图像能见度检测方法研究综述

在各种交通事故中,由雾霾等恶劣天气导致能见度降低引发的交通事故占比逐年增多,因此恶劣天气下能见度的检测成为一个亟待解决的问题。本文根据提取特征方式的不同,不仅将能见度检测的方法分为视觉检测法、仪器设备检测法和图像算法检测法,还归纳出能见度检测方法的发展历程。在分析和对比基于深度学习的能见度检测方法基础上,提出将最新的深度学习算法引入能见度检测是后续研究的重点。最后,总结现有能见度检测方法的不足和局限性,指出未来进一步研究的方向。

基于GraphSage节点度重要性聚合的网络节点分类研究

传统的图嵌入算法及图神经网络模型在对网络节点分类时仅使用了节点本身的属性信息或者特征信息,很少使用节点在网络中的结构信息。如何在图神经网络聚合时引入节点网络结构信息来提升分类准确性也是一个值得深入研究的问题。因此,在GraphSage模型的基础上,根据网络中节点度及节点重要性设计了新的聚合函数并提出了GraphSage-Degree模型。首先,模型根据节点度获得节点在邻域中的重要性,然后再以重要性为依据来聚合节点的特征,使得网络中重要的节点能够尽可能的聚合更多的特征信息,并且在GraphSage-Degree中设置了一个与节点度有关的超参数D,能够通过调节该参数D使得在不同的数据集上达到最佳分类状态。在Cora、Citeseer和Pubmed 3个公开数据集上进行了测试,GraphSage-Degree与其他方法相比,macro-F1的平均提升值分别为8.72%、10.37%和8.29%,在Pubmed上有最大提升值38.84%;micro-F1的平均提升值分别为8.97%、11.16%和6.9%,在Pubmed上有最大提升值38.39%。

ADS-B安全问题研究综述

ADS-B作为下一代航空运输系统的核心正在成为雷达的替代品,它要求飞机定期广播其精确的地理位置,从而提高飞机的安全性。但ADS-B协议缺乏安全机制,使得ADS-B信号在传输过程中容易受到网络攻击,易造成信号干扰或缺失,严重威胁航空安全。综述了ADS-B国内外发展情况,在总结ADS-B存在的安全问题基础上分别分析了ADS-B传输过程、ADS-B硬件和软件、ADS-B数据3个维度,指出在人工智能技术领域,尤其是机器学习中的深度学习方法是该问题的解决途径之一。

探析后浇带施工技术在建筑工程中的应用

随着我国当前建筑工程施工水平的不断提高,后浇带施工在建筑工程中的运用是非常广泛的,能够满足建筑物建造的个性化需求,促进建筑行业的稳定发展。面对日益增长的市场竞争力,施工企业需要应对在发展中的一些问题,提高根本竞争实力,优化后浇带施工模式,从而使得房屋建筑施工效果能够得到全面的提高。