特征约束网格生成算法在GIS中的实现

长期以来非结构化网格生成算法在水文建模中属于人力密集和耗费时间的方面,这主要是由于迭代过程的性质和专业网格生成软件与GIS的有限集成。文中介绍了网格生成软件集成到GIS平台的操作,还讨论了一些新方法来解决特征约束网格生成中的几个问题:对齐出现在多个GIS数据层中的共同地理特征;在GIS中重新定义顶点与均匀间距;在选定的GIS中细化网格;在GIS平台中高效可视化地生成网格。     

SRLtoRadl生成系统及其范畴论语义

形式化软件规约技术是保证软件质量和提高软件生产率非常有用和重要的手段,但是形式化软件规约的获取是需求工程中一项相当困难的任务.本文针对问题需求自动化转换为形式化规约这个重要问题,研究从结构化需求语言SRL到形式化规约语言Radl自动生成系统及其高可靠性理论.为此,设计了一种受控自然语言-结构化需求语言SRL来描述问题需求;使用基于规则的方法,将结构化需求语言SRL通过分析-转换-综合三阶段生成为形式化软件规约Radl;在该方法的指导下,设计并实现了从结构化需求语言SRL到形式化软件规约Radl的生成系统SRLtoRadl;进一步,使用范畴论框架建立了SRLtoRadl生成系统生成过程的语义模型.实际效果表明该系统能有效的生成高质量形式化软件规约Radl.     

基于空间特征的生成对抗网络数据生成方法

传统的生成对抗网络(GAN)在特征图较大的情况下，忽略了原始特征的表示和结构信息，并且生成图像的像素之间缺乏远距离相关性，从而导致生成的图像质量较低。为了进一步提高生成图像的质量，该文提出一种基于空间特征的生成对抗网络数据生成方法(SF-GAN)。该方法首先将空间金字塔网络加入生成器和判别器，来更好地捕捉图像的边缘等重要的描述信息；然后将生成器和判别器进行特征加强，来建模像素之间的远距离相关性。使用CelebA,SVHN,CIFAR-10等小规模数据集进行实验，通过定性和盗梦空间得分(IS)、弗雷歇距离(FID)定量评估证明了所提方法相比梯度惩罚生成对抗网络(WGAN-GP)、自注意力生成对抗网络(SAGAN)能使生成的图像具有更高的质量。并且通过实验证明了该方法生成的数据能够进一步提升分类模型的训练效果。     

基于跨模态对比的场景图图像生成

条件图像生成根据不同形式的输入生成符合条件的图像,其中场景图是一类具有代表性的条件输入形式。场景图将图像中的物体抽象为节点,将物体之间的关系抽象为边,是一种广泛应用在计算机视觉和跨模态领域的结构化图表示。由于场景图中包含多个物体和物体之间的关系,现有的场景图图像生成方法容易导致生成结果和条件语义不一致,例如物体缺失和关系错误等。本文提出基于跨模态对比的生成方法解决上述问题。首先,本文提出关系一致性对比使生成的物体关系和输入的边保持一致。我们设计了联合特征代表图像中的物体的关系,并拉近联合特征和与其相关的边特征的距离,使其相比于不相关的边特征距离更接近。本文引入物体一致性对比使的生成的物体区域和输入的节点保持对应。在这个部分我们使用注意力机制获得节点对应的物体特征,然后拉近相关的节点特征于物体特征的距离。最后,本文提出全局一致性对比使的生成的图像整体和输入的场景图保持一致, 该对比损失将相关联的图像和场景图特征拉近,同时将不相关的样本特征相互远离。我们COCO-stuff和VG数据集上进行了详细的实验,实验结果表明我们的方法相比当前最佳性能分别在两个数据集上提升8.33%和8.87%的FID。消融实验表明每个对比损失模块都能够提升图像的生成质量,可视化结果展示了方法对于解决上述问题的有效性。从实验结果可知,我们的方法不仅能够提升图像的生成质量,并能够有效缓解物体缺失和关系错误等语义不一致问题。      

基于可回溯动态污点分析的攻击特征生成方法

现有黑盒或白盒的攻击特征生成方法面临样本采集困难、自动化程度较低、依赖源代码等问题。为此提出了一种基于可回溯动态污点分析的攻击特征生成方法,通过监控进程动态执行流程,提取与攻击输入相关的操作序列和约束条件,重建特征执行环境并添加判定语句,生成图灵机式的攻击特征。构造原型系统并进行测试的结果表明该方法能快速生成简洁高效的攻击特征。     

基于生成对抗网络的舰船辐射噪声分类方法研究

基于机器学习的舰船目标识别近年来已成为水声信号处理领域的一个重要研究方向,但水声目标信号的获取困难,样本量不足和不均衡的问题很容易导致目标分类模型的识别效果不佳。该文提出一种基于条件卷积生成对抗网络的船舶噪声数据分类方法,该方法利用生成对抗学习理论,生成相比于传统数据增强算法非线性特征更强,特征差异更丰富的伪DEMON调制谱数据来缓解训练样本量不足的问题。之后将传统生成对抗网络中的全连层输出替换成更善于解决小样本问题集成分类器,从而降低分类器对于数据量的依赖程度,进一步提高分类模型性能。最终由基于真实样本的实验结果表明,相比于传统数据增强算法和卷积生成对抗网络,该文方法能够更有效提高在样本不足条件下的模型的分类性能。     

基于电子履历的车辆管理电子档案系统研究

为了解决传统手工记录信息困难的问题,做出了基于电子履历的车辆电子档案系统。构建了电子档案系统的基本结构,探讨了电子档案信息的分类,并从履历分析角度对电子档案系统进行理论解析。最后结合算法对维修统计分析进行举例。对部队提高车辆管理的效率和准确度有促进作用。     

基于HGCN的序列手势骨架生成方法研究

手势是交流互动中一种重要的非语言媒介，手势序列生成作为手势表达行为建模的重要任务，在手势分类、手势识别和虚拟人手语驱动等场景有大量应用需求。针对序列手势骨架生成问题，提出了基于Hand-Gesture Graph Convolution Neural Network(HGCN)的手势骨架序列生成方法，采用生成对抗训练框架，在图卷积骨架序列生成方法基础上针对手势骨架序列数据特点，提出图卷积的手部特征增强和基于时空位置编码的自注意力结构的改进方法。实验结果表明，提出的HGCN方法相比基准图卷积骨架生成方法在手势骨架序列生成问题中有更好的结果。     

“One Health”理念下人、动物、环境三位一体电子健康档案系统分析

<正>研究基于“One Health”理念下人、动物、环境健康统一管理需求，提出三位一体电子健康档案系统建设目标并进行解析。研究过程中论述了国内外相关研究的现状，从数据组织架构、系统平台架构和系统技术架构三个方面阐述了人、动物、环境三位一体电子健康档案系统架构，进而分析了数据采集、数据存储和人工智能等关键技术。“One Health”在我国又称全健康或同一健康，从信息系统科学的角度，其注重三者在数据流、控制流、信息流等方面的内在联系，其核心是、动物、环境健康的一体化管理。电子健康档案是与健康相关数据信息的电子化存储记录，电子健康档案应用的主体形式是计算机信息管理系统。“One Health”信息化建设需要以电子健康档案系统建设作为基础。因此，基于全健康理论，需要构建人、动物、环境三位一体电子健康档案系统，以实现公共卫生健康科学、高效的管理。     

航天测量船电子海图生成技术

介绍了电子海图的基本概念、构成要素及生成系统。描述了生成电子海图过程中主要涉及的诸如参数信息录取、文字符号信息录取、分色、细化、跟踪等关键技术以及这些技术的实现途径。简要介绍了电子海图生成技术在航天测量船海上性能及精度校飞、测量船航渡指挥等实际工程中应用的情况,同时提出了电子海图的生成技术及其在海上航天测控中的应用需关注并继续研究的问题和发展的方向。     

信息系统审计证据生成技术研究

对信息系统下计算机取证工作的需求进行分析,提出了信息系统审计证据生成系统模型。该模型解决了信息系统审计数据作为电子证据时存在的完整性保护不足问题,为依据GB／T25070-2010《信息安全技术信息系统等级保护安全设计技术要求》建设的信息系统增加带有时间戳的审计证据完整性保护功能,可以在不修改信息系统审计数据原保存格式的前提下,使系统审计数据满足电子证据取证需要。该模型采用简单时间戳协议和审计数据分组签名算法,有效降低了审计证据生成系统对网络带宽和存储空间资源的占用。     

可信数据电文系统

电子签名法确立了电子签名的法律效力,制定了电子签名和数据电文安全保障制度,为传统业务电子化奠定了法律基础。传统业务的信息化,促使传统纸质的订单、合同、票据、回执等数据形式逐渐被电子数据所取代,电子数据也变得原来越重要。可信数据电文系统,为数据电文提供生成、存储,验证、展现以及二维码可视化输出与识别服务,并采用电子数据的数字签名技术,格式文本结构化描述技术,解决电子签名法所要求的书面形式、原件效力、文件保存和证据效力。     

基于辅助分类对抗生成网络的孔隙介质生成

由于孔隙介质应用广泛,如何生成具有一定特性的介质结构引起了研究者们的兴趣。文章采用几何体随机填充法形成训练数据,采用无监督深度学习方法,搭建辅助分类对抗生成网络(Auxiliary Classifier GANs,AC-GAN),通过输入标签条件和随机噪声,生成具有一定特性的三维孔隙介质结构图像,并结合直观视觉感受和量化指标对生成图像进行分析。结果表明,生成图像质量良好,能复现训练数据图像的形态特征,且具有多样性。     

基于深度生成网络的雷达HRRP生成技术

雷达数据生成在目标识别等任务中发挥重要的作用。现有雷达数据生成方法包括电磁仿真、视线追踪等,存在对模型误差敏感、计算量大等问题。本文面向雷达HRRP(high resolution range profile)数据提出一种基于深度生成网络的雷达数据生成方法,在模型先验信息未知的情况下,由雷达HRRP数据集训练得到深度生成网络,从而实现雷达HRRP数据的快速生成。实测数据处理结果表明该方法生成HRRP与数据集中HRRP极为相似,生成HRRP可以应用于增强雷达HRRP数据集、改善数据不平衡问题等。      

融合自注意力机制的人物姿态迁移生成模型

针对人物姿态迁移生成图像存在纹理细节丢失、姿态转移不合理等问题,提出一种融合自注意力机制的人物姿态迁移生成模型.首先,在两阶段姿态迁移生成模型的基础上,通过把改进的自注意力模块嵌入到生成对抗网络中,降低相似特征间的相互影响,强化对纹理细节的学习能力及丰富信息的捕获能力,增强姿态特征的显著性建模.然后,使用马尔可夫判别模...     

基于LabVIEW的报表生成

报表是以打印格式显示数据的一种有效方式,报表生成功能是虚拟仪器测试系统的重要组成部分,一个好的报表生成工具可以使测试系统的开发事半功倍。本文在研究LabVIEW和Word通信技术的基础上,给出了二者的通信模型,并通过电子测压器的上位机系统为例重点介绍了基于Word模板的报表的生成过程,实现了基于LabVIEW测试项目的...     

基于UML的学生毕业设计选题系统研究

为了完成本科毕业设计选题的自动化和培养学生设计分析开发软件的能力,避免结构化模型的不足;采用UML建模技术,借助于Rose工具,对学生毕业设计选题系统进行有效地建模和模型分析,采用ASP技术完成系统的研究与开发;利用UML建模思想,能够避免结构化建模技术的不足,完成系统的可视化表达,构建学生选题系统的用例图,状态图,类图等,自动生成和维护系统代码,并有效地提高系统的开发效率。     

高维深度生成先验推理

深度生成先验为如图像、音频和文本之类的复杂结构化数据提供了强大的模型。在反问题中使用这些先验通常需要根据对其输出的观察来估计多层深层神经网络中的输入和/或隐藏信号。虽然这些方法在实践中取得了成功,但由于底层优化问题的非凸性,严格性能分析变得复杂。Parthe Pandit等人2020年4月在《IEEE Journal on Selected Areas in Information Theory》发表文章,提出了一种用于多层随机神经网络推理的新算法--多层向量近似消息传递算法(ML-VAMP)。     

基于特征增强生成对抗网络的文本生成图像方法

针对文本生成图像任务过程中存在图像视觉特征和通道特征信息利用不充分问题,提出一种基于特征增强生成对抗网络(FE-GAN)的文本生成图像方法.首先,在动态记忆读取时,设计二次记忆(MoM)模块来对生成的中间特征进行注意与融合,利用注意力机制在记忆读取时进行第一次视觉特征增强,再将得到的注意力结果和上一个生成器生成的图像特征进行融合,实现第二次图像视觉特征增强.然后,在残差块中引入通道注意力来获取图像特征中的不同语义,提升相似语义通道之间的关联性,实现通道特征增强.最后,将实例归一化上采样块和批量归一化上采样块相结合来提高图像分辨率,同时缓解批量大小对生成效果的影响,提升生成图像风格多样性能力.在CUB-200-2011和Oxford-102数据集上进行的仿真实验表明,所提方法的IS分别达到了4.83和4.13,与DM-GAN相比分别提高了1.68%和5.62%.实验结果表明,FE-GAN生成的图像在细节处理上更好,更加符合文本语义.     

数字社会中信息弱势群体的健康信息需求与对策

本文就目前健康中国建设的背景下,利用网络爬虫和半结构化访谈法,调查了信息弱势群体的健康信息需求及获得健康信息服务现状,并对此进行分析,总结其中存在的问题与困难,在此基础上提出合理化对策建议。