欧美精品福利视频,欧美精品免费观看二区,欧美三级小视频

基于FPGA的功率譜分析系統(tǒng)[其他][其他]

針對激光雷達的微弱信號探測，設(shè)計了一種實時功率譜分析系統(tǒng)。系統(tǒng)使用12位1 GS/s的模數(shù)轉(zhuǎn)換器(Analog to Digital Converter，ADC)進行采樣，采用FPGA作為數(shù)據(jù)采集處理的控制核心，并通過DDR3及千兆以太網(wǎng)實現(xiàn)數(shù)據(jù)的存儲上傳。在上位機軟件控制下，結(jié)合各個功能模塊，實現(xiàn)了參數(shù)可配置的兩種功率譜估計方案。測試結(jié)果表明，系統(tǒng)有效提升了數(shù)據(jù)處理速度，并通過分段累加改善了功率譜估計的性能。

發(fā)表于：12/14/2020

命名數(shù)據(jù)網(wǎng)絡(luò)中基于Dec-POMDP的緩存策略[其他][其他]

針對命名數(shù)據(jù)網(wǎng)絡(luò)(Named Data Networks，NDN)中數(shù)據(jù)緩存的問題，提出了一種基于分布式部分可觀測馬爾科夫決策過程(Dec-POMDP)的緩存優(yōu)化模型。在該模型框架下，NDN網(wǎng)絡(luò)節(jié)點間以分布式協(xié)作的方式逐漸收斂至最優(yōu)聯(lián)合緩存策略，從而使NDN中的有限緩存資源得到充分利用。仿真實驗表明，與現(xiàn)有NDN緩存方法相比，該方法能有效提升NDN網(wǎng)絡(luò)的緩存效率，實現(xiàn)較高的緩存命中率及較小的請求平均跳數(shù)。

發(fā)表于：12/14/2020

基于YOLO改進殘差網(wǎng)絡(luò)結(jié)構(gòu)的車輛檢測方法[測試測量][汽車電子]

針對車輛檢測任務(wù)，設(shè)計更高效、精確的網(wǎng)絡(luò)模型是行業(yè)研究的熱點，深層網(wǎng)絡(luò)模型具有比淺層網(wǎng)絡(luò)模型更好的特征提取能力，但構(gòu)建深層網(wǎng)絡(luò)模型時將導致梯度消失、模型過擬合等問題，應用殘差網(wǎng)絡(luò)結(jié)構(gòu)可以緩解此類問題。基于YOLO算法，改進殘差網(wǎng)絡(luò)結(jié)構(gòu)，加深網(wǎng)絡(luò)層數(shù)，設(shè)計了一種含有68個卷積層的卷積神經(jīng)網(wǎng)絡(luò)模型，同時對輸入圖像進行預處理，保證目標在圖像上不變形失真，最后在自定義的車輛數(shù)據(jù)集上對模型進行訓練與測試，并將實驗結(jié)果與YOLOV3模型進行對比，實驗表明，本文設(shè)計的模型檢測精準度(AP)達90.63%，較YOLOV3提高了4.6%。

發(fā)表于：12/14/2020

計算機程序基因技術(shù)初探[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

計算機程序基因技術(shù)是在惡意程序不斷演化與檢測識別技術(shù)的對抗博弈中發(fā)展起來的，傳統(tǒng)的惡意程序檢測技術(shù)已難以應對惡意程序的快速動態(tài)增長趨勢，計算機程序基因技術(shù)開啟了惡意程序檢測分析的一個新的思路，從匯編指令層中萃取出計算機程序的真實行為意圖，從而對程序進行分析和識別。根據(jù)給出的計算機程序基因的定義以及提取方法，可以找出計算機程序最本原的特征，有效提高新型的或變種的惡意程序的分析和檢測效率。

發(fā)表于：12/14/2020

端對端深度學習無損去圖像散射研究[其他][其他]

針對光線通過介質(zhì)會產(chǎn)生散射現(xiàn)象，提出了一種基于神經(jīng)網(wǎng)絡(luò)的端對端圖像去散射方案，對于散射退化的圖片進行退散射的處理，此方案不需要復雜的光學設(shè)備，應用場景廣泛，在仿真和實際實驗中都取得了預期的結(jié)果。提出了一套利用拍攝屏幕來建立散射退化圖片和無散射圖片的數(shù)據(jù)集的方法，且這一方法在許多其他的圖像處理圖像恢復工作中有應用價值。

發(fā)表于：12/14/2020

基于AHP-模糊綜合評價法的泄露數(shù)據(jù)價值評估模型[通信與網(wǎng)絡(luò)][信息安全]

以個人隱私信息為例構(gòu)建了一種泄露數(shù)據(jù)價值評估的模型。首先建立了包含不同類型數(shù)據(jù)的泄露數(shù)據(jù)集，通過抽取個人隱私相關(guān)的信息元素進行建模，利用層次分析法對各準則層的元素進行計算，得到個人隱私信息元素泄露價值的權(quán)重比例，并進行了一致性檢驗，通過模糊綜合評價的方法對個人隱私信息泄露數(shù)據(jù)價值進行評價，得到泄露價值的評估結(jié)果。

發(fā)表于：12/14/2020

從人才培養(yǎng)體系建設(shè)談實踐型網(wǎng)絡(luò)空間安全人才培養(yǎng)[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

近年來，我國高度重視網(wǎng)絡(luò)空間安全人才的培養(yǎng)與體系建設(shè)。網(wǎng)絡(luò)安全的競爭歸根結(jié)底是人才的競爭，網(wǎng)絡(luò)空間安全人才體系與機制的建立，對網(wǎng)絡(luò)安全人才培養(yǎng)至關(guān)重要。從美國、歐盟、日本等政府對網(wǎng)絡(luò)安全人才培養(yǎng)體系進行介紹，并對我國當前網(wǎng)絡(luò)安全人才培養(yǎng)體系現(xiàn)狀進行深度分析，同時給出網(wǎng)絡(luò)安全人才培養(yǎng)的思路和方法。圍繞“培養(yǎng)實踐型的網(wǎng)絡(luò)安全人才”的核心思想，在高校建立網(wǎng)絡(luò)空間安全靶場，以系統(tǒng)化、實踐化方式來培養(yǎng)高質(zhì)量的網(wǎng)絡(luò)安全人才。

發(fā)表于：12/14/2020

基于Star-Gan的人臉互換算法[人工智能][工業(yè)自動化]

基于Star-Gan的人臉互換算法易旭，白天(中國科學技術(shù)大學軟件學院，安徽合肥 230026)基于深度學習的人臉互換算法會因背景人臉環(huán)境的明亮程度、人臉表情、姿勢等因素影響換臉效果，現(xiàn)階段的人臉互換模型存在固有的弊端。采用Patch-Gan(Generative Adversarial Networks)的判別器結(jié)構(gòu)能通過全卷積網(wǎng)絡(luò)增強人臉局部一致性的效果。生成器將Unet結(jié)構(gòu)的編碼器的特征輸出作為輸入，能考慮多層信息細節(jié)。整體模型架構(gòu)采用Star-Gan的模型，引入實例歸一化層能保證圖像的獨立性。最后在Face-Forensics++人臉互換數(shù)據(jù)集上進行驗證，結(jié)果表明，融合的模型有較好的生成效果和細節(jié)。

發(fā)表于：12/14/2020

基于參數(shù)約束的分支覆蓋符號執(zhí)行優(yōu)化算法[其他][其他]

軟件質(zhì)量檢測常用的方法是軟件測試，符號執(zhí)行作為主流的測試技術(shù)已被廣泛應用于學術(shù)界與工業(yè)界中。但是隨著程序規(guī)模的增大和函數(shù)調(diào)用的增加，因某些路徑約束條件的特殊性，而難以生成正確的測試用例，從而導致符號執(zhí)行不能對所有路徑做到全覆蓋。為了提高符號執(zhí)行在特殊約束條件對路徑的覆蓋率等問題，本文提出了基于參數(shù)約束的符號執(zhí)行優(yōu)化算法。首先，該算法通過搜索收集程序代碼中函數(shù)的特殊參數(shù)，然后利用這些特殊參數(shù)作為約束條件，最后將約束條件添加到路徑的約束集中。該算法使符號執(zhí)行生成的測試用例更加精確，從而實現(xiàn)覆蓋特殊約束條件下的路徑分支，以提高符號執(zhí)行的精確性和路徑覆蓋率。在開源符號執(zhí)行平臺CREST中實驗并驗證上述優(yōu)化算法，驗證及測試結(jié)果表明本文提出的算法能夠提高符號執(zhí)行在特殊約束條件下對路徑的覆蓋率。

發(fā)表于：12/14/2020

直方圖移位安全可逆圖像水印算法的研究[其他][其他]

針對一些在數(shù)字版權(quán)保護和多媒體信息安全領(lǐng)域中，需要對嵌入的水印信息進行加密來確保水印信息的機密性，提出直方圖移位安全可逆的圖像水印算法。對載體圖像的最大像素值和最小像素值分別進行減一加一的操作，并且對該像素值進行標記，圖像預處理的方法，解決了嵌入水印信息時像素值修改產(chǎn)生的溢出問題。利用祖沖之序列密碼算法(ZUC算法)對水印信息進行加密。在水印嵌入階段，計算每個半平面像素的四鄰域、八鄰域的預測差值，來構(gòu)建二維直方圖，嵌入加密的水印。實驗結(jié)果表明，算法能夠無損地恢復原始載體圖像，加密水印信息能夠正確解密，含加密水印圖像的峰值信噪比均達到50 dB以上；該方案具有良好的加解密效果，水印圖像具有很好的質(zhì)量和水印隱蔽性，算法具有可逆性，并且解決了像素溢出的問題。

發(fā)表于：12/14/2020

一種多架構(gòu)應用軟件開發(fā)及運行方法研究與實現(xiàn)[其他][其他]

對國產(chǎn)基礎(chǔ)軟件運行環(huán)境及運行依賴庫進行了研究，提出了一種多架構(gòu)應用軟件開發(fā)及運行方法，并在FT1500A、X86(CPU)與麒麟(OS)相組合的兩類架構(gòu)環(huán)境上實現(xiàn)了該方法。運行結(jié)果表明，該方法能夠提供良好的多架構(gòu)應用軟件開發(fā)及運行服務(wù)，為國產(chǎn)基礎(chǔ)軟硬件生態(tài)的軟硬件適配、整體解決方案提供技術(shù)支撐。

發(fā)表于：12/14/2020

支持眾創(chuàng)開發(fā)的私有云平臺研究[其他][其他]

“支撐平臺+應用/服務(wù)”是信息系統(tǒng)的典型架構(gòu)，在不同因素的驅(qū)動下，支撐平臺和應用/服務(wù)都處在不斷發(fā)展變化中，從而表現(xiàn)為信息系統(tǒng)的整體更新?lián)Q代。當前，隨著業(yè)務(wù)需求和技術(shù)的不斷發(fā)展，“云+端”成為這一架構(gòu)的具體模式，并且表現(xiàn)出眾籌眾創(chuàng)的新型開發(fā)形態(tài)。該平臺是一個基于國產(chǎn)基礎(chǔ)軟硬件生態(tài)、面向日常辦公和業(yè)務(wù)處理的私有云平臺，也是一個支持業(yè)務(wù)信息系統(tǒng)持續(xù)眾創(chuàng)發(fā)展的應用生態(tài)服務(wù)環(huán)境。基于該應用支撐平臺提出了一個支持眾創(chuàng)開發(fā)的私有云平臺通用模型，并對該平臺的架構(gòu)、組成、主要特點及應用等進行深入研究。本文的成果能夠為面向眾創(chuàng)眾籌和持續(xù)集成的辦公及業(yè)務(wù)信息系統(tǒng)研發(fā)提供解決方案，同時為基礎(chǔ)軟硬件生態(tài)、私有云、微服務(wù)、容器等新技術(shù)在黨政機關(guān)辦公及業(yè)務(wù)領(lǐng)域的應用提供參考和借鑒。

發(fā)表于：12/14/2020

基于改進VGG16的猴子圖像分類方法[人工智能][物聯(lián)網(wǎng)]

為提高對細粒度圖像分類的準確性和分類速度，提出基于改進VGG16和遷移學習的圖像分類方法。首先從kaggle平臺中獲取十種不同猴子數(shù)據(jù)集，并對數(shù)據(jù)集進行標準化處理，包含圖片去椒鹽噪聲、將數(shù)據(jù)集轉(zhuǎn)換為TensorFlow中提供的統(tǒng)一TFRecord數(shù)據(jù)格式。然后遷移學習改進的VGG16卷積神經(jīng)網(wǎng)絡(luò)，模型的優(yōu)化包括利用Swish作為激活函數(shù)、將softmax loss與center loss相結(jié)合作為損失函數(shù)以實現(xiàn)更好的聚類效果、采用性能完善的Adam優(yōu)化器。用訓練集訓練模型以確定微調(diào)參數(shù)信息，再用測試集檢驗模型準確性。結(jié)果表明，該方法對猴子圖像分類的準確度可達到98.875%，分類速度也得到了顯著提升。與其他傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型相比，該方法具有更高的準確性和適用性。

發(fā)表于：12/14/2020

基于GPU并行優(yōu)化的網(wǎng)格參數(shù)化算法[其他][其他]

網(wǎng)格參數(shù)化是計算機圖形學、數(shù)字幾何處理領(lǐng)域的研究熱點，在動畫、醫(yī)療、工業(yè)設(shè)計等領(lǐng)域中都發(fā)揮著重要作用。現(xiàn)有參數(shù)化方法主要思路是構(gòu)造一個高度非線性的全局優(yōu)化問題，因此計算效率低，難以并行。提出了一種可并行、可擴展的參數(shù)化算法。該算法通過引入輔助變量。然后使用交替方向乘子算法(Alternating Direction Method of Multipliers，ADMM)，迭代優(yōu)化每個面和每條邊上的子問題得到參數(shù)化映射。為了驗證算法模型的高效性，使用GPU加速，相比于現(xiàn)存單線程算法，本文算法因為高度并行化運行時間縮短了至少百倍以上。

發(fā)表于：12/14/2020

一種基于知識圖譜的工業(yè)互聯(lián)網(wǎng)安全漏洞研究方法[通信與網(wǎng)絡(luò)][信息安全]

　　工業(yè)互聯(lián)網(wǎng)安全問題日益突出，對工業(yè)互聯(lián)網(wǎng)安全漏洞知識庫的深入研究是解決問題的關(guān)鍵。為解決漏洞數(shù)據(jù)利用價值低、關(guān)聯(lián)分析手段欠缺、可視化程度不足等問題，以工業(yè)互聯(lián)網(wǎng)安全漏洞庫為基礎(chǔ)，提出了構(gòu)建工業(yè)互聯(lián)網(wǎng)安全漏洞知識圖譜的方法，通過原始數(shù)據(jù)信息提取、關(guān)聯(lián)關(guān)系分析、數(shù)據(jù)存儲等手段，將知識圖譜導入到Neo4j圖數(shù)據(jù)庫，以實現(xiàn)高效存儲、查詢。從時間維度、空間維度、關(guān)聯(lián)關(guān)系維度進行知識圖譜的分析，將查詢結(jié)果進行了可視化展現(xiàn)。結(jié)果表明：提出的方法可以有效、直觀地展現(xiàn)工業(yè)互聯(lián)網(wǎng)安全漏洞數(shù)據(jù)的自身屬性與關(guān)聯(lián)關(guān)系，實現(xiàn)漏洞數(shù)據(jù)內(nèi)在價值的深度挖掘。

發(fā)表于：12/14/2020