用于光场成像的超构衍射光栅阵列优化

为提高矢量光场显示亮度和视角均匀性,提出了一种应用于圆偏振光场成像的超构光栅结构。利用严格耦合波分析,逐像素对超构光栅结构进行仿真,研究了入射光偏振状态、光栅结构、入射角度对-1级光衍射效率的影响规律。仿真结果表明,圆偏振光显示可以使得光栅衍射效率稳定高效,当光栅周期为500 nm时,与基于TE和TM设计的光栅结构相比,圆偏振光设计的光栅结构衍射效率提高了18.5%和2.6%;光栅高度和占空比对衍射效率具有明显的影响。综合考虑光栅制备难度、衍射效率和视角均匀性,设计了一种高度为0.6μm,占空比为0.4的光栅阵列结构应用于圆偏振光场显示,系统衍射效率可以达到40%以上,具有较优的综合性能,对超构光栅设计制备和裸眼3D显示具有一定指导意义。     

基于机器学习的配电网异常缺失数据动态清洗方法

针对传统配电网数据清洗过程中异常数据判断阈值需要人为设定、缺失数据填补效率不佳的局限性,提出基于机器学习的配电网异常缺失数据一体化动态清洗方法。首先,基于局部异常因子检测算法和高斯混合模型,提出一种异常数据动态检测改进算法,实现配电网异常数据阈值的准确自动选择。其次,基于随机森林算法与最小二乘回归法,提出一种配电网缺失数据动态填补算法。根据缺失数据时间长度自适应优化填补算法,在保证数据填补精度的同时降低计算时间。在此基础上,通过异常数据检测和缺失数据填补共同构建一体化动态清洗架构。采用湖南某地区配电网数据进行实例验证,结果表明所提方法可实现异常辨识阈值准确自动选择,有效检测配电网异常数据,并且实现缺失数据填补精度与速度的平衡,具有较好的工程应用价值。     

基于深度学习与SVM的吸毒成瘾者识别

提出一种使用PCA和线性判别器的神经网络模型,利用深度学习方法通过面部图像及抽象特征中的局部信息识别吸毒成瘾者的成瘾程度和社区矫正时间。首先对主干网络Res Net50进行预训练;再使用PCA降低特征数、Fisher判别器进行预判,从而使模型的训练时间减少、特征提取更加准确和快捷;最后网络末端通过全连接层与SVM函数的组合进行分类。随机梯度下降的优化目标采用了交叉熵损失。实验表明,此方法对于吸毒成瘾程度的识别准确度可达81.74%,对于社区矫正时间的识别准确率可达60.59%。     

基于变分主题模型的半监督文本分类

为解决实际应用场景中常面临的数据标注不足的问题,提出一种基于变分主题模型的半监督文本分类模型。首先使用无监督变分主题模型挖掘出语义信息集中的文档-主题分布,作为有效的文档特征表示,再通过半监督方式训练分类器。基于神经网络的变分主题模型相较传统的主题模型,不仅可以得到合理的主题,而且推断速度更快。在20NewsGroup等数据集上的实验结果表明,所提出的模型仅使用30%的训练数据就可以取得与使用90%训练数据的半监督基线模型相当甚至更好的结果,证明了所提出模型的正确性和实用性。     

安全帽佩戴检测网络模型的轻量化设计

现有的安全帽佩戴检测网络模型存在准确率低、推理速度慢、部署到边缘计算设备时精度和实时性均达不到应用要求等问题。提出一种轻量化设计的DT-YOLO模型,对YOLOv4-Tiny目标检测模型进行改进,通过增加一个检测层提高模型在密集场景下对小目标的检测能力,并引入空间金字塔池化模块,提高模型对不同尺寸目标的检测能力。使用局部稀疏因子衰减算法进行稀疏化训练,从而使经过稀疏化训练后模型的平均精度均值（mAP）得到提高。根据缩放系数判断通道的重要性,并进行模型的通道剪枝,压缩模型的大小和计算量。使用TensorRT推理加速引擎进行网络层水平和垂直融合,消除拼接层操作,并将参数压缩成16位浮点型,提高模型的推理速度,最后在Jeston Nano边缘计算设备上实现模型部署。实验结果表明,与YOLOv4-Tiny模型相比,DT-YOLO模型的mAP提高了3.6个百分点,模型大小减少了83.5%,帧率提高137.7%,能够满足安全帽佩戴检测的要求。     

一种融合变量的日志异常检测方法北大核心CSCD

为了充分挖掘日志中变量的潜能,优化日志异常检测效果,文章提出一种融合变量的日志异常检测方法SiEv。首先,该方法可以识别主体变量,并根据主体变量将日志划分为不同片段;然后,SiEv以这些日志片段为输入,基于长短期记忆网络(Long Short-Term Memory,LSTM)训练或检测异常,从而避免不同主体的日志序列特征相互干扰;最后,根据日志片段将SiEv划分为多个类别,从不同角度检测日志。为了验证文章所提方法的有效性,SiEv对Loghub所提供的日志数据集进行测试。实验结果表明,SiEv能够发现多种类型日志中存在的异常,识别同一主体的活动行为模式和变化趋势。     

二进制代码安全分析综述

近几十年来,计算机硬件性能和软件规模技术已不同以往,其承载了人类社会生活生产的方方面面.计算机技术的飞速发展,也带来了人们对程序安全问题的关注.由于市面上存在着较多的遗留软件,这些软件无人维护且缺乏源代码支持,其安全性令人担忧,而二进制分析技术被用来解决该类软件问题.二进制分析技术根据其检测方式不同可分为:基于静态的二进制代码分析技术、基于动态的二进制代码分析技术和动静态混合的二进制代码分析技术.本文调研了近年来的二进制代码安全分析领域上相关研究,分别详细阐述了这3类技术中的主要方法,并对其关键技术进行详细介绍.     

基于特征增强的挡墙及缺口检测方法

工业对煤炭的大量需求,激发了煤炭的开采。煤矿车辆的大量增加给煤矿安全带来了巨大的隐患,其中煤矿道路挡墙的安全更是保障煤矿安全的重中之重,因此监测露天矿运输道路安全挡墙势在必行。为了提高露天煤矿道路挡墙及缺口的检测性能,文章基于U-Net网络提出了一种结合多尺度卷积模块的煤矿道路挡墙检测方法。该方法基于U-Net网络进行改进,在主干特征提取网络中加入了多尺度卷积模块,提升了检测精度。大量实验结果证明,该方法能够提高检测露天煤矿道路挡墙的性能和煤矿道路挡墙安全系数,为实现智慧矿山贡献一份力量。     

基于红外通信技术与适配器的高速数据采集系统设计

针对高速数据传输稳定性较低、多源数据传输过程非线性干扰较大的问题,设计了基于红外通信技术与适配器的高速数据采集系统。使用系统高速数据采集层的多个高速适配器,完成各待采对象的高速信号数据采集,将其通过通信层的通信接口上传到红外通信模块,利用该模块将所得信号数据复原成真实数据后并传送到服务层,该层的多源数据融合模块运用主成分分析方法,融合接收到的全部数据,同时采用展示层的液晶显示模块,呈现完整的高速数据采集结果。实验结果表明：该系统在不同信号数据长度下,均能以较高采样速率完成不同类型数据的精确采集;该系统能保证各通信信道在不同通信距离下的高速数据传输稳定性,且所得高速数据融合结果能清晰、完整地呈现全部高速数据采集结果。     

基于空间语义信息特征融合的目标检测与分割

高质量的特征表示可以提高目标检测和其他计算机视觉任务的性能.现代目标检测器诉诸于通用的特征金字塔结构以丰富表示能力,但是他们忽略了对于不同方向的路径应当使用不同的融合操作,以满足其对信息流的不同需求.提出了分离式空间语义融合（separated spatial semantic fusion,SSSF）,它在自上而下的路径中使用通道注意模块（channel attention block,CAB）来传递语义信息,在自下而上的路径中使用具有瓶颈结构的空间注意模块（spatial attention block,SAB）来通过较少的参数和较少的计算量（相比于直接利用不降维的空间注意模块）将精确的位置信号传递到顶层.SSSF十分有效,并且具有很强大的泛化能力：对于目标检测,它可以将AP提高1.3%以上,对于自上而下的路径进行语义分割的融合操作,它可以将普通加和版本的AP提高约0.8%,对于实例分割,所提方法能够在所有指标上提高实例分割的包围框AP和掩膜AP.