基于深度特征合成和关联规则的数据库异常访问检测

企业或组织内部的重要数据都存储在数据库中,因此数据库经常成为恶意入侵者的攻击目标。传统防火墙对于来自外部的入侵者有着很好的抵御作用,但无法检测来自系统内部人员的异常访问。针对数据库异常访问检测中存在的不足和缺陷,提出了一种基于深度特征合成(DFS)和关联规则(Apriori)算法的异常检测方法。通过对比BP神经网络、随机森林和C4.5决策树等3种其他检测算法表明,新提出的方法能够更加高效地提取用户特征,从而使检测的精准率和效率有显著提升。     

研究生深度辅导的实践探索与思考

随着研究生奖助体系和培养的改革,研究生作为具有高学历的群体,其特殊性日益明显,对研究生思想政治教育也提出了更高的要求,要求加强研究生深度辅导工作。结合自身工作实践,总结了目前研究生深度辅导工作的现状及存在的问题,构建了研究生深度辅导的工作体系,提出了开展研究生深度辅导的有效途径。     

用~(14)N(d,α_1)~(12)C核反应研究注入氮在纯铁和GCr15钢中的深度分布

本文描述了利用~(14)N(d,a_1)~(12)C核反应测量固体样品表面层内氮原子含量及深度分布的方法。在Si_3N_4标准样品中,所得到的表面处的深度分辨为48nm。利用该分析手段,研究了在不同注入温度条件下,氮离子注入纯铁和GCr15钢的保留量及深度分布的变化情况。     

具有性能感知排序的深度监督哈希用于多标签图像检索

现实生活中的图像大多具有多种标签属性。对于多标签图像,理想情况下检索到的图像应该按照与查询图像相似程度降序排列,即与查询图像共享的标签数量依次递减。然而,大多数哈希算法主要针对单标签图像检索而设计的,而且现有用于多标签图像检索的深度监督哈希算法忽略了哈希码的排序性能且没有充分地利用标签类别信息。针对此问题,提出了一种具有性能感知排序的深度监督哈希方法（deep supervised hashing with performance-aware ranking,PRDH）,它能够有效地感知和优化模型的性能,改善多标签图像检索的效果。在哈希学习部分,设计了一种排序优化损失函数,以改善哈希码的排序性能;同时,还加入了一种空间划分损失函数,将具有不同数量的共享标签的图像划分到相应的汉明空间中;为了充分地利用标签信息,还鲜明地提出将预测标签用于检索阶段的汉明距离计算,并设计了一种用于多标签分类的损失函数,以实现对汉明距离排序的监督与优化。在三个多标签基准数据集上进行的大量检索实验结果表明,PRDH的各项评估指标均优于现有先进的深度哈希方法。     

基于Transformer与距离图谱的泛癌细胞核图像分割

肿瘤细胞的密度、核质比和平均尺寸等指标对癌症的分级和预后有重要的意义.在计算病理学中,细胞核分割是肿瘤微环境分析的基础.通过对分割结果进行统计分析,对新的肿瘤标记物的探索有重大的意义.病理图像背景下的细胞核形态不规则,细胞核染色不均匀,且细胞核边缘之间存在黏连的问题,而现有的深度学习算法在细胞核主体分割正确的情况下,边缘的分割错误不会对总体的损失造成太大的影响,黏连的细胞核很容易被当作同一个分割目标.为了解决细胞核重叠问题,本文提出一种基于Transformer与距离图谱的分割模型,将Transformer中的核心多头自注意力机制与距离图谱引导算法相结合,重视细胞核内部,弱化细胞核边界,提升对图像局部和全局上下文信息的学习能力.本文方法在两个公开数据集上的平均Dice系数为0.797 9、精度为0.756 1、AJI系数为0.667 2、Hausdorff距离为10.11.实验结果表明,相较其他分割算法,本文方法的性能更好,能够有效提高细胞核的分割精度,同时较好地解决了细胞核之间的黏连问题.     

基于改进2DCNN的高光谱遥感图像处理研究

针对传统遥感图像处理中的时间成本和人工成本高、效率低等问题,以提高遥感高光谱图像分类中的处理速度、精度,降低参数量为目标,提出改进的2DCNN模型En-De-2CP-2DCNN.首先,使用1DCNN、2DCNN与3DCNN在Pavia University HSI数据集上分别进行分类实验,对比分析各自优缺点.其次,在保持较快的处理速度和不增加模型参数量的前提下,选择2DCNN为基础模型,参考SegNet的Encoder-Decoder结构,融入双卷积池化思想进行基础模型改进,同时优化学习策略.结果表明:En-De-2CP-2DCNN模型F1为99.96％,达到3DCNN的同等水平(99.36％),较改进前(97.28％)提高2.68个百分点;处理速度(5 s／epoch)和1DCNN位于同一量级,快于3DCNN(96 s／epoch);参数量(2.01 MB)较改进前降低了1.54 MB,虽高于3DCNN(316 KB),但远低于1DCNN(19.21 MB).En-De-2CP-2DCNN模型在处理速度和参数量方面的改进,有利于进一步实现移动端的轻量化部署.     

基于多智能体近端策略优化的分布式动态火力分配方法

针对传统的火力分配算法仅适用于静态火力分配,无法估计战场态势的实时变化。文章提出多智能体近端策略优化方法,该方法可以处理分布式指挥下的动态火力分配问题。从实验结果可以看出,该方法能够考虑整个战场在时间维度上的相关性,相比于启发式方法,显著提升分配效果。对于分布式动态火力分配问题的求解有很好的借鉴意义。     

基于深度学习的语义通信系统

语义通信利用传输内容的语义信息进行编码,可以去除冗余数据,减少传输数据量,满足6G时代的智能通信需求.探究一种以文本为传输内容的语义通信系统,利用深度学习模型进行语义挖掘与特征提取,加入信道编解码层、信道层与量化层,构建端到端的深度神经网络.仿真结果表明,与传统的通信编解码方式相比,所提模型在传输时所需的数据量更少,传...     

基于深度学习的移动大数据分析算法

本文比较了各种深度学习技术的方法,以处理具有不同数量的神经元和隐藏层的大量数据。比较研究表明,可以通过引入多种方法并结合有监督和无监督的训练技术来构建深度学习技术。     

地质条件对主采煤层冲击地压的影响研究

运用系统理论,采样试验和数据模拟等综合权重占比法进行多种地质条件耦合分析,对诱发屯兰矿主采2、8号煤层冲击地压危险性的开采深度、煤层上方100 m范围顶板岩层厚度及坚硬特征、地质构造引起的开采区域内应力变化以及煤层弹性能量和单轴抗压强度等客观地质条件深入系统的研究.结果表明,现开采区域地质条件对主采煤层冲击地压危险影响...