多尺度分割先验迭代重加权低秩恢复显著性检测

目的 现有显著性检测方法大多只关注显著目标的中心信息,使得算法只能得到中心清晰、边缘模糊的显著目标,丢失了一些重要的边界信息,而使用核范数约束进行低秩矩阵恢复,运算过程冗余。为解决以上问题,本文提出一种无监督迭代重加权最小二乘低秩恢复算法,用于图像视觉显著性检测。方法 将图像分为细中粗3种尺度的分割,从细粒度和粗粒度先验的融合中得到分割先验信息;将融合后的分割先验信息通过迭代重加权最小二乘法求解平滑低秩矩阵恢复,生成粗略显著图;使用中粒度分割先验对粗略显著图进行平滑,生成最终的视觉显著图。结果 实验在MSRA10K（Microsoft Research Asia 10K）、SOD（salient object detection dataset）和ECSSD（extended complex scene saliency dataset）数据集上进行测试,并与现有的11种算法进行对比。结果表明,本文算法可生成边界清晰的显著图。在MSRA10K数据集上,本文算法实现了最高的AUC（area under ROC（receiver operating characteristic）curve）和F-measure值,MAE（mean absolute error）值仅次于SMD（structured matrix decomposition）算法和RBD（robust back ground detection）算法,AUC和F-measure值比次优算法RPCA（robust principal component analysis）分别提高了3.9%和12.3%;在SOD数据集上,综合AUC、F-measure和MAE值来看,本文算法优于除SMD算法以外的其他算法,AUC值仅次于SMD算法、SC（smoothness constraint）算法和GBVS（graph-based visual salieney）算法,F-measure值低于最优算法SMD 2.6%;在ECSSD数据集上,本文算法实现了最高的F-measure值75.5%,AUC值略低于最优算法SC 1%,MAE值略低于最优算法HCNs（hierarchical co-salient object detection via color names）2%。结论 实验结果表明,本文算法能从前景复杂或背景复杂的显著图像中更准确地检测出边界清晰的显著目标。     

Nonsmooth spatial frictional contact dynamics of multibody systems

Multibody System Dynamics - Computational prediction of 3D crutch-assisted walking patterns is a challenging problem that could be applied to study different biomechanical aspects of crutch walking...     

On the use of multibody dynamics techniques to simulate fluid dynamics and fluid–solid interaction problems

Multibody System Dynamics - A multibody dynamics-based solution to the fluid dynamics problem is compared herein to two established Lagrangian-based techniques used by the computational fluid...     

基于RISC-V处理器的卷积加速SoC系统设计

为提高卷积神经网络（CNN）的计算效率和能效,以8 bit定点数据作为输入,设计一个支持激活、批标准化以及池化等CNN网络中常见计算类型的卷积加速器,优化循环计算顺序并将其与数据复用技术相结合,以提高卷积计算的效率。基于软硬件协同设计思想,构建包含RISC-V处理器和卷积加速器的SoC系统,RISC-V处理器基于开源的指令集标准,可以根据具体的设计需求扩展指令功能。将该SoC系统部署在Xilinx ZCU102开发板上,RISC-V处理器和卷积加速器分别工作在100 MHz和300 MHz频率下,测试结果表明,该加速器的算力达到153.6 GOP/s,运行VGG16网络进行图片推理计算时加速效果较好。     

科恩-沈方程与含时科恩-沈方程的一个自适应有限元数值方法

在材料分析、纳米光学等研究中,高质量数值模拟多体系统电子密度的随时间演化是一类重要研究内容.演化中产生的时间依赖偶极子等物理量,是更进一步研究的基础.此类数值模拟分为两个步骤.即多体系统的基态求解、及以基态为初值的系统的动态演化模拟.这两个步骤可以分别通过数值求解科恩-沈(Kohn-Sham)方程及含时科恩-沈(time-dependent Kohn-Sham)方程实现.本文中,我们提出一类基于有限元方法的数值求解框架,为这两个步骤提供一个统一的模拟实现.在基态求解中,我们利用一类自洽场迭代对方程进行线性化,采用局部最优块预处理共轭梯度法求解导出的广义特征值问题,并设计了一个基于多重网格方法的预优对求解进行有效加速.在动态演化模拟中,针对方程的结构,我们提出了一个基于隐式中点公式的数值方法,利用预估-校正方法对方程进行线性化处理,并设计了一个针对复值线性系统的代数多重网格求解器用于加速时间推进.特别地,我们基于提出的数值方法,分别针对科恩-沈及含时科恩-沈方程导出了残量型后验误差估计子,并实现了基于局部加密的网格自适应方法,用于进一步改善数值模拟效率.数值解展示了方法的有效性.     

基于VDES的船联网移动自组织路由协议研究

基于甚高频数据交换系统(VHF Data Exchange System,VDES),通过分析海上真实船舶运动特征,提出一种符合船舶移动特征的移动模型——船舶平滑转向的高斯马尔可夫移动模型。针对性地研究了不同船舶节点密度环境中的自组织网络路由协议,仿真分析了不同自组织网络路由协议应用于VDES时的数据传输性能。结果表明,按需距离矢量(Ad Hoc on-demand Distance Vector,AODV)路由协议明显优于其他路由协议,可将其作为VDES下船联网系统最优路由选择方案。     

基于响应时间的混合关键级系统弱约束调度策略研究

现有的混合关键级系统调度策略如AMC、SMC等大多以牺牲低关键级任务的方式保证高关键级任务的执行,不符合实际工业设计且破坏数据完整性。对此建立一种新的混合多关键级任务模型,基于响应时间分析提出两种调度策略:AMC-we-x和AMC-we-max-x。线下估计任务集在这两种调度策略下的可调度比率,与已有的混合多关键系统调度策略AMC-arb-x、AMC-max-x进行比较。结果表明,提出的两个调度策略在一定程度上能够实现调度低关键级任务的积极调度,可以通过改变弱约束模式参数调整任务的服务水平。     

采用长短期记忆网络的深度学习方法进行网页正文提取

针对复杂网页上主题信息被过多地与主题无关的广告、导航、版权等噪声信息隐藏的问题,提出一种基于长短期记忆的深度学习正文提取方法(LTE).首先,设计一种根据超文本标记语言(HTML)中标签信息的数据划分策略:通过遍历HTML代码的文档对象模型(DOM)树来根据DOM树结构划分每一个具有文本信息的文本块;然后,通过预训练模型对每一个内容块的从属关系进行表征;最后,这些标签会被输入到用这种格式的数据预先训练好的长短期记忆(LSTM)网络模型进行主要内容正文判别.实验结果证明,模型能够有效拟合已标记的数据集,在训练集中的F1分数能稳定在0.96以上;对于不存在于训练集中的网页格式,对其正文的预测准确度也比两个传统正文抽取工具Readability和Newspaper3k的分别高47.54、19.02个百分点.由实验结果可知,LTE能够有效提取出网页中的正文内容.     

基于梯度提升决策树的变形宏病毒检测

宏病毒在高级持续性威胁中被广泛运用.其变形成本低廉且方式灵活,导致传统的基于病毒规则库的反病毒系统难于有效对抗.提出一种基于梯度提升决策树的变形宏病毒检测方法.该方法以病毒专家经验为指导,实施大规模特征工程,基于词法分析对变形宏病毒做细粒度建模,并使用海量样本训练模型.实验表明,该方法能够准确检测企业级用户网络中传播的真实变形宏病毒和主流变形工具生成的变形宏病毒;对400万个宏程序样本进行10折交叉验证,准确率和召回率分别达到99.41％和97.34％,优于现有其他方法.     

大数据融合模型的智能化网络安全检测方法

针对传统智能化网络安全检测平台处理数据效率低、误差大等问题,文章提出一种新型的解决方案;该方案基于大数据融合模型构建新型的智能化网络安全检测平台,采用卡尔曼滤波算法、采用数据融合分类算法和模糊推理算法3种方法结合构建出数据融合模型来对网络安全检测数据进行运算与处理;其中,采用卡尔曼滤波算法进行改进,对原始网络安全检测数据进行滤波降低噪声干扰,提高数据的精准度;通过SAE稀疏自动编码器自主提取网络安全检测数据的特征信息,之后K-means聚类算法对SAE稀疏自动编码器输出的数据进行处理,通过模糊推理算法调整权值;试验表明,文章所提方案克服了现有技术存在的不足,显著提高了处理数据效率和精准度,在数据量为2 TB的环境下,本研究方法的误差低至6.9％.