微密圈5874378,亚洲人成色77777在线播放日韩欧美中文字幕一区二区不卡

基于Involution Prediction Head的小目標(biāo)檢測算法[其他][其他]

針對通用目標(biāo)檢測算法在檢測小目標(biāo)時存在錯檢和漏檢等問題,提出了一種小目標(biāo)檢測算法IPH(Involution Prediction Head),，將其運用在YOLOv4和YOLOv5的檢測頭部分,，在VOC2007數(shù)據(jù)集上的實驗結(jié)果表明，運用IPH后的YOLOv4小目標(biāo)檢測精度APs(AP for small objects)相比原始算法提升了1.1%，在YOLOv5上的APs更是提升了5.9%,。經(jīng)智能交通檢測數(shù)據(jù)集進(jìn)一步檢驗,，IPH算法和去下采樣能有效提升小目標(biāo)檢測精度,，減少錯檢和漏檢的情況,。

發(fā)表于：2022/11/9 13:22:00

基于改進(jìn)暗通道先驗的車牌圖像去霧方法研究[MEMS|傳感技術(shù)][智能交通]

針對霧霾場景下車牌識別系統(tǒng)存在識別精度較差的問題，提出改進(jìn)型車牌識別模型,。該模型運用改進(jìn)型暗通道先驗去霧算法進(jìn)行去霧處理,，考慮到原去霧算法處理含明亮區(qū)域霧霾圖像時會出現(xiàn)顏色失真等問題，首先對大氣光值進(jìn)行閾值限制,，其次對引入因子進(jìn)行優(yōu)化選擇,，最后引入容差機制以修正透射率，并對圖像亮度進(jìn)行調(diào)整以提升圖像可視化效果,。仿真結(jié)果表明,，運用改進(jìn)后算法得到的去霧結(jié)果在PSNR、SSIM,、Entropy,、e性能上相對于改進(jìn)前分別平均提升1.934 dB、0.082,、0.235,、38.995。將去霧前后車牌圖像進(jìn)行識別測試,，車牌識別精度提升22%,，證明了所提模型的優(yōu)越性。

發(fā)表于：2022/11/9 13:17:00

基于Swin Transformer的肝囊型包蟲病超聲圖分類研究[其他][醫(yī)療電子]

為了提高肝包蟲病的篩查和診斷效率,，彌補部分地區(qū)醫(yī)療資源不足的情況,，提出一種基于Swin Transformer的肝包蟲病病灶智能分型方法，結(jié)合卷積注意力機制模型,，通過學(xué)習(xí)圖像的整體和局部細(xì)節(jié)特征來實現(xiàn)對五種類型的囊型包蟲病病灶的全自動分類,。為了驗證模型具有優(yōu)越性，將提出的預(yù)測模型與常見分類模型對比分析。結(jié)果顯示基于改進(jìn)的Swin Transformer模型在測試集上分類準(zhǔn)確率可達(dá)92.6%,。實驗結(jié)果表明相較于其他算法,，基于改進(jìn)的Swin Transformer網(wǎng)絡(luò)能較好地分類出肝囊型包蟲超聲圖像，并且該方法可以推廣到其他醫(yī)療應(yīng)用中,。

發(fā)表于：2022/11/9 13:13:00

基于漫水填充算法的中文印章識別方法[其他][其他]

印章識別是智能化辦公中必不可少的一環(huán)，現(xiàn)階段的印章識別方法是將掃描后的電子文檔直接輸入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行識別,，面臨著無法準(zhǔn)確定位印章位置,、彎曲文本識別準(zhǔn)確率低等問題。針對上述問題,，提出了一種高效的中文印章文本識別方法,，該方法使用漫水填充算法處理灰度圖像進(jìn)行印章圖像特征增強，保證了中文印章檢測精度,，同時引入了極坐標(biāo)轉(zhuǎn)換操作以確保文本特征完整性,。為了評估本文方法的有效性，在現(xiàn)有的文本識別網(wǎng)絡(luò)模型進(jìn)行了多組對比實驗,。經(jīng)實驗表明,，已有的網(wǎng)絡(luò)模型融合該方法所提取的文本特征均表現(xiàn)出優(yōu)異的識別結(jié)果。

發(fā)表于：2022/11/9 11:53:00

時空編碼技術(shù)在Web3.0數(shù)字金融中的應(yīng)用研究[其他][其他]

以青島市城市信息模型(Q-CIM)為基礎(chǔ),，分析了基于時間和空間數(shù)據(jù)的新一代編碼技術(shù)——時空編碼技術(shù)的特征,，結(jié)合Web3.0開放性和可能的發(fā)展方向，從架構(gòu),、身份管理,、信息管理等方面論證時空編碼技術(shù)成為Web3.0的重要支撐技術(shù)的合理性，并利用時空編碼的唯一性和確定性特征,，結(jié)合區(qū)塊鏈,、大數(shù)據(jù)等現(xiàn)有技術(shù)手段，探討將時空編碼技術(shù)應(yīng)用在Web3.0數(shù)字金融流量分發(fā)與反欺詐,、智能化風(fēng)險控制,、數(shù)字金融風(fēng)控等方面的可能性。

發(fā)表于：2022/10/27 14:39:52

考慮知識庫的企業(yè)隱性知識傳播模型研究[其他][其他]

針對企業(yè)知識庫對隱性知識傳播的影響,，基于經(jīng)典的傳染病動力學(xué)理論,，提出考慮知識庫的企業(yè)隱性知識傳播模型。首先,，將企業(yè)員工分為未知者S,、潛伏者Se、傳播者I,、免疫者R四類,；其次，利用微分動力學(xué)和下一代矩陣方法計算模型的傳播閾值,；最后,，運用MATLAB軟件對模型參數(shù)進(jìn)行數(shù)值仿真分析,。研究結(jié)果表明，企業(yè)知識庫的建立可以促進(jìn)企業(yè)的隱性知識傳播,，未知者自學(xué)率的提高可以增加企業(yè)傳播者密度,，企業(yè)獎勵強度的增大僅對傳播者有較大影響，對未知者和潛伏者影響較小,。

發(fā)表于：2022/10/27 14:34:43

無線傳感網(wǎng)絡(luò)分段線性融合定位算法[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

為實現(xiàn)對移動節(jié)點精確定位,，提出一種基于APIT-3D的移動節(jié)點定位模型和算法，綜合3D-DVHop跳段距離和RSSI測距技術(shù),，在計算內(nèi)測點與最近椎面距離基礎(chǔ)上,，利用與椎體成形體積判斷內(nèi)測點位置，有效避免“In-To-Out”和“Out-To-In”兩類錯誤產(chǎn)生,。在確定椎體重疊區(qū)域后,，通過最小二乘法結(jié)合空間分段線性融合方式計算節(jié)點位置。仿真實驗證明,，該分段線性融合定位算法對移動節(jié)點定位在百分之25th,，50th和75th定位偏差值分別為1.81 m，2.45 m和3.32 m,，并能判斷運動趨勢,，追蹤移動目標(biāo)，描述運動軌跡,。該算法為無線傳感網(wǎng)絡(luò)定位提供了算法借鑒和創(chuàng)新,。

發(fā)表于：2022/10/27 14:29:15

基于分解策略的多標(biāo)簽在線特征選擇算法[其他][其他]

在線學(xué)習(xí)方法是用于大規(guī)模數(shù)據(jù)集的、高效且可擴展的機器學(xué)習(xí)算法,。然而,，在對多標(biāo)簽數(shù)據(jù)集進(jìn)行特征選擇時，傳統(tǒng)的在線多標(biāo)簽學(xué)習(xí)方法需要訪問數(shù)據(jù)集的所有特征,，當(dāng)數(shù)據(jù)集具有較高維度時,，這種在線學(xué)習(xí)方式并不能適用于實際情景。針對多標(biāo)簽數(shù)據(jù)集的特征選擇,，在現(xiàn)有研究的基礎(chǔ)上,，使用二類分解策略，提出基于分解策略的多標(biāo)簽在線特征選擇算法,。該算法利用稀疏正則化和截取方法進(jìn)行在線特征選擇,，降低計算復(fù)雜度。實驗表明,，算法的特征選擇性能優(yōu)于其他多標(biāo)簽在線特征選擇算法,。

發(fā)表于：2022/10/27 14:21:02

基于特征序列的惡意代碼靜態(tài)檢測技術(shù)[其他][信息安全]

近年來，基于機器學(xué)習(xí)方法的惡意代碼檢測方法存在著無法自動和高效地提取惡意代碼的問題，有些還需要人工對特征進(jìn)行提取,，但是提取的特征沒有深層地描述惡意代碼行為,，存在檢測的準(zhǔn)確率較低、效率低等缺點,。通過對靜態(tài)惡意代碼進(jìn)行分析,，從紋理特征和操作碼特征入手，在提取紋理特征過程中,，提出一種Simhash處理編譯文件轉(zhuǎn)換成灰度圖像的方法,，生成灰度圖像后通過GIST算法和SIFT算法提取全局和局部圖像紋理特征，并將全局和局部圖像特征進(jìn)行融合,。

發(fā)表于：2022/10/27 14:10:40

基于溯源圖節(jié)點級別的APT檢測[人工智能][其他]

傳統(tǒng)的入侵檢測系統(tǒng)無法應(yīng)對日益增多和復(fù)雜的網(wǎng)絡(luò)攻擊(如高級持續(xù)性威脅),，因為可能在幾個月內(nèi)不能檢測出隱蔽威脅事件并具有較高誤報率,。最近研究建議利用溯源數(shù)據(jù)來實現(xiàn)基于主機的入侵檢測,，溯源圖是由溯源數(shù)據(jù)構(gòu)造成的有向無環(huán)圖。然而,，以前的研究是提取了整個溯源圖的特征,，對圖中的少量異常攻擊實體（節(jié)點）不敏感，因此無法準(zhǔn)確識別異常節(jié)點,。提出了一種在溯源圖節(jié)點級別上的APT實時檢測方法,。采用K-Means和輪廓系數(shù)相結(jié)合的方法對訓(xùn)練數(shù)據(jù)集中的良性節(jié)點進(jìn)行聚類，生成良性節(jié)點簇,，通過判斷新節(jié)點是否屬于良性節(jié)點簇來判別是否存在異常,。在Unicorn SC-2和DARPA TC兩種公共數(shù)據(jù)集上評估該方法，結(jié)果表明該方法準(zhǔn)確率達(dá)到95.83%,，并且能夠準(zhǔn)確識別和定位異常節(jié)點,。

發(fā)表于：2022/10/27 13:56:58