“去二存一”混合机制下的病毒扩散模型及稳定性分析

随着网络信息系统的发展,网络病毒扩散方式及免疫策略成为网络安全领域研究的热点之一。该文研究了一类新型混合攻击病毒,并根据其特点将这类病毒定义为"去二存一"型病毒。通过分析新型病毒的攻击方式,构建了"去二存一"混合机制下病毒的SEIQRS信息扩散模型。在此基础上,求解对应系统的平衡点,并运用Routh-Hurwitz判据分析了系统基本再生数R0及其对系统稳定性的影响。最后,仿真验证了模型的有效性和稳定性。

一种新的扩散混合机制

本文针对扩散混合新机制扩压函数,提出了它的基本设计原则。引入了级连布尔函数的概念,给出并证明了它的一些性质,在此基础上提出了单比特扩压函数的一种构造方法,并给出了一个具体的具有良好密码学性能且结构简单易于软硬件实现的单比特扩压函数实例。

混合机制下匿名广播加密方案的研究与实现

随着科学技术的发展,一点到多点和多点到多点的通信模式不断被应用到生活当中,但这些通信模式通常限制只有在授权用户情况下才能获得通信内容,由此出现了广播加密。广播加密依据密码体制的不同可以分为基于身份的广播加密体制和基于公钥的广播加密体制;根据接收者的状态(即是否需要根据用户的变化更新用户密钥)可以分为有状态的(即静态的)广播加密体制和无状态的(即动态的)广播加密体制。文章首先提出一种混合机制下的匿名广播加密方案。该方案将基于身份的广播加密体制和基于公钥的广播加密体制有效结合在一起,使得方案更加安全。该方案同时还具有匿名性的特点,任何人不能随意获取接收者的信息。接着,文章分析了方案的性能。最后,文章运用Java语言,引进jpbc数据包,在eclipse平台上将方案进行实现。

基于混合机制算法的WSN节能优化策略

在WSN(无线传感器网络)节能优化过程中,覆盖模型复杂、抽象难以求解.部分节点利用率与覆盖率存在差异性,从而制约无线传感器网络,使能耗降低.针对此问题,提出一种基于混合机制的算法,利用分治思想将节点分为活跃节点和非活跃节点;将部分覆盖算法和唤醒机制算法相结合,建立最优覆盖模型,然后进行求解,得到最优节能方案.该方法能够充分利用节点的不同特点降低算法复杂度,避免不必要的运算消耗.实验表明:混合机制算法分别降低了活跃节点与非活跃的节点能耗;与单一算法相比较效果显著,网络生命周期得到延长.

基于混合机制下的差分隐私直方图发布

差分隐私在隐私保护中越来越受欢迎,它对具有任意背景知识的敌手可以提供严格的隐私保障。通过添加噪声使数据失真的技术,来起到保护隐私的目的。本文主要研究基于拉普拉斯机制和指数机制下的差分隐私直方图发布问题。机制的选择对隐私数据的发布是至关重要的。其中,Laplace机制适合数值型结果的隐私保护,指数机制运用于对非数值型结果的保护。本文在结构优先算法下,选择以上两种不同机制来实现满足差分隐私的直方图发布。

基于自适应网格混合机制的多目标粒子群算法

当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛。为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO)。该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,影响粒子开发能力;利用混合机制中的加权策略在外部存档的非劣解中确定全局最优样本,增加了种群的多样性,提升粒子飞向真实Pareto前沿的概率;同时,为防止算法停滞,陷入局部最优的问题,还引入一个变异操作对粒子的位置进行动态变异,增强了粒子的探索能力。仿真实验结果表明:所提算法与其他3个国际经典的多目标粒子群算法相比,具有较优的收敛性和多样性,且有较好的空间化效果。

一种混合机制的网络良性蠕虫模型研究与分析

目前,网络蠕虫已经成为互联网所面临的最为严重的安全威胁之一,网络蠕虫的传播模型和防御技术的研究已经成为学术界的热点。针对现有网络良性蠕虫的传播规律和传播模型的不足,补充提出一种采用混合探测机制的良性蠕虫,建立其传播的数学模型。通过分析研究,该模型能快速抑制网络中的恶性蠕虫传播,并迅速消灭恶性蠕虫,保证网络节点主机的安全。仿真实验表明该模型能有效降低网络资源消耗,提高网络利用率及网络整体性能。

基于混合域注意力机制的神经网络反演大气湍流强度

本文提出了一种基于混合域注意力机制的神经网络方法反演大气湍流强度。神经网络的输入为不同大气湍流强度下的退化图像,输出为表征大气湍流强度的折射率结构常数。混合域注意力机制由空间域和通道域双重注意力机制组成,其中空间域注意力机制用于增强退化图像中受湍流影响的区域特征,通道域注意力机制用于增强由湍流引起的颜色和纹理特征。在网络训练阶段,引入的混合域注意力机制让神经网络更专注于退化图像中与大气湍流强度相关的特征,提高了模型的精度。数值实验结果表明,本文提出的方法能够较准确地实现大气湍流强度反演。

基于多尺度边缘分割与混合注意力机制的脊柱CT图像分割

脊柱疾病的前期主要通过计算机断层扫描技术进行筛查与初步判断。为解决脊柱CT图像目前存在的椎骨结构复杂、分割精度不足等问题,提出一种基于3D U-Net框架的脊柱CT图像改进分割网络,通过融合SE残差单元、椎骨边缘分割模型与改进混合通道-空间注意力机制,在VerSe 19、VerSe 20与CTSpine1K脊柱数据集上进行分割训练与测试。多次测试实验结果表明,本文模型在保证分割精度和分割效率有效提高的同时具有较好的泛化性与鲁棒性,在Dice相似系数、豪斯多夫距离与平均表面距离上相较于其他先进网络分割精度更高。本文模型在现有脊柱分割的网络中具有更强的分割性能,可为放射科医生提供有效临床信息。

基于卷积神经网络和混合注意力机制的书标检测算法

为实现图书馆中机器人智能排架,提出一种基于卷积神经网络和混合注意力机制的书标检测模型。将DenseNet121引入YOLOv4以提高特征和梯度之间的传递效率,利用SPDC模块实现局部和全局特征融合,进而通过通道和空间混合注意力提高模型的特征表征能力。实验结果表明,模型的平均准确率、整体性能、参数量和模型大小均优于对比方法,且易于部署到嵌入式设备中实现在线检测,从而提高图书乱架治理的智能化水平。

基于混合注意力机制和深度学习的大坝变形预测模型

为深度挖掘时序数据中前后信息的动态相关性,探究大坝变形的内在影响机理,有效提高模型预测精度,构建了一种基于混合注意力机制与鲸鱼优化算法(WOA)的双向门控循环网络(BiGRU)预测模型。模型利用WOA对BiGRU进行超参数寻优以有效挖掘变形数据在时间维度的深层信息,并引入融合特征注意力(FATT)和时间注意力(TATT)的混合注意力机制计算各影响因子的贡献率,使模型可视化并提高模型捕捉环境因素动态变化的能力。以某高拱坝为例,将该模型预测结果与多种常用模型预测结果进行对比分析,结果表明该模型预测精度显著提升,贡献率计算符合大坝变形研究成果,验证了模型在大坝变形预测中的优越性与合理性。

一种融合多尺度混合注意力的建筑物变化检测模型

针对高分辨率遥感图像非真实变化所引起的错误检测问题,提出一种新颖的轻量化孪生神经网络建筑物变化检测模型。其中轻量化的特征提取模块可以获取不同尺度的局部上下文信息,使其充分学习局部和全局特征。由通道和空间注意力组成的混合注意力模块可以充分利用周围丰富的时空语义信息,以实现变化建筑物的准确提取。针对变化建筑物尺度跨度较大,容易导致建筑物边缘细节提取粗糙、小尺度建筑物漏检等问题,引入多尺度概念,将提取到的特征图划分为多个子区域,并分别引入混合注意力模块,最终将不同尺度的输出特征进行加权融合,以加强边缘细节提取能力。模型在WHU-CD、LEVIR-CD公开数据集进行实验,并分别取得87.8%和88.1%的F 1值,相较于6种对比模型具有更高的变化检测精度。

契约行政化:地方医疗保险支付方式改革的混合治理机制——基于F省2017—2022年的案例追踪

既有的医疗保险支付方式改革研究大多遵循经济学的分析逻辑,聚焦微观行动者的互动博弈以及特定医疗保险支付方式的激励效应,忽略了改革的政治属性以及中国特色情境对治理结果的影响。事实上,医疗保险支付方式改革涵盖了国家行政主体和主要利益相关者之间的治理关系和互动机制的调整。聚焦F省2017—2022年的医疗保险改革过程发现,F省医疗保险部门在利用行政机制调控医疗保险支付方式改革的基础上,采用了市场机制的契约手段来明确医疗机构的权利和义务。但囿于行政机制的主导性,F省的相关政府部门与医疗机构之间并未建立完善的利益协调机制,这可能会阻碍居民健康保障的实现。本研究在把混合治理机制的运作过程概念化为“契约行政化”的基础上,厘清了其与特定政策目标之间的因果机制,进一步探讨了提升混合治理机制有效性的变革路径。

非受控环境下基于混合注意力机制的面部表情识别

针对非受控环境下的面部表情识别过程中特征提取不充分的问题,构建了一个加强特征提取的网络结构——3_M_S_MobileNetV2模型,该结构以MobileNetV2为基础网络,结合自主设计的混合注意力模块3_M_CBAM,并且将ReLU6激活函数更换为SiLU激活函数设计而成。在两个非受控环境下所采集的数据集RAF_DB和Fer2013上对设计的模型进行实验,识别准确率分别达到81.88%和65.65%,并且与现有的基于神经网络的识别方法相比,在RAF_DB数据集和Fer2013数据集上的面部表情识别准确率分别提高了1%~9%、0.5%~4%,证明了文中网络结构的有效性。

基于多尺度混合注意力机制的视频摘要算法

针对现有的视频摘要任务中视频帧的多层次上下文依赖信息提取不足的问题,提出一种基于多尺度混合注意力机制的视频摘要(MHAVS)算法。MHAVS采用编码器-解码器架构,编码器部分采用金字塔空洞卷积模块提取视频帧的不同尺度特征信息,解码器部分嵌入混合注意力机制建模视频帧的通道维度和空间维度的深度相互依赖性,增强特征的表达,利用指针网络帮助模型生成优势的视频摘要。提出算法在两个公共数据集SumMe和TvSum上进行多次实验,综合结果表明,MHAVS算法取得了不错的结果。

岩浆混合作用的类型、标志、机制、模式及其与成矿的关系--以新疆北部为例

新疆北部广泛发育具有岩浆混合特征的岩体,岩体类型主要有钙碱性花岗岩、碱长花岗岩和碱性花岗岩,其中以第一类最为发育;岩体中的暗色包体类型以闪长质为主,成分可从闪长岩、石英闪长岩、石英二长闪长岩,过渡到花岗闪长岩,部分地区可发育辉长质、安山玄武质、安山玢岩质包体;有些地区还发育有岩浆混合岩。该区岩浆混合作用主要形成于四个大地构造演化阶段,即D3-C1交界的洋-陆俯冲期、C1末-C2初的碰撞期、C2-P的后碰撞期和T1的板内期。岩浆混合作用的判别标志有岩体宏观标志(近等轴状)、野外宏观标志(暗色微粒包体发育,有时可见岩浆混合岩)、显微标志(淬冷和矿物不平衡结构)、岩石地球化学标志(线性过渡特征)、年龄(一致)标志等。该区的岩浆混合作用是多级次的,其深部岩浆源区的混合表现为壳幔相互混合作用;混合作用表现出多阶段性,以基性岩浆注入到酸性岩浆为主要方式,由物理混合到化学混合渐变过渡。该区岩浆混合作用与斑岩铜钼金矿床密切相关,其成矿关系模式可概括为:基性岩浆与花岗质岩浆混合产生混合岩浆,经过进一步分异演化形成了含矿岩浆;与岩浆混合作用有关的斑岩铜钼矿的找矿标志为:岩浆混合作用强烈的大岩体内或附近晚期补充侵入的小型斑岩体具有找矿潜力。

一种结合多尺度特征融合和混合域注意力机制的眼底疾病诊断方法

针对眼底疾病图像细微特征多、样本数量较少、诊断难度较大的问题,结合深度学习和医学影像技术,提出一种融合多尺度特征融合和混合域注意力机制的眼底疾病诊断网络模型和方法。该方法以Resnet50作为基线网络,通过对其进行改进和优化,利用并行多分支结构提取不同感受野下的眼底疾病特征,有效提高模型的特征提取能力和计算效率,采用混合域注意力机制选择对当前任务目标更关键的信息,有效提高模型的分类性能。最后利用ODIR数据集对该方法进行实验,实验结果表明,提出的方法对正常眼和不同眼底疾病的诊断准确率达到93.2%,相较于基线网络提高5.2%,诊断效果良好。

混合推进机制作战推演系统时空一致性研究

混合推进机制作战推演系统是标准的分布式系统,时空一致性是保障推演过程真实性和推演结果有效性的重要基础。描述了混合推进机制作战推演系统的组成及其面临的时空一致性问题,针对实时推进与逻辑推进混合可能引起的“时空基准转换错误”“分布数据解算错误”等时空不一致难题,提出了“信号控制、区域自理”的时间同步策略与“标准坐标+DR推算”的空间同步策略,实现了混合推进机制下的时空一致性控制。

淡积云中夹卷混合机制的参数化及二次混合的影响

夹卷混合过程影响着低云中降水的形成、气溶胶间接效应的评估、低云和气候之间的反馈以及雷达遥感云水含量的准确度。淡积云中夹卷混合过程的参数化对改进大尺度模式中云的参数化方案是至关重要的，但日前仍处于起步阶段。本文利用淡积云的飞机观测结果，对夹卷混合过程的参数化进行探索。并利用砸式混合气泡模式（EMPM）进行数值模拟研究。