数字音频来源被动取证研究综述

数字音频来源被动取证研究旨在不依赖主动嵌入的数字水印或数字签名等冗余信息,通过原始数字音频数据的内在设备信息提取出表征设备源机器指纹的特征,进而对数字音频证据来源做出判断,在司法取证、军事信息、新闻传播等领域有着广泛的应用前景。目前,数字音频来源被动取证的研究综述面临时效性不足、针对性不够的问题。据此,给出了数字音频来源被动取证的研究框架和基本思路。对该领域常用的数据集做了简要的分析。根据数字音频来源被动取证的研究对象,将领域内的研究分为特征表达和表征建模两大模块,对频域信息特征、倒谱特征、基于高斯超矢量信息的特征、融合特征、深度特征五类特征,高斯混合取证模型、支持向量机决策模型、稀疏表达分类器决策模型、其他机器学习决策模型、深度学习决策模型五类模型的性能进行了比较分析。总结分析了数字音频来源被动取证领域的研究现状和存在的问题,并对未来的研究方向进行了展望。     

一种深度学习批规范化改进算法

现实中采集的数据由于需要适应实际工程需求以及数据细粒度信息的分类形式多样,样本数据间很难保持完全的独立同分布.而非独立同分布数据会严重降低深度神经网络模型训练的鲁棒性以及特定任务上的泛化性能.为了降低非独立同分布数据在模型训练和推断过程中的不良影响,提出一种批规范化的改进算法.该算法在神经网络模型训练开始前从数据集中取出一小批量数据做批规范化,求解出的均值与方差作为参考值用来更新训练时的其他批量数据.实验结果表明,该改进算法一定程度上能够加快神经网络模型训练收敛,相对于BN算法,分类错误率降低了0.3%,提高了神经网络模型训练的鲁棒性.在目标检测和实例分割任务上,应用该改进算法的预训练模型能够有效提高某些检测算法的泛化性能.     

基于变邻域下降的列车运行时刻调整算法

高速铁路区间失效可能严重影响列车正常运行,区间失效后调度员需要及时调整列车运行时刻.本文主要针对区间失效后不改变列车顺序下的时刻调整问题进行研究,建立了以所有列车在各站晚点时间之和为目标的列车运行调整模型,模型中各约束条件保证列车安全运行.针对目前常见的获取最优解或次优解需花费较长时间的问题,提出一种基于变邻域下降算法的多阶段变邻域下降算法.算法的第一、第二阶段使用变邻域下降算法结合禁忌表快速确定哪些列车经过调整后的时刻能与图定时刻相等,第三阶段则调整未恢复到图定时刻的列车.最后,以西成客运专线与某日的列车时刻数据为算例,求解多种区间失效场景下的列车运行时刻调整方案验证算法的有效性与实时性.     

基于ODM和Cesium的无人机倾斜摄影建模及可视化

GIS随着计算机科学技术的发展尤其是Web技术和WebGL技术的发展,近些年正逐渐三维web化,但无法直接复用较成熟的二维WebGIS方案。本文提出一种Cesium结合ODM(OpenDroneMap)进行三维WebGIS开发的方案,通过ODM在服务端自动处理无人机倾斜摄影测量采集的影像数据,将处理后产生的倾斜模型、点云、DEM等数据进行数据管理,最后在客户端浏览器进行三维可视化。本文阐述两者的开发模式、使用方法、数据组织和软件框架,概述了在无人机数据倾斜建模及可视化中的应用。     

基于Doc2Vec和BiLSTM的老年患者疾病预测研究

Disease prediction based on electronic medical record generally predicts the disease according to the patient's symptoms, and rarely studies on the time sequence relationship between the diseases. A new representation of electronic medical record is introduced, which considers the context-aware information of medical diseases with time series. Each disease is transformed into a digital vector similar to its "semantics" using Doc2Vec. Based on these vectors, the BiLSTM model is used to predict the potential diseases of elderly patients, which can play an early warning role in diseases of the elderly. Finally, real hospital diagnostic data is used in the experiments, and the results show that the model can effectively predict new diseases of the elderly, and it also has certain stability while ensuring the accuracy of prediction.     

基于聚类分析的智能答疑系统在招生 咨询方面的应用

生源质量是高校人才培养工作的重要因素,优质的生源是高校高水平人才培养的首要环节,招生宣传、招生咨询 同步在招生工作中发挥着重要作用。高校招生在线咨询通常采用人工回复或基于关键词匹配的问答系统来处理,存在效率低 下、回答问题不及时等缺陷。采用聚类分析方法,对招生咨询中遇到的问题进行集中分析,将不同层次、不同类别的问题进行 归纳整理,统一解答。同时采用智能的网上答疑方法,系统自动识别并解答相关招生问题。     

视觉SLAM研究进展

视觉SLAM是指相机作为传感器进行自身定位同步创建环境地图。SLAM在机器人、无人机和无人车导航中具有重要作用,定位精度会影响避障精度,地图构建质量直接影响后续路径规划等算法的性能,是智能移动体应用的核心算法。本文介绍主流的视觉SLAM系统架构,包括几种最常见的视觉传感器,以及前端的功能和基于优化的后端。并根据视觉SLAM系统的度量地图的种类不同将视觉SLAM分为稀疏视觉SLAM、半稠密视觉SLAM和稠密视觉SLAM 3种,分别介绍其标志性成果和研究进展,提出视觉SLAM目前存在的问题以及未来可能的发展。     

序列折半划分问题的形式化推导

形式化推导是在程序正确性证明理论下所进行的程序开发,最终得到完全正确的算法程序。针对序列折半划分问题,现有的形式化推导方法将推导与证明交替进行,推导过程繁琐且大多无法直接获得可执行程序。为解决上述问题,提出了一种新的序列折半划分问题的形式化推导方法。该方法基于分划递推的核心思想,应用规约变换技术对问题规约进行变换并严格保证一致性,使得在推导过程中无需交替证明,进而导出递推关系式并得到高可靠性抽象算法程序Apla,最终通过转换工具自动生成可执行程序。实现了从程序规约到具体可执行程序的完整程序求精过程。以2个序列算法为例,验证了该方法的有效性和可行性,对相关问题的形式化推导具有指导意义。     

基于P-IBI指数的大宁河生态健康度评价

为了全面了解大宁河各个河段的具体生态健康状况,为大宁河及其他库区支流的河流管理提供参考依据,根据2017年3月对大宁河源头至河口16个典型断面的浮游植物生态调查分析的结果,选取了25个备选指标,通过分布范围、判别能力和相关性分析,筛选出核心指标,计算了其浮游植物完整性指数(P-IBI)。基于该指数,构建了大宁河河流生态健康度的评价指标体系和标准,并对其进行了评价。结果显示:本次大宁河河流总体处于亚健康状态,其中上游段较为健康,中、下游段处于亚健康状态,局部样点呈现病态,尤其是"龙井湾-双龙镇"段,其生态健康度较差,是受损严重的河段。初步推断这主要是由于该河段人口密集,污染物负荷大造成的。建议对受损河段重点关注,并有针对性地开展生态修复治理。