面向限价指令簿趋势分析的网络集成模型

为了更好地分析限价指令簿(LOBs)的趋势,文中提出面向LOBs趋势分析的网络集成模型(NEM-LOB).模型融合2个长短期记忆(LSTM)子模型和1个卷积神经网络(CNN)子模型.一个LSTM子模型可通过LOBs的分布信息捕捉全局时间依赖性,另一个LSTM子模型可通过LOBs和订单流的动态信息捕捉全局动态性.CNN子模型通过LOBs的事实信息提取局部特征.最后,结合3个子模型,提取特征以获得预测结果.在FI-2010数据集上的实验表明NEM-LOB通过引入订单流信息,能对LOBs进行更好的趋势分析.     

合成孔径光学成像系统与图像复原技术

结合信息光学理论知识与合成孔径系统的基本成像原理,得出了三种类型子孔径排布方式下的光学调制传递函数(MTF)分布,分析其成像特性;利用MATLAB软件在不同孔径排布情况下模拟其成像退化结果;采用最大似然的R--L复原方法对成像结果分别进行复原。根据计算机理论模拟的结果,该方法有较好的复原效果,图像的清晰度有所改善,一些细节系信息也有所完善;其中三臂型的清晰度最好,复原结果最佳。     

大规模接警日志语义时空模式交互探索

接警日志包含时间、空间和案件描述信息,属于非结构时空数据.与时空社交媒体相比,接警日志的数据项之间存在较少的联系,数据项之间不能形成复杂网络关系,在挖掘其数据模式时难以提供有价值的线索,因此,其分析更加依赖于其中的语义挖掘和语义时空模式探索.针对这一问题,提出了一个可视分析框架支持对大规模非结构接警日志时空模式的交互探索.首先,提出了一种基于主题模型集成的方法,实现从异构文本中抽取主题;其次,该框架包含一个数据立方体,实现快速响应用户的查询请求;第三,设计并实现了一个可视化交互系统,支持对数据立方体的可视化交互探索.最后,使用国内某城市真实接警日志进行实验,找到的丰富的模式和主题预测准确性证明了方法的有效性.     

2008~2016年MODIS多角度大气校正气溶胶产品在中国的时空分布及变化趋势

探究全国大气气溶胶分布及变化特征,准确了解中国地区气溶胶光学特性对研究大气环境污染、应对全球气候变化是非常重要的。对2008~2016年的MODIS MAIAC气溶胶光学厚度数据在中国的适用性进行验证,并采用Mann-Kendall方法,从不同的时空尺度和气溶胶类型上分析中国地区AOD值的时空变化特征。结果表明：①验证表明C6的MAIAC反演结果在中国AERONET匹配点上表现良好,C6的MAIAC反演AOD结果适用于中国区域;②从年际尺度上看,2008~2016年AOD年均值整体呈波动下降;从季节尺度上看,AOD季节变化呈春季整体高、夏季中心高、秋冬季水平低的特点,各省AOD平均值及各省份划区AOD平均值随季节变化趋势相似。③在空间上,AOD呈东南高、西北低、高值中心聚集的特征。④中国AOD变化整体呈现出东部减少且集聚,西部增加且分散的变化特征。可进一步探究不同种类气溶胶分布和气溶胶与典型大气污染物分布关系,以期为中国环境污染治理提供更好的决策指导。     

基于光电测量技术的光学元件表面缺陷自动识别方法研究

随着先进光学仪器、精密测量技术的迅速发展,通常利用接触式、非接触式检测方案,对某些光学元件表面存在的缺陷问题进行人工或自动识别.提出了基于光电测量技术的光场复振幅识别、表面轮廓特征识别方案,结合Harris算子角点识别方法,对光学元件涉及到的尺寸、纹理、缺陷位置、缺陷梯度等数据参量,展开全方位的表面检测与识别,自动缺陷识别的误识率小于1％、漏识率小于2％,在识别效率、识别精度方面具有较大优势.     

FGSC-23：面向深度学习精细识别的高分辨率光学遥感图像舰船目标数据集

目的 基于光学遥感图像的舰船目标识别研究广受关注,但是目前公开的光学遥感图像舰船目标识别数据集存在规模小、目标类别少等问题,难以训练出具有较高舰船识别精度的深度学习模型。为此,本文面向基于深度学习的舰船目标精细识别任务研究需求,搜集公开的包含舰船目标的高分辨率谷歌地球和GF-2卫星水面场景遥感图像,构建了一个高分辨率光学遥感图像舰船目标精细识别数据集（fine-grained ship collection-23,FGSC-23）。方法 将图像中的舰船目标裁剪出来,制作舰船样本切片,人工对目标类别进行标注,并在每个切片中增加舰船长宽比和分布方向两类属性标签,最终形成包含23个类别、4 052个实例的舰船目标识别数据集。结果 按1：4比例将数据集中各类别图像随机划分为测试集和训练集,并展开验证实验。实验结果表明,在通用识别模型识别效果验证中,VGG16（Visual Geometry Group 16-layer net）、ResNet50、Inception-v3、DenseNet121、MobileNet和Xception等经典卷积神经网络（convolutional neural network,CNN）模型的整体测试精度分别为79.88%、81.33%、83.88%、84.00%、84.24%和87.76%;在舰船目标精细识别的模型效果验证中,以VGG16和ResNet50模型为基准网络,改进模型在测试集上的整体测试精度分别为93.58%和93.09%。结论 构建的FGSC-23数据集能够满足舰船目标识别算法的验证任务。     

基于深度学习的表格检测识别算法综述

信息时代的高速发展导致数据的大量产生与频繁传输,单单依靠人力很难处理这些数据.依托于人工智能的兴起与发展,数据的利用变得更加高效.表格作为一种特殊的数据形式,逐渐引起了广泛关注.概述了表格识别技术的发展,介绍了传统的表格识别技术及其缺点;介绍了基于深度学习技术的表格检测、表格结构识别、端对端检测与识别以及字符识别,重点阐述了表格检测与结构识别算法;给出表格数据的数据集以及在其上的最新指标,展望了表格检测识别技术的发展前景.     

融合多特征与互信息选择集成多核极限学习机的影像分类方法

针对影像分类结果的类间差异性与准确性难以平衡的问题,提出一种融合多特征与互信息选择集成多核极限学习机的影像分类方法。该方法首先利用最小噪声分离提取影像的光谱特征,考虑到高分辨率影像局部细节信息清晰,利用LBP算子提取影像的局部纹理信息,采用泛化性能好的核极限学习机训练多个弱分类器;然后,通过引入相关性准则描述准确性,冗余性准则描述差异性,将选择性集成多核极限学习机问题转化为变量选择问题;最后,利用基于互信息的最大相关最小冗余准则,对生成的多核极限学习机进行选择,从而实现影像分类结果差异性与准确性的平衡。文章采用高分二号数据实验,总体分类精度和Kappa系数分别为92.03%、0.9。分析结果表明,该方法能够利用多种特征的分类优势,进而有效改善了高分二号影像的分类结果。     

基于EKM-AE模型的无监督主机入侵检测方法

针对深度学习方法运用于入侵检测时需要大量标注数据集和难以实时检测的缺陷,利用网络流量中正常数据多于异常数据的一般规律,提出一种结合集成K-means聚类和自编码器的EKM-AE(ensemble K-means and autoencoder)入侵检测方法.首先通过集成K-means聚类从实时抓取的网络流量中得出正常样例,用于训练自编码器,然后由完成训练的自编码器执行入侵检测.在虚拟局域网主机环境下进行了入侵检测实验,结果表明,在绝大多数实际应用场景(正常流量多于异常流量)下该方法具有良好的检测性能,且具有全过程无监督、可实时在线检测的优点,对主机网络安全有良好的提升作用.     

一款基于运输机场飞行训练保障系统的分析与研究

飞行训练工作是为民航发展提供飞行人才,但在面对空域资源日趋紧张情况下,飞行训练工作压力日益增大,安全保障需要提高,以减轻管制和飞行指挥人员的工作负荷并有效提升工作效益.飞行训练保障系统研制的目的是针对运输机场和通用航空的特点,提出研制信息集成交换共享系统,保障航班和飞行训练安全.