区块链数据隐私的可信任监管技术研究

目前,区块链用户对不同层级的中间机构缺乏行之有效的监管和授权手段,使得用户数据隐私存在泄露风险。针对上述问题,研究适用于区块链数据隐私保护的可信任监管技术方案,并在经典的BIP32协议上进行丰富和扩展,在新的协议中主要设计并实现一种动态授权策略,授权策略通过改变和设置监管权限使隐私数据真正掌握在用户手中。实验结果和性能对比表明,该方案提出的区块链数据隐私保护方法高效、稳定,并具有很强的实用性,适用于可信任监管的数据隐私保护场景。同时,实验证明随着加密密钥深度的增加,监管时间呈线性增长。

一种改进的AVL系统中车位显示修正算法

AVL系统就是GIS与GPS技术集成的成功应用。AVL系统中GPS信号在GIS地图上显示时,由于各种因素的影响,存在很大的偏差。对这种偏差的校正是十分必要的。为了解决这个问题,对以前提出的误差校正算法———"线性抽象算法"进行了改进,提出了另一种误差校正方法———"缓冲区线性抽象算法",实验结果表明这种方法能在很大程度上校正偏差,不但具有较高的精度,而且还提高了算法效率。

基于证据理论的ATR系统传感器管理方法

随着信息融合技术和传感器技术的发展,融合目标识别系统的应用更为广泛,其规模也在不断地增大。为了满足战场应用的需求,一套识别系统中往往包含有多个不同种类、不同性能的传感器,而对于它们的综合管理方法的研究则甚少。为了更好地管理融合系统中的多个传感器,使识别系统的整体性能和效能达到最优,提出了一种新的基于D-S证据理论的融合目标识别系统中的传感器管理方法,分析了其合理性、可行性以及可能存在的问题,并给出了初步的解决方案。最后通过仿真实验及结果分析说明了方法的有效性和合理性。

AVL系统中车位显示修正算法

AVL系统就是GIS与GPS技术集成的成功应用。AVL系统中GPS信号在GIS地图上显示时 ,由于各种因素的影响 ,存在很大的偏差 ,对这种偏差的校正是十分必要的。提出了一种偏差校正方法———“线性抽象算法” ,并通过MapInfo提供的OLEAutomation技术在VisualBasic中实现了该算法 ,实验结果表明这种方法具有较高的精度 ,同时也指出了这种方法的不足。

贝叶斯网在数据挖掘中的应用

贝叶斯网用图形的模式表示变量集合的联合分布,应用于数据挖掘能够将变量之间的潜在依赖关系反映出来。介绍了贝叶斯网,概括了构造贝叶斯网的方法,给出了建网的伪代码,通过一个实例说明了贝叶斯网在数据挖掘中的应用。

面向国产异构系统的HPL异构协同设计

HPL是高性能计算广泛采用的Linpack测试软件包,传统HPL算法中,求解矩阵将以块为单位循环分布到所有处理器,由于国产加速器(China Accelerator)的底层矩阵乘接口仅支持定制接口,传统HPL算法已不适合CPU+China Accelerator异构系统,因此,必须基于定制接口完成矩阵分布细致划分与封装dPEM,以提供一个通用的HPL测试配置环境;同时,为了充分发挥国产异构系统的效率,设计了异构协同矩阵乘调度算法OA4MM,以提高国产异构系统的效率。实验验证了dPEM的有效性和OA4MM算法的高效性,OA4MM较传统的异构HPL调度算法性能提升近10%。

集成化车间控制器

研究了一种集成化车间控制器的结构，介绍了该控制器的功能，并用 GRAI方法建立了控制器的分级控制与决策模型，最后给出了基于车间控制器集成的企业生产控制结构。

相位差变化率的测量方法

相位差变化率是最近提出的用于快速无源定位的观测量。从数据上分析了二元天线阵 (干涉仪 )接收信号相位差的导数大小及变化特点 ,提出测量相位差变化率的具体方法 。

低压电力基于PLC的信道估计算法仿真

研究优化低压电力信道问题,针对低压电力线信道噪声污染严重,由于信道环境恶劣,造成误码率高。为了解决上述问题,采用OFDM系统中对低压电力信道的信道估计算法。传统LS(最小二乘法估计)算法复杂度低但性能受到限制,受噪声影响大。在综合考虑性能和复杂度,提出了新的改进的方法,并针对FFT的时域插值算法的缺陷,采用改进的算法进行仿真。仿真结果表明,改进算法使误码率降低,且减小了噪声的影响,证明信道估计算法提高了信噪比和估计的精度。

一种基于WMN的分布式会议实现方案

WMN是一种非常有前景的技术,主要研究WMN的会议实现方案。讨论了会议的实现方式,针对WMN特点选用了分布式方案;然后提出了扩展的终端混音机制,并应用于WMN分布式会议,介绍了具体实现机制;通过仿真数据,验证了该方案可以有效减少网络拥堵。

鲁棒神经网络的训练方法研究进展与前景

近年来,深度神经网络已经发展成为深度学习的重要计算模型,神经网络的鲁棒性对于其在安全攸关领域的部署至关重要。因此,如何训练鲁棒的神经网络是备受学术界和工业界关注的热点问题。文章介绍了目前主流的3类鲁棒神经网络的训练方法,即基于数据增强训练、基于对抗训练和利普希茨鲁棒性训练;并介绍了其各自方法的核心思想、代表性研究工作和适用范围。同时,将近年来的鲁棒神经网络训练方法的优缺点进行比较,对应到神经网络训练的要素上进行深入分析和对照,并对各类训练方法得到的神经网络的鲁棒性的评价指标进行了介绍和比较。最后,分析了目前鲁棒神经网络训练的难点和热点,展望了该领域可能的研究方向,并提出建议。

基于VSAT的移动指挥系统

通过一个实例介绍基于VSAT的移动指挥系统的设计,阐述了系统的基本结构单元与数据接口,最后,指出系统建设的注意要点。

低分辨率行人重识别数据集及其基准方法

目的行人重识别旨在解决多个非重叠摄像头下行人的查询和识别问题。在很多实际的应用场景中,监控摄像头获取的是低分辨率行人图像,而现有的许多行人重识别方法很少关注真实场景中低分辨率行人相互匹配的问题。为研究该问题,本文收集并标注了一个新的基于枪球摄像头的行人重识别数据集,并基于此设计了一种低分辨率行人重识别模型来提升低分辨率行人匹配性能。方法该数据集由部署在3个不同位置的枪机摄像头和球机摄像头收集裁剪得到,最终形成包含200个有身份标签的行人和320个无身份标签的行人重识别数据集。与同类其他数据集不同,该数据集为每个行人同时提供高分辨率和低分辨率图像。针对低分辨率下的行人匹配难题,本文提出的基准模型考虑了图像超分、行人特征学习以及判别3个方面因素,并设计了相应的超分模块、特征学习模块和特征判别器模块,分别完成低分辨率图像超分、行人特征学习以及行人特征判断。结果提出的基准模型在枪球行人重识别数据集上的实验表明,对比于经典的行人重识别模型,新基准模型在平均精度均值(mean average precision,mAP)和Rank-1指标上分别提高了3.1%和6.1%。结论本文构建了典型的低分辨率行人重识别数据集,为研究低分辨率行人重识别问题提供了重要的数据来源,并基于该数据集研究了低分辨率下行人重识别基础方法。研究表明,提出的基准方法能够有效地解决低分辨行人匹配问题。