基于高校工程研究中心的产学研合作及教育改革创新模式探析

本文通过对"宽带无线通信技术教育部工程研究中心"建设情况总结,提出了具有地方院校特色的产学研合作及教育改革创新模式,进一步分析了高校工程研究中心开展产学研合作及教育改革的经验和存在的问题并提出了相应的应对策略,使工程研究中心在高校产学研合作和教育创新改革的实践中发挥积极作用。

基于属性密码体制的区块链安全技术研究进展

区块链是一种集合了分布式存储、点对点传输、共识机制、密码学算法和智能合约等关键技术的分布式账本,具有去中心化、不可篡改、透明化等特性.近年来区块链技术的安全性问题逐渐显露,阻碍了区块链应用的发展.本文介绍了区块链的基本概念与安全模型,分析了区块链的安全性问题;然后,基于属性密码体制,从访问控制、密钥管理、数据隐私保护这三个方面分析了区块链安全技术的各类研究,论述了主要的解决方案的特点;最后,总结了基于属性密码体制的区块链安全技术研究进展,并对未来的研究工作进行了讨论.

基于多尺度时空信息的空中交通流智能预测技术

为解决空中交通流预测中的时空复杂性问题,提出了一种基于多尺度时空视角的空中交通流智能预测方法。针对空中交通网络中的非规则空间关系和超长时间序列中的周期性和趋势性特征进行了建模,通过构建图卷积层和堆叠的扩张因果卷积层,捕捉空中交通流的多维关联性,并提供对未来时刻交通流的精准预测。试验结果表明,该方法在多个航空网络数据集上的预测精度高于传统方法,具有实际应用价值,可为空中交通管理管系统智能决策提供参考。

深度分类网络研究及其在智能视频监控系统中的应用

研究了深度分类网络在道路交通典型目标分类中的应用,使用原始灰度图、HOG特征直方图、Canny边缘图与本征特征等多种目标表征方法与深度置信网络(Deep Belief Networks,DBN)相结合构建深度分类网络实现对行人、骑车人、车辆和其他4种典型道路交通目标的分类功能。为了配合基于DBN的深度人车分类网络的训练,建立了称为NUPTERC的典型道路目标图像库,给出了建库的规则和方法,利用NUPTERC图像库构建实验对深度分类网络进行测试,并与其他典型人车分类方法进行了比较。证明深度分类网络在满足实时性的条件下,可以获得令人满意的分类正确率。最后,将基于DBN5Canny的人车分类算法应用于智能视频分析云平台,实现了对道路上的典型目标实时、精确的统计和分类功能。

基于相关性传输模型的无线链路质量估计方法及路由优化算法

在无线传感网中,无线链路数据传输不是独立的,而是存在较强的相关性.在链路相关性条件下,无线链路传输质量往往依靠直接测量法获取结果,但是直接测量的结果不够精确,存在较大误差,而路由算法总是依据链路传输质量选择最优的传输路径,因此直接导致路由选择算法的结果错误.本文基于无线链路数据相关性传输提出改进架构,该架构利用贝努利采样理论,确保对无线链路传输质量的精确估计,使得链路质量估计能够达到高精度的要求.在此基础上,本文提出了路由选择优化算法,该算法依据无线链路的传输质量,找出从所有的感知节点到sink的最优数据传输路径,确保无线链路的数据传输所消耗的能量达到最小值.实验结果表明,本文提出的架构在精确度和能量消耗等方面,都要优于已有的优化算法.

非限制环境下的低秩协同人脸性别识别研究

人脸性别识别是计算机视觉和机器学习的热门研究课题,但目前大多数的人脸性别识别算法对自然环境下的图像进行识别的效果并不理想,识别正确率与实际应用差距较大。采用低秩分解和协同表示来提高人脸性别识别的正确率和鲁棒性。在提取特征前采用低秩分解配准未对齐的图像并降低污染和噪声的影响,使得提取的特征能够很好地反映图像原有的信息。识别环节采用稀疏表示的改进算法—协同表示,其使用l2范数替代l1范数优化问题易于求解。在实验中,选用AR,CAS-PEAL和You Tube三种数据库对算法进行测试,结果表明本算法性能与其他主流算法相比有明显优势。

基于区块链大数据的新发重大传染疾病防控研究综述

新发重大传染疾病严重威胁人民生命健康安全,阻碍社会经济发展,其防控已成为当前的研究热点。文中首先对我国现有的新发重大传染疾病防控技术与策略进行了研究。其次,结合目前新发重大传染疾病防控技术与策略面临的问题,综述了大数据与区块链技术在新发重大传染疾病防控过程中的应用研究进展。最后,从监测、预警和应对3个方面,总结了新发重大传染疾病防控技术发展中面临的挑战,指明了未来的相关研究方向。

在线教学视觉隐私保护学生专注度监测研究

新冠疫情下,在线教学已成为学校教学的重要形式,这就引发了教学活动方式转变,特别是学生专注度监测等问题面临隐私保护和数据冗余等挑战。为此,文章引入视觉隐私保护机制,提出面向在线教学过程的新型智能化学生专注度监测方案,其系统源于多层压缩感知、Cascade RCNN、改进LBP以及类字典学习等技术创新融合。对各环节,文章分别选择配套数据集进行实验并分析论证。结果表明:相较于传统思路,所提方案在视觉隐私保护、人脸提取和专注度监测等方面具有明显优势。本研究有利于改善在线教学过程的学习质量监管,同时也为疫情下教学技术发展提供了探索和积累。

基于OSG仿真平台的《数字媒体技术应用》课程教学方法探索

《数字媒体技术应用》作为信息与信号处理学科的本科专业课程之一,由于涉及到音频、图像、图形等诸多不同领域的复杂专业背景知识,因此其讲授难点较大。特别是视觉信息处理和虚拟现实技术教学环节的核心技术计算机视觉双目测程方法,通过传统的课堂讲授难以使学生理解和掌握。为此,本文引入OSG仿真平台提出针对上述难点的教学研究思路,以仿真实验作为理论联系实际的桥梁,起到改善教学效果和提高学生能力的作用。

动力学参数化可视化仿真软件研究与设计

为解决诸如导弹、多管火箭、火炮等武器系统在方案设计、优化迭代过程中缺少专用的针对动力学参数化仿真软件的问题,研究了多体系统动力学参数化软件理论与技术,开发了多体系统动力学参数化仿真与分析软件。软件集参数化建模、求解、结果可视化功能于一体,通过融合CAD建模方法和多体系统动力学理论,解决了CAD和CAE双向参数驱动,实现了几何模型和动力学模型设计参数无缝传递,为机械系统设计过程中的方案论证、模型优化、方案调整、试验规划、故障诊断等各个阶段提供了一种高精度仿真和方案快速优化设计的手段和数字化工具。

当前我国高等教育管理体制存在的问题及对策

我国经济发展到今天,其所具有的科技含量愈来愈高,而高等院校作为科研人才的基地,其在管理上存在的任何问题,都将对经济的发展产生深远的影响。因此,对高等教育管理体制现状及问题的研究,具有极为重要的现实价值。深入了解高等教育中存在的形式主义、官僚习气、学术不端等弊病,有助于为相关的教育监管部门在制定具体的解决措施时,提供有价值的参考,从而改进高等教育在管理方面的不足,提升高等教育的教学效果,完善人才的培养机制。

基于改进YOLOv5的船舶多尺度SAR图像检测算法

针对复杂场景下合成孔径雷达(Synthetic aperture radar, SAR)图像船舶目标像素尺度差异大和船舶密集排列造成目标漏检的问题,提出一种基于改进YOLOv5的船舶多尺度SAR图像检测算法。对于YOLOv5的颈部网络,采用双向特征金字塔结构(Bi-directional feature pyramid network, BiFPN)提升网络多尺度特征融合能力,并在其自下而上的特征融合支路中,基于深度可分离卷积(Depthwise separable convolution, DSC)和通道MLP构建EC-MLP(Enhanced channel-MLP)模块,从而丰富语义信息,提供更充分的船舶目标上下文特征;引入全局注意力机制(Global attention mechanism, GAM),使网络对输入特征进行针对性提取并运算,减少网络的信息丢失;此外,使用SIoU损失函数进一步提高网络的训练收敛速度和检测精度。在SSDD和HRSID数据集上与其他8种方法(Faster R-CNN、Libra R-CNN、FCOS、YOLOv5s、PP-YOLOv2、YOLOX-s、PP-YOLOE-s和YOLOv7-tiny)进行对比实验。实验结果表明:改进后算法在SSDD数据集上的AP50达到了96.7%,在HRSID数据集上AP50达到了95.6%,优于对比方法。

基于融合帧间差的改进Vibe方法

Vibe(Visual background extractor,视觉背景提取)算法速度快,能有效抑制噪声,但是也有缺陷,比如无法有效去除运动目标阴影,且不能快速去除"鬼影"区域。针对上述问题,提出了一种基于融合帧差法的改进Vibe算法。利用新的帧差法,提出如下改进:在灰度空间进行前景检测并利用亮度信息去除运动目标的阴影;巧妙运用帧差法的特性,利用两种方法所得的背景进行"与"操作,快速去除Vibe产生的"鬼影"。最后用形态学方法对检测结果进行改善,给出实验验证结果。结果表明,文中提出的改进方法可以很好地去除阴影,并能快速去除"鬼影",从实际效果上提高了算法的可靠性和检测的准确性。

基于BERT的电机领域中文命名实体识别方法

针对电机领域实体识别精度较低的问题,提出一种融合BERT预训练语言模型的中文命名实体识别方法。利用BERT预训练语言模型增强字的语义表示并按照上下文特征动态生成字向量,将字向量序列输入双向长短期记忆神经网络进行双向编码,同时通过条件随机场算法标注出实体识别结果。根据电机文本特点对自建数据集进行标注,并将电机领域实体划分为实物、特性描述、问题/故障、方法/技术等4个类别。实验结果表明,与基于Bi LSTM-CRF、Bi LSTM-CNN和Bi GRU的实体识别方法相比,该方法具有更高的准确率、召回率和F1值,并且有效解决了电机领域命名实体识别任务中标注数据不足及实体边界模糊的问题。

非结构环境理解综述

主要从特征提取信息和所使用传感器的角度分析了非结构环境理解的研究现状,从地形分类和障碍物检测两个方面对目前的研究工作进行了分析和比较,指出了目前这些工作面临的难题和今后的研究方向。

多尺度分形压缩感知遥感成像方法

针对压缩感知(compressive sensing,CS)在遥感成像应用中存在的若干瓶颈,提出一种基于多尺度透镜组的分形压缩感知成像方法。一方面,通过多尺度透镜组避免了基于稀疏表示的CS成像方式在大视场角观测条件下出现海量运算开销的问题;另一方面,运用分形维度代替l1范数最小化作为求解CS成像问题中的目标函数,实现了中、高分辨率遥感成像在图像细节水平上的质量提升。试验表明,多尺度分形压缩感知成像方法与传统CS成像相比,不仅能达到遥感成像的时效性要求,而且其细节层次上的成像质量也大幅提高。

基于可信群划分及评估值波动性和一致性的可信评估模型

提出一种基于兴趣相似度的可信群划分策略。将全局评估转化为群内评估,既解决了评估消息集聚的问题,又区分了不同兴趣域内的评估结果,提高了系统的服务成功率。同时提出一种结合评估值波动性和一致性的权重计算方法。仿真结果表明,新模型能抵抗各类恶意节点,且比以往的模型服务成功率更高。

结合注意力机制与时空特征融合的长时程行为识别方法

为了建立基于视频行为识别的长时程图像序列的时空信息模型,文章提出了一种嵌入注意力的时空特征融合网络(attention-embedded spatial-temporal feature fusion network,ASTFFN)的深度神经网络模型。ASTFFN将一个包含动作的长时程图像序列分割成多个重叠的片段,并使用一个注意力嵌入特征提取网络(attention-embedded feature extraction network,AFEN)从每个片段中的RGB图像或光流图像中提取经过注意力加权的时空特征,进而融合每个片段的时空加权特征,生成行为识别的视频级预测。基于UCF101和HMDB51行为识别数据库进行了大量的实验,验证了方法的有效性。与目前主流的行为识别算法相比,该文方法在识别精度上取得了较好的效果。

基于并行空频注意力引导的任务感知目标跟踪算法

现有孪生网络目标跟踪器已表现出不错的性能,但对于复杂场景中存在的相似目标误检以及包围框偏移等问题,表现却仍不尽如人意。针对此问题,文中提出了一种新的两阶段孪生目标跟踪算法,该算法由目标提议阶段与任务感知验证阶段组成。第一阶段结合并行空频注意力模块,充分挖掘目标图像的表观特征,增强目标的抗相似物体干扰能力,提高鲁棒性。第二阶段针对检测任务中分类回归任务的差异,对目标分类和位置回归进行任务感知验证,分别获得适用于分类和回归的精准候选框,得到候选目标的识别得分及位置精调。此外,针对训练与测试任务中分类回归计算冲突问题,以及分类回归任务对于正负样本计算存在数量、对象偏差问题,采用GFocal Loss对损失函数进行优化以解决以上问题。实验证明,文中算法在有效性、可靠性以及预期平均重叠率上获得了较大的性能提升,并满足实时跟踪要求。

基于分类字典学习的遥感图像超分辨率方法

传统的超分辨率方法存在图像重构时间长,重构质量有待改进的问题。因此,文章针对遥感图像对传统的超分辨率方法进行了改进。主要利用原始图像的局部二值模式(LBP)纹理特征对图像进行分类识别,学习分类字典,并使用对应类别字典对低分辨率图像进行超分辨率重构。该方法的优势在于既加快了重构速度,又有效改善了重构图像的质量。试验结果证明了该方法相对于传统方法的优越性。