课程文献中心 更多>>

关键词： 时空数据   时空数据模型   面向对象   时空对象   概念模型   逻辑模型  

摘要： 时空数据模型（spatio-temporal data model， STDM）是模拟处理具有时间、空间、主题等多维语义特征时空数据的有效工具。面向对象时空数据模型（object-oriented spatio-temporal data model， OO-STDM）采用面向对象的思维和技术来认知、表达、存储和分析地理现象，通过构建时空对象实体、封装操作行为、模拟时序关系实现抽象描述地理现象的产生、发展和灭亡的过程，具有支持变长记录、多元组存储和子对象嵌套的优势。本文概述已有面向对象时空数据模型，纵向上梳理模型发展脉络和演变过程，总结相关学者构建模型的基本思路和独特视角；横向上参照数据模型抽象过程从概念、逻辑、物理三个层次分析模型的构成和特点，分析不同专家设计模型的内在关联与经典逻辑，以期在模型理论探索和实践应用中提供经验借鉴，为模型完善和新模型探索提供一些参考。

关键词： 推荐系统   协同过滤   图卷积网络   隐私保护   Rényi差分隐私  

摘要： 近年来,图卷积网络作为一种强大的图嵌入技术在推荐系统领域得到广泛应用.主要原因是推荐系统中大多数信息可以建模为图结构,而图卷积网络是一种基于图结构的深度学习模型,有助于挖掘图数据中用户和项目之间的潜在交互,从而提高推荐系统的性能.由于推荐系统的建模通常需要收集和处理大量的敏感数据,因此可能会面临隐私泄露的风险.差分隐私是一种具有坚实理论基础的隐私保护模型,已被广泛应用于推荐系统中解决用户隐私泄露的问题.目前基于差分隐私的研究主要是面向独立同分布的数据模型.然而,在基于图卷积网络的推荐系统中,数据之间关联性强且不具有独立性,这使得现有方法难以对其进行有效的隐私保护处理.为解决该问题,提出基于Rényi差分隐私的图卷积协同过滤推荐算法RDP-GCF,旨在保护用户与项目交互数据安全的前提下,实现隐私性和效用性之间的平衡.该算法首先利用图卷积网络学习用户/项目的嵌入向量;然后,采用高斯机制对嵌入向量进行随机化处理,同时基于采样的方法放大隐私预算,减少差分噪声注入量,以提升推荐系统的性能;最后,通过加权融合的方式得到用户/项目的最终嵌入向量,并应用于推荐任务.在3组公开数据集上进行实验验证.结果表明,与现有同类方法相比,所提算法能更好地实现隐私保护与数据效用之间的平衡.

关键词： SM4算法   FPGA   流水线结构  

摘要： 针对SM4算法在现场可编程门阵列（FPGA）实现过程中结构复杂、运算速度慢的问题，基于流水线思想对SM4算法的FPGA实现方式做了进一步优化.对SM4算法的多种FPGA实现策略进行了分析，寻找出每种实现策略的关键路径.对SM4算法S盒的FPGA实现策略进行了改进，将S盒运算拆分为查找表（LUT）级别的存储运算并基于LUT原语进行了实现，降低了S盒运算的复杂度.提出了改进的轮内流水线型SM4算法，将算法的关键路径缩短为单级LUT运算.基于ZYNQ-7020开发板对改进的算法进行了综合与实现，所实现方案的运行时钟频率为518MHz，吞吐量为66.30Gb/s，优于现有方案.

关键词： 压缩式制冷系统   模型辨识   Smith预估器   PID   多变量解耦   BP神经网络   MATLAB仿真   解耦控制  

摘要： 针对压缩式制冷系统在实际运行过程具有时滞大、高耦合、非线性以及外部干扰等问题，文中提出了一种基于Smith预估器的BP(Back Propagation)神经网络PID(Proportional Integration Differentiation)控制算法。采用Smith预估补偿器预测补偿系统的实际输出，利用其预估补偿机制消除系统的延迟环节，缓解时滞性对系统的影响。利用BP神经网络的自学习能力将压缩式制冷系统解耦为两个独立的回路系统，并整定PID参数以应对系统和外部干扰的变化。MATLAB仿真结果表明，所提控制策略在提高制冷系统的动态性能和抗干扰性能方面具有显著优势，过热度和蒸发温度的调节时间减少了123 s、204 s，超调量下降5.27%、10.22%。且在改变参数情况下具有良好的鲁棒性，降低了控制的超调量，为压缩式制冷系统的稳定运行提供了一种有效的控制方案。

关键词： I/F转换电路   温度系数   非线性度   多维补偿  

摘要： I/F转换电路是一种积分型模数转换电路。针对应用场景对I/F转换电路日益提高的精度需求，将传统标度因数温度系数补偿算法与非线性补偿算法联合，提出I/F转换电路的多维补偿算法，能够改善全温范围内的非线性度，同时提升全量程下的标度因数温度系数。测试结果表明，设计的算法有效，补偿后电路全温范围内的非线性度约为5.51×10-6，全量程下的温度系数约1.51×10-7/℃，补偿效果较传统方法有着大幅提高。

关键词： YOLOV5   行人检测   特征融合   注意力机制   小目标检测  

摘要： 针对密集行人漏检以及检测精度低等问题，提出一种改进YOLOV5的特征融合算法FPCA-YOLOV5。首先，通过添加空间池化金字塔结构SPPFCSPC与CA注意力相结合，使模型具有更强的表达能力。其次，在网络中增加PP模块，检测层由3层变为4层，从而对小目标的检测更加准确。最后，设计了一种全新的下采样机制CAConv，使网络在处理特征图时更加关注于重要通道。实验结果表明，在公共数据集WiderPerson上，改进的YOLOV5模型相较于原始模型的召回率提升了3.4%，平均精度提升了2.3%。整体性能相较于原始模型明显提升，证明了FPCA-YOLOV5算法在目标检测中的有效性。

关键词： 混合灰鹅优化算法   化工动态优化   混沌映射   莱维飞行   高斯随机游走  

摘要： 动态优化问题在工业过程控制领域中普遍存在，具有重要的理论和现实意义，对该问题的求解广受关注；为此，提出一种基于混合灰鹅优化算法（HGGO，HybridGreylagGooseOptimization）求解此问题。首先在初始化阶段，引入Chebyshev混沌映射，使种群个体均匀的遍布在解空间中，避免出现空白区域；其次，在鹅群探索组引入莱维飞行的迁徙策略，提高鹅群搜索能力；最后在鹅群开发组引入高斯随机游走的巡逻策略，提高局部搜索能力，加快收敛速度。通过将HGGO算法应用于3个经典的化工动态优化问题的求解，结果表明HGGO算法在寻优能力、收敛速度、稳定性等方面均优于原算法，寻优能力提高了58%，收敛速度提高了30%，稳定性提高了318%，并在一定程度上优于目前的解。

关键词： 程序验证   算法选择   图神经网络   机器学习  

摘要： 软件验证作为一种广泛采用的确保软件正确性的技术，在过去几十年里取得了显著的进步，同时产生了丰富的软件验证算法和验证工具资源。然而，在同一验证问题上，这些算法的性能差异高达4个数量级。即使对于验证专家来说，选择适用于特定软件的验证算法或工具仍然是一项极具挑战性的任务。本文针对软件验证中的算法选择问题进行了研究，并提出了一种基于图神经网络（graph neural network，GNN）的算法选择模型。首先将待验证的程序转化为图数据结构，然后进行多次特征变换，最终生成图形表示。基于这个图形表示，GNN用于预测在特定验证任务上各种验证算法的得分。根据这些得分，选择器能够选择最适合用于验证该程序的算法。通过在最新可用的数据集上进行实验评估，本文的模型相较于先前的算法选择模型提高了大约8%的预测精度。

关键词： 平均教师   位置前馈   CLIP   图像描述生成   GPT-2  

摘要： 图像描述生成算法是计算机视觉中的关键环节，其旨在从给定的输入图像中预测出相关的文本信息，以达成对图像内容的准确理解与表达。本研究提出了一种新型模型CLIP-MF-Cap，该模型借鉴了平均教师算法，并采用了独特的双分支网络架构。为提升模型准确性与鲁棒性，我们在每个分支中引入了位置前馈块。在图像特征提取方面，运用Contrastive Language-Image Pre-training（CLIP）方法来获取图像的多层次特征，从而更好地捕捉图像的语义信息。在描述生成阶段，我们通过映射网络将图像特征转化为文本信息，进而利用GPT-2技术来提升预测的准确度与语义的连贯性。为验证模型性能，在Microsoft Common Objects in Context（MSCOCO）和Flickr30k等图像描述数据集上进行充分的训练与测试。测试结果显示，CLIP-MF-Cap在两个数据集上均表现出色，从而证实其在图像描述生成任务中的高效性与实用性。本研究不仅为图像描述生成领域提供了新的思路与方法，同时也具有深远的理论与实践意义。

关键词： 道路缺陷检测   轻量化   YOLOv5   深度卷积   BiFPN  

摘要： 为了进一步提升道路缺陷检测的速度和精度，提出一种基于YOLOv5改进的道路缺陷检测算法。首先，通过采用SPD-Conv（space-to-depth convolution）模块与深度卷积技术，设计出一种轻量型下采样模块（depthwise and space-to-depth convolution，DWDC），旨在减少信息丢失并降低模型的计算量。其次，结合Ghostv2Bottleneck和C2f模块构造出C2f-Ghost模块，更加轻量的结构设计在降低网络参数的同时提升了模型检测精度。最后，在特征融合部分引入加权双向特征金字塔网络（bidirectional feature pyramid network， BiFPN）对不同输入特征进行加权融合，有效利用到不同层次的特征信息，从而进一步提升模型精度。实验结果表明：相比于原始方法，所提方法的F1分数和mAP@0.5提升了2.7个百分点，并且模型体积减少了39%，证明了所提算法在道路缺陷检测方面拥有更优的检测性能。