课程文献中心 更多>>

关键词： 无监督学习算法   5G网络   聚类算法   安全态势感知系统  

摘要： 5G网络的特性使其更容易受到攻击和威胁,网络安全问题日益突出。为此,设计基于无监督学习算法的5G网络安全态势感知系统。在系统采集模块中利用三个采集器从各种网络设备和系统收集数据,态势要素筛选模块从收集的数据中筛选态势要素,态势感知模块中利用无监督学习算法,根据态势要素感知安全态势等级。结果表明,通过系统应用,安全态势在一段时间内存在波动和起伏,但总体上保持在一个较高的水平,5G网络在大部分时间都保持了较高的安全性,但在某些时间段内可能存在一些安全风险。无监督学习算法运行下内存占用率为22.63%,说明该系统在系统资源占用性能方面表现更好。

关键词： 智慧图书馆   数据挖掘   智能推荐   特征提取   奇异值分解   基于内容的推荐   协同过滤  

摘要： [目的/意义]为提高大数据时代下智慧图书馆管理效率及图书推荐准确度,在研究数据挖掘、特征提取、用户兴趣模型的基础上,设计了一种智能图书馆服务平台。[方法/过程]根据图书信息、用户信息和阅读信息,采用大数据分布式处理技术对数据进行识别和挖掘,实现基于用户兴趣的阅读推荐。在仿真环节,通过比较不同方法的推荐准确率和时间复杂度,将所提方法与VSM、LSI、CART进行了比较与分析。[结果/结论]结果表明,所提方法推荐结果更符合用户不同推荐个数需求,且随着推荐个数增加,所提方法性能提升越明显。当用户需求推荐个数为8时,所提方法满意度可达56.13%,高于LSI方法的51.98%和CART方法的52.03%;VSM方法满意度最低,仅为41.25%。时间复杂度对比结果表明,当用户推荐图书数量为4时,所提方法时间复杂度为1.95s,较VSM方法相比减少47.1%。实验结果验证了所提方法的有效性和适用性,可为智慧图书馆服务质量提升提供一定借鉴作用,具有广泛的应用前景。

关键词： 对比度增强   多尺度特征提取   改进Res2Net   融合PConv   信息聚合  

摘要： 为提升带钢表面缺陷的层次性特征提取能力和检测效率,提出基于多尺度表征和部分卷积(PConv)的快速检测网络(multi-scale and partially convolutional network,MSPC-Net)。将限制对比度自适应直方图均衡技术(contrast limited adaptive histogram equalization,CLAHE)引入到该模型以突出带钢表面的缺陷特征;在YOLOv5s的基础上新增检测层,提高对不同尺寸缺陷目标的检测率;设计了融合Res2Net的多尺度特征提取块并引入ECA注意力机制(BRE-block),既可以获取细粒度层面的特征,同时也增加了模型感受野;通过结合PConv减少了模型计算量(FLOPs),且增强了部分特征信息的聚合。在NEU-DET数据集上的实验结果表明,平均精度均值(mAP@IoU=0.5)达到了80.2%,较原基线网络提高了5.9个百分点;同时改进后网络的FPS达到157,远高于近期应用广泛的目标检测算法,有效提高了带钢表面缺陷的检测效率。

关键词： 钢材表面缺陷检测   深度学习   目标检测   YOLOv5   空洞卷积   微小目标检测头  

摘要： 针对钢材表面缺陷检测的难点,提出一种基于YOLOv5算法的钢材表面缺陷检测方法。采用二等分的方法进行数据扩充,提高了模型的鲁棒性和泛化性;加入了通道注意力机制,提升了网络对重要特征的提取能力;增加了全局上下文特征提取模块,增强了模型对全局上下文特征的提取能力以及对不同尺寸缺陷的检测能力;增加了微小目标检测头,提升了网络对于微小瑕疵的检测能力。改进后的算法在NEU-DET数据集和GC10-DET数据集上的检测精度分别达到了83.1%和76.24%,较原YOLOv5算法提升了8.11个百分点和6.03个百分点。实验结果表明,改进后的算法性能优异,具有先进性,可以为钢材表面缺陷检测提供新的研究思路,助力于工业生产与发展。

关键词： 教育实效性   主渠道作用   舆论引导   去中心化   智能算法   数据环境   教育阵地   网络空间  

摘要： 前言:“智能算法”作为新型智能技术模式,在网络空间中体现出鲜明意识导向。其所呈现的“去中心化”“娱乐圈层化”“舆论引导”等特征影响着高校网络主流意识教育效果,并体现于个人隐私、数据环境、教育阵地等诸领域。故高校需从加强算法赋能、抓好内容供给、巩固主渠道作用等方面加以强化,从而提升网络主流意识教育实效性。

关键词： 软件定义网络(SDN)   机器学习算法   通信网络   传输流量调度  

摘要： 针对通信网络传输流量调度的难题,创新性地提出结合软件定义网络(Software Defined Network,SDN)与机器学习算法的调度方案,借助SDN控制器的强大功能,全面采集了网络数据层的关键信息。利用先进的机器学习算法,深入分析这些数据,准确预测了未来的网络流量走势。基于这些精准的预测结果,制定了细致入微的流量调度策略,从而实现了网络流量的动态优化和高效管理。实验数据充分证明,与传统方法相比,所提出的方法在降低网络丢包率、提升资源利用率及传输性能等方面均表现出显著优势。这一创新成果不仅有效增强了网络流量的稳定性和规律性,还为通信网络传输流量调度领域开辟了新的研究路径。

关键词： YOLOv5s   目标检测   注意力机制   损失函数   行人检测  

摘要： 为了提高图像目标检测的准确率,提出一种结合注意力机制的YOLOv5s目标检测算法。首先,针对局部遮挡以及小目标难以检测的问题,在YOLOv5s主干网络中引入注意力机制以提高目标检测算法对重要区域的特征提取能力;然后,为降低模型复杂度并加快网络收敛速度,使用SIoU损失函数替换YOLOv5s原有损失函数CIoU;最后,利用改进模型与人群检测算法进行对比试验,分析模型行人检测能力。在VOC2007数据集上的对比实验表明,改进后的YOLOv5s目标检测算法平均准确率达到了70.5%,有效改善了复杂背景下的行人检测效果,同时实现了网络的轻量化。

关键词： 基坑支护桩   变形预测   LSTM算法   XGBoost算法   Stacking算法  

摘要： 城市化进程加快使基坑工程面临复杂状况,准确预测基坑支护桩变形及分析影响因素极为关键。本文基于LSTM、XGBoost和Stacking集成算法对基坑支护桩变形进行预测,在桩径0.5 m时,LSTM算法预测支护桩水平与竖向位移和实测值最大误差分别为3.8mm和2.3mm,XGBoost算法对应误差为2.1mm和2.3mm,Stacking算法仅为0.7mm和0.7mm;桩间距1.5m时也有类似规律。可见Stacking算法在不同桩径和桩间距位移预测中更贴近实测值。此外,桩径从0.5 m增大到0.8m时,水平和竖向最大变形量分别减小39.4%与37.6%,桩间距增加时,水平与竖向位移分别增加73.4%与37.4%,这些规律为工程设计、施工和管理提供了科学依据。

关键词： 电动重卡   充换电站   换电需求   充电策略   遗传算法(GA)  

摘要： 电动重卡充换电站快速发展,电池充电策略对站端运营成本和用户换电体验具有重要影响。如何在满足电动重卡用户日常换电需求的同时,最大限度地降低站端运营成本并缩短用户换电等待时间,是一个重点研究方向。首先,以某电动重卡充换电站为研究对象,使用统计分析方法,得到一天内各时段的用户换电需求;其次,提出以降低站端电池充电成本与寿命损失成本为目标的充电策略优化控制模型,结合换电需求与分时电价,使用遗传算法对一天内不同时段电池充电仓的充电倍率矩阵、充电截止电压进行求解;最后,通过算例验证了模型的有效性,也为其在实际充换电站的推广应用提供了参考。

关键词： 靶站设计   遗传算法   蒙特卡罗模拟   屏蔽准直器   飞行时间法  

摘要： 为获得高能量分辨率的中子束流,本文对高重频中子源靶站进行了引出结构设计。以未碰撞中子数目、占比以及周围中子数目为目标函数,以靶与准直器的距离、准直器的内径和材料厚度以及真空管道的内径为参数变量,通过遗传算法与蒙特卡罗模拟耦合的方式对中子引出管道的结构组成进行了优化。结果表明,相较于初始方案,优化方案的周围总中子通量降低了3.6%,使用的准直器材料总厚度减小了约30%,真空管道的内径减小了7.17 cm,并提升了测量区域内0.8%的未碰撞中子占比。优化后整体结构的周围剂量率低于1μSv/h,满足剂量防护的要求,在距离靶5 m处管道中心直径50 mm范围内的中子通量相对均匀分布。