结合LSTM的双流卷积人体行为识别

为了更好地获取视频中连续帧之间的时间信息,提出一种新颖的双流卷积网络结构用于视频的人体行为识别。该网络在不改变双流卷积中空间流结构的情况下,在时间流的卷积模型中加入长短时记忆(LSTM)网络,并且时间流的训练相较于以往的双流卷积架构采用端对端的训练方式。同时在新的网络结构上尝试使用组合误差函数来获得更好的光流信息。在KTH和UCF101两个通用人体行为视频数据集上进行实验,实验结果证明,提出的使用组合误差函数结合LSTM的双流卷积与普通的双流卷积、使用以往误差函数结合LSTM的双流卷积相比,识别率有明显的提高。     

基于关联数据的图书个性化智能推荐系统设计

针对传统图书推荐系统存在匹配度不高、用户满意度较低的问题,引入关联数据技术设计一种新的图书个性化智能推荐系统。系统硬件结构由智能数据存储层、智能数据挖掘层、数据用户界面层组成,系统选用的处理器为嵌入式处理器,存储器为静态存储器。软件模块分为信息获取、信息匹配、信息推荐三个部分。为了检测系统工作效果,将其与传统推荐系统进行对比。结果表明,所设计的推荐系统能够精准地将用户所需信息与图书信息匹配到一起完成推荐,达到用户满意的效果。     

面向服务质量感知云API推荐系统的数据投毒攻击检测方法

针对现有研究通常假设云API推荐系统的服务质量数据是可靠的,忽略了开放网络环境中恶意用户对云API推荐系统的数据投毒攻击的问题,提出了一种基于多特征融合的数据投毒攻击检测方法。首先,依据设计的相似性度量函数构建用户连通网络图,并利用Node2vec捕获用户邻域特征;其次,采用稀疏自编码器挖掘用户服务质量深度特征,并构建基于服务质量数据加权平均偏差的用户解释特征。进一步,融合用户邻域特征、服务质量深度特征和解释特征建立基于支持向量机的虚假用户检测模型,并使用网格搜索和交替迭代优化策略学习模型参数,继而实现虚假用户检测。最后,通过多组实验验证了所提方法的有效性和优越性,实现了服务质量感知云API推荐系统在数据端的投毒攻击防御。     

结合时序动态图和双流卷积网络的人体行为识别

为了更好地对人体动作的长时时域信息进行建模,提出了一种结合时序动态图和双流卷积网络的人体行为识别算法。首先,利用双向顺序池化算法来构建时序动态图,实现视频从三维空间到二维空间的映射,用来提取动作的表观和长时时序信息;然后提出了基于inceptionV3的双流卷积网络,包含表观及长时运动流和短时运动流,分别以时序动态图和堆叠的光流帧序列作为输入,且结合数据增强、模态预训练、稀疏采样等方式;最后将各支流输出的类别判定分数通过平均池化的方式进行分数融合。在UCF101和HMDB51数据集的实验结果表明:与传统双流卷积网络相比,该方法可以有效利用动作的时空信息,识别率得到较大的提升,具有有效性和鲁棒性。     

云数据安全存储技术初探

基于互联网与云计算技术快速发展下,大量信息数据应用网络存储于云存储系统中,而云存储系统主要是利用网络环境完成存储,其中用户十分重视信息数据的云存储安全性。因而,加强云数据安全存储技术具有深远意义。     

带特征监控的高维信息编解码端到端无标记人体姿态估计网络

针对点云空间三维信息非结构化和旋转易变性对预测结果的影响,提出一种带特征监控的三维信息编解码卷积神经网络,该网络可实现三维空间下单目深度图的端对端无标记人体姿态估计.所设计的网络由特征监控编解码组件串联而成,该组件第一部分使用三维卷积模块以类似沙漏结构的形式组合设计,实现对特征图的编码和解码;第二部分以不同参数残差块并联,实现对特征图的监控融合,第一部分与第二部分首尾连接构成组件.特征监控编解码组件能根据数据集大小,通过串联的方式搭建不同深度的网络,同时根据数据分辨率,设置组件参数,实现由粗到精的特征学习,最终获得最佳网络.通过ITOP数据库的实验表明,该网络实现了空间三维信息的端到端深度学习,显著提高了系统性能并具有更高的精度.     

基于伪孪生神经网络的低纹理工业零件6D位姿估计

从单帧RGB图像中获取目标物体的6D位姿信息在机器人抓取、虚拟现实、自动驾驶等领域应用广泛.本文针对低纹理物体位姿估计精度不足的问题,提出一种基于伪孪生神经网络的位姿估计方法 .首先,通过渲染CAD模型的方式,获取不同观察角度下的RGB图作为训练样本,解决了深度学习中数据集获取与标注较为繁琐的问题.其次,利用伪孪生神经网络结构学习二维图像特征和物体的三维网格模型特征之间的相似性,即分别采用全卷积网络和三维点云语义分割网络构成伪孪生神经网络,提取二维图像和三维模型的高维深层特征,使用网络推断密集的二维-三维对应关系.最后,通过PnP-RANSAC方法恢复物体的位姿.仿真数据集的实验结果表明,本文提出的方法具有较高的准确性和鲁棒性.     

残差膨胀卷积结构下的多模态特征调制方式识别

自动调制方式识别技术在通信领域有着不可或缺的作用,针对传统的卷积神经网络在信号分类问题中特征提取能力不足的问题,本文研究了一种利用多维度特征的端到端双流膨胀卷积神经网络来对调制信号进行分类的方法。该方法不仅利用原始采样信号,还利用输入信号的瞬时幅度和相位信息;原始IQ(In-phase and Quadrature, IQ)数据输入进神经网络后,网络首先通过内置的数据预处理模块对输入的IQ信号进行预处理,提取原始信号的幅度和相位信息,再将原始IQ信号和幅度相位两种特征信息分别通过两个并行的卷积神经网络结构分别进行特征提取;本文所设计的双流卷积神经网络模型中的膨胀残差网络分支利用卷积核的膨胀卷积特性,将膨胀卷积与残差网络结构相结合,在网络参数不变的情况下使得卷积核具有更大的感受野,同时也能够更好地结合上下文信息,另一个网络分支是将卷积神经网络与长短期记忆神经网络相串联,然后将两个并行卷积神经网络的输出特征向量进行矩阵相乘达到两种特征信息融合的目的。整个识别过程是基于端到端的,数据预处理模块内嵌到神经网络内部,由神经网络完成对数据的预处理,只需将原始的IQ数据直接送入神经网络即可;仿真实验...     

融合深度卷积网络与点云网络的三维车辆检测方法分析

在常规的车辆目标检测中,YOLO,SSD,RCNN等深度模型都获得了较好的检测效果,但是在无人驾驶系统中,车辆的速度、方向、相对距离等因素对于系统来说十分重要,所以采用二维车辆检测对于驾驶场景的理解还远远不够。激光点云数据蕴含着丰富的三维环境信息,融合点云数据和深度网络的三维车辆检测已成为未来的发展方向。文章给出了一种基于点云网络与卷积神经网络的三维车辆检测方法,首先,使用CRC和输入尺寸有关的SDP技术来提高车辆检测的准确性;其次,采用点云网络结构(Pointnet)来处理点云数据,实现三维目标检测,研究表明设计网络结构在检测精度上有着较大的优势。     

基于大数据的云媒体电视全局业务智能技术

与传统的数据仓库应用相比,大数据技术具有数据处理量大、可处理非结构化数据、实时性高等特点.针对云媒体融合业务爆发式增长导致用户会陷入业务选择迷茫的问题,南京有线以“转型、智能、极致”为发展目标,基于大数据技术,聚合企业内部所有系统数据资源,并进行各种智能化数据分析处理及标准化能力封装开放.立足于为云媒体电视各类融合业务提供智能支撑,以主动智能和被动智能等多种方式,让用户体验到无处不在的云媒体业务智能.     

浅析云桌面技术在高校实训室管理中的应用

随着计算机网络信息技术的迅速发展,教育信息化也逐渐进入了应用转型时期。众所周知,高校实训室作为学生上机实训的重要场所,其重要性也越来越明显。但是,传统的高校实训室是以普通计算机作为载体的,其管理问题直接关系影响到应用型人才培养的质量。而且,随着高校生源的不断扩招,为满足教学需求,实训室数量也不断增多,实训室的管理问题也会日益彰显。本文主要针对传统的实训室管理过程中所存在的问题,提出了如何利用云桌面技术解决实训室管理中常见的问题。     

基于MQTT协议的智能网关设计

为了解决远程设备与云平台之间的数据交互及远程监控的问题,文中设计一种基于MQTT协议的智能网关。该智能网关以单片机STM32F407和4G模块EC20为核心,使用网关的RS 485接口获取设备端的ModBus数据;通过MQTT协议将数据经4G模块上传到云平台,并能够将云平台下发的控制指令转发给设备端,实现远程设备与云平台之间的数据交互;同时用户可以通过PC网页监测设备的运行信息。采用MQTT协议作为网关与云平台之间的通信,ModBus协议作为设备与网关之间的通信,通过两种协议的结合能够提高数据传输的效率,节省网络流量,并且为低带宽以及不稳定网络环境中的远程设备提供稳定的网络服务。经测试,基于MQTT协议的智能网关网络通信稳定可靠,具有很好的应用前景。     

基于稀疏卷积和注意力机制的点云语义分割方法

近年来，三维点云语义分割方法取得了很大的进展，代表性的方法为基于稀疏卷积的方法，但是稀疏卷积会带来全局上下文信息丢失的问题。基于此，提出一种基于稀疏卷积和注意力机制的点云语义分割方法。将注意力机制引入稀疏卷积网络，增强网络对全局上下文信息的获取能力。但是注意力机制计算量较大，限制了所提方法的适用场景。进一步将空间金字塔采样引入注意力机制中，在减少计算量的同时扩展其使用场景。实验结果表明，所提方法在Scannet V2数据集上取得了71.825%的平均交并比（MIOU），在S3DIS数据集上的MIOU达到70.5%，优于对比方法，验证了其有效性。     

基于分离卷积的战场目标聚集行为识别

针对大部分行为识别算法效率较低,难以应对大规模影像识别任务的问题,一方面,提出一种结合双流结构与多纤维网络的双流多纤维网络模型,分别以RGB序列、光流序列为输入提取视频的时空信息,然后将两条支路网络的识别结果进行决策相加,提高了对战场目标聚集行为的检测效率与识别准确率;另一方面,提出一种结合分离卷积思想与多纤维网络的双流分离卷积多纤维网络模型,进一步提高网络检测效率与抗过拟合能力。实验表明,在建立的情报影像仿真数据集中,上述算法能够有效识别出战场目标聚集行为,在大幅提升检测效率同时实现了识别准确率的提升。     

“云网一体化”助力智能制造

智能制造过程中平台与生产设备的实时通信、海量数据信息交互,对通信网络有着苛刻的性能要求,目前通信网络均无法满足实际智能制造对网络"低时延、高可靠、广覆盖、多业务"的需求。文章提出"云网一体化"通信网络架构:通过SD-WAN、NFV、MEC等技术,将生产机器上的控制器、传感器、执行器以及工厂外部云平台、用户数据、生产供应链信息高效地结合起来,实现柔性智能化生产。电信运营商在构建"云网一体化"智能网络时需积极构建融合云计算、虚拟化的灵活电信网络,发展"云+网+IDC+资源"的运营模式,构建业务统一平台与入口来打造B2B业务生态。     

基于项目与用户的组合推荐算法研究

协同过滤技术是当前推荐系统中应用最广泛的推荐技术之一,随着系统用户规模的激增,传统的协同过滤技术存在实时性差、可扩展性差、数据稀疏性等问题。为了解决上述问题,提出了一种基于项目与用户的个性化组合推荐算法。首先,利用项目聚类对未评分项目进行评分预测,并填充用户-项目评分矩阵;再将项目聚类结果与用户行为特征相结合并对其进行用户聚类;最后,根据近邻相似性计算实现TOP-N推荐。实验表明,提出的组合推荐算法显著提高了推荐系统的准确性与实时性。     

基于云计算的大数据智能运维系统设计

湖南烟草省局现有核心应用主要部署在信息资源集成云管理系统上,通过分析基于大量非结构化数据的数据技术,设计基于云计算的大数据智能运维系统,通过智能收集信息资源集成云管理系统上设备运行状态与告警相关大数据,完善全省云管理系统的基础资源分析,提升基础设备与系统日常运维能力。     

基于云平台的电子商务商品智能推荐系统

电子商务商品推荐系统可以帮助用户从海量的商品中快速找到自己意向的商品,针对当前电子商务商品智能推荐系统存在工作效率低、推荐误差大等缺陷,设计了基于云平台的电子商务商品智能推荐系统。首先,分析当前电子商务商品推荐系统的研究现状,找到引起推荐效果差的原因;然后,根据云平台的数据处理技术搭建电子商务商品推荐系统,并对电子商务商品推荐系统的关键技术进行设计;最后进行云平台的电子商务商品智能推荐系统的仿真测试。测试结果表明,所提系统克服了传统电子商务商品推荐系统存在的不足,加快了用户从海量商品中找出自己真正需要商品的速度,提高了电子商务商品推荐精度,且电子商务商品推荐误差远远低于传统电子商务商品推荐系统,具有更高的实际应用价值。     

浅谈用电信息采集异常数据消缺管理

用电信息采集系统是智能电网的重要组成部分,是实现与电力用户双向互动、提升用户服务能力、建立智能用电服务体系的技术基础.用电信息采集系统能够为"SG186工程"营销业务提供电力用户实时的用电信息数据,有利于推进公司营销管控标准化建设和公司信息化建设,也为提升电力需求侧管理水平、全面预付费的营销业务策略的实施提供技术支撑,符合国际电网技术发展的方向.     

基于大数据的社交媒体用户行为分析

随着技术的发展,数据信息化的优势越来越大,人们的生活与交流均离不开互联网信息,社交媒体成了人们生活必需品。网络媒介如电脑、移动终端等智能设备在不断优化自身的同时,为人们在网络世界与现实世界之间提供了相互的连接渠道,使人们在享受大数据营造的边界环境中实现了一定程度的自我呈现、身份转换等,开创了更多的社交可能。基于大数据的社交媒体用户行为,文中总结了当前网络用户的基本特征和使用现状,可以为社交媒体中的社会问题提供新的改进方向。