我国山洪灾害防治技术研究综述

针对我国防洪减灾工作中亟待解决的山洪灾害问题,总结了国内山洪灾害防治技术的研究成果,从山洪灾害的成因、预测预报技术、预警技术、监测预警系统建设、灾情风险评估技术、形成机理、防治区划及防治对策等7个方面对我国山洪灾害防治技术主要成果进行分析,探讨了当前存在的不足及今后研究的方向。     

基于等效数值评价法的湖库营养状态评价分析

根据国家湖泊(水库)营养状态评价标准及分级方法,运用等效数值评价法,建立湖库营养状态综合评价的等效数值模型,以云南省9大高原湖泊为例,对滇池等湖泊营养状态进行综合评价,并与主成分分析法及指数评价法评价结果作对比分析.结果表明该模型满足评价精度要求,是一种湖库营养状态综合评价的新方法.     

有限状态自动机的C#实现

基于Visual C#语言实现了有限状态自动机.该自动机具有小巧轻便、简单易用的优点,可应用于程序复杂界面的操作与控制.     

基于C#手机卡余额批量查询系统设计与实现

在Microsoft Visual Studio.NET环境下,以C#作为开发语言,实现了无人气象站、区域自动气象站、土壤水分站等手机卡卡费余额的批量查询。用户借助Web平台可以实时查询各类设备手机卡余额情况,对于卡费余额不足设定值的手机卡,系统将自动发出短信提醒台站管理员及时充值。     

基于RBAC模型实现电子政务系统业务的柔性处理

电子政务的迅速发展,加大了业务处理的复杂度,先前的系统业务处理功能虽然丰富,但随着需求的不断变更和业务处理的不断重组,使得系统的适应能力已逐渐不能满足这种变化带来的柔性需求。文中根据电子政务系统存在业务处理流程中的“固化”的现象,引进基于角色的访问控制（RBAC）模型,从顶层设计的高度,利用基于数据字典的系统实现方法,实现了系统对业务的柔性处理,增强了业务处理的灵活性,从而提高系统的适应能力,进一步使得基于电子政务的政府机构办事效率提高。     

基于小世界模型的传感器网络节能查询策略

查询处理是传感器网络中最重要的技术之一。以降低查询能耗为目的,提出了一种基于小世界模型的查询策略（CardSN）。该策略以关联作为长程连接,降低了网络平均路径距离;将各节点的邻居相对定位,使查询处理获得了方向性。仿真实验结果表明：CardSN具有良好的可扩展性,且能耗明显低于ZRP和CAPTURE。     

嵌入路网图模型的自动驾驶场景描述语言

深度学习的快速发展带动着自动驾驶技术的迅速进步.深度学习感知模型在识别准确率逐步提升的同时,也存在鲁棒性和可靠性不足等隐患,需要在大量场景下进行充分测试以确保达到可接受的安全标准.基于场景的仿真测试是自动驾驶技术的核心和关键,如何描述和生成多样化仿真测试场景是需要解决的关键问题之一.场景描述语言能够描述自动驾驶场景并在虚拟环境中实例化场景获取仿真数据,但现有的场景描述语言大都缺少对于场景道路结构的高层抽象和描述.提出路网属性图来表示路网中抽象出的实体及他们的关系,并设计能简洁描述场景路网结构的语言SceneRoad. SceneRoad可以基于描述的场景道路结构特征构建路网特征查询图.这样,在路网中搜索符合描述的场景道路特征的问题被抽象为路网图上的子图匹配问题,该问题可用VF2算法求解.进一步地,将SceneRoad作为扩展集成到Scenic场景描述语言中.使用拓展后的语言随机生成大量多样的静态场景并构建仿真数据集.仿真数据集的统计信息表明生成的场景具有丰富的场景多样性.不同感知模型在真实和仿真数据集上的训练测试结果表明,模型在两个数据集上的表现呈正相关,意味着模型在仿真数据集上的评估...     

基于社团多特征融合嵌入表示的时序链路预测方法

时序动态网络在静态网络基础上综合了时间属性的概念,包含了网络结构的复杂性、动态性等内涵,是研究复杂网络链路预测问题的较优思维对象,因在现实世界中具有较高应用价值而备受关注。目前大部分传统方法研究对象仍局限于静态网络,存在对网络时域演化信息利用不充分、时间复杂度较高等问题。结合社会学理论,提出一种基于社团多特征融合嵌入表示的时序链路预测方法,该方法的核心思想是通过分析网络动态演化特性,在社团范围内学习节点的嵌入表示向量,融合多特征以衡量节点间连边的生成概率。利用网络集体影响力的方法对节点和连边的权值进行计算,基于集体影响的连边权值进行社团划分,将网络划分为若干个社团子图,得到基于集体影响的相似性指标。在社团范围内,利用有偏的随机游走,结合梯度优化的Skip-gram方法获取所有节点的嵌入表示向量,得到基于社团范围游走的相似性指标。融合节点的集体影响、社团范围节点的多个中心性特征和学习到的节点表示向量,得到多特征融合的相似性指标,3 种新指标都可以用于衡量节点之间形成连边的概率。对比基于移动平均、嵌入表示、图神经网络等经典时序链路预测方法,在 6 个真实数据集上的实验结果表明,所提基于社团多特征融合的方法在 AUC评价标准下取得更优的预测性能。     

一种基于图注意力网络的异质信息网络表示学习框架

常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分：基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传播模型通过堆叠注意力层学习网络的高阶邻居特征;可更换的任务模型适用于不同的应用场景。与基准模型相比,该文所提框架在知识图谱的链接预测任务和异质信息网络的节点分类任务中都取得了相对不错的效果。     

基于自注意力胶囊网络的伪造人脸检测方法

当前以换脸为代表的伪造视频泛滥,给国家、社会和个人带来潜在威胁,有效检测该类视频对保护个人隐私和维护国家安全具有重要意义。为提高视频伪造人脸检测效果,基于可解释性好的胶囊网络,以Capsule-Forensics检测算法为基础,提出一种结合自注意力胶囊网络的伪造人脸检测方法。使用部分Xception网络作为特征提取部分,降低模型的参数量,在主体部分引入带注意力机制的胶囊结构,使模型聚焦人脸区域,将综合多维度的Focal Loss作为损失函数,提高模型对难分样例的检测效果。实验结果表明,与Capsule-Forensics算法相比,该方法能够减少模型参数量和计算量,在多种伪造类型数据集上均具有较高的准确率。