一种开环输出反馈预测控制

考虑状态不可测且具有多胞不确定性的系统.本文通过定义参数依赖的顶点控制作用,提出一种基于多胞描述模型的启发式开环输出反馈预测控制方案,其中顶点控制作用依赖于多胞描述模型参数,由多胞顶点值构成.在工业预测控制的框架下,方案包含开环预测、稳态目标计算、动态控制3个模块.上层稳态目标计算模块采用稳态模型优化得到稳态目标值,下层动态控制跟踪由稳态目标值计算得到的多胞顶点稳态目标值.考虑到工业预测控制中稳态目标计算模块常采用线性模型,本文通过在多胞描述模型中加入人工干扰进而改进控制方案,使得上层稳态目标计算模块可直接采用改进的稳态多胞描述模型,下层基于改进的动态预测方程跟踪顶点稳态目标值.通过仿真分别验证了两种方法的可行性和有效性.     

状态空间模型的双层结构预测控制算法

双层结构预测控制是指先进行设定值优化、再进行设定值跟踪的预测控制.在已有的双层结构动态矩阵控制的基础上,本文给出基于状态空间模型的双层结构预测控制算法.该算法基于干扰模型和新定义的开环预测值,给出了新的开环预测模块.该开环预测模块采用Kalman滤波方法得到操作变量、被控变量的开环动、稳态预测值.基于这些开环预测值,稳态目标计算模块的基本原理同双层结构动态矩阵控制,但是具体细节上遵循状态空间方法.动态控制模块基于稳态目标计算提供的操作变量、被控变量的稳态目标(设定值),采用二次规划算法计算控制作用.仿真算例证实了该算法的有效性.     

故障树分析方法在提升机系统中的应用

分析经典故障树分析方法,提出了基于故障率为模糊数的故障树分析方法.针对提升机应用实例,将故障率转化为三角模糊数来计算,通过最大隶属度去模糊化处理,计算得到系统的可靠度与时间的变化曲线图,证明了应用模糊数学集合理论对系统进行基于故障率为模糊数的故障分析,可以较好地克服经典方法难于精确赋值等缺点.     

具有多优先级的多变量实时在线决策支持系统

生产过程中,操作人员的操作经验影响生产效益和安全,为此本文结合双层预测控制中稳态目标计算思想,提出了一种具有优先级的实时在线决策支持系统.针对实际生产过程无法确定准确的代价系数的问题,引入操作优先级的思想,结合稳态目标计算层被控变量的优先级优化方法,计算最优操作目标(被控变量和操作变量),解决了模块多变量操作指导中每层模块无法区分变量重要性的问题,并说明了二者在结构上的相似性.最后给出应用本文提及的方法进行决策支持的一个例子,验证该方法的有效性.     

基于动态矩阵控制的双层结构预测控制的整体解决方案

本文给出一种双层结构预测控制的整体解决方案. 该方案分为开环预测、稳态目标计算和动态控制三个模块. 开环预测基于实测被控变量值和过去的操作变量值, 在假设未来操作变量不再变化的情况下, 估计未来的被控变量值. 稳态目标计算根据开环预测结果和外部目标等要求, 计算操作变量、被控变量的稳态目标值以及软约束的放松量. 动态控制根据开环预测结果和稳态目标输出结果, 计算未来的控制作用增量序列, 采用经典的动态矩阵控制策略. 这个整体解决方案保证了三个模块在模型、约束、目标上的一致性. 该算法是在已有文献的基础上, 将三个模块统一处理得到的. 仿真与应用例子证实了该算法的有效性.     

嵌入式睡眠监控报警系统研究

分析了嵌入式睡眠监控报警系统的重要性,设计了系统的硬件模块和软件流程图.系统由采集处理模块和监控报警模块构成,分为轻度异常和危急异常两级报警.重点阐述了如何利用脉搏波特征量K值,计算出心血管疾病的相关特征参数,以判断病情并采取合理的措施.该系统对监控严重危害人们生命安全的突发疾病有独特的优势,特别适用于对老人以及行动不...     

基于危险理论的三级异常处理系统模型

针对基于传统免疫理论的异常检测系统的不足,研究了一个新的基于危险理论的三级异常处理系统模型.新的模型对异常数据流进行三级处理,第一级异常处理模块对危险进行检测并分离出非危险的误入侵数据,第二级模块处理的对象则是危险的异常入侵数据,对其进行适当的危险分类,最后在第三级模块将危险消除.此模型的设计提高了系统对"危险"的识别效率,有效的降低了危险的误报率和漏报率,并且具有较强的鲁棒性和学习认知能力.     

基于Spark的电网工控系统流量异常检测平台

针对传统的电力网络流量检测安全预警系统在面对海量高维度数据时，其在精度、实时性、扩展性以及效率上都无法满足需求的问题，建立出一种基于Spark的电网工控系统流量异常检测平台.该平台以Spark为计算框架，主要由数据采集与网络流量深度包检测协议解析模块，实时计算数据分析处理模块，安全预警预测模块和数据存储模块组成，为流量异常检测提出了一套完整的流程.实验结果表明，该平台能够有效地检测出异常流量，做出安全预警，方便工作人员及时做出决策，这充分说明该平台非常适用于电力控制系统，能够应对海量高维复杂数据做出实时分析以及安全预警，极大地提高了电网工控系统的安全性能.     

基于流分解的异常检测算法*

通过研究网络异常检测,提出了一种基于流分解消除网络噪声的异常检测算法。该算法从高维、非平稳流量中分离出包含异常的随机部分,通过计算随机部分参数的边缘分布和残差,揭示了流量异常对随机部分参数的影响,并提出判断网络流量异常的参数标准。实验表明,由于不必将整个时间序列进行分片和单独拟合,算法可以直接处理非稳态流量数据,实现了真正意义上的网络异常检测功能。     

基于Petri网的办公自动化系统设计

在明确办公自动化系统重要性的基础上,分析办公自动化系统的体系结构、公文处理流程以及模块设计,提出基于Petri网的工作流过程建模、基于工作流技术的办公自动化系统结构模型.     

一种基于中间件的可信软件保护模型

软件的可信性是可信计算的研究热点之一。首先描述了可信计算平台和可信平台模块的基本概念,接着结合安全中间件和可信计算模型,在现有的PC体系结构下,提出了一种具体的基于中间件的可信软件保护模型,着重介绍了新模型的体系结构和系统组成,最后通过实例对软件保护机制进行了详细的说明。新模型具有通用性强和易于实现的特点,对于软件可信性保证的研究以及软件可信保护系统的建立具有一定的意义。     

融合句子结构的抽象式文本摘要方法

传统序列到序列模型未充分利用输入文本的句子结构,导致其无法生成结构严谨、语法更好的摘要。因此,提出了一种融合句子基本结构的摘要生成方法。首先,明确提出融合句子结构生成文本摘要的概念。再者,在摘要生成器上增添了句子基本结构模块和监督模块,句子基本结构模块从输入文本中捕捉一系列句子结构,监督模块评估已捕获句子结构的重要性,以此协助句子基本结构模块从中提取可用的句子结构。最后,摘要生成器融合可用的句子结构生成最终摘要。在数据集LCSTS上的实验表明,此方法的ROUGE得分相较于seq2seq皆有提高,即其生成摘要的准确性优于seq2seq模型。实验也验证了句子基本结构模块和监督模块存在的必要性。     

基于Linux主机IPv6防火墙的设计与实现

针对频繁发生的“网络黑客”事件,创新地设计与实现了基于Linux主机的IPv6防火墙,主要论述了数据包捕获模块、数据处理模块、规则设置模块、数据库查询模块和流量统计模块的设计与实现。首先阐述了信息安全及防火墙的重要性,给出防火墙的概念和原理;然后分析基于Linux主机的IPV6防火墙系统总体设计思路,最后论述基于Linux主机的IPV6防火墙的设计与实现,并详述其具体实现的各个模块。     

GPS P码接收机本地信号发生器的FPGA实现

P码作为GPS军用伪码,具有结构复杂、周期长且码速率快的特点,这使得使用P码的软件接收机不仅定位精度高,且具有很强的抗干扰和反欺骗能力。能够实现任意卫星的任意时刻P码的产生,对于实现P码直接捕获和跟踪有很重要的意义。对于P码的产生原理和结构进行了分析,基于MATLAB设计了相应的P码发生算法并进行简单的算法仿真。之后针对FPGA硬件平台对P码发生器进行了相应的模块设计,包含寄存器模块、延时模块、周期控制模块和寄存器相位模块等。测试实验结果表明P码发生器可以基本无延迟地生成任意卫星、任意时刻的P码。     

An efficient attention module for 3d convolutional neural networks in action recognition

Due to illumination changes, varying postures, and occlusion, accurately recognizing actions in videos is still a challenging task. A three-dimensional convolutional neural network (3D CNN), which can simultaneously extract spatio-temporal features from sequences, is one of the mainstream models for action recognition. However, most of the existing 3D CNN models ignore the importance of individual frames and spatial regions when recognizing actions. To address this problem, we propose an efficient attention module (EAM) that contains two sub-modules, that is, a spatial efficient attention module (EAM-S) and a temporal efficient attention module (EAM-T). Specifically, without dimensionality reduction, EAM-S concentrates on mining category-based correlation by local cross-channel interaction and assigns high weights to important image regions, while EAM-T estimates the importance score of different frames by cross-frame interaction between each frame and its neighbors. The proposed EAM module is lightweight yet effective, and it can be easily embedded into 3D CNN-based action recognition models. Extensive experiments on the challenging HMDB-51 and UCF-101 datasets showed that our proposed module achieves state-of-the-art performance and can significantly improve the recognition accuracy of 3D CNN-based action recognition methods.

     

视频运动特征提取模块的实现

基于内容的视频检索为人们检索具有相似内容的视频数据提供了新的手段,而运动信息作为视频内容中的一种特有信息,是视频检索领域研究关键问题之一.通过对运动特征提取算法进行研究,设计并实现了一个实用的全局运动特征和局部运动特征提取模块.实验表明：该模块能够有效地分割全局运动与局部运动,提取的运动特征信息可作为基于内容的视频相似检索系统的重要索引.     

A feature-wise attention module based on the difference with surrounding features for convolutional neural networks

Attention mechanism has become a widely researched method to improve the performance of convolutional neural networks (CNNs). Most of the researches focus on designing channel-wise and spatial-wise attention modules but neglect the importance of unique information on each feature, which is critical for deciding both “what” and “where” to focus. In this paper, a feature-wise attention module is proposed, which can give each feature of the input feature map an attention weight. Specifically, the module is based on the well-known surround suppression in the discipline of neuroscience, and it consists of two sub-modules, Minus-Square-Add (MSA) operation and a group of learnable non-linear mapping functions. The MSA imitates the surround suppression and defines an energy function which can be applied to each feature to measure its importance. The group of non-linear functions refines the energy calculated by the MSA to more reasonable values. By these two sub-modules, feature-wise attention can be well captured. Meanwhile, due to the simple structure and few parameters of the two sub-modules, the proposed module can easily be almost integrated into any CNN. To verify the performance and effectiveness of the proposed module, several experiments were conducted on the Cifar10, Cifar100, Cinic10, and Tiny-ImageNet datasets, respectively. The experimental results demonstrate that the proposed module is flexible and effective for CNNs to improve their performance.     

基于图神经网络和长短期记忆模型的房价预测方法

针对目前仅单独考虑价格序列中样本的趋势或仅考虑多个关联属性与价格间的函数关系,而不能更准确地进行房价预测的问题,构建了时空注意力图卷积长短期记忆模型AG-LSTM,包含局部特征提取模块、区域特征提取模块、复合预测模块。局部特征提取模块分别使用同构图和异构图神经网络提取各小区及价格关系属性、各小区和配套邻居节点相关性的特征信息;区域特征提取模块先对邻近小区节点进行聚类,再结合图注意力网络获得小区节点对所属区域的重要性程度,建立区域与小区之间的映射矩阵,根据小区节点信息和映射矩阵得到区域特征;复合预测模块使用长短期记忆模型对由局部特征和区域特征组成的复合特征进行时序建模,实现房价预测。以链家网北京房价数据进行了实验,结果表明AG-LSTM预测结果优于已有基线模型。该模型同时挖掘了小区间位置关系、小区与其配套间位置关系、多个关联属性、价格时序趋势对房屋价格的影响,较好地实现了房屋价格的预测。     

Markov Chain Monte Carlo Modular Ensemble Tracking

Recent years have been characterized by the overgrowth of video-surveillance systems and by automation of the processing they integrate. Object Tracking has become a recurrent problem in video-surveillance and is a very important domain in computer vision. It was recently approached using classification techniques and still more recently using boosting methods.We propose in this paper a new machine learning based strategy to build the observation model of tracking systems. The global observation function results of a linear combination of several simplest observation functions so-called modules (one per visual cue). Each module is built using a Adaboost-like algorithm, derived from the Ensemble Tracking Algorithm. The importance of each module is estimated using an original probabilistic sequential filtering framework with a joint state model composed by both the spatial object parameters and the importance parameters of the observation modules.Our system is tested on challenging sequences which prove its performance for tracking and scaling on fix and mobile cameras and we compare the robustness of our algorithm with the state of the art.     

基于ASP．NET街道电子政务系统设计

根据街道一级行政机构日常办公的特点,采用ASP．NET2．0新技术,提出街道电子政务系统的设计、实施方案。街道电子政务系统包括系统管理模块、档案管理模块、公文交换模块、级效管理模块、短信平台模块。主要分析了系统管理的优化实现,探讨了重要公文交换的安全性设计以及短信平台的开发实现。