数字音频来源被动取证研究旨在不依赖主动嵌入的数字水印或数字签名等冗余信息,通过原始数字音频数据的内在设备信息提取出表征设备源机器指纹的特征,进而对数字音频证据来源做出判断,在司法取证、军事信息、新闻传播等领域有着广泛的应用前景。目前,数字音频来源被动取证的研究综述面临时效性不足、针对性不够的问题。据此,给出了数字音频来源...
多智能体深度强化学习是机器学习领域的一个新兴的研究热点和应用方向,涵盖众多算法、规则、框架,并广泛应用于自动驾驶、能源分配、编队控制、航迹规划、路由规划、社会难题等现实领域,具有极高的研究价值和意义。对多智能体深度强化学习的基本理论、发展历程进行简要的概念介绍;按照无关联型、通信规则型、互相合作型和建模学习型4种分类方式...
随着深度学习的快速发展,基于深度学习的场景识别方法逐渐取代传统的基于手工特征的场景识别方法,成为未来研究的主要方向。针对基于深度学习的场景识别方法,对基本思想进行了总结,将其大体分为以下四类:深度学习与视觉词袋结合场景识别法、基于显著部分的场景识别法、多层特征融合场景识别法、融合知识表示的场景识别法,分析了各个方法的特点及...
对抗样本生成技术是近年来深度学习应用于安全领域的一个热点,主要是研究对抗样本生成的机理、方法和实现方法,其目的是为了更好地理解和应对深度学习系统的脆弱性和安全性问题。重点关注深度神经网络分类器的对抗样本生成技术,介绍了对抗样本的概念,按"攻击条件"和"攻击目标",将分类器的攻击分为四大类,分别是白盒条件下的定向攻击、白盒条件下...
针对传统的卷积神经网络算法在训练集与测试集分布不同时分类精度较低且标注成本较高的问题,提出结合迁移学习模型的卷积神经网络算法。使用主成分分析算法对源域数据进行无监督降维,同时结合自编码机算法对目标数据集降维,使源域和目标数据集在低维度下具有相似的特征分布;根据卷积神经网络特征提取的特点,利用JS散度来判别卷积池层能否迁移,并...
指挥控制协同性是实现信息化条件下联合作战指挥的关键。针对当前对指挥控制协同能力需求缺乏形式化描述和分析方法等问题,提出一种指挥控制协同能力需求形式化描述框架,运用进程代数方法对能力之间的关系以及操作进行形式化定义,消除了采用自然语言描述协同能力合成过程中可能产生的语义二义性。案例分析验证了该方法的可用性和有效性。
变量排序启发式是约束规划求解约束满足问题中的一项关键技术,对求解效率有着重要影响。为进一步提高基于关联的变量排序启发式方法CRBS对问题求解的效率和能力,提出了一种基于ParetoHeu和实例化失败统计的关联启发式PICRBS。PICRBS采用源于帕累托最优的启发式组合方式ParetoHeu,将CRBS与经典的通用启发式dom/wdeg进行结合,同时加入基于实例化失...
针对标签信息不完整的多标签分类问题,一种新的多标签算法MCWD被提出。它通过有效地恢复训练数据中缺失的标签信息,能够产生更好的分类结果。在训练阶段,MCWD通过迭代更新每个训练实例的权重以及利用两两标签之间的相关性来恢复训练数据中缺失的标签信息;在标签恢复完毕后,利用新得到的训练集来训练分类模型;用此模型对测试集进行预测。实验结果...
针对专家评价信息为毕达哥拉斯模糊数并且属性值信息存在相互关联的多属性决策问题,定义了广义的毕达哥拉斯运算法则,并结合几何Heronian平均,提出了毕达哥拉斯模糊几何Heronian平均(PFGHM)算子;基于对数函数设计了新的毕达哥拉斯模糊交叉熵用于衡量信息之间的差异性;构造了基于PFGHM算子和交叉熵的毕达哥拉斯决策模型,并通过高校引进人才团队的...
随着云计算的不断普及,隐私安全问题逐渐显现,已成为制约云计算发展的重要障碍。受经济社会"问责制"的启发,从规范和约束云参与者隐私行为的角度,针对云参与者的隐私违约认定的问题,进行了基于审查对象隐私行为挖掘的研究。对隐私日志行为数据进行预处理,采用夹角余弦法来定义任意两个隐私会话之间的相似度并构建云隐私间的相似度矩阵,选择K-均...
在信息流消费场景中,利用用户的隐式行为反馈,对用户进行个性化内容推荐是核心问题。而由于行为惯性的问题,用户通常只是浏览feed流,互动行为数据稀疏,导致传统方法在个性化等方面性能不高。针对该问题,设计了隐式反馈的权重转化方法,提出LFM-XGB-LR融合模型,利用LFM生成嵌入向量,结合了XGB在特征交叉和LR在离散计算上的优势。实验结果表明,基于...
针对用电大数据环境下,非交互式差分隐私模型无法提供准确查询结果及计算开销较大的问题,提出一种基于最大信息系数与数据匿名化的差分隐私数据方法。从原始数据集中选出部分隐私属性作为特征集,利用最大信息系数选出与此特征集相关性高的数据作为隐私数据集,使用协同隐私保护算法对隐私数据集进行保护,满足差分隐私保护的用电大数据集。理论分...
数据去重技术在云存储中应用广泛,通过存储数据的一个副本节省存储空间、降低通信开销。为了实现安全的数据去重复,收敛加密以及其很多变体相应被提出,然而,很多方案没有考虑所有权改变和所有权证明(PoW)问题。提出一种安全高效的动态所有权管理去重方案,通过更新组密钥对密钥密文进行重加密实现云用户所有权撤销后的管理问题,阻止撤销所有权的...
应用层协议识别是指从承载应用层协议数据的网络流量中提取出可以标识应用层协议的关键特征,并以这些关键特征为基础,将同种类型的应用层协议数据划分在一起。针对现有网络流量识别方法对未知应用层协议识别率低的问题,提出了一种自适应聚类的未知应用层协议识别方法。该方法以传统的AGNES层次聚类算法为基础,依据网络流应用层协议数据的负载特...
针对大规模多输入多输出系统基站天线数目众多,移动用户很难实时精确完成信道估计等问题。提出了一种加权的正交匹配追踪算法。该算法在每次迭代过程中,计算得到的估计信号值由当前残差信号估计值和迭代之前估计值两部分组合而成;分别对当前残差信号估计值和迭代之前估计值设置不同的权值,以提高信号在低信噪比情况下的估值精度;通过调整不同迭...
传统密码体制的系统安全性建立在私钥安全的前提下,但是一旦私钥泄露系统将会存在较大的安全隐患。针对这一问题,提出了一种强前向安全的动态门限签名方案,方案基于中国剩余定理,无需可信中心,通过成员之间相互协作产生签名,有效地避免了因引入可信中心所导致的权威欺诈等问题。该方案定期更新成员私钥,解决了私钥泄露带来的安全隐患,同时该方案...
当前在物联网应用中,大量采集终端被用于感知环境、定位服务、状态监测等应用,并源源不断地上传数据,在提产助效的同时,给远程服务端数据收集及实时处理带来巨大挑战。利用Netty网络通信库构造高性能的收集端网络通信处理服务并设计出可供采集终端与收集端使用的通信协议,剥离出网络通信业务中耗时操作并将数据推送至流式消息处理系统Kafka中,再...
针对实际应用中人脸图像存在局部遮挡的情况经常发生,会造成识别率下降和鲁棒性降低。因此针对目前存在的这种情况,提出一种基于改进生成式对抗网络(Generative Adversarial Network,GAN)的表情识别模型,先利用由自动编码器构成的生成器和两个鉴别器(局部鉴别器和全局鉴别器)的对抗学习对遮挡人脸图像填补修复,再在全局鉴别器后面添加多分类层,...
目前,已有一些研究者提出基于规则或基于机器学习的方法,自动将输入的心电信号识别为临床可接受或不可接受,取得了不错的效果。提出基于卷积神经网络的心电信号质量评估方法,通过网络模型自动学习分类特征,减少人工干预。同时,与其他方法从全局角度对心电信号质量进行评估的策略不同的是,采用局部评估方法,既可对心电图的部分片段数据进行质量分...
命名实体识别是自然语言处理的基本任务之一。针对中文电子病历命名实体识别传统模型识别效果不佳的问题,提出一种完全基于注意力机制的神经网络模型。实验采用自建真实中文电子病历数据集并对数据集进行人工标注、分词等预处理;对Transformer模型进行训练优化,以提取文本特征;利用条件随机场对提取到的文本特征进行分类识别。为验证所提方法的...
大多数关于自动植物识别的现有研究,集中于识别植物的单一器官,例如,花、叶或果实。使用单个器官的植物识别不够可靠,因为许多不同的植物却有着极其相似的器官。对于野外直接采集的图片,通常都有着复杂的背景,这也是目前的植物图像识别准确率不高的又一个原因。为了克服图像识别中的这两个难题,提出一种基于迁移学习的多线索植物识别方法,采用深...
传统卷积神经网络文本分类模型全连接层参数过多易引发过拟合问题,为此,将图像分割中的全卷积思想首次引入字符级文本分类任务中,不仅避免了过拟合问题,而且通过卷积层替换全连接层减少了参数数量,从而加快了模型收敛速度。文本分类问题中单词、短语等层面的处理方式存在获取文本信息不充分的问题。使用字符级全卷积神经网络进行文本分类,充分获...
基于LBSN的兴趣点推荐存在用户签到矩阵稀疏、推荐精度不高、上下文信息利用不充分等问题,提出一种融合社交信任的矩阵分解算法TGMF(Trust-Geo Matrix Factorization)来缓解以上问题。利用BPR模型优化矩阵分解的过程,改进偏序关系的生成策略。把信任影响和相似度计算相结合,提高推荐精度。融合两种模型得到用户的最终偏好列表。把偏好列表中的to...
针对现有的基于图的关键词提取方法未能有效整合文本序列中词与词之间的潜在语义关系的问题,提出了一个融合词向量与位置信息的基于图的关键词提取算法EPRank。通过词向量表示模型学得目标文档中每个词的表示向量;将该反映词与词之间的潜在语义关系的词向量与位置特征相结合融合到PageRank评分模型中;选择几个排名靠前的单词或短语作为目标文档...
精准的网络流量预测可以避免网络崩溃,保证网络的流畅度。将高斯过程混合(GPM)模型应用于网络流量的多模态预测。对两段不同地区的网络流量序列进行多模态分析,将之通过归一化和相空间重构后生成样本集并输入GPM模型。采用分类迭代学习算法,利用后验概率最大化和似然函数实现模型参数学习。将GPM模型与支持向量机(SVM)、核回归(KR)、最小最大概...
为了获取交通视频中车辆的运动轨迹,提供道路动态交通信息,提出一种基于Yolo3目标检测和KCF目标预测相结合,关联历史轨迹预测结果和检测结果的长时间多目标车辆跟踪算法;对采用机器视觉获取的车辆轨迹非平滑现象,提出通过Savitzky-Golay滤波器对原始的车辆轨迹进行平滑优化。对比测试场景中车辆轨迹优化前后,优化后的轨迹在保留原有车辆运动特征...
提出了一种融合超像素和CNN的CT图像器官主动轮廓分割方法。用超像素SLIC方法将CT图像网格化并分配标签;将网格化后图像作为数据集训练CNN网络分割出器官(如肝脏、肺部等)边界超像素,并将这些超像素的种子点连接成为粗分割边界;将粗分割边界作为初始轮廓,进行模糊主动轮廓分割得到CT图像中器官的边界。经过实验对比,该方法对肺部CT图像的分割平...
光照变化是影响人脸识别系统性能的关键问题之一,针对该问题提出了一种改进的基于Gabor特征的自商图算法。对人脸图像采用改进的加权Gabor滤波器进行平滑的Gabor特征提取,使用自商图像的方法求取图像的光照不变特征;对得到的自商图像用直方图截断等方法进行归一化;在Extended Yale B与CMU PIE人脸库上通过基于皮尔逊相关系数的最近邻方法进行实...
为了有效抑制高斯-泊松混合噪声,针对调和模型不能有效保存图像的边缘细节信息和Kullback-Leibler散度作为保真项(KL保真项)的全变差图像恢复模型对光滑的区域部分去噪会产生"阶梯效应"的不足,提出一种针对高斯-泊松混合噪声去噪的图像恢复变分模型。该模型利用增广拉格朗日算法进行数值实现,将调和模型和全变分模型按照比例进行融合,结合两种模...
针对利用灰度共生矩阵作为纹理特征的传统方法不能够有效表征图像的边缘高频信息的问题,结合小波的多分辨率分析,提出了一种基于小波变换域统计特性的合成孔径雷达(SAR)图像分割算法。图像经过小波变换后,其统计特性服从广义高斯分布(GGD),利用最大似然(ML)估计,推导出GGD的两个参数α、β,提出了利用NewtonRaphson法对β进行快速迭代求解。并将α、...
购物车(0)