一种启发式UIO序列生成算法

基于UIO序列的测试方法已经广泛地应用在协议一致性测试和软件一致性测试方面,如何有效地生成更短的UIO序列一直为人们所关注。提出了一种基于估价函数的启发式生成UIO序列的算法,通过分析比较该算法能更有效地产生UIO序列。     

基于西门子PLC的S曲线的实现与应用

从工程实际应用出发,在西门子可编程控制器(PLC)中封装速度给定积分器程序块,用来取代变频器中的速度给定功能,既有效地提高了控制编程的灵活性,又降低了变频器的运算负担.该程序块采用SCL语言编写,兼容性强,可方便移植到其他PLC中使用.程序块引脚参数设计简单实用,适用于多工况控制,性价比高,具有良好的参考和实用价值.     

基于小波神经网络的船舶缆绳载荷预测方法

在船舶缆绳载荷准确预测的研究中,由于船舶缆绳载荷不仅受到风、流、浪等环境因素的影响,还受到船舶的船型、受风面积、吃水大小等因素的共同影响,因此具有较强的随机性和复杂性,是一种非平稳的时间序列,传统的神经网络预测模型在进行负荷预测过程中,无法处理这种非平稳信号导致很难进行准确测量.提出一种基于小波神经网络的船舶缆绳载荷预测方法,算法结合小波分析的时频局部特性与聚焦特性和神经网络的自学习、自适应和推广能力,将小波基函数作为神经网络的隐含层节点的传递函数,建立小波神经网络预测模型,以船舶缆绳的采集数据作为模型的输入与输出,利用小波函数处理非平稳信号的能量,解决缆绳负荷的非线性问题,凭借神经网络小区域计算能力,对预测结果进行进一步优化.仿真结果表明,小波神经网络用于船舶缆绳载荷数据处理,精度满足要求,具有良好的适用性.     

基于支持向量机故障诊断方法

支持向量机是一种基于统计学习理论的机器学习算法,它能在训练样本很少的情况下达到很好的分类效果.本文以双螺杆挤出机为例,介绍了基于支持向量机的多故障分类器,探讨了"成对分类"与"一类对多类"两种多类分类算法的应用.诊断实例表明,基于支持向量机的多故障分类器对设备故障具有很好的分类效果.     

国外牵引式火炮环射功能的实现途径

本文对于国外现有火炮环射功能的实现途径作一简要评价。     

K-means ■隐私保护聚类算法

针对异常离群点对k-means ■算法的聚类精确度影响较大且在确定中心点过程中会泄露聚类数据隐私的问题,提出DPk-means ■算法。标记离群点,降低离群点对k-means ■算法聚类精确度的影响,将差分隐私应用于k-means ■聚类算法中保护聚类数据隐私。在选择聚类初始中心点和迭代求取均值中心点的过程中,应用拉普拉斯机制注入噪声,解决数据隐私泄露的问题。通过隐私预算动态变化对聚类结果准确性的影响及同类算法对比实验分析验证,DPk-means ■算法能够提供更高的隐私保护水平且保证聚类结果的准确性。     

融合局部特征与两阶段注意力权重学习的面部表情识别

面部的局部细节信息在面部表情识别中扮演重要角色,然而现有的方法大多只关注面部表情的高层语义信息而忽略了局部面部区域的细粒度信息。针对这一问题,提出一种融合局部特征与两阶段注意力权重学习的深度卷积神经网络FLF-TAWL(deep convolutional neural network fusing local feature and two-stage attention weight learning),它能自适应地捕捉重要的面部区域从而提升面部表情识别的有效性。该FLF-TAWL由双分支框架构成,一个分支从图像块中提取局部特征,另一个分支从整个表情图像中提取全局特征。首先提出了两阶段注意力权重学习策略,第一阶段粗略学习全局和局部特征的重要性权重,第二阶段进一步细化注意力权重,并将局部和全局特征进行融合;其次,采用一种区域偏向损失函数鼓励最重要的区域以获得较高的注意力权重。在FERPlus、Cohn-Kanada(CK+)以及JAFFE三个数据集上进行了广泛实验,分别获得90.92%、98.90%、97.39%的准确率,实验结果验证了FLF-TAWL模型的有效性和可行性。     

基于节点分割的权重序列隐私保护研究

针对加权社会网络的数据发布和权重序列攻击,提出采用基于节点分割的权重序列匿名方法实现网络结构、边权重以及权重序列的隐私保护。此方法在图的边空间概念的基础上,采用节点聚类分割思想构建加权社会网络的向量集模型,利用边的介数中心性重新分配权重,通过组内直径距离和节点的相对距离调整权重序列,利用加权欧式距离构建候选向量集,从候选向量集中选取向量实现社会网络的数据发布。此方法在保证隐私安全的前提下,保证了社会网络分析需要的结构特征、发布数据的有效性以及有效地抵御了权重序列攻击。     

基于DTW距离度量函数的DTW-TA轨迹匿名算法*

在传统的基于欧几里德距离函数的轨迹相似性计算过程中,要求轨迹等长且时间点对应,无法度量不等长且有局部时间偏移的轨迹相似性。因此在构造同步轨迹集合过程中产生信息损失较大,影响轨迹数据的可用性。为此,本文通过引进一种可以度量不等长且有局部时间偏移的轨迹间相似性的距离度量函数——DTW(Dynamic time warping)距离函数,提出一种新的轨迹匿名模型——（k,δ,p）—匿名模型,构造了DTW-TA(Dynamic time warping trajectory anonymity)匿名算法。在合成数据集和真实数据集下的实验结果表明,该算法在满足轨迹k-匿名隐私保护的基础上,减少了信息损失,提高了轨迹数据的可用性。     

一种基于动态分类树构造的集值型数据差分隐私保护方法

基于分类树划分的差分隐私方法能有效地对集值型数据的发布进行保护,但在构造分类树时该方法没有充分利用集值型数据集自身的特征。通过对添加噪音量的影响因素分析,提出了一种基于数据集特征的集值型数据发布方法,该方法首先对数据集进行分析,然后根据数据集中记录的种类数占总输出域的比例以及只出现一次的记录种类数占总输出域比例,动态构造分类树。实验结果表明：当数据集满足 且 时,通过有效利用集值型数据集的特征,构造较优的分类树,可以添加少于10%的噪音。