基于节点动态评分机制的分组共识算法

针对实用拜占庭容错(practical Byzantine fault tolerance,PBFT)共识算法三阶段流程通信开销大,主节点随机选取且缺乏奖惩机制等问题,提出基于节点动态评分机制的分组共识算法(dynamic scoring practical Byzantine fault tolerance,DS-PBFT)。首先,优化一致性协议,简化三阶段通信流程从而提高共识效率;其次,提出节点评分分组机制,通过节点在共识过程中的历史行为进行评分,并分为共识组和候选组,降低恶意节点参与共识过程的可能性;最后,提出动态过程选择参与共识的节点,优化视图切换协议和垃圾回收机制,减少参与共识的节点数量,从根本上提高共识效率。用Docker容器模拟多个节点的仿真实验表明,在网络稳定、可信节点较多的联盟链中,提出的DS-PBFT共识算法在共识时延、吞吐量、容错性和通信复杂度等方面比PBFT共识算法及其他改进算法相比具有更好的性能,能够快速达成共识,提高共识效率。

多尺度注意力特征融合的单图像超分辨率研究

高分辨率意味着图像具有高像素密度,可以提供更多的细节,这些细节往往在应用中起到关键作用。基于生成对抗网络的图像超分辨率由于具有生成丰富细节的潜力,近年来受到越来越多的关注。针对现有的网络模型忽略从特征中学习本质纹理特征和感受野有限的问题,基于Real-ESRGAN和多尺度注意力特征融合,对网络进行优化,将残差稠密块替换成大核分解和多尺度学习相结合模块与全局学习与下采样模块的双分支结构方法,提出一种多尺度注意力融合的单图像超分辨率重建算法,增强每个局部与全局令牌对之间的交互,从而形成更丰富和信息量更大的表示。对数据集进行2,3,4倍超分辨率重建实验,通过峰值信噪比(PSNR)、结构相似性(SSIM)对重建结果进行评价,与SRCNN、SRGAN、ACMF、MSRDN、WYD、LBW、YJX、Real-ESRGAN等方法进行对比。结果表明,该算法优于其他模型,且具有更好的直观视觉效果。

基于YOLOv8n的无人机航拍目标检测

针对无人机航拍检测任务中小目标检测精度低的问题,提出一种基于YOLOv8n的目标检测算法(SFEYOLO).首先,嵌入浅层特征增强模块,将输入特征的浅层空间信息与颈部获取的深层语义信息融合,以增强小目标特征表示能力,并使用全局上下文块(GC-Block)对融合信息进行重校准,抑制背景噪声.其次,引入可变形卷积来代替C2F中的部分标准卷积,提高网络对几何变化的适应性.再次,引入ASPPF模块,融合平均池化技术,增强模型对多尺度特征的表达并降低漏检率.最后,在颈部网络的基础上嵌入中尺度特征合成层,融合主干网络中更多的中间特征,使不同尺度的特征过渡更平滑,并通过跳跃连接增强特征重用性.该模型在数据集VisDrone2019和VOC2012上进行验证,mAP@0.5值达到30.5%和67.3%,相较于基线算法YOLOv8n提升了3.6%和0.8%,能够提升无人机图像目标检测性能,同时具有较好的泛化性.

融合双分支动态偏好的会话推荐

针对基于会话的推荐算法仅对用户单一偏好进行静态建模而无法捕捉用户受环境影响偏好产生的波动,从而降低推荐准确性的问题.提出融合双分支动态偏好的会话推荐方法:首先,通过异构超图来建模不同类型信息,设计双分支聚合机制获取以及整合异构超图中信息并且学习多类型节点之间的关系,再用价格嵌入增强器来加强类别和价格之间关系;其次,设计双层偏好编码器,其中采用多尺度时序Transformer提取用户动态价格偏好,利用软注意机制和反向位置编码学习用户动态兴趣偏好;最后,用门控机制融合用户多类型动态偏好,向用户进行推荐.通过在Cosmetics和Diginetica-buy两个数据集上进行实验,结果证明与其他对比算法相比在Precision和MRR评价指标中有显著的提升.

融合双注意力机制与U-net模型的视网膜血管图像分割方法

视网膜血管分割对于视网膜相关疾病的诊断与治疗有重要临床价值,然而视网膜图像具有复杂性与多样性,处理具有一定难度。为此,针对视网膜血管分割精度不足等问题提出一种融合坐标注意力机制CA、新型无参注意力机制SimAM与基于编码—解码结构的U-net模型的视网膜血管分割方法。该方法通过图片灰度化、限制对比度、直方图均衡化、标准化与gamma校正的预处理操作提高血管与周围组织的对比度;采用重叠平铺Overlap-tile策略将图像分割成子块以增加数据量;在U-net模型的下采样过程中引进坐标注意力机制CA,在上采样过程中引进新型无参注意力机制SimAM,通过训练构建网络模型对测试样本进行分割,得到视网膜血管图像分割结果。该模型在DRIVE数据集上的平均准确率为97.68%,平均灵敏度为80.62%,平均特异性为98.17%,AUC系数为0.9824;同时,与视网膜血管图像分割对照方法相比表现出更佳的分割效果。融合双注意力机制与U-net模型的分割方法可有效提高视网膜血管分割性能。

波动需求库存路径问题的持续自学习求解算法

共享单车库存路径问题是一种受商品总量约束且需求周期性波动的库存路径问题,其优化过程需综合考虑资源利用率和调度成本,在求解大规模算例时难以同时保证求解效率和质量。针对上述挑战,将问题形式化为多目标序列化决策的马尔可夫过程,建立了时间序列混合整数规划模型并提出了一种全局持续自学习算法。算法由离线学习、在线规划和持续学习三阶段构成。离线学习阶段设计了基于随机策略的多智能体协同算法以获取配送载具时空分布和需求点需求模式的定量化描述;在线规划阶段根据历史订单数据,对各时间步中的需求模式进行预测以确定最优的库存分配数量,并利用离线学习阶段的定量信息对供应商配送载具进行调度;持续学习阶段于每个处理周期结束后使用记录的订单数据对周期内调度结果进行持续评估和改进。基于企业真实数据的实验表明,在需求预测模型复杂程度、求解质量、调度载具总数量、总调度距离和站点改善程度等的综合评价指标上,所提算法优于对比方法。此外,通过对多种策略进行对比分析,总结出了库存问题的成本变化规律,并验证了算法在大规模算例下的有效性。

一种新的改进粒子群优化算法

研究神经网络优化问题,为了进一步解决粒子群优化算法本身存在的早熟和局部收敛的问题,提高神经网络训练精度,提出了一种区域选择粒子群算法(Regional Selection Particle Swarm Optimization,RSPSO)。算法根据每个粒子所在区域不同,在每个粒子所在区域内,当适应值小于最佳适应值时,依据所在区域,重新进行初始化,从而使算法具有更强的全局收敛性和动态的自适应性。通过对几种典型的测试函数进行仿真结果表明改进算法具有更好的收敛精度,改善了优化性能,并且能够更有效避免早熟收敛问题,寻找到全局最优解。

改进粒子群算法对BP神经网络的优化

介绍一种基于改进粒子群算法优化BP网络的权值调整综合方法。该算法在传统BP算法的误差反传调整权值的基础上,引入粒子群算法的权值修正,并且在训练神经网络权值的同时优化其连接结构,删除冗余连接,从而建立了基于粒子群算法优化的BP网络新模型。结果表明,改进算法不仅可以克服传统BP算法收敛速度慢和易陷入局部权值的局限,而且很大程度地提高了结果精度和BP网络学习能力。

基于包围盒和空间分割的混合碰撞检测算法

针对碰撞检测算法实时性较差的缺陷,提出基于层次包围盒和空间分割的混合碰撞检测算法。该算法采用构造对象的AABB包围盒,快速排除不可能相交的对象进行空间分割,实现虚拟环境对象的碰撞检测。实验结果表明,与经典的Rapid算法对比,该算法能够节省检测时间,提高碰撞检测的效率。

基于自治系统与动态概率包标记的DDoS攻击溯源优化方法

针对分布式拒绝服务(DDo S)攻击对于网络的严重威胁问题,提出基于自治系统(AS)与动态概率包标记(DPPM)的DDo S攻击溯源优化方法。在该方法中,设计了一种新的包标记方案,该方案设置两套标记,分别作为域标记和路由标记,用作域间溯源和域内溯源。域标记和路由标记过程同时进行,标记过程采用动态包标记的方法。最后,通过域间和域内的路径重构实现对攻击节点的快速溯源。实验结果表明该算法是高效、可行的,能为DDo S攻击的防范提供重要依据。

基于虚拟现实大型矿山机械建模研究

在煤矿安全虚拟现实仿真系统中,需要仿真大型矿山机械开采过程。因此,对大型矿山机械的建模尤为重要。由于矿山机械组件的复杂性,对矿山机械建模的要求更高。对矿山机械建模的方法、算法、流程以及对连采机、采煤机的结合部的复杂建模进行详述。建模方法主要采用无约束自由建模法和曲面建模(NURBS)法。

受限玻尔兹曼机与加权Slope One的混合推荐算法研究

针对传统协同过滤算法所面临的稀疏性及预测准确度不高的问题,提出一种基于受限玻尔兹曼机与加权Slope One的混合推荐算法。首先通过受限玻尔兹曼机对评分矩阵的初步填充,缓解数据的稀疏性问题;然后通过一种混合项目相似度计算方法,引入项目属性信息;最后通过加权Slope One算法的二次预测,提升推荐效果。在MovieLens100K数据集上的实验表明,两种算法的结合提高了推荐的准确度。

虚拟仿真在煤矿安全培训教育中的应用

以矿工安全生产、安全技能培训和提高矿井效益为主要目的,论述使用计算机虚拟现实技术构建煤矿安全培训教育系统的重要性,并简述了虚拟现实的关键技术。用3D MAX进行建模、贴图和渲染,Virtools DEV工具开发交互式煤矿安全培训教育系统。通过声音、文字说明、图像、三维漫游等形式,展现煤矿生产过程中的不安全行为造成的后果。该系统已投入使用,极大提高煤矿安全培训的质量,取得良好的培训效果。

NAF标量乘算法的改进

影响椭圆曲线加密效率的主要因素是椭圆曲线上的动点标量乘法和定点标量乘法,针对定点的标量乘法已经有了很好的算法,然而,动点的标量乘法还有待提高,NAF算法是目前存在的最优的动点标量乘算法。首先对NAF算法进行分析,指出传统NAF算法的不足,再利用m-ary算法和滑动窗口算法的思想,将K的NAF二进制表示变成NAF的2^r进制表示,计算时滑过值为0的位,并将要处理的数划为(2^r)*h(h为奇数)。理论和实践证明,已做到能进一步减少椭圆曲线上点加的次数,大大提高椭圆曲线加密的效率。

基于BP网络与改进的PSO算法的入侵检测研究

本文针对入侵检测系统中的误检率,提出了一种将BP网络和改进的PSO算法相结合的方法。该方法基于BP网络算法的局部精确搜索和改进的PSO算法的全局搜索的特性,并且用改进的PSO算法优化BP网络的权值、阈值,克服BP网络算法易陷入局部极值的弊端。在入侵检测系统中应用该网络结构,能准确地发现已知的攻击行为,并能进一步预测新的攻击行为,减少了入侵事件的漏报和误报。通过KDD99 CUP数据集进行仿真实验,与基于PSO-BP算法、传统的BP算法的入侵检测系统相比较,表明改进的PSO-BP算法的迭代次数较少、收敛速度快、检测率高,有一定的有效性。

一种改进的无线传感器网络DV-Hop定位算法

针对现有无线传感器网络DV-Hop算法定位精度低、锚节点成本高的问题,给出最小偏离度的概念,并在此基础上提出一种改进算法AADV-Hop。通过寻找最小偏离度降低定位算法整体的平均定位误差,采用锚节点间的真实距离修正未知节点到锚节点距离的计算方法,以替代传统DV-Hop算法通过跳数与平均跳距的乘积得到的距离。仿真结果表明,当网络中锚节点数量较少时,AADV-Hop算法可有效提高定位精度,当最小偏离度为0.03时定位精度最高。

决策树与数据仓库结合的研究与应用

针对决策树因生长而导致的占用存储空间大、查询速度慢、提供分类决策信息失误率高等弊端,研究数据挖掘中决策树与数据仓库的理论共性,提出将决策树与数据仓库相结合,包括表示方法的结合和基于OLAP操作的结合,以达到提供全新决策支持的目的。应用结果证明了该结合的可行性与优越性。

基于改进粒子群的快速碰撞检测算法研究

针对碰撞检测算法精度低、实时性差等问题,提出了一种基于改进粒子群的快速碰撞检测算法。将粒子群优化算法引入到随机碰撞检测问题中,通过混合层次包围盒缩小粒子搜索空间。利用特征采样将虚拟空间内复杂的碰撞检测转换为二维离散空间中的搜索问题。算法对标准粒子群方程进行了优化处理,通过去除速度项来加快算法后期的收敛速度,在算法中引入高斯扰动缩短粒子跳出局部最优的时间,有效提高了算法的精度。通过实验验证,该算法具有较高的精度、实时性好,能够满足碰撞检测的应用要求。

基于SMOTE和深度信念网络的异常检测

针对现有海量非平衡数据集中少数类别样本入侵检测率低的问题,提出了一种基于合成少数类过采样技术(SMOTE)和深度信念网络(DBN)的异常检测(SMOTE-DBN)方法。首先,用SMOTE技术增加了少数类别样本的样本数;然后在预处理后的较平衡数据集上,用非监督的受限玻尔兹曼机(RBM)对预处理后的高维数据进行特征降维;其次,用反向传播(BP)算法微调模型参数,获得预处理后数据的较优低维表示;最后通过softmax分类器对较优低维数据进行分类。KDD1999数据集仿真实验表明,SMOTE优化处理能够提高模型对少数类别样本的检测率,在相同数据集上,SMOTE-DBN方法与DBN方法、支持向量机(SVM)方法相比,检测率分别提高了3.31个百分点和7.34个百分点,误报率分别降低了1.11个百分点和2.67个百分点。

企业管理信息系统建设探析

信息社会时代,信息处理学科越来越重要,其中管理信息系统(Management Information System以下简称MIS)已广泛为 人们所认识、所接受,但由于人们对MIS认识的程度并非向我们想像那样成熟,在MIS建设中一旦涉及具体实施过程,往往受到各 种因素的限制和影响,致使MIS不能充分发挥其效能。作者通过基础理论研究并结合神东公司、元宝山露天矿等多家MIS开发的成 功经验,分析了限制和影响MIS建设过程中重点存在的一些问题,给出了解决这些问题的具体方法,希望有助于企业MIS建设。