基于自适应MSB与差值预测的大容量密文域可逆信息隐藏算法

为提高密文域可逆信息隐藏（reversible data hiding in encrypted images,RDH-EI）的嵌入容量,提出了一种基于自适应MSB（most significant bit）与差值预测的RDH-EI方案。首先将图像进行分块,然后进行块级加密和置乱以抵抗对于加密图像的分析。在嵌入数据阶段,对于自适应MSB预测的方法进行改进,将没有嵌入数据的块,利用部分块内像素之间差值很小的特点采用自适应差值预测的方法嵌入数据,以块中左上角像素为目标像素,用于预测其他像素从而腾出更多的嵌入空间。实验结果表明,所提方法具有可逆性和可分离性,并且在自适应MSB预测方法的基础上进一步提高了嵌入容量,对于512×512大小的灰度图像,平均嵌入容量提高了大约7 445 bit。     

LFSCA-UNet：基于空间与通道注意力机制的肝纤维化区域分割网络

目的 肝纤维化是众多慢性肝脏疾病的常见表现,如不及时治疗可发展为肝硬化甚至引发肝癌。肝纤维化的准确评估对临床治疗和预后评估等至关重要。目前,肝纤维化的诊断通过肝穿活检判断,有创且有并发症危险。为此,基于影像学的无创诊断方法越来越受到关注。本文提出一种基于通道注意力与空间注意力机制改进的用于肝纤维化区域的自动化分割U-Net （liver fibrosis region segmentation network based on spatial and channel attention mechanisms,LFSCA-UNet）。方法 依据Attention U-Net的改进方式,围绕U-Net的跳跃连接结构进行基于注意力的改进,在AG （attention gate）的基础上,加入以ECA （efficient channel attention）模块为实现方式的通道注意力机制,依据加入ECA的位置,LFSCA-UNet分为A、B、C共3个子型。结果 在肝数据集上与其他实验网络进行评估对比,本文提出的LFSCA-UNet网络结构平均Dice系数达到了93.33%,相比原始U-Net的Dice系数提高了0.539 6%。结论 本文方法将空间注意力机制与通道注意力机制进行结合,有效提高了肝纤维化区域的分割精度,对空间注意力模块使用通道注意力模块优化输入和输出,增加了网络的稳定性,提升了网络的整体效果。     

新工科愿景下数字逻辑电路课程思政问题研究

“新工科”的提出对我国工程教育体系人才的培养提出了新的要求,以新工科核心能力培养为目标,将课程思政与专业教育相结合,达到同向同行、共同育人的目的。以数字逻辑电路课程为例,首先从教学目标和教学设计两方面介绍研究思路,然后介绍具体的课程思政案例,最后介绍教学模式的改革。新工科与课程思政是当前大学生能力培养及道德教育的新趋势,文章提供了研究思路和方法,为高校传统工科专业的转型和一流课程的建立提供理论和实践依据。     

医学图像数据压缩中的机器学习方法

在医学研究中会产生大量需要储存、传输的图像数据,如计算机断层扫描(CT)等.医院要处理海量患者的所有数据相当困难,必须对这些数据进行压缩.随着人工智能技术的发展,应用机器学习的医学图像数据压缩方法成为新的研究热点.文中首先总结了传统医学图像数据压缩方法;然后基于机器学习的医学图像数据压缩方法,对各类方法针对脑部CT、肺部CT等不同医学图像的压缩效果进行对比,并对这些方法在压缩率、算法复杂度、重构质量等方面的优缺点进行系统的总结,指出机器学习和感兴趣区域结合的方法可以在享受有损压缩带来的高压缩率的同时保留重要区域的特征信息,比其他压缩方法更贴合医学数据的压缩要求;最后展望了该领域的未来方向和挑战.     

基于$pm3sigma$正态概率区间分族遗传蚁群算法的移动机器人路径规划

针对移动机器人路径规划问题,提出一种基于正态概率区间分族的家族遗传蚁群融合算法.首先提出初始种群优化及删除算子解决传统遗传蚁群融合算法中遗传阶段随机生成的初始种群质量低的问题;然后引入适应度值正态概率区间种群分族机制及家族混合交叉算子,解决传统遗传蚁群融合算法中易出现未成熟收敛的问题;最后引入混合变异策略以提高随机变异后生成的路径质量.将全局路径规划算法与局部路径规划算法-动态窗口算法相结合形成完整移动机器人运动规划.基于Matlab仿真平台与机器人操作系统平台进行实验分析,结果验证了所提出正态化概率分族遗传蚁群融合算法求解移动机器人路径规划问题的有效性.     

智能电网中两阶段网络切片资源分配技术

为满足网络切片在智能电网中的多样化需求,提出了一个在智能电网中基于云-边协同的切片资源分配模型。为优化网络切片分配,提出一种两阶段的切片分配模型：在第一阶段中,以用户体验最优为目标,建立了本地边缘网络的资源分配问题的优化模型,并采用拉格朗日乘子法对此最优问题进行了求解;在第二阶段中,首先将网络切片资源分配系统建模成Markov决策过程,然后提出使用深度增强学习方法对核心云的切片自适应地进行资源分配。实验结果表明所提的两阶段切片资源优化分配模型可有效减少网络延迟,提高用户满意度。     

改进在线词对主题模型的微博热点话题演化

话题演化分析是舆情监控的研究热点之一,面向微博热点话题进行演化分析,对于网络用户以及网络监管部门都有很重要的现实意义。针对在线词对主题模型（On-line Biterm Topic Model,OBTM）新旧主题混合、冗余词概率相对较高的问题,对OBTM进行改进,提出基于话题标签和先验参数的OBTM模型（Topic Labels and Prior Parameters OBTM,LPOBTM）。根据微博热点话题的话题标签,将微博文本集区分为含话题标签和不含话题标签的两类数据集,并设置不同的文档-主题先验参数;在前一时间片文档-主题概率分布的基础上,借鉴Sigmod函数对所有主题进行强度排名,从而优化当前时间片上主题-词分布的先验参数计算方法。实验结果表明,LPOBTM能够更准确地描述话题的内容演化情况,并且有更低的模型困惑度。     

基于可拓表征与神经网络的苗族图案设计

针对苗族图案的文化传承及设计应用问题,提出基于可拓表征和神经网络的民族图案创新设计方法,对苗族蜡染图案进行解构、映射和重构.首先对苗族蜡染图案进行可拓表征,运用发散树法构建设计生长阶段模型对苗族图案基元进行拓展分析.其次基于感性工学对苗族蜡染图案进行感性意象分析,提出一种面向图案构型、纹样语义和种类的图案解构方法,构建图案特征要素解构空间和情感意象认知空间.运用神经网络构建感性预测模型根据用户意象偏好推荐图案构型等设计要素,对设计思维进行收敛,并与线性回归预测模型进行对比验证其优势性.最后根据神经网络感性预测模型推荐的特征要素应用形状文法对苗族蜡染图案进行细化设计.以苗族蜡染图案为例,验证该方法的可行性,为其他民族图案的解构及创新设计提供参考.     

Multifold behavior of the information transmission by the quantum 3-switch

Quantum Information Processing - A Correction to this paper has been published: https://doi.org/10.1007/s11128-019-2234-5     

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。