亚洲无码啪啪啪啪啪啪,亚洲国产精品免费线观看视频,精品91一区二区三区

基于組件技術(shù)的通用指揮系統(tǒng)框架設(shè)計(jì)[模擬設(shè)計(jì)][其他]

在國產(chǎn)化背景下，針對(duì)航天測控體系中指揮顯示軟件系統(tǒng)(簡稱指顯系統(tǒng))在設(shè)計(jì)和開發(fā)過程中可移植性、可復(fù)用性較低的問題，在分析指顯系統(tǒng)的任務(wù)需求和體系結(jié)構(gòu)基礎(chǔ)上，提出了基于組件技術(shù)的通用指顯系統(tǒng)框架(General Command and Display Architecture，GCDA)，解決了顯示平臺(tái)/編輯平臺(tái)與組件耦合問題，使用Qt實(shí)現(xiàn)了基于組件的指顯系統(tǒng)原型。GCDA框架和組件化方法是指顯系統(tǒng)研發(fā)技術(shù)的積累和提升，在提高航天測控軟件的研發(fā)水平方面提供了可行的技術(shù)途徑。

發(fā)表于：12/14/2020

低成本脈沖激光測距系統(tǒng)研究[測試測量][其他]

基于脈沖飛行時(shí)間測距法構(gòu)建了一套近程高精度脈沖激光測距系統(tǒng)，系統(tǒng)采用直接探測工作方式，利用FPGA(Field Programmable Gate Array)主控芯片控制脈沖激光的發(fā)射以及回波信號(hào)的采集和處理，進(jìn)而實(shí)現(xiàn)高精度測距。在實(shí)驗(yàn)室條件下，借助測距性能驗(yàn)證實(shí)驗(yàn)，獲得了泡沫板目標(biāo)的距離信息，且系統(tǒng)測距精度可達(dá)5.43 mm@8.08 m。主要介紹了脈沖激光測距系統(tǒng)的工作原理、系統(tǒng)構(gòu)成以及基于FPGA的距離信息提取算法。

發(fā)表于：12/14/2020

基于FPGA的功率譜分析系統(tǒng)[其他][其他]

針對(duì)激光雷達(dá)的微弱信號(hào)探測，設(shè)計(jì)了一種實(shí)時(shí)功率譜分析系統(tǒng)。系統(tǒng)使用12位1 GS/s的模數(shù)轉(zhuǎn)換器(Analog to Digital Converter，ADC)進(jìn)行采樣，采用FPGA作為數(shù)據(jù)采集處理的控制核心，并通過DDR3及千兆以太網(wǎng)實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)上傳。在上位機(jī)軟件控制下，結(jié)合各個(gè)功能模塊，實(shí)現(xiàn)了參數(shù)可配置的兩種功率譜估計(jì)方案。測試結(jié)果表明，系統(tǒng)有效提升了數(shù)據(jù)處理速度，并通過分段累加改善了功率譜估計(jì)的性能。

發(fā)表于：12/14/2020

命名數(shù)據(jù)網(wǎng)絡(luò)中基于Dec-POMDP的緩存策略[其他][其他]

針對(duì)命名數(shù)據(jù)網(wǎng)絡(luò)(Named Data Networks，NDN)中數(shù)據(jù)緩存的問題，提出了一種基于分布式部分可觀測馬爾科夫決策過程(Dec-POMDP)的緩存優(yōu)化模型。在該模型框架下，NDN網(wǎng)絡(luò)節(jié)點(diǎn)間以分布式協(xié)作的方式逐漸收斂至最優(yōu)聯(lián)合緩存策略，從而使NDN中的有限緩存資源得到充分利用。仿真實(shí)驗(yàn)表明，與現(xiàn)有NDN緩存方法相比，該方法能有效提升NDN網(wǎng)絡(luò)的緩存效率，實(shí)現(xiàn)較高的緩存命中率及較小的請(qǐng)求平均跳數(shù)。

發(fā)表于：12/14/2020

基于YOLO改進(jìn)殘差網(wǎng)絡(luò)結(jié)構(gòu)的車輛檢測方法[測試測量][汽車電子]

針對(duì)車輛檢測任務(wù)，設(shè)計(jì)更高效、精確的網(wǎng)絡(luò)模型是行業(yè)研究的熱點(diǎn)，深層網(wǎng)絡(luò)模型具有比淺層網(wǎng)絡(luò)模型更好的特征提取能力，但構(gòu)建深層網(wǎng)絡(luò)模型時(shí)將導(dǎo)致梯度消失、模型過擬合等問題，應(yīng)用殘差網(wǎng)絡(luò)結(jié)構(gòu)可以緩解此類問題?；赮OLO算法，改進(jìn)殘差網(wǎng)絡(luò)結(jié)構(gòu)，加深網(wǎng)絡(luò)層數(shù)，設(shè)計(jì)了一種含有68個(gè)卷積層的卷積神經(jīng)網(wǎng)絡(luò)模型，同時(shí)對(duì)輸入圖像進(jìn)行預(yù)處理，保證目標(biāo)在圖像上不變形失真，最后在自定義的車輛數(shù)據(jù)集上對(duì)模型進(jìn)行訓(xùn)練與測試，并將實(shí)驗(yàn)結(jié)果與YOLOV3模型進(jìn)行對(duì)比，實(shí)驗(yàn)表明，本文設(shè)計(jì)的模型檢測精準(zhǔn)度(AP)達(dá)90.63%，較YOLOV3提高了4.6%。

發(fā)表于：12/14/2020

計(jì)算機(jī)程序基因技術(shù)初探[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

計(jì)算機(jī)程序基因技術(shù)是在惡意程序不斷演化與檢測識(shí)別技術(shù)的對(duì)抗博弈中發(fā)展起來的，傳統(tǒng)的惡意程序檢測技術(shù)已難以應(yīng)對(duì)惡意程序的快速動(dòng)態(tài)增長趨勢，計(jì)算機(jī)程序基因技術(shù)開啟了惡意程序檢測分析的一個(gè)新的思路，從匯編指令層中萃取出計(jì)算機(jī)程序的真實(shí)行為意圖，從而對(duì)程序進(jìn)行分析和識(shí)別。根據(jù)給出的計(jì)算機(jī)程序基因的定義以及提取方法，可以找出計(jì)算機(jī)程序最本原的特征，有效提高新型的或變種的惡意程序的分析和檢測效率。

發(fā)表于：12/14/2020

端對(duì)端深度學(xué)習(xí)無損去圖像散射研究[其他][其他]

針對(duì)光線通過介質(zhì)會(huì)產(chǎn)生散射現(xiàn)象，提出了一種基于神經(jīng)網(wǎng)絡(luò)的端對(duì)端圖像去散射方案，對(duì)于散射退化的圖片進(jìn)行退散射的處理，此方案不需要復(fù)雜的光學(xué)設(shè)備，應(yīng)用場景廣泛，在仿真和實(shí)際實(shí)驗(yàn)中都取得了預(yù)期的結(jié)果。提出了一套利用拍攝屏幕來建立散射退化圖片和無散射圖片的數(shù)據(jù)集的方法，且這一方法在許多其他的圖像處理圖像恢復(fù)工作中有應(yīng)用價(jià)值。

發(fā)表于：12/14/2020

基于AHP-模糊綜合評(píng)價(jià)法的泄露數(shù)據(jù)價(jià)值評(píng)估模型[通信與網(wǎng)絡(luò)][信息安全]

以個(gè)人隱私信息為例構(gòu)建了一種泄露數(shù)據(jù)價(jià)值評(píng)估的模型。首先建立了包含不同類型數(shù)據(jù)的泄露數(shù)據(jù)集，通過抽取個(gè)人隱私相關(guān)的信息元素進(jìn)行建模，利用層次分析法對(duì)各準(zhǔn)則層的元素進(jìn)行計(jì)算，得到個(gè)人隱私信息元素泄露價(jià)值的權(quán)重比例，并進(jìn)行了一致性檢驗(yàn)，通過模糊綜合評(píng)價(jià)的方法對(duì)個(gè)人隱私信息泄露數(shù)據(jù)價(jià)值進(jìn)行評(píng)價(jià)，得到泄露價(jià)值的評(píng)估結(jié)果。

發(fā)表于：12/14/2020

從人才培養(yǎng)體系建設(shè)談實(shí)踐型網(wǎng)絡(luò)空間安全人才培養(yǎng)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

近年來，我國高度重視網(wǎng)絡(luò)空間安全人才的培養(yǎng)與體系建設(shè)。網(wǎng)絡(luò)安全的競爭歸根結(jié)底是人才的競爭，網(wǎng)絡(luò)空間安全人才體系與機(jī)制的建立，對(duì)網(wǎng)絡(luò)安全人才培養(yǎng)至關(guān)重要。從美國、歐盟、日本等政府對(duì)網(wǎng)絡(luò)安全人才培養(yǎng)體系進(jìn)行介紹，并對(duì)我國當(dāng)前網(wǎng)絡(luò)安全人才培養(yǎng)體系現(xiàn)狀進(jìn)行深度分析，同時(shí)給出網(wǎng)絡(luò)安全人才培養(yǎng)的思路和方法。圍繞“培養(yǎng)實(shí)踐型的網(wǎng)絡(luò)安全人才”的核心思想，在高校建立網(wǎng)絡(luò)空間安全靶場，以系統(tǒng)化、實(shí)踐化方式來培養(yǎng)高質(zhì)量的網(wǎng)絡(luò)安全人才。

發(fā)表于：12/14/2020

基于Star-Gan的人臉互換算法[人工智能][工業(yè)自動(dòng)化]

基于Star-Gan的人臉互換算法易旭，白天(中國科學(xué)技術(shù)大學(xué) 軟件學(xué)院，安徽合肥 230026)基于深度學(xué)習(xí)的人臉互換算法會(huì)因背景人臉環(huán)境的明亮程度、人臉表情、姿勢等因素影響換臉效果，現(xiàn)階段的人臉互換模型存在固有的弊端。采用Patch-Gan(Generative Adversarial Networks)的判別器結(jié)構(gòu)能通過全卷積網(wǎng)絡(luò)增強(qiáng)人臉局部一致性的效果。生成器將Unet結(jié)構(gòu)的編碼器的特征輸出作為輸入，能考慮多層信息細(xì)節(jié)。整體模型架構(gòu)采用Star-Gan的模型，引入實(shí)例歸一化層能保證圖像的獨(dú)立性。最后在Face-Forensics++人臉互換數(shù)據(jù)集上進(jìn)行驗(yàn)證，結(jié)果表明，融合的模型有較好的生成效果和細(xì)節(jié)。

發(fā)表于：12/14/2020

基于參數(shù)約束的分支覆蓋符號(hào)執(zhí)行優(yōu)化算法[其他][其他]

發(fā)表于：12/14/2020

直方圖移位安全可逆圖像水印算法的研究[其他][其他]

針對(duì)一些在數(shù)字版權(quán)保護(hù)和多媒體信息安全領(lǐng)域中，需要對(duì)嵌入的水印信息進(jìn)行加密來確保水印信息的機(jī)密性，提出直方圖移位安全可逆的圖像水印算法。對(duì)載體圖像的最大像素值和最小像素值分別進(jìn)行減一加一的操作，并且對(duì)該像素值進(jìn)行標(biāo)記，圖像預(yù)處理的方法，解決了嵌入水印信息時(shí)像素值修改產(chǎn)生的溢出問題。利用祖沖之序列密碼算法(ZUC算法)對(duì)水印信息進(jìn)行加密。在水印嵌入階段，計(jì)算每個(gè)半平面像素的四鄰域、八鄰域的預(yù)測差值，來構(gòu)建二維直方圖，嵌入加密的水印。實(shí)驗(yàn)結(jié)果表明，算法能夠無損地恢復(fù)原始載體圖像，加密水印信息能夠正確解密，含加密水印圖像的峰值信噪比均達(dá)到50 dB以上；該方案具有良好的加解密效果，水印圖像具有很好的質(zhì)量和水印隱蔽性，算法具有可逆性，并且解決了像素溢出的問題。

發(fā)表于：12/14/2020

一種多架構(gòu)應(yīng)用軟件開發(fā)及運(yùn)行方法研究與實(shí)現(xiàn)[其他][其他]

對(duì)國產(chǎn)基礎(chǔ)軟件運(yùn)行環(huán)境及運(yùn)行依賴庫進(jìn)行了研究，提出了一種多架構(gòu)應(yīng)用軟件開發(fā)及運(yùn)行方法，并在FT1500A、X86(CPU)與麒麟(OS)相組合的兩類架構(gòu)環(huán)境上實(shí)現(xiàn)了該方法。運(yùn)行結(jié)果表明，該方法能夠提供良好的多架構(gòu)應(yīng)用軟件開發(fā)及運(yùn)行服務(wù)，為國產(chǎn)基礎(chǔ)軟硬件生態(tài)的軟硬件適配、整體解決方案提供技術(shù)支撐。

發(fā)表于：12/14/2020

支持眾創(chuàng)開發(fā)的私有云平臺(tái)研究[其他][其他]

“支撐平臺(tái)+應(yīng)用/服務(wù)”是信息系統(tǒng)的典型架構(gòu)，在不同因素的驅(qū)動(dòng)下，支撐平臺(tái)和應(yīng)用/服務(wù)都處在不斷發(fā)展變化中，從而表現(xiàn)為信息系統(tǒng)的整體更新?lián)Q代。當(dāng)前，隨著業(yè)務(wù)需求和技術(shù)的不斷發(fā)展，“云+端”成為這一架構(gòu)的具體模式，并且表現(xiàn)出眾籌眾創(chuàng)的新型開發(fā)形態(tài)。該平臺(tái)是一個(gè)基于國產(chǎn)基礎(chǔ)軟硬件生態(tài)、面向日常辦公和業(yè)務(wù)處理的私有云平臺(tái)，也是一個(gè)支持業(yè)務(wù)信息系統(tǒng)持續(xù)眾創(chuàng)發(fā)展的應(yīng)用生態(tài)服務(wù)環(huán)境?；谠搼?yīng)用支撐平臺(tái)提出了一個(gè)支持眾創(chuàng)開發(fā)的私有云平臺(tái)通用模型，并對(duì)該平臺(tái)的架構(gòu)、組成、主要特點(diǎn)及應(yīng)用等進(jìn)行深入研究。本文的成果能夠?yàn)槊嫦虮妱?chuàng)眾籌和持續(xù)集成的辦公及業(yè)務(wù)信息系統(tǒng)研發(fā)提供解決方案，同時(shí)為基礎(chǔ)軟硬件生態(tài)、私有云、微服務(wù)、容器等新技術(shù)在黨政機(jī)關(guān)辦公及業(yè)務(wù)領(lǐng)域的應(yīng)用提供參考和借鑒。

發(fā)表于：12/14/2020

基于改進(jìn)VGG16的猴子圖像分類方法[人工智能][物聯(lián)網(wǎng)]

為提高對(duì)細(xì)粒度圖像分類的準(zhǔn)確性和分類速度，提出基于改進(jìn)VGG16和遷移學(xué)習(xí)的圖像分類方法。首先從kaggle平臺(tái)中獲取十種不同猴子數(shù)據(jù)集，并對(duì)數(shù)據(jù)集進(jìn)行標(biāo)準(zhǔn)化處理，包含圖片去椒鹽噪聲、將數(shù)據(jù)集轉(zhuǎn)換為TensorFlow中提供的統(tǒng)一TFRecord數(shù)據(jù)格式。然后遷移學(xué)習(xí)改進(jìn)的VGG16卷積神經(jīng)網(wǎng)絡(luò)，模型的優(yōu)化包括利用Swish作為激活函數(shù)、將softmax loss與center loss相結(jié)合作為損失函數(shù)以實(shí)現(xiàn)更好的聚類效果、采用性能完善的Adam優(yōu)化器。用訓(xùn)練集訓(xùn)練模型以確定微調(diào)參數(shù)信息，再用測試集檢驗(yàn)?zāi)Ｐ蜏?zhǔn)確性。結(jié)果表明，該方法對(duì)猴子圖像分類的準(zhǔn)確度可達(dá)到98.875%，分類速度也得到了顯著提升。與其他傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型相比，該方法具有更高的準(zhǔn)確性和適用性。

發(fā)表于：12/14/2020