课程文献中心 更多>>

关键词： Midori   双轮迭代   轻量级分组密码   FPGA  

摘要： Midori是一种高效的轻量级分组密码算法,具有安全灵活、易于实现等特点,可应用于资源受限环境。通过分析算法的加密流程,本文引入了一种在FPGA上的实现方案,通过在单个时钟周期内完成Midori-64算法两轮加密迭代,将算法的16轮迭代运算优化至8轮,有效减少了所需的时钟周期数量,从而提高性能。通过在Xilinx ISE Design Suite 147上综合后,最终实现的吞吐率达16307Mbps,频率为22931MHz,与现有研究相比本方案吞吐率分别提高25%和51%。

关键词： 高精地图   特征不变量   零水印   版权保护   Open DRIVE  

摘要： 高精地图作为车辆导航和自动驾驶的核心组成部分,具有精度高、包含敏感信息、成本高等特点,其安全和保密至关重要。数字水印作为信息安全领域的重要工具,可以为高精地图数据提供认证和保护,但目前缺少针对高精地图的水印算法。该文根据高精地图的特性,提出一种高精地图零水印算法:根据高精地图用于表示车道信息的参数三次曲线数量确定水印索引;利用两个车道信息节点中参数三次曲线数量的奇偶性是否相同确定水印信息;结合水印索引依照投票原则构建特征矩阵,与加密后的水印图像进行异或运算生成零水印。实验结果表明,该算法在受到较高程度的几何攻击、增删攻击后仍能提取到较完整的水印信息,具有良好的鲁棒性。

关键词： 小目标检测   SSD算法   残差网络   注意力机制   特征融合  

摘要： 针对高空绝缘子背景复杂、缺陷目标较小等因素造成小目标检测效果不佳,提出了一种改进的基于残差融合注意力模块的SSD(Residual Fusion Attention Module,RFAM-SSD)小目标检测算法。首先将网络一分为二,主干网络通过残差网络的多重特征循环融合模块(ResNet Multiple Cycle Feature Fusion Module,RES-MFCFM)得到特征层,经过卷积得到六个预测特征层,分支网络通过卷积得到对应的六个特征层,两分支通过RFAM,得到最终的六个特征层来检测目标;设计Focal-IOU Loss来代替原损失,提高检测效果。实验表明改进后的算法mAP为92.4%,比原始SSD算法提高了7.2%,且满足实时检测需求,表明该检测算法对于绝缘子缺陷小目标有较好的检测效果。

关键词： 交通标志识别   YOLOv5s   多尺度特征融合   混合注意力机制   归一化Wasserstein距离  

摘要： 为了进一步提高在背景复杂且目标距离远的情况下交通标志识别算法的识别准确率,在YOLOv5s算法的基础上提出了一种改进的交通标志识别算法MAFM-YOLO。首先,在颈部网络设计了基于空洞混合注意力机制的多尺度注意力特征融合模块,使网络在特征融合阶段能够高效保留图像中的细节信息,对小目标更加的敏感。其次,在回归阶段采用归一化Wasserstein距离改进原有的损失函数,提高了边界框的回归性能,从而进一步提高网络的识别性能。在TT100K数据集上的实验结果表明,MAFM-YOLO较基准模型在精确率、召回率和平均精度均值上分别实现了9.4%、3.3%、6.3%的提升。

关键词： 特征选择   参数优化   入侵检测   并行化   鸽群算法  

摘要： 入侵检测作为一种保护网络免受攻击的安全防御技术,在网络安全领域中扮演着重要的角色。研究人员利用机器学习技术提出了不同的网络入侵检测模型。然而,特征冗余和机器学习参数优化问题仍然是入侵检测系统面临的挑战。现有研究均将二者视为独立问题,分别优化。但机器学习参数与训练数据中的特征密切相关,特征集的改变很可能引起最优机器学习参数的变化。针对这一问题,提出了一种基于改进鸽群算法组合优化的入侵检测方法(ICOPIO)。该方法可以同时实现特征筛选和机器学习参数优化,避免了人为参数设置的干扰,减少了冗余和无关特征的影响,进一步提高了入侵检测模型的性能。此外,还利用Spark对ICOPIO进行并行化处理,提高了ICOPIO的效率。最后,使用NSL-KDD和UNSW-NB15两个入侵检测标准数据集对模型进行了评估,与现有的几种相关方法相比,所提出的模型在TPR、FPR、平均准确率上都取得了最好的结果,且证明了ICOPIO具有良好的可扩展性。

关键词： 组合梁桥   加速遗传算法   截面优化   数值模型   最小用钢量   钢主梁间距   结构设计  

摘要： 针对公路简支钢板组合梁桥用钢量优化问题,提出基于加速遗传算法的组合梁截面优化方法,该方法以钢主梁用钢量为目标函数、以钢主梁截面参数为设计变量、以组合梁承载力和变形为约束条件对截面尺寸进行优化求解。以武穴长江公路大桥南引桥为背景,基于不同钢主梁间距下内力计算结果采用加速遗传算法求解钢主梁最优截面,获得钢主梁每延米最小用钢量和整桥每延米最小总用钢量随梁高变化趋势;结合优化结果提出了最小用钢量设计方案,并建立有限元模型进行优化后结构力学性能验算。结果表明:基于加速遗传算法的组合梁截面优化方法具有较好的收敛性和极值寻优能力;随钢主梁间距的增大,钢主梁截面尺寸及用钢量随之增大,但整桥总用钢量随之减小;钢主梁设计存在用钢量最为节约的最优梁高,该梁高随钢主梁间距的增大而增大;提出的桥梁最小用钢量设计方案计算挠度、应力小于规范限值,且具有足够的安全储备,可较好满足结构受力要求。

关键词： 相同犯罪特征   数据挖掘   算法可靠性  

摘要： 为提高犯罪数据挖掘准确率,有效打击犯罪,提出基于相同犯罪特征的数据挖掘算法。以公安系统数据库为基础,通过数据预处理,获得具有相同犯罪特征的数据向量集进行信息聚类,通过模糊集得到近似关系,依据贝叶斯公式将模糊集变为确定目标函数,依据目标函数,进行数据集划分相差较小的群组,获得数据挖掘结果。实验结果表明:该算法在犯罪特征的数据挖掘上,准确度和可靠性得到极大提升。

关键词： 编队重构   位置分配   协同收益   改进遗传算法  

摘要： 针对飞行器编队队形变换时的位置分配问题,提出了一种考虑个体及协同收益的编队重构位置分配算法。考虑两个队形下飞行器位置之间的斜距和视线角偏差,设计个体收益计算方法;考虑两个队形下各飞行器变换到指定位置的时间协同性和轨迹交叉性,设计协同收益计算方法;基于个体收益和协同收益,提出综合收益的计算方法,建立编队重构位置分配优化模型,并采用改进遗传算法求解。仿真结果表明,该算法能够在不同队形变换下解算出综合收益最优的分配方案,实现快速高效的编队重构位置分配;在不同决策条件下,得到不同的编队重构位置分配方案,以满足实际任务的需要。

关键词： 双目标跨领域推荐   图卷积神经网络   迁移学习   深度学习  

摘要： 传统的单目标跨领域推荐只是根据源域信息(相较于目标域具有更丰富的信息)提高目标域的推荐精度。相比之下,双目标跨领域推荐(dual-target cross-domain recommendation,DTCDR)可以充分利用来自两个领域的丰富数据同时改善各自领域的推荐准确性。然而,目前DTCDR面临着如下挑战:如何有效地对领域上的用户和项目嵌入表征进行优化。为了解决该问题,文中提出了一种融合图卷积神经网络的双目标跨领域推荐模型,称为GCN-DTCDR(a dual-target cross-domain recommendation model with graph convolutional neural network,GCN-DTCDR)。在GCN-DTCDR中,首先,基于用户和项目数据构建用户-项目交互二部图,将原始数据转化为图结构数据,在此基础上引入图卷积神经网络实现了对图结构数据在节点特征和结构特征上的高阶信息提取;然后,使用潜在正交映射将用户偏好从一个领域迁移到另外一个领域,实现DTCDR。在豆瓣的电影、书籍和音乐三个子数据集上进行的大量实验表明,GCN-DTCDR模型可以同时提高两个领域的推荐性能,与基线模型相比,该模型具有更优秀的评分预测能力,有效缓解了节点数据稀疏的问题。