69人妻精品中文字幕,欧美日韩国产亚洲精品

基于5G技術(shù)的高可靠數(shù)據(jù)傳輸終端的設(shè)計(jì)[其他][其他]

無(wú)線數(shù)據(jù)傳輸終端又稱為“工業(yè)領(lǐng)域的手機(jī)”，其數(shù)據(jù)傳輸原理與人們平常使用的手機(jī)是類似的。目前無(wú)線數(shù)據(jù)傳輸終端中常使用2G/4G網(wǎng)絡(luò)傳輸數(shù)據(jù),。2G/4G網(wǎng)絡(luò)存在帶寬小、時(shí)延大以及接入終端量受限等問(wèn)題,，因此傳統(tǒng)的數(shù)據(jù)傳輸終端不適用車聯(lián)網(wǎng)和大型工控領(lǐng)域。將5G技術(shù)應(yīng)用到DTU(Data Transfer Unit)中,，設(shè)計(jì)了一個(gè)高可靠性的5G數(shù)據(jù)傳輸終端即5G-DTU,。它的主處理器為Rockchip公司的RK1808芯片，集成了5G通信模組,、WiFi模塊和接口模塊,。因此5G-DTU能為外置設(shè)備提供2.4 G和5 G雙頻段的無(wú)線接入以及豐富的外設(shè)接口。最后通過(guò)測(cè)試證明了5G-DTU的高帶寬,、低延時(shí)和高可靠性,。

發(fā)表于：8/12/2021 3:25:11 PM

基于應(yīng)用場(chǎng)景特征描述的無(wú)人機(jī)基站飛行高度部署[其他][其他]

由于無(wú)人機(jī)基站在不同應(yīng)用場(chǎng)景下，所處的地理環(huán)境,、用戶分布,、用戶需求和所希望提升的性能需求不同，需要根據(jù)不同應(yīng)用場(chǎng)景的特征對(duì)無(wú)人機(jī)基站進(jìn)行部署,?；跓o(wú)人機(jī)基站的典型應(yīng)用場(chǎng)景，構(gòu)建兩個(gè)具有代表性的無(wú)人機(jī)基站應(yīng)用場(chǎng)景模型,，并對(duì)應(yīng)用場(chǎng)景模型特征進(jìn)行抽象描述。分別構(gòu)建了兩個(gè)應(yīng)用場(chǎng)景的空地通信傳輸模型,。在此基礎(chǔ)上,，給出了最大化傳輸速率以及最大化無(wú)人機(jī)覆蓋范圍的無(wú)人機(jī)基站最優(yōu)飛行高度的數(shù)學(xué)計(jì)算模型。最后,，對(duì)不同場(chǎng)景下無(wú)人機(jī)基站最優(yōu)飛行高度的影響因素和變化趨勢(shì)進(jìn)行了分析,。

發(fā)表于：8/12/2021 3:15:28 PM

機(jī)器學(xué)習(xí)中的成員推斷攻擊與防御研究[其他][其他]

隨著機(jī)器學(xué)習(xí)滲透到日常生活中的各個(gè)方面，其數(shù)據(jù)隱私問(wèn)題受到越來(lái)越多的關(guān)注,。成員推斷攻擊是機(jī)器學(xué)習(xí)算法面臨的安全威脅之一,，用于推斷特定數(shù)據(jù)是否存在于機(jī)器學(xué)習(xí)模型的訓(xùn)練集中，給用戶帶來(lái)極大的安全隱患,，對(duì)機(jī)器學(xué)習(xí)模型的安全性提出挑戰(zhàn),。為此，研究成員推斷攻擊不僅能發(fā)現(xiàn)隱私數(shù)據(jù)面臨的威脅,，而且還能為防御技術(shù)的提出提供思路,。對(duì)近年來(lái)有關(guān)成員推斷攻擊的研究進(jìn)行詳細(xì)的分析，按照應(yīng)用場(chǎng)景的不同將攻擊分為判別模型攻擊,、生成模型攻擊以及聯(lián)邦學(xué)習(xí)攻擊三類,。同時(shí)根據(jù)成員推斷攻擊和防御的發(fā)展現(xiàn)狀,，闡述了影響攻擊的因素以及經(jīng)典的防御策略。最后指出成員推斷攻擊中仍需解決的問(wèn)題以及未來(lái)的發(fā)展方向,。

發(fā)表于：8/12/2021 3:11:27 PM

基于多任務(wù)學(xué)習(xí)的無(wú)參考超分辨圖像質(zhì)量評(píng)估[其他][其他]

圖像超分辨率重建旨在從低分辨率圖像中恢復(fù)其對(duì)應(yīng)的高分辨率圖像,，是計(jì)算機(jī)視覺(jué)中的經(jīng)典問(wèn)題。為改進(jìn)傳統(tǒng)超分辨圖像質(zhì)量評(píng)價(jià)方法與人眼感知不一致的問(wèn)題,，提出一種基于多任務(wù)學(xué)習(xí)的超分辨圖像質(zhì)量評(píng)估網(wǎng)絡(luò),。網(wǎng)絡(luò)采用多任務(wù)學(xué)習(xí)的方式，分別學(xué)習(xí)圖像的局部頻率特征與質(zhì)量分?jǐn)?shù),，其中局部頻率特征用來(lái)輔助網(wǎng)絡(luò)進(jìn)行圖像質(zhì)量分?jǐn)?shù)的回歸,，提高分?jǐn)?shù)預(yù)測(cè)的準(zhǔn)確性和泛化能力。另外,，在網(wǎng)絡(luò)中加入?yún)f(xié)調(diào)注意力模塊,，進(jìn)一步增強(qiáng)了模型的預(yù)測(cè)能力。實(shí)驗(yàn)結(jié)果表明,，所提出的算法在QADS數(shù)據(jù)集上的SROCC,、PLCC等指標(biāo)優(yōu)于目前先進(jìn)的無(wú)參考超分辨圖像質(zhì)量評(píng)價(jià)方法。

發(fā)表于：8/12/2021 3:06:28 PM

基于Flink流處理框架的FFT并行及優(yōu)化[其他][其他]

FFT作為雷達(dá)信號(hào)處理的關(guān)鍵計(jì)算步驟之一,，本質(zhì)上是一個(gè)基于數(shù)據(jù)流的處理過(guò)程,。以往的FFT計(jì)算大多集中在通用計(jì)算平臺(tái)上進(jìn)行并行計(jì)算實(shí)現(xiàn)，計(jì)算系統(tǒng)存在擴(kuò)展性和魯棒性問(wèn)題,。隨著科學(xué)計(jì)算應(yīng)用在Flink上的逐漸興起,，將FFT在Flink上進(jìn)行并行和優(yōu)化，不僅可以很好地利用框架自身良好的系統(tǒng)擴(kuò)展性和魯棒性,，同時(shí)也能使其具備高吞吐的實(shí)時(shí)性能,。基于Flink對(duì)FFT流處理算法流程進(jìn)行了設(shè)計(jì)和優(yōu)化,，同時(shí)針對(duì)Flink對(duì)適用于FFT計(jì)算的緩存窗口機(jī)制進(jìn)行了設(shè)計(jì),，實(shí)驗(yàn)結(jié)果表明，改進(jìn)后FFT并行算法在多個(gè)大規(guī)模點(diǎn)數(shù)下計(jì)算速度均有所提高,。

發(fā)表于：8/12/2021 3:00:00 PM

一種基于CEEMDAN-LSTM組合的水體溶解氧預(yù)測(cè)方法[其他][其他]

為了對(duì)水體含氧量進(jìn)行更好的監(jiān)測(cè),，提高溶解氧含量預(yù)測(cè)精度，采用“先分解再集成”的結(jié)構(gòu),，提出了CEEMDAN-LSTM組合預(yù)測(cè)模型,。首先利用CEEMDAN得到分解后的各個(gè)分量，然后對(duì)每個(gè)分量進(jìn)行LSTM建模預(yù)測(cè),，最后對(duì)所有的預(yù)測(cè)結(jié)果進(jìn)行集成,，得到最終預(yù)測(cè)結(jié)果。該模型解決了單個(gè)LSTM模型預(yù)測(cè)的延遲性，與單個(gè)LSTM預(yù)測(cè)模型相比,，其擬合優(yōu)度(R2)提高了3.3%,，其余誤差指標(biāo)也均有所降低，預(yù)測(cè)精度得到了有效的提升,；與其他模型相比,，也更具優(yōu)越性。

發(fā)表于：8/12/2021 2:52:00 PM

基于深度網(wǎng)絡(luò)的推薦系統(tǒng)偏置項(xiàng)改良研究[其他][其他]

傳統(tǒng)的矩陣分解算法為用戶和項(xiàng)目分別獨(dú)立設(shè)置了偏置項(xiàng),，而沒(méi)有深入挖掘特定用戶對(duì)于特定項(xiàng)目的隱性偏好,；同時(shí)，傳統(tǒng)的排序預(yù)測(cè)推薦算法將用戶所有打分過(guò)的項(xiàng)目都統(tǒng)一地設(shè)置為該用戶的正例項(xiàng)目(無(wú)論用戶給出了好評(píng)還是差評(píng)),，這導(dǎo)致訓(xùn)練完成的系統(tǒng)在實(shí)際應(yīng)用中很可能會(huì)為用戶繼續(xù)推薦其厭惡的項(xiàng)目,。因此提出了一種基于深度網(wǎng)絡(luò)的推薦系統(tǒng)偏置項(xiàng)改良方案，該改良方案考慮了用戶為特定項(xiàng)目所作的評(píng)分背后所蘊(yùn)含的好惡態(tài)度,，并學(xué)習(xí)出一個(gè)用戶-項(xiàng)目聯(lián)合偏置項(xiàng)加入到推薦過(guò)程中以提升推薦性能,。在三個(gè)公開數(shù)據(jù)集上進(jìn)行的對(duì)比實(shí)驗(yàn)結(jié)果表明，該改良方案可以有效地提升推薦的性能表現(xiàn),。

發(fā)表于：8/12/2021 2:37:00 PM

基于特征集聚和卷積神經(jīng)網(wǎng)絡(luò)的惡意PDF文檔檢測(cè)方法[通信與網(wǎng)絡(luò)][信息安全]

針對(duì)現(xiàn)有惡意PDF文檔檢測(cè)方法存在特征維度高,、數(shù)據(jù)集樣本少導(dǎo)致模型欠擬合等問(wèn)題，提出了一種基于特征集聚和卷積神經(jīng)網(wǎng)絡(luò)的惡意PDF文檔檢測(cè)方法,。該方法以詞袋模型為基礎(chǔ),，從PDF文檔中提取常規(guī)特征和結(jié)構(gòu)特征。然后以合并后特征簇最小方差為目標(biāo),，使用Ward最小方差聚類方法實(shí)現(xiàn)特征集聚,。最后，將聚合特征送入卷積神經(jīng)網(wǎng)絡(luò)分類模型進(jìn)行訓(xùn)練,。根據(jù)不同聚合特征數(shù)下模型性能的好壞,，確定最優(yōu)的聚合特征數(shù)。實(shí)驗(yàn)結(jié)果表明,，該方法降低了特征維度，提升了模型的召回率,，緩解了模型的欠擬合問(wèn)題,。縱向比較來(lái)看,，在不同的良性樣本和惡意樣本比例下,，遍歷得到最優(yōu)的聚合特征數(shù)，召回率平均提升了53%,，F(xiàn)-score平均提升了0.44,，運(yùn)行時(shí)間平均縮短了27%；與PJScan,、PDFrate,、Luxor 3種檢測(cè)工具橫向相比,，檢測(cè)的綜合性能平均提升了5%。

發(fā)表于：8/12/2021 2:26:36 PM

基于全同態(tài)加密的安全人臉識(shí)別算法[其他][其他]

人臉識(shí)別技術(shù)是計(jì)算機(jī)視覺(jué)研究的重要課題,，在生物認(rèn)證領(lǐng)域有著廣泛的應(yīng)用前景,。然而人臉圖像的易獲取性使其被濫用，造成隱私的泄露,，因此各界對(duì)用戶人臉圖像隱私問(wèn)題的關(guān)注度日益提高,。提出了一種基于全同態(tài)加密的安全人臉識(shí)別算法，可以有效地保護(hù)用戶人臉圖像的隱私,，保證服務(wù)器在提供人臉識(shí)別服務(wù)時(shí),，不會(huì)學(xué)習(xí)到用戶圖像的任何信息。實(shí)驗(yàn)結(jié)果表明,，該算法安全性較高,，計(jì)算效率也有所提高。

發(fā)表于：8/11/2021 5:21:25 PM

水下聲吶通信安全研究[其他][其他]

隨著人類對(duì)海洋的探索與開發(fā),，水下網(wǎng)絡(luò)特別是水下通信技術(shù)逐漸成熟,。水下通常使用聲吶進(jìn)行通信，而水下聲吶通信信道具有傳輸速率低,、誤碼率高,、延時(shí)高和信道窄等缺陷，特別容易遭受惡意攻擊,。因此,，必須重視水下聲吶通信的安全問(wèn)題。針對(duì)水下聲吶通信系統(tǒng)安全防護(hù)等級(jí)較弱的現(xiàn)狀,，考慮水聲通信的獨(dú)特特性,，概述了水下密碼裝備的未來(lái)發(fā)展趨勢(shì)。進(jìn)而,，從保護(hù)數(shù)據(jù)機(jī)密性角度出發(fā),，設(shè)計(jì)了一型密碼樣機(jī)和一種輕量級(jí)密碼算法，用于水下聲吶通信加密技術(shù)的演示驗(yàn)證,。測(cè)試結(jié)果表明：采用輕量級(jí)密碼算法的密碼樣機(jī)非常適合水下通信安全防護(hù),，能夠滿足通信速率要求，這為未來(lái)水下聲吶通信系統(tǒng)搭載密碼系統(tǒng)奠定了一定研究基礎(chǔ),。

發(fā)表于：8/11/2021 5:07:00 PM