视觉符号在跨文化传播中的价值研究

在跨文化交流日益频繁的时代,符号作为一种独特"语言",成为国际性的通用方式。随着人们审美心理的需要和对它实际功能的需求,越来越人性化、简约化、准确化的视觉符号在视觉传达设计中层出不穷。本文基于对文化以及跨文化概念的了解,提出了视觉符号在跨文化传播中是一个不容忽视的因素,以此为重点,分析在整个跨文化传播的过程中,视觉符号所带来的影响及其价值体现。     

基于H.323协议的VoIP语音流量识别

通过分析H.323协议和H.323协议的会话流程,基于H.323协议的VoIP通信过程中出现的会话特征,提取出通信双方的元组信息来识别整个会话流量,设计出相应的流存储、搜索、更新方案和识别VoIP流量的算法。实验表明,该方法能够准确识别基于H.323协议的VoIP语音流量。     

一种改进的模式匹配算法

本文分析了入侵检测系统中常用的模式匹配算法及现有的一些改进算法,在此基础上提出了一种新的改进算法,指出了进一步改进的方向.本文的算法利用了已匹配子串的信息,增大了模式串的右移量,提高了算法效率.试验结果表明该算法能够有效地减少模式串的移动次数,提高入侵检测系统的检测速度.     

嵌入式USB蓝牙设备驱动程序的实现

本文首先介绍了基于OMAP1510芯片搭建嵌入式Linux系统的方法和OMAP1510的USB结构.然后分析了蓝牙协议栈的体系及其协议栈中软硬件接口的HCI层.最后,给出Linux下实现USB蓝牙设备驱动程序的重要结构体和函数.并详细地测试和验证了所开发的USB蓝牙设备的驱动程序能支持多个USB蓝牙设备.并在这些蓝牙设备之间能同时建立多条蓝牙通信链路的结论.     

基于微波无线能量传输多径效应的多角度超表面能量收集器

文中深入研究了基于微波无线能量传输技术的多径效应及其对多角度超表面能量收集器的性能的影响。首先,概述了微波无线能量传输技术的基本原理与发展现状,随后详细讨论了超表面结构在多角度能量接收中的应用。通过理论分析与仿真实验,文中提出了一种优化的超表面设计方案,以提高能量收集效率。实验结果显示,该方案能显著提高多角度超表面能量收集器在复杂传播环境下的能量收集性能,不仅为超表面能量收集器的设计提供了新的视角,也为未来无线能量传输技术的发展提供了理论参考。     

基于稀疏采样传播数据和决策树算法的蒸发波导反演

蒸发波导的超视距传播特性是影响海上无线电系统性能的重要因素,准确预测蒸发波导是进行系统 评估的基础。文中提出一种基于稀疏采样传播数据和决策树轻量梯度提升机(Light Gradient Boosting Machine, LightGBM)算法的蒸发波导反演方法。首先,采用抛物方程方法仿真得到稀疏采样传播数据并构建训练集和测试 集;其次,使用决策树LightGBM 算法搭建反演模型,通过不断调参改进模型的精度以达到较高的反演准确度;最后, 调用训练好的LightGBM 模型进行蒸发波导反演,并对反演结果的概率分布进行了分析。结果表明,基于稀疏采样 传播数据的蒸发波导反演方法能够有效且快速地实现蒸发波导反演,为海上蒸发波导预测提供了一种新途径。     

基于高频重构信号与Bayes-XGBoost的低压电弧故障辨识方法研究

针对低压配电系统中单个用电负载支路串联电弧故障辨识困难的问题,提出一种基于高频重构信号和Bayes-XGBoost的低压电弧辨识方法。首先,搭建多支路、多负载类型的低压电弧故障真型实验平台,并采集相关数据。其次,基于故障前后主线路电流高频信号变化规律,提出信号微弱变化叠加法重构故障有效信号。最后,建立适用于单个负载支路电弧故障辨识的XGBoost模型,并采用Bayes算法对模型多个超参数进行优化。实验结果表明,所提方法在多种工况下对单个负载支路电弧故障具有较高的辨识准确率。与6种主流故障分析方法对比,所提方法在精度、训练速度和泛化能力等方面展现出了显著的优越性,有利于实现低压配电系统单个负载支路电弧故障的可靠辨识。     

基于宽频等值电路的配电变压器局部放电电气定位研究

当配电变压器中发生局部放电时,脉冲电流信号会沿着绕组传播,检测低压绕组中性点接地处脉冲电流即可实现配电变压器局部放电检测。以往的配电变压器局部放电检测及评价方法无法判断放电位置与放电类型,难以准确评估配电变压器绝缘状态。建立了配电变压器宽频等值电路模型,研究了不同位置、不同类型局部放电脉冲电流信号在配电变压器绕组中的传播规律,提出了小波-经验模态联合去噪算法过滤现场检测中的噪声信号。通过计算脉冲电流信号的能量值以及三相波形相似系数实现了配电变压器局部放电的电气定位,以对多组不同噪声水平的信号进行验证,均可实现准确定位,验证了去噪算法和定位方法的有效性。     

预训练语言模型实体匹配的可解释性

实体匹配可以判断两个数据集中的记录是否指向同一现实世界实体,对于大数据集成、社交网络分析、网络语义数据管理等任务不可或缺.作为在自然语言处理、计算机视觉中取得大量成功的深度学习技术,预训练语言模型在实体识别任务上也取得了优于传统方法的效果,引起了大量研究人员的关注.然而,基于预训练语言模型的实体匹配技术效果不稳定、匹配结果不可解释,给这一技术在大数据集成中的应用带来了很大的不确定性.同时,现有的实体匹配模型解释方法主要面向机器学习方法进行模型无关的解释,在预训练语言模型上的适用性存在缺陷.因此,以Ditto、JointBERT等BERT类实体匹配模型为例,提出3种面向预训练语言模型实体匹配技术的模型解释方法来解决这个问题:(1)针对序列化操作中关系数据属性序的敏感性,对于错分样本,利用数据集元特征和属性相似度实现属性序反事实生成;(2)作为传统属性重要性衡量的补充,通过预训练语言模型注意力机制权重来衡量并可视化模型处理数据时的关联性;(3)基于序列化后的句子向量,使用k近邻搜索技术召回与错分样本相似的可解释性优良的样本,增强低置信度的预训练语言模型预测结果.在真实公开数据集上的实验结果...     

基于动态门控特征融合的轻量深度补全算法

稠密深度图在自动驾驶和机器人等领域至关重要,但是现今的深度传感器只能产生稀疏的深度测量,所以有必要对其进行补全.在所有辅助模态中, RGB图像是常用且易得的信息.现今的许多方法都采用RGB和稀疏深度信息结合进行补全.然而它们绝大部分都是利用通道拼接或逐元素求和简单的对两种模态的信息进行融合,没有考虑到不用场景下不同模态特征的置信度.提出一种以输入深度稀疏分布为指导,结合双模态信息量的动态门控融合模块,通过动态产生融合权重的方式对两个模态特征进行更高效的结合.并且根据不同模态的数据特征设计了精简的网络结构.实验结果表明所提出模块和改进的有效性,提出的网络在两个有挑战性的公开数据集KITTI depth completion和NYU depth v2上,使用了很少的参数量达到了先进的结果,取得了性能和速度的优秀平衡.