石川河河谷区地下水人工补给潜力与补给方式

为实现石川河地下水位的有效回升进而维持采补平衡,需在该区实施地下水人工补给工程,并确定合理的 补给位置及有效的补给方式。选取地下水埋深、坡度、含水层厚度、含水层渗透系数、与环境敏感区距离和给水 度 6 个指标,运用空间分析技术对人工补给地下水地点适宜性进行评价;在此基础上建立三维地质模型分析典型 人工补给潜力区的地层结构,探索可行的地下水人工补给方式。结果表明：适宜进行人工补给的高潜力和较高潜 力区域主要分布在研究区中部及东南部,面积达 48.01?km2,占研究区总面积的 32.0%。建议：在石川河河道中上 游高潜力和较高潜力区域的北部修建地表入渗池或渗坑;在河道中上游高潜力和较高潜力区域南部和河道中下 游的较高潜力区域布设反滤回灌井群;可沿石川河河道中上游高潜力与较高潜力区域之间布置一条长约 4.5?km 的渗渠,利用河道进行入渗补给。研究结果可为地下水库的修建提供参考。     

实现金相图象彩色化的一种新方法

本文提出一种简便的方法,仅利用一彩色滤波器便可以从金相显微镜实时地观察到假彩色编码图象。图象棱角分明、色彩鲜艳丰富,并能显示黑白显微放大图象所看不到的细节。 我们使用的方法是使黑白图象假彩色化,它利用改造物的空间频谱(即在不同频谱处仅让“某种颜色的光”通过)而实现的。 作者给出理论解析、实验装置和实验结果,并指出这种方法的优点及其在冶金,机械等领域的潜在实用前景。     

采用双尺度图像分解的水下彩色图像增强

目的 为解决水下图像的色偏和低对比度等问题,提出一种基于双尺度图像分解的水下彩色图像增强算法。方法 通过基于均值和方差的对比度拉伸方法改善图像的色偏问题,并利用中值滤波降低红通道对比度拉伸后引入的噪声;采用双尺度图像分解绿通道图像补偿红通道图像细节;在处理后的红通道图像中引入原始图像红通道的真实细节与颜色。结果 选取不同水下图像作为实验数据集,将本文方法与暗通道先验的方法、基于融合的方法、自动红通道恢复方法以及一种基于卷积神经网络深度学习的方法相比较,首先从主观视觉效果进行定性分析,然后通过不同评测指标进行定量分析。主观定性分析结果表明,提出的方法相比较其他方法能够更好地解决图像色偏和红色阴影问题;定量分析中,自然图像质量评价（natural image quality evaluation,NIQE）指标和信息熵（information entropy,IE）值较基于融合的方法和深度学习的方法分别提高了1.8%和13.6%,且水下图像质量评价指标（underwater image quality measurement method,UIQM）较其他方法更优。结论 提出的双尺度图像分解方法利用水下图像成像特点解决图像色偏以及低对比度问题,具有良好的适应能力,同时算法复杂度低且鲁棒性较高,普遍适用于复杂的水下彩色图像增强。     

实时机模型及时间语义指令集研究

混合关键系统中,具有不同安全和时间关键度的应用程序共享计算资源.由于系统中存在多种不确定性,设计者需要能同时满足功能行为确定性、时间行为可预测性和高计算性能等多重设计约束的紧致时间设计方法,对现有计算机体系结构及编程语言的理论和方法提出了新的挑战.提出支持时间语义的实时机模型RTM和时间触发指令集TTI,作为构建多层次协同的紧致时间设计方法MTTT的重要基础.最后以直升机飞控程序为例,说明RTM思想和TTI指令集的有效性.     

融合机器学习与知识推理的可解释性框架

针对基于规则的可解释性模型可能出现的规则无法反映模型真实决策情况的问题, 提出了一种融合机器学习和知识推理两种途径的可解释性框架. 框架演进目标特征结果和推理结果, 在二者相同且都较为可靠的情况下实现可解释性. 目标特征结果通过机器学习模型直接得到, 推理结果通过子特征分类结果结合规则进行知识推理得到, 两个结果是否可靠通过计算可信度来判断. 使用面向液基细胞学检查图像的融合学习与推理的某类宫颈癌细胞识别案例对框架进行验证, 实验表明, 该框架能够赋予模型的真实决策结果以可解释性, 并在迭代过程中提升了分类精度. 这帮助人们理解系统做出决策的逻辑, 以及更好地了解结果可能失败的原因.     

基于多通信半径和麻雀搜索的节点定位算法

针对现有无线传感器网络中节点定位算法精度低的问题,提出了一种LSSA-DV-hop算法。在此算法中引入了多通信半径的概念细化节点跳数,对多跳情况引入修正因子,对跳数进行修正。将定位问题抽象为函数寻优问题,使用麻雀搜索算法寻求函数最优解。同时针对优化算法在寻优过程中存在的易陷入局部最优解、种群多样性减少的问题,引入Levy飞行并添加动态递减因子在使其在前期有较好的全局搜索能力,在算法后期有较强的局部寻优能力。仿真结果表明,与经典DV-hop算法及现有改进算法相比提出算法定位误差平均值降低了51.42%和32.97%,定位精度更高。     

基于排序学习算法的智能检索系统

本文旨在解决数据资产管理系统中信息检索效率低、检索结果准确率低下的痛点,基于排序学习算法构建智能检索系统,提升检索结果和用户请求的相关性。对排序学习算法理论进行研究,对常用的排序学习算法进行相关优化,将分类问题扩展到文本排序问题之上,定义相关的目标函数及损失函数,使用机器学习的方法来提升检索结果的准确度。基于垂直分布式搜索引擎技术及排序学习算法构建智能检索系统,通过相关性工程提升检索请求转化的效率。实验表明本系统可以在优化检索速率的基础之上,提升检索语句与返回结果之间的相关性和检索的准确度。     

基于区块链的学历证书可信认证系统

学历造假不仅破坏了高等教育学历制度的公平性和严肃性,也极大地损害了社会风气。国内目前学历学位认证存在流程复杂、耗费时间长、认证收费高等问题,难以满足毕业生和用人单位快速、公正、准确地核实信息的需求。因此,研究一种高效可信的学历学位认证机制变得日益紧迫。文章提出一种基于区块链技术的学位证书可信认证系统,以可信学位认证为研究对象,以构建高效的、透明的、可溯源的认证机制为核心,以区块链基础架构和实现原理为基础,利用可信度量机制,构建一套完整的可溯源认证机制。     

面向5G网络云原生应用资源调度的博弈优化策略

随着5G网络和云原生技术的发展,面向服务的5G云原生核心网应运而生,传统应用正朝着云原生化方向发展。目前云原生服务提供商和云原生应用商数量众多且关系复杂,使得应用在云原生化过程中的资源调度面临新挑战。提出一种5G网络云原生应用资源调度优化策略,将云原生应用商和云原生服务提供商构建为多主多从的Stackelberg博弈模型,对传统收益进行具体描述并联合能耗构建利润函数和策略空间,证明给定一组微服务资源定价的情况下存在云原生应用商的纳什均衡点。在此基础上,引入柯西分布对策略进行优化,提高其收敛性能,通过分布式迭代方法得到云原生服务提供商的最佳微服务定价和云原生应用商的最佳微服务租用比例。仿真结果表明,相比ACA算法、QOS PA算法以及GOS策略,该策略能够有效提高网络收益和用户体验质量,同时降低应用开发能耗。     

高精度的大规模程序数据竞争检测方法

随着技术的不断发展,软件系统的非确定性（Uncertainty）不断增强,数据竞争是并发系统这一类典型的非确定性软件系统中常见的缺陷.尽管数据竞争静态检测近年来取得了巨大进展,但其面临的重要问题仍然存在.先前的静态技术要么以分析精度为代价达到高扩展性,要么由于高精度分析而导致可扩展性问题.本文提出一种解决上述矛盾的分段分析方法——GUARD.它首先基于程序值流进行轻量级上下文敏感的数据访问分析,以识别出候选的数据竞争子路径而非完整的程序路径.接下来,进行可能并行执行（May-Happen-in-Parallel,即MHP）分析来确定程序中的两个数据访问操作是否可能会同时执行.MHP分析基于线程流图（TFG）将线程信息进行编码以便于高效地查询各个子路径之间的并发关系.最后,对于每条存在MHP数据访问的子路径,进行重量级路径敏感分析以确定数据竞争路径的可行性.针对12个开源项目的实验评估显示GUARD能够在1870秒内完成对130万行代码的工业规模项目的检测,且平均误报率为16.0%.此外GUARD的分析速度更快,比现有的前沿技术平均快了6.08倍并且显著降低误报率.除此之外,GUARD在其中还发现了12个数据竞争漏洞.我们将它们全部报告给了开发者,其中8个已得到了确认.