提出了電力物聯(lián)網(wǎng)終端本體的信息安全防護(hù)的四道防線模型和實(shí)踐。

發(fā)表于：12/14/2020

一種支持工業(yè)物聯(lián)網(wǎng)故障檢測(cè)的混合互認(rèn)證方案[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

在工業(yè)物聯(lián)網(wǎng)（IIoT）中，工業(yè)機(jī)器人和員工在制造過(guò)程中扮演著非常重要的角色。一個(gè)安全、高效的工業(yè)機(jī)器人和員工認(rèn)證方案一直是研究熱點(diǎn)，并面臨諸多挑戰(zhàn)。例如，工業(yè)機(jī)器人和員工在身份驗(yàn)證階段容易受到模擬和去同步攻擊。同時(shí)，控制中心很難找到不受控制的工業(yè)機(jī)器人。針對(duì)上述情況，提出了一種支持工業(yè)物聯(lián)網(wǎng)故障檢測(cè)的混合互認(rèn)證方案。分別為員工和工業(yè)機(jī)器人（IR）設(shè)計(jì)了基于橢圓曲線加密（ECC）的認(rèn)證和基于物理不可克隆函數(shù)（PUF）的認(rèn)證。使用了基于閾值的故障檢測(cè)，添加了禁用表以防止無(wú)授權(quán)員工訪問(wèn)監(jiān)控和數(shù)據(jù)采集中心（SCDAC）。最后，分析論證了該方案的可行性和高效性。

發(fā)表于：12/14/2020