物联网访问控制策略探析

随着计算机技术的快速发展,各种物联网应用在人们生活中越来越多,因而物联网安全问题也更加引人关注。针对物联网安全中的访问控制问题,分析物联网分层结构中各层的安全需求,给出联网的环境下的访问控制策略供参考。     

基于Profinet的电机启动器在物流系统中的应用

针对物流系统现场设备的特点,介绍基于Profinet的电机启动器的设计与应用.     

Multipath effects on vector tracking algorithm for GNSS signal

The vector tracking algorithm uses a single extended Kalman filter （EKF） to predict the time-delays and the Doppler deviations of the GNSS signal, while also estimating the user＇s position, velocity, and clock state. In this paper, the effects of multipath on the tracking performance of the vector delay / frequency lock loop （VDFLL） is studied for better application in the multipath environment. The error expressions of the measurements are given in theory. The tracking error caused by multipath is reduced by VDFLL, which is proved by the tracking error of VDFLL through a new iterating method. The theoretical analysis is verified by the Monte Carlo simulation.     

基于聚类的超声射频图像阴影双线性补偿方法

待识别目标个体若处于图像阴影区域,其轮廓特征就会出现模糊或者失真丢失的情况.传统超声射频图像阴影补偿方法难以提高原图像的清晰度,且阴影补偿后的图像亮度偏低.为此提出基于聚类的超声射频图像阴影双线性补偿方法.采用固定阈值法将图像分成两组,计算两组图像方差的最大值,确定阈值.采用模糊聚类算法将所有辨识对象划分为某一类属性,获取新聚类中心和起初聚类中心之间的距离差,设置对应门限分割条件完成图像分割.利用加权估计位置插值点灰度值计算双线性插值,最后引入RGB色彩空间抑制蓝光分量,将其转换至HIS色彩空间内,完成图像色度、亮度以及饱和度的双线性补偿.实验证明,所提方法补偿后图像阴影区域比原始图像更加清晰,且非阴影区域图像的特征也具有理想的亮度,实验结果证明了所提方法的应用鲁棒性较强.     

多源覆盖信息系统下的加权广义多粒度粗糙集模型及其应用

考虑到多源覆盖信息系统中数据的复杂性以及单个信息系统之间的不平等性,引入诱导覆盖粗糙集,并对信息系统的属性赋予权重值,提出了多源覆盖信息系统下的加权广义多粒度粗糙集MCS-WGMRS模型。定义了属性权重的计算方法,给出模型的上、下近似,并获取了相应的决策规则。通过实例分析验证了MCS-WGMRS模型的有效性,结果表明该模型对目标集的分类能力更强,适当调整阈值可进一步提高模型的容错性。     

基于部分加权损失函数的RefineDet

针对目标检测网络单阶改进目标检测器（RefineDet）对类间不平衡数据集中小样本类别检测性能差的问题,提出一种部分加权损失函数SWLoss。首先,以每个训练批量中不同类别样本数量的倒数作为启发式的类间样本平衡因子,对分类损失中的不同类别进行加权,从而提高对小样本类别学习的关注程度;然后引入多任务平衡因子对分类损失和回归损失进行加权,缩小两个任务学习速率的差异;最后,在目标类别样本数量存在大幅差异的Pascal VOC 2007数据集和点阵字符数据集上进行实验。结果表明,与原始RefineDet相比,基于SWLoss的RefineDet明显提高了小样本类别的检测精度,它在两个数据集上的平均精度均值（mAP）分别提高了1.01、9.86个百分点;与基于损失平衡函数和加权成对损失的RefineDet相比,基于SWLoss的RefineDet在两个数据集上的mAP分别提高了0.68、4.73和0.49、1.48个百分点。     

基于正则表达式、程序插桩和代码替换的以太坊智能合约bug检测和修复方法

作为当前最大的支持智能合约的区块链平台,数以百万计的智能合约被部署在以太坊上.由于即使发现包含bug也无法修改已部署的智能合约,因此对于开发人员而言,在部署合约前修复合约中的bug至关重要.当前研究人员已经提出了许多智能合约分析工具,用于检测合约中的bug.这些工具要么使用基于以太坊虚拟机字节码的符号执行来检测bug,要么将源代码转换为中间表示形式后再检测bug.然而,基于符号执行的工具通常无法覆盖合约中的大部分bug;将源代码转换为中间表示形式会对检测速度产生负面影响.此外,现有的工具都只能检测bug,而无法根据检测结果自动修复bug.为了解除以上限制,提出了一种名为SolidityCheck的方法,该方法通过使用正则表达式、程序插桩和语句替换等技术,实现快速检测合约中的bug并自动修复其中某些种类bug的目的.文中进行了 一系列实验来评估SolidityCheck,实验结果表明,与现有方法相比,SolidityCheck在多个指标上显示出了优异的性能.     

基于图卷积神经网络的完全图人脸聚类

人脸聚类是根据不同身份对人脸图像进行分组的方法,主要用于人脸标注和图像管理等领域.针对现有方法中存在大量冗余数据的问题,文中使用一种基于完全图约束和上下文关系进行链接预测的方法.该聚类算法基于图卷积神经网络进行链接预测,结合完全图约束筛选数据,同时在预测的过程中对链接关系进行不断的更新.实验结果显示,结合完全图约束的人脸聚类方法能够在减少冗余数据、加快运行速度的同时,提升聚类的准确率,从而提高聚类的整体效果.     

引入源端信息的机器译文自动评价方法研究

机器译文自动评价是机器翻译中的一个重要任务。针对目前译文自动评价中完全忽略源语言句子信息,仅利用人工参考译文度量翻译质量的不足,该文提出了引入源语言句子信息的机器译文自动评价方法: 从机器译文与其源语言句子组成的二元组中提取描述翻译质量的质量向量,并将其与基于语境词向量的译文自动评价方法利用深度神经网络进行融合。在WMT-19译文自动评价任务数据集上的实验结果表明,该文所提出的方法能有效增强机器译文自动评价与人工评价的相关性。深入的实验分析进一步揭示了源语言句子信息在译文自动评价中发挥着重要作用。     

水电站流域生态放流算法的优化

随着国家对环境的问题的重视,水电站生产也需要做出相应的改变.在保证生产的前提下,必须担负起保护流域生态环境的责任,生态流量是流域生物生存所需流量.如何在满足河流生物基本需求的前提下,保证水电站的最大输出,就必须计算出河道的生态流量,但是随着季节、气候等因素的变化,生态流量也在随之变化,针对以上问题,研究一种能够适应各种变化因素的生态基流计算方法,对于水电站流域的生态环境具有重要意义.