基于时域图卷积神经网络的交通流预测模型

针对当前大多数模型对交通流数据空间信息挖掘不充分、无法捕获长序列单元间的信息等问题,提出一种基于时域图卷积神经网络的交通流预测模型。通过阈值权重法重构邻接矩阵,将多层近邻机制嵌入图卷积网络进一步挖掘空间信息;引入时域卷积网络,借助膨胀因果卷积扩大感知野并结合残差网络提取时间信息;运用Dense网络输出结果。利用加州性能评估系统中两个数据集进行评估,其结果表明,该模型性能优于常用的基准模型以及最近提出的多时空图卷积网络模型。     

信息熵-保真度联合度量函数的单幅图像去雾方法

为了增强雾霾图像对比度的同时有效地弥补颜色缺失,提出一种信息熵与保真度相结合的单幅图像去雾方法.首先利用四叉树分割的雾霾变换图像估计大气光线;然后构造信息熵与保真度的联合度量目标函数,估计局部图像块的大气透射率;再采用加权的最小二乘方法对大气透射率的初次估计值进行精细化处理;最后根据大气散射模型求解出去雾后的图像.采用多种室外场景下不同分辨率的真实雾霾图像作为测试数据,通过多组性能指标的比较分析;实验结果证明,该方法在增强图像对比度的同时有效地保留了图像色彩信息.     

一种新的8B/10B编解码设计

在分析8B/10B编解码规则和输入信号与对应数据间逻辑关系的基础上,提出了一种新的编解码和游程值计算方法,完成了编解码电路的可综合Verilog HDL语言设计,并在Quartus Ⅱ和ModelSim软件环境下实现了电路综合及仿真。仿真结果表明,该方法与现有8B/10B编解码方案相比,最大工作频率显著提高,资源占用相对较少且可靠性得到增强。     

RIA技术在海洋环境监测信息平台中的应用

为提高客户端图像传输速率和页面响应效率,选取了微软最新的基于Silverlight的RIA技术,采用统一建模语言UML对海洋环境监测信息平台进行了建模,分析设计了系统的功能结构,提出了电子海图的逻辑坐标与经纬度坐标之间的换算算法。利用Silverlight核心的DeepZoom图像处理技术以及WCF数据通信等关键技术,实现了全新的海洋环境监测信息平台。实例测试结果表明,该信息平台与现有的基于WebGIS的矢量地图应用系统相比,其图像传输速率与页面响应时间明显提高。     

一种园区级网络拓扑图布局算法

以SeeLink NMS网管系统的研发工作为基础，通过分析几种常见的网络拓扑图布局算法，针对园区级网络的特点，综合分而制之思想与环型布局思想，改进设计出一种适合园区级网络的拓扑图布局算法，并在SeeLink NMS中得以实现。     

ASP.NET技术在Web高校成绩管理系统中的应用与实现

讨论了ASP．NET体系结构，分析设计了Web高校成绩管理系统的整体架构和功能结构，深入探讨了应用ASP．NET技术实现数据库的高效访问方法，并给出了实现系统的安全性措施。实际应用表明，该系统在同类院校中具有较好的推广价值。     

一种Java软件水印植入虚方法的永假式构造

软件水印是近年来出现的软件版权保护技术,它通过在软件作品中嵌入版权信息(水印)来达到版权保护的目的。针对基于字节码的Java软件水印算法,提出一种永假式的构造设计方法,用于水印算法中虚方法的植入。利用Java语言的反射机制动态随机生成一个0、1字符串,对该字符串进行正反码编码和解码,得到一个始终全为0的字符串,以此作为永假式的条件,确保虚方法不被执行。永假式的构造具有良好的隐蔽性,能抵抗多种常见的水印攻击。     

基于多时空图卷积网络的交通流预测

交通流预测在交通管理和城市规划的应用中具有重要意义,然而现有的预测方法无法充分挖掘其潜在的复杂时空相关性,为进一步挖掘路网道路网络数据的时空特性以提高预测精度,提出一种多时空图卷积网络(multi-spatial-temporal graph convolutional network,MST-GCN)模型。首先,利用切比雪夫图卷积(ChebNet)结合门控循环单元(GRU)构建时空组件以深度挖掘节点的时空相关性;其次,分别提取周相关、日相关、邻近时间的序列数据,输入三个时空组件以深度挖掘不同时间窗口间的时间相关性;最后,将时空组件与编码器—解码器网络结构(encoder-decoder)融合组建MST-GCN模型。利用加利福尼亚州交通局(Caltrans)性能评估系统中高速公路数据集PEMS04和PEMS08进行实验,结果表明新模型的性能明显优于门控循环单元模型和最近提出的扩散卷积循环神经网络(DCRNN)、时间图卷积网络(T-GCN)、基于注意力机制的时空图卷积神经网络(ASTGCN)和时空同步图卷积网络(STSGCN)模型。     

利用时变噪声贝叶斯卡尔曼滤波的室内移动目标定位

基于射频识别的指纹滤波定位技术是当前室内定位中常使用的技术之一。针对该技术存在的卡尔曼滤波算法不能准确适应环境噪声变化,致使定位精度不高的问题,提出了一种适应时变噪声的贝叶斯卡尔曼滤波算法。所提算法结合Sage-Husa滤波模型和贝叶斯模型,实现了过程和测量协方差矩阵的最优化,有效地降低了噪声,提高了指纹滤波定位的精度。实验结果表明,与变分贝叶斯卡尔曼滤波和Sage-Husa滤波相比,无障碍情况下,基于改进算法的定位精度提高了6%以上;有障碍干扰下,则提高了14. 6%以上。