基于同态加密的神经网络模型训练方法

针对云环境下数据隐私泄露与基于同态加密的隐私保护神经网络中精度不足的问题,文中提出了一种双服务器协作的隐私保护神经网络训练(PPNT)方案,在云服务器协同训练过程中实现了对数据传输、计算过程及模型参数的隐私保护。首先,为避免使用多项式近似方法实现指数和比较等非线性函数,并提高非线性函数的计算精度,基于Paillier半同态加密方案和加法秘密共享技术设计了一系列基础安全计算协议;其次,在已设计的安全计算协议基础上,构造了神经网络中的全连接层、激活层、Softmax层及反向传播相应的安全计算协议,以实现PPNT方案;最后,通过理论与安全性分析,证明了PPNT方案的正确性及安全性。性能实验结果显示,与PPMLaaS方案相比,PPNT方案的模型精度提高了1.7%,且在安全计算过程中支持客户端离线。     

面向无人机故障诊断的知识图谱构建应用方法

近年无人机作业安全保障问题面临着严峻挑战,确保无人机安全作业至关重要。传统的无人机故障诊断方法具有容易造成知识浪费等问题,已无法满足日益复杂的工作需求,基于新兴研究热点的知识图谱,充分利用无人机先验知识进行故障诊断,可实现组件关联诊断并依靠专家知识实现诊断结果的可解释性。目前面向故障诊断知识图谱的研究较少,通常采用“预训练”模型解决深度学习模型训练的数据不足,但这种方法应用场景限制较大,且不能为后续研究者提供有价值可参考的训练样本。以无人机故障维修手册为主要数据,提出一种基于远程监督的机标人校数据标注方法,获得数量可观、标注精确的无人机故障语料库,并根据数据结构特点结合基于规则和BiLSTM-CRF网络的知识抽取方法,实验证明实体抽取效果良好。基于无人机故障诊断本体完成无人机故障诊断知识图谱的构建,通过Neo4j进行存储及可视化展示,并搭建无人机系统故障的智能问答系统,为无人机故障提供有理有据的精准诊断,证明了知识图谱在故障诊断领域的有效性,为基于知识图谱的故障诊断体系构建提供科学依据。     

改进正弦算法引导的蜣螂优化算法

蜣螂优化器（dung beetle optimizer,DBO）是一种有效的元启发式算法。蜣螂优化算法虽然具有寻优能力强,收敛速度快的特点,但同时也存在全局探索和局部开发能力不平衡,容易陷入局部最优,且全局探索能力较弱的缺点。提出了一种改进的DBO算法来解决全局优化问题,命名为MSADBO。受改进正弦算法（improved sine algorithm,MSA）的启发,赋予蜣螂MSA的全局探索和局部开发能力,扩大其搜索范围,提高全局探索能力,减少陷入局部最优的可能性。同时加入了混沌映射初始化和变异算子进行扰动。为了验证MSADBO的有效性,对该算法采用23个基准测试函数进行了测试,并与其他知名的元启发式算法进行了比较。结果表明,该算法具有良好的性能。为了进一步阐述MSADBO算法的实际应用潜力,将该算法成功地应用于3个工程设计问题。实验结果表明,所提出的MSADBO算法可以有效地处理实际应用问题。     

太阳能辅助空气源热泵系统多地区适用性研究

为探究太阳能辅助空气源热泵系统在不同太阳能资源等级地区的适用性,根据年太阳辐照量的不同,依次选取太阳能资源等级为Ⅰ—Ⅳ级的拉萨、张家口、杭州、贵阳作为研究对象,使用TRNSYS软件进行系统的模拟。选择热泵功率、水箱容积、电辅热功率、集热器面积、集热器方位角和倾斜角6个参数作为优化变量,以生命周期成本为目标函数,利用粒子群优化算法得到各地区的最佳设备参数,并对优化后的系统进行经济性、敏感性分析。研究结果表明:拉萨和张家口地区的太阳能辅助空气源热泵系统最优运行方式为热泵搭配集热器,而杭州和贵阳地区的系统最优运行方式则为热泵搭配电辅热;其中,贵阳地区的热泵运行效率最高,为2.94,拉萨地区的系统运行效率最高,为2.26,杭州地区的系统单位制热量成本低,为0.48元/kW;选用相对灵敏度分析可知,热泵功率对各个地区系统的生命周期成本均具有显著影响。所得结果可为太阳能辅助空气源热泵系统的优化设计提供相应的理论依据。     

基于B2B-MMC的柔性互联变电站优化调度方法

针对传统变电站内主变之间采用单母线分段开关难以准确调控潮流问题,提出一种基于背靠背模块化多电平换流器（B2B-MMC）的柔性互联变电站优化调度方法。首先,提出含柔性互联变电站的配电网架构,实现潮流的连续性控制及多区域间互相协调;然后,设计柔性互联变电站架构下的一种潮流优化调度方法,采用遗传算法对换流器进行赋值,利用改进交替迭代法进行潮流计算,实现配电网潮流的主动调控;最后,通过仿真模型验证了本文所提控制方法的有效性和合理性。     

认知异构蜂窝网络中改进蜉蝣算法的资源分配策略

针对认知异构蜂窝网络中上行链路资源分配的优化问题,提出认知异构蜂窝网络中改进离散蜉蝣算法的资源分配算法。认知异构蜂窝网络模型中,考虑用户层间干扰和带外干扰引入功率控制策略控制发射功率来干扰抑制,基于用户服务质量（QoS）需求和干扰阈值约束,最大化能量效率为优化目标,利用改进离散蜉蝣算法优化求解得出最优分配方案。引入不完全Gamma和Beta分布函数的动态自适应权重、黄金正弦位置更新策略,提升蜉蝣算法的收敛速度和搜索能力。仿真实验表明,基于接收SINR的闭环功率控制动态调整用户端的发射功率,能有效抑制用户间的干扰,GSWBMA求解资源分配问题具有良好的寻优效率和收敛性能,有效提升系统能量效率和用户传输速率,保证用户QoS需求。     

运动模糊图像PSF参数估计方法改进及图像复原

运动模糊图像复原的目的是改善运动图像质量,从而为图像处理任务提供高质量的清晰图像以保证算法能够准确获取图像信息,其中运动模糊图像的点扩散函数（PSF）求解是影响复原图像质量的关键步骤。针对现有运动模糊图像PSF参数估计方法中存在的估计误差大、有效估计范围有限等问题,在分析频谱图像特征的基础上,提出一种改进的PSF参数估计方法。通过图像增强处理和形态学变换去除频谱图像中的十字亮线和噪点干扰,获取形态合适的条纹图像以完成Radon变换检测。利用二值频谱图像的条纹特征自适应地控制形态学运算精度,从而保证算法的执行效率和鲁棒性。对条纹进行边缘测定,消除由条纹自身宽度导致的角度估计误差,以提高参数估计结果的精度。实验结果表明,该方法能够提高模糊参数估计的准确率和有效估计范围,由此构建的PSF能复原出更加清晰的重建图像,复原图像总体峰值信噪比不低于25 dB。     

基于主题情感联合分析的游客画像研究

网络文本作为现代游客承载感知和表达观点的载体,已成为游客画像构建与分析的重要数据来源。现有的自然语言处理技术在游客画像的挖掘过程中主要关注游客的需求和情感,缺少技术与旅游应用的有效衔接,然而现有的文本挖掘技术中文本的主题和情感通常被割裂分析,缺乏相互指向性,无法有效提取用户细粒度的意见。提出一种基于变分自编码的有监督主题情感联合分析模型。将词频权重引入到先验知识中,同时通过截断高斯模型构造变参数,有效捕获离散数据中的相关性,利用情感标签辅助主题的训练和生成,以提升主题挖掘及情感预测的准确率。通过变分自编码模型计算贝叶斯主题模型的后验分布,采用主题分布下的情感分类预测实现主题情感的联合分析。实验结果表明,当主题数为10~100时,该模型的情感预测平均准确率约为85%,相比LDA、SAGE、NVDM模型,能够有效挖掘酒店用户评论的特征。     

基于博弈论优化的高效联邦学习方案

随着网络信息技术与互联网的发展,数据的隐私与安全问题亟待解决,联邦学习作为一种新型的分布式隐私保护机器学习技术应运而生。针对在联邦学习过程中存在个人数据信息泄露的隐私安全问题,结合Micali-Rabin随机向量表示技术,基于博弈论提出一种具有隐私保护的高效联邦学习方案。根据博弈论激励机制,构建联邦学习博弈模型,通过设置合适的效用函数和激励机制保证参与者的合理行为偏好,同时结合Micali-Rabin随机向量表示技术设计高效联邦学习方案。基于Pedersen承诺机制实现高效联邦学习的隐私保护,以保证联邦学习各参与者的利益和数据隐私,并且全局达到帕累托最优状态。在数字分类数据集上的实验结果表明,该方案不仅提高联邦学习的通信效率,而且在通信开销和数据精确度之间实现平衡。     

膨胀型阻燃涂料对木材的阻燃性能

以脲醛树脂(UF)和硅丙乳液(SEA)树脂分别为基料,三聚氰胺磷酸盐(MP)-三聚氰胺(MEL)-季戊四醇(PER)为膨胀阻燃体系,制备膨胀型阻燃涂料。通过极限氧指数、热重分析、锥形量热、扫描电镜对涂料阻燃性能表征分析证明,与SEA相比,UF分解温度较低,残炭量提高了11.53%;与硅丙乳液基三聚氰胺磷酸盐涂料(SEA/MP)木材阻燃涂料相比,脲醛树脂基三聚氰胺磷酸盐涂料(UF/MP/MEL/PER)木材阻燃涂料具有良好的阻燃性能、热稳定性和抑烟性能,残炭量提高了5.05%,总放热量降低了17.0%,总烟气生成量降低了39.3%,在木材表面形成的炭层更加完整。