水下光声图像空间配准算法研究综述

水下光声图像配准是水下设备实现信息融合的关键技术。在简述了水下光声图像配准的概念及实例的基础上,分析了目前水下光声图像重建与复原的相关算法,详细综述了水下异源图像基于区域和特征的配准算法研究进展,重点论述了基于图像域和形状特征相似度的两个准确度较高的研究方向的发展现状,并根据其他领域的异源图像配准的研究热点,从增加成像模型的结构性约束、引入相位一致性和生成对抗网络等算法提高配准精度,展望了水下声光图像配准研究的发展趋势。     

社交媒体文本数据的抑郁症检测研究综述

近年来,机器学习被逐渐运用到基于社交媒体文本数据的抑郁症检测中并凸显重要应用价值。为梳理其应用现状和发展方向,对用于抑郁症检测的社交媒体文本数据集、数据预处理和机器学习方法进行整理分类。在数据特征表示方面,对比分析了基础特征表示、静态词嵌入和语境词嵌入。全面分析了利用不同基础特征和不同算法类型的传统机器学习以及深度学习进行抑郁症检测的性能和特点。总结并建议未来在中文数据集的创建、模型的可解释性、基于隐喻的检测和轻量级预训练模型方面做进一步的探索。     

音乐信息检索下的乐器识别综述

高效精准的乐器识别技术可以有效地推动声源分离、音乐识谱、音乐流派分类等研究的深入发展,可广泛应用于播放列表生成、声学环境分类、乐器智能教学和交互式多媒体等众多领域。近年来,随着乐器识别研究的不断推进,乐器识别系统在性能上有了大幅提高,但依旧存在着部分乐器难以识别、乐器音频特征提取较为困难、复音乐器识别精准度较低等诸多问题,如何借助人工智能技术对乐器进行高效精准的识别成为当前研究的热点和难点。针对当前研究现状,从乐器识别常用音频特征、乐器识别模型及方法和常用数据集三个方面进行综述,并对当前研究中存在的局限性和未来发展趋势进行总结,为乐器识别研究提供一定的借鉴参考。     

融合MAML和CBAM的安卓恶意应用家族分类模型

为满足对新兴安卓恶意应用家族的快速检测需求,提出一种融合MAML(model-agnostic meta-learning)和CBAM(convolutional block attention module)的安卓恶意应用家族分类模型MAML-CAS。将安卓恶意应用样本集中的DEX文件可视化为灰度图,并构建任务集;融合混合域注意力机制CBAM,设计两个具有同等结构的卷积神经网络,分别作为基学习器和元学习器,这两个学习器在自动提取任务集中样本特征的同时,可从通道和空间两个维度来增强关键特征表达;利用元学习方法 MAML对两个学习器进行训练,其中基学习器完成特定恶意家族分类任务的属性学习,元学习器则学习不同任务的共性;在两个学习器训练完成后,MAML-CAS将获得初始化参数,在面对新的安卓恶意应用家族分类任务时,不需要重新训练,只需要少量样本就可以快速迭代;利用训练完成的基学习器提取安卓恶意应用家族特征,并利用SVM进行恶意家族分类。实验结果表明,MAML-CAS模型对新兴小样本安卓恶意应用家族具有良好的检测效果,检测速度较快,并具有较好的稳定性。     

基于FPGA的多通道雷达数据回放系统设计

为解决雷达实时信号处理功能及性能有效验证问题,文中设计并实现了一种宽窄带一体化、多通道雷达数据回放系统。该系统按雷达工作的时序和数据率将雷达回波数据发送至实时信号处理系统,从而对目标跟踪场景进行复现,实现雷达实时信号处理功能及性能的有效验证。系统硬件平台由磁盘阵列服务器与两块PCIe光纤板组成。基于Xilinx系列产品,结合系统特点对PCIe DMA控制流程及响应机制做进一步调整,实现了服务器到光纤板的雷达回波数据高速批量传输。根据雷达工作机制及回波数据结构,设计FPGA回放控制状态机及相关功能模块,严格按照雷达工作的时序和数据率使雷达回波数据由光纤板传输至实时处理系统。分别设计软件同步控制方法和硬件同步控制方法,保证多板卡数据回放的同步性。测试结果表明,该系统实现了宽、窄带雷达回波数据的板间同步回放,各数据类型分别支持6路并行数据通道,数据回放峰值速率可达1 920 MB·s^-1。文中系统可依托雷达原有硬件平台实现,无需增设板卡和线缆,具有良好的集成性与通用性,目前已被应用于某多功能相控阵雷达中。     

道路交通网络节点分配优化策略研究进展

为了进一步提高城市道路交通网络的通行效率,粒子群优化和神经网络等多种智能优化算法受到越来越多的关注。近年来,深度学习技术的普及与应用大幅提升了城市交通网络的节点识别效率,而交通网络的节点调度又扩展了深度学习技术的应用。文中详细分析了交通节点调度所面临的关键问题,归纳并总结了相关网络节点分配的研究现状。在此基础上,深入研讨了城市交通网络节点调度与深度学习的应用前景,并对交通网络节点分配优化策略的未来研究方向进行了展望。     

Direct Freeform Laser Fabrication of 3D Conformable Electronics

3D conformable electronic devices on freeform surfaces show superior performance to the conventional, planar ones. They represent a trend of future electronics and have witnessed exponential growth in various applications. However, their potential is largely limited by a lack of sophisticated fabrication techniques. To tackle this challenge, a new direct freeform laser (DFL) fabrication method enabled by a 5-axis laser processing platform for directly fabricating 3D conformable electronics on targeted arbitrary surfaces is reported. Accordingly, representative laser-induced graphene (LIG), metals, and metal oxides are successfully fabricated as high-performance sensing and electrode materials from different material precursors on various types of substrates for applications in temperature/light/gas sensing, energy storage, and printed circuit board for circuit. Last but not the least, to demonstrate an application in smart homes, LIG-based conformable strain sensors are fabricated and distributed in designated locations of an artificial tree. The distributed sensors have the capability of monitoring the wind speed and direction with the assistance of well-trained machine-learning models. This novel process will pave a new and general route to fabricating 3D conformable electronic devices, thus creating new opportunities in robotics, biomedical sensing, structural health, environmental monitoring, and Internet of Things applications.     

A matching game framework for users clustering and resource allocation with wireless power transfer in a CR-NOMA network

This paper investigates the resource allocation in a massively deployed user cognitive radio enabled non-orthogonal multiple access (CR-NOMA) network considering the downlink scenario. The system performance deteriorates with the number of users who are experiencing similar channel characteristics from the base station (BS) in NOMA. To address this challenge, we propose a framework for maximizing the system throughput that is based on one-to-one matching game theory integrated with the machine learning technique. The proposed approach is decomposed to solve users clustering and power allocation subproblems. The selection of optimal cluster heads (CHs) and their associated cluster members is based on Gale-Shapley matching game theoretical model with the application of Hungarian method. The CHs can harvest energy from the BS and transfer their surplus power to the primary user (PU) through wireless power transfer. In return, they are allowed to access the licensed band for secondary transmission. The power allocation to the users intended for power conservation at CHs is formulated as a probabilistic constraint, which is then solved by employing the support vector machine (SVM) algorithm. The simulation results demonstrate the efficacy of our proposed schemes that enable the CHs to transfer the residual power while ensuring maximum system throughput. The effects of different parameters on the performance are also studied.     

基于机器视觉辅助测量的精密电火花刻伤方法与系统

传统电火花刻伤机在工作时只对电机动作进行反馈,刀片损耗带来的误差通常靠人为增加进给量进行补偿,难以保证刻槽的形状与尺寸公差。为了更精确地获得刻伤过程中的刀片损耗量,提升闭环控制的电机精度,提出了一种基于机器视觉辅助测量刀片损耗的电火花刻伤方法,并依此设计了一套刻伤系统。实验中使用该系统计算出的刀片损耗量和实际测量值的误差在±5μm以内,同时得到的刻槽实际测量深度与系统计算的刻槽深度的误差在±10μm内。     

基于无干扰理论的虚拟机可信启动研究

云计算作为一种新型高价值计算系统,目前被广泛应用于各行业领域;等保2.0中也提出了对其应用主动免疫可信计算技术进行动态可信验证的要求.云计算模式下,虚拟机作为用户使用云服务的直接载体,其可信启动是虚拟机运行环境可信的基础.但由于虚拟机以进程的形式运行在物理节点上,其启动过程呈现出高动态性,且多虚拟机域间存在非预期干扰等特点;而现有的虚拟机可信启动方案存在虚拟机启动过程的动态防护性不足、缺乏多虚拟域间非预期干扰性排除等问题.针对上述问题,提出一种基于无干扰理论的虚拟机可信启动研究方案.首先,基于无干扰理论,提出了虚拟机进程的运行时可信定理;进一步地,给出了虚拟机可信启动的定义并证明了虚拟机可信启动判定定理.其次,依据虚拟机可信启动判定定理,基于系统调用设计监测控制逻辑,对虚拟机启动过程进行主动动态度量与主动控制.实验结果表明所提方案能够有效排除复杂云环境下多虚拟机间非预期干扰,保证虚拟机启动过程的动态可信性,且性能开销较小.