岛国无码av免费播放一区二区,欧美ZOZO另类人禽交

基于雙流卷積神經(jīng)網(wǎng)絡(luò)和生成式對抗網(wǎng)絡(luò)的行人重識別算法[人工智能][信創(chuàng)產(chǎn)業(yè)]

近年來，針對行人重識別問題的深度學習技術(shù)研究取得了很大的進展。然而，在解決實際數(shù)據(jù)的特征樣本不平衡問題時，效果仍然不理想。為了解決這一問題，設(shè)計了一個更有效的模型，該模型很好地解決了目標的不同姿態(tài)的干擾以及數(shù)據(jù)集中的圖片數(shù)量不足的問題。首先，通過遷移姿態(tài)生成對抗網(wǎng)絡(luò)生成行人不同姿勢的圖片，解決姿態(tài)干擾及圖片數(shù)量不足的問題。然后利用兩種不同的獨立卷積神經(jīng)網(wǎng)絡(luò)提取圖像特征，并將其結(jié)合得到綜合特征。最后，利用提取的特征完成行人重識別。采用姿勢轉(zhuǎn)換方法對數(shù)據(jù)集進行擴展，有效地克服了由目標不同姿勢引起的識別誤差，識別錯誤率降低了6%。實驗結(jié)果表明，該模型在Market-1501和DukeMTMC-Reid上達到了更好的識別準確度。在DukeMTMC-Reid數(shù)據(jù)集上測試時，Rank-1準確度增加到92.10%，mAP 達到84.60%。

發(fā)表于：12/15/2020 4:44:29 PM

基于稀疏建模和SVM的管道缺陷分類方法研究[其他][其他]

埋地鋼質(zhì)管道缺陷識別及評估是管道檢測領(lǐng)域中長期存在的難點之一，而實現(xiàn)對管道缺陷準確分類的前提是管道損傷信號的精準提取，針對埋地管道缺陷信號特征提出一種基于稀疏建模和支持向量機(SVM)的管道缺陷信號提取與識別方法。通過從原始信號中學習獲得字典，將該字典采用正則化正交匹配追蹤算法構(gòu)建缺陷信號稀疏模型，并根據(jù)壓縮感知理論獲得信號的特征向量。進一步，采用多分類SVM將缺陷信號的特征向量與管道實際缺陷類型建立映射關(guān)系，并通過遺傳粒子群優(yōu)化算法指導(dǎo)SVM參數(shù)選取。結(jié)果表明：提出的分類方法可實現(xiàn)對管道缺陷損傷程度的準確劃分，該方法已經(jīng)成功通過實驗室驗證，并成功應(yīng)用于華北某油田的工程領(lǐng)域檢測。

發(fā)表于：12/15/2020 4:36:09 PM

干線動態(tài)協(xié)調(diào)控制的深度Q網(wǎng)絡(luò)方法[人工智能][工業(yè)自動化]

為有效降低城市交通干線的車均延誤與停車次數(shù)，將深度Q網(wǎng)絡(luò)引入干線協(xié)調(diào)控制，給出了一種干線動態(tài)協(xié)調(diào)控制的DDDQN(Dueling Double Deep Q Network)方法。該方法結(jié)合雙重深度Q網(wǎng)絡(luò)與基于競爭架構(gòu)深度Q網(wǎng)絡(luò)，并將干線作為整體處理，通過深度神經(jīng)網(wǎng)絡(luò)挖掘干線各交叉口協(xié)調(diào)控制的相關(guān)性，基于Q學習進行交通信號控制決策。通過仿真實驗，在近飽和流量和干線存在初始排隊的情況下，將DDDQN方法與現(xiàn)有綠波方法，以及經(jīng)典深度Q網(wǎng)絡(luò)、雙重深度Q網(wǎng)絡(luò)、基于競爭架構(gòu)深度Q網(wǎng)絡(luò)的干線協(xié)調(diào)控制算法進行對比，實驗結(jié)果表明基于DDDQN的干線動態(tài)協(xié)調(diào)控制算法性能優(yōu)于其他四種方法。

發(fā)表于：12/15/2020 4:30:49 PM

基于云平臺的壓磚設(shè)備健康狀態(tài)分析方法設(shè)計[模擬設(shè)計][工業(yè)自動化]

基于運行數(shù)據(jù)對壓磚設(shè)備健康狀態(tài)進行分析，對于降低設(shè)備故障率、提升壓磚成品質(zhì)量具有重要意義。現(xiàn)有方案大多數(shù)局限于離線人工分析，實時性差且推廣效率低。針對上述問題，基于阿里云機器學習平臺設(shè)計了壓磚設(shè)備健康狀態(tài)分析方法，基于聚類方法構(gòu)建了壓磚設(shè)備健康狀態(tài)模型，在無需先驗知識的情況下，對于壓磚設(shè)備的工作、待機、異常等健康狀態(tài)實現(xiàn)了建模。進而，將該模型部署于云計算平臺上，通過周期性的數(shù)據(jù)導(dǎo)入與分析實現(xiàn)了壓磚設(shè)備健康狀態(tài)的在線分析。最后通過實例證明了該方法的有效性。

發(fā)表于：12/15/2020 4:30:48 PM

基于機器學習的Modbus_TCP通信異常檢測方法研究[模擬設(shè)計][工業(yè)自動化]

針對工業(yè)控制系統(tǒng)中Modbus_TCP協(xié)議存在的諸多安全隱患問題，提出了基于機器學習的Modbus_TCP通信異常檢測方法，分析了Modbus_TCP報文類型與結(jié)構(gòu)特點，介紹了機器學習中決策樹分類模型算法的實現(xiàn)過程，建立了Modbus_TCP協(xié)議的模擬通信，使用了Scapy工具構(gòu)造偽報文實現(xiàn)異常檢測。設(shè)置了樸素貝葉斯分類模型、邏輯回歸分類模型和傳統(tǒng)支持向量機分類模型的實驗與之對比，并且對模型的準確率、誤報率、漏報率和時間性能進行分析。分析結(jié)果表明，決策樹分類模型準確率高，消耗時間短，具有一定的優(yōu)越性。

發(fā)表于：12/15/2020 4:23:58 PM

一種基于UKF的SOC估算方法[其他][汽車電子]

隨著新能源汽車市場規(guī)模的增長，電池管理系統(tǒng)(Battery Management Systems，BMS)的市場需求也進一步擴大。作為保障電池安全及延長電池壽命的BMS而言，動力鋰電池組的荷電狀態(tài)(State of Charge，SOC)估算是BMS研究的重點。在研究了安時積分法估算SOC時受SOC初始值影響較大，且具有累積誤差的問題，以及擴展卡爾曼濾波算法(EKF)估算SOC時收斂較慢的基礎(chǔ)上，采用二階RC等效電路模型對鋰電池進行建模分析，針對鋰電池各參數(shù)受SOC變化的影響，引進無跡卡爾曼濾波(UKF)算法，給出了鋰電池的SOC仿真實驗。實驗結(jié)果表明，該種基于UKF的估算方法對SOC的估算更準確，誤差更小且收斂速度快，對傳統(tǒng)采用定值電池參數(shù)BMS的改進具有重要意義。

發(fā)表于：12/15/2020 4:16:26 PM

基于GWO-SVM算法的物聯(lián)網(wǎng)入侵檢測研究[其他][物聯(lián)網(wǎng)]

物聯(lián)網(wǎng)時代悄然而至，然而物聯(lián)網(wǎng)技術(shù)在給人們帶來方便的同時，其安全問題也日趨突出。針對物聯(lián)網(wǎng)存在的網(wǎng)絡(luò)入侵安全問題，提出GWO-SVM算法實現(xiàn)網(wǎng)絡(luò)入侵檢測。灰狼優(yōu)化算法(GWO)具有收斂速度快、全局搜索能力強等優(yōu)點，將GWO用于優(yōu)化支持向量機(SVM)的參數(shù)選擇，有助于提升分類模型的準確率。同時通過調(diào)整適應(yīng)度值函數(shù)，避免分類模型過擬合。在UNSW-NB15數(shù)據(jù)集上，將GWO-SVM分類算法與SVM、PSO-SVM、GA-SVM分類算法進行對比，實驗結(jié)果表明，GWO-SVM算法具有更高的分類準確率和性能，適用于物聯(lián)網(wǎng)環(huán)境下的網(wǎng)絡(luò)入侵檢測。

發(fā)表于：12/15/2020 4:08:16 PM

云計算中心運維數(shù)據(jù)可視化研究[通信與網(wǎng)絡(luò)][數(shù)據(jù)中心]

針對云計算中心運維數(shù)據(jù)分散、可視化程度低等問題，提出了建設(shè)基于InfluxDB和Grafana的云計算中心運維指標可視化平臺。該平臺從多個維度對運維數(shù)據(jù)進行展示，使用戶能夠全面了解云計算中心運行情況，提高運維管理工作的效率。

發(fā)表于：12/15/2020 4:02:00 PM

油田工業(yè)控制系統(tǒng)網(wǎng)絡(luò)安全解決方案研究[通信與網(wǎng)絡(luò)][安防電子]

工業(yè)控制系統(tǒng)現(xiàn)已廣泛應(yīng)用在油田行業(yè)，隨著兩化融合、智慧油田建設(shè)進程的加速，油田工控網(wǎng)絡(luò)從相對封閉到趨于開放，工控系統(tǒng)的脆弱性和外部威脅被進一步放大，嚴重影響著國家油田行業(yè)的安全生產(chǎn)、穩(wěn)定運營。從油田工控實際需求出發(fā)，依據(jù)工業(yè)控制系統(tǒng)等級保護擴展要求，結(jié)合油田工業(yè)控制系統(tǒng)協(xié)議多樣、設(shè)備可靠性要求高、安全機制不能影響實時性等特點，從安全通信網(wǎng)絡(luò)、安全區(qū)域邊界、安全計算環(huán)境、安全管理中心等方面著手，研究貼合油田行業(yè)特征的工控網(wǎng)絡(luò)安全解決方案。

發(fā)表于：12/15/2020 3:59:27 PM

淺談信息系統(tǒng)安全集成服務(wù)能力建設(shè)[通信與網(wǎng)絡(luò)][安防電子]

網(wǎng)絡(luò)安全已是國家戰(zhàn)略。從事信息系統(tǒng)安全集成服務(wù)企業(yè)的服務(wù)能力，對于信息系統(tǒng)建設(shè)具有重要的影響。安全集成服務(wù)認證作為一項自愿性認證受到廣大IT企業(yè)的認可。在從事安全集成服務(wù)認證審核中，發(fā)現(xiàn)依然存在一些共性方面的問題。剖析安全集成服務(wù)內(nèi)涵，總結(jié)分析企業(yè)在安全集成服務(wù)能力方面存在的問題及產(chǎn)生問題的主要原因，對于企業(yè)安全集成服務(wù)能力提升提出一些建議。

發(fā)表于：12/15/2020 3:53:00 PM