课程文献中心 更多>>

关键词： 网络安全   态势感知   MIDI音乐   音乐生成   可听化  

摘要： 随着网络时代的发展，网络安全问题日益突出，给网络空间安全带来了严峻挑战，亟需有效措施提升网络系统的安全防护能力，因此，网络安全态势感知的研究和应用愈加重要。然而，传统的态势评估与可视化方法已逐渐难以应对大规模、高速的网络攻击。为解决这一问题，本文探讨了网络态势影响因素与音乐元素之间的关系，提出了一种将网络态势与MIDI音乐结合的态势可听化方法，并构建了相应的模型。首先，本文从态势组成的角度设计并提取态势属性，以评估当前的网络安全状况。其次，在MIDI音乐生成模型中，本文设计并提取了MIDI音乐的关键属性，对其进行分级计算以构建音乐库，最终通过人工智能方法生成与网络态势相符合的音乐，实现了网络态势与音乐的映射。实验结果表明，通过将网络态势信息转化为听觉信号这一方法相较于传统态势评估与可视化方法能够更有效地传达网络态势变化，尤其是可视化难以描述的复杂态势特征，态势可听化提供了更具直观性和实时性的态势感知手段。

关键词： 视网膜疾病   视网膜血管   人工智能   彩色眼底照相   形态学参数  

摘要： 目的 建立一种适用于眼底多病种的精准视网膜血管网络分割方法，探讨不同类型眼底疾病的视网膜血管形态参数变化规律。 方法 采用回顾性研究方法，收集2020年1月至2023年12月在中山大学中山眼科中心就诊的眼底病患者829例及健康受试者146名的彩色眼底照相数据。将多路径分割网络进行微调，输入眼底图像血管分割公开数据集中糖尿病视网膜病变(DR)、青光眼以及年龄相关性黄斑变性(AMD)患者及健康成人的彩色眼底照相数据进行训练，直至模型loss值不再下降，最终得到完成训练的多病种视网膜血管分割模型。应用本课题组之前开发的视网膜血管形态特征分析方法，对受试者以黄斑为中心的彩色眼底图像进行分析，提取视网膜血管分型维数(D f )、血管面积比(VAR)、平均血管直径(D m )和扭曲度(τ)等形态特征参数，比较不同疾病组的视网膜血管形态特征参数。 结果 构建的多病种彩色眼底照相血管分割模型在测试集上的准确率为0.987，受试者工作特征曲线下面积为0.995。校正年龄和性别后，不同组间D f校正 、VAR 校正 、D m校正 和τ总体比较差异均有统计学意义( F ＝27.87、47.60、26.48、4.63，均 P <0.001)，其中AMD组、DR组、糖尿病性黄斑水肿(DME)组、视网膜色素变性(RP)组、视网膜分支静脉阻塞(BRVO)组和视网膜中央静脉阻塞(CRVO)组D f校正 较健康对照组显著下降，差异均有统计学意义(均 P <0.05)；除视神经炎组和中心性浆液性脉络膜视网膜病变组外其他所有疾病组VAR 校正 较健康对照组显著下降，差异均有统计学意义(均 P <0.05)；DME组、青光眼组、RP组、BRVO组和CRVO组D m校正 较健康对照组显著下降，差异均有统计学意义(均 P <0.05)。τ不受年龄和性别影响，无需校正。DR组和DME组τ较健康对照组显著上升，差异均有统计学意义(均 P <0.05)。 结论 成功构建了适用于眼底多病种的视网膜血管精准分割方法，该方法在视网膜多病种彩色眼底照相视网膜血管分割中均显示出高准确率。不同眼底疾病的视网膜血管形态特征存在显著差异。

关键词： 创业者   间接经验   网络能力   众筹   融资绩效  

摘要： 创业者经验是影响众筹融资绩效的关键因素之一，但现有研究仅聚焦于直接经验的影响，缺乏对间接经验的关注。众筹平台作为典型的双边市场，创业者不仅可以通过自己的创业实践进行体验式学习，还可以通过观察他人的创业行为进行观测性学习。为了探究间接经验对众筹融资绩效的影响及作用机理，研究基于“学习—行为—结果”的逻辑链条，构建理论模型，并利用Kickstarter平台1989个项目样本进行实证分析。研究发现：创业者间接经验的积累能显著提升众筹融资绩效，网络构建和管理能力在间接经验影响众筹融资绩效的路径上具有中介效应，网络导向能力的中介作用不显著。

关键词： 声速   离子液体   人工神经网络   多元线性回归   定量结构-性质关系  

摘要： 离子液体的声速可采用包括实验测定，半经验模型和理论研究方法获得。其中，定量结构-性质关系(QSPR)模型已受到广泛关注。但构造一个有效的QSPR模型取决于选择合适的分子描述符。本文采用片段活度系数类导体屏蔽模型(COSMO-SAC)获得的离子液体电荷密度分布片段面积(Sσ)和空穴体积(VCOSMO)两个描述符，采用多元线性回归(MLR)和反向传播人工神经网络(BP-ANN)分别构建了u-MLR和u-ANN两个用于描述离子液体声速(u)的QSPR模型。模型中包含了温度和离子液体相对分子量。所涉及的数据集包括171种离子液体的5 114个数据点。在总的数据集中，u-MLR和u-ANN的决定系数R2分别为0.970 6和0.999 5。计算的绝对平均相对误差AARD分别为1.59%和0.10%，均方根误差RMSE分别为30.68和4.12。证明基于人工神经网络建立的u-ANN模型的预测效果明显优于基于线性回归方法建立的uMLR模型的预测效果。

关键词： 人工智能   眼底   视网膜血管   超复数   血管分割   四元数值神经网络   U-Net网络结构   Adam优化器  

摘要： 目的 建立基于U-Net的四元数值神经网络(QU-Net)的眼底血管分割模型，并验证其对眼底影像视网膜血管提取和分割的精确度和效率。 方法 采用超复数概念，使用彩色图片的3个通道，用四元矩阵表示彩色图片的所有信息数据；该四元矩阵用作四元卷积和四元数完全连接层的输入，基于U-Net架构进行计算，形成QU-Net模型。将QU-Net模型先在DRIVE、STARE和CHASE_DB1数据集上进行初始测试，与传统实数空间的U-Net、M-Net和SU-Net模型从准确率、敏感度、特异度、精确度、F1值和马修斯相关系数(MCC)等方面进行性能比较。进一步对该模型进行优化，并将优化后的QU-Net模型与国际上已知的先进模型进行横向比较，从而综合评估该模型在眼底影像血管分割提取方面的效率和准确性。 结果 QU-Net模型在DRIVE数据集上血管分割的准确率为0.956 6，敏感度为0.700 8，特异度为0.987 9，精确度为0.595 4；在STARE数据集上，其准确率为0.975 5，敏感度为0.890 7，特异度为0.984 2，精确度为0.662 5；在CHASE_DB1数据集上，其准确率为0.979 4，敏感度为0.747 0，特异度为0.990 6，精确度为0.596 9。QU-Net模型的特异度优于U-Net、M-Net、SU-Net模型，其准确率、敏感度和精确度不弱于3个经典模型。对QU-Net模型进行优化后，在维持其原本准确率和特异度的基础上，优化模型在3个数据集上的敏感度、精确度和F1值均得到有效提高。将其与国际上其他已发表模型测试的各指标结果在3个数据集分别进行横向比较，发现优化的QU-Net模型的准确率、特异度、敏感度、精确度、F1值均表现良好，综合分析结果显示该模型的血管分割能力不弱于国际先进模型，在所有对比的模型中，优化的QU-Net模型的F1值和MCC表现最优。 结论 本研究提出的QU-Net模型把数据维度空间从传统的实数空间提升至复数空间，大大减少了数据信息的损失；优化的QU-Net模型具有良好的眼底影像血管分割提取效率和准确性，并在检测细血管方面具有一定优越性。

关键词： 红外与可见光图像融合   双对抗学习网络   脉冲耦合神经网络   交叉注意力机制  

摘要： 针对目前红外与可见光图像融合中互补信息提取和融合不充分的问题，提出了脉冲耦合双对抗学习网络。该网络采用双判别器分别关注融合图像中的红外目标与可见光纹理细节，以保持和增强其模态特征。此外，提出了结合学习机制的脉冲耦合神经网络，有效提取图像的显著特征和细节信息。最后，在融合阶段构造了交叉注意力引导的跨模态融合模块，进一步优化模态间的互补信息，减少冗余特征。与9种具有代表性的融合方法在TNO、M3FD和RoadScene数据集上进行定性和定量比较，所提方法在互信息和差异相关性总和等评价指标上表现更佳，生成的融合图像对比度高，细节信息丰富，且在目标检测任务取得了更好的效果。

关键词： 暂态稳定评估   深度学习   多尺度图学习   图注意力网络  

摘要： 已有基于图深度学习的暂态稳定评估方法考虑了电网的拓扑结构特征，但对电网拓扑结构图中多尺度子图间的信息传递特性没有进行有效建模，导致了判稳模型对电网局部与全局动态耦合关系的捕捉不足，降低了模型在复杂扰动下的判稳精度。因此，提出了一种融合多尺度子图信息传递过程的功角暂态稳定评估方法。该方法提出并构建了一种k阶图注意力网络，以不同尺度的电网拓扑子图作为图深度学习中特征提取的基本单元，通过注意力机制为特征聚合分配自适应权重，以挖掘实际电网中不同细粒度区域之间的特性。最后以中国电力科学研究院搭建的CEPRITAS-173算例验证了本文所提方法的可行性和有效性。

关键词： 道路场景   语义分割   领域自适应   自训练   对抗学习  

摘要： 语义分割旨在为图像中的每个像素分配一个类别标签，具有广泛的应用，比如自动驾驶。在实际应用中，一个在某一场景训练的语义分割模型无法有效地应用到其他场景，这成为其实际应用中的一个关键问题。像素级域内自适应方法已被证明是一种解决这个问题的有效方法。然而，这种方法不能有效地利用空间位置信息，并且容易受到噪声伪标签的影响。为了解决这些问题，首先提出了一个多层级领域自适应网络和一个置信度约束的方法。然后利用空间先验知识提出了一种阈值方法，以提高在域内自适应中使用的伪标签的质量。

关键词： MESH自组网   物理广播信道   帧结构   物理层  

摘要： 针对Wi-Fi MESH各节点发送数据时会发生丢包的现象,导致通信传输可靠性不高的问题,提出了一种基于TDOFDM的MESH自组网络广播信道设计方法。首先,进行帧结构设计,设计广播子帧和数据子帧的结构。接着,进行时间同步,同步完成后数据在物理层进行一系列流程,完成整个广播信道的设计。经过仿真,实验结果表明将物理广播信道加入MESH组网后对比基于Wi-Fi的MESH组网,自组网碰撞和重传大大减少,正确接收码字的概率提升了18.6%,提高了通信传输的可靠性。