Alpha稳定分布随机变量的产生

在实际应用中遇到的大量的非高斯信号或噪声具有显著的尖峰脉冲特性,其概率密度函数的衰减过程比高斯分布要慢,表现出显著的拖尾。而基于广义中心极限定理的Alpha稳定分布描述了信号统计分布的非高斯性和重拖尾性。实现服从Alpha稳定分布随机变量的仿真是开展相关研究的基础。该文由S2参数系下的分布模型的仿真算法导出标准参数系下Alpha稳定分布随机变量的仿真算法。并通过仿真实验证实了该仿真算法的可行性。     

电子引伸计的数字智能化研究

由于目前的电子引伸计精度不高、不快捷、智能化程度不高,对其数字智能化方向的研究十分必要。从数字智能式电子引伸计的特点、关键技术、技术指标及应用入手,制定开发的技术路线,并介绍相应的信号处理技术。     

基于一种混合的节点定位算法的研究

针对基本的DV-Hop节点定位算法会产生不良的节点和多级跳带来的累积误差以及未知节点的坐标没有进行修正等缺点,提出了一种改进的混合节点定位算法WHDV-Hop算法,改进后的算法定位误差率明显比改进前的定位误差率小,通过MATLAB软件对节点定位误差方面进行仿真验证,仿真实验结果证明该改进后的算法稳定、可靠,易于实现。与DV-Hop算法相比,定位精确度提高了4.65%,计算量减少,降低了能量消耗水平,实现预期的目标。     

循环赛竞赛编排的算法实现

根据对抗性体育竞赛赛事编排的需要,结合球类等运动项目的组织规则和相关规定．运用数据库及网络技术,设计循环赛的比赛编排方法,同时赛事成绩信息通过通用运动会管理系统进行管理和发布,实现运动会的完全信息化管理。系统使大量繁琐的人工计算任务通过简单方便的操作便可以实现,大大减轻运动会组织人员的劳动强度,提高工作效率,保证数据的准确性、安全性。     

快速电磁计算软件包设计与应用

描述了快速电磁计算软件包的设计思想,展现了软件包结构和工程计算结果,并且验证了软件包有效性和通用性,也展现了时域积分方程快速算法的优点。     

图像信息对句子语义理解与表示的有效性验证与分析

近年来,图像文本建模研究已经成为自然语言处理领域一个重要的研究方向.图像常被用于增强句子的语义理解与表示.然而也有研究人员对图像信息用于句子语义理解的必要性提出质疑,原因是文本本身就能够提供强有力的先验知识,帮助模型取得非常好的效果;甚至在不使用图像的条件下就能得出正确的答案.因此研究图像文本建模需要首先回答一个问题:图像是否有助于句子语义的理解与表示?为此,本文选择一个典型的不包含图像的自然语言语义理解任务:自然语言推理,并将图像信息引入到该任务中用于验证图像信息的有效性.由于自然语言推理任务是一个单一的自然语言任务,在数据标注过程中没有考虑图像信息,因此选择该任务能够更客观地分析出图像信息对句子语义理解与表示的影响.具体而言,本文提出一种通用的即插即用框架(general plug and play framework)用于图像信息的整合.基于该框架,本文选择目前最先进的五个自然语言推理模型,对比分析这些模型在使用图像信息前后的表现,以及使用不同图像处理模型与不同图像设置时的表现.最后,本文在一个大规模公开数据集上进行了大量实验,实验结果证实图像作为额外知识,确实有助于句子语义的理解与表示.此外,还证实了不同的图像处理模型和使用方法对整个模型的表现也会造成不同的影响.     

面向可信联盟的区块链账本可验证修改方法研究

区块链历经十年发展,成为信息技术领域最被寄予厚望的颠覆性技术之一.区块链上链数据具有不可篡改性,历史区块数据一旦确认就不能变更.这保证了区块链历史数据的完整性和可验证,但另一方面,当区块链中出现数据管理需求,即历史区块中过期或无效交易需要被压缩、违法违规信息需要被管控删除时,这种特性也将阻碍区块链对有问题的数据进行修改.类似数据管理需求在联盟链、私有链中尤其突出.传统区块链利用哈希算法的碰撞困难,实现区块和交易的完整性验证.而变色龙哈希存在一个陷门,掌握陷门可以轻松找到哈希碰撞.基于这个特性,本文将该类哈希算法的陷门交给多方管理,从而在不影响前后区块的完整性验证的情况下,实现多方共识修改交易数据的功能.本文进一步对变色龙哈希进行改进,设计了一种适用于联盟链的多中心化的账本修改方案.考虑到交易修改功能的去中心化,即变色龙哈希的陷门不应生成、存放于单个节点的问题,改进后的算法允许联盟链的所有权限节点协作生成系统的变色龙哈希公私钥.同时,为了权衡时间、空间代价与安全性,设计了多种有关私钥生成与同步的共识机制,并对它们的空间开销、通信时间、安全程度等性能进行了对比.本文考虑了一些特殊情况下区块链系统的可用性和问责性.最后,利用改进后的变色龙哈希算法构建了原型链,实现了历史交易的管控功能,描述了数据管理功能的设计细节.实验表明,本文提出的账本修改方案,其最佳区块压缩率可达30％、算法执行速率整体达到毫秒级,且具有可证明的安全性.     

深度学习的图像实例分割方法综述

实例分割是一项具有挑战性的任务,需要同时进行实例级和像素级的预测,在自动驾驶、视频分析、场景理解等方面应用广泛.近年来,基于深度学习的实例分割方法迅速发展,如两阶段检测器Faster R-CNN扩展出的聚焦于网络的精度而非速度的强大实例分割基准Mask R-CNN,一度成为实例分割的标杆.利用高速检测的单阶段检测器延伸出的实例分割算法YOLACT填补了实时实例分割模型的空白,具有较高的研究和应用价值.本文首先对实例分割算法进行了类别划分,然后对一些代表性的算法及其改进算法进行了深入分析,并阐述了相关算法的优缺点,最后对实例分割方法未来的发展进行了展望.     

融合知识图谱的网络安全违法行为识别系统

《网络安全法》是我国第一部关于网络安全的综合立法,与大众的互联网生活息息相关.因此,一款面向大众的《网络安全法》智能违法行为识别系统有助于规范互联网行为.然而,现有智能违法行为识别系统构建方法难以适应《网络安全法》,这是由于:首先,现有方法需要专业司法语言进行交互,不适应普通大众的语言体系.其次,现有方法需要大量的案例训练模型,不适应案例匮乏的《网络安全法》.针对这些问题,本文提出了一个面向《网络安全法》的智能违法行为识别系统.该系统主要利用知识图谱技术解决上述问题,在构建网络安全法知识图谱的基础上,通过将普通用户的自然语言与知识图谱中的违法事件实体和违法主体实体进行实体链接的方式获得更强的特征,提高违法行为识别系统在训练集较为匮乏的条件下的准确度.通过在真实数据集上的实验,表明了提出的系统的准确度有明显提高.