日韩精品欧美亚洲,国产中文欧美日韩在线,亚洲二区欧美另类日韩字幕

一種基于改進(jìn)Mask R-CNN模型的遙感圖像目標(biāo)識(shí)別方法[其他][其他]

目標(biāo)識(shí)別技術(shù)作為機(jī)器視覺(jué)領(lǐng)域的一個(gè)重要分支，在各個(gè)領(lǐng)域有著重要的應(yīng)用。鑒于一般的目標(biāo)識(shí)別模型在遙感圖片中表現(xiàn)不佳，另外需要識(shí)別的目標(biāo)數(shù)量較多，尺寸大小不一，因此在經(jīng)典的目標(biāo)識(shí)別Mask R-CNN模型的基礎(chǔ)上，提出了一種融合了通道注意力機(jī)制和數(shù)據(jù)增強(qiáng)技術(shù)的模型Mask R-CNN模型。在輸入圖片數(shù)據(jù)時(shí)，首先通過(guò)Random-Batch images操作對(duì)數(shù)據(jù)進(jìn)行增強(qiáng)處理，提高模型對(duì)尺寸大小不一的目標(biāo)識(shí)別的準(zhǔn)確率；然后提取特征時(shí)，將原Mask R-CNN模型中的FPN改進(jìn)為BiFPN，使提取到的特征能更好體現(xiàn)原本的圖片信息；在最后的Mask階段，增加了通道注意力機(jī)制，使得模型更多地得到需要的信息。經(jīng)過(guò)實(shí)驗(yàn)表明，此模型在遙感圖像的特殊目標(biāo)細(xì)粒度識(shí)別中有良好的表現(xiàn)。對(duì)于同一個(gè)數(shù)據(jù)集，其評(píng)價(jià)指標(biāo)在各個(gè)方面都要優(yōu)于其他對(duì)比算法。

發(fā)表于：3/18/2021

用于自動(dòng)視力檢測(cè)的手勢(shì)識(shí)別方法研究[測(cè)試測(cè)量][其他]

對(duì)于自動(dòng)視力檢測(cè)系統(tǒng)，手勢(shì)識(shí)別是關(guān)鍵問(wèn)題，但是采用傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型識(shí)別手勢(shì)存在過(guò)擬合、計(jì)算量大等問(wèn)題。提出了一種GR-AlexNet模型，對(duì)AlexNet網(wǎng)絡(luò)模型進(jìn)行了適應(yīng)性修改和優(yōu)化：為了加快計(jì)算速度，用7×7、5×5、1×1的三個(gè)小卷積核替代原來(lái)的11×11的大卷積核，并刪除LRN層和一個(gè)全連接層；為了減輕過(guò)擬合效應(yīng)，在每次卷積后都加上一個(gè)Dropout優(yōu)化。對(duì)同一數(shù)據(jù)集分別使用LeNet模型、AlexＮet模型、VGG16模型與GR-AlexＮet模型進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)表明GR-AlexＮet模型在識(shí)別準(zhǔn)確率上較傳統(tǒng)的模型有一定的提高，能抑制過(guò)擬合現(xiàn)象，并且具有更快的訓(xùn)練速度。

發(fā)表于：3/18/2021

國(guó)密算法在工業(yè)互聯(lián)網(wǎng)安全中的應(yīng)用研究[通信與網(wǎng)絡(luò)][信息安全]

工業(yè)互聯(lián)網(wǎng)安全是網(wǎng)絡(luò)空間安全的重要組成部分。加強(qiáng)國(guó)密算法在工業(yè)互聯(lián)網(wǎng)中的應(yīng)用研究，對(duì)于提高我國(guó)網(wǎng)絡(luò)空間安全的防護(hù)能力和實(shí)現(xiàn)自主化目標(biāo)具有重大意義。闡述了國(guó)密算法在工業(yè)互聯(lián)網(wǎng)的應(yīng)用現(xiàn)狀和存在的挑戰(zhàn)，并基于國(guó)密算法設(shè)計(jì)一種輕量級(jí)的身份認(rèn)證協(xié)議。分析表明，該協(xié)議兩次握手可完成認(rèn)證，并能夠滿足認(rèn)證的安全性要求，具有良好的應(yīng)用價(jià)值。

發(fā)表于：3/18/2021

基于SOAR的安全運(yùn)營(yíng)自動(dòng)化關(guān)鍵技術(shù)構(gòu)建及未來(lái)演進(jìn)方向[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)現(xiàn)有的安全可視化編排及自動(dòng)化響應(yīng)技術(shù)，提出將復(fù)雜的APT威脅場(chǎng)景、漏洞、自動(dòng)化響應(yīng)驗(yàn)證、關(guān)鍵基礎(chǔ)設(shè)施合規(guī)管理等安全能力納入到現(xiàn)有SOAR(Security Orchestration Automation Response)的可視化編排及響應(yīng)中，極大地豐富并完善了Gartner提出的SOAR的安全編排及自動(dòng)化響應(yīng)的概念場(chǎng)景，大幅提升安全運(yùn)營(yíng)的效能和成熟度；通過(guò)DevSecOps開(kāi)放架構(gòu)及OpenC2開(kāi)放式管控接口，自適應(yīng)支持不同設(shè)備的數(shù)據(jù)接入及安全響應(yīng)管控，構(gòu)建圍繞SOAR為主體的安全運(yùn)營(yíng)生態(tài)體系；在此基礎(chǔ)上，提出安全運(yùn)營(yíng)自動(dòng)化未來(lái)演進(jìn)方向，即構(gòu)建多人協(xié)同的統(tǒng)一空間協(xié)同作戰(zhàn)體系，通過(guò)多人協(xié)同定義并改進(jìn)安全分析及響應(yīng)模型，迅速完成“安全策略、保護(hù)、檢測(cè)和響應(yīng)”的信息循環(huán)及信息再利用。

發(fā)表于：3/18/2021

基于TPCM可信根的主動(dòng)免疫控制系統(tǒng)防護(hù)設(shè)計(jì)[通信與網(wǎng)絡(luò)][信息安全]

目前針對(duì)工業(yè)控制系統(tǒng)的安全風(fēng)險(xiǎn)與日俱增，傳統(tǒng)“封堵查殺”的防護(hù)技術(shù)難以有效應(yīng)對(duì)當(dāng)前所面臨的安全威脅，急需一套更適合工控系統(tǒng)環(huán)境的安全解決方案。結(jié)合我國(guó)自主創(chuàng)新的可信計(jì)算3.0關(guān)鍵技術(shù)，提出一種基于TPCM可信根的適用于工業(yè)控制系統(tǒng)的主動(dòng)免疫防護(hù)方案，通過(guò)對(duì)關(guān)鍵節(jié)點(diǎn)的可信構(gòu)建使工業(yè)控制系統(tǒng)防護(hù)更加透徹，安全處理融洽一致，為工業(yè)控制系統(tǒng)構(gòu)建主動(dòng)免疫防御能力，使之能夠有效識(shí)別和防御未知威脅。

發(fā)表于：3/18/2021

基于PCNN的工業(yè)制造領(lǐng)域質(zhì)量文本實(shí)體關(guān)系抽取方法[其他][其他]

對(duì)汽車(chē)、機(jī)械等工業(yè)制造行業(yè)的質(zhì)量報(bào)告進(jìn)行關(guān)系抽取，對(duì)于該行業(yè)質(zhì)量知識(shí)圖譜、質(zhì)量問(wèn)答系統(tǒng)等研究有著極為重要的意義。針對(duì)在工業(yè)制造領(lǐng)域的質(zhì)量知識(shí)圖譜構(gòu)建過(guò)程中尚無(wú)公開(kāi)數(shù)據(jù)集可用的情況，收集了質(zhì)量文本并進(jìn)行相應(yīng)的專(zhuān)業(yè)標(biāo)注，構(gòu)建了工業(yè)制造領(lǐng)域質(zhì)量知識(shí)圖譜關(guān)系抽取專(zhuān)業(yè)數(shù)據(jù)集。基于該數(shù)據(jù)集利用分段卷積神經(jīng)網(wǎng)絡(luò)(Piecewise Convolutional Neural Network，PCNN)實(shí)現(xiàn)關(guān)系抽取，然后根據(jù)中文特性，提出了改進(jìn)的PCNN模型(C-PCNN)，以提升在中文語(yǔ)料中關(guān)系抽取的性能。在本文構(gòu)建的數(shù)據(jù)集中，改進(jìn)后模型的準(zhǔn)確率、召回率以及F1值優(yōu)于對(duì)比的PCNN和RNN模型，驗(yàn)證了該方法的可行性和有效性。該研究對(duì)從事制造行業(yè)的人員有一定的實(shí)際意義。

發(fā)表于：3/18/2021

面向工業(yè)控制系統(tǒng)的入侵檢測(cè)技術(shù)綜述[通信與網(wǎng)絡(luò)][信息安全]

隨著工業(yè)信息化的發(fā)展，工業(yè)控制系統(tǒng)(Industrial Control System，ICS)的安全防護(hù)越來(lái)越重要。入侵檢測(cè)是實(shí)時(shí)監(jiān)控ICS內(nèi)部和外部安全的一種技術(shù)，能夠有效精準(zhǔn)地檢測(cè)出攻擊行為并采取措施，因此，面向ICS入侵檢測(cè)技術(shù)成為工控領(lǐng)域的一個(gè)研究熱點(diǎn)。首先從ICS的結(jié)構(gòu)入手，給出了ICS入侵檢測(cè)的重要性；其次對(duì)ICS入侵檢測(cè)技術(shù)進(jìn)行分類(lèi)，分別對(duì)工業(yè)控制系統(tǒng)下的誤用入侵檢測(cè)技術(shù)、異常入侵檢測(cè)技術(shù)、網(wǎng)絡(luò)入侵檢測(cè)技術(shù)、主機(jī)入侵檢測(cè)技術(shù)的研究現(xiàn)狀進(jìn)行介紹和分析；最后針對(duì)應(yīng)用現(xiàn)狀進(jìn)行了展望。

發(fā)表于：3/18/2021

Silicon Labs的Secure Vault物聯(lián)網(wǎng)安全解決方案，率先獲得全球PSA 3級(jí)認(rèn)證[通信與網(wǎng)絡(luò)][物聯(lián)網(wǎng)]

　當(dāng)前半導(dǎo)體行業(yè)的缺芯局面，已獲業(yè)界大佬廣泛關(guān)注。3月17日，中國(guó)半導(dǎo)體行業(yè)協(xié)會(huì)理事長(zhǎng)、中芯國(guó)際董事長(zhǎng)周子學(xué)表示，歷史上整機(jī)行業(yè)從未受到過(guò)如此嚴(yán)重的半導(dǎo)體供應(yīng)緊張影響。同時(shí)，強(qiáng)調(diào)半導(dǎo)體是國(guó)際化產(chǎn)業(yè)，需要加強(qiáng)合作。

發(fā)表于：3/18/2021

基于聚類(lèi)的密碼芯片頻域側(cè)信道分析[其他][其他]

發(fā)表于：3/18/2021

基于Hyperledger Fabric的食品溯源系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[模擬設(shè)計(jì)][其他]

現(xiàn)有的傳統(tǒng)食品安全溯源系統(tǒng)中存在共享數(shù)據(jù)較為匱乏和信息存儲(chǔ)中心化、孤島化等問(wèn)題，利用區(qū)塊鏈系統(tǒng)去中心化、防篡改、可信任等特性，提出了一種基于Hyperledger Fabric區(qū)塊鏈的食品溯源系統(tǒng);然后對(duì)Hyperledger Fabric區(qū)塊鏈技術(shù)進(jìn)行深入分析和研究，明確Hyperledger Fabric區(qū)塊鏈技術(shù)的技術(shù)原理與技術(shù)特性，并綜合食品安全溯源系統(tǒng)的實(shí)際使用，對(duì)基于Hyperledger Fabric區(qū)塊鏈的食品溯源系統(tǒng)進(jìn)行詳細(xì)設(shè)計(jì)；最后對(duì)基于Hyperledger Fabric區(qū)塊鏈的食品溯源系統(tǒng)進(jìn)行了實(shí)際的搭建，并對(duì)該系統(tǒng)進(jìn)行相關(guān)功能測(cè)試和性能測(cè)試，驗(yàn)證了整體方案的可行性與有效性。

發(fā)表于：3/18/2021

使用智能終端控制激光異物清除設(shè)備[其他][其他]

對(duì)于架空高壓輸電線上的異物，利用激光清除已成為一種主流的手段。分析了異物清除作業(yè)的過(guò)程及其對(duì)控制系統(tǒng)的需求，提出了一種將執(zhí)行機(jī)構(gòu)控制和運(yùn)算分離，使用與執(zhí)行設(shè)備無(wú)線連接的便攜智能完成控制計(jì)算的系統(tǒng)設(shè)計(jì)，并詳述了這一控制系統(tǒng)的硬件實(shí)現(xiàn)和軟件流程。相較傳統(tǒng)一體化控制系統(tǒng)，這樣的設(shè)計(jì)成本低，使用靈活，維護(hù)簡(jiǎn)便且易于功能擴(kuò)展。實(shí)驗(yàn)表明，此系統(tǒng)能夠準(zhǔn)確可靠地控制激光異物清除設(shè)備完成清除操作。

發(fā)表于：3/17/2021

一種降低新型OFDM數(shù)據(jù)鏈誤碼率的方法[其他][其他]

針對(duì)空地雷達(dá)數(shù)據(jù)鏈可靠性的問(wèn)題，基于單向耦合映像格子模型，提出了基于OCML的新型OFDM數(shù)據(jù)鏈模型。上述模型通過(guò)利用OCML時(shí)空混沌序列對(duì)CCSK軟擴(kuò)頻進(jìn)行改進(jìn)，同時(shí)結(jié)合編碼技術(shù)以及調(diào)制技術(shù)進(jìn)行仿真。仿真分析顯示，基于OCML的新型OFDM數(shù)據(jù)鏈模型可以有效改善CCSK中偽隨機(jī)序列由于自相關(guān)性差導(dǎo)致的可靠性差等問(wèn)題，顯著提高系統(tǒng)誤比特率性能，且有效提高空地雷達(dá)數(shù)據(jù)鏈的可靠性。

發(fā)表于：3/17/2021

基于二叉空間劃分的異常數(shù)據(jù)檢測(cè)算法[測(cè)試測(cè)量][通信網(wǎng)絡(luò)]

無(wú)線傳感網(wǎng)絡(luò)(Wireless Sensor Networks，WSNs)的性能依賴(lài)于所收集的數(shù)據(jù)質(zhì)量。而最初，節(jié)點(diǎn)所感測(cè)的數(shù)據(jù)是粗糙的，需通過(guò)有效的數(shù)據(jù)檢測(cè)算法將異常數(shù)據(jù)與正常數(shù)據(jù)進(jìn)行區(qū)分。為此，提出基于二叉空間劃分的異常數(shù)據(jù)檢測(cè)(Binary Space Partition-based Anomaly Detection，BSP-AD)算法。BSP-AD算法通過(guò)二叉空間劃分(Binary Space Partition，BSP)訓(xùn)練、測(cè)試數(shù)據(jù)。先通過(guò)訓(xùn)練數(shù)據(jù)，得到正常數(shù)據(jù)的區(qū)間范圍，再通過(guò)此區(qū)間范圍檢測(cè)測(cè)試數(shù)據(jù)中異常部分。仿真結(jié)果表明，提出的BSP-AD算法能夠準(zhǔn)確地檢測(cè)異常數(shù)據(jù)，并且計(jì)算成本和存儲(chǔ)成本低于IDLO算法。

發(fā)表于：3/16/2021

基于EKF算法的鋰電池SOC估算策略[電源技術(shù)][其他]

在電池管理系統(tǒng)中，電池荷電狀態(tài)(SOC)的準(zhǔn)確估算具有重要的地位，其重要性不僅在于可以向使用者提示電池的剩余電量，更在于它是電池充放電管理和均衡控制管理的基礎(chǔ)。而SOC受許多因素的影響，如溫度以及電流的大小、方向等，它的準(zhǔn)確預(yù)測(cè)也較困難。提出了一種用擴(kuò)展卡爾曼濾波(EKF)算法估計(jì)鋰電池SOC的方法，建立電池仿真模型，通過(guò)混合動(dòng)力脈沖能力特性(HPPC)試驗(yàn)進(jìn)行了參數(shù)辨識(shí)。在恒流放電下模型的SOC估算誤差約2.1%，說(shuō)明該模型有效且易于應(yīng)用。

發(fā)表于：3/16/2021

高速采集方案使利用UHF局部放電檢測(cè)技術(shù)監(jiān)控電網(wǎng)成為現(xiàn)實(shí)[電源技術(shù)][智能電網(wǎng)]

整個(gè)20世紀(jì)，電能已經(jīng)變得無(wú)處不在，成為了日常生活的必需品。不難想象，如今支持我們每天的電能需求的電力網(wǎng)絡(luò)極為復(fù)雜。人們需要處理多種問(wèn)題，如維護(hù)或替換老舊的系統(tǒng)、連接舊設(shè)施和新的綠色發(fā)電解決方案、支持和應(yīng)對(duì)能源需求的波動(dòng)、長(zhǎng)距離傳輸能源、擁擠地區(qū)的輸配電和對(duì)應(yīng)標(biāo)準(zhǔn)以及保證客戶(hù)的整體滿意度。在過(guò)去的幾十年里，電力服務(wù)中斷一直是人們關(guān)注的焦點(diǎn)，并推動(dòng)了監(jiān)測(cè)、預(yù)測(cè)和預(yù)防設(shè)備問(wèn)題的研究。一種被稱(chēng)為局部放電(PD)的物理現(xiàn)象已經(jīng)被用于檢測(cè)這些問(wèn)題。本文將簡(jiǎn)要介紹局部放電的概念和優(yōu)點(diǎn)，以及不同的捕捉技術(shù)，著重介紹超高頻(UHF)系統(tǒng)，特別是其數(shù)據(jù)采集系統(tǒng)，然后介紹構(gòu)建這種系統(tǒng)的數(shù)據(jù)轉(zhuǎn)換解決方案。

發(fā)表于：3/15/2021