基于拓?fù)浣Y(jié)構(gòu)的度量學(xué)習(xí)與拓?fù)鋫鞑サ膍iRNA-疾病關(guān)聯(lián)預(yù)測(cè)算法[人工智能][醫(yī)療電子]

miRNA的突變和異常表達(dá)可能導(dǎo)致各種疾病，因此預(yù)測(cè)miRNA與疾病的潛在相關(guān)性對(duì)于臨床醫(yī)學(xué)和藥物研究的發(fā)展具有重要意義。拓?fù)浣Y(jié)構(gòu)是miRNA-疾病預(yù)測(cè)算法的重要組成部分，然而當(dāng)前算法并未有效利用拓?fù)浣Y(jié)構(gòu)導(dǎo)致預(yù)測(cè)結(jié)果并不理想。與此同時(shí)，如何有效地融合多源數(shù)據(jù)也是當(dāng)前的研究趨勢(shì)。針對(duì)上述問題，提出一種自適應(yīng)融合異質(zhì)節(jié)點(diǎn)結(jié)構(gòu)信息算法（MMTP），通過利用節(jié)點(diǎn)的一階鄰居和元路徑誘導(dǎo)網(wǎng)絡(luò)學(xué)習(xí)結(jié)構(gòu)特征，并利用度量學(xué)習(xí)和拓?fù)鋫鞑プ赃m應(yīng)地融合異質(zhì)節(jié)點(diǎn)結(jié)構(gòu)信息，以提升miRNA-疾病預(yù)測(cè)精度。5折交叉驗(yàn)證實(shí)驗(yàn)結(jié)果表明，MMTP在HMDD v3.2數(shù)據(jù)集上的受試者操作曲線下面積（AUC）為94.81，高于其他模型。并且在基于腎癌的案例研究中，該模型所預(yù)測(cè)的前30個(gè)miRNAs全部得到證實(shí)。上述研究證明，所提的MMTP模型可有效預(yù)測(cè)miRNA-疾病相關(guān)性。

發(fā)表于：9/11/2024 3:10:39 PM

基于毫米波雷達(dá)三維點(diǎn)云的室內(nèi)跌倒檢測(cè)[人工智能][通信網(wǎng)絡(luò)]

全球老齡化時(shí)代的到來引發(fā)的老年人健康監(jiān)護(hù)問題不可忽視，而室內(nèi)跌倒對(duì)獨(dú)居的老年人有非常大的安全隱患。因此，為準(zhǔn)確檢測(cè)到跌倒動(dòng)作，使用毫米波雷達(dá)三維點(diǎn)云信息進(jìn)行室內(nèi)跌倒檢測(cè)，并提出一種基于外部注意力機(jī)制的PointLSTM網(wǎng)絡(luò)實(shí)現(xiàn)三維點(diǎn)云在時(shí)序的分類。通過MIMO體制的毫米波雷達(dá)芯片采集人體動(dòng)作的回波信號(hào)，利用集成雷達(dá)基帶處理器的微控制器實(shí)現(xiàn)信號(hào)處理的部分，可將原始數(shù)據(jù)實(shí)時(shí)轉(zhuǎn)換成三維點(diǎn)云，并提高點(diǎn)云處理中的計(jì)算速度及雷達(dá)硬件的整體性能。基于外部注意力機(jī)制的PointLSTM網(wǎng)絡(luò)可實(shí)現(xiàn)點(diǎn)云在時(shí)空中的提取特征和分類識(shí)別，網(wǎng)絡(luò)改進(jìn)了PointLSTM幀間點(diǎn)信息的流失問題，并在信息提取中對(duì)所有數(shù)據(jù)實(shí)現(xiàn)特征聯(lián)系，外部注意力機(jī)制通過獨(dú)立的可學(xué)習(xí)參數(shù)優(yōu)化了網(wǎng)絡(luò)復(fù)雜度和識(shí)別精確率。實(shí)驗(yàn)結(jié)果表明，所提出的方法在室內(nèi)環(huán)境下檢測(cè)準(zhǔn)確率可以達(dá)到98.3%，可以有效區(qū)分動(dòng)作的類別，并驗(yàn)證了使用毫米波雷達(dá)三維點(diǎn)云檢測(cè)人體跌倒的可行性。

發(fā)表于：9/11/2024 2:55:50 PM

高并發(fā)的數(shù)據(jù)安全能力微服務(wù)架構(gòu)及調(diào)度算法[EDA與制造][智能電網(wǎng)]

當(dāng)前，電力系統(tǒng)業(yè)務(wù)以微服務(wù)為主，業(yè)務(wù)架構(gòu)發(fā)生了顯著變化，數(shù)據(jù)安全能力需要與業(yè)務(wù)深度融合。然而，現(xiàn)有的數(shù)據(jù)安全能力仍以傳統(tǒng)軟硬件架構(gòu)為主，無法滿足跨域流動(dòng)場(chǎng)景的動(dòng)態(tài)彈性防護(hù)需求，難以適應(yīng)業(yè)務(wù)架構(gòu)的變化，亟需研究基于微服務(wù)化架構(gòu)的數(shù)據(jù)共享交互安全保護(hù)技術(shù)。然而由于電力系統(tǒng)產(chǎn)生的數(shù)據(jù)量巨大，不同數(shù)據(jù)又有著不同的數(shù)據(jù)安全需求，普通的微服務(wù)架構(gòu)難以解決電力系統(tǒng)微服務(wù)架構(gòu)在高并發(fā)場(chǎng)景下的負(fù)載失衡。針對(duì)以上問題，提出了一種基于開普勒優(yōu)化算法（Kepler Optimization Algorithm， KOA）的數(shù)據(jù)安全能力微服務(wù)調(diào)度算法，旨在實(shí)現(xiàn)負(fù)載平衡，從而提升系統(tǒng)的高并發(fā)處理能力。通過對(duì)云集群節(jié)點(diǎn)資源和微服務(wù)性能進(jìn)行詳細(xì)建模，以平衡集群負(fù)載與最小化微服務(wù)運(yùn)行時(shí)間為目標(biāo)構(gòu)建了優(yōu)化模型。實(shí)驗(yàn)結(jié)果顯示，基于KOA的數(shù)據(jù)安全能力微服務(wù)調(diào)度算法在均衡服務(wù)器負(fù)載、提升集群系統(tǒng)處理效率以及降低任務(wù)響應(yīng)時(shí)間方面具有顯著效果，有效提升了系統(tǒng)的并發(fā)性能。

發(fā)表于：9/11/2024 1:22:19 PM

基于貝葉斯網(wǎng)絡(luò)的多方關(guān)聯(lián)數(shù)據(jù)訪問安全風(fēng)險(xiǎn)識(shí)別模型研究[EDA與制造][智能電網(wǎng)]

對(duì)于現(xiàn)代電力系統(tǒng)的數(shù)據(jù)中臺(tái)而言，識(shí)別用戶訪問數(shù)據(jù)過程中的數(shù)據(jù)推斷風(fēng)險(xiǎn)尤為關(guān)鍵。特別是多個(gè)用戶合謀竊取數(shù)據(jù)的行為，可能會(huì)造成從非敏感數(shù)據(jù)推斷出敏感數(shù)據(jù)，導(dǎo)致敏感數(shù)據(jù)泄露，嚴(yán)重威脅電力調(diào)度和國家安全。傳統(tǒng)的訪問控制機(jī)制無法識(shí)別這種風(fēng)險(xiǎn)。為此，提出一種基于貝葉斯網(wǎng)絡(luò)的多方關(guān)聯(lián)數(shù)據(jù)安全風(fēng)險(xiǎn)識(shí)別模型MPA-BN，綜合考慮用戶訪問行為、時(shí)間模式、接口類型和數(shù)據(jù)交互方式，利用貝葉斯網(wǎng)絡(luò)分析用戶與服務(wù)接口之間的訪問關(guān)系，深入挖掘數(shù)據(jù)之間的依賴關(guān)系和概率特征，識(shí)別數(shù)據(jù)中臺(tái)對(duì)外服務(wù)接口的相關(guān)性以及用戶組合的潛在風(fēng)險(xiǎn)。本研究使用的數(shù)據(jù)集來自電力公司數(shù)據(jù)中臺(tái)的脫敏日志， 其中包含10 000個(gè)訪問用戶，生成日志的條目約100萬。實(shí)驗(yàn)結(jié)果表明，該模型能夠有效識(shí)別多用戶合謀竊取敏感數(shù)據(jù)的風(fēng)險(xiǎn)，為電力系統(tǒng)數(shù)據(jù)安全提供更有力的保障。

發(fā)表于：9/11/2024 1:12:26 PM