基于卷积神经网络的低嵌入率空域隐写分析

近年来,基于深度学习的空域隐写分析研究在高嵌入率下已经取得了较好的成果,但是对低嵌入率的检测效果还不太理想.因此设计了一种卷积神经网络结构,使用SRM滤波器进行预处理来获取隐写噪声残差,采用3个卷积层并对卷积核大小进行合理设计,通过适当选择批量归一化操作和激活函数来提升网络的性能.实验结果表明:与现有方法相比,所提出的网络结构对WOW,S-UNIWARD和HILL这3种常见的空域内容自适应隐写算法取得了更好的检测效果,且在低嵌入率0.2bpp,0.1bpp和0.05bpp下的检测效果有非常明显的提升.还提出了逐步迁移(step by step)的迁移学习方法,进一步提升低嵌入率条件下的隐写分析效果.

低嵌入绝缘填充式护套阻水动力电缆的研制

借助地方政府项目集中推介会的东风,苏州宝兴与中东某外方公司建立了长期的业务合作关系,并初步达成了某防爆防水场合下使用的动力电缆供货意向。双方在技术联络时,外方公司仅对电缆的工作电压(6.35/11kV)、设计规格(3×240mm2)和部分派生特性(低放电、耐冲击、纵向阻水等)提出了较为粗略的要求,并要求苏州宝兴结合自身的技术优势,完成产品整体设计和后续的批量交付。苏州宝兴攻克产品设计、工艺、装备、质控和配套环节等一系列难题,最终保质保量顺利完成了该出口电缆产品的交付。本文重点叙述了从导体、绝缘、屏蔽、成缆、护套、包装等关键环节的主要思路。

低能耗嵌入式系统的设计

能量消耗问题是近几年来人们在嵌入式系统设计中普遍关注的难点与热点 ,它严重制约着嵌入式系统的应用及发展。以减少嵌入式系统所耗电能为目标 ,总结了当前国际上所采用的几种主要的优化措施。

本土企业全球价值链“低环嵌入”的可能前景与决定因素

大量本土企业的全球价值链"低环嵌入"是当今国际分工条件下中国实行开放经济的重要伴随性现象,这类企业的发展前景将主要取决于其自身资源与能力的积累速度。那些能以较快速度积累资源与能力的企业,不仅有望实现价值链环节的纵向攀升,而且能够成功突破"锁定"效应。而能否实现资源与能力的快速积累,既取决于企业战略实施者的胆略、智慧、勇气等在内的自身条件,也取决于政府能否创造更加公平而有效的竞争环境。

低端嵌入式系统中物理量回归算法的优化

在A/D转换过程中,物理量回归的速度直接影响到系统的性能。首先探讨在低端嵌入式系统中两种物理量回归的常用方法:公式法和查表法。在具体应用实例的基础上,分析比较这两种常用的方法,对它们算法的时间空间复杂度分析,指出其不足之处。然后参考操作系统中分页的思想,把一维表改成二维表,对查表法进行优化。而后分析具体情况又做了进一步优化,分析得出优化后程序在时间空间上都有很大的改进。最后指出在其他低端嵌入式产品开发中,该方法同样适用,并总结其在嵌入式系统与PC机程序开发的不同点。

基于视觉特征低维嵌入的细粒度图像分类

为了减少原图像特征空间中高维数据的冗余,解决细粒度数据分布在特征空间中无法线性可分的问题,提出一种结合视觉特征低维嵌入和非线性映射的细粒度图像分类算法.首先将视觉特征嵌入到低维空间来减少冗余数据对分类造成的干扰,提高分类模型对测试数据的泛化能力;然后通过基于排序的目标函数来训练多个线性分类器,建立类别和低维视觉嵌入之间的非线性关系,有效地区分不同类别的细粒度样本之间的细微差异.实验结果表明,该算法有效地改进了现有的细粒度图像分类方法,显著提高对未知测试样本的分类精度.

中国地方产业“低端嵌入”全球价值链的风险与防范——以“美泰事件”为例的分析

从全球价值链理论的角度出发,分析了中国地方产业低端嵌入全球价值链的风险。根据美泰事件案例分析了中国玩具企业从"低端嵌入"全球价值链可能带来的风险,并针对各类风险提出了相应的化解风险的对策。

GVC低端嵌入与劳动力行业间错配:机理与实证研究

现有研究劳动力市场扭曲多基于制度视角,这无法解释制度改善背景下劳动力行业间错配程度"不降反升"的特征事实。基于中国制造业深度嵌入GVC低端的现实,先对GVC低端嵌入影响劳动力行业间配置的机理进行分析,接下来利用1997—2015年省际面板数据进行系统GMM两步法计量检验。实证结果表明,制度质量改善的确降低了劳动力行业间错配程度,而GVC低端嵌入是导致错配程度加剧的主要原因。这一研究结论启示我们要深化供给侧结构性改革,加快建设全国统一劳动力市场。

面向跨被试RSVP的多特征低维子空间嵌入的ERP检测

基于快速序列视觉呈现(rapid serial visual presentation,RSVP)范式的目标图像检索借助于人脑在看到目标图像时产生的事件相关电位(event-related potentials,ERP)来完成复杂目标图像检索。在应用RSVP范式进行复杂目标图像检索时存在跨时段甚至跨被试的问题。对此,本文提出了一种面向跨被试RSVP的多特征低维子空间嵌入的ERP检测方法,首先采用迁移学习方法中的欧式空间对齐对不同被试的数据进行对齐,其次将来自不同空间的特征分别进行有监督降维、重构。最终采用留一被试法作为检验方法、平衡准确率作为评价指标,在PhysioNetRSVP数据集以及清华RSVP数据集下共计14个长度分段中,有12个长度分段达到最优分类结果。结果表明本文提出的多特征低维子空间嵌入方法能够有效提升ERP检测时的稳定性。

基于低秩堆栈式语义自编码器的零样本学习

在图像分类领域,现有的深度学习等方法在训练时需要大量有标注的数据样本,且无法识别在训练阶段未出现的类别。零样本学习能有效缓解此类问题。本研究基于堆栈式自编码器和低秩嵌入,提出了一种新的零样本学习方法,即基于低秩嵌入的堆栈语义自编码器(low-rank stacked semantic auto-encoder,LSSAE)。该模型基于编码-解码机制,编码器学习到一个具有低秩结构的投影函数,用于将图像的视觉特征空间、语义描述空间以及标签进行连接;解码阶段重建原始视觉特征。并通过低秩嵌入,使得学习到的模型在预见未见类别时能共享已见类的语义信息,从而更好地进行分类。本研究在五个常见的数据集上进行实验,结果表明LSSAE的性能优于已有的零样本学习方法,是一种有效的零样本学习方法。

基于KNN与矩阵变换的图节点嵌入归纳式学习算法

图节点的低维嵌入在各种预测任务中是非常有用的,如蛋白质功能预测、内容推荐等。然而,多数方法不能自然推广到不可见节点。图采样聚合算法(Graph Sample and Aggregate,Graphsage)虽然可以提高不可见节点生成嵌入的速度,但容易引入噪声数据,且生成的节点嵌入的表示能力不高。为此,文中提出了一种基于KNN与矩阵变换的图节点嵌入归纳式学习算法。首先,通过KNN选取K个邻节点;然后,根据聚合函数生成聚合信息;最后,利用矩阵变换与全连接层对聚合信息和节点信息进行计算,得到新的节点嵌入。为了有效权衡计算时间与性能,文中提出一种新的聚合函数,对邻节点特征运用最大池化作为聚合信息输出,以更多地保留邻节点信息,降低计算代价。在reddit和PPI两个数据集上的实验表明,所提算法在micro-f1和macro-f1两个评价指标上分别获得了4.995%与10.515%的提升。因此,该算法可以大幅减少噪声数据,提高节点嵌入的表示能力,快速有效地为不可见节点及不可见图生成节点嵌入。

能源费用托管型合同下嵌入视角的供应链合作减排决策研究

研究能源费用托管型合同下节能服务公司(ESCO)提供嵌入式低碳服务的供应链合作减排决策问题。首先,分别建立无节能服务公司参与,以及基于能源费用托管型合同有节能服务公司参与的供应链合作减排博弈模型;其次,讨论两种情形下的减排效果,分析供应链与节能服务公司合作减排的条件;最后,基于能源费用托管型合同,探讨嵌入式低碳服务对供应链减排决策的影响,具体分析相关参数对供应链最优决策的影响。结果表明:满足一定条件下,供应链才会选择与ESCO进行合作减排;当嵌入度(合同期内的等额现值系数与项目经济寿命期内的等额现值系数之比)达到某一既定值时,二者碳减排项目价值的关注开始趋于一致;高水平的嵌入度可实现较好的减排效果,且嵌入度与供应链的期望利润呈U型变动关系,与ESCO的期望利润呈正相关关系。

基于邻域保留投影的工作模态参数识别

针对拉普拉斯特征映射和等距离映射算法识别弱非线性特征模态精度低的缺点,提出一种利用邻域保留投影算法的工作模态参数识别方法。该方法利用局部线性特征寻找结构位移响应数据的低维嵌入数据,低维嵌入数据与模态坐标响应矩阵相对应;利用单自由度识别技术从模态响应矩阵中识别出结构的模态固有频率;再用最小二乘广义逆估计变换矩阵,变换矩阵与模态振型矩阵相对应。该方法能够保留数据的局部线性特征,从而识别弱非线性模态。通过三维圆柱壳仿真数据集的识别结果表明,相比拉普拉斯特征映射和等距离映射算法,邻域保留投影算法能够更有效地识别出弱非线性特征模态的参数,平均识别精度更高。

基于图像相邻像素相关性的LSB匹配隐写分析

LSB匹配隐写是图像隐写分析中的重点研究问题。根据图像相邻像素的相关性,提出了一种新的隐写分析算法。通过图像复原算法计算出复原图像,利用高阶Markov链模型分别对待检测图像和复原图像建模,根据LSB匹配隐写对高阶Markov链模型经验矩阵的影响,提取复原图像和待检测图像的统计特征组合成新的27维特征向量对支持向量机进行训练。实验表明提出的算法对LSB匹配隐写有较好的分析效果,特别在嵌入率低的情况下,算法具有较好的分析能力。

基于稀疏流形学习的SAR图像识别

稀疏性是SAR图像的一个显著特征,而且SAR图像存储模式的维数很高,要对其进行识别存在很多困难.为了解决上述问题,提出一种基于稀疏流形学习的SAR图像识别方法.首先进行图像增强,以保持目标的边缘结构信息;其次利用样本协方差矩阵的谱范数确定能得出数据低维流形的最少数据点数;再利用拉普拉斯特征值映射(LE)的核化方法计算样本外点的低维嵌入;最后采用KNR分类器进行识别.MSTAR仿真实验证明了其可行性,并与其它识别方法进行比较,验证了其优越性.

低碳经济下嵌入式低碳服务机制设计研究

本文考虑了碳排放限额与交易机制下,基于嵌入式低碳服务的一个低碳服务提供商与一个碳排放依赖型制造商的产量决策、碳净化水平选择和收益分配问题,设计了三种不同的契约来协调参与主体的最优决策.对所设计的契约分析发现,两部制费用契约下,制造商与低碳服务提供商能达成契约一致,但不能实现二者利润最大化目标;低碳净化收益契约下.制造商与低碳服务提供商不能达成契约一致;碳净化成本-收益共享契约下,在满足一定参数条件时,低碳服务提供商与制造商能够参与并实现二者利润最大化下的最优决策.同时分析了参与主体在不同情形下契约的选择,关键参数对低碳服务提供商与制造商的最优决策和利润的影响以及低碳服务提供商对项目的最低投资和绩效水平的确定,可以为企业决策提供参考.

利用模块化残差网络的图像隐写分析

为了提高图像隐写分析方法对小嵌入率隐写术检测的准确性,针对小嵌入率隐写术提出一种基于高度模块化网络结构的图像隐写分析方法。首先,通过重复残差网络单元来构建基础网络模型,以提取数字图像中的复杂统计特性;其次,增加分组卷积以提取残差图像通道信息,加强来自隐写信息的信号特征;最后,利用大量数据集对网络进行训练,得到了基于模块化残差网络的图像隐写分析方法。实验结果表明,所提方法相较于现有算法可以提取更有效的图像特征,从而得到更好的检测效果。同时,利用残差网络块作为模板,可以很容易地搭建网络模型,便于网络的调整和训练。

保持全局和局部特性的黎曼流形改进算法

黎曼流形学习(RML)是一种全局算法,但其不能较好地保持数据局部邻域的几何性质。为解决这个问题,提出一种基于黎曼流形学习(RML)的多结构算法。先对数据集进行主成分分析(PCA)投影,再构造邻域图,然后把整个数据集分为两个部分求低维嵌入坐标,对于基准点的k近邻,采用能保持其和近邻点局部性质的权值矩阵得到低维嵌入;对于其他点仍采用RML算法,使其达到既能维持数据点的全局结构,又能最大限度地保持其局部几何性质的目的。实验结果验证了该算法的有效性和实时性。

碳限额交易机制下嵌入式低碳服务供应链模型研究

基于碳限额交易机制,构建碳排放依赖型制造商、低碳服务提供商和第三方金融机构分别作为减排投资主体的嵌入式低碳服务供应链模型,研究不同主体投资对制造商的产量决策、低碳服务项目减排效率及供应链收益的影响。研究发现,碳排放依赖型企业作为减排投资主体更有利于减排效率的提升以及收益的增加;运用两部制费用契约能够协调制造商投资时的嵌入式低碳服务供应链,实现帕累托改进。最后分析关键参数对最优决策和收益的影响,为企业决策提供参考。