一种新的语义对象行为语言

针对人类用自然语言与机器交互所面临的巨大鸿沟,提出了一种基于类自然语言的语义对象行为语言。SOBL是一种宣称式的陈述语言,用于开发数据库驱动的应用,支持复杂的用户交互,主要由一个Semantic Objects^TM的对象关系开发框架所支持。该语言扩展结构化自然语言,携带语义信息,能够面向非程序员使用,降低了软件的开发难度。最后通过一个具体的实例验证了该语言的有效性。     

无人机遥感影像获取及后续处理探讨

作为卫星遥感和航空遥感的有益补充,无人机航空遥感系统获取遥感影像具有多种特性。通过4次无人机航拍试验,根据所获取的遥感影像和飞行辅助数据,对航拍数据进行拼接。从航拍的多个方面对飞行试验以及实验成果进行了质量评价。并提出了无人机应用于航拍时存在的问题及一些改进方法。     

基于GTST-DMLD的装备RMS综合仿真研究

装备的RMS是装备的重要设计参数,是影响战备完好和全寿命周期费用的关键因素.针对现有RMS仿真方法中存在的问题,以GTST-DMLD作为建模工具,建立起装备功能、装备构成、维修保障系统三者之间关系的描述模型,将其作为装备RMS综合仿真模型的重要组成部分,用于描述部件故障对任务执行的影响和故障部件维修对保障资源的需求.从任务成功的角度出发,构造了基于GTST-DMLD的装备RMS综合仿真模型,制定了仿真流程和仿真算法.以舰船推进系统为例,建立起舰船推进系统的GTST-DMLD描述模型并进行了软件设计,通过仿真试验,得到了反映舰船推进系统RMS设计特性的统计值.GTST-DMLD的引入为构造大型复杂装备的RMS综合仿真系统提供了简单易行的方法,对于RMS指标设计的优化有重要的现实意义.     

基于二进小波变换的主动轮廓模型

针对传统的主动轮廓模型对噪声敏感的缺陷,在推广梯度矢量流的基础上,提出了基于二进小波变换的改进外力场的计算方法.通过综合利用图像小波分解的高频信息,迭代计算获得其外力场,使蛇在图像的多尺度空间中搜索目标轮廓.针对蛇模型对初始轮廓的依赖性问题,给出了在一维最大熵阈值分割后的图像上获取初始轮廓点的方法,减少了人工的干预,加快了蛇的收敛速度和效果.实验结果表明该模型能有效地排除噪声的干扰,搜索凹陷轮廓,而且对脆弱轮廓有很好的逼近能力.     

HiTM：一种高速流量采集方法

针对目前高速流量采集存在的问题,对被采样的数据使用Hash算法压缩流ID长度,并在本文提出了一种高速流量采集方法HiTM。HiTM多级过滤器前增加一个高速缓存,减少流ID处理时的访存次数和多级过滤器的报文处理数目,提高处理的效率。理论和实验表明,HiTM与目前的经典算法相比具有错误率低、访存次数少、统计速度快的特点,可以应 应用于高速网络流量采集。同时,算法的内存需求可以预先给定,在网络规模扩大时,算法的精度也可以得到很好的控制。     

信息融合技术在企业预警系统中的应用

在小样本条件下用神经网络模型进行预警,存在输出不稳定的缺点.本文以平衡计分卡来构造企业预警指标体系,结合神经网络与证据理论算法的优势,把神经网络的输出结果作为基本概率分配函数,D-S证据理论处理输出信息,进行信息融合,提高预警系统的准确性与可靠性.     

不稳定燃烧主动控制系统的设计与实现

为了满足发展不稳定燃烧的主动控制技术的需求,针对发动机不稳定燃烧主动控制需要处理大量数据且处理速度较高要求的问题,利用DSP强大的数据处理能力,设计和实现了基于TMS320F2812的发动机不稳定燃烧主动控制系统。     

基于NS3-gym框架的智能干扰规避系统设计与实现

多智能体构建的无线通信网络在受到外部恶意干扰时,智能体需要与环境进行大量交互来学习干扰规律和优化抗干扰策略。为了有效模拟和验证智能体与外部干扰环境的学习交互过程,需要构建智能干扰规避仿真系统。提出了一种基于NS3-gym框架的智能干扰规避系统,NS3模拟智能通信网络场景并将感知到的网络状态数据作为智能体的输入,智能体对输入数据进行学习分析得到干扰规避决策,并通过gym与NS3之间的交互将其返回到NS3中的仿真网络进行抗干扰策略部署。NS3-gym框架提供了NS3和OpenAI gym之间进行信息交互的接口。在Ubuntu20.04系统下搭建了智能干扰规避系统的仿真平台,分别验证了Q学习算法以及WoLF-PHC算法在扫频干扰、贪婪随机策略干扰、跟随干扰、随机干扰四种场景下的抗干扰性能。仿真结果证明了所提系统架构与仿真平台的正确性和有效性。     

数据安全治理现状研究与分析

近年来,国内外数据泄露事件频发,大量企业的商业利益、声誉受损。数据安全法律法规相继颁布,监管力度不断升级,企业逐渐意识到数据安全治理的重要性与紧迫性。通过对2021年开展的企业数据安全治理能力评估现状进行整理,总结企业数据安全治理工作在组织建设、人才培养、技术工具等方面的现状与趋势,提供能力提升思路,以供业界参考。     

基于对抗深度学习的无人机航拍违建场地识别

对违建场地的检测方法主要是通过人工对无人机航拍视频进行检查,存在检测精度低、识别性能差、工作效率低的问题。提出一种结合空间变换网络与Fast RCNN的生成对抗网络ASTN-Fast RCNN,通过深度学习与无人机航拍视频相结合自动识别检测处在建设初期的违建场地。将空间变换网络作为生成器,生成Fast RCNN目标检测器难以识别的旋转形变样本,并通过目标检测器与生成器的对抗式训练,提高检测器的鲁棒性。实验结果表明,该方法能够有效提高对无人机航拍违建场地的识别性能。