课程文献中心 更多>>

关键词： 活体检测   反欺诈攻击   图像处理   数据融合  

摘要： 基于神经网络的活体检测算法有效防止各类欺诈攻击,但当前的活体检测算法无法兼顾检测速度、检测精度和成本。对此,在MobileNetv2的基础上提出一种多模态数据融合的活体检测算法,该算法引进跨阶段部分网络(Cross Stage Partial Network,CSPNet)和提出DDConvBlock,实现检测速度、检测精度和成本之间相平衡的设计目标。为验证该算法的有效性,先在公共数据集Msspoof和CASIA-SURF上进行实验验证。接着根据实际需求,构建私有数据集,并在该数据集上用该检测算法进行建模和实验验证。验证结果表明该方法在不同遮挡和不同攻击方式下能有效地进行活体检测,该检测模型具有可移植性强的特点,能够推广到对安全性和便利性要求较高的平台中。

关键词： 柔性作业车间调度问题   图神经网络   马尔可夫决策过程   协同智能体强化学习   正交试验法  

摘要： 为提高柔性作业车间调度效率,构建一种具有柔性作业车间调度问题约束条件的马尔可夫决策过程,针对工件与机器的同时选择问题,提出一种协同智能体强化学习方法进行求解。在构建马尔可夫决策过程中,引入析取图表述状态特征,采用两种智能体执行工件与机器的选取,预测不同时刻最小化最大完工时间的差值来映射整个调度过程的奖励参数;求解时,嵌入GIN(graph isomorphic network)图神经网络提取状态,为工件与机器智能体分别设置编码器-解码器构件输出两种动作策略,以PPO(proximal policy optimization)算法与D3QN算法训练工件与机器智能体的决策网络参数。通过正交试验法选取算法超参数,以标准实例与其他文献进行对比,实验结果表明,所提方法在求解FJSP方面明显优于其他算法,进一步验证所提方法的可行性与有效性。

关键词： 舰船最小阻力   智能学习算法   RANS控制方程   湍流模型   重叠网格技术  

摘要： 考虑舰船阻力性能受船体参数及航行环境条件的综合影响,数据类型繁多且复杂,最小阻力估算难度较大,研究基于智能学习的舰船最小阻力估算算法。此算法使用RANS控制方程和湍流模型分析舰船运动状态,由重叠网格技术分析舰船运动时粘性流场信息后,将舰船船型参数与运动状态数据、流场数据,作为基于GRNN智能优化学习的舰船最小阻力估算模型输入向量,在改进果蝇优化算法寻优设置GRNN的平滑因子后,利用此网络构建最小阻力估算模型,学习拟合舰船阻力与输入向量之间关系,输出最小阻力估算结果。实验结果显示:在舰船纵倾与升沉运动中,所提算法估算的最小阻力较准确。

关键词： 异常流量检测   融合模型   特征提取   随机森林   CNN  

摘要： 异常流量检测作为网络安全的关键技术之一,对于及时发现网络攻击、溯源取证、防止数据泄露等具有重要意义。针对现有网络异常流量检测方法在准确性方面存在的不足,文章提出一种融合随机森林(RF)和卷积神经网络(CNN)的异常流量检测算法,该算法利用RF进行特征选择和初步分类,有效地减少了输入维度并提高了模型的泛化能力;通过CNN对选定特征进行深层次的模式识别,进一步提升了异常检测的精度。实验结果表明,文章算法相比于传统的检测方法在检测准确率、召回率等方面均有显著提升。

关键词： AIGC   版权单元   版权保护   人机协同   算法实验  

摘要： 针对人工智能生成内容(AIGC)带来的版权保护难题与侵权认定困境,研究提出“版权单元”理论,旨在通过作品解构与模块化表征,发掘蕴藏于文本表达中的智力创造,为侵权比对提供抓手。研究采用理论演绎与实证验证的方法,在理论层面,梳理版权单元理论的理论基础、司法判例经验以及内在逻辑,构建了版权单元的理论体系;在实证层面,基于训练大语言模型工具,构建了版权单元提取与相似度判定算法,针对小说体裁设计了侵权判定实验,并在司法判例中进行实证检验,以评估版权单元理论的可行性。研究表明,版权单元路径能够识别文本作品中承载独创性的关键创作要素,为差异化保护机制的构建提供依据。面向未来,仍需在“人—机—法”的协同共治框架下平衡对抗与融合、稳定与变革,方能实现从“最小版权单元”到“最大价值保护”的版权制度优化,在激励创新与促进传播间达致动态平衡。

关键词： 区域级风电场   大数据中心   数字化业务   云-边-端协同   数据管理架构   优化运行  

摘要： 区域级风电场大数据中心面临运行能效低、交互性差、资源重复建设等问题,难以满足数字化特征凸显的新型电力系统对数据实时计算、绿色计算的需求。该文系统性梳理了风电场大数据中心典型数字化业务的类别、算力敏感性特征和可调节潜力,构建了基于云-边-端协同技术的数据管理架构,从数据交互、业务执行、资源调度和质量治理4个维度提出了大数据中心优化运行方法。算例仿真分析了所提架构在数据传输、存储和能耗等方面的性能,结果表明:相较于集中式架构,云-边-端协同可为大数据中心云服务器节约350%的存储容量,降低21.04%的能耗,验证了所提架构在实际工程中应用的有效性和合理性。

关键词： 数据挖掘   关联规则   高效用项目集合   物联网   决策支持系统  

摘要： 为了在决策支持系统中快速挖掘出关联规则,以帮助管理者做出更好的决策,提出了一种非冗余高效用关联规则算法。建立了一个高效用项目集合,在其中识别出高效用项。在此基础上,开发了一种从构建的集合中生成规则的高效算法。将提出的新算法分别在稀疏型数据集和密集型数据集上进行了验证,实验结果表明,提出的非冗余高效用关联规则算法运行时间更短,且所占用内存更小。所提出的算法可以与各种应用集成,并且可以很好地与外部系统结合,例如物联网(IoT)和分布式计算机系统,其在决策支持系统中具有较高的使用价值。

关键词： 特征匹配   几何卷积神经网络   最大后验样本一致性   尺度不变特征变换   加速稳健特征   零件识别  

摘要： 使用传统算法对机械零件和模型图进行特征匹配时很依赖检测到的关键点,零件图受旋转角度和阴影反光的影响较大,并存在大量纹理稀疏的区域。针对传统算法在该情况下仅能提取到少量特征点,从而造成识别率低的问题,提出了一种融合了深度学习的特征匹配方法。首先,采用超像素分割算法将零件图分为纹理丰富区域和纹理稀疏区域;然后,对纹理丰富区域采用SuperPoint和SuperGlue算法提取了局部特征,对纹理稀疏区域采用LoFTR算法进行了全局提取,获得了具有更强鲁棒性的特征,其中,采用几何卷积神经网络(GCNNs)对LoFTR提取的特征进行了编码,使特征更具有旋转和平移的不变性;最后,引入最大后验样本一致性(MAGSAC++)改进算法,对匹配结果进行了鲁棒估计和筛选,剔除了错误匹配,进一步提高了匹配的准确性。研究结果表明:与基于传统算法的尺度不变特征变换(SIFT)、加速稳健特征(SURF)和基于深度学习的D2Net匹配方法相比较,该算法的F值分别提升了14.9%、23.1%和8.3%,在匹配特征点数量和准确度方面效果更优,有效提升了在复杂场景下的匹配性能。

关键词： 电梯群控系统   多目标   调度算法  

摘要： 为增强电梯群控系统的使用效果,需要基于电梯运行过程中的多重指标进行优化,创建全新群控调度算法。基于此,先对电梯群控系统展开研究,再对电梯群控系统的多目标调度策略设计展开阐述,提出了一种基于粒子群结合模糊控制算法的全新混合算法应用建议,通过将多目标优化函数渗透到电梯群控系统中,创建多目标优化结构,并对优化后的电梯群控调度算法展开测试,发现其对系统性能起到了一定的改善作用,可广泛推广。

关键词： 质子交换膜燃料电池   数值分析   统计学方法   蝙蝠算法   自适应权重  

摘要： 质子交换膜燃料电池工况参数的优化具有多维度和非线性的特点,因此该文提出一种改进蝙蝠优化算法对其进行优化。首先,在种群初始化过程中采用Tent混沌映射策略,以提高初始种群遍历性和多样性。其次,通过自适应权重策略提高蝙蝠个体速度动态更新能力,避免算法陷入局部最优,并使用4种标准测试函数验证改进算法的优越性。然后,通过正交实验法和熵权法提出一种新的综合性能评价目标,并将其作为智能算法优化目标。最后,将改进后算法和综合性能评价目标应用于质子交换膜燃料电池运行工况参数的优化模拟。结果表明,对于质子交换膜燃料电池运行参数模拟优化,改进蝙蝠优化算法比原始蝙蝠优化算法的优化结果提高了8.6%,说明改进蝙蝠算法具有更好的精度。