亚洲性无码av在线dvd,新区乱码无人区二精东,国产成人免费视频精品一区二区

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，圖紙設(shè)計是最關(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，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 3:10:51 PM

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)險閾值等對謠言控制的影響。

發(fā)表于：12/17/2020 2:59:58 PM

一種基于時間序列的環(huán)控生保系統(tǒng)遙測數(shù)據(jù)預(yù)測方法[其他][其他]

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

發(fā)表于：12/17/2020 2:52:40 PM

遙測實(shí)時圖像處理顯示系統(tǒng)設(shè)計與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][航空航天]

在飛行試驗(yàn)中，遙測圖像由于其直觀、實(shí)時顯示目標(biāo)飛行器的飛行狀態(tài)畫面，可供各級指揮決策和技術(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)計了一套地面遙測圖像實(shí)時解碼系統(tǒng)，在完成關(guān)鍵遙測參數(shù)實(shí)時處理基礎(chǔ)上，通過多站遙測數(shù)據(jù)的實(shí)時拼接、實(shí)時分路等處理手段，改善單一遙測地面站數(shù)據(jù)不完整帶來圖像畫面丟失的問題，保障了遙測關(guān)鍵參數(shù)實(shí)時處理和遙測圖像的完整傳輸。

發(fā)表于：12/17/2020 2:52:10 PM

多目超高清機(jī)場視頻拼接系統(tǒng)設(shè)計與軟件實(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。針對機(jī)場中多臺超高清攝像機(jī)監(jiān)控的場景，設(shè)計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；其次介紹了系統(tǒng)的關(guān)鍵功能設(shè)計以及主要界面實(shí)現(xiàn)；最后進(jìn)行了實(shí)驗(yàn)測試，得出相關(guān)實(shí)驗(yàn)數(shù)據(jù)。經(jīng)過測試，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，且對一幀的處理時間小于40 ms。

發(fā)表于：12/17/2020 2:47:12 PM

安全類文章的多文本分類系統(tǒng)的設(shè)計與實(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)大量的時間來識別文本類別。因此，設(shè)計一個多文本分類系統(tǒng)對于提高安全類網(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。并在 CNN和 LSTM混合模型基礎(chǔ)上設(shè)計實(shí)現(xiàn)了多文本自動標(biāo)注模塊，實(shí)現(xiàn)了網(wǎng)站安全類信息的自動分類，相對傳統(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 2:44:41 PM

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

現(xiàn)實(shí)場景行人的復(fù)雜性和多樣性使得行人檢測成為計算機(jī)視覺領(lǐng)域中一個既具有研究價值又極具挑戰(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)計分布規(guī)律調(diào)整不同檢測層的縮放因子，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 2:41:08 PM

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

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

發(fā)表于：12/17/2020 2:36:14 PM

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

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、磁場傳感器來實(shí)現(xiàn)步數(shù)、步長和航向的檢測。同時，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。最后對改進(jìn)的算法進(jìn)行實(shí)際測試，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 2:31:00 PM

基于深度學(xué)習(xí)的視頻火焰識別方法[人工智能][其他]

針對傳統(tǒng)視頻火災(zāi)檢測方法依靠人工經(jīng)驗(yàn)提取火焰特征，誤報率高、魯棒性差的特點(diǎn)，提出一種基于深度學(xué)習(xí)的視頻火焰識別方法。該方法充分利用火焰的運(yùn)動特征和顏色信息，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別。通過對多種場景下火焰視頻的測試結(jié)果表明，提出的方法具有較高的召回率、準(zhǔn)確率和較低的誤報率。

發(fā)表于：12/17/2020 2:30:25 PM