基于生成感知差异的无参考图像质量评价模型

人眼视觉系统中的视觉感知差异是图像质量评价过程中的重要组成部分,通过感知失真图像与原始图像之间的视觉差异,可对图像的失真程度进行判断,然而在无参考图像质量评价中无法获取原始未失真的图像,且缺乏对失真图像的视觉感知差异。通过对深度学习中的生成对抗网络进行分析,提出一种基于生成视觉感知差异的无参考图像质量评价模型。利用生成对抗网络产生与失真图像相对应的视觉感知差异图像,并将其与失真图像输入质量评价网络以进一步学习图像的失真信息,从而达到评估图像质量的目的。在TID2008和TID2013数据库上的实验结果表明,与CNN、SOM、CORNIA等模型相比,该模型能够使失真图像质量预测准确度提升1个百分点以上,且对不同种类失真也表现出良好的预测性能。     

基于人工蜂群算法的Tor流量在线识别方法

Tor等匿名流量的分类与识别对运营商监管网络安全具有重要意义,但目前Tor流量的分类检测技术普遍存在识别准确率低、缺乏实时性、无法有效处理高维数据等问题。为此,提出一种Tor流量在线识别方法。通过搭建基于逻辑回归的深度神经网络,提取Tor流量特征匹配度以实现特征增强,并使用人工蜂群机制代替梯度下降等常见迭代算法,得到流量分类及识别结果。在此基础上,构建一套实时流量检测工具应用于实际生产环境中。在公开Tor数据集上的实验结果表明,与逻辑回归、随机森林、KNN算法相比,该算法的精确率和召回率分别提高了10%~50%,相比梯度下降的迭代算法准确率提高了7%~8%。     

基于注意力机制和集成学习的网页黑名单判别方法

搜索引擎作为互联网主要应用之一,能够根据用户需求从互联网资源中检索并返回有效信息。然而,得到的返回列表往往包含广告和失效网页等噪声信息,而这些信息会干扰用户的检索与查询。针对复杂的网页结构特征和丰富的语义信息,提出了一种基于注意力机制和集成学习的网页黑名单判别方法,并采用本方法构建了一种基于集成学习和注意力机制的卷积神经网络（EACNN）模型来过滤无用的网页。首先,根据网页上不同种类的HTML标签数据,构建多个基于注意力机制的卷积神经网络（CNN）基学习器;然后,采用基于网页结构特征的集成学习方法对不同基学习器的输出结果执行不同的权重计算,从而实现EACNN的构建;最后,将EACNN的输出结果作为网页内容分析结果,从而实现网页黑名单的判别。所提方法通过注意力机制来关注网页语义信息,并通过集成学习的方式引入网页结构特征。实验结果表明,与支持向量机（SVM）、K近邻（KNN）、CNN、长短期记忆（LSTM）网络、GRU、结合注意力机制的卷积神经网络（ACNN）等基线模型相比,所提模型在所构建的面向地理信息领域的判别数据集上具有最高的准确率（0.97）、召回率（0.95）和F₁分值（0.96）,验证了EACNN在网页黑名单判别工作中的优势。     

代码搜索方法研究进展

开源软件的成功推动了软件产业的蓬勃发展,大量代码资源为代码搜索创造了条件.如何通过代码搜索技术找到需求代码成为一个重要问题.为了更好地推进后续研究工作,首先对代码搜索相关概念及研究趋势进行介绍和说明;其次对使用不同技术的代码搜索研究工作进行综述,包括基于信息检索、查询和代码描述增强、程序特征分类以及深度学习等方面,并进一步总结归纳不同方法的优缺点;接下来针对代码搜索技术所应用的多个领域进行介绍,包括程序合成、代码推荐与补全和代码风格改善等方面;最后分析现阶段代码搜索面临的主要问题,为未来该方向的发展提供一定的参考与建议.     

基于手势的交互式三维场景并行光线跟踪绘制研究

利用光线跟踪可以绘制出高质量的真实感场景画面,但计算量很大,难以实现实时交互式绘制.为此,三维真实感场景的实时交互式绘制往往需要用到集群,但集群的绘制速度是由绘制速度最慢的节点决定的,如果节点之间的任务没有被划分均匀,集群的绘制效率就会下降.为了满足实时交互式绘制的要求、提高集群的绘制效率,设计了在粗粒度和细粒度两个层次上同时实现并行计算的集群绘制系统,并针对集群的负载均衡问题提出了基于像素递归深度的负载均衡方法.该方法首先统计出每个像素的递归深度从而得到整个场景的递归深度图,然后对上一帧按递归深度进行均衡划分.根据连续两帧所对应的场景具有的时空相关性,上一帧的划分结果可作为下一帧划分的依据.本算法的优势在于能够快速实现三维动态场景下的集群负载均衡.实验表明,该集群绘制系统可以高效地实现基于Kinect的实时交互式绘制.     

基于复制的DTN网络路由算法研究

DTN是一种适用于挑战环境的新型网络,对长延迟、频中断等恶劣条件具有良好的适应性。目前,人们对于DTN网络的研究热点主要集中在传输协议、路由算法、安全防护等方面。本文针对基于复制的DTN路由算法展开研究,首先介绍了DTN的概念、结构、特点及应用,然后分析了四种典型路由算法的原理,最后利用仿真工具实现了对路由算法的仿真,并对不同条件下的算法性能进行了对比。实验结果表明,节点密度、节点缓存和数据包生存时间等网络因素对于算法的性能都有着显著影响,不同路由算法均有其特定的适用场景。     

基于IPv6和P2P的网络资源共享机制研究

在Internet飞速发展的现状下,人们对各类资源种类和访问速度的要求越来越高,为此如何提供高质量的网络资源,满足广大人民的网络文化需求成为当今社会的热点问题。针对网络资源的共享问题,本文设计了一种基于IPv6和P2P的网络资源共享模型。模型采用分簇网络进行节点间数据通信,减少因节点频繁进出的网络抖动发生。采用Kademlia算法对DHT分布式哈希优化,提高节点的识别准确率。利用TRCBC模型进行系统数据的访问控制,保证系统数据的完整性。模型已于2011年开始在长春理工大学的极光BT平台上应用,实践证明是一种有效的资源共享模型。     

人眼屈光度校正算法的研究现状

人类能够与用户图像界面进行交互是依赖于一个清晰正常的视觉。然而,屈光不正（例如近视、远视、散光等）能使人眼视网膜中所显示的图像质量退化。图像质量的好坏严重影响了我们在军事、医学、娱乐领域所取得的研究成果。目前,对于人眼屈光度校正算法的研究主要有五种方法：1.应用一个维纳滤波的预补偿算法来校正人眼屈光度;2.用一个全变差的方法绘制图像对人眼屈光度进行校正;3.用视觉分析系统来校正人眼屈光度;4.使用多层显示器来校正视觉畸变;5.使用可计算的光场显示器来校正视觉畸变。通过研究这几种算法的优缺点提出现有算法的改进以及新的算法研究。     

基于Openstack私有云平台的高可用性研究

随着信息技术的发展,传统的并行计算和网格计算等计算模式逐渐发展成为云计算.当前云计算服务应用于各行各业.企业也可以搭建自己的私有云,为内部员工提供更加便捷的服务支持.云服务的可靠性是一个值得讨论的问题.针对OpenStack私有云的高可用性进行分析,将其服务状态分为有状态服务和无状态服务,设计私有云平台各个模块的高可用方案,实现Openstack私有云平台的高可用性.     

基于脑电信号特征的驾驶疲劳检测方法研究

目前,疲劳驾驶已成为一种严重的社会问题,然而对于疲劳驾驶的检测与预防仍缺乏有效的技术手段.采用疲劳驾驶模拟实验、结合对象辨别实验和对被试面部表情变化分析,探索了脑电信号特征与驾驶疲劳状态间的相关性.提取脑电信号的δ波、θ波、α波、β波四种脑电节律的能量值作为疲劳驾驶的特征值,采用δ波能量值与θ波能量值之和与β波能量值的比值作为疲劳指数.结果显示,疲劳指数与被试疲劳程度呈正相关,验证了利用脑电信号检测疲劳程度的合理性与客观性,为疲劳检测提供了新的思路.