发展“四全媒体”助力北京“四个中心”建设:问题与关键技术

新型媒体建设应该成为北京“四个中心”城市战略定位的重要助力。本文首先分析了“四个中心”建设对媒体的要求和发展“四全媒体”目前存在的技术和机制问题,然后通过示例探讨了发展“四全媒体”的技术可行性。实验结果表明“全程媒体”可以基于ICN网络的技术架构,基于写作风格的虚假信息识别技术和多语言新闻监测可以作为实现“全息媒体”的重要手段,“全效媒体”的媒体资产共享问题的解决可以基于区块链技术,分析表明分形理论、博弈论可能会成为“全员媒体”组织方式和机制制定的理论基础,最后提出了北京应自觉发展“四全媒体”的建议。

结合改进CBAM和MobileNetV2算法对小麦病斑粒分类

[目的]小麦病斑粒智能检测对于高效、快速、准确评估麦粒的品级有重要意义。现有小麦病斑粒分类的深度神经网络存在参数数量大、运算复杂等缺点,不便于在移动端部署模型,影响了小麦病斑粒现场分类的效率。本文提出了一种用于小麦病斑粒分类的轻量级神经网络算法。[方法]本研究在轻量化网络MobileNetV2的基础上进行改进,加入改进的CBAM(convolutional block attention module)注意力机制,对改进的模型全整型量化后在边缘计算设备上部署。利用该模型对4种小麦籽粒(赤霉病粒、腥黑穗病粒、破损粒和正常粒)分类。[结果]相比于改进前的MobileNetV2网络,结合改进的注意力机制和MobileNetV2网络在准确率、精准率、召回率上分别提升3.15%、3%和3%;全整型量化后的改进模型对小麦赤霉病粒、腥黑穗病粒、破损粒和正常粒的识别准确率分别达到99%、94%、99%和96%。该模型大小仅有2.36 MB,在边缘计算设备的单次推理时间仅为96.95 ms。[结论]本文改进后的算法模型的准确率提升、大小减少、推理速度加快,可为小麦病斑粒分类模型去冗余提供指导。

深度神经网络对家族渗出性玻璃体视网膜病变眼底特征的定量分析

目的 利用深度神经网络,对足月新生儿轻症家族渗出性视网膜病变(FEVR),在后极部视网膜图像的病变特征进行定量分析。方法选取7685例共15370张足月儿后极部视网膜图像,构建足月儿后极部视网膜图像数据集。训练网络,自动提取计算并对比轻度FEVR组与正常组的血管面积、动静脉最大管径比、血管的曲率以及视盘到黄斑(macula)的距离(DM)与视盘直径(DD)的比值。结果与正常组相比,轻度FEVR组眼底图像中的血管面积明显增加[12.9666±0.9637(%) vs.12.0053±0.9246(%)],血管曲率明显减少[1.9098±0.2647(×10^(4)/cm^(3))vs.3.3767±0.2345(×10^(4)/cm^(3))],最大管径比明显增加(1.8796±0.1789 vs.1.5075±0.1644)。DM/DD明显增加(3.2676±0.2638 vs.2.8199±0.3286)。所有数值在不同组之间均有统计学差异(P<0.005)。结论定量评估轻症FEVR眼底的异常特征在临床上有较高的指导意义。可以辅助临床医师在FEVR的诊断及评估预测疾病的进展工作中提供更多的线索。

基于CNN-SVM模型的鸡蛋外观品质检测

[目的]提高鸡蛋外观品质检测的精度,建立CNN-SVM模型的鸡蛋外观品质检测模型。[方法]结合CNN的自适应特征提取功能和SVM的超强泛化分类性能,通过6层卷积神经网络结构处理提取全连接层的特征,采用CNN-SVM混合模型替代传统CNN+softmax,构建一个基于CNN-SVM模型的鸡蛋外观品质检测方法。[结果]与SVM模型、CNN模型和KNN模型相比,CNN-SVM模型在准确率、精确率、召回率和F1分数方面表现优异,分别为97.97%,98.10%,98.10%,98.00%。KNN模型在鸡蛋外观品质检测上的精度最低,其准确率、精确率、召回率和F1分数分别为77.46%,79.44%,76.75%,76.90%。[结论]CNN-SVM模型具有很强的鲁棒性和抗噪声能力,可以有效提高鸡蛋外观品质检测的准确性和适用性。

国家水网建设中水权水市场发挥作用研究

中共中央、国务院印发《国家水网建设规划纲要》,明确了未来一段时间国家水网建设的目标任务。国家水网的建设和良性运行,需要创新完善相关体制机制,有必要发挥水权水市场在“两手发力”方面的重要作用。文章总结了国家水网建设中水权水市场可以发挥的作用,分析了发挥水权水市场作用面临的困难,并相应提出了发挥水权水市场作用的制度建设建议。

应用GA-RBFNN全光谱水体COD与NO_(3)-N检测方法研究

应用全光谱测量水体化学需氧量(chemical oxygen demand,COD)、硝酸盐氮(NO_(3)-N)浓度等水环境质量指标容易受水质环境影响,检测模型与特征波长一直是全光谱检测推广关注重点。该文提出一种基于遗传算法-径向基神经网络(genetic algorithm-radial basis function neural network,GA-RBFNN)全光谱水体COD与NO_(3)-N浓度检测方法,鉴于GA搜索能力强、随机性高的特点,对预处理后全光谱吸收数据应用GA进行特征波长选取,以RBFNN神经网络留K法训练过程中平均决定系数作为适应度函数,输出最优特征波长与RBFNN神经网络参数进行部署,从而实现水体COD、NO_(3)-N浓度准确测量。最后,开展GA-RBFNN、偏最小二乘(partial least squares,PLS)、GA-PLS、RBFNN四种模型对160组水样的COD、NO_(3)-N浓度检测实验,结果表明GA-RBFNN模型对COD、NO_(3)-N检测平均决定系数、最大误差分别为0.9964、0.9950和3.9%、4.9%,均优于其他模型,方法具有重要推广价值。

基于UNet3+生成对抗网络的视频异常检测

为解决传统视频异常检测方法在不同场景下多尺度特征提取不完全的问题,提出两种方法:一种是用于简单场景的基于UNet3+的生成对抗网络方法(简称U3P^(2)),另一种是用于复杂场景的基于UNet++的生成对抗网络方法(简称UP^(3))。两种方法分别对连续输入的视频帧生成预测,引入多种损失函数和光流模型学习其外观与运动信息,通过计算AUC进行性能评估。U3P^(2)方法以6.3 M参数量在Ped2数据集的AUC提升约0.6%,而UP^(3)方法在Avenue数据集的AUC提升约0.8%,验证其能够有效应对不同场景下的异常检测任务。

基于多特征增强的手部姿态估计方法

手部姿态估计是计算机视觉研究的重要方向之一,在人机交互、虚拟现实、机器人控制等应用领域发挥着重要作用。针对目前手部姿态估计存在特征表示方法单一性的问题,提出手部关键点连接关系特征构建方法与基于手部运动语义关系的关键点特征聚合增强方法,提高手部特征表达与信息共享能力;针对手部目标检测与图像分割等预处理方法中存在的遮挡性问题,设计手部轮廓特征提取方法,提高预处理效果;基于所提出的多特征表示与增强方法,构建了一个基于全卷积结构的深度学习神经网络模型,避免直接回归计算3D姿态信息导致的空间信息丢失问题,从而有效提高了3D手部姿态估计精度。在DO、ED、RHD等多个数据集上与SOTA模型相比,均取得了竞争性的效果,且平均AUC结果达到了93.3%,说明所提出的方法也具有较好普适性。

面向算网业务的全链路追踪技术浅析

算网业务的规模和复杂度持续增加,系统复杂性的提升使得问题排查和性能优化变得愈发困难。在这种背景下,全链路跟踪技术作为一种有效的性能监测和故障排查手段逐渐受到关注。面向日趋复杂的业务场景,结合网管系统的现状,本文提出了一种全链路跟踪的实现方案,基于网管能力网关来实现各系统能力的统一管理、跨系统的能力调用跟踪和分析,提供全局、统一的能力清单以及能力调用关系。

最优解逼近下配电网线损故障诊断方法设计

针对单纯以一次阈值思路计算引起线损异常导致故障诊断准确率不高问题,设计最优解逼近的配电网线损故障诊断方法。使用等效容量法计算配电变压器容量的分配比值,并根据全网线损功率的变化情况计算接入DG后的配电网线损参数。搭建三层BP神经网络结构,利用拓扑匹配方法对配电网的异常损耗进行匹配,当判定为异常状态时,通过遗传算法优化BP神经网络的权重和阈值,对线损的异常类型进行标记和定位,得到线损异常点的定位结果,根据定位结果进行线损故障诊断。实验结果表明,使用所提方法对配电网线损故障进行诊断,诊断准确率较高,具有较好的应用价值。

改进卷积神经网络的冬小麦提取方法

为提高遥感影像冬小麦识别精度,通过对传统的卷积神经网络进行优化,设计实现一种改进的卷积神经网络Im-SegNet(Improved-SegNet)。模型增加了冬小麦和非冬小麦概率向量差值信息,对于概率向量差值较小的像素进行了二次判断。以肥城市冬小麦生长期的77张GF-2(Gaofen2)影像作为实验数据,利用精度、准确率以及查全率3项指标对Im-SegNet模型提取效果进行验证评价。结果表明,提取精度为92.1%,准确率为91.8%,查全率为84.9%,3项指标均高于经典的SegNet模型提取结果,Im-SegNet模型可以有效改善遥感影像作物分类效果。

集成全尺度融合和循环注意力的医学图像分割网络

深度学习中的编解码网络在图像特征提取和分层特征融合方面具有卓越的性能,常被用于医学图像分割。但是,目前主流的编解码网络分割方法仍面临编码和解码阶段单一网络挖掘的图像特征信息不足,以及仅使用简单的跳跃连接而无法充分利用全尺度特征包含的粗粒度信息和细粒度信息等问题。为了解决上述问题,提出了一种集成全尺度融合和循环注意力的医学图像分割网络。首先,在U-Net编码器中加入了结合多层感知机(MLP)的卷积MLP模块来提取图像的全局特征信息,用于扩大编码器的特征感受野。其次,通过全尺度特征融合模块使得各尺度跳跃连接特征进行粗粒度信息和细粒度信息的有效融合,减小各尺度跳跃连接特征间的语义差异,突出图像的关键特征信息。最后,解码器通过提出的结合循环神经网络(RNN)和注意力机制的循环注意力解码模块(RADU)来逐级精细化图像特征信息,加强特征提取的同时避免信息冗余,并得到高精度分割结果。在4个数据集上将所提方法与主流较优的方法进行比较,所提方法在像素精度和骰子相似系数两个指标上的图像分割精度均有提高。因此,所提出的用于医学图像分割的编解码网络利用全尺度特征融合模块和循环注意力解码模块,能够获得较优异的高精度分割结果,并且模型具有良好的噪声鲁棒性和抗干扰能力。

足尺试验环道路面摆值变化趋势预测

路面抗滑性能是路面使用性能的重要指标之一,是行车安全性的重要保障.依托RIOHTrack足尺试验环道的检测数据,选用足尺试验环道STR2、STR4、STR9和STR164种结构的357组路面抗滑性能检测数据,采用路面温度、累计标准轴载作用次数和路面磨耗次数3个主要影响因素作为自变量,路面摆值(BPN)指标作为因变量,选用300组检测数据作为训练样本,其余57组数据作为验证样本,构建了BPN的显示化和隐式化预测模型.基于温度对沥青路面抗滑性能具备一定影响范围的假定,构建了路面摆值的显示化预测模型,其模型的相关系数(R^(2))为0.625,模型预测平均相对误差为10.227%.同时,采用不同的隐含层神经元和训练函数,构建了BP神经网络预测模型(隐式化预测模型),模型的BPN预测值和真实值基本吻合,变化趋势一致,平均相对误差为4.484%.研究提高了路面抗滑性能指标预测的有效性和准确性,不同预测模型具备不同的应用前景,为路面抗滑性能的预测分析提供了参考和依据.

可扩展无蜂窝无线接入网性能分析:一种随机几何方法

无蜂窝无线接入网(Cell-Free Radio Access Network,CF-RAN)打破了传统的蜂窝组网方式,形成网络节点规模可扩展的无线接入网架构。CF-RAN在传统无蜂窝大规模MIMO(Cell-Free massive Multiple Input Multiple Output,CF-mMIMO)系统的基础上,对物理层功能进行了合理划分,包括远程射频单元(Remote Radio Unit,RRU)、边缘分布式单元(Edge Distributed Unit,EDU)和以用户为中心的分布式单元(User-Centered Distributed Unit,UCDU)以及中央处理器(Central Processing Unit,CPU),实现了CF-mMIMO系统协作传输中复杂度和性能之间的权衡。在该网络架构中,RRU负责完成射频信号的发送和接收以及数模/模数转换;EDU负责完成基带信号处理中的信道估计、多用户/多数据流检测、多用户/多数据流预编码、上下行信道互易校准等;UCDU负责将接收到的多个EDU发送的属于同一用户的上行数据进行合并,将多个下行数据流分发给对应的EDU,以及RRU之间校准所需的信道估计;CPU负责确定EDU和UCDU之间的数据流对应关系。作为一种新型无蜂窝网络架构下,有必要对其系统级性能进行理论分析,特别是同时考虑信道随机性和空间位置随机性的性能分析,这是本文的主要研究动机。首先,考虑信道估计误差和导频污染的影响,采用可扩展的全导频迫零(Full-pilot Zero-Forcing,FZF)合并预编码,本文给出了系统上下行可达信号干扰噪声比(Signal-to-Interference-Noise Ratio,SINR)的闭合表达式。在此基础上,考虑用户设备(User Equipment,UE)和RRU的空间位置随机性,本文将UE和RRU的位置建模为有限区域内的两个独立二项式点过程(Binomial Point Process,BPP),推导出了用户速率覆盖概率的理论表达式,通过仿真验证了理论结果的准确性。在仿真中,本文在EDU-RRU关联方案上分别采用了基于遗传算法(Genetic Algorithm,GA)的节点交织部署,基于k-means算法的节点聚类部署和随机节点部署。根据数值分析结果,可扩展CF-RAN架构实现了集中式处理和分布式处理之间的灵活权衡,在具备可扩展性的同时,系统性能方面优于全分布式架构,接近全集中式架构。此外,相比其他两种部署方案,基于GA的节点交织部署可以获得最好的性能,而基于k-means算法的节点聚类部署导致的性能损失最大。最后,根据随机几何分析结果,CF-RAN用户下行覆盖概率分别会随着EDU数量和UE数量的增加而降低。

不完美CSI下全双工多用户多天线中继网络的能效谱效均衡

在信道状态信息存在误差及用户间存在相互干扰的条件下,为优化解码转发全双工多用户多天线中继网络的能量效率和频谱效率性能,提出一种能效与谱效均衡优化方案,通过寻求能效和谱效之间的平衡点,实现能效和谱效的最优化。首先,对信道进行估计,求出最小均方误差下信道估计和下行速率的表达式;其次,在最大总发射功率的约束下,引入帕累托最优集,建立多目标优化问题,使相互矛盾的能效和谱效同时最大化;再次,利用加权和的方法,将多目标能效和谱效优化问题简化为单目标能效与谱效优化问题,通过增加干扰约束将单目标优化问题转化为凸优化问题,并采用拉格朗日乘子法求得最优发射功率;最后,通过仿真结果证明,设置不同的均衡因子能够实现能效和谱效的均衡。

基于全卷积神经网络的遥感图像线性构造解译方法——以云县官房铜矿区为例

文章研究了深度学习方法在地质构造解译中的应用,探究了相比传统的线性构造方法更为高效且无需先验知识的方法。以基于全卷积神经网络(FCN)的图像像素注释方法实现了遥感数据对于线性构造解译半自动解译。选择云南省云县官房铜矿矿区作为实验区域,绘制的图件表明该解译方法能够满足普通地质研究的基本需求,同时也能作为人工线性构造解译工作的初步参考,具有一定的研究意义。而与其他传统自动解译方法对比,可以发现在解译精度、效率和可重复使用性上都存在一定的优势。这些研究成果对于地质构造解译的自动化发展具有重要的参考价值,也为遥感解译智能化的发展提供了新思路。

“双碳”视角下的5G全生命周期网络节能分析

文章从“双碳”视角出发,分析了5G网络全生命周期的能耗问题,并探讨了相关的节能技术和策略。首先介绍“双碳”目标的重要性,之后重点分析了网络设备及运营过程中能耗现状,进而提出了多项节能技术,针对基站、核心网及网络调度策略提出优化方案,旨在为实现“双碳”目标提供助力。

基于网络辅助全双工无蜂窝系统的通感一体化协议设计

第六代移动通信技术的研究受到了广泛关注。随着通信和雷达频率范围的重叠,学者们对通感一体化的研究产生了浓厚兴趣。然而,分布式联合感知技术目前仍面临自干扰和互干扰等物理层挑战。基于第五代新空口协议,提出了一种针对网络辅助全双工无蜂窝系统的通感一体化协议方案,增设了感知解调参考信号。这一创新旨在通过低成本的改动,实现高质量的高通感一体化性能。该方案有效地解决了无蜂窝场景中接入点之间的感知干扰问题,它使得接收机能够准确地识别信源并估计信道,从而在确保通信性能的同时,实现精确的感知功能。

基于两种布网方式的TBM隧道横向贯通误差计算研究

通过对TBM施工过程中常用的交叉双导线和全导线网两种控制网布网方式进行分析研究,以仿真计算建立掘进施工坐标系,模拟贯通测量观测数据,从而对两种布网方式的贯通测量横向中误差进行推导计算,验证了两种方法均能够满足贯通测量横向中误差限差要求。通过某隧道工程控制测量项目进行实际应用验证,结果表明:在控制点间距为250 m左右时,交叉双导线和全导线网控制测量最弱点坐标值基本一致,测量精度差异相对较小,但交叉双导线布网方式测量效率相对较高,耗时较短,在TBM隧道施工过程中,具有更为优异的适用性及可靠性。

基于APT活动全生命周期的攻击与检测综述

从攻击方法和检测方法两方面展开,首先综述高级持续威胁(APT)攻击的定义与特点,总结相关攻击模型的研究发展,在此基础上给出更一般性的APT全生命周期模型,并划分4个阶段,信息收集阶段、入侵实施阶段、内网攻击阶段和数据渗出阶段,对每一个阶段,重点调研近5年的研究论文,归纳总结各阶段的攻击与检测技术,并给出分析。最后,结合APT攻防技术相互博弈、快速发展的趋势,指出了当前攻防双方面临的挑战和未来研究的发展方向。