基于自动编码器的深度伪造图像检测方法

基于深度学习的图像伪造方法生成的图像肉眼难辨,一旦该技术被滥用于制作虚假图像和视频,可能会对国家政治、经济、文化造成严重的负面影响,也可能会对社会生活和个人隐私构成威胁。针对上述问题,提出了一种基于自动编码器的深度伪造Deepfake图像检测方法。首先,借助高斯滤波对图像进行预处理,提取高频信息作为模型输入;然后,利用自动编码器对图像进行特征提取,并在编码器中添加注意力机制模块以获取更好的分类效果;最后,通过消融实验证明,采用所提的预处理方法和添加注意力机制模块有助于伪造图像检测。实验结果表明,与ResNet50、Xception以及InceptionV3相比,所提方法在数据集样本量较小且包含的场景丰富时,可以有效检测多种生成方法所伪造的图像,其平均准确率可达97.10%,明显优于对比方法,且其泛化性能也明显优于对比方法。     

基于非局部低秩和自适应量化约束先验的HEVC后处理算法

经高效视频编解码标准HEVC压缩后的视频在高压缩比、低码率的情况下存在明显的压缩效应。针对该问题,提出了一种基于非局部低秩(Non-local Low-rank,NLLR)和自适应量化约束(Adaptive Quantization Constraint,AQC)先验的HEVC后处理算法。该算法首先构造在最大后验概率框架下的优化问题,然后利用解码后的压缩视频和量化参数QP获取非局部低秩和自适应量化约束先验信息,最后利用split-Bregman迭代算法来解决所提的优化问题,从而有效去除压缩效应,提升重建视频质量。其中,非局部低秩先验通过构建基于相似块聚类的非局部低秩模型来获得;自适应量化约束先验通过联合不同量化参数QP下的约束特性与视频的DCT域块活动性来获得。实验结果表明,在同等码率的情况下,与HEVC标准相比,所提算法在帧内编码模式下可以达到平均0.2597 dB的PSNR提升,在帧间编码模式下可以达到平均0.2828 dB的PSNR提升。     

基于主题和关键词特征的比较文本分类方法

比较文本对于企业竞争产品分析至关重要,但目前面向问答领域的比较文本分类研究较少。针对问答文本中比较信息丰富、主题集中的特点,提出了基于主题特征和关键词特征扩展的比较文本分类方法。通过预训练主题模型,推断问答文本的主题概率分布作为其主题特征;针对向量拼接、求和导致关键词信息流失的问题,设计GRU自编码器实现关键词向量特征提取。综合文本主题信息和关键词语义,从语言、产品、情感、社交、主题、关键词角度构建比较文本分类特征,最后使用多种分类器对问答文本进行分类。实验结果表明,构建的特征行之有效,比较文本分类效果较好。     

面向网络入侵检测的GAN-SDAE-RF模型研究

针对传统机器学习方法在处理不平衡的海量高维数据时罕见攻击类检测率低的问题,提出了一种基于深度学习的随机森林算法的入侵检测模型,为了避免传统的随机森林面对高维数据和不平衡数据时分类精度低、稳定性差和对罕见攻击类检测率低的问题,引入生成式对抗网络（GAN）和栈式降噪自编码器（SDAE）对随机森林算法（RF）进行改进。将罕见攻击类数据集输入GAN神经网络中,生成新的攻击类样本,改善网络入侵数据在样本集中不均衡分布的情况,通过堆叠深层的SDAE逐层抽取网络数据的分布规则,并结合各个编码层的系数惩罚和重构误差,来确定高维数据中与入侵行为相关的特征,基于降维后的特征数据构建森林决策树。采用UNSW-NB15数据集的实验结果表明,与SVM、KNN、CNN、LSTM、DBN方法相比,GAN-SDAE-RF整体检测准确率平均提高了9.39%、误报率和漏报率平均降低了9%和15.24%以及在少数类Analysis、Shellcode、Backdoor、Worms上检测率分别提高了26.8%、27.98%、27.85%、39.97%。     

高速列车多目标约束横向半主动控制算法研究

传统的高速列车横向半主动控制研究,主要以提高车体横向运行平稳性为目的;但车体与各部件之间通过二系悬挂与一系悬挂连接传递相互耦合振动作用,因此半主动控制在改善车体横向平稳性的同时,将导致构架横向振动和轮轨横向作用加剧,从而使得列车脱轨系数增大,列车运行安全性能变差;针对这一问题,提出在虚拟惯性阻尼半主动控制和脱轨安全半主动控制的基础上,设计两个控制回路的多目标约束下的混合半主动控制算法,在实现列车横向半主动控制提高平稳性的同时,控制脱轨系数的恶化,从而同时提高列车平稳性和脱轨安全性能;并利用Simpack建立了某型高速列车多刚体动力学模型,联合Matlab/Simulink建立了联合仿真分析系统对车体横向半主动控制进行研究;结果表明:采用多目标约束半主动控制算法后,车体横向振动加速度峰值和均方根值分别降低了36%和34%,平稳性改善了15%,脱轨系数减小了17%;可见采用多目标约束半主动控制算法不仅能够有效抑制车体横向振动,改善列车运行平稳性,而且还能减小列车脱轨系数,提高列车运行安全性。     

基于栈式降噪自编码器的发酵过程回归建模

精确有效的发酵过程模型不仅能够定量揭示过程信息间的关联,实现对难以实时监测变量的预测,而且是进一步控制和优化的前提;基于数据驱动的发酵过程建模方法得到了广泛研究与应用,然而其仅考虑发酵过程的非线性特征和数据具有多采样率的特点,忽略了过程数据中测量噪声对模型的影响;为此,提出基于栈式降噪自编码器的发酵过程回归建模方法,该方法不仅具有较强的非线性拟合能力,半监督的学习策略也能够充分挖掘发酵过程中的所有数据信息,同时可以从含噪声的过程数据中提取出鲁棒性的特征,使模型具有噪声适应性;通过青霉素仿真对比实验结果表明,该模型的预测性能更好.     

边界约束对弯曲-伸展元三轴波速试验的影响

利用弯曲-伸展元开展干砂小应变剪切波试验和除气水压缩波试验,研究了三轴试样的不同约束边界对弯曲-伸展元量测剪切波速和压缩波速的影响,并对波速试验结果进行分析。研究结果表明:以干砂为试验对象的剪切波速试验结果介于砂土中剪切波速与边界材料的剪切波速之间,受到约束边界的材质、长度和壁厚的显著影响;而以除气水为试验对象的压缩波速试验结果受样品约束边界的影响较小。在不同约束材质下,剪切波在干砂中的传播速度与约束材料的刚度有关,材料的刚度越小对干砂剪切波速测试结果影响越小。弯曲-伸展元激发频率的相关性与边界约束无关,只与测试材料有关。研究成果有助于获取准确的弯曲-伸展元波速试验结果。     

Cooperative Multi-Agent Reinforcement Learning with Constraint-Reduced DCOP

Cooperative multi-agent reinforcement learning (MARL) is an important topic in the field of artificial intelligence,in which distributed constraint optimization (DCOP) algorithms have been widely used to coordinate the actions of multiple agents.However,dense communication among agents affects the practicability of DCOP algorithms.In this paper,we propose a novel DCOP algorithm dealing with the previous DCOP algorithms' communication problem by reducing constraints.The contributions of this paper are primarily threefold:① It is proved that removing constraints can effectively reduce the communication burden of DCOP algorithms.② An criterion is provided to identify insignificant constraints whose elimination doesn't have a great impact on the performance of the whole system.③ A constraint-reduced DCOP algorithm is proposed by adopting a variant of spectral clustering algorithm to detect and eliminate the insignificant constraints.Our algorithm reduces the communication burdern of the benchmark DCOP algorithm while keeping its overall performance unaffected.The performance of constraint-reduced DCOP algorithm is evaluated on four configurations of cooperative sensor networks.The effectiveness of communication reduction is also verified by comparisons between the constraint-reduced DCOP and the benchmark DCOP.     

高性能混凝土板式构件的早期收缩特性及预测模型

以桥面板等高性能混凝土板式构件为研究对象,通过实验测试了板式构件不同截面厚度位置处早期收缩分布情况,探讨混凝土早期收缩变形与温度、湿度发展过程。结果表明,混凝土板式构件的内部厚度方向不同位置处的相对湿度随龄期都呈现逐渐减小趋势,并呈现两阶段特征,同时,混凝土板式构件早期收缩变形厚度方向不同步,导致板式构件表面产生拉应力,当拉应力大于当时混凝土的抗拉强度时,混凝土表面就会出现浅层裂缝,这与实际工程中发现的板式构件表面开裂情况相吻合。混凝土板式构件早期收缩变形与相同配合比混凝土的早期自由收缩变形进行比较,引入相对约束度并建立了混凝土板式构件早期收缩变形的预测模型,并验证了该模型的准确性,其特点是能预测高性能混凝土板式构件不同截面厚度位置的早期收缩变形,对控制混凝土桥梁板式结构的早期收缩裂缝具有实际意义。     

事件约束的时间不确定事件流查询处理

提出两种事件约束的时间不确定事件流查询处理方法.基于可能世界的查询处理方法,根据事件约束的不确定事件查询语义,通过对可能世界的遍历获取查询结果.基于事件约束优先的查询处理方法中,根据事件约束计算其所涉及事件发生时间的联合分布律,进而获得复合查询所涉及事件的边缘分布律,最后利用时间不确定事件查询处理技术进行后续的查询处理.实验证明了2种方法对时间不确定约束事件查询有效.基于事件约束优先查询处理方法的可能世界集规模更小,比基于可能世界的查询处理方法更高效.