一种新的分段式细粒度正则化的鲁棒跟踪算法

孪生网络跟踪算法在训练阶段多数采用L2正则化,而忽略了网络架构的层次和特点,因此跟踪的鲁棒性较差.针对该问题,提出一种分段式细粒度正则化跟踪(Segmented fine-grained regularization tracking,SFGRT)算法,将孪生网络的正则化划分为滤波器、通道和神经元三个粒度层次.创新性地建立了分段式细粒度正则化模型,分段式可针对不同层次粒度组合,利用组套索构造惩罚函数,并通过梯度自平衡优化函数自适应地优化各惩罚函数系数,该模型可提升网络架构的泛化能力并增强鲁棒性.最后,基于VOT2019跟踪数据库的消融实验表明,与基线算法SiamRPN++比较,在鲁棒性指标上降低了7.1%及在平均重叠期望(Expected average overlap,EAO)指标上提升了1.7%,由于鲁棒性指标越小越好,因此鲁棒性得到显著增强.基于VOT2018、VOT2019、UAV123和LaSOT等主流数据库的实验也表明,与国际前沿跟踪算法相比,所提算法具有较好的鲁棒性和跟踪性能.

面向WebVR会议的大规模人群在线可视化的关键技术

大型移动WebVR会议面临诸如数据体量太大、网络传输异常卡顿、网页端渲染帧率低、视觉效果差等技术瓶颈.针对这些挑战,给出了一些系列关键技术,首先,提出了一种基于分散度的大规模人群轻量级动态建模方法,在保证轻量性与真实性的前提下,丰富了人群的多样性;其次,设计了动态参会人群情景的细粒度化传输调度算法,显著提升了动态情景的网络加载响应速度;最后,设计了基于WebGPU的大型参会情景的轻量级在线渲染方法,在移动网页端实现了动态人群的单DrawCall多样化渲染.在移动互联网上的各项实测技术指标表明,该解决方案在轻量性、真实性、多样性、规模性和效率效果等方面具有显著优势.

RBAC模型的改进及其在电力ERP权限管理中的应用

基于角色的访问控制(RBAC)是目前研究得最多、思想最成熟的一种面向企业安全需求的访问控制策略。文中在核心RBAC基本模型的基础上,将角色集和权限集进行细分。细分后的核心RBAC在权限设置上更加细致,每一级管理员可以按照实际需要,对角色的功能、权限从数据周期、数据对象、数据类别、操作功能、操作级别5个维度上进行明细设置,并灵活、深入地控制角色的功能及其访问的数据内容,从而达到精确管理的目的。将细粒度化的RBAC模型应用于供电企业资源计划(ERP)系统的权限管理模块的开发中,并取得了良好的应用效果。

内容中心网络缓存策略研究

随着时代的进步与技术的发展,当前以主机为中心的IP互联网的主要任务以及互联网用户的关注方向已经发生了翻天覆地的变化,而IP互联网由于其固有的特性已经不堪重负。信息中心网络(ICN)作为一种未来网络体系架构,一经提出,便得到了国内外诸多学者的认可。内容中心网络(CCN)作为信息中心网络的一种,被誉为最有发展前景的未来网络体系架构。缓存作为CCN的基石,其性能的优劣直接影响着整个网络的性能,良好的缓存策略是CCN实现高效内容分发的根本保障。而CCN缓存固有的透明化、泛在化以及细粒度化等特性使得传统的缓存理论不再适用于CCN的缓存系统。对目前比较有代表性的缓存策略进行了分析,并阐述了其基本原理以及优势与不足,为后续的研究提供参考。