基于EKF的脉冲星导航在转移轨道的应用

为提高深空探测器在转移轨道的自主导航能力,提出了一种基于EKF的X射线脉冲星自主导航定位系统.以X射线探测器获得的脉冲到达时间为量测量,以深空探测器轨道动力学模型为状态方程,利用扩展卡尔曼滤波算法进行状态估计.以美国火星探路者任务深空转移段为例进行了仿真实验,仿真结果表明了该方法的可行性与有效性,能够完成深空探测器转移段的自主导航任务.     

网络多层语义深度挖掘及流媒体缓存策略研究

对网络音视频数据进行多层次语义的深度挖掘,统计分析用户行为,建立一个流行度预测模型,在此基础上提出智能化的代理缓存替换策略.初步模拟实验表明该策略能提高缓存字节命中率,减短客户端的请求延迟时间.     

Giant traps on the surface of hydride vapor phase epitaxy-grown free-standing GaN

Extended defects on the top surface of a 250-μm-thick free-standing GaN sample, grown by hydride vapor phase epitaxy (HVPE), were studied by deep level transient spectroscopy (DLTS) and scanning surface potential microscopy (SSPM). For comparison, similar studies were carried out on as-grown HVPE-GaN samples. In addition to the commonly observed traps in as-grown HVPE-GaN, the DLTS measurements on free-standing GaN reveal a very high concentration of deep traps (∼1.0 eV) within about 300 nm of the surface. These traps show nonexponential capture kinetics, reminiscent of those associated with large defects, that can accumulate multiple charges. The SSPM measurements clearly reveal the presence of charged microcracks on the top surface of the sample. It appears that the “giant traps” may be associated with these microcracks, but we cannot rule out the involvement of other extended defects associated with the near-surface damage caused by the polishing/etching procedure.     

小浪底水库泥沙多年调节的减淤效果初步研究

由于黄河水沙条件的变化,三门峡水库“蓄清排浑”运用经验的局限性表现得更为突出。从黄河下游河道输沙、防洪和水充分利用出发,小浪底水库应采取泥沙多年调节的运用方式,平水枯水年蓄水拦沙运用,丰水年集中泄空冲刷产生高含沙洪水,塑造窄深河槽改造高村以上宽浅河道,利用窄保河槽输送高含沙洪水入海,计算结果表明对黄河下游减效果显著,并可大量节省输沙用水。     

基于生成式对抗网络的遥感图像半监督语义分割

高分辨率遥感图像的语义分割问题是目前遥感图像处理领域中的研究热点之一。传统的有监督分割方法需要大量的标记数据,而标记过程又较为困难和耗时。针对这一问题,提出一种基于生成式对抗网络的半监督高分辨率遥感图像语义分割方法,只需要少量样本标签即可得到较好的分割结果。该方法为分割网络添加全卷积形式的辅助对抗网络,以助于保持高分辨率遥感图像分割结果中的标签连续性;更进一步,提出一种新颖的能够进行注意力选择的对抗损失,以解决分割结果较好时判别器约束的分割网络更新过程中存在的难易样本不均衡问题。在ISPRS Vaihingen 2D语义标记挑战数据集上的实验结果表明,与现有其它语义分割方法相比,所提出方法能够较大幅度地提高遥感图像的语义分割精度。     

A deep learning approach with Bayesian optimization and ensemble classifiers for detecting denial of service attacks

Detecting malicious behavior is important for preventing security threats in a computer network. Denial of Service (DoS) is among the popular cyber attacks targeted at web sites of high‐profile organizations and can potentially have high economic and time costs. In this paper, several machine learning methods including ensemble models and autoencoder‐based deep learning classifiers are compared and tuned using Bayesian optimization. The autoencoder framework enables to extract new features by mapping the original input to a new space. The methods are trained and tested both for binary and multi‐class classification on Digiturk and Labris datasets, which were introduced recently for detecting various types of DDoS attacks. The best performing methods are found to be ensembles though deep learning classifiers achieved comparable level of accuracy.     

基于深度卷积神经网络的自适应图像去雾算法

室外拍摄图像由于受雾气、雾霾、沙尘等大气颗粒杂质的影响呈现出图像灰白化,而现有的图像去雾算法存在过度依赖先验信息、透射率计算不精确的问题。针对上述问题,文中提出了一种基于深度卷积神经网络的自适应图像去雾算法。该算法基于大气散射模型实现了有雾图像的去雾,设计浅层提取、并行提取和深度融合共3个全卷积网络实现图像浅层特征与深层特征的融合,大幅提高了透射率图的准确性。去雾实验测试结果表明,文中所提出的算法对室外露天雾图具有良好的去雾效果,且去雾细节效果更加理想。     

基于3D卷积联合注意力机制的高光谱图像分类

由于高光谱图像存在较高的数据维数,会给分类过程带来一些困难。为了提高分类的准确率,提出了一种使用3D卷积联合注意力机制的高光谱图像分类方法。首先,将中心像素与周围相邻的其它像素进行配对,可以通过配对构成多组新的像素对,充分利用了像素之间的邻域相关性。接着,将像素对放入3D卷积联合注意力机制网络框架中进行分类,它能够对高光谱图像中的特征进行选择性的学习。最后,通过投票策略获得像素标签。实验是在两个真实的高光谱图像数据集上进行。结果表明,所提出的方法充分挖掘了高光谱图像的光谱空间特征,能有效地提高分类精度。     

深度神经网络在风电功率预测中的应用研究

风电功率预测对于电网建设具有重要意义。文中提出一种基于深度神经网络的风电功率预测方法,该方法充分考虑了影响风电功率的若干因素,如风速、风向、空气密度和季节,通过深度神经网络训练、学习给出最佳的功率预测值。通过深度神经网络学习的特征能够更为有效地反映实际情况,因此提高了风电功率预测的稳健性。基于内蒙古某风电厂的实测数据进行了验证实验,结果表明了提出方法的有效性。     

采用改进型AlexNet的辐射源目标个体识别方法

针对辐射源目标精确识别需求,结合以深度学习为代表的机器学习理论技术,提出将改进型AlexNet作为特征提取器,实现目标细微特征提取固化,形成智能化识别网络模型。以广播式自动相关监视（ADS-B）信号为实验对象,在机场实地采集了13个目标的ADS-B脉冲信号数据作为辐射源目标个体识别的训练和测试样本,利用AlexNet和改进的AlexNet验证了算法的有效性。结果表明,改进的AlexNet网络训练时间更快,综合识别率达到98.32%.