模拟路标识别及其FPGA实现

针对路标信号的多变性给驾驶员行车途中带来诸多隐患,提出了基于FPGA辅助驾驶中的模拟路标识别系统,该系统实现了实时检测和识别路标信号,并将识别结果显示出来,以便驾驶员做出相应的响应,在一定程度上维护了交通安全。实验结果表明,基于硬件编程语言Verilog设计的硬件电路可快速、稳定地对图像进行二值化处理,且该系统可实现识别向左、向右、禁止停车、禁止通行4种路标,对辅助驾驶系统的研究具有一定的意义。     

CS-Raft:适用于联盟链的拜占庭容错共识算法

针对目前联盟链共识算法的性能不足,提出了一种基于信用评分的可拜占庭容错联盟链共识算法CS-Raft。首先,为所有节点赋予信用评分属性,节点的信用评分根据节点的共识行为、活跃度、加入集群时间等指标进行更新,信用评分越高代表节点可信度越高;其次,根据节点信用评分选取监督节点,监督节点具有检验权,可以参与领导人选举,监督节点的设置可以有效抵抗拜占庭恶意节点的攻击;最后,改善了领导人选举中选票分裂问题,对领导人选举的速度进行提升。经实验分析,CS-Raft算法相较于PBFT算法在实现拜占庭容错的同时,有效地减少了共识时间延迟、提高了系统吞吐量,并加快了其领导人选举速度。     

基于Raft分组的实用拜占庭共识算法

针对现有应用于联盟链的拜占庭容错共识机制可扩展性不足、难以支持大规模网络节点下高效安全共识等问题,采用节点分组策略,提出一种基于Raft聚类分组的实用拜占庭容错共识算法H-PBFT。首先使用混合蛙跳算法结合K-medoids聚类分组策略,将系统中节点聚类形成多个分组;参与主共识集群PBFT共识的节点均为各分组聚类中心节点,各聚类小组内则使用引入监督节点改进的Raft算法进行共识;组内共识机制监督节点的引入使Raft算法具有抗拜占庭的能力。实验研究结果表明,在大规模网络节点环境下,相比于PBFT和Raft,H-PBFT算法提高了容错性能,同时还能够快速高效对节点聚类分组,提高共识效率,降低共识通信开销与复杂度,具有较优的可扩展性,能够更好的在联盟链场景中应用。     

基于注意力机制Bi-LSTM算法的双语文本情感分析

针对双语微博情感分析方法稀缺且准确率低的问题,根据相同英文词汇在不同语境下对文本情感作用不同这一事实,提出基于注意力机制的双语文本情感分析神经网络模型。该模型使用双向循环神经网络模型学习文本的特征表示,并引入注意力机制,为文本不同词语赋予不同权重,得到融合特征后新的知识表示,从而实现双语文本情感识别。实验结果显示,与纯中文作为网络输入、纯英文作为网络输入和中英混合文本作为网络输入相比,注意力机制明显优于其他方法;与现有双语情感分析算法相比,该模型有效提升了情感分析的准确率。     

融合层次类型信息的双向图注意力机制的知识图谱嵌入模型

知识图谱嵌入旨在将实体与关系映射到低维且稠密的向量空间中。目前已有的嵌入模型仍存在以下两个方面的缺陷：现有的模型大多只关注知识图谱的语义信息,而忽略了大量三元组的隐藏信息;现有的模型仅关注了实体的单向信息,而忽略了双向的潜在信息。针对以上问题,提出了一种融合层次类型信息的双向图注意力机制的知识图谱嵌入模型Bi-HTGAT,该模型设计了层次类型注意力机制,考虑不同关系下每种类型的不同实体对中心实体的贡献。同时引入了关系的方向注意力机制,通过融合不同方向的邻居信息来更新实体和关系嵌入,最终聚合两部分信息以得到实体的最终嵌入。在基准数据集上的实验证明,Bi-HTGAT在链接预测任务上性能明显优于其他基线模型,充分证明了Bi-HTGAT能够进一步提高嵌入结果的精准度。     

局域网通信协议的作用及配置

通信协议是网络设备用来通信的一套规则，局域网中常使用3种通信协议即：NetBEUI协议，IPX／SPX及其兼容协议和TCP／IP协议，通过对3种通信协议的比较，给出它们的工作原理及分别使用的网络环境，对于TCP／IP协议的IP地址的使用，子网的划分及网络连通性测试进行了深入的探讨，并且给出了具体的配置测试实例及解决问题的方法，在实际使用中，只有根据网络自身特点选用合适的网络协议，并且进行必要的配置及测试，才能提高网络的通信速度，增强网络的安全和稳定运行。     

基于ASP.NET网络考试系统的设计与实现

通过采用ASP技术和Browser/Web模式,设计并实现了一个网络考试系统,整个系统由5大管理模块(试题管理、用户管理、科目管理、管理员管理、记录管理)组成,模块之间接口灵活便于扩充。该系统经过测试和初步试用基本满足用户需求,可以减轻教师的工作负担、提高工作效率与考试质量,并且能够使者试规范化、公正化、合理化。     

视频序列中人体运动目标的检测与跟踪研究

提出一种视频序列中人体运动目标的精确检测、提取以硬跟踪算法。该算法采用帧间差闽值法（简称TIFD）实现快速精确地检测和提取目标，使用扩展的Kalman滤波器预测运动目标下一时刻可能处于的区域，缩小了目标跟踪时的搜索范围。充分利用运行目标检测的结果，提高了目标的匹配效率及跟踪速度。同时给出了相应的实验结果，结果表明方法是比较实用的，能满足人体运动分析的基本要求。