基于改进SuperPoint网络的视觉SLAM算法研究

针对传统视觉SLAM算法在视角变换和光照变化时易导致位姿估计精度低甚至跟踪失败等问题,启发于SuperPoint网络在特征提取上的强鲁棒性,提出一种基于轻量级SuperPoint网络的视觉SLAM算法(Light Weight SuperPoint network based-on visual SLAM,LWS-vSLAM)。首先,为解决SuperPoint网络编码层计算量过大引起的系统实时性下降问题,采用LWS-NET轻量化特征提取网络,该网络编码层采用轻量级注意力模型对图像特征进行降采样来减小计算量。其次,为解决在视角变换和光照变化环境下存在较多误匹配问题,利用LWS-NET网络的特征检测分类层的插值计算完成图像中优质特征点的筛选,并以优质特征点为中心进行区域内误匹配剔除。最后,将LWS-NET特征提取与匹配网络与ORB-SLAM2系统后端非线性优化、闭环修正和局部建图进行融合,设计一个完整的单目视觉LWS-vSLAM系统。在公共评测数据集TUM、KITTI中进行仿真实验,实验结果表明,算法平均每帧运行时间相较于SuperPoint缩短约30%,轨迹误差相较于ORB-SLAM2减少13.7%,显著提升了在视角变换和光照变化下的定位精度。

融合改进SuperPoint网络的鲁棒单目视觉惯性SLAM

单目视觉惯性SLAM系统通过追踪人工设计的点特征来恢复位姿,如Shi-Tomasi, FAST等。然而光照或视角变化等挑战性场景中人工特征提取鲁棒性差,易导致位姿计算精度低甚至失败。启发于SuperPoint网络在特征提取的强鲁棒性,提出一种基于改进SuperPoint网络的单目VINS系统—CNN-VINS,旨在提升挑战性环境下VINS系统的鲁棒性。主要贡献包括:提出改进SuperPoint特征提取网络,通过动态调整检测阈值实现图像特征点均匀检测和描述,构建鲁棒精确的特征关联信息;将改进SuperPoint特征点提取网络与VINS系统的后端非线性优化、闭环检测模块融合,提出一个完整的单目视觉惯性SLAM系统;对网络的编码层和损失函数优化调整,并验证网络编码层对VINS系统定位精度的影响。在公共评测数据集EuRoc实验结果表明,相比国际公认的VINS-Mono系统,所提系统在光照剧烈变化的挑战性场景中定位精度提升15%;对光照变化缓慢的简单场景,绝对轨迹误差均值保持在0.067~0.069 m。

广义确定性标识网络

随着智能制造、智能交通等重大国家战略实施,确定性成为信息网络尤其是行业专网的新焦点.现有确定性网络技术始终关注网络传输要素(带宽、时隙等)来保障数据流的确定性传输.然而,仅靠保障传输要素无法支撑新兴行业应用的多样化需求.例如,在算网融合场景,智算任务要求同时保障传输与计算要素的确定性来实现高性能通信;在绿色通信场景,需要考虑节点能量要素的确定性以维持网络稳定运行.针对上述需求,本文基于前期提出的标识网络技术,研究面向传输、计算、存储、能量等多要素的广义确定性网络.首先提出广义确定性标识网络架构,包括差异化服务层、异构融合网络层和智慧化适配层.差异化服务层和异构融合网络层,分别实现差异化确定性应用需求和异构化确定性网络要素的统一标识和描述,并通过标识解析映射实现确定性信息向智慧化适配层的统一封装和传递;智慧化适配层完成差异化确定性应用需求和异构化确定性网络要素的适配.现有确定性资源适配方法,即使仅考虑单一网络内的基本确定性要素,仍面临计算时间长、求解复杂性高、灵活度低等问题,为了支持更加复杂的多确定性要素、多种异构网络的协同适配,设计了基于深度强化学习的端到端的确定性调度(End-to-end Deterministic resource scheduling,E2eDet)算法,该算法可统一化、端到端地为混合数据流协同分配多种确定性网络资源,满足不同应用的差异化确定性需求.实验表明,E2eDet比DeepCQF和Random算法分别提升了28.4%和6.38倍数据流调度数量,同时E2eDet可以较好地权衡计算时间和调度能力.

基于图卷积神经网络的节点分类方法研究综述

节点分类任务是图领域中的重要研究工作之一。近年来随着图卷积神经网络研究工作的不断深入,基于图卷积神经网络的节点分类研究及其应用都取得了重大进展。图卷积神经网络是基于卷积发展出的一类图神经网络,能处理图数据且具有卷积神经网络的优点,已成为图节点分类方法中最活跃的一个研究分支。对基于图卷积神经网络的节点分类方法的研究进展进行综述,首先介绍图的相关概念、节点分类的任务定义和常用的图数据集;然后探讨两类经典图卷积神经网络——谱域和空间域图卷积神经网络,以及图卷积神经网络在节点分类领域面临的挑战;之后从模型和数据两个视角分析图卷积神经网络在节点分类任务中的研究成果和未解决的问题;最后对基于图卷积神经网络的节点分类研究方向进行展望,并总结全文。

学习型社区赋能教育强国建设——基于在线学习者关系网络分析视角

学习型社区建设有助于加快教育强国落地,社区中在线学习者的各种协作互动行为,促进了学习者关系网络的生成。对该网络进行深入分析,可以挖掘其中蕴含的社区学习的本质特征。该研究提出从社区发现角度对学习者关系网络进行分析,首先设计基于图卷积网络和非负矩阵分解,并集成学习者关系网络信息和文本内容信息的新型学习型社区发现方法,提出四个社区特征度量指标,在真实的学习者关系网络中进行应用分析。结果表明,所提出的分析方法能有效挖掘学习者关系网络存在的学习兴趣主题社区,还可以对社区整体和社区成员个体进行特征分析,并且分析结果可为引导学习者的在线交互协作行为提供决策支持。最后,形成“构建可视化学习型社区—开展社区之间知识分享—促进各社区的互动合作—指标反馈下的反思迭代”的学习型社区赋能策略。通过策略赋能学习型社区高质量发展,以社区新质生产力组合助推教育强国建设。

网络微短剧的兴起与规范化发展

近年来,微短剧的发展呈现数量级增长趋势,成为不少年轻人追捧的“电子榨菜”。然而,快节奏、小成本、低门槛的微短剧在火爆流行的同时也存在内容质量良莠不齐、扭曲个人和社会价值观、损害艺术创作生态、影响国家形象等问题。推动微短剧健康可持续发展,需植根于网络信息内容生态治理,从政府端到平台端到行业端,推动多方主体协同发力,加强政府治理、平台治理与行业自治,通过多元共治规范网络信息内容生态建设,让微短剧引领新时代新风尚,成为人们雅俗共赏、喜闻乐见的网上精神产品。

融合CNN-BiGRU和注意力机制的网络入侵检测模型

为提高网络入侵检测模型特征提取能力和分类准确率,提出了一种融合双向门控循环单元(CNN-BiGRU)和注意力机制的网络入侵检测模型.使用CNN有效提取流量数据集中的非线性特征;双向门控循环单元(BiGRU)提取数据集中的时序特征,最后融合注意力机制对不同类型流量数据通过加权的方式进行重要程度的区分,从而整体提高该模型特征提取与分类的性能.实验结果表明:其整体精确率比双向长短期记忆网络(BiLSTM)模型提升了2.25%.K折交叉验证结果表明:该模型泛化性能良好,避免了过拟合现象的发生,印证了该模型的有效性与合理性.

基于GIS的公交换乘网络构建及可达性分析

为了提高公交换乘效率、优化公交系统,基于GIS软件构建公交换乘网络,运用该网络对换乘可达性进行了测度和分析.结合Space-P模型和网络分析法,以拉萨市城关区为研究区域,基于公交线路路径、站点、交叉口等基本信息构建同站换乘子网络.结合公交站点服务范围、步行通道路径、交叉口等信息构建异站换乘子网络.二者协同实现了基于ArcGIS的公交换乘网络构建,并依据该网络对公交线路的乘客在车时间和换乘系数进行测度和分析.结果表明:构建的换乘网络能够对乘客在车时间进行良好的测度,乘客在车时间最大值为68.68 min,最小值为2.00 min,乘客换乘在车时间平均值为29.90 min.该换乘网络能够对换乘系数进行良好的测度,得到有效换乘线路90 300条,换乘系数最大为4条(线路为62条),最小为0条(线路为1 354条).采用可达性度量模型,可实现对公交站点时间可达性和换乘可达性的良好测度和分析.

大规模复杂终端网络的云原生强化设计

作为互联网数据传输的“最后一公里”,终端网络看似简单却构成99%的性能瓶颈.经典设计面向典型设备常规环境,难以兼顾多样化场景,导致严重性能落差.通过云端汇聚并深度诊断大规模终端网络异常,在可用、可靠、可信3个关键维度揭示经典设计多处重要缺陷,采用跨层跨代的协同强化方法针对性修复(如时变非齐次4G/5G双连接管理方法最小化断网概率),实现无场景预设的自调控机制设计.应用于公安部高速网络、1700万“测网速”app用户、七千万小米手机、一亿百度手机卫士用户以及九亿WiFi设备.近年来进一步开展基于云端模拟器的前瞻网络设计,无需真实用户设备参与即可发现并修复潜在缺陷,让终端网络设计“生于云、长于云”.研究成果应用于华为DevEco Studio集成开发环境、腾讯应用市场、谷歌安卓模拟器及字节跳动多款流行应用(如抖音和今日头条).

网络政务互动中的政府形象管理策略与话语实践研究

目前政府形象的相关研究大多从管理学及传播学视角开展,对形象构建过程中所依赖的话语使用关注不足。本研究基于形象管理理论和网络政务互动语料,考察政府在政务互动中选择的形象管理策略及其依赖的话语实践资源。研究发现,网络政务中的政府形象管理是一种互动反馈式管理,主要包括积极呈现型管理和防御型管理两大策略类型,采用的话语实践方式主要包括言语行为域、话语域、文体域和参与域四个域的语言资源,着重构建了负责型、亲民型、服务型、作为型、法治型等以人民为中心的新时代政府形象。

数字化转型提升企业创新效率的网络机制——合作和知识双重创新网络结构洞的中介作用

企业数字化转型不仅拓展和优化了创新网络,也使创新网络在创新驱动发展中的作用日益重要。基于网络结构洞理论,从创新合作网络和创新知识网络(双重创新网络)角度分析数字化转型通过增强企业在创新网络中的“桥梁”作用来提升企业创新效率的机制,并采用沪深A股制造业上市公司2013—2021年的数据进行实证检验,结果发现:制造业企业数字化转型能够显著提升其创新效率,该作用在非国有企业中更为显著;双重创新网络结构洞是数字化转型影响企业创新效率的中介变量,即存在“数字化转型水平提高→双重创新网络结构洞增加→创新效率提升”的影响路径;企业组织韧性提高能够强化数字化转型对网络结构洞的正向影响,但对网络结构洞影响创新效率没有显著的调节作用。因此,应积极推进企业数字化转型,通过拓展和优化创新网络来促进企业创新效率提升,并不断提高企业的组织韧性以有效化解转型风险。

基于SDN的数据中心网络流量负载均衡研究

目前数据中心网络(data center network,DCN)的负载均衡方法存在对大小流的调度缺乏全局实时检测等不足,部分大流会造成拥塞、负载不均衡和带宽碎片等问题.针对上述问题,提出了一种SDN网络流量负载均衡算法—DSA-D.首先,对流量进行分类,为大流计算所有源至目的主机可达路径的最短跳数路径集;然后,根据LLDP和ECHO测量链路时延以求得时延最优路径集;最后,采用概率拟合算法分配路径,实现数据中心网络流量负载均衡.在相同场景下的实验结果表明,与ECMP、Hedera和DIFF算法相比,DSA-D算法具有更好的吞吐量、链路带宽利用率和平均往返时延.

基于MSPA和MCR模型的庐山市生态网络构建

【目的】在生态环境形势严峻的背景下,构建生态网络是连接破碎化斑块间的重要纽带,是保障物种迁徙交流的有效途径。【方法】以庐山市为研究对象,以GIS技术为核心,利用MSPA法对庐山市进行景观格局分析,再运用景观连通性评价法选取重要生态源地;其次采用AHP分析法结合专家打分法建立阻力因子评价体系构建阻力面,再基于MCR模型完成庐山市生态网络的构建,运用重力模型选取重要潜在生态廊道,给出生态网络的优化对策,最后应用生态网络分析法,对出生态网络的可行性进行分析。【结果】1)庐山市10处重要生态源地的面积为37 946.52 hm^(2),庐山和鄱阳湖为两处大型生态源地;2)遴选出19条重要生态廊道长为297.05 km,主要分布于中部地区;3)构成生态廊道的景观三要素分别为林地、水系和耕地,廊道宽度设置为300 m;4)构建形成“两区两带三轴”的生态安全格局。【结论】研究区内中心城区及中南部地区斑块分布零碎,景观连通性差,缺少生物栖息活动的绿色空间,应大力改善两地的生态环境,生态绿廊由两地内部向外部空间延伸构建,最终绿廊绿道交织成网覆盖全域,新增3个生态核心节点和9条重要生态廊道后的网络连接指数明显提高,表明构建的庐山市生态网络可行性较强。研究结果对于庐山市的城市绿地系统规划、生态园林城市的建设和生物多样性保护具有一定的指导意义。

网络空间国际治理中国方案的形成、遵循与路径

网络空间国际治理是一个全球性议题。当前的网络空间国际治理充斥着美国霸权主义,国际社会对网络空间国际治理亦未形成共识。为此,中国创造性地举办世界互联网大会,并在此基础上成立世界互联网大会国际组织。世界互联网大会向世界贡献了网络空间国际治理的中国方案:坚持尊重网络主权、维护和平安全、促进开放合作、构建良好秩序四项原则,把握科学方法,采取打造网上文化交流平台、推动制定各方普遍接受的网络空间规则、加强全球信息基础设施建设和保护、培养网络空间国际治理领域的复合型专业人才等措施,保证网络空间国际治理的中国方案发挥实际效益。

无线传感网络拥塞控制中节点选择强制博弈方法

无线传感网络中节点数据流量较大,分布范围较广,节点选择寻优计算复杂,导致浪费大量算力在节点选择上,拥塞控制效果不佳。提出一种无线传感网络拥塞控制中节点选择强制博弈方法,计算单条网络链路传输成本,依据传输数据耗费能量,计算传输节点可用能量比值,在传输变量权重值基础上,求得传输节点实际拥堵指数,完成节点选择。计算网络连接层的数据包丢弃概率,确定网络拥塞程度,汇聚节点数据流建立节点选择强制博弈模型,明确传感网络稳态传输条件,利用流量正态分布算法,在节点选择博弈中做出强制选择。经仿真分析证明:所提方法分组递交率保持在83%以上,丢包数量保持在100 pkt/s之内,网络传输节点端到端的延迟在0.3 s以内。

一种麒麟系统下基于Django的网络性能管理系统设计与实现

通过对网络性能管理系统在网络运维中的重要作用和国产麒麟操作系统在各关键领域得到广泛应用的事实进行分析阐述的基础上,该文基于Django框架设计集数据采集、存储、分析、显示及管理于一体的综合网络性能管理系统。结合Pysnmp、Django、Highcharts等开源工具包,重点阐述设计中所包含的各关键模块的具体实现技术细节,并给出相应的应用实例效果图。实践表明,该设计实现方法稳妥可靠,具有进一步推广应用的价值。

网络刑法的发展回溯与理论供源

传统刑法体系遭遇网络犯罪形态后频现应答疲态,预防性立法由此显身,开启由网络犯罪策动刑法转型的号角,但网络刑法的理论根基尚不稳。网络刑法的演进是网络社会发展与网络犯罪迸发共同作用下真实的渐显;网络空间社会思维是网络刑法的建构基石,衍生丰富的刑法学意义。网络安全秩序价值的相对优位与网络自由的并重、网络安全法益的统领地位与刑法任务变更、预防性理念的内在觉醒与审慎运行,是网络刑法的根基之本,框定网络刑法的发展脉络。刑法知识迁移是渐进的,网络犯罪、网络归责、网络制裁堪当生成网络刑法知识范畴的参照性“母版”,未来可创设网络刑法典以实现知识结构的创造性立法固化。

负性生活事件与青少年网络欺凌行为的关系——愤怒反刍的中介作用和网络去抑制的调节作用

为探讨负性生活事件对青少年网络欺凌行为的影响,以及愤怒反刍和网络去抑制在这一影响中的作用,采用青少年生活事件量表、愤怒反刍量表、网络欺凌行为问卷和网络去抑制量表对610名青少年进行问卷调查。结果表明:其一,在控制性别和年龄后,负性生活事件显著地正向预测青少年的网络欺凌行为。其二,愤怒反刍在负性生活事件与网络欺凌行为之间存在显著的中介作用。其三,网络去抑制在愤怒反刍与网络欺凌行为之间起到显著的调节作用;青少年的网络去抑制水平越高,愤怒反刍对网络欺凌行为的正向预测作用越强。这一研究结果对减少网络欺凌行为的干预措施提供了新的视角。

面向全息通信的6G智简网络架构

全息通信作为一种全新的未来通信范式,通过再现真实物体细粒度画面,向用户提供三维沉浸式的交互体验,克服了传统媒体交互方式单一和场景临场感不足的问题。然而,相对于传统实时通信业务,全方位沉浸的真实全息通信对网络,特别在带宽、时延、安全性等多方面都提出了更为苛刻的要求。如何更好地扩展6G概念与特征,实现高质量、高沉浸的全息新通信成为当前学术界面临的一大挑战。为解决上述问题,率先提出面向全息通信的6G智简网络架构,旨在通过两层网络架构和三维动作模型合理调配6G泛网资源,解决全息通信所面对的超高带宽、超低时延、超大计算等挑战,推动经济社会高质量发展。

基于改进CRNN网络的卷烟件烟上行码识别方法研究

在卷烟物流系统中,卷烟追溯标签包含了一维条码未包含的部分分拣关键信息,可极大提升分拣效率,其关键在于高精度标签识别。为实现卷烟追溯标签的精准识别,提出一种基于改进于卷积循环神经网络(Convolutional Recurrent Neural Network,CRNN)的卷烟追溯标签识别网络,称为RA-CRNN。该方法的特征提取受ResNet启发引入了残差结构,并通过注意力和门控机制提升识别精度。改进后算法的识别准确率较目其他先进的文本识别算法有所提升,对追溯标签识别准确率达到97.87%,可满足工业自动化卷烟追溯标签识别的要求。