123,123

融合蛋白质语言模型与深度神经网络的植物蛋白质相互作用预测研究[模拟设计][医疗电子]

预测植物中的蛋白质-蛋白质相互作用（PPI）具有重要的生物学意义。同时采用了4种编码方法及深度神经网络构建了蛋白质相互作用预测模型。结果表明，提出的融合蛋白质语言模型Ankh与深度神经网络的方法构建的PPI预测模型性能在3种植物数据集上均获得了最优的AUPR和AUC值，Sen及MCC值也均优于其他4种蛋白质相互作用预测模型。当模型在水稻、大豆的植物PPI数据集上进行测试时，所提出的模型AUPR值分别为0.802 5、0.730 1，AUC值分别为0.956 2、0.950 7。这些优异的结果表明，融合蛋白质语言模型Ankh的PPI模型可以作为植物蛋白质相互作用预测的一个有前途的工具。

發(fā)表于：2024/4/29 下午1:10:00

混合CNN-SVM的心音信号分类算法的研究[模拟设计][医疗电子]

针对当前心音信号识别算法检测精度不佳问题，提出了一种混合卷积神经网络-支持向量机模型（CNN-SVM）的心音信号分类方法。通过PASCAL挑战实验数据，整理出正常与不正常两类心音信号数据库，通过预处理滤波及MFCC、一二阶差分特征提取、PCA降维，输入CNN-SVM模型进行训练。并从准确率、召回率、特异性、精确率和F分数5个方面进行性能评估。为了验证此算法的有效性，将混合CNN-SVM模型与单一SVM、CNN模型分别进行了对比。实验结果表明，该方法能够以较高识别率将两种心音信号区分开，其平均识别准确率接近于99%，相较于单一CNN方法提高了2.48%，同样高于单一SVM算法。

發(fā)表于：2024/4/29 下午1:10:00

CNI集成JPALS能力的进展及展望[模拟设计][航空航天]

卫星导航着陆是下一代精密着陆技术的趋势，其在通信导航识别系统（CNI）中的集成也成为了重要的研究内容。综述了联合精密进近着陆系统（JPALS）的原理与系统结构，分析了国内当前卫星导航着陆技术的研究现状及工程技术基础，在此基础上提出了坚持当前综合化CNI框架下，从JPALS需求论证、系统设计、可扩展性等方面提出了集成JPALS能力的初步工程设想。

發(fā)表于：2024/4/29 下午1:10:00

空基网络中定向自组网关键技术研究综述[通信与网络][通信网络]

基于定向天线的移动自组织网络被广泛应用于军事领域，尤其对于具有易实施、高隐蔽性、高保密性要求的空基网络，定向天线比全向天线更具有优势，它具有更远的传输范围，减小了节点间的相互干扰，能够实现空间复用能力的提升。但是定向天线的引入在增加通信距离的同时也会带来一些问题，给许多协议层带来破坏性的副作用。目前，国内外研究人员已提出多种算法来解决这些问题。结合空基网络的复杂性，研究了国内外提出的基于定向天线的移动自组网数据链路层和网络层的各类算法和协议，总结对比近年来定向邻居发现算法、媒体访问控制协议和定向路由协议三种关键技术，并提出更适合用于空基网络的技术与协议，最后对这些算法和协议的下一步研究提供了一些方向。

發(fā)表于：2024/4/29 下午1:10:00

简化退化模型的真实图像超分辨率网络[人工智能][信息安全]

图像超分辨率任务常用双三次下采样以构造数据集训练网络，但双三次下采样由于退化模型固定，导致网络泛化能力低，无法用于真实世界低分辨率图像。为解决上述问题本文提出预处理模块，通过预处理模块与双三次下采样数据集得到的网络相结合，在减少资源消耗的同时提高其泛化能力。此外，还针对不同的精度需求设计了特征学习训练策略和多任务联调策略。通过根据不同需求采用相应的训练策略，在满足精度需求的同时具有消耗计算资源少、训练速度快以及适用范围广的特点。实验证明，增加预处理模块的网络以较少的模型参数增加量换取了重建效果和感知质量方面的较大提升，并且通过不同策略实现了进一步的精度提高。

發(fā)表于：2024/3/25 下午2:30:06

基于CNN-Transformer混合构架的轻量图像超分辨率方法[人工智能][信息安全]

针对基于混合构架的图像超分模型通常需要较高计算成本的问题，提出了一种基于CNN-Transformer混合构架的轻量图像超分网络STSR（Swin Transformer based Single Image Super Resolution）。首先，提出了一种并行特征提取的特征增强模块（Feature Enhancement Block，FEB），由卷积神经网络（Convolutional Neural Network，CNN）和轻量型Transformer网络并行地对输入图像进行特征提取，再将提取到的特征进行特征融合。其次，设计了一种动态调整模块（Dynamic Adjustment，DA），使得网络能根据输入图像来动态调整网络的输出，减少网络对无关信息的依赖。最后，采用基准数据集来测试网络的性能，实验结果表明STSR在降低模型参数量的前提下仍然保持较好的重建效果。

發(fā)表于：2024/3/25 下午2:30:05

一种用于辅助兵棋推演的快速决策框架研究[其他][信息安全]

基于一般的决策和规划流程，提出了一个面向兵棋推演的快速决策框架（Rapid Military Decision Framework，RMDF），该框架针对异构实体模型，通过分层的网格环境对复杂推演环境简化建模，将推演实体的作用效果，简化为地面、海上和空中三个网格环境层次上的作用效果，并以热图的形式在网格环境中显示，通过推演实体的核心参数来确定其性能模型和行为模型，并基于一致性包算法实现任务分配，生成备选行动策略，通过快速仿真实现推演策略的迭代优化，能够在推演之前或推演期间提供行动方案的快速评估，可以有效地辅助兵棋推演指挥人员进行复杂态势下的兵棋推演。

發(fā)表于：2024/3/25 下午2:30:04

基于遗传算法和LightGBM的网络安全态势感知模型[其他][信息安全]

针对传统烟草工业系统中的网络流量异常检测方法存在的特征间联系和上下文信息丢失等问题，提出了一种基于遗传算法改进的LightGBM模型，此模型能够使得模型避免陷入局部最优情况。首先通过计算构建树模型对数据降维，从高维数据中挖掘出对于检测效果影响重要的关键特征信息，并使用提出的模型对这些关键特征信息进行分析。为了评估模型的有效性与优越性，使用准确率和损失进行模型评价，并与其他网络流量异常检测模型Tabular model、TabNet、LightGBM、XGBoost进行对比。使用公开数据集 CIC.IDS.2018 进行实验分析。结果表明，在高特征的网络安全态势感知下，多分类和二分类的识别准确率分别达99.43%和99.87%，在低特征情况下，多分类和二分类的识别准确率分别达98.73%和99.39%，具有较高准确率以及良好的灵活性和鲁棒性。

發(fā)表于：2024/3/25 下午2:30:03

依赖差分隐私：关联数据集下的高斯机制[其他][信息安全]

差分隐私(Differential Privacy)是一种数据扰动框架，它保证查询结果在概率上不可区分。研究表明差分隐私应用于关联数据集时，将带来隐私泄露的风险。根据依赖差分隐私(Dependent Differential Privacy)，量化了依赖差分隐私敏感度的度量；随后，提出了依赖差分隐私-高斯机制算法(Gaussian Mechanism Algorithm Dependent Differential Privacy)，实现数据扰动，同时证明了该机制满足隐私保证的基本定理；通过使用真实数据集的实验表明，GMA DDP在管理依赖数据的隐私-效用权衡方面具有较高的可用性。

發(fā)表于：2024/3/25 下午2:30:02

关于智能网联汽车数据安全治理框架的探究[通信与网络][信息安全]

随着智能网联汽车市场快速发展，智能网联汽车数据量增长迅猛，数据交换愈加频繁。高价值和高敏感特性，使得如何保证数据安全成为智能网联汽车行业监管部门和车辆生产企业共同关注的重点。目前，针对智能网联汽车数据安全治理并没有统一的实践标准，基于智能网联汽车数据安全合规要求，从数据安全控制角度出发，对智能网联汽车数据安全治理框架进行初步探索，以数据分类分级为基础，以数据生命周期安全管理为主线，构筑包括数据安全管理、数据安全技术、数据安全运营和数据处理场景安全管理在内的整体数据安全治理框架，为智能网联汽车数据安全提供一种体系化治理路径。

發(fā)表于：2024/3/25 下午2:30:01