分布式数字监控及大屏幕信息发布技术的应用

针对制造业企业生产过程信息化的设备监控及相关信息发布问题，应用分布式数字监控方法、大屏幕显示技术，进行生产现场监控及显示系统设计，实现了对现场数据的实时有效采集以及对处理后信息的多种形式动态发布，为企业各部门及决策层提供了一个监控管理平台。各种单元技术的交互集成，有助于避免“信息孤岛”现象。     

语音驱动人脸动画中语音参数的提取技术

语音特征参数的提取是语音驱动人脸动画中语音可视化的前提和基础，该文立足于语音驱动的人脸动画技术，较为系统地研究了语音参数的提取。在参数精度方面，引入了用小波变换重构原始信号的思想，对重构后的信号进行参数提取，从而为语音驱动人脸动画系统建立良好的可视化映射模型奠定了基础。     

基于函数展开与超混沌系统的图像加密

为有效保护数字图像的安全,提出一种基于小波展开函数与超混沌系统的数字图像加密算法。利用小波展开函数对图像进行置乱,通过超混沌系统扰乱原图像与加密图像之间的关系。在求解超混沌系统混沌序列的四阶Runge-Kutta公式中,插入多个参数以扩大参数空间。模拟实验结果表明,加密后图像灰度值分布伪随机性较好。     

基于深度跨模态信息融合网络的股票走势预测

股票走势预测是经典且具有挑战性的任务，可帮助交易者做出获得更大收益的交易决策。近年来，基于深度学习的股票走势预测方法的性能得到明显提升，但现有方法大多仅依托于股票价格的历史数据来完成走势预测，无法捕捉价格指标之外的市场动态规律，在一定程度上限制了方法的性能。为此，将社交媒体文本与股票历史价格信息相结合，提出了一种基于深度跨模态信息融合网络(DCIFNet)的股票走势预测新方法。DCIFNet首先采用时间卷积操作对股票价格和推特文本进行编码，使得每个元素对其邻域元素都有足够的了解；然后，将结果输入到基于transformer的跨模态融合结构中，以更有效地融合股票价格和推特文本中的重要信息；最后，引入多图卷积注意力网络从不同角度描述不同股票之间的相互关系，能够更有效地捕获关联股票间的行业、维基和相关关系，从而提升股票走势预测的精度。在9个不同行业的高频交易数据集上实施走势预测和模拟交易实验。消融实验及所提方法与用于股票预测的多管齐下的注意力网络(MAN-SF)方法的比较结果验证了DCIFNet方法的有效性，准确率达到了0.630 9,明显优于领域内代表性方法。