课程文献中心 更多>>

关键词： 高分辨距离像   目标识别   特征提取   雷达传感器网络   对比学习  

摘要： 基于雷达传感器网络的目标识别系统在自动目标识别领域得到了广泛的研究，该系统从多个角度对目标进行观测从而可获得稳健的目标识别能力，这也带来了多雷达传感器回波数据间相关信息和差异信息的利用问题。其次，现有研究大都需要大规模标记数据来获得目标的先验知识，考虑到大量未标注数据未被有效使用，该文研究了一种基于多重对比损失(MCL)的雷达传感器网络HRRP无监督目标特征提取方法。该方法通过联合实例级损失、Fisher损失和语义一致损失这三重损失约束，用以寻求多雷达传感器回波间具有一致性和判别性的特征向量并用于后续的识别任务。具体而言，将原始回波数据分别映射到对比损失空间和语义标签空间：在对比损失空间中，利用对比损失对样本的相似性和聚集性进行约束，使不同传感器获取的同一目标不同回波间的相对距离和绝对距离被减小，而不同目标回波样本间的距离被拉大;在语义损失空间中，通过提取到的判别特征对语义标签进行约束，实现语义信息和判别特征一致的目标。在实测民用飞机数据集上进行的实验表明，与最先进的无监督和有监督目标识别算法相比，MCL的识别准确率分别提升了0.4%和1.4%，并且MCL能有效提升多雷达传感器协同时的目标识别性能。

关键词： 卫星导航   欺骗干扰检测   多参数   深度学习  

摘要： 在日益复杂的电磁环境中，卫星导航信号极易受到欺骗干扰，因此有必要对欺骗干扰进行检测。针对多种欺骗干扰场景下，单一参数欺骗检测方法不通用、不够鲁棒的问题，该文提出了一种基于门控机制的并行CNN-Transformer神经网络(PCTN)的多参数欺骗干扰信号检测算法，用于检测接收机是否受到欺骗信号的干扰。该算法考虑了欺骗干扰在跟踪阶段对接收机各参数的影响，并从中提取出多个特征信息组成多维时间序列。对序列进行预处理后，利用PCTN网络提取序列的时间前后联系和多个维度上的特征信息。实验结果表明，所提算法在TEXBAT数据集以及实采数据集上分别取得了99%和94.5%以上的总体检测率，能够有效提升多场景下欺骗干扰检测算法的通用性和泛化性。

关键词： 边缘计算   通感算融合   深度强化学习   计算不确定性  

摘要： 通感算融合是6G的热点研究方向。为了解决复杂场景下通信-感知-计算模式的用户能耗大、计算不确定等问题，该文设计一种稳健的通感算融合网络资源分配与决策优化方案。首先，由于任务复杂度的不可预测，构建一个稳健的计算资源分配问题以优化卸载决策的不确定性。其次，在满足用户功耗、处理时间、雷达估计信息率等条件下，联合优化任务卸载比例、波束赋形和资源分配，建立用户总能耗最小化问题。由于该优化问题是多变量耦合且非凸的，将其建模为一个马尔可夫决策过程，提出一种基于柔性演员-评论家(SAC)优化算法。仿真结果表明，该算法在网络训练时更加稳定，能有效增强计算稳健性，与近端策略优化算法和优势动作评论算法相比，所提SAC算法在用户能耗方面分别减少了9.57%和40.72%。此外，用户数越多，能耗减少越显著。

关键词： 大语言模型   图神经网络   连边因子挖掘   链接预测   引文网络  

摘要： GNN可以有效聚合图结构数据中邻近节点的信息以学习节点表征,在引文网络数据挖掘领域展现出了巨大的潜力。然而,现有的大多数GNN在捕获连边信息的驱动因子方面缺乏深入探索,这限制了对节点间复杂关系的深入理解和解释。例如,不同论文之间的引用关系通常由各种研究主题驱动,尽管已有研究尝试通过整合LLM的强文本理解和生成能力来丰富节点与连边的特征表达,但这些方法仍未能有效挖掘连边信息隐含的驱动因子。鉴于此,提出了一个创新的框架——语言模型增强连边因子挖掘,旨在以插件形式提高各种图神经网络对连边关系建模的区分度,探究其在引文网络链接预测场景下的应用价值。粗粒度因子挖掘通过为LLM设计结构化信息提示文本,从引文网络图中提取出显式的类别相关连边因素。细粒度因子挖掘利用K-means聚类算法从图文本数据中捕捉更细致的语义主题级别连边因素。为了验证所提框架的有效性,在3个公开数据集上进行实验。实验结果表明,语言模型增强连边因子挖掘框架在提升各类图神经网络模型性能方面具有显著优势。

关键词： 劳动力流动网络   收入效应   时间指数随机图模型   网络因果效应   反事实模拟  

摘要： 以往文献更多关注收入水平对劳动力流动的影响,忽略了收入分化及其网络效应。基于2011—2017年中国流动人口动态监测调查数据,构建劳动力流动网络,运用时间指数随机图模型(TERGM)与反事实模拟研究了区域收入水平与区域收入分化对劳动力流动网络的复杂影响。研究表明:劳动力患贫更患不均,劳动力流向高收入地区,同时从收入高分化地区流向相对平等的地区,收入分化对于劳动力流出的作用尤为显著,相比于提高地区收入水平,改善分化更有助于缓解流失。高技能和低技能劳动力存在异质性,高技能劳动力重视收入水平,倾向于流向高收入地区,对收入分化不敏感;而低技能劳动力不仅受收入水平影响,区域的收入分化水平对其具有更大的驱动作用。反事实模拟显示,若东北地区的基尼系数下降一个标准差,则劳动力流出减少约22万人,流入增加约6万人;当人均收入提高一个标准差,则劳动力流出减少约12万人,流入增加约4万人。人均收入对劳动力流动的影响更为复杂,如果没有基尼系数的改善,只有收入水平提高不一定改善劳动力流失的状况。结论揭示了收入与劳动力流动之间的复杂关系,为劳动力流动网络演化研究提供了新的视角,对于区域协调发展和人口高质量发展具有重要的政策借鉴意义。

关键词： 供需匹配   餐饮服务   网络关注度   时空特征   湖南省  

摘要： 餐饮业是城市服务消费产业的重要组成部分,探究餐饮服务供需匹配关系有助于推动供需两端协同发力促进消费平稳增长,实现城市的高质量发展。本研究借助POI数据和百度搜索指数来衡量餐饮服务供需水平和空间匹配度,以此研究了2016—2022年湖南省各市州的餐饮服务供需匹配情况,并进一步分析了其与社会经济发展指标的相关程度。研究结果表明:1)湖南省餐饮服务供给和需求近年来整体呈上涨趋势,且其空间分异特征明显;供给水平由“多核散布”向“单核集聚”格局演变;需求水平的空间格局由“东高西低”转变为“两边高中间低”。2)湖南省餐饮服务供需不均衡态势明显,其需求水平整体高于供给水平。3)中心城区常住人口、市辖区建设用地面积、住宿和餐饮业生产总值和普通高等学校个数与餐饮服务供给和需求具有较高相关性。

关键词： 计算机网络   病毒防御   检测模型   数据挖掘技术   模糊均值聚类   隔离墙  

摘要： 为了有效防御计算机网络病毒的入侵,保障网络信息安全,充分发挥数据挖掘技术在识别和分析网络病毒行为模式方面的作用,建立网络病毒检测模型,对网络病毒样本进行特征提取和模式识别。通过对网络流量数据进行挖掘并分析系统变化状态以及病毒的扩散趋势,得出病毒的传播路径、感染特征和攻击方式。设定聚类目标函数和聚类中心对数据样本类型进行划分,确定病毒疫区和易感节点并在接收端设置隔离墙以阻断病毒的传播扩散,从而实现对网络病毒的有效防御。实验结果表明,基于数据挖掘技术的网络病毒防御方法可以准确检测网络病毒类型并有效对其进行阻断防御,切实提高了计算机网络系统的病毒防御能力。

关键词： 水电站   来水预测   元认知   模糊神经网络  

摘要： 针对水库来水波动性和非线性较强而影响水位预测准确度的问题,基于模糊神经网络提出一种短期来水预测方法。使用元认知设计了模型的自适应学习过程,依据样本知识信息选择样本删除、规则增加或参数更新的学习策略,从而自动生成模型规则,并采用扩展卡尔曼滤波(EKF)进行参数学习,实现了同时进行结构辨识和参数学习。采用四川省某水库水位数据进行实验,结果表明,该方法能够有效预测水位变化趋势,且与BP等传统神经网络预测模型相比具有更小的预测误差,稳定性更佳。

关键词： 改进决策树   5G网络环境   非法行为   自动化检测系统  

摘要： 在5G网络环境中,非法行为的发生对5G网络安全构成了严重威胁,当前的决策树算法受限于流量限制和预警数据冗余问题。设计基于改进决策树的5G网络环境中非法行为自动化检测系统。基于B/S设计的系统三层框架,设计四个功能单元,采集单元采集网络流量数据,特征提取单元分析网络流量数据并提取IMF分量的能量特征,改进决策树检测单元利用ID3算法建树,实现自动化检测,预警单元根据检测到的非法行为生成预警信息并及时通知管理员,实现预警。结果表明,所设计系统在应对四种不同非法行为时,杰卡德系数均达到0.9以上。