基于个性化推荐系统的视频App的设计

近年来,各类视频应用上内容越来越丰富,页面上与当前用户无关的内容也越来越多。因此,市面上出现了多种不同的推荐算法来进行内容推荐。但是,不是每种推荐算法都能够解决所有的问题。基于个性化推荐系统的视频App,融合了多种推荐方法。首先为了解决推荐系统的冷启动问题,采用了基于统计学的推荐方式,同时,采用基于协同过滤的推荐算法,计算视频和用户间的隐藏特征,最后还有实时推荐模块,能够根据用户近期的行为对推荐内容进行调整。     

面向物联网应用的SoC安全检查架构设计

物联网（IoT）应用的快速发展和软硬件开源化趋势使得IoT设备所面临的硬件安全威胁日益严峻,尤其是利用运行时条件触发的系统级攻击,很难通过传统测试方法进行检测和防御,需要提供运行时安全检查机制。分析IoT系统芯片面临的安全威胁,结合数据加密传输路径中的攻击、任务流和检查内容,设计4条功能完整性安全检查策略,搭建SoC安全策略检查架构并植入运行时触发硬件木马。仿真结果显示,运行时策略检查状态机可以检查出加密核、内存和UART接口的功能完整性问题,并通过发送错误中断信号进行反馈,证明了所设计的系统级安全策略检查架构的正确性与有效性。     

民机系统总装测试技术发展现状与趋势

随着民机机载系统综合程度越来越高、交联关系日趋复杂,在系统总装阶段采用充分、前沿的测试技术对试验对象进行测试,是验证系统装机质量的重要手段.论述了国内外民机系统总装测试技术现状,分析了国内民机系统总装测试技术的不足之处与原因,进而提出我国民机系统总装测试技术的未来发展趋势及解决思路.     

基于改进CenterNet的竹条表面缺陷检测方法

在竹条表面缺陷检测中,竹条表面缺陷形状各异,成像环境脏乱,现有基于卷积神经网络（CNN）的目标检测模型面对这样特定的数据时并不能很好地发挥神经网络的优势;而且竹条来源复杂且有其他条件限制,因此没办法采集所有类型的数据,导致竹条表面缺陷数据量少到CNN不能充分学习。针对这些问题,提出一种专门针对竹条表面缺陷的检测网络。该网络的基础框架为CenterNet,而且为提高CenterNet在较少的竹条表面缺陷数据中的检测性能,设计了一种基于从零开始训练的辅助检测模块：在网络开始训练时,冻结采用预训练模型的CenterNet部分,并针对竹条的缺陷特点从零开始训练辅助检测模块;待辅助检测模块损失趋于稳定时,通过一种注意力机制的连接方式将该模块与采用预训练的主干部分进行融合。将所提检测网络与CenterNet以及目前常用于工业检测的YOLO v3在相同训练测试集上进行训练和测试。实验结果表明,所提检测网络的平均精度均值（mAP）在竹条表面缺陷检测数据集上比YOLO v3和CenterNet的mAP分别提高了16.45和9.96个百分点。所提方法能够针对形状各异的竹条表面缺陷进行有效检测,且没有增加过多的时耗,在实际工业运用中具有很好的效果。     

结合模拟退火与规则约简的模糊系统优化方法

从数据中学习模糊系统是其智能建模的重要方法之一,针对目前模糊系统建模及优化方法对于学习后的模糊系统的规则数以及结构优化关注不足而影响了其精度和可解释性的问题,提出了一种结合模拟退火与基于支持度约简规则的模糊系统优化方法。该方法通过支持度约简系统冗余规则进而提高模糊系统的可解释性;同时利用模拟退火算法优化模糊系统的隶属度函数参数进一步提高模糊系统的精度。针对回归任务,与BP（Back Propagation）神经网络、径向基（Radial Basis Function,RBF）神经网络以及经典的模糊算法WM（Wang-Mendel）在不同领域的3个经典数据集上进行实验比较,实验结果表明：该算法在预测方面取得了更高的精度;与WM算法相比,所提算法中规则数明显减少,进一步提高了系统的可解释性。     

面向文本分类的多头注意力池化RCNN模型

针对经典循环卷积神经网络（RCNN）在池化层采用的最大池化策略较为单一,会忽略除最突出特征外的其他特征,影响分类精度的问题,提出基于多头注意力池化的循环卷积神经网络（MHAP-RCNN）模型。多头注意力池化可以充分考虑各特征对分类的贡献,且能在训练过程中动态优化,有效缓解最大池化的单一性问题。在三个公开的文本分类数据集上进行实验,结果表明与经典RCNN及其他各模型相比,提出的模型具有更好的文本分类性能。     

轻量级分组密码GIFT的一种白盒实现方案

白盒实现是将已知的密码算法通过白盒密码技术进行设计,使其在白盒攻击环境中具有与原算法相同的功能,同时保证该算法的安全性不会遭到破坏。文章提出一种轻量级分组密码GIFT的白盒实现方案,该方案主要思想是使用查找表表示密码算法每轮的输入输出,并使用不同大小的仿射函数编码查找表的输入输出。该方案需要13.92 MB的内存空间,并能抵抗BGE攻击、MGH攻击、仿射等价算法攻击和差分矩阵攻击等代数分析攻击。其中,仿射等价算法攻击的复杂度大于O(2^82)。     

不同止水帷幕插入深度下基坑降水对周边环境的影响预测分析

我国沿江沿海地区地下承压水分布特征及水文地质条件复杂,该地区基坑降水对周边环境的影响预测分析是技术难题。为研究不同止水帷幕插入深度下坑外地表沉降和坑外水位降深对坑内降水的响应特征,本文以常州地铁2号线某深基坑工程为例,采用有限元软件ABAQUS建立了基坑降水三维分析模型。结果表明:随着止水帷幕插入比的增大,基坑降水对周边环境的影响范围逐渐减小。定义止水帷幕插入承压含水层深度占其层厚的比值为插入比,当止水帷幕插入比小于1/2时,降水对坑外环境影响较大;当止水帷幕插入比大于3/4时,其止水效果与止水帷幕完全隔断承压含水层时接近,降水对坑外环境影响很小。研究成果为该地区地铁车站基坑止水帷幕优化设计提供良好的理论依据。     

多雇主软件需求优选的存档NSGA-II算法

为解决多雇主的软件系统需求优选问题,使得所有雇主同时达到最优满意度,提出基于存档的NSGA-Ⅱ算法,通过将多雇主需求优选问题定义为多目标优化问题,自动而有效地求解满足数量较多的雇主需求优化目标的解集.实验结果表明:本文提出的需求优选方法,能够在资源和成本的限制下,求解一个令尽可能多雇主满意的需求集,在雇主平均满意度、最小满意度、满意度方差等评价指标上均优于基线方法.基于存档NSGA-Ⅱ遗传算法的需求优选方法能够为软件工程需求分析提供科学、合理的优选方案.     

Registration based compensation method based on adaptive subspace tracking

The registration based compensation (RBC) method is an effective method to compensate the range-dependence of the main-lobe clutter and side-lobe clutter in the same time. However, the compensation performance of the RBC degrades because of the mismatch of prior information and the loss of degree of system freedom. Moreover, the RBC is not very suited for real-time implementation because of the enormous computational complexity and memory usage of eigenvalue decomposition. In this paper, a novel clutter range-dependence compensation method using the modified maximum likelihood adaptive subspace estimation algorithm, which is named the MRBC method for short, is proposed. The eigenvectors matrix and eigenvalues matrix of the clutter covariance matrix are estimated by iterative tracking instead of temporal and spatial smoothing, spectrum calculation and eigenvalue decomposition. Compared with the traditional RBC method, the proposed method can reduce the computational complexity significantly and maintain the performance of clutter range-dependence compensation. In addition, the proposed method can also achieve good performance when the system error exists because of no use of prior information. Experimental simulations demonstrate the validity of this method.