融合图像信息的跨模态Transformer点云补全算法

针对三维传感器(如LiDAR、深度相机)获取的点云往往残缺不全,需要进行补全处理,而单模态方法存在的补全结果细节不丰富、结构不完整等问题,提出一种融合图像信息的跨模态Transformer点云补全算法.首先采用点云分支和图像分支分别提取点云特征和图像特征,其中,点云分支采用PoinTr为骨干网络,图像分支采用7层卷积;然后通过特征融合模块融合点云特征和图像特征,由粗到精地生成全分辨率的点云.在ShapeNet-ViPC数据集上进行实验的结果表明,所提算法的可视化结果优于单模态点云补全方法和目前仅有的跨模态点云补全方法ViPC,且在大部分测试类别上的CD-L_(2)量化指标优于ViPC;平均CD-L_(2)为2.74,比ViPC低17%.为了便于研究人员评估和使用,文中算法可通过https://github.com/Starak-x/ImPoinTr开源获取.

一种基于语义引导和对比学习的战场图像去烟算法

烟雾作为现代战争中最常见的作战产物,不可避免地会降低作战场景的可视性,进而影响下游军事智能系统的性能,因此对含烟图像进行复原处理非常重要,现有算法通常忽略图像中高阶的语义信息和降质图像本身都可以为提高网络去烟能力提供有价值的监督信息。为此,提出一种基于语义引导和对比学习的生成对抗网络来去除战场图像中的烟雾。通过在低阶视觉任务中融入高阶语义特征,将语义信息作为引导帮助网络更好地恢复图像的结构和色彩信息;利用对比学习范式将清晰和含烟图像构建为正、负样本,并采用对比约束使去烟后的图像与清晰图像接近,并远离含烟图像。此外,为模拟真实的战场含烟场景,首次构建一套含烟战场数据集,推进了相关研究的发展。实验结果表明,与现有图像去烟算法相比,所提方法在定量和定性指标上均达到了先进水平。

面向真实战场环境的Transformer-CNN多特征聚合图像去雾算法

军事智能系统的发展对现代战争的作战方式和制胜机理产生重大影响,然而这些系统容易受到雾霾等天气的影响导致获取的图像出现模糊、退化等问题,给后续识别、追踪等作战任务带来挑战,因此对战场含雾图像进行复原非常重要。鉴于获取同一场景下的含雾、清晰图像对难度极大,现有网络大都采用合成数据进行训练;但真实雾图和合成雾图之间的间隙,会导致在合成数据下训练的模型在真实场景中泛化性差。为此,提出一种面向真实战场环境的自注意力模型-卷积神经网络(Transformer-Convolutional Neural Network,Transformer-CNN)多特征聚合图像去雾算法。采用半监督框架,利用合成和真实战场含雾图像训练网络,使模型能够更好地应对真实含雾场景。采用双分支特征聚合架构,将CNN分支提取的局部特征和Transformer分支学习的全局特征进行聚合,以进一步提高模型去雾能力。为模拟真实战场含雾场景,构建了一套含雾战场图像数据集。实验结果表明,与8种最先进的图像去雾算法相比,所提算法在合成数据和真实图像上均表现良好。

基于OODA环的作战体系能力演化分析

传统的指标聚合方法虽然能够评估层次化评估指标体系,但却无法有效分析指标间复杂关联关系。为适应体系能力动态演化的评估需求,提出了一种基于观察—判断—决策—行动(OODA)环的作战体系能力演化分析方法。首先,构建了作战体系的体系能力评估框架;然后,基于OODA环理论,结合网络层次分析法,构建了作战体系的网络化指标体系;最后,结合时间演化分析建立了作战体系能力的动态分析模型。应用实例分析可知,该方法适用于作战体系的体系能力动态分析研究。

乌龙江斜拉桥主塔钢锚梁定位测量技术

乌龙江斜拉桥主桥结构复杂,主塔钢锚梁的精密定位测量是斜拉桥的关键技术之一。针对其测量定位精度要求高、测量难度大的问题,分别介绍了几种适用于主桥钢锚梁精密定位方法。经过比选,最终采用全站仪三维坐标法进行钢锚梁精密定位,平面定位实施时通过加入主塔变形监测变化值进行修正,高程定位实施时通过高程差分来消除和减弱地球曲率及折光影响。该方法不仅满足精度要求,还可以全天候作业。实践证明,该方法安全、高效、经济、技术先进,具有显著的社会和经济效益。

强化学习驱动的海战场多智能体协同作战仿真算法

未来海战场形势瞬息万变,亟需依托人工智能技术实现对海战场环境的高质量作战仿真,以全面优化和提升我军战斗力,达成克敌制胜的目的。作战单元的协同合作是实现海战场作战仿真的关键环节,如何实现多智能体之间的均衡决策是作战仿真首要解决的问题。基于解耦的优先经验回放机制和注意力机制,提出强化学习驱动的多智能体协同作战仿真算法(multi-agent reinforcement learning-based cooperative combat simulation,MARL-CCSA)。在MARL-CCSA基础上,利用专家经验,设计一种多尺度奖励函数,并基于此函数构建一个海战场作战仿真环境,使MARL-CCSA在此环境中训练易于收敛。设计想定进行仿真实验,并与其他算法的效果进行对比,验证MARL-CCSA的可行性与实用性。

基于多模态特征融合的时间序列异常检测

多元时间序列的有效异常检测对于数据的分析挖掘具有重要意义。然而,已有的检测方法大多基于单模态,不能有效利用时间序列在多模态空间中的分布信息,对于多模态特征缺乏自适应融合方式且难以提取其时空依赖关系。为此,提出了一种多模态特征融合的时间序列异常检测方法,建立了一个多模态特征自适应融合模块,通过一维卷积网络和软选择方式对多元时间序列的多模态特征进行自适应融合。对于融合后的多模态特征,构建由时间注意力和空间注意力组成的时空注意力模块,同时提取其时间和空间依赖关系得到时空注意力向量,由时空注意力向量得到模型预测结果。通过学习正常样本分布,根据预测值与真实值的误差度量实现异常检测。在4个公开数据集上进行测试,结果表明,所提方法优于其他模型,证明了所提方法的有效性。

一种竞争自编码器的半监督异常检测方法

大多传统的无监督和有监督算法在异常检测上需要预先定义阈值,但很难找到最佳阈值,为解决这一问题,提出一种无阈值的半监督竞争学习模型用于时间序列的异常检测.该模型使用长短期记忆神经网络(LSTM)设计了一种竞争机制的自动编码器,有一个编码器和两个解码器,使用正常数据和未标记数据进行训练,正常数据用来训练正常解码器,对于未标记数据送入两个解码器当中,通过重构误差的大小来选择解码器.该结构具有良好的判别性能,不需要对其设定阈值.实验结果表明,该模型在对异常样本的召回率和F1分数都高于传统的自编码器模型.所以,该半监督竞争学习模型在时间序列的异常检测上是有效的.

融合CNN和二进制生成对抗网络的多元时间序列检索

多元时间序列在日常生活中普遍存在,给定当前的时间序列片段,如何高效且精确地从历史时间片段中找出其相似的时间片段极为重要.本文提出了一种全新的基于CNN和深度非监督二进制生成对抗网络(UCBGAN)来进行多元时间序列检索,它可以有效地获取多元时间序列的二进制表示.该网络由3部分构成—一个解码器,一个编码器和一个鉴别器,其中鉴别器和编码器除了最后一层外,共享参数.此外,本文引入了时序相似矩阵,通过构建时序相似矩阵,能进一步提高二进制编码的可鉴别性.在训练过程中,本文引入了对抗损失,相似对损失和重构损失.在多个数据集上的实验结果表明,该方法能有效提高多元时间序列检索的准确度.所以,该方法对于多元时间序列检索是有效的.

基于属性加密的DDS访问控制方案

数据分发服务(Data distribution service,DDS)是一种可靠的实时数据通信中间件标准,它是面向基于发布/订阅模型的分布式环境,在各个领域得到了广泛应用,但现有研究涉及DDS安全技术的成果较少,而在实际应用中发布订阅系统存在多种安全威胁。为了建立灵活可靠的安全机制来确保发布订阅信息的安全性,提出一种以数据为中心的访问控制方案。在属性加密的基础上,对访问树结构进行优化处理,结合发布订阅环境增加属性信任机制。之后采用制定属性连接式与授权策略的方式对发布订阅信息进行加密匹配,并建立DDS访问控制模型来控制发布订阅系统内信息的交互,实现数据的安全分发。经过实验验证,该方案既能够应对DDS存在的几种安全威胁,保障发布订阅信息的机密性,也能够实现系统对特定信息的访问控制,并且发布者订阅者不需要共享密钥,减少了密钥管理的开销。

以图搜图:基于显著性注意力的美容产品检索网络

在基于深度学习的美容产品检索任务中,图片背景、拍摄角度和产品摆放姿态均是产品图片上潜在的干扰信息;同时,检索数据库中众多相似产品会互相干扰.针对这些问题,将显著性注意力机制融入损失函数、随即丢弃模块和相似项计算中,分别设计了显著性损失函数、显著性随即丢弃模块和显著相似性方法,有效地抑制了用户待检索图片与检索数据库图片中的干扰信息;然后,采用有效的特征提取器抵抗图片相似项的干扰;最后综合上述4个模块,提出基于显著性注意力的美容产品检索网络SA-Net.经过Pro-10k数据集训练,在Per-500k数据集上进行消融学习和对比实验的结果表明,SA-Net提升了美容产品检索的准确度,比已公开的最好同类算法AMAC提高3%.

协同仿真平台中的仿真组件技术及其实现

在面向服务的理念指导下,将仿真组件技术引入协同仿真平台的应用开发中,即由元素模型、组件模型和成员模型三种层次的仿真组件组成仿真系统,使用仿真组件提供的服务完成仿真任务,并详细介绍三种组件的概念、构成、开发和部署等关键技术。开发应用时采用面向组件的建模工具描述系统的静态结构和动态行为,根据静态结构自动生成三种组件的框架代码,用户加入功能实体后即完成了仿真的开发,运行时根据动态行为调度仿真组件进行协同工作。

仿真网格资源共享池关键技术研究

仿真网格资源共享池是基于网格仿真动态调用仿真资源完成仿真任务的基础。为了建立标准的资源池,介绍了基于网格服务的网格化仿真资源的关键技术。在概念上采用与平台无关的模型描述资源,以确保其可装配性和交互性;在网格服务中加入仿真功能,使其成为同时符合高层体系结构和网格标准的仿真服务。提出了仿真服务规范,包括服务的构成、接口、服务对象模型及管理机制等;实现用解析平台无关的模型自动生成仿真服务。介绍了基于模板的服务自动生成工具的设计,并在上述规范和技术的基础上建立了仿真网格资源共享池,介绍了两个使用仿真资源装配成的仿真应用实例。

基于网格的虚拟样机仿真关键技术

提出了基于网格的仿真支撑体系结构,讨论了将Globus和仿真融合,即基于Globus和运行支撑系统(RTI)的双中间件实现方案,用网格管理仿真资源及仿真运行高层体系结构(HLA)负责仿真相关事务.介绍了在网格上调度、运行仿真和基于仿真网格服务的两种应用框架;探讨了在网格上实现成员动态调度运行和负载平衡机制,及基于服务的虚拟样机仿真应用的层次化结构、部署和运行,达到了仿真的资源共享、动态部署和自组织等目标.

一种新的仿真组件模型及其实现

为了提高仿真组件的重用性、兼容性,给仿真应用提供通用的开发模型,使仿真系统独立于仿真中间件,提出了一个新的自包含仿真组件模型,该模型由服务端口、适配器和调度引擎构成。而模型的描述采用静态结构和动态行为元元模型。开发时首先采用面向组件的建模工具描述系统的静态结构和动态行为,根据静态结构自动生成应用代码和适配器。其中适配器是联系仿真组件和仿真中间件的纽带,使它们彼此独立。运行时调度引擎将仿真组件装配到应用框架中并根据动态行为模型调度组件运行。实践表明该模型是一个适用于不同仿真中间件的标准模型,可以提高仿真模型的协同能力和重用性。

研究生网络课程群实践教学体系研究

分析目前研究生计算机网络实践教学的现状和面临的挑战。提出柔性的计算机网络课程群实践体系。包括:1)培养研究生软硬件动手能力的实践内容;2)新形势下的教学模式;3)调动学生参与实践的积极性,建立注重实践过程控制为目标的考核体系。整个体系通过新颖的教学内容和人性化的管理提高了实践教学质量。

基于分层哈希编号的智能制造产线数据同步方法

海量数据存储和同步是智能制造产线中的重要问题。当前数据同步的主流方法是远程同步(Remote synchronization,RSYNC)算法,采用同步增量数据的方法减少数据传输量。智能制造产线产生的数据层次结构深、目录结构复杂,导致同步时评估时间长。为此提出分层哈希编号算法进行同步,基于数据分层对数据文件编号,使用散列表记录层次信息,快速比对差异数据,并对不同类型的差异数据采用不同备份策略。实验结果表明,与标准RSYNC相比,该方法有效减少了RSYNC评估的数据量,有效降低了同步时间,提高了同步备份效率。

工具软件网格化的研究及实现

工具软件大多数都分散在各部门之中,利用率很低,造成了资源的极大浪费,网格技术为改变这种现状带来了新的希望。分析了工具网格化的意义,提出了工具网格化的软件体系结构,针对不同类型的软件提出了不同的网格化解决方案,介绍了基于任务提交和使用二次开发接口部署网格服务进行工具网格化的实现技术,将地理上分布的工具软件资源建成一个虚拟组织,以共享其计算能力并方便地协同作业。

ARCHITECTURE OF DYNAMIC DATA DRIVEN SIMULATION FOR WILDFIRE AND ITS REALIZATION

Dynamic data driven simulation （DDDS） is proposed to improve the model by incorporaing real data from the practical systems into the model. Instead of giving a static input, multiple possible sets of inputs are fed into the model. And the computational errors are corrected using statistical approaches. It involves a variety of aspects, including the uncertainty modeling, the measurement evaluation, the system model and the measurement model coupling ,the computation complexity, and the performance issue. Authors intend to set up the architecture of DDDS for wildfire spread model, DEVS-FIRE, based on the discrete event speeification （DEVS） formalism. The experimental results show that the framework can track the dynamically changing fire front based on fire sen- sor data, thus, it provides more aecurate predictions.

基于MDA的仿真模型转换框架研究与实现

提出了一个基于模型驱动体系结构(MDA)的分布交互仿真模型转换框架(DSMTF),设计了仿真模型的元模型、转换规则和转换框架的体系结构。该框架可以通过扩展转换规则库支持不同的仿真标准。以HLA/RTI为例研究了DSMTF中模型转换的方法和步骤,提出了HLA仿真元模型并据此定义了相应的规则库,实现了仿真模型的自动转换。该框架在一个复杂系统仿真应用开发中获得了成功的应用。