人工智能技术加强网络安全建设的研究

人工智能技术是一把双刃剑,在赋能网络安全的同时,也加剧了网络安全风险.应用人工智能技术,可加强网络风险识别,加强安全防御、检测,健全预警和应急响应,可预防风险,或将风险带来的损失降到最小.为了降低网络安全风险,营造更加安全的网络环境,基于对网络安全风险态势的总结,通过辩证分析法深入研究人工智能技术对网络安全的正反两方面作用,并列举应用实例进行阐述.从体系建设、技术突破、人才培养等角度提出具有针对性、可行性、科学性的网络安全风险应对建议,形成网络安全风险治理的方法论,有效降低网络安全风险,推动人工智能与网络安全治理的深度融合.

一种无源被动室内区域定位方法的研究

室内区域定位在医疗养老、智慧大楼等领域有着广泛的应用.室内区域定位中最突出的问题是无线电信道效应的动态和不可预测性(如多径传播、信道衰落等)对接收信号强度(received signal strength, RSS)的干扰影响.为了降低无线电的干扰,提出了一种新的基于注意力机制的CNN-BiLSTM的室内区域定位模型,该模型通过捕获粗细粒度特征与定位区域的对应关系来减弱RSS序列对信道变化的依赖.首先,利用卷积神经网络(convolutional neural network, CNN)学习捕捉RSS序列的特征来抽取区域中心点的细粒度特征.然后,利用双向长短时记忆(bidirectional long short-term memory, BiLSTM)网络的存储记忆特性,学习当前与过去RSS序列中隐含区域范围的粗粒度特征.最后,利用注意力机制,通过融合粗细粒度特征,建立RSS序列特征与区域位置的映射关系,获取区域位置信息.真实室内环境下区域定位的实验结果表明,与目前定位效果最好的网格区域综合概率定位模型相比,提出的方法在降低计算复杂度的同时提高了区域定位的准确度和对环境的适应能力.

面向中原城市群的科技服务资源池研究与设计

随着我国科学技术的快速发展,中原城市群的信息化建设取得了较大进步,形成了具有地域特色的科技资源,但是总体而言,中原城市群科技服务资源分散,集成化不高,服务效率低,难以做到真正意义上的科技资源共享。为解决上述问题,本文研究数据抽取、处理、校验、标准化和融合技术。通过科技服务数据采集集成引擎,运用大数据整合技术,将分散独立的各类科技服务数据整合为一体;采用HBase列存储数据库和HDFS分布式文件系统存储不同类型数据,支撑结构化、半结构化、非结构化数据的并行处理,进而向平台提供数据检索、数据分析等各类数据服务,解决各类不同来源数据融合的问题,完成中原城市群科技服务资源池的架构设计,提高科技资源利用率,促进科技资源合理利用。

海洋溢油污染及修复技术研究进展

石油产品的海洋污染问题日趋严重,对水体生态环境造成了严重危害。结合现代生物技术,研究石油降解菌的降解过程进而筛选获取高效降解菌,开发针对溢油污染的高效生物修复工艺体系,是提高石油污染水体修复效率的有效措施。文章概述了海洋溢油的来源,阐述了海洋溢油对海洋生物、海洋生态环境、人体健康及旅游业造成的影响,分析了物理、化学、生物修复技术等处理方法的优劣,综述了微生物固定化技术在溢油污染中的应用现状,并展望了综合利用微生物技术处理海洋溢油污染问题的前景。

心电信号降噪算法研究综述

心电信号(Electrocardiogram,ECG)作为识别人体心脏异常的重要指标,其最常见的一个处理问题是消除不必要的噪声。这些噪声会使干净信号失真,从而影响对人体心脏的诊断与分析。综述了5种不同的心电信号降噪技术框架以及在该框架下的最新研究成果,最后汇总了近5年优秀降噪模型,并通过信噪比等性能评价标准进行比较。对比显示,不管基于单一噪声或是复合噪声,深度学习模型在降噪方面均显现出良好性能。最后,讨论了当前降噪模型存在的不足,并对下一步研究进行了展望。

心电图智能诊断公共服务平台系统设计与实现

本文针对基层农村医疗资源匮乏、医生心电图诊断能力不足等问题,设计并研发了心电图智能诊断、样本库调用、平台监控与计费、模型库管理及平台系统管理五大模块,建立心电图智能诊断公共服务平台,分别为心电终端、心电应用程序(application,APP)和心血管疾病随访平台提供心电智能诊断服务。该系统推动了优质医疗资源及创新技术应用下沉基层,为基层居民提供了与三甲医院同样质量的医疗服务。

基于两阶段学习的多行为推荐

多行为推荐系统旨在利用用户多种行为的交互数据来提升系统的推荐性能.现有的多行为推荐方法通常将多行为数据直接作用于共享的初始化用户表征上,并在任务中糅合了对用户偏好的挖掘和对不同行为间联系的建模.然而,这些算法忽视了不同交互行为中存在的数据不平衡问题(不同行为交互数据量差别较大)以及适配上述两种任务而引起的信息损失问题.事实上,用户偏好是指用户在不同行为中表现出来的喜好(例如,浏览的喜好),而各行为间的联系表现为用户偏好在不同行为间潜在的转化关系(例如,浏览转换为购买).在多行为推荐中,对用户偏好的挖掘和对行为间联系的建模可以看作两个阶段的任务.基于上述讨论,提出基于两阶段学习的多行为推荐.两阶段策略设计的优势是解耦了前述两种任务.两阶段策略采取固定参数交替训练的方式实现,并同时保留了模型端到端的结构.(1)第1阶段专注于不同行为下的用户偏好建模:先利用所有交互数据(不区分行为类别)对用户的全局喜好进行建模,以最大程度缓解数据稀疏性问题,再分别利用各行为的交互数据细化该特定行为下的用户偏好(局部偏好),以减轻不同行为之间的数据不平衡问题造成的影响.(2)第2阶段专注于对不同行为间联系的建模,通过解耦对用户偏好的挖掘和对不同行为间联系的建模,以缓解因适配两种任务而引起的信息损失问题.这种两阶段模式能够显著提升系统对目标行为的预测能力.大量实验结果表明,所提模型在性能上远优于最先进的基线模型,在Tmall和Beibei两个真实基准数据集上的性能提升平均可以达到103.01%和33.87%.

基于Flexsim的急诊科就诊流程仿真与优化

如何缩短患者就诊时间,提高服务效率和质量已经成为医院急诊科亟待解决的重要问题。基于Flexsim软件建模,对急诊科就诊流程进行仿真与优化。首先,结合Kolmogorov-Smirnov拟合优度检验等数理统计相关方法,对仿真模型所需的输入数据进行处理;然后,通过Flexsim软件建模仿真,找出急诊科就诊流程的资源瓶颈环节;最后,提出优化改进方案,以消除资源瓶颈,并基于Flexsim仿真模型,证实优化方案的合理性。通过优化改进,消除了急诊科系统的资源瓶颈,有效减少了患者拥挤现象,缩短了就诊时间,提高了就诊效率和患者满意度。

多尺度特征提取和多级别特征融合的显著性目标检测方法

显著性目标检测已经被广泛应用到图像检索、图像分割、行人重识别等领域。目前主流的显著性目标检测方法通常采用短连接加权的方式融合多级别特征信息,这种方式无法精准有效地控制信息流的传递。而且,现有的检测方法通常采用单一的特征检测,导致显著性目标区域与背景的边界不连续、易模糊。因此,本文提出一种多尺度特征提取和多级别特征融合的显著性目标检测方法。首先,利用不同扩张率的空洞卷积获取多尺度的上下文信息,弥补单一特征检测带来的不足。其次,提出一个多级别特征融合模块,该模块有效地利用浅层特征信息、深层特征信息和全局上下文特征信息之间的分布特性进行融合,不仅可以抑制噪声的传递,而且可以更有效地恢复显著性目标的空间细节结构信息。同时构建一个简洁的注意力模块,该模块有效保留特征图融合后的通道信息。本文对综合指标、平均绝对误差、结构化度量、精确率-召回率曲线和F-measure曲线进行了实验评估,在5个公开的数据集上进行的实验结果表明:相比于其他13种主流的检测方法,本文方法在不同的评估指标上均有明显的提升,在4个数据集上的综合指标和结构化度量指标均超过其他方法;并且,本文方法的可视化检测的显著图边缘轮廓连续性更好,空间结构细节信息更清晰。

基于残差网络的三维模型检索算法

近年来,基于视图的3D模型检索已经成为计算机视觉领域的重点研究方向。3D模型检索算法包括特征提取和检索算法两个部分,且鲁棒的特征对于检索算法起着决定性的作用。目前,研究者们已经提出了许多人工设计特征和深度学习特征,但是很少有人比较它们的异同。因此,文中对不同的人工设计特征和深度学习特征的性能进行了评估分析,基于充分对比的前提,采用了多个数据集、多样的评价标准和不同的检索算法进行了实验,并进一步比较了深度网络不同层特征对性能的影响,从而提出了基于残差网络的三维模型检索算法。在多个公开数据集上的实验表明:1)残差网络所提取的深度特征相较于传统特征,综合性能提升了1%～20%;2)与VGG网络所提取的深度特征相比,残差网络的综合性能提升了1%～5%;3)VGG网络中不同层特征的性能也有差异,深层特征与浅层特征相比,综合性能提升了1%～6%;4)随着网络深度的增加,残差网络所提取的特征的综合性能得到了有限提高,且比其他对比特征均更加鲁棒。

基于脑电通道动态选择方法的癫痫检测

在癫痫检测任务中,脑电信号的通道选择直接影响检测性能。针对静态通道选择方法中脑电信号部分时段癫痫检测能力不足的问题,提出了动态通道选择方法。根据通道位置和脑电信号功率谱密度确定通道集合,选择通道集合中癫痫检测能力最强的一路通道作为特征提取通道,通过提高局部癫痫检测能力,进而提高整体检测能力。实验结果表明,提出的动态通道选择方法检测癫痫,取得了98.99%精确度、98.52%敏感度和99.52%特异度的较好性能。与多通道相比,检测性能相近,但特征提取通道最少,时间复杂度减少到O(1)。与单通道相比,精确度、敏感度和特异度性能指标提高4.93%以上。

密集连接扩张卷积神经网络的单幅图像去雾

针对大多数图像去雾算法模型参数估计准确性差及色彩失真等问题,提出了一种端到端的密集连接扩张卷积神经网络。首先,通过使用多层密集连接结构来增加网络的特征利用率,避免网络加深时的梯度消失现象。其次,通过在密集块中使用不同扩张率的扩张卷积,使网络在充分聚合上下文特征信息时不损失空间分辨率,并避免了网格伪影的产生。最后,为了提高算法的去雾能力,将该网络划分为多个阶段,并在每个阶段引入侧输出模块,从而获得更精确的特征信息。实验结果表明,所提出的去雾算法无论是在合成数据集上还是在真实数据集上都取得了较好的去雾效果,恢复的色彩更接近无雾图像,并且定量评价指标峰值信噪比(PSNR)和结构相似性(SSIM)均优于其他对比方法。

多特征信息融合LSTM-RNN检测OSA方法

阻塞性睡眠呼吸暂停(obstructive sleep apnea,OSA)是最常见的睡眠呼吸疾病,它对人体的很多生理系统尤其对心血管系统是一个潜在的威胁.现有使用心电信号(electrocardiograph,ECG)提取浅层特征检测OSA的方法在长片段、高噪声的ECG信号和大数据集上表现较差.针对上述问题,提出一种多特征心电信号融合的长短期记忆循环神经网络,融合从ECG信号中提取的多种浅层特征信号,通过在融合信号上学习深层特征来检测OSA,提升模型在长片段ECG上的检测准确率和大数据集上的泛化能力.同时还针对浅层特征信号提出一种有效的数据预处理方法,用以突出OSA的时序变化,提高神经网络训练的收敛性,并降低由异常值噪声带来的影响,进一步提升模型在高噪声ECG片段上的检测准确率.实验证明:提出的方法在片段OSA检测准确率上优于已有的方法.

基于噪声估计与引导的低剂量CT图像盲去噪方法

提出了一种基于噪声特征估计与引导的低剂量CT盲去噪方法。首先,采用有监督特征学习的方式对输入图像的辐射剂量进行等级评估,并估计出图像潜在的噪声特征图。其次,提出了一种基于噪声引导的低剂量CT图像盲去噪模型,通过显性噪声特征引导的方式将噪声特征与原始图像进行融合,并采用残差编码-解码卷积神经网络实现CT图像噪声去除。实验结果表明,在真实数据集上噪声估计网络及特征融合网络能够大幅提升去噪网络的性能,并且在未知剂量CT图像去噪任务上取得了较好的去噪效果。

融合用户感知和多因素的兴趣点推荐

针对传统的基于协同过滤的兴趣点(POI)推荐方法存在数据稀疏问题和现有工作往往单纯利用上下文信息却没有合理平衡各因素的作用影响的问题,提出融合用户感知和多因素的兴趣点推荐模型(UPMF).为基于用户感知的隐式建模提取用户相似性以丰富用户表示,并利用序列、地理和社交等上下文信息构建用户感知协同影响的POI推荐模型,缓解数据稀疏问题.设计新颖的用户感知的融合策略(UPIS),在基于用户感知的同时合理利用各种上下文信息挖掘用户的动态偏好.提出基于分段的活动区域选择算法针对不同活动区域对用户的影响进行建模.实验结果表明,与其他流行的POI推荐方法相比,UPMF在准确率、召回率和归一化折损累计增益(NDCG) 3个评价标准上都有一定程度的提高.在Gowalla和Yelp数据集上,UPMF模型的NDCG@10比SUCP的分别高12.77%、7.24%.

基于双重属性信息的跨模态行人重识别算法

通过对跨模态检索问题的研究,属性信息的使用可以增强所提取特征的语义表达性,但现有基于自然语言的跨模态行人重识别算法对行人图片和文本的属性信息利用不够充分。基于双重属性信息的跨模态行人重识别算法充分考虑了行人图片和文本描述的属性信息,构建了基于文本属性和图片属性的双重属性空间,并通过构建基于隐空间和属性空间的跨模态行人重识别端到端网络,提高了所提取图文特征的可区分性和语义表达性。跨模态行人重识别数据集CUHK-PEDES上的实验评估表明,所提算法的检索准确率Top-1达到了56.42%,与CMAAM算法的Top-1(56.68%)具有可比性,Top-5、Top-10相比CMAAM算法分别提升了0.45%、0.29%。针对待检索图片库中可能存在身份标签的应用场景,利用行人的类别信息提取属性特征,可以较大幅度提高跨模态行人图片的检索准确率,Top-1达到64.88%。消融实验证明了所提算法使用的文本属性和图片属性的重要性及基于双重属性空间的有效性。

MFANet:一种用于雾天图像语义分割的多任务融合注意力网络

雾天情况下摄像机采集到的图片模糊不清,严重影响了语义分割的准确性。在过去的研究中,图像去雾与语义分割任务通常用级联处理的方式,导致图像去雾结果不能很好地适应语义分割任务。本文将图像去雾与语义分割任务融合处理,提出了一种多任务融合注意力网络,该网络由去雾编码模块、分割解码模块和特征转移模块三部分组成。去雾编码模块通过下采样来获取不同分辨率的特征信息,并通过相邻尺度间的残差连接来防止高频特征丢失,使各尺度层特征在不丢失重要细节信息的情况下有效去除雾噪声。分割解码模块通过上采样来恢复特征分辨率,并通过融合浅层与深层的特征,提高分割模块的特征利用率。特征转移模块通过连接去雾和分割两个任务模块,既有效解除了雾与信号之间的纠缠,又增强了去雾特征对分割任务的适应性。实验结果表明,所提出的方法对雾天图像语义分割结果明显优于已有方法。

中原城市群科技服务业发展探究

科技服务业作为现代服务业的重要组成部分,已经成为推动科技创新的重要驱动力量。因此加快推进科技服务业健康持续发展,提升带动科技业服务质量,对于区域科技创新至关重要。以中原城市群科技服务为研究对象,分析中原城市群以及区域内重点城市科技服务业发展情况,并找出科技服务业发展面临的问题,提出促进中原城市群科技服务业发展的对策和建议。

面向中原城市群的科技服务业发展模式和机制探究

在对中原城市群科技服务发展现状及问题研究的基础上,建立基于价值共享的综合科技服务运营体系,提出“G(政府)+O(运营商)+N(服务机构)”的总体运营模式以及“服务淘宝”的资源整合模式,并对中原城市群综合科技服务业的发展提出建议,以提高中原城市群科技服务效率和水平,实现科技服务资源跨区域共享。

面向基层人群的健康管理平台设计与实现

本文基于SpringMVC、Vue等技术,结合当前基层人群健康管理存在的问题,设计了一个用于在线健康数据管理的平台,实现了用户健康档案管理、健康数据在线采集及健康数据分析等功能。健康管理在疾病检测及预防方面起着至关重要的作用,但目前健康管理在基层人群中存在软硬件设施落后、健康数据管理困难等问题。随着我国互联网及智能化建设的快速推进,互联网+健康管理模式也必将成为我国在居民健康管理问题上探索的新方向。本系统致力于提升基层居民健康档案管理智能化水平,推进互联网技术在健康管理领域的普及应用。