久久亚洲春色中文字幕久久久,级黄片免费视频,国产激情视频三区

改進轉移概率矩陣的三維交互式跟蹤模型算法[通信與網(wǎng)絡][通信網(wǎng)絡]

由于現(xiàn)有的簡單的轉移概率矩陣會導致跟蹤精度不高，復雜的轉移概率矩陣會導致跟蹤時間過長，難以滿足三維空間中機動目標跟蹤要求。針對轉移概率矩陣的設計問題，從機理分析入手，提出了一種基于隸屬度函數(shù)的模型轉移概率矩陣設計方法，并對三維交互式多模型算法進行了改進完善。仿真結果表明，依據(jù)隸屬度函數(shù)修正轉移概率矩陣的方法有效提高了三維機動目標的跟蹤精度。

發(fā)表于：7/25/2024 3:50:00 PM

有偏量測下基于最大相關熵卡爾曼濾波的目標跟蹤方法[通信與網(wǎng)絡][通信網(wǎng)絡]

針對傳感器存在系統(tǒng)偏差且噪聲非高斯條件下目標狀態(tài)估計精度較差的問題，提出一種有偏量測下基于最大相關熵卡爾曼濾波（Maximum Correntropy Kalman Filter， MCKF）的目標跟蹤方法。該方法通過引入差分機制，利用目標相鄰時刻的有偏量測之差構建差分量測方程，有效克服了系統(tǒng)偏差的影響。隨后基于最大相關熵準則（Maximum Correntropy Criterion， MCC）量化估計誤差的高階矩信息，并以差分量測為先驗條件推導出有偏量測下算法的濾波迭代方程。仿真結果表明，當系統(tǒng)觀測值受傳感器系統(tǒng)偏差和非高斯噪聲干擾時，與現(xiàn)有方法相比，所提方法具有更好的跟蹤性能。

發(fā)表于：7/25/2024 3:40:00 PM

機動目標跟蹤時滯問題分析[通信與網(wǎng)絡][通信網(wǎng)絡]

機動目標跟蹤結果在時間軸上的滯后問題是當前機動目標跟蹤領域的一大難點。產(chǎn)生時滯的情況很多，一般在跟蹤初期和發(fā)生較大機動的時間段內尤為明顯，常常會因此出現(xiàn)誤差高峰。如果能有方法抑制或者消除時滯現(xiàn)象，將能顯著提高跟蹤效果。從仿真實驗的結果和現(xiàn)象入手，結合卡爾曼濾波理論、交互式多模型算法和現(xiàn)代神經(jīng)網(wǎng)絡模型對時滯問題進行剖析，根據(jù)跟蹤各個階段情況的變化，分析時滯產(chǎn)生的不同原因，并提出可能的解決方法，以期為提高機動目標跟蹤效果提供參考。

發(fā)表于：7/25/2024 3:30:00 PM

過程論視野下的算法裁量：形成機理、現(xiàn)實困境和法治路徑[其他][信息安全]

算法在行政裁量領域中的廣泛應用，形成了一種新型的算法裁量模式，與此同時，亦帶來諸多法治挑戰(zhàn)，有必要對其形成機理、現(xiàn)實困境和法治路徑展開研究。在形成機理方面，基于法律與事實的交織構造，算法裁量的產(chǎn)生得益于法律的代碼化以及技術對事實的豐富處理。從過程論視角，對其進行“接收-處理-輸出”階段性劃分，針對性地逐一釋明不同階段所存在的數(shù)據(jù)質量問題、算法黑箱、算法歧視問題。基于此，有必要從范圍限定、程序約束及權利保障三個方面進行過程性的法律控制，從而推動算法裁量的法治化實踐。

發(fā)表于：7/2/2024 2:14:12 PM

數(shù)據(jù)知識產(chǎn)權登記對象研究[其他][信息安全]

數(shù)據(jù)知識產(chǎn)權登記制度正處于探索建設階段，從北京等四地公布的相關文件來看，四地方數(shù)據(jù)知識產(chǎn)權登記的對象在試點層面存在著定義與要件不一致、具體登記內容存在差別、不予登記的情形不統(tǒng)一的實施現(xiàn)狀。從既有知識產(chǎn)權制度的數(shù)據(jù)保護模式和我國數(shù)據(jù)知識產(chǎn)權登記制度來看，數(shù)據(jù)知識產(chǎn)權登記對象的要求仍然是對知識產(chǎn)權和競爭法規(guī)則的反映。數(shù)據(jù)知識產(chǎn)權登記對象不應該局限于商業(yè)數(shù)據(jù)，且不以數(shù)據(jù)規(guī)模為條件，而應當具備價值性、固定性、處理性等要件，數(shù)據(jù)知識產(chǎn)權制度需要以明確登記對象為核心，從法律完善、規(guī)范適用、平臺建設和配套制度等層面加以完善。

發(fā)表于：7/2/2024 2:14:11 PM

網(wǎng)絡犯罪抽樣取證的實踐困境與完善[通信與網(wǎng)絡][信息安全]

信息網(wǎng)絡時代，網(wǎng)絡犯罪的海量證據(jù)引發(fā)證明困難的司法困境，抽樣取證規(guī)則為化解網(wǎng)絡犯罪海量證據(jù)取證困境提供了有益探索。然而抽樣取證在實踐中仍存在取證標準不明晰、取證程序設計不足、取證范圍寬泛、被追訴人權利保障不健全等困境。對此，需要明確抽樣取證的標準；程序設計上，需要從主體權限、審批程序、構建類型化抽樣方法體系、非法抽樣證據(jù)排除角度進行完善；同時需要對抽樣取證的案件范圍、證據(jù)范圍、程序范圍進行必要限縮；最后需要從知情權、參與權、異議權等角度加強被追訴人救濟權保障。

發(fā)表于：7/2/2024 2:14:10 PM

從失范到規(guī)范：生成式人工智能的監(jiān)管框架革新[人工智能][信息安全]

生成式人工智能在技術變革下引發(fā)的失范性風險，對既有人工智能監(jiān)管框架提出了挑戰(zhàn)。從底層技術機理出發(fā)，可知當前生成式人工智能呈現(xiàn)出“基礎模型-專業(yè)模型-服務應用”的分層業(yè)態(tài)，分別面臨算法監(jiān)管工具失靈、訓練數(shù)據(jù)侵權風險加劇、各層級間法律定位不明、責任界限劃分不清等監(jiān)管挑戰(zhàn)。為此需以分層監(jiān)管為邏輯內核，對我國既有人工智能監(jiān)管框架進行革新。在監(jiān)管方式上應善用提示工程、機器遺忘等科技監(jiān)管工具；在責任劃定上應進行主體拆解與分層回溯，從而規(guī)范“基礎模型-專業(yè)模型-服務應用”的分層監(jiān)管框架，以期實現(xiàn)有效監(jiān)管，促進生成式人工智能的高質量發(fā)展。

發(fā)表于：7/2/2024 2:14:09 PM

基于生成對抗神經(jīng)網(wǎng)絡的流量生成方法研究[通信與網(wǎng)絡][信息安全]

網(wǎng)絡仿真中的流量生成對于確保仿真效果至關重要。目前常見的網(wǎng)絡流量生成器通?；谀撤N隨機模型，生成的流量只能服從指定的隨機分布。實際網(wǎng)絡中的隨機模型往往難以確定，導致現(xiàn)有模型對真實網(wǎng)絡流量的仿真有一定的偏差。為了解決這些問題，提出了基于生成對抗神經(jīng)網(wǎng)絡的時空相關流量生成模型；對網(wǎng)絡流量數(shù)據(jù)改進了其編碼方式，并使用 Z-score 處理流量數(shù)據(jù)，使數(shù)據(jù)趨于標準正態(tài)分布；提出了一種網(wǎng)絡流量時空相關性的度量方法。實驗結果表明，相較于現(xiàn)有的基線生成方式，所提出的方法在真實性和相關性的度量上平均提高了9%。

發(fā)表于：7/2/2024 2:14:00 PM

高校數(shù)據(jù)分類分級策略的探討與實踐[其他][信息安全]

隨著教育信息化的深度推進，高校數(shù)據(jù)業(yè)務越來越深入師生工作生活，數(shù)據(jù)安全與個人信息安全問題隨之日益突出。通過分析高校數(shù)據(jù)特點，結合高校數(shù)據(jù)實際，提出一套切實可行的分類分級策略，并提出針對不同分級數(shù)據(jù)采取的數(shù)據(jù)保護方案，旨在保障高校數(shù)據(jù)的安全性和隱私性。

發(fā)表于：7/2/2024 2:14:00 PM

企業(yè)數(shù)據(jù)分類分級自動化路徑研究[其他][信息安全]

數(shù)據(jù)分類分級自動化是提升企業(yè)數(shù)據(jù)分類分級效率、促進數(shù)據(jù)安全管理的重要手段。目前，針對數(shù)據(jù)分類分級自動化路徑的研究還相對較少。結合數(shù)據(jù)分類分級工作流程，總結企業(yè)數(shù)據(jù)分類分級面臨的主要問題挑戰(zhàn)，對數(shù)據(jù)探測、數(shù)據(jù)預處理、敏感數(shù)據(jù)識別、分類分級打標等典型自動化技術進行分析，提出了企業(yè)數(shù)據(jù)分類分級自動化的框架和路徑，為企業(yè)更加高效有序地開展數(shù)據(jù)分類分級自動化工作提供有效借鑒。

發(fā)表于：7/2/2024 2:14:00 PM