面向算网一体的开放服务互联架构

泛在化资源和服务模式下,向行业提供一种基础共性的开放服务,并从算力和网络双重维度给予这些服务精细化的资源保障,是面对后5G乃至6G时代新型业务场景的必要需求。文章提出一种面向应用和算网资源的开放服务架构,在端、网、云引入统一的共性服务标识,并在网络层据此叠加服务子层,在满足端到端服务发现、服务交付和服务保障的同时,使能IP网络对服务的精细化感知和路由调度功能,为算网深度融合的新型基础设施提供一种有益的参考架构。     

基于视觉感知的移动端网店页面设计效果评价

为探究手机移动端网店页面设计对服装网店销售的影响，提高网店销售额，文章基于问卷调研及部分服装网店页面的综合分析，挑选出粉蓝、蓝绿、青紫3种颜色设计及3种不同的页面版式设计。利用眼动仪实验和消费者感性评价分析捕捉消费者在浏览网店时的视觉信息与页面版式设计的关系，得到不同颜色和款式的最佳搭配效果，并实际应用于店铺运营。结果表明，优秀的版式设计及适合的配色方案可以极大地增加消费者浏览时的兴趣与关注度，将实验结论应用于真实的服装网店，店铺的支付转化率有所上升且店铺的失跳率有所降低。实验结论可为服装网店的页面提供设计依据。     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.     

浅析智能网联汽车感知系统电磁兼容性

本文将就智能网联汽车感知系统中的电子兼容技术进行深入的分析和探究。     

基于能量检测的频谱感知算法性能研究

文章提出一种更精炼的能量检测算法(Improve Energy Detection,IED),该算法能避免瞬时信号能量下降造成的错误检测。实验结果表明,它能够在保持类似复杂度和计算成本水平的同时优于传统能量检测算法,精确判别信道中是否只存在噪声,有效地降低了能量检测的复杂度,提高了检测的可靠性。     

基于word2vec的配电网恶意控制指令检测算法

现有的配电网恶意控制指令检测方法基于电力系统运行规则,但规则维护困难、规则匹配耗时较长。根据配电网上行测量信息和下行控制指令之间存在的上下文一致性关系,提出基于word2vec的恶意控制指令检测算法。在配电网仿真平台模拟各类工况并获取标注数据集,结果表明,该算法能够取得100%的精确度和87.2%的召回率,具有较高的检测精度。     

智能化采煤系统架构及关键技术研究

针对我国当前推广应用的可视化远程干预智能化采煤模式进行了分析,介绍、总结了基于视频监控的远程干预综采智能化、以巡检机器人辅助的工作面智能化,以及基于惯性导航技术的综采智能导航等3个方向的技术发展情况,提出了当前可视化远程干预智能化采煤所面对的"看、动、想、稳"4个方面实际问题。分析了复杂开采条件下智能化采煤所面对的自适应技术和综采机器人技术2项技术难题,归纳出开采空间多元信息采集及交叉融合、智能化采煤决策基础理论、综采装备群智能化协作3个科学难题。围绕技术、科学难题,提出了智能化开采系统需要具备的4个基本要素,分别为:煤炭开采空间感知能力、智能分析及决策能力、自动执行能力、可靠及稳健运维能力,设计了以"感知、决策、执行、运维"为4个维度的智能化采煤系统架构。研究了关键技术待突破方向,包括开采地质环境增强感知技术、智能开采工艺分析决策技术、开采装备智能化技术、煤矿智能巡检机器人技术、开采系统智能运维技术、辅助生产环节智能化技术、综采智能服务等方面。最后,以国能集团神东榆家梁煤矿智能化采煤示范工程项目为例,开展了基于"透明工作面"的数字化采煤应用,初步实现了智能化自主采煤。     

多源图像融合技术在无人机中的应用

随着无人机技术的发展,无人机多源图像融合是一个日益受到关注的研究领域。在研究传统算法的基础上,针对经典HIS变换融合算法产生的光谱失真问题,通过引入压缩感知技术对传统算法进行改进,提出了一种融入压缩感知技术的图像融合算法并应用到无人机数码照片和SAR图像融合处理中。实验表明,该方法在引入SAR图像纹理信息的同时,能够有效保持可见光图像光谱信息,取得了较好的融合效果。     

结合多尺度体素和高阶条件随机场的点云分类

针对利用经典高阶条件随机场模型进行点云分类时,由于海量节点和无向边导致的点云分类效率低的问题,提出一种结合多尺度体素和高阶条件随机场的点云分类方法.首先以多尺度体素代替海量离散点云作为无向图图模型节点,减少节点和无向边的数量;然后使用超体分割结果作为高阶团,并基于此设计了一种非监督分布性空间上下文作为高阶团特征向量,用于改善分类结果;最后结合构建的图模型和各阶特征向量,采用经典高阶条件随机场模型实现点云数据的自动分类.采用Oakland标准数据集作为实验数据,实验结果表明,该方法在有效地保证分类精度的前提下,高阶条件随机场点云分类模型的分类效率提高了5～10倍.