基于多尺度分段的长时间序列预测方法

针对目前长时间序列预测(long sequence time-series forecasting,LSTF)存在历史数据量大、计算复杂度高、预测精度要求高等问题,提出一种基于多尺度分段的Transformer模型.该模型基于Transformer架构进行改进和优化,使用多尺度分段将时间序列切片成多个时间段进行训练和预测,降低了长时间序列的复杂性,并实现了更高精度的预测.在电力变压器油温(electricity transformer temperature,ETT)数据集、用电负荷(electricity consumption load,ECL)数据集和天气(Weather)数据集中,分别采用传统Transfomer、Informer、门控循环单元(gated recurrent unit,GRU)、时序卷积网络(temporal convolutional network,TCN)和长短期记忆(long short-term memory,LSTM)5种基准模型与本研究提出的多尺度分段的Transformer模型,对长时间序列进行预测.结果表明,采用基于多尺度分段的Transformer模型在Weather数据集上对预测长度为192的时间序列预测的均方误差和平均绝对误差分别为0.367和0.407,均优于其他模型.基于多尺度分段的Transformer模型可以综合Transformer模型的优点,且计算速度更快,预测性能更高.

基于深度半监督学习的植物叶片自动识别

植物叶片自动识别算法在植物教学和生态保护等领域有着广泛应用,但由于植物种类繁多且类间差异小,传统深度学习方法需要大量的数据标注才能获得较好的训练效果.为此,提出一种基于深度半监督学习的植物叶片自动识别方法.首先,基于一致性正则化思想,为提升数据扰动质量设计了显性、隐性数据扰动流程;然后,运用深度特征提取网络DenseNet,有效地提升了植物叶片细粒度特征的辨别能力;最后,基于模拟退火训练策略过滤训练过程中的异常数据,从而缓解过拟合现象.在分别含有5284幅和18000幅植物叶片图像的公开数据集MalayaKew-D3和私有数据集LeafSZU-2021中获得的实验结果表明,与全量标注数据下监督学习模型相比,该方法在仅使用30%~50%标注数据量时,仍能达到92.36%~96.85%的植物叶片识别准确率;在相同数据标注量下,其平均识别准确率比当前最新的半监督球面均值聚类方法提高了2.95%,且模型参数量降低了38.12%,识别速度提高了61.51%.

融合时空域变化信息的视频感知哈希算法研究

感知哈希(Perceptual Hashing)是多媒体数据集到摘要集的单向映射,为多媒体数字内容的标识、检索、认证等应用提供了安全可靠的技术支撑.本文提出一种融合视觉感知及时空域特征的视频感知哈希算法.算法首先对视频序列每一帧进行随机可重叠分块,并计算每个分块以像素为单位的亮度均值,在某一步长下,以同一帧的分块亮度差作为视频帧空域特征,以不同视频帧相同位置的分块亮度差作为时域特征,通过哈希量化得到时空域感知哈希,通过时空域感知哈希融合,最后得到简洁的视频唯一标识——摘要哈希.实验结果表明,该算法表现出较好的鲁棒性与区分性,通过相似度拟合图算法分析,可以实现视频篡改的准确检测及定位.

鲁棒可区分的压缩视频感知哈希算法研究

运用比较宏块互异数方法得到视频关键帧,提出基于Gabor小波分解的视频感知特征快速提取算法,针对小波分解后得到的特征矩阵,给出基于负熵目标函数的FastICA优化降维量化策略,并运用中位值量化方法得到哈希位串.采用标准格式视频验证的结果显示,该算法对亮度变化、噪音污染等常规内容操作具有良好的鲁棒性能,对感知内容不同的视频序列也有较好的区分性能.研究成果可为视频版权、视频安全和视频篡改检测提供理论支撑和技术支持.

基于自适应哈希算法的直播视频篡改检测

提出基于视频压缩帧的自适应哈希算法,并将该算法用于实时视频篡改检测.根据帧内数据长度划分非固定步长区间,提取帧的空间结构特征,使用哈希量化形成固定长度的密钥.实验结果表明,该算法能达到实时性要求,表现出较好的鲁棒性和区分性,通过统计视频画面组的密钥相似度,能有效检测视频篡改.

主动攻击安全的可扩展FGS加密算法

通过对基本层选择性加密算法进行时域、空域相关性主动攻击,发现加密视频的前后帧存在严重的视频相关性,没有获得较好的加密效果.提出基于主动攻击安全的可扩展FGS加密算法,制定并实现了基本层和增强层同时加密的安全策略.在基本层和增强层同时加密时,通过对大量QCIF视频序列的测试,本文提出的基本层和增强层同时加密算法,无论在加密速度、加密效果以及回放质量上,都获得了较佳的实验效果.

精细粒度可扩展编码中基于VOP的基本层加密算法

本文提出的细粒度可扩展编码中基于VOP(video object plane)的基本层加密算法,是利用FGS(fine granu-larity scalable)压缩视频流的分层特点和MPEG4视频对象VO(video object)编码原则,结合改进的C&S(chain and sum)加密算法,通过提取并加密基本层VOP的关键数据,包括形状、纹理、运动和全局背景等,实现FGS整体流的加密.本加密算法使加密数据流无需解密和加密操作就可支持网络节点的变换编码以适应带宽变化.以VOP为单位的加密策略和改进的C&S加密算法的采用,使媒体流丢包、位错等传输错误受到限制,加密后的媒体流没有任何比特增加,加密密钥的相应变化,抵御了已知明文攻击.通过对MPEG提供的三个序列forman、akyio和carphone以采样率为3、处理帧数为300帧的测试,测得C&S,RC4和RC5的处理速度分别约为23.5,64.5和42.7M字节/每秒,加密安全特性和混乱视觉效果十分理想.

多媒体出版物与多媒体著作工具

多媒体出版物与多媒体著作工具深圳大学计算机中心文振焜华夏子孙引以为自豪的四大发明之一——印刷术，为后人留下了光辉灿烂的篇章，亩此，我国的印刷业勃蓬发展，并得以延续光大。但在本世纪４０年代起，西方许多国家逐步采用了现代科学的激光照排印刷技术。而我国在１...

基于密码学的访问控制和加密安全数据库

在数据库安全领域的研究中,“数据库管理者”对数据库安全带来的安全隐患越来越受到研究者的关注,尤其是在基于互联网的网络应用提供商(Internet service provider)模式的数据库系统中,这种安全威胁更为严重.传统的数据库访问控制(存取控制)方法,对此安全隐患不能提供有效的安全防范.密码学的安全数据库技术,因为其基于数学难解问题的计算复杂性,成为解决数据库安全问题的日渐重要的方法.本文分析了迄今为止各种不同的,针对分布式数据库应用的安全威胁,并对密码学安全数据库中的基于密码学的访问控制算法和加密数据库技术进行了综述,并对各类方法的密码学原理,算法特性以及其优缺点进行了分析和描述.

网络入侵检测中的深度协议分析方法

为了探索一种能体现基于网络的入侵检测系统规则的复杂性和联系性,并具备降低规则冗余的入侵检测方法,提出一种基于深度协议分析对网络事件进行重新解构的方法。该方法不仅将协议分析抽象到基于事件的整体上对网络事件进行层次分析,同时还将协议分析深入到具体的应用层数据里。实验表明,该方法具有更高的检测准确率和检测速率,大幅度地减少了规则库冗余,更适用于高速网络环境,同时还具备一定的检测未知入侵的能力。

基于类型标志镜头与词袋模型的体育视频分类

基于内容的体育视频分类是高效管理大量体育视频数据的关键步骤之一,为提高体育视频分类方法的正确率及泛化能力,提出一种基于类型标志镜头与视觉词袋模型相结合的体育视频分类方法.首先给出类型标志镜头的定义,并通过类型标志镜头构建该镜头视频帧训练库;然后构建基于视频帧训练库的金字塔视觉词袋模型,将视频帧标志为归一化的词频向量,使用SVM对视频帧进行分类;再通过分析视频帧分类错误的原因及表现形式提出基于时序连续性孤立帧去除算法,以消除视频帧的错误归类.由于体育视频按组合类型可分为单一体育视频与混合体育视频,因此分别提出了单一体育视频及混合体育视频2种分类算法.实验结果表明,文中算法具有实现简单、处理速度快和准确度高的优点.

针对高速交换结构的广义极大匹配调度算法

调度算法是决定交换结构性能和实现复杂度的重要因素,极大匹配算法在这两方面存在不足.本文提出一类广义极大匹配(EMM)算法,使用不同权值参数能够派生出不同子类的算法.对广义极大匹配算法的研究从两方面展开,首先在2倍数据加速比下证明任何EMM(2)算法都能取得100%的吞吐量,并通过仿真表明能够取得与理想输出排队相近的延时性能;其次在没有加速比的条件下通过仿真表明具有2个以上权值参数的广义极大匹配算法能够大大提高极大匹配算法的吞吐量性能.

联合深度学习和宽度学习的纹理样图自动提取

目的 纹理样图是指一幅用于描述纹理特征的图像,纹理样图多样性在纹理合成任务中是至关重要的,它可以为合成的纹理带来更丰富、多样和逼真的外观,同时为艺术家和设计师提供了更多的创作灵感和自由度。当前,纹理样图的提取主要通过手工剪裁和算法自动提取,从大量的图像中手工剪裁提取出高质量的纹理样图十分耗费精力和时间,并且该方式易受主观驱动且多样性受限。目前先进的纹理样图自动提取算法基于卷积神经网络的Trimmed T-CNN(texture convolutional neural network)模型存在推理速度慢的问题。基于此,本文致力于利用互联网上丰富的图像资源,自动快速地从各种图像中裁剪出理想且多样的纹理样图,让用户有更多的选择。方法 本文提出一个结合深度学习和宽度学习的从原始图像中自动提取纹理样图的方法。为了获取理想的纹理样图,首先通过残差特征金字塔网络提取特征图,有效地从输入图像中识别样图候选者,然后采用区域候选网络快速自动地获取大量的纹理样图候选区域。接下来,利用宽度学习系统对纹理样图的候选区域进行分类。最后,使用评分准则对宽度学习系统的分类结果进行评分,从而筛选出理想的纹理样图。结果 为了验证本文方法的有效性,收集大量理想纹理样图并将它们分成6个类进行实验验证,本文模型的准确度达到了94.66%。与当前先进的方法 Trimmed T-CNN相比,本文模型准确度提高了0.22%且速度得到了提升。对于分辨率为512×512像素、1 024×1 024像素和2 048×2 048像素的图像,算法速度分别提快了1.393 8 s、1.864 3 s和2.368 7 s。结论 本文提出的纹理样图自动提取算法,综合了深度学习和宽度学习的优点,使纹理样图的提取结果更加准确且高效。

基于视频感知哈希的视频篡改检测与多粒度定位

为了对被篡改过的视频进行准确快速的篡改检测与定位,引入人类视觉可计算模型,提出一种多层次、多粒度的视频篡改快速检测与定位算法。采用随机分块采样技术,提取视频结构感知特征及视频图像时域感知特征,利用哈希理论的单向摘要特性量化感知特征,获取视频摘要哈希。通过应用相似度矩阵进行多粒度、多层次篡改部位检测与定位。实验结果表明,相似度拟合图能够体现视频篡改攻击强度和攻击部位,算法表现出更好的篡改检测准确率与定位精确度。

基于特征识别的3维人脸动画模型自动构造

针对3维人脸动画应用中,需要手工事先标定肌肉模型的控制点、工作区域和设置各种计算参数,造成工作量大、修改困难、移植性差等弊端,提出自动构造各种肌肉模型及确定它们计算参数的方法。研究工作包括:综合运用法向量变化率、高斯曲率、高斯纹理模型等参数研究3维人脸几何及纹理特征的快速检测方法;设计基于邻域生长和候选点聚类分析的识别算法来识别人脸五官部位的特征点;在此基础上,自动确定各种肌肉模型的位置结构、工作区域和计算参数,实现人脸动画所需的肌肉模型构造和装配的自动化。应用工作结果表明,基于特征识别的3维人脸动画肌肉模型自动构造方法移植性好、精度较高,提高了动画建模工作的效率。

教学实验室多课程考勤系统的研究与实现

高校教学实验室课程安排紧密,手工签到式的考勤工作量大而且不准确,同时教师、实验室、实验中心等均难以展开针对考勤信息的查询和信息统计工作。本系统在校园网的基础上,利用学生校园卡作为身份识别,通过共享已有的教务管理系统中的课程信息,构建自动化考勤系统,能有效提高实验室的管理效率,方便教师和实验室查询和统计考勤信息,同时便于实验室管理部门对实验室的使用情况进行查询和监督。

基于迭代共享的SMS交换结构调度算法

以往SMS(Switch-Memory-Switch)交换结构调度算法因实现复杂度过高而难以应用在高速环境中。该文提出了一种基于迭代共享的并行迭代调度算法(IS-RRM)。通过在迭代过程中同时解决信元的到达和离开冲突,避免了传统算法构造DTC(Departure-Time-Compatible)二分图所需的复杂开销;利用迭代共享技术,使不同时刻到达的信元共享相对较长一段时间的迭代资源,大大减少了单位时隙所需要的迭代次数,降低了调度器的实现复杂度。仿真表明:在端口数为32时,在每个时隙中仅需采用10次迭代,IS-RRM算法便能够取得小于10-8的信元丢失率。IS-RRM算法具有良好的鲁棒性,在突发到达和非均匀到达模型下均能取得良好的性能。

融合HVS计算模型的视频感知哈希算法研究

感知哈希(perceptual hashing)是多媒体数据集到摘要集的单向映射,为多媒体数字内容的标识、检索、认证等应用提供了安全可靠的技术支撑。目前关于感知哈希算法的研究主要集中在不断提高其鲁棒性和安全性上,忽略了人的主要视觉感知特性,导致了算法的过鲁棒性问题。将人类视觉系统可计算模型融入视频感知哈希算法框架中,用模拟人眼感受野特征提取特性的Cortex变换进行通道分解,并使用时-空域对比度敏感函数、眼球移动函数、亮度适应性调整函数、子带内和子带间对比度掩蔽函数综合计算最小视觉差提取感知特征。在保证较好鲁棒性的前提下,算法中使用扩散分块的机制提高安全性,通过与已有算法之间的比较,结果表明,本文提出的算法在鲁棒性和安全性方面取得了有效折衷,同时也体现了主观感知与客观评测上的一致性。

近10年科学基金对深圳大学光学学科资助的统计分析

深圳大学光学学科在老一辈教授带领下，通过努力奋斗，逐步建立了光电、测控、超快光学等光学相关学科，聚集了中国工程院院士2名、国家杰出青年科学基金获得者3人、长江特聘教授1人、青年千人4人、国家优秀青年科学基金获得者1人等一大批优秀人才，建立了本科一硕士一博士一博士后完整的人才培养体系，