改进的CAGAN在虚拟试衣中的应用

针对CAGAN（Conditional Analogy GAN）换衣后效果模糊，在目标衣服与原始衣服长短不一致时效果一般，相对目标衣服保留过少的细节等问题做了相关研究并对CAGAN进行了改进，提出了新的虚拟试衣方式。经过改进的CAGAN生成一个粗糙的结果，由该结果得到目标衣服穿在模特身上改变形状后的mask，接下来利用mask对目标衣服进行变形，综合变形的衣服和第一步的结果便得到最终的试衣图像。实验结果表明，该方法解决了前面存在的问题，而且取得了非常好的效果。     

加强交通强国内涵建设,推进交通服务的质量变革

一、新时代建设交通强国的内涵:质量是核心 上海交通在技术方面的领先目前基本上已经实现,高铁、洋山港自动化港口这些技术已经处于领先地位.但要建设人民满意的交通,还应加强内涵建设:注重交通服务的品质与质量的要求,放眼世界,推进质量变革、效率变革,在更大范畴的涵义内体现中国特色.其中,质量是核心,"四梁八柱"中"四梁"的核心就是推进质量变革、效率变革和动力变革,着力服务人民、服务大局,强调服务的概念,要让人民满意.     

Anti-steganalysis for image on convolutional neural networks

Multimedia Tools and Applications - Nowadays, convolutional neural network (CNN) based steganalysis methods achieved great performance. While those methods are also facing security problems. In...     

基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。     

低活化马氏体钢热变形行为及机理型本构建模研究

利用Gleeble-3500热模拟试验机研究了低活化马氏体钢在变形温度为850～950 ℃、应变速率为0.001～1 s^-1条件下的热变形行为。建立了流变应力本构方程，并评估了该方程的预测能力。绘制了低活化马氏体钢在不同应变下的热加工图。结果表明：在较高的应变速率条件下，该材料主要发生动态回复，在较高变形温度和较低应变速率下具有明显的动态再结晶特征；本构方程的预测结果与实验结果符合良好；变形温度870～930 ℃、应变速率0.001～0.01 s^-1和变形温度920～950 ℃、应变速率0.3～1 s^-1分别是真应变为0.4和0.6下最优的热加工区域。     

包含高渗透率分布式电源的母线负荷区间预测

针对包含高渗透率分布式电源的配电网母线负荷预测问题，不同于传统的点预测方法，提出了一种基于模糊信息粒化支持向量机的区间预测方法。采用支持向量机作为基本算法，在一定时间窗口内采用信息粒化的模型将历史数据进行粒化，将指定时间窗口内的数据采用支持向量机进行训练，并得到给定区间内的包含高渗透率分布式电源的配电网母线负荷区间预测结果。以某省会城市某110 kV母线负荷作为算例进行分析，结果表明，所提方法可以准确跟踪母线负荷在预测区间内的变化情况，对包含高渗透率分布式电源的母线负荷变化区间和趋势可以做较为精准的预测。     

Beta-Binomial删除信道中的喷泉码文件传输协议

由于命名数据网络(NDN,Named-Data Networking)无环路、逐包、逐跳转发的特点,使得数据包回传成功率降低,而传统的TCP/IP协议中的ARQ和ACK机制对于多播会话不再适用.由于NDN中的传输信道可以等效为二进制删除信道,因此可以通过应用层编码来实现文件的可靠传输.传统的信道编码技术如卷积码、级联码和RS码等复杂度较高,而将NDN与低复杂度的喷泉码的结合可以实现分布式的存储架构,因而可通过喷泉编码在应用层协议中实现可靠的纠删机制,保证整体文件的传输可靠性.以往的研究一般是基于确定的删除概率信道模型,但是由于网络的异构性和信道噪声等因素影响,可能会造成信道丢包概率呈随机性分布.因此,本文在Beta-Binomial分布模型的前提下,根据贝叶斯统计的先验信息和中心极限定理,对随机概率下的纠删信道的文件可靠传输协议进行了数学建模和理论推导.仿真结果显示此模型更具有普适性,此传输协议可在信道状况未知的前提下从理论上求出最小发包数,减少冗余编码包,提高文件整体的投递成功率,在保证传输可靠性的同时有效提升协议传输效率.     

复合酶法提取黄秋葵可溶性膳食纤维的工艺优化及其理化特性、结构表征

以黄秋葵果荚为原料,采用复合酶法提取可溶性膳食纤维(soluble dietary fiber,SDF),通过单因素实验,探究不同因素对黄秋葵SDF得率的影响。在单因素实验的基础上进行响应面分析,得到复合酶法制备黄秋葵SDF的最优条件;并测定所得黄秋葵SDF的理化特性,并对其进行结构表征。结果表明:在料液比1:24 g/mL、复合酶添加量1.8%、酶解时间54 min、酶解温度62℃的提取条件下,黄秋葵SDF得率达到最大值,为10.94%,与预测值之间的相对误差为1.48%。黄秋葵SDF的持水力、膨胀力和持油力分别为5.61 g/g、3.35 mL/g和4.88 g/g,良好的理化特性使其具有成为通便保健食品原料的潜力。黄秋葵SDF的微观结构显示,经过酶的作用,黄秋葵SDF表面的淀粉类物质被充分除去;黄秋葵SDF的晶体结构符合纤维素I晶型的特征,其红外光谱图线符合膳食纤维类物质的典型特征。