基于WiFi信号的轻量级步态识别模型LWID

身份识别作为普适计算和人机交互领域的重要研究内容,受到研究者的广泛关注。基于WiFi信号的传统身份识别方法虽然取得了较大的进展,但仍然面临分类能力弱、模型存储代价高、训练时间长等问题。对此,提出了基于多层神经网络的轻量级步态识别模型(Light Weight Identification,LWID)。该方法首先通过将原始时序数据进行图片化重构,最大限度地保留了不同载波间的特征信息;然后通过设计一种仿生的Balloon机制,实现了对网络层中神经元数量的裁剪,并通过联合使用不同尺寸的卷积核,实现了对数据中特征的提取与特征图中通道信息的整合,从而在提高模型分类能力的前提下实现了模型规模的轻量化。实验结果表明,所提模型在50人的数据集中取得了98.8%的识别率。与传统的基于WiFi信号的身份识别模型相比,所提模型具有更强的分类能力与鲁棒性,同时该模型可以压缩至现有同等精度图片识别模型大小的6.14%。     

基于拓扑感知的时延优先数据流量优化分配算法

为解决P2P流媒体的流量优化问题,提出了一种新的数据流量优化算法.该算法根据获得的有关底层网络拓扑信息,将节点分为流量路径冲突节点和非流量路径冲突节点,并分别采用加权时间片轮转和流量枚举优化算法对流量进行时延优先的优化分配.仿真实验表明,该算法可降低进入主干网的重复数据达70％ ～ 90％,并降低时延30％.     

基于特征提取与选择的气体识别研究

在电子鼻系统中,特征提取和选择以及分类模型都是其性能改进的关键。针对从传感器阵列中提取单一特征时会忽略传感器特异性的问题,提出基于相关性分析来选择每一个传感器最优的特征提取方法,组成最优特征向量进行气体识别,实验表明：通过该方式提取的特征向量在分类模型中表现更好,在各模型的平均识别准确率提升了0.027,其中支持向量机和人工神经网络提升效果最明显,分别提升了0.031和0.054。并根据模型特性和实际需求,提出逻辑回归与支持向量机结合的二次分类模型,实验表明该模型能够进一步提高分类准确率,降低具体气体检测场景中辨别气体错误的风险。     

基于剪枝技术的自适应PPM预测模型

建立有效的用户浏览预测模型,对用户的浏览行为进行准确的预测,是Web预取的关键。标准PPM预测模型由于存在存储复杂度高、执行效率低等缺点,影响了其推广和应用。文章基于剪枝技术,依据Zipf法则及Web对象访问特征对标准PPM预测模型进行预先剪枝和后剪枝,构造出一种自适应PPM预测模型。实验表明,该模型不仅能动态预测用户的Web浏览特征,而且在预测准确率和存储复杂度方面都有一定程度的提高。     

众核处理器系统核资源动态分组的自适应调度算法

针对众核处理器系统的核资源优化使用问题,提出了一种支持核资源动态分组的自适应调度算法CASM(core-partitioned adaptive scheduling for many-core systems).该算法通过对任务簇的拆分与合并,动态构建可弹性分区的核逻辑组,实现核资源的隔离优化访问.为了平衡核资源利用率及任务调度效率,CASM算法针对任务簇间和簇内的不同特点,分别采用公平性较好的均衡调度算法和资源利用率较高的自适应调度算法.在线竞争理论分析表明,CASM算法的任务执行时间在线竞争比为常数2,其性能可扩展性较好.实验结果表明,与WS(work-stealing),AGDEQ(adaptive greedy dynamicequi-partitioning)和EQUI°EQUI算法相比,CASM算法使任务集运行时间分别减少了近46％,32％和15％.在相同能耗情况下,CASM算法大幅度地提升了系统吞吐量.     

基于能力形成导向的Web程序设计线上课程教学模式

针对Web程序设计课程重实践的特点,以"雨课堂"为平台,分析线上教学的可行性,结合疫情期间的在线教学经验,通过任务驱动的课程内容分解,提出一种以能力形成为导向的新型线上教学模式,并从课程内容、教学方法、考核机制、教学过程方面介绍基于项目导向和任务驱动的课程改革实践,最后说明教学效果.     

基于深度学习的视觉问答研究综述

视觉问答是计算机视觉和自然语言处理的交叉领域。在视觉问答的任务中,机器首先需要对图像、文本这两种模态数据进行编码,进而学习这两种模态之间的映射,实现图像特征和文本特征的融合,最后给出答案。视觉问答任务考验模型对图像的理解能力以及对答案的推理能力。视觉问答是实现跨模态人机交互的重要途径,具有广阔的应用前景。最近相继涌现出了众多新兴技术,如基于场景推理的方法、基于对比学习的方法和基于三维点云的方法。但是,视觉问答模型普遍存在推理能力不足、缺乏可解释性等问题,值得进一步地探索与研究。文中对视觉问答领域的相关研究和新颖方法进行了深入的调研和总结。首先介绍了视觉问答的背景;其次分析了视觉问答的研究现状并对相关算法的和数据集进行了归纳总结;最后根据当前模型存在的问题对视觉问答的未来研究方向进行了展望。     

微博污染检测模型

信息传播的高速性加剧了谣言等网络污染在微博网络中的扩散。微博网络的用户量和信息量极为庞大。因此,对微博污染传播机制和污染检测手段的研究显得尤为重要。根据基于用户影响力建立的微博谣言传播模型,利用蚁群算法逆推污染传播路径,搜索受染用户,并分别以Twitter和新浪微博为实验平台,通过对比分析验证了模型的可行性。实验结果表明：模型通过对受染个体的搜索,缩小了污染的检测范围,提高了微博污染的治理效率和准确性。     

一种自适应抗噪声的PPM预测模型

基于Web浏览特征提出了一种自适应抗噪声的PPM预测模型。模型在构造过程中,利用描述用户浏览深度特征的逆高斯分布及Web流行度特征,对噪声页面及过期数据进行动态移除,分别从纵向和横向上对PPM预测模型规模进行控制。实验表明,该模型对噪声数据的影响有较大的改善,能较好地动态预测用户的Web浏览特征,不仅预测准确率和存储复杂度都有一定程度的提高,而且有效控制了由预取引起的网络流量。     

基于频域水印的人脸图像窜改检测认证方法

以DeepFake为代表的AI换脸技术为人们的生活带来诸多负面影响,现有的人脸窜改检测算法鲁棒性较弱,缺乏可解释性。针对这一问题提出一种离散小波变换（DWT）、离散余弦变换（DCT）、奇异值分解（SVD）相结合的人脸频域水印算法（face frequency-domain watermarking,Face-FW）,通过提取图像人脸特征并压缩加密生成二值水印嵌入图像频域以达到检测人脸窜改、认证原人脸归属人的目的,同时提出动态特征融合算法以降低Face-FW适用范围。选取人脸图像标准数据集CASIA-FaceV5和IMDB-WIKI部分图像嵌入水印并窜改人脸生成测试集CASIA-DF和IMDB-DF。实验结果表明,Face-FW在两个测试集上分别有97.6%和96.9%的检测窜改成功率,优于对比方法,并且算法能够根据非特征融合水印提供人脸认证,具有较强的鲁棒性和可解释性。