为确保数字经济高质量发展,加强移动应用的个人隐私保护至关重要。隐私设置和权限请求设置作为当前移动服务商向用户提供的主要隐私保护技术措施,其有效性受到争议,并未得到用户广泛的使用或采纳,这可能是因为用户无法通过隐私设置选择...为确保数字经济高质量发展,加强移动应用的个人隐私保护至关重要。隐私设置和权限请求设置作为当前移动服务商向用户提供的主要隐私保护技术措施,其有效性受到争议,并未得到用户广泛的使用或采纳,这可能是因为用户无法通过隐私设置选择和控制移动应用收集的个人信息种类、使用目的与共享对象,且权限请求设置操作流程较为复杂。要想切实发挥隐私保护技术的积极效果,其应具备的技术特征不容小觑。本研究从给予用户对个人信息披露的细粒度控制的视角,针对现有隐私设置和权限请求设置提出两种技术特征,即隐私设置可操作性与权限请求设置有效性,并基于信号传递理论,探究这两种技术特征对用户拒绝提供个人信息和提供虚假个人信息意愿(简称“隐私保护行为意愿”)的影响机理。本研究采用基于情景的实验方法,共收集334份有效数据,应用PLS-SEM(partial least squares-structural equation modeling)方法进行实证分析。研究结果发现,本研究提出的两种技术特征对用户的隐私保护行为意愿具有显著的直接负向影响,并通过隐私担忧间接负向影响用户的隐私保护行为意愿;这两种技术特征对用户隐私保护行为意愿具有显著的正向交互作用。本研究丰富和拓展了隐私保护技术设计与用户信息行为研究,并为移动服务商设计有效的隐私保护技术以提升竞争优势提供了启示,从而促进数字经济高质量发展。展开更多
基于元学习的单源域泛化(single domain generalization,SDG)已成为解决领域偏移问题的有效技术之一。然而,源域和增强域的语义信息不一致以及域不变特征和域相关特征难以分离,使SDG模型难以实现良好的泛化性能。针对上述问题,提出了一...基于元学习的单源域泛化(single domain generalization,SDG)已成为解决领域偏移问题的有效技术之一。然而,源域和增强域的语义信息不一致以及域不变特征和域相关特征难以分离,使SDG模型难以实现良好的泛化性能。针对上述问题,提出了一种单源域泛化中基于域增强和特征对齐的元学习方案(meta-learning based on domain enhancement and feature alignment,MetaDefa)。利用背景替换和视觉损害技术为每一张图像生成多样且有效的增强图像,保证了源域和增强域之间的语义信息一致性;多通道特征对齐模块通过关注源域和增强域特征空间之间的相似目标区域和抑制非目标区域的特征表示充分挖掘图像信息,进而有效地提取充足的可迁移性知识。通过实验评估,MetaDefa在office-Caltech-10、office31和PACS数据集上分别取得了88.87%、73.06%和57.06%的精确度。结果表明,MetaDefa方法成功实现了源图像和增强图像之间的语义一致性和对域不变特征的充分提取,从而显著提升了单源域泛化模型的泛化性能。展开更多
针对三维重建对细小特征及边缘区域重建欠佳的问题,提出了一个基于特征对齐与上下文引导的多视图三维重建网络,即AGA-MVSNet。首先,构建了一个特征对齐模块(FA)与特征选择模块(FS),能够将特征金字塔不同层级的特征先对齐之后再进行融合...针对三维重建对细小特征及边缘区域重建欠佳的问题,提出了一个基于特征对齐与上下文引导的多视图三维重建网络,即AGA-MVSNet。首先,构建了一个特征对齐模块(FA)与特征选择模块(FS),能够将特征金字塔不同层级的特征先对齐之后再进行融合,提高对小尺寸物体和边缘区域的特征提取能力;然后,在代价体正则化中加入了一个上下文引导模块,该模块能够在略微增加运行内存的情况下充分利用周围信息,增强成本体积之间的相关性,提高三维重建的精度与完整度;最后,在DTU数据集上进行了实验,实验结果表明,该方法相比于基准网络CasMVSNet精度提升了2.2%,整体重建质量提升了2.5%。此外,在Tanks and Temples数据集上的表现相较一些已知的方法也十分优异,且在BlendedMVS数据集上也生成了不错的点云效果。展开更多
跨界团队在企业等创新主体开展颠覆性创新活动中发挥重要作用,而运用机器学习方法识别其网络特征与颠覆性创新绩效之间殊途同归的组态路径是一个亟待解决的重要问题。本文基于Incopat专利检索平台无人机领域139999条专利数据,采用社区...跨界团队在企业等创新主体开展颠覆性创新活动中发挥重要作用,而运用机器学习方法识别其网络特征与颠覆性创新绩效之间殊途同归的组态路径是一个亟待解决的重要问题。本文基于Incopat专利检索平台无人机领域139999条专利数据,采用社区发现算法在专利发明人合作关系数据中识别185个跨界团队,依据社会网络理论遴选跨界团队网络特征变量,利用k-means聚类算法对跨界团队进行类型划分,并运用决策树CART(classification and regression trees)算法挖掘不同类型跨界团队网络特征对其颠覆性创新绩效的影响。研究结果表明,①跨界团队共有二元合作、类完全合作和复杂合作3种合作类型,不同跨界团队类型对颠覆性创新绩效影响具有差异性,即类完全合作团队高颠覆性创新绩效占比最高,二元合作团队高颠覆性创新绩效占比最低;②合作强度具有普适性,它是影响不同跨界团队形成不同水平颠覆性创新绩效的核心因素;③合作强度正向影响二元合作团队颠覆性创新绩效,类完全合作团队的颠覆性创新绩效受聚集系数、合作强度与团队规模的共同影响,而对于合作强度较高的复杂合作团队而言,保持较低的网络密度有利于其提升颠覆性创新绩效。展开更多
东北冷涡背景下的强对流天气具有局地性强、预报难度大的特点,冷空气的入侵往往对强对流天气的触发具有指示性意义。本文利用加密自动气象站地面观测数据、欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts,EC...东北冷涡背景下的强对流天气具有局地性强、预报难度大的特点,冷空气的入侵往往对强对流天气的触发具有指示性意义。本文利用加密自动气象站地面观测数据、欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts,ECMWF)的ERA5(ECMWF Reanalysis v5)再分析资料及风廓线雷达资料,分析2016年6月30日和2020年8月3日2次冷涡强降水天气的形势及动力、热力特点,重点对比分析了2次过程的干侵入特征。这2次强降水过程地面均为蒙古气旋配合,从地面至高空动力条件较好。降水发生前,上午天空晴好,对流层中高层有冷空气渗透,近地层湿度大,形成上干冷、下暖湿的不稳定层结。强降水发生前,中层干区自西向东侵入,高层高位涡区向下伸展,增强对流不稳定发展,中层位涡接近1×10^(-6)m^(2)·K·s^(-1)·kg^(-1)可以作为进入强降水时段的指标。干侵入指数呈偶极分布特征,可反映干冷空气和暖湿空气的相互作用,暴雨常发生在干侵入指数的密集带。当中高层干侵入指数正值区向中低层发展时,触发不稳定能量的释放,干侵入指数对强降水的落区及暴雨的增幅有较好的指示意义。展开更多
文摘为确保数字经济高质量发展,加强移动应用的个人隐私保护至关重要。隐私设置和权限请求设置作为当前移动服务商向用户提供的主要隐私保护技术措施,其有效性受到争议,并未得到用户广泛的使用或采纳,这可能是因为用户无法通过隐私设置选择和控制移动应用收集的个人信息种类、使用目的与共享对象,且权限请求设置操作流程较为复杂。要想切实发挥隐私保护技术的积极效果,其应具备的技术特征不容小觑。本研究从给予用户对个人信息披露的细粒度控制的视角,针对现有隐私设置和权限请求设置提出两种技术特征,即隐私设置可操作性与权限请求设置有效性,并基于信号传递理论,探究这两种技术特征对用户拒绝提供个人信息和提供虚假个人信息意愿(简称“隐私保护行为意愿”)的影响机理。本研究采用基于情景的实验方法,共收集334份有效数据,应用PLS-SEM(partial least squares-structural equation modeling)方法进行实证分析。研究结果发现,本研究提出的两种技术特征对用户的隐私保护行为意愿具有显著的直接负向影响,并通过隐私担忧间接负向影响用户的隐私保护行为意愿;这两种技术特征对用户隐私保护行为意愿具有显著的正向交互作用。本研究丰富和拓展了隐私保护技术设计与用户信息行为研究,并为移动服务商设计有效的隐私保护技术以提升竞争优势提供了启示,从而促进数字经济高质量发展。
文摘基于元学习的单源域泛化(single domain generalization,SDG)已成为解决领域偏移问题的有效技术之一。然而,源域和增强域的语义信息不一致以及域不变特征和域相关特征难以分离,使SDG模型难以实现良好的泛化性能。针对上述问题,提出了一种单源域泛化中基于域增强和特征对齐的元学习方案(meta-learning based on domain enhancement and feature alignment,MetaDefa)。利用背景替换和视觉损害技术为每一张图像生成多样且有效的增强图像,保证了源域和增强域之间的语义信息一致性;多通道特征对齐模块通过关注源域和增强域特征空间之间的相似目标区域和抑制非目标区域的特征表示充分挖掘图像信息,进而有效地提取充足的可迁移性知识。通过实验评估,MetaDefa在office-Caltech-10、office31和PACS数据集上分别取得了88.87%、73.06%和57.06%的精确度。结果表明,MetaDefa方法成功实现了源图像和增强图像之间的语义一致性和对域不变特征的充分提取,从而显著提升了单源域泛化模型的泛化性能。
文摘针对三维重建对细小特征及边缘区域重建欠佳的问题,提出了一个基于特征对齐与上下文引导的多视图三维重建网络,即AGA-MVSNet。首先,构建了一个特征对齐模块(FA)与特征选择模块(FS),能够将特征金字塔不同层级的特征先对齐之后再进行融合,提高对小尺寸物体和边缘区域的特征提取能力;然后,在代价体正则化中加入了一个上下文引导模块,该模块能够在略微增加运行内存的情况下充分利用周围信息,增强成本体积之间的相关性,提高三维重建的精度与完整度;最后,在DTU数据集上进行了实验,实验结果表明,该方法相比于基准网络CasMVSNet精度提升了2.2%,整体重建质量提升了2.5%。此外,在Tanks and Temples数据集上的表现相较一些已知的方法也十分优异,且在BlendedMVS数据集上也生成了不错的点云效果。
文摘跨界团队在企业等创新主体开展颠覆性创新活动中发挥重要作用,而运用机器学习方法识别其网络特征与颠覆性创新绩效之间殊途同归的组态路径是一个亟待解决的重要问题。本文基于Incopat专利检索平台无人机领域139999条专利数据,采用社区发现算法在专利发明人合作关系数据中识别185个跨界团队,依据社会网络理论遴选跨界团队网络特征变量,利用k-means聚类算法对跨界团队进行类型划分,并运用决策树CART(classification and regression trees)算法挖掘不同类型跨界团队网络特征对其颠覆性创新绩效的影响。研究结果表明,①跨界团队共有二元合作、类完全合作和复杂合作3种合作类型,不同跨界团队类型对颠覆性创新绩效影响具有差异性,即类完全合作团队高颠覆性创新绩效占比最高,二元合作团队高颠覆性创新绩效占比最低;②合作强度具有普适性,它是影响不同跨界团队形成不同水平颠覆性创新绩效的核心因素;③合作强度正向影响二元合作团队颠覆性创新绩效,类完全合作团队的颠覆性创新绩效受聚集系数、合作强度与团队规模的共同影响,而对于合作强度较高的复杂合作团队而言,保持较低的网络密度有利于其提升颠覆性创新绩效。
文摘东北冷涡背景下的强对流天气具有局地性强、预报难度大的特点,冷空气的入侵往往对强对流天气的触发具有指示性意义。本文利用加密自动气象站地面观测数据、欧洲中期天气预报中心(European Center for Medium-Range Weather Forecasts,ECMWF)的ERA5(ECMWF Reanalysis v5)再分析资料及风廓线雷达资料,分析2016年6月30日和2020年8月3日2次冷涡强降水天气的形势及动力、热力特点,重点对比分析了2次过程的干侵入特征。这2次强降水过程地面均为蒙古气旋配合,从地面至高空动力条件较好。降水发生前,上午天空晴好,对流层中高层有冷空气渗透,近地层湿度大,形成上干冷、下暖湿的不稳定层结。强降水发生前,中层干区自西向东侵入,高层高位涡区向下伸展,增强对流不稳定发展,中层位涡接近1×10^(-6)m^(2)·K·s^(-1)·kg^(-1)可以作为进入强降水时段的指标。干侵入指数呈偶极分布特征,可反映干冷空气和暖湿空气的相互作用,暴雨常发生在干侵入指数的密集带。当中高层干侵入指数正值区向中低层发展时,触发不稳定能量的释放,干侵入指数对强降水的落区及暴雨的增幅有较好的指示意义。
