123,123

一種高速網(wǎng)絡(luò)流識別處理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

隨著骨干網(wǎng)絡(luò)傳輸速率不斷提高，對高速網(wǎng)絡(luò)信號分析處理系統(tǒng)的需求十分迫切。骨干網(wǎng)絡(luò)高速率、大帶寬的特點(diǎn)給整個網(wǎng)絡(luò)空間的管理帶來了許多困難。采用五元組定義的網(wǎng)絡(luò)流作為研究對象，通過理論分析，設(shè)計(jì)和實(shí)現(xiàn)了高速網(wǎng)絡(luò)流識別處理系統(tǒng)硬件平臺，實(shí)現(xiàn)網(wǎng)絡(luò)信號在流層面的分析識別，并根據(jù)分析結(jié)果執(zhí)行不同的處理策略，從而為網(wǎng)絡(luò)流的分類處理提供了依據(jù)。

發(fā)表于：2020/12/16 10:14:00

基于深度學(xué)習(xí)的在線字臨摹分析系統(tǒng)設(shè)計(jì)[其他][其他]

為方便和快速地進(jìn)行字體臨摹分析，該系統(tǒng)將紙面手寫字與名人真跡字進(jìn)行相似度比較，使用殘差網(wǎng)絡(luò)ResNet50模型和新的字相似度算法對手寫字進(jìn)行高精度識別并與名人真跡字快速地進(jìn)行相似度計(jì)算。將自制的名人書法字?jǐn)?shù)據(jù)集和普通中文數(shù)據(jù)集合在一起訓(xùn)練ResNet50模型，最后結(jié)合Web網(wǎng)站和Android開發(fā)了一個實(shí)時在線手寫字與各名人書法字進(jìn)行相似度比較的系統(tǒng)。Android端主要用來上傳紙面手寫字照片和展示處理的結(jié)果，搭建的Web網(wǎng)站用來對圖片進(jìn)行識別和相似度的計(jì)算與分析。

發(fā)表于：2020/12/16 9:59:00

基于Wi-Fi信號的環(huán)境反向散射技術(shù)分析[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

環(huán)境反向散射技術(shù)給物聯(lián)網(wǎng)低功耗設(shè)備部署的商業(yè)化帶來了新的技術(shù)方案。首先簡要概述反向散射技術(shù)的分類和基本特點(diǎn)，然后基于Wi-Fi信號下的環(huán)境反向散射技術(shù)，分析反向散射的設(shè)備通過接收Wi-Fi報(bào)文及反射信號來傳遞信息的可行性，討論設(shè)備實(shí)現(xiàn)Wi-Fi雙向通信的硬件框架和軟件模塊結(jié)構(gòu)，介紹反向散射技術(shù)的應(yīng)用場景，并歸納該技術(shù)的挑戰(zhàn)和改進(jìn)方向。最后展望了基于Wi-Fi信號的環(huán)境反向散射技術(shù)的發(fā)展趨勢和研究方向。

發(fā)表于：2020/12/16 9:08:00

5G基站型路側(cè)設(shè)備技術(shù)方案與應(yīng)用研究[通信與網(wǎng)絡(luò)][5G]

隨著5G技術(shù)的發(fā)展和商用，基于車路協(xié)同的自動駕駛被業(yè)界認(rèn)為是車聯(lián)網(wǎng)未來發(fā)展的主要方向之一，路側(cè)設(shè)備RSU是車路協(xié)同關(guān)鍵設(shè)備之一。立足于未來5G網(wǎng)絡(luò)和C-V2X網(wǎng)絡(luò)發(fā)展趨勢，分析了5G基站型RSU的需求，并對5G基站型RSU的技術(shù)方案、基本功能進(jìn)行了描述，展望了5G基站型RSU的應(yīng)用場景。

發(fā)表于：2020/12/16 8:59:00

基于CNN-LightGBM模型的高速公路交通量預(yù)測[人工智能][物聯(lián)網(wǎng)]

有效的交通流量預(yù)測對人們出行和交管部門監(jiān)管都有著重要的意義。傳統(tǒng)的交通量預(yù)測模型主要基于交通流的時間特性，未結(jié)合交通流的時間和空間特性進(jìn)行深入挖掘，因此預(yù)測效果有時不佳。提出了一種基于CNN與LightGBM結(jié)合的交通流預(yù)測模型，首先利用CNN模型挖掘出高速公路相鄰路段監(jiān)測點(diǎn)和出入口的時間和空間關(guān)聯(lián)性，實(shí)現(xiàn)對交通流數(shù)據(jù)的時空特征提取，然后將CNN提取到的特征向量輸入到LightGBM模型中進(jìn)行預(yù)測。為了驗(yàn)證模型的有效性，實(shí)驗(yàn)中使用了多種預(yù)測模型進(jìn)行對比，實(shí)驗(yàn)結(jié)果表明，所提出的考慮到時空特性的CNNLightGBM組合的模型可以明顯降低預(yù)測誤差，是一種有效快速的交通流預(yù)測模型。

發(fā)表于：2020/12/15 22:16:00

一種鄰域自適應(yīng)的雙閾值點(diǎn)云特征提取方法[其他][其他]

點(diǎn)云數(shù)據(jù)的特征提取是點(diǎn)云數(shù)據(jù)處理環(huán)節(jié)中的一項(xiàng)重要內(nèi)容，對幾何分析、數(shù)據(jù)分割、點(diǎn)云配準(zhǔn)、模型重建等研究起關(guān)鍵作用。研究了基于法向量和曲率的點(diǎn)云特征提取技術(shù)，闡明了特征提取過程中鄰域選取與單一參數(shù)計(jì)算存在的問題，提出了鄰域自適應(yīng)的雙閾值點(diǎn)云特征提取方法。通過實(shí)驗(yàn)對比了該算法與基于曲率的特征提取算法的提取效果，驗(yàn)證了本算法的穩(wěn)定性、準(zhǔn)確性。該算法對于幾何特征復(fù)雜的點(diǎn)云具有較好的提取效果，對提高點(diǎn)云特征點(diǎn)提取的精度及效率具有重要的意義。

發(fā)表于：2020/12/15 21:36:00

基于Flink框架的TopN堆排序優(yōu)化算法[其他][其他]

為了解決大數(shù)據(jù)TopN排序問題，將傳統(tǒng)的堆排序進(jìn)行優(yōu)化，闡述了優(yōu)化后的HeapOptimize方法的處理過程。HeapOptimize方法基于Flink框架來完成TopN作業(yè)，可以實(shí)時地接收并處理大量的數(shù)據(jù)，根據(jù)單位時間需要處理的數(shù)據(jù)數(shù)量來調(diào)整算子的并行度，增加Flink框架的吞吐量，提高處理數(shù)據(jù)的速度。通過實(shí)驗(yàn)測量的數(shù)據(jù)結(jié)果佐證了HeapOptimize方法的優(yōu)勢。

發(fā)表于：2020/12/15 21:17:00

基于改進(jìn)馬爾科夫特征的圖像拼接檢測研究[通信與網(wǎng)絡(luò)][信息安全]

針對傳統(tǒng)馬爾科夫特征拼接檢測準(zhǔn)確率不高的問題，提出了一種有效的馬爾科夫特征提取方法。與傳統(tǒng)馬爾科夫特征的計(jì)算過程不同，只計(jì)算水平和垂直兩個方向的轉(zhuǎn)移概率矩陣，選擇四個轉(zhuǎn)移概率矩陣中對應(yīng)位置求和后的值作為最終特征。求和操作不僅降低了特征維度，而且使真實(shí)圖像與拼接圖像之間的概率分布區(qū)分更加明顯。所提出的算法的特征維度與數(shù)據(jù)集無關(guān)。該方法在哥倫比亞彩色拼接檢測圖庫、CASIA V1.0和CASIA V2.0數(shù)據(jù)集上測試的準(zhǔn)確率分別為94.38%、99.19%、96.02%。

發(fā)表于：2020/12/15 20:49:00

基于DAPA的卷積神經(jīng)網(wǎng)絡(luò)Web異常流量檢測方法[測試測量][通信網(wǎng)絡(luò)]

針對Web攻擊流量檢測問題，提出一種基于動態(tài)自適應(yīng)池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷積神經(jīng)網(wǎng)絡(luò)模型。首先將數(shù)據(jù)集中每一條請求流量進(jìn)行剪裁、對齊、補(bǔ)足等操作，生成一系列50×150的矩陣數(shù)據(jù)A作為輸入，然后搭建基于動態(tài)自適應(yīng)的卷積神經(jīng)網(wǎng)絡(luò)模型去進(jìn)行異常流量檢測，使之可以根據(jù)特征圖的不同，動態(tài)地調(diào)整池化過程，在網(wǎng)絡(luò)結(jié)構(gòu)中添加Dropout層來解決流量特征提取過程中的過擬合問題。實(shí)驗(yàn)表明，該方法比未使用動態(tài)自適應(yīng)池化的方式精確度提升了1.2%，損失值降低了2.6%，過擬合問題也得到了解決。

發(fā)表于：2020/12/15 20:32:00

基于KNN的剩余油形態(tài)識別[其他][其他]

對從實(shí)驗(yàn)中采集到的剩余油圖像進(jìn)行分析研究，可以為油藏后期開采提供理論依據(jù)。通過收集確定類型的剩余油特征數(shù)據(jù)作為樣本集向量空間，對待分類剩余油特征數(shù)據(jù)進(jìn)行歸一化處理，之后求取歐氏距離。使用KNN（K近鄰）分類方法近鄰?fù)镀贝_定剩余油類別，可以較為快速準(zhǔn)確地得到分類結(jié)果。

發(fā)表于：2020/12/15 17:23:00