摘要：对抗样本通过对输入进行少量扰动使得神经网络产生误判,是衡量深度学习模型鲁棒性的重要手段.中文对抗样本存在覆盖情况不广、质量不高、攻击效果不强等问题.为解决以上问题,论文提出一种字符级文本对抗样本生成方法SCGA(Similar Character Generation Adversarial Example).该方法对汉字的读音和形状进行相似度计算并构建音形相近字典,然后定位到关键字,利用替换攻击生成对抗样本.最后在黑盒下进行攻击实验.在多个数据集上与多个方法对比验证了方法的有效性.该方法所生成的对抗样本质量较高且能有效的误导模型的分类结果.

摘要：为克服粒子群算法在处理多目标优化问题时易陷入局部最优的不足,提高算法的求解稳定性,提出一种多策略多目标粒子群优化算法(MOPSOMS).首先,提出一种基于支配次数的全局最优粒子分阶段选取策略,促使种群能够更快逼近真实Pareto最优解,与自适应网格技术和轮盘赌策略相结合,在提高算法收敛性的同时较好地兼顾了多样性;其次,提出多目标斐波那契突变策略和动态种群位置平均策略,在随机选取的单一维度上按照斐波那契原理进行突变,并以动态种群位置平均替代个体最优粒子,提高了解的多样性,避免算法陷入局部最优.在ZDT测试函数集上将所提算法与8种多目标优化算法进行对比,实验结果表明,MOPSOMS算法具有更好的求解稳定性,得到的解集具有更好的收敛性和分布性.

摘要：如何对在线社交网络的用户数进行高效、精确估计是网络科学领域的一个基本的问题.基于随机游走抽样的估计算法通过随机访问部分网络用户和统计各用户重复访问次数,实现对社交网络用户数的估计.然而当前的各种社交网络用户数估计算法的估计误差都非常大.研究发现,造成估计结果相对误差偏大的主要原因是网络中低度节点所产生的"虚假碰撞".因此,该研究在基于随机游走抽样的估计算法的基础上提出一种基于碰撞计数的修正算法,通过去除低度节点产生的"虚假碰撞",进而提高算法估计的准确性.通过使用真实社交网络数据集进行实验验证,结果表明,与传统的基于随机游走抽样估计算法相比,误差修正算法可以有效地减小估计的相对误差.

摘要：针对边缘计算环境下的基于容器的微服务调度问题,通过建立边缘计算中微服务之间的网络传输延迟、微服务的稳定性、物理节点集群的负载均衡模型将该问题转化为多目标优化问题,提出一种基于鲸鱼优化算法的多目标微服务调度算法.该算法以不同的微服务对于CPU、内存、带宽等计算资源的需求情况的差异作为微服务选择边缘节点的约束条件,并通过设计新的个体编码方式来解决该问题,同时采用非线性收敛因子加快算法的最优解搜索能力.通过在七种不同的用户请求数量的场景下进行对比实验,结果表明,与其他相关的主流算法相比,该算法在优化网络延迟、集群负载均衡和提高服务的稳定性等方面取得了更好的效果.

摘要：车辆重识别(Re-ID)旨在通过多个不重叠的摄像头识别同一辆车辆.现有的重识别研究主要在图像高信息区域提取车辆特征,忽略了低活跃区域也可能存在有利于车辆识别的重要信息.针对这一问题,论文提出了一种低活跃区信息挖掘的车辆重识别方法(LRM-Net),通过擦除高活跃区域,挖掘低活跃区域中关键特征来增强网络的性能.LRM-Net具有全局分支及特征遮掩分支模块两个分支结构.全局分支用于学习车辆的整体外观特征;特征遮掩模块,用于学习低活跃区域中具有分辨性的车辆特征,当车辆特征极为相似时,该模块可以有效地进行车辆区分.该方法在两个公共数据集上VehicleID(大)和VeRi-776上进行了实验,LRM-Net的Rank-1准确率分别达到了90.7%和95.9%,平均精度均值(mAP)分别达到了为77.1%和79.7%.定性和定量实验表明了LRM-Net在低活跃区挖掘信息的有效性.

摘要：雷达对抗体系仿真试验需要对装备进行建模,然后借助全数字仿真试验平台开展大样本试验以检验装备作战效能.论文关注于雷达装备多粒度仿真建模和模型应用问题,从雷达对抗全数字仿真平台系统架构、数学仿真试验方法入手,设计了多粒度仿真模型结构,并分别针对信号级和功能级核心算法模型进行详细设计.论文设计的仿真模型架构可为雷达装备全数字仿真模型提供依据,为仿真平台开发提供参考.

摘要：乘客需求预测是智能交通系统建设的一项重要而艰巨的任务.论文提出了一种多图注意力时空预测模型,在时间上以LSTM建模出行记录中时间依赖的上下文信息,然后采用三个图建模空间区域的多种相关性,并用GAT捕捉区域间的空间依赖,此外还将天气信息整合到模型中,实现出行需求的全局预测,最后通过一个真实数据集验证了该模型的有效性.

摘要：针对属性权重未知或部分已知,评价值为T-球形模糊数的决策问题,提出基于(R,S)范数T-球形模糊熵模糊熵的COCOSO法.首先,定义了(R,S)范数T-球形模糊熵公式,证明其满足T-球形模糊熵的四条公理化准则.其次,利用该模糊熵计算客观属性权重,并将COCOSO法推广到T-球形模糊环境中,提出T-球形模糊多属性决策方法.最后,分析了参数R和S的变化对决策结果的影响,通过实例和对比分析说明该决策方法的有效性.

摘要：数字孪生可以基于虚拟实体通过数据交互监视和分析物理实体的状态,达到虚实结合、以虚控实的目的,具有十分重要的应用前景,成为推动多个行业数字化的研究热点.因此,论文对实现数字孪生功能的关键技术建模仿真进行了研究.首先对数字孪生的起源、定义和应用现状进行相关概述,然后对数字孪生中建模技术的应用进行分类和全面的总结,并分析了数字孪生仿真的特点以及和传统仿真的区别.最后在前期研究的基础上,阐述了建模仿真在基于数字孪生的生产线仿真中的应用,并对数字孪生中建模与仿真技术的发展方向进行了展望.

摘要：由于多维时序数据具有较高的维度,难以取得理想的挖掘效果,为此提出基于人工蜂群优化算法的多维时序大数据挖掘方法.通过极值分段法将多维时序数据转换成模式表示的形式,再采用Haar小波变换将多维时序数据转换到频谱空间内,改变数据的频率和位置信息,得到数据的特征系数,利用特征提取算法找出有用的特征系数.对提取的特征系数构建目标函数,基于人工蜂群优化算法对目标函数完成局部寻优,在适应度函数的基础上找出最优解,完成多维时序数据挖掘.实验结果表明,人工蜂群方法的数据挖掘效果较好,能够有效缩短数据挖掘时间,提高数据挖掘精度.

摘要：针对广义旁瓣相消器(Generalized Sidelobe Canceller,GSC)在低信噪比环境以及动态复杂场景中性能恶化、非相干噪声和背景噪声消除性能不足的缺陷,提出一种基于时频掩蔽改进的GSC语音增强算法,利用基于时频掩蔽的深度神经网络语音增强系统改进GSC的后置滤波系统,首先利用归一化最小均方误差改进的广义旁瓣相消器,利用前置模块对方向性噪声进行抑制,再通过纯净语音时频掩蔽估计来有效地保留语音成分抑制噪声成分.通过不同背景噪音下的客观语音质量评估(Perceptual Evaluation of Speech Quality,PESQ)及语谱图分析后证明,该算法在低信噪比下表现出优势,语谱图也更加接近纯净语音,语音的整体质量提升方面表现良好,处理后的语音更加接近目标语音.

摘要：空间转录组学是分析基因表达复杂组织的组织学变化的一项成熟的技术.识别显示空间表达模式的基因,是描述复杂组织的空间转录组景观的重要第一步.通过改进统计方法SPARK的内核函数,提出SPARK2方法,提高识别从各种空间分辨转录组学技术生成的数据中基因的空间表达模式.给定两组模拟数据,SPARK2方法比现有方法产生更高的功率,例如低假阳性和高真阳性.此外,通过分析三个已发表的空间分辨转录组数据集,发现SPARK2方法比现有的方法更好,如识别更多的具有空间表达模式的基因,揭示更多的生物学发现.因此,通过改进核函数能够提高识别具有空间表达模式基因的数目,同时识别出具有生物学意义的基因.

摘要：边缘检测是计算机视觉以及图像处理的基本问题,其检测效果与图像的质量密不可分.但在图像信号的采集过程中,不可避免地会混入噪声等影响因素.Canny算法因其在平滑图像和移除噪声方面具有较好的精度得到了广泛关注.然而,在传统Canny边缘检测方法中,高斯滤波器大多是基于相同方向的,对于边缘方向的信息利用率较低.为了增强边缘信息的利用率以及高斯滤波的平滑效果,通常采用各向异性高斯滤波器来提高滤波效果,但同时其计算的复杂程度也随之增加.针对以上问题,提出了一种改进的基于递归高斯滤波器进行图像去噪的方法.该方法将各向异性高斯滤波器的二维滤波分解成两次一维滤波,先进行一次正向滤波,在此基础上进行后向滤波,每次滤波的结果迭代更新.实验结果表明,提出的递归高斯滤波器在降低原算法复杂度的同时,应用于Canny算法中的边缘检测效果也有明显提升.

摘要：针对云呼叫中心有限时频资源约束和高并发的问题,提出了一种基于深度强化学习的通信线路自动化调度算法.首先,采用马尔可夫决策过程建立同构多智能体系统的模型,设计了复合奖励函数.再从序贯决策角度,设计了多重自注意机制,使用三种基于Actor-Critic架构的算法对模型进行训练.实验结果表明,模型能够自动化输出联合调度策略,具有优良的稳定性和有效性.

摘要：图像超分辨率重建技术可以提升了图像的鉴别能力和精度,随着深度学习的持续发展,生成对抗网络由于其出色的拟合能力,在图像超分辨重建率领域展现出了较好的潜力.针对SRGAN算法网络模型,提出了一种基于注意力机制的轻量化网络模型.引入空间通道注意力机制来提升生成器模块的特征提取能力,使网络能够自适应获取图像高频特征信息,进一步改善生成网络性能;同时,压缩判别器模块的网络层数,采用更高效的卷积方法和激活函数,加快模型收敛速度,提升重建图像的质量.通过对公共数据集的测试结果验证了该改进方法的有效性,改进后的模型参数量大大减少,纹理细节恢复更清晰,图像视觉效果更好.

摘要：在实际生产中,塑料瓶的瓶口会出现残缺的现象,如磨损、破裂、脏污等.此类瑕疵瓶口无法封口,对瓶子的密封性影响极大,进而危害使用者的健康.基于机器视觉的方法能够高效、自动实现缺陷检测,而在瓶口缺陷检测中,边缘检测是非常重要的一个环节.为此提出将一种改进后的基于整体嵌套边缘检测(Holistically-nested Edge Detection,HED)方法应用于塑料瓶口边缘检测.论文分别采用不同边缘检测算法进行了瓶口缺陷检测,并基于主观评价指标F-measure值进行性能评估,绘制PR曲线图.结果表明,改进后的HED网络的检测效果值较原始HED网络有着显著提升.论文进而对测试图像进行边缘检测,发现改进后的HED网络提取边缘的完整度优于传统边缘算法,可满足后续缺陷检测要求.

摘要：为了解决经典的卷积神经网络在图像分类方面存在的内存和分类精度方面的问题,提出了一种基于量子卷积神经网络的双观测测量图像分类算法模型.首先,使用平均池化降采样策略来降低每张图像的维数,并设计了一个高表达能力的强纠缠参数化量子电路来替代传统的卷积层,对输入图像信息进行关键特征的提取.除此之外,还采用了双观测测量策略,从量子系统中获取足够的隐藏信息.实验结果表明,所提算法优于经典的卷积神经网络和量子神经网络,在MNIST多分类数据集上表现较优,尤其是在数据子集{0,1}中,准确率达到了100%.

摘要：考虑到船舶专业领域科学研究的复杂性和探索性,科研人员在进行船舶总体性能预报、评价、优化时,无法从众多船舶总体性能领域仿真计算软件(简称APP)中快速筛选出贴合当前研究目标的最优APP.提出基于深度学习的船舶总体性能APP智能推荐模型,构建科研人员数据和船舶总体性能APP的多维特征向量,通过深度神经网络提取人员特征和APP特征,计算特征间的余弦相似度,并以APP评分、APP计算任务统计量、APP访问统计量等融合信息作为衡量相似度标准进行模型训练并生成推荐模型.研究结果表明,推荐模型能主动为科研人员推荐精准APP,帮助科研人员快速找到合适的船舶性能APP,实现APP个性化智能推荐.与其他两种传统方法相比,在精度、误差、F1值方面都有良好表现.

摘要：针对传统去雾方法处理后图像色彩恢复程度不高且容易导致过渡边缘区域和景深区域出现伪影和块效应的问题.文中提出了一种结合色彩空间与雾线暗通道先验的图像去雾算法.首先根据暗通道方法所估计的粗略透射率值为基础,对每条雾线的像素点透射率估值进行修正并进行自适应调整,利用改进后的大气光值和透射率估值得到一幅低饱和度和色彩暗沉的去雾图像;其次,通过把原始有雾图像转换到HSI颜色空间,运用MSRCR算法对S分量和I分量进行增强处理以获得第二幅具有高饱和度、高亮度的图像;最后利用加权平均方式将两幅图像信息进行线性融合得到复原图像.实验结果表明,论文所提新方法能有效避免halo效应及颜色失真问题的同时,能够更好地保留原始有雾图像的色彩特征与细节信息;同时,该方法在5组图像中的峰值信噪比、结构相似性和信息熵的均值分别是16.9699、0.8381和7.5203,均优于其余4种对比算法,具有一定的可行性.