课程文献中心 更多>>

关键词： 时间同步攻击   视频水印   特征提取   鲁棒性  

摘要： 为最大限度抵抗时间同步攻击下置换、顿删除给视频内容带来的冲击,保证视频完整性与真实性,提出一种抗时间同步攻击的鲁棒视频水印算法优化策略。求解当前顿的顿间差分图像,更新视频背景信息,采用饱和度与亮度两个分量分割阴影与背景,获得视频连续运动特征;通过Armold置乱让图像数据分布呈散乱形态,使用二阶Hadamard矩阵对混合编码采取正交变换,完成水印信号预处理;计算图像嵌入强度,运用顿离散余弦变换嵌入视频水印,令水印子矩阵和视频顿的亮度分量相互对应,引人结构张量选块机制,优化视频水印不可见性与鲁棒性,利用水印预处理逆向运算实现水印提取。实验结果表明,所提算法针对时间同步攻击具备极强的鲁棒性,提高了视频应用安全,可靠性较强。

关键词： ECC算法   物联网信息   防篡改   编码   加密机制   隐藏传输信道  

摘要： 传统物联网信息防篡改方法直接对节点信息进行编码,但不能确定隐藏的物联网信息,导致传统方法防篡改效果差,故提出基于ECC算法的物联网信息防篡改方法。对隐藏物联网信息进行确定,对节点信息进行编码,基于ECC算法构建物联网信息加密机制,最后建立隐藏传输信道,实现物联网信息的隐藏传输,完成物联网的信息防篡改方法的设计与开发,同时设计对比实验。实验结果表明,该研究方法能够有效阻止数据被篡改情况的发生,防篡改效果较好。

关键词： EMAPs   极限学习机   协同表示分类器   支持向量机   高光谱影像分类  

摘要： 针对提升高光谱遥感影像的分类表现,提出了基于EMAPs的高光谱遥感多分类器集成算法。该算法首先提取扩展多属性剖面(EMAPs)特征,然后选取极限学习机、协同表示分类器和支持向量机作为基分类器,基于提取的EMAPs特征参与集成分类。选取Purdue Campus和Indian Pines两组实验数据分析评价所提出算法的有效性,结果表明,与单分类器相比,基于EMAPs的多分类器集成算法可以取得更优异的分类表现。

关键词： 软件定义网络   随机森林   入侵检测   K-means SMTOE  

摘要： 传统网络入侵检测模型在应用上存在统一性不强、关联度不足、灵活性较低等问题,而随机森林算法则在少数类数据的识别上存在不足。针对以上问题,提出了一种改进随机森林算法,通过引入K-means SMOTE以解决在网络入侵检测中少数类数据采样失衡的问题,同时对SDN中的NIDS进行改进,与改进算法进行结合,从而提升整个入侵检测分析模型的响应速度和精确程度。

关键词： 质量控制   地面气温   改进的非局部均值(INLM)   余弦相似度   粒子群  

摘要： 提出一种基于改进的非局部均值算法(Improved Non-Local Means,INLM)和粒子群算法(Particle Swarm Optimization,PSO)参数寻优的地面气温资料质量控制方法(INLM-PSO方法),该方法将非局部均值引入到地面气温资料质量控制中,通过欧式距离和余弦相似度衡量参考站与目标站的相关性并对参考站赋权,实现对目标站观测值进行估计并实现质量控制。为了检验INLM-PSO方法的有效性及适应性,利用INLM-PSO方法对全国不同地区的典型14个地面观测站的2017~2018年日均温观测数据进行质量控制效果分析,并与反距离加权法(Inverse Distance Weighted,IDW)、空间回归检验法(Spatial Regression Test,SRT)进行对比。实验结果表明,相对于IDW方法和SRT方法,该方法能有效识别出气温数据中的可疑值,预测精度高,具有较好的稳定性和适应性。

关键词： 对抗样本   生成式对抗网络   信息安全   三维模型识别  

摘要： 现有三维模型识别网络对特征分布和扰动特性的关注不到位,导致识别稳定性和灵活性差。因此,提出一种新的对抗样本生成算法,以探究深度网络模型容易受到攻击的原因。算法以点云为对象,首先利用生成网络有效地学习点云关键点的特征,兼顾原始点云分布及其对抗特性,以生成对抗点的特征表示。此外,生成器能够根据不同的输入点云调整对抗点的生成,以达到欺骗原始三维模型识别网络的目的,进而实现对三维模型深度识别网络稳定性的探究。不同于传统攻击模型的损失函数,算法引入误分类损失扩大攻击力学习的可见范围。同时,还在原有对抗损失函数的基础上提出了感知损失函数,通过对比原始输入与生成样本的相似度来提高对抗样本的质量,从而更加逼真地模拟可能出现的对抗样本。基于该设计,算法所生成的对抗样本不仅可以欺骗三维识别网络,甚至可以在视觉上欺骗人类,从而实现对三维模型识别网络对抗鲁棒性的测试,完成对深度网络模型脆弱性原因的探索。在ModelNet10和ModelNet40数据集上的对比实验及消融实验证明,生成式对抗网络和感知损失的有机结合使算法可以有效地生成高质量的对抗样本。

关键词： 风电场   协调控制   控制框架   算法   跨学科融合  

摘要： 随着风电并网规模的增长,电力系统稳定性面临更多挑战,迫切需要高效的风电集群协调控制技术。首先分析频率控制、功率平滑控制、电压控制、最大功率输出控制等风电集群协调场景的基本原理;在此基础上,分析分散式、集中式和分布式风电集群协调控制框架的性能,探讨新型控制框架的技术特点和优势;接下来,综述风电集群协调控制实现算法,包括模糊算法、一致性算法、模型预测控制、交替方向乘子法、人工智能算法、群智能算法等,讨论不同算法的适用场景;最后,展望风电集群协调控制技术的发展趋势,指出跨学科融合的实现新思路。

关键词： 融合指标分区   多策略学习   竞争群优化算法   粒子群优化算法   实时停滞检测  

摘要： 在粒子群优化算法中,多样性丢失会导致算法过早收敛,造成种群多样性和收敛性不足。为更好平衡种群多样性与收敛性,提出一种基于融合指标分区的多策略竞争群优化算法(multi-strategy competitive swarm optimization algorithm based on fusion index partition,FIMSCSO)。首先,为同时评估不同子种群的多样性和收敛性,提出一种利用融合指标的分区方法,更有效区分子种群性能,提升子种群粒子的搜索效率。其次,对通过分区获得的子种群设计多重学习机制。子种群内部学习时,为使子种群朝向更利于平衡收敛性与多样性的方向学习,将粒子性能与寻优过程结合,提出新的获胜粒子学习方法,提高种群粒子参与度和算法寻优效率;子种群间学习时,为减少整个种群陷入局部最优的可能性,引入改进三重竞争机制促进子种群间信息交流,帮助提高收敛精度。最后,设计实时停滞检测和变异策略帮助种群跳出局部最优。理论证明了所提算法的收敛性。实验结果表明,相比其他改进算法,所提FIMSCSO算法具有良好的收敛精度和寻优效率。

关键词： 叠加分析   矢量多边形裁剪   混合并行   奇偶排序   OpenMP   算法优化   高性能计算   GIS  

摘要： 矢量多边形裁剪是GIS领域中重要且常用的基础功能之一,地理空间数据规模的爆炸式增长给传统裁剪算法的计算效率提出了更高的要求,当前矢量多边形裁剪算法日益呈现计算密集和数据密集的特点。针对这一现象,本文基于矢量多边形裁剪Vatti算法,优化其数据结构,将GPU众核并行技术应用到构建局部最小点表和有序扫描束的环节中,当Block大小为128,裁剪多边形顶点数达到3276800时,在求交算子操作下,对多边形裁剪Vatti算法的加速比达到2.55倍。在此基础上,本文基于CPU多线程并行技术进一步利用计算资源,提出了通过顶点数量对数据集进行分割并实现混合并行加速的优化方法(VSHP)。针对一个大规模数据集,由主线程读取数据后根据顶点数和线程数对原始数据进行划分,之后交由各线程进行计算,期间依次调用GPU对最小外包矩形过滤、构建局部最小点表和有序扫描束环节进行加速,最后当所有数据任务计算完成后,由主线程完成结果的归并和输出。试验表明,当调用4个线程时可获得理想的加速效果,在动态调度策略下启用16个线程时可获得最高19.15倍的加速比。本文通过CPU-GPU的混合并行优化技术,尝试在较低的能耗下实现桌面上的高性能计算,旨在为传统矢量多边形裁剪算法在廉价消费级硬件平台上获得高性能加速优化提供一定的参考价值,降低地理信息数据规模化应用的成本。

关键词： 遥感图像   目标检测   YOLOv7   多层特征   注意力机制  

摘要： 遥感图像目标检测在军事侦察、智慧农业等领域意义重大,特别是小目标检测一直获得持续关注。然而,遥感图像中的小目标面临特征信息不足、检测难度大等问题,成为困扰遥感检测应用发展的最大障碍。为此,提出YOLO-HF(you only look once-hybrid feature)算法,该算法在传统YOLOv7模型的网络中,引入通道注意力和自注意力的混合注意力机制提取目标深层特征,并将浅层特征和深层特征进行融合,增加局部特征的丰富性;为进一步加强对全局信息的关注,在提取特征后为小尺度目标添加全局注意力机制,实现全局特征表达能力的提升;为避免传统损失函数对小目标位置偏差敏感,导致检测效果不佳,选择使用一种新的度量方式,将其嵌入边界框损失函数的计算中,从而加快损失函数的收敛,实现小目标检测精度的提升。实验结果表明:与传统YOLOv7算法相比,所提算法在RSOD和NWPU VHR-10数据集上均表现出优越性,特别地,在RSOD数据集上均值平均精度提升了2.90%,在NWPU VHR-10数据集上均值平均精度实现了3.61%的提升。