Please wait a minute...

当期目录

    2020年 第0卷 第06期    刊出日期:2020-06-24
    模式识别
    基于深度学习的安全帽佩戴检测与跟踪
    秦嘉, 曹雪虹, 焦良葆
    2020, 0(06):  1. 
    摘要 ( 363 )   PDF (2454KB) ( 195 )  
    参考文献 | 相关文章 | 计量指标
    为了解决传统施工现场安全管理的弊端,减少因施工人员未佩戴安全帽造成的人员伤亡,本文提出一种基于深度学习的安全帽佩戴检测与跟踪方法。首先通过深度学习YOLOv3目标检测网络实现安全帽佩戴检测,进一步运用卡尔曼滤波器和KM算法实现多目标跟踪与计数。复杂施工现场的测试结果表明:网络模型的检测速度可达45 fps,平均精确度为93%,且未佩戴安全帽的查准率和查全率分别为97%和95%,基本能够实现安全帽佩戴情况的实时检测。
    结合HED网络和双阈值分割的GMM目标检测算法
    李睿, 王德忠
    2020, 0(06):  7. 
    摘要 ( 161 )   PDF (2639KB) ( 85 )  
    参考文献 | 相关文章 | 计量指标
    GMM在目标检测过程中容易受到灯光、目标颜色与背景颜色相似、目标阴影和拍摄高度等因素的干扰。针对以上问题,本文提出一种结合改进HED网络和OTSU双阈值分割的GMM算法。首先,改进模型针对视频帧的背景、噪声、前景目标进行双阈值分割,合理选取高斯模型个数。其次,利用HED网络对输入图片进行边缘检测,将HED网络检测的边缘结果和双阈值分割的GMM检测结果进行“与”运算,得到最终目标检测结果。通过实验验证,改进算法的检测率更高,目标较小时检测轮廓更加完整,检测效果更好。
    网络与通信
    基于卷积神经网络的高速无线局域网分组丢失和错误原因识别方法
    张宁, 黄庭培, 蔡丽萍, 李世宝
    2020, 0(06):  14. 
    摘要 ( 141 )   PDF (2429KB) ( 74 )  
    参考文献 | 相关文章 | 计量指标
    无线网络中分组丢失和错误是由信道错误和冲突所导致的。有效识别分组丢失和错误的原因是实现高性能IEEE 802.11n协议的基础。本文主要研究分组丢失和错误原因的识别方法,提高识别原因的准确率,降低识别开销。本文基于监督学习理论提出MPLEC,它是一种轻量级的、准确的分组丢失和错误识别分类方法。MPLEC通过大量实地场景统计实验对分组接收情况进行分析,提取链路层RSSI(Received Signal Strength Indication)、CSI(Channel State Information)组成的特征向量作为监督学习模型的输入。通过监督学习方法对多类MPLEC分类模型进行离线训练和检验,结果表明MPLEC获得至少87%的准确率。最后基于MPLEC的CSMA/CA协议验证了MPLEC的识别性能。实验结果表明,与原有退避算法相比,本文方法可以将重传成功的概率提高25%,时间利用率提高7.8%。
    一种移动流媒体分层协同缓存系统
    杨大武, 李泽平
    2020, 0(06):  22. 
    摘要 ( 154 )   PDF (961KB) ( 71 )  
    参考文献 | 相关文章 | 计量指标
    随着移动互联网的发展和用户数量的增加,网络中的音视频服务普遍采用动态缓存机制来减轻回程主干网的带宽压力和提高用户的观影体验。如何根据网络和用户需求,调整不同节点的缓存内容,以减少主干网的带宽压力,是当前缓存部署迫切需要解决的问题。基于子模函数理论,本文提出主动和被动资源分配调整方案及其算法。主动方案根据资源的流行度把视频文件部署到缓存节点上,以达到用户访问代价的最小化;被动方案根据音视频流行度的变化对节点上缓存的内容进行实时调整,以提高缓存资源的利用率和用户体验,降低主干网的带宽消耗。最小访问代价算法的复杂度与缓存空间容量大小相关,在缓存空间紧张时能快速迭代出资源的分配方案。数值仿真表明,主动和被动分配资源分配方案能有效降低远程服务器的带宽压力和提高用户体验。
    信息安全
    云计算环境下的可修分布式系统可靠性分析方法
    杨牧川, 吕晓丹, 蒋朝惠,
    2020, 0(06):  28. 
    摘要 ( 177 )   PDF (1483KB) ( 153 )  
    参考文献 | 相关文章 | 计量指标
    随着云计算技术的进一步发展,越来越多的应用系统托管在云计算平台上,这就对构成云计算平台的众多分布式系统的可靠性提出了更高的要求。传统分析方法难以在系统规模较大时对可修分布式系统做可靠性分析。为了提高服务质量以及降低因违反服务水平协议而导致的经济损失,本文基于马尔可夫模型提出一种适用于可修分布式系统的可靠性分析方法。通过简化系统的状态空间,在系统运行期间对其软硬件状态进行采样,并通过对分布式系统的失效过程和修复过程进行分析,根据给定时间内的失效概率序列、修复概率序列计算分布式系统的节点状态转移矩阵,得出该马尔可夫矩阵对应的稳态向量。根据特定分布式系统的自身特性,对该稳态向量进一步分析,得出系统最终的可靠性衡量指标。最后通过实验验证了该方法的可用性和有效性。
    几种典型区块链共识机制的安全性分析
    邓铭巍, 欧嵬, 杨杰
    2020, 0(06):  34. 
    摘要 ( 303 )   PDF (901KB) ( 155 )  
    参考文献 | 相关文章 | 计量指标
    区块链技术源于比特币的出现,随着比特币和其他数字货币在金融市场的火爆,区块链技术得到了各界的广泛关注。共识机制是区块链技术的核心,区块链上的账本和数据都是共识机制的产物,一旦共识机制的安全性出现问题,区块链的可用性和信用度都将受到严重的打击。本文从共识机制的安全性出发,首先介绍区块链和共识机制的概念,然后对3种典型的区块链共识机制进行对比分析:通过逐一研究针对3种共识机制的攻击方法,对它们的一致性和敌手模型进行对比。最后,指出了目前区块链共识机制安全性分析上的局限性,并明确了未来研究共识机制安全性的方向。
    基于多目标点A*算法的停车场车位路径引导系统设计
    肖玮, 张磊, 邱泽华, 钟勇, 张铁楠
    2020, 0(06):  40. 
    摘要 ( 173 )   PDF (1005KB) ( 94 )  
    参考文献 | 相关文章 | 计量指标
    针对目前多数停车场缺乏易于工程实现的车位引导系统,导致用户找停车位难且存在一定安全隐患的问题,本文设计一种基于多目标点A*算法的停车场车位引导系统。本系统由出入口控制模块、车位状态监控模块、路径引导模块和信息处理中心共4个部分构成,能最大程度基于现有停车场基础设施进行扩展,具有工程量小、成本低的特点。设计的多目标点A*算法能够在多个潜在目标点中遴选出一个最优目标点,完成最优车位路径规划。最后,以某小区停车场为例,利用Microsoft Visual Studio 2015平台进行仿真实验,重点运行最近车位引导、步行最少引导、连续空余车位引导这3种常见模式。仿真结果验证了系统的有效性和可行性。
    瓦斯抽采数据预处理技术及达标评判应用
    吴克介, 许金, 陈清, 张翼
    2020, 0(06):  46. 
    摘要 ( 108 )   PDF (886KB) ( 76 )  
    参考文献 | 相关文章 | 计量指标
    针对瓦斯抽采达标人工测定数据周期长、在线监测装置存在数据缺失等问题,采用数据拟合的方法研究井下管道瓦斯抽采时长与累计抽采量的关系以及单点缺失、连续缺失这2种情况下的瓦斯监测数据修补算法,设计并实现一套瓦斯抽采达标评判系统。石壕煤矿N1633北回风巷抽采评价单元试验效果显示,该系统达到了煤矿瓦斯抽采达标评价需求,为矿井现阶段瓦斯抽采达标提供了应用示范。
    软件工程
    基于AADL的航天嵌入式软件Ada代码自动生成方法
    冯思喆, 杨志斌, 薛垒
    2020, 0(06):  52. 
    摘要 ( 154 )   PDF (1998KB) ( 86 )  
    参考文献 | 相关文章 | 计量指标
    模型驱动开发方法逐渐应用于航空航天等领域的安全关键软件设计与实现中。体系结构分析设计语言(Architecture Analysis and Design Language, AADL)是一种标准化的嵌入式软件体系结构描述语言,通过建模、验证以及代码自动生成为安全关键软件的设计与实现提供完整支持。然而,工业界实际代码是运行在具有不同特性的目标平台上的,例如不同的软硬件体系结构和编程接口,而现有AADL代码生成研究主要是通过手工将自动生成的代码集成到平台当中,存在工作繁琐且易出错的问题。为此,本文提出一种基于AADL的航天嵌入式软件Ada代码自动生成方法。首先,给出卫星姿轨控系统的AADL建模;其次,给出AADL到平台相关的Ada代码自动转化规则;最后,给出代码生成原型工具,并对卫星姿轨控系统AADL模型所生成的代码进行航天编码规范检查,并运行在相关仿真环境中,验证了本文所提方法的有效性。
    一种支持多线程程序的符号执行技术
    李曈, 丁国富
    2020, 0(06):  60. 
    摘要 ( 192 )   PDF (1290KB) ( 97 )  
    参考文献 | 相关文章 | 计量指标
    符号执行是一种实用的验证程序中是否包含某类错误的技术,具有0误报率的优点,但是主流的执行工具并不支持分析多线程程序。本文对已有的多线程程序的符号执行工具进行分析,发现存在的问题有:1)有些工具性能好,但是不支持外部库,实用性很差;2)有些工具支持外部库函数,但是版本老,难以更新和维护,无法检查减法溢出、乘法溢出、移位溢出等基本类型的bug。本文基于最主流的符号执行工具KLEE设计并实现支持多线程程序的符号执行工具——MTSE(Multi-Thread Symbolic Execution)。MTSE支持libc和libc++库,并且相对于已有的同类工作Cloud9,MTSE可以多查找出约50%的程序缺陷,并且指令覆盖率和分支覆盖率上均有约30%的提升。
    数据挖掘
    快速挖掘最大频繁项集算法在图书馆管理中的应用
    于海洋
    2020, 0(06):  68. 
    摘要 ( 139 )   PDF (821KB) ( 115 )  
    参考文献 | 相关文章 | 计量指标
    针对图书馆服务方式的滞后,图书馆与用户供需矛盾的现状,运用数据挖掘技术,调取借阅记录,采用DS-Eclat算法,挖掘其最大频繁项集,通过找出用户搜索信息中的内在关联规则,以此促进图书馆服务方式的转变。对比传统Eclat算法与本文DS-Eclat算法,结果表明DS-Eclat算法能很快地发现最大频繁项集,此最大频繁项集能促进图书馆个性化服务的发展。
    多层次序列集成的高维数值型异常检测
    李科心, 李静, 邵佳炜, 肖屹
    2020, 0(06):  73. 
    摘要 ( 128 )   PDF (1530KB) ( 63 )  
    参考文献 | 相关文章 | 计量指标
    伴随大数据的快速发展,数据分析和知识发现成为研究热点,异常数据检测是数据质量提升的关键。基于序列集成学习的异常数据检测方法在面向高维数值型数据时可能因为噪声数据和维数过多导致检测精度下降。本文提出一种基于弹性网络的多层次序列集成学习的高维数值型异常数据检测方法,其中每层包含异常数据候选集模块、弹性网络降维模块和数据异常打分模块共3个模块。首先,异常数据候选集选择模块根据异常分数选择出一部分可能的异常数据;然后,弹性网络根据异常数据候选集和异常分数对高维数据进行特征选择,选择出与异常分数最相关的特征;最后,利用选择出来的特征对数据再次进行异常打分。每层异常数据候选集选择模块中的阈值设置为不同的值,循环地执行每一层,直到当前弹性网络的均方误差大于上一次的均方误差或者当前的检测精度小于初始的检测精度。在实验阶段,使用ODDS提供的高维异常数据检测数据集并根据检测精度、提取特征数、收敛速度等指标对本文方法的性能进行了测试。结果表明本文方法不仅能够提高对高维数值型异常数据的检测精度,而且能够有效地降低噪声对检测结果的影响。
    过采样与集成学习方法在软件缺陷预测中的对比研究
    王海, 江峰, 杜军威, 赵军
    2020, 0(06):  83. 
    摘要 ( 187 )   PDF (604KB) ( 121 )  
    参考文献 | 相关文章 | 计量指标
    近年来,软件缺陷预测的研究引起了大量关注。软件缺陷预测中普遍存在类别不平衡问题,即有缺陷样本要远少于无缺陷样本,而有缺陷样本又是预测的重点。上述问题使得缺陷预测模型的性能难以满足用户要求,有必要对不平衡数据进行有效处理。目前,采样法和集成学习方法已成为处理不平衡数据的2类重要方法,很多学者提出了不同的过采样方法和集成学习方法。本文研究如何把这2类方法更好地组合在一起,从而有效地处理缺陷预测中的类别不平衡问题。对此,选取RandomOverSampler、SMOTE、Borderline-SMOTE和ADASYN这4种常见的过采样方法以及Bagging、Random Forest、AdaBoost和GBDT这4种常用的集成学习方法,分别将一种过采样方法与一种集成方法组合在一起,从而形成不同的组合。通过对比每一种组合的缺陷预测性能,从而获得最优组合,为缺陷预测中不平衡问题的处理提供有益参考。实验表明,过采样方法ADASYN在处理不平衡问题方面更有优势,它与集成方法GBDT的组合表现最优,相对于其他组合具有更好的缺陷预测性能。
    基于深度Q网络的垃圾邮件文本分类方法
    景栋盛, 薛劲松, 冯仁君
    2020, 0(06):  89. 
    摘要 ( 205 )   PDF (792KB) ( 132 )  
    参考文献 | 相关文章 | 计量指标
    电子邮件广泛应用于人们的工作生活中。然而,充斥着虚假信息、恶意软件和营销广告等内容的垃圾邮件也以电子邮件为载体进行传播。这不仅给人们带来不便,而且也占用和耗费大量的网络资源,甚至严重地威胁信息安全。因此,有效地识别、过滤垃圾邮件是一项重要的工作。目前,垃圾邮件过滤方法主要包括基于邮件来源的识别和基于内容的识别,但大部分方法效果不佳且效率不高,并且需要耗费大量的人力标注特征,也跟不上垃圾邮件内容和形式等的改变。近年来,有研究人员将深度强化学习用在自然语言处理上并取得了重大的成果,鉴于此,本文提出基于深度Q网络的垃圾邮件文本分类方法。该方法在对邮件文本进行预处理、分词以及用Word2vec模型得到词向量的基础上用深度Q网络对垃圾邮件进行过滤,充分利用Word2vec中的CBOW模型得到邮件文本中的每个分词对应的词向量,直接用深度Q网络对得到的词向量集进行处理,无需提取邮件的特征,避免了由于特征提取的偏差带来的负面影响,提高了垃圾邮件过滤的效率和精确率。实验结果验证了本文方法的有效性。
    基于自适应注意模型的图像描述
    侯星晨, 王锦
    2020, 0(06):  95. 
    摘要 ( 177 )   PDF (2141KB) ( 85 )  
    参考文献 | 相关文章 | 计量指标
    结合注意力机制的编解码框架模型已经被广泛地应用在图像描述任务中。大多数方法都强制对生成的每个单词进行主动的视觉注意,然而,解码器很可能不需要关注图像中的任何视觉信息就生成非视觉单词,比如“the”和“of”。本文提出一种自适应注意力模型,编码端采用Faster R-CNN网络提取图像中的显著特征,解码端LSTM网络中引入一个视觉监督信号。在每个时间步长,它可以自动地决定何时依赖于视觉信号,何时仅依赖于语言模型。最后在Flickr30K和MS-COCO数据集进行验证,实验结果表明该模型有效地提升了描述语句的质量。
    人工智能
    基于优化的非等间距灰色模型对健康的预测
    李锐, 李晓卉, 李小钰, 丁月民
    2020, 0(06):  101. 
    摘要 ( 135 )   PDF (789KB) ( 66 )  
    参考文献 | 相关文章 | 计量指标
    针对通过有限的不等时间间隔的健康数据预测未来健康情况难度较大,传统的非等间距灰色预测模型在应用中精度偏低的问题,本文提出一种优化的非等间距灰色马尔科夫预测模型。首先,该模型通过数据预处理和优化预测流程降低数据突变对预测结果造成的影响;其次,设计最佳权重系数来优化模型的构建;最后,采用灰色和马尔科夫修正相结合的策略对残差进行修正。经过实例和对比分析,结果表明,该优化模型具有更高的预测精度,从而可以相对准确地预测短期健康情况。
    深度学习发展形势下计算机视觉教学内容革新
    陈川, 陈柘, 丁双惠
    2020, 0(06):  107. 
    摘要 ( 178 )   PDF (1032KB) ( 77 )  
    参考文献 | 相关文章 | 计量指标
    近年来,深度学习理论与应用技术获得了快速发展,其在计算机视觉中的应用日益广泛和深入,在诸多计算机视觉任务中取得了受人注目的成绩,给现有的计算机视觉教学内容带来了不容忽视的影响。在总结深度学习理论在计算机视觉各方面应用现状的基础上,提出计算机视觉教学内容的适应性革新,将深度学习理论融入计算机视觉教学中,更好地体现相关学科理论发展对计算机视觉教学内容变革的促进作用。
    考虑交通流量的改进型电动汽车充/换电设施选址布局
    张忠, 邹燕飞, 刘淑英
    2020, 0(06):  114. 
    摘要 ( 141 )   PDF (1676KB) ( 67 )  
    参考文献 | 相关文章 | 计量指标
    为了有效促进电动汽车在我国的蓬勃发展、提高电动汽车使用效能并降低交通物流业的环境污染,本文拟通过构建考虑交通流量的电动汽车充/换电设施规划方法进行电动汽车充/换电设施优化布局研究。首先,从便利性原则、经济性原则、安全性原则、可行性原则4个方面分析电动汽车充/换电设施的布局原则;在此基础上,综合分析典型选址模型的局限性,以充/换电设施的服务能力最大化为目标,构建考虑交通流量的改进型电动汽车充/换电设施截流选址模型;然后,考虑到该模型的NP-hard特性,将二进制粒子群算法引入充/换电设施的布局模型求解中以提高计算效率;最后,以深圳市某区域为实例,基于MATLAB软件进行电动汽车充/换电设施规划布局研究,为该区域充/换电设施布局提供行之有效的方案。
    基于自步数据重构正则化的模糊C均值聚类算法改进
    陈怡君, 曹逻炜, 杜玉倩
    2020, 0(06):  120. 
    摘要 ( 116 )   PDF (1544KB) ( 57 )  
    参考文献 | 相关文章 | 计量指标
    为了有效降低模糊C均值算法对奇异值和噪声点的敏感性,本文提出一种自步数据重构正则化模糊C均值聚类算法。传统算法是在C均值算法的目标函数中引入加权参数来实现对数据的模糊性划分,而本文提出的方法则是通过对C均值的目标函数进行数据重构正则化来实现,并以自步学习的方式逐步对数据点进行聚类。实验结果表明,本文算法在模拟数据、实际数据以及在图像分割中都能显著降低算法对奇异值和噪声数据的敏感性,聚类更为准确高效。