双损失估计下强化学习型图像匹配方法

学习型特征检测器利用神经网络来检测和匹配图像特征点,其网络参数通常通过优化低层视觉的匹配准确率而训练得到,然而在高级视觉任务中,低层图像配准率的提升未必能带来更佳性能.针对该问题,提出一种双损失误差策略下的强化学习方法,一方面,将学习不变特征变换(LIFT)所得到的特征点和描述符以概率形式表示,估算出图像间的相对位姿,...     

深度语义关联学习的基于图像视觉数据跨域检索

基于图像的视觉数据跨域检索任务旨在搜索与输入图像在语义上一致或外形上相似的跨域图像和三维模型数据,其面临的主要问题是处理跨域数据之间的模态异质性。现有方法通过构建公共特征空间,采用域适应算法或深度度量学习算法实现跨域特征的域对齐或语义对齐,其有效性仅在单一类型的跨域检索任务中进行了验证。提出一种基于深度语义关联学习的方法,以适用多种类型的基于图像的跨域视觉数据检索任务。首先,使用异构网络提取跨域数据的初始视觉特征;然后,通过构建公共特征空间实现初始特征映射,以便进行后续的域对齐和语义对齐;最后,通过域内鉴别性学习、域间一致性学习和跨域相关性学习,消除跨域数据特征之间的异质性,探索跨域数据特征之间的语义相关性,并为检索任务生成鲁棒且统一的特征表示。实验结果表明,该方法在TU-Berlin、IM2MN和MI3DOR数据集中的平均精度均值(mAP)分别达到0.448、0.689和0.874,明显优于对比方法。     

面向Spring的热点代码在线部署方法研究

随着Spring生态不断发展,越来越先进的部署方式降低了部署的复杂度,提高了不同环境下的部署效率,但是在预生产环境下,对频繁改动的热点代码,其部署效率不是很理想,一些简单的代码修改就会引发对所有依赖服务的重新编译部署,给项目部署、运维以及测试带来很多预期之外的影响。在线部署机制针对这个问题进行了改进,该机制使用自定义注解作为与外部应用通信的桥梁,使在线部署模块独立于外部应用。在线部署模块使用React创建可视化页面,在可视化页面中管理相应的热点代码。热点代码在编辑完成后注入到在线部署模块,进而完成其热点功能在预生产环境的在线部署。实验表明,相对于重新编译部署,该部署机制对原有代码侵入影响较小,减少了反复部署应用以及不同部门协调合作造成的时间浪费,在保持系统稳定运行的同时,提升了系统的部署效率,并成功应用于新型智慧城市评估系统的热点代码模块。研究结果将为迭代开发以及高效部署提供设计思路与技术支撑。     

知识发现的研究现状与应用

本文首先介绍了知识发现的产生与发展,然后讨论了知识发现的技术与方法,同时分析了知识发现面临的问题,最后介绍了知识发现在某些领域的应用和成果.     

考虑社交网络用户行为的网络病毒传播建模

针对已有病毒传播模型都没有考虑不同社交网络间的用户交互行为对网络病毒传播规律的影响,建立了考虑不同社交网络用户交互行为的微分方程动力学模型。利用稳定性理论分析了模型反映的网络病毒传播动力学性态,得到了控制网络病毒传播的基本再生数的精确数学表达式。进一步,采用龙格-库塔数值方法,通过仿真实验,验证了理论分析的正确性。研究结果表明,基本再生数是网络病毒扩散基本态势的直接决定因素,当基本再生数的值小于等于1时,随着时间演化,网络病毒的扩散会被彻底控制。另外还发现,分散用户到不同社交网络更有利于缓解网络病毒的扩散。     

形态学和Otsu方法在Canny边缘检测算子中的应用

传统的Canny边缘检测算子在高斯滤波方差和滞后阈值的选择上需要人工指定,不具备自适应能力.高斯滤波方差影响图像的去噪和边缘保持效果,用形态学平滑代替高斯滤波,可以保留边缘信息并去除噪声的影响;滞后阈值影响虚假边缘现象的强弱和真实边缘的连续性,利用Otsu方法对阈值进行自适应设定,使检测出的边缘更加连续并减少虚假边缘的存在.实验结果表明,对传统的Canny算子有一定程度的改进.     

基于特征点能量优化的样条插值地形算法

针对在虚拟战场环境仿真中构建大规模地形,现有的计算机硬件条件无法进行实时处理,本文提出了一种对特征点用线性约束能量最小化方法反算控制点;用三次准均匀B样条曲线插值特征点生成B样条曲线,最后利用线动成面的原理生成B样条地形曲面。其中对偏差较大点通过增加新特征点的方法进行了自动修复。通过对实际高程数据值插值地形进行实验,得出运用该方法拟合的地形图更精确、更逼真。该算法主要用于对地形中重点关注区域进行地形重构,以提高局部地区的分辨率和逼真度。     

基于免疫原理的入侵检测系统研究

生物免疫系统能够使自身主动地抵御外来病毒的攻击，它在生物体内的作用与计算机领域的安全系统非常相似。这里借鉴生物免疫原理，设计了一个计算机入侵检测系统，使计算机系统能够主动的防御外来攻击，并在可靠的安全环境中工作。