高潮迭起!午夜激情经典,亚洲图片小说

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

由于現(xiàn)有的簡(jiǎn)單的轉(zhuǎn)移概率矩陣會(huì)導(dǎo)致跟蹤精度不高，復(fù)雜的轉(zhuǎn)移概率矩陣會(huì)導(dǎo)致跟蹤時(shí)間過(guò)長(zhǎng)，難以滿足三維空間中機(jī)動(dòng)目標(biāo)跟蹤要求。針對(duì)轉(zhuǎn)移概率矩陣的設(shè)計(jì)問(wèn)題，從機(jī)理分析入手，提出了一種基于隸屬度函數(shù)的模型轉(zhuǎn)移概率矩陣設(shè)計(jì)方法，并對(duì)三維交互式多模型算法進(jìn)行了改進(jìn)完善。仿真結(jié)果表明，依據(jù)隸屬度函數(shù)修正轉(zhuǎn)移概率矩陣的方法有效提高了三維機(jī)動(dòng)目標(biāo)的跟蹤精度。

發(fā)表于：7/25/2024 3:50:00 PM

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

針對(duì)傳感器存在系統(tǒng)偏差且噪聲非高斯條件下目標(biāo)狀態(tài)估計(jì)精度較差的問(wèn)題，提出一種有偏量測(cè)下基于最大相關(guān)熵卡爾曼濾波（Maximum Correntropy Kalman Filter， MCKF）的目標(biāo)跟蹤方法。該方法通過(guò)引入差分機(jī)制，利用目標(biāo)相鄰時(shí)刻的有偏量測(cè)之差構(gòu)建差分量測(cè)方程，有效克服了系統(tǒng)偏差的影響。隨后基于最大相關(guān)熵準(zhǔn)則（Maximum Correntropy Criterion， MCC）量化估計(jì)誤差的高階矩信息，并以差分量測(cè)為先驗(yàn)條件推導(dǎo)出有偏量測(cè)下算法的濾波迭代方程。仿真結(jié)果表明，當(dāng)系統(tǒng)觀測(cè)值受傳感器系統(tǒng)偏差和非高斯噪聲干擾時(shí)，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(jī)動(dòng)目標(biāo)跟蹤時(shí)滯問(wèn)題分析[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

機(jī)動(dòng)目標(biāo)跟蹤結(jié)果在時(shí)間軸上的滯后問(wèn)題是當(dāng)前機(jī)動(dòng)目標(biāo)跟蹤領(lǐng)域的一大難點(diǎn)。產(chǎn)生時(shí)滯的情況很多，一般在跟蹤初期和發(fā)生較大機(jī)動(dòng)的時(shí)間段內(nèi)尤為明顯，常常會(huì)因此出現(xiàn)誤差高峰。如果能有方法抑制或者消除時(shí)滯現(xiàn)象，將能顯著提高跟蹤效果。從仿真實(shí)驗(yàn)的結(jié)果和現(xiàn)象入手，結(jié)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(luò)模型對(duì)時(shí)滯問(wèn)題進(jìn)行剖析，根據(jù)跟蹤各個(gè)階段情況的變化，分析時(shí)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(jī)動(dòng)目標(biāo)跟蹤效果提供參考。

發(fā)表于：7/25/2024 3:30:00 PM

過(guò)程論視野下的算法裁量：形成機(jī)理、現(xiàn)實(shí)困境和法治路徑[其他][信息安全]

算法在行政裁量領(lǐng)域中的廣泛應(yīng)用，形成了一種新型的算法裁量模式，與此同時(shí)，亦帶來(lái)諸多法治挑戰(zhàn)，有必要對(duì)其形成機(jī)理、現(xiàn)實(shí)困境和法治路徑展開研究。在形成機(jī)理方面，基于法律與事實(shí)的交織構(gòu)造，算法裁量的產(chǎn)生得益于法律的代碼化以及技術(shù)對(duì)事實(shí)的豐富處理。從過(guò)程論視角，對(duì)其進(jìn)行“接收-處理-輸出”階段性劃分，針對(duì)性地逐一釋明不同階段所存在的數(shù)據(jù)質(zhì)量問(wèn)題、算法黑箱、算法歧視問(wèn)題?；诖?，有必要從范圍限定、程序約束及權(quán)利保障三個(gè)方面進(jìn)行過(guò)程性的法律控制，從而推動(dòng)算法裁量的法治化實(shí)踐。

發(fā)表于：7/2/2024 2:14:12 PM

數(shù)據(jù)知識(shí)產(chǎn)權(quán)登記對(duì)象研究[其他][信息安全]

發(fā)表于：7/2/2024 2:14:11 PM

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

信息網(wǎng)絡(luò)時(shí)代，網(wǎng)絡(luò)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(luò)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(shí)踐中仍存在取證標(biāo)準(zhǔn)不明晰、取證程序設(shè)計(jì)不足、取證范圍寬泛、被追訴人權(quán)利保障不健全等困境。對(duì)此，需要明確抽樣取證的標(biāo)準(zhǔn)；程序設(shè)計(jì)上，需要從主體權(quán)限、審批程序、構(gòu)建類型化抽樣方法體系、非法抽樣證據(jù)排除角度進(jìn)行完善；同時(shí)需要對(duì)抽樣取證的案件范圍、證據(jù)范圍、程序范圍進(jìn)行必要限縮；最后需要從知情權(quán)、參與權(quán)、異議權(quán)等角度加強(qiáng)被追訴人救濟(jì)權(quán)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(shù)變革下引發(fā)的失范性風(fēng)險(xiǎn)，對(duì)既有人工智能監(jiān)管框架提出了挑戰(zhàn)。從底層技術(shù)機(jī)理出發(fā)，可知當(dāng)前生成式人工智能呈現(xiàn)出“基礎(chǔ)模型-專業(yè)模型-服務(wù)應(yīng)用”的分層業(yè)態(tài)，分別面臨算法監(jiān)管工具失靈、訓(xùn)練數(shù)據(jù)侵權(quán)風(fēng)險(xiǎn)加劇、各層級(jí)間法律定位不明、責(zé)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(nèi)核，對(duì)我國(guó)既有人工智能監(jiān)管框架進(jìn)行革新。在監(jiān)管方式上應(yīng)善用提示工程、機(jī)器遺忘等科技監(jiān)管工具；在責(zé)任劃定上應(yīng)進(jìn)行主體拆解與分層回溯，從而規(guī)范“基礎(chǔ)模型-專業(yè)模型-服務(wù)應(yīng)用”的分層監(jiān)管框架，以期實(shí)現(xiàn)有效監(jiān)管，促進(jìn)生成式人工智能的高質(zhì)量發(fā)展。

發(fā)表于：7/2/2024 2:14:09 PM

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

網(wǎng)絡(luò)仿真中的流量生成對(duì)于確保仿真效果至關(guān)重要。目前常見的網(wǎng)絡(luò)流量生成器通?；谀撤N隨機(jī)模型，生成的流量只能服從指定的隨機(jī)分布。實(shí)際網(wǎng)絡(luò)中的隨機(jī)模型往往難以確定，導(dǎo)致現(xiàn)有模型對(duì)真實(shí)網(wǎng)絡(luò)流量的仿真有一定的偏差。為了解決這些問(wèn)題，提出了基于生成對(duì)抗神經(jīng)網(wǎng)絡(luò)的時(shí)空相關(guān)流量生成模型；對(duì)網(wǎng)絡(luò)流量數(shù)據(jù)改進(jìn)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(biāo)準(zhǔn)正態(tài)分布；提出了一種網(wǎng)絡(luò)流量時(shí)空相關(guān)性的度量方法。實(shí)驗(yàn)結(jié)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(shí)性和相關(guān)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(jí)策略的探討與實(shí)踐[其他][信息安全]

隨著教育信息化的深度推進(jìn)，高校數(shù)據(jù)業(yè)務(wù)越來(lái)越深入師生工作生活，數(shù)據(jù)安全與個(gè)人信息安全問(wèn)題隨之日益突出。通過(guò)分析高校數(shù)據(jù)特點(diǎn)，結(jié)合高校數(shù)據(jù)實(shí)際，提出一套切實(shí)可行的分類分級(jí)策略，并提出針對(duì)不同分級(jí)數(shù)據(jù)采取的數(shù)據(jù)保護(hù)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(jí)自動(dòng)化路徑研究[其他][信息安全]

數(shù)據(jù)分類分級(jí)自動(dòng)化是提升企業(yè)數(shù)據(jù)分類分級(jí)效率、促進(jìn)數(shù)據(jù)安全管理的重要手段。目前，針對(duì)數(shù)據(jù)分類分級(jí)自動(dòng)化路徑的研究還相對(duì)較少。結(jié)合數(shù)據(jù)分類分級(jí)工作流程，總結(jié)企業(yè)數(shù)據(jù)分類分級(jí)面臨的主要問(wèn)題挑戰(zhàn)，對(duì)數(shù)據(jù)探測(cè)、數(shù)據(jù)預(yù)處理、敏感數(shù)據(jù)識(shí)別、分類分級(jí)打標(biāo)等典型自動(dòng)化技術(shù)進(jìn)行分析，提出了企業(yè)數(shù)據(jù)分類分級(jí)自動(dòng)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(jí)自動(dòng)化工作提供有效借鑒。

發(fā)表于：7/2/2024 2:14:00 PM