为增强对海域物联网( MIoT: Maritime Internet-of-Things) 设备的覆盖, 提出基于移动边缘计算( MEC: Mobile Edge Computing)的无人机(UAV: Unmanned Aerial Vehicle)部署的 MIoTs 的覆盖优化算法(UMCO: MEC- UAV-based Coverage Optimization algorithm)。 UMCO 算法通过部署配备 MEC-UAV, 从而满足日益增加 MIoTs 的覆盖需求, 提升网络增益。 先将 MEC-UAVs 的部署以及其关联的 MIoT 设备问题形成联合问题, 并将其转换成线性规划问题, 最后利用基于 Bender 分解法的迭代算法求解该线性规划问题。 仿真结果表明, 该 UMCO 算法能获取逼近穷尽搜索算法的最优解。

针对如何提高卫星电测探测目标跟踪的稳定性和精确度问题, 为避免繁琐的目标采集过程, 提出基于孪生网络的卫星电磁探测目标跟踪算法。 首先, 建立电磁探测卫星多星调度模型, 为电磁探测目标匹配合适的卫星和工作模式, 完成目标电磁信号采集; 其次, 利用孪生网络对目标信号进行训练, 通过消除目标信号中干扰的杂波获取目标的电磁特征信息和真实位置信息; 最后, 采用粒子滤波算法实现卫星电磁探测目标的稳定跟踪。 测试结果表明, 该算法能有效提高目标跟踪效率, 具有较高的稳定性和精确度。

针对无线传感器网络覆盖存在传感盲区、 传感节点间连通度较差问题, 提出一种基于适应度函数和零容忍覆盖的节点部署及调度算法。 将网络覆盖范围看作一个二维平面, 分析节点传感的最大覆盖范围和距离值之间的关系, 求得存在热点分布和重叠覆盖目标点的属性值。 然后根据无线传感目标点覆盖率、 连通度和候选位置等部署指标, 采用适应度函数计算指标最佳部署关系, 并获取节点的冗余参数。 在同一传感范围内查找冗余互补节点, 实现替换调度。 实验结果表明, 该算法在网络覆盖范围和调度效果等方面表现出色, 具有较强综合性能。

由于现有的多数概念演化检测方法本质上是基于监督学习, 且通常用于解决一个时间段内仅出现一个新类, 不能处理数据流中的类消失和类循环任务。 为此, 提出一种基于弱监督集成的概念演化自适应检测方法 (AD_WE: Adaptive Detection Method for Concept Evolution Based on Weakly Supervised Ensemble)。 该方法利用弱监督集成策略构建集成学习器, 对数据块中的训练样本进行局部预测, 在此基础上, 基于局部密度和相对距离识别特征空间中具有较强内聚性的相似数据并对其聚类, 对聚类结果进行相似度比较, 实现新类实例的检测及不同新类的区分; 同时根据数据随时间变化特征建立动态衰减模型, 及时消除消失类, 并通过相似度比较检测循环类。 实验表明, 所提方法能对概念演化做出及时响应, 可有效识别消失类和循环类, 提高学习器的泛化性能。

由于地址跳变是物联网主动防御的一种有效手段, 但因跳变资源匮乏、 可预见性以及数据包混淆度低已经成为制约物联网地址跳变的主要问题。 为此, 提出一种基于双模式端址跳变的主动防御方法。 该方法设计了双模式端址选择算法, 通过动态确定虚拟端址生成策略, 以通信时间为阈值, 扩大端址跳变空间, 从而解决地址池资源受限问题。 同时, 还构建了双虚拟端址跳变方法, 通过动态分配和同步虚拟接收和发送地址, 提升数据包混淆度, 增强跳变的不可预见性。 并且基于SDN( Software Defined Network) 设计了流表双向同步机制, 实现流表的动态下发和同步, 以保证端址跳变的一致性。 实验结果表明, 该方法能有效提升地址跳变的多样性和不可预测性, 显著增强抵御嗅探攻击的能力。

针对大数据聚类处理存在不同类型数据聚类效果差、 聚类耗时长的问题, 提出了基于改进 PSO-Means (Particle Swarm Optimization Means)算法的大数据聚类处理方法。 该方法采用粒子群算法确定一次聚类过程中单位粒子的飞行时间和飞行方向, 预先设定初始聚类中心的选择范围, 并适当调整单位粒子的惯性权重, 以消除粒子振荡造成的聚类缺陷, 成功获取基于大规模数据的聚类中心。 结合生成树算法, 通过从样本偏差和质心偏度两个方面对 PSO 算法进行优化, 并将优化后的聚类中心输入到 k-means 聚类算法中, 实现大数据聚类处理。 实验结果表明, 改进的 PSO-Means 方法可以有效地聚类不同类型的数据, 并且聚类耗时仅为0. 3 s, 验证了该方法具备较好的聚类性能和聚类效率。

针对传统密度峰值聚类在波段选择时缺乏信息论角度的相似性度量以及波段数目确定问题, 提出基于光谱角-光谱信息散度的自适应密度峰值波段选择方法( SSDPC: Spectral angle mapping and Spectral information divergence Density Peaks Cluster)。 该方法将光谱信息散度和光谱角用于高光谱图像密度峰值聚类进行波段选择, 取代传统的欧氏距离构建波段相似矩阵。 通过构建波段评分策略, 有效自动选择出重要的光谱波段子集。 在 3 组高光谱数据集上调用 RX(Reed-Xiaoli)算法进行异常检测, 在 SSDPC 的相似性度量方法下, 异常检测精度较欧氏距离度量方法分别平均提高 1. 16% 、 1. 18% 和 0. 07% ; 在自适应的 SSDPC 波段选择方法下, 异常检测精度相较原始 RX 算法分别提升 6. 49% 、 2. 71% 和 0. 05% 。 结果表明, 该算法具有良好的鲁棒性, 能提升高光谱图像异常检测的性能并降低其虚警率。

针对超分辨率算法重建的遥感图像细节等信息丢失的问题, 为保证遥感重建图像包含较多的纹理、 高频信息, 在生成对抗网络基础上提出一种基于金字塔注意力机制的遥感图像超分辨率网络。 设计了一种全新的金字塔双重注意力模块, 包括通道注意力网络和空间注意力网络。 通道注意力网络中采用金字塔池化取代平均池化和最大池化, 该结构设计从全局和局部信息角度出发增强特征表述能力; 空间注意力网络则采用大尺度卷积, 以加强局部信息的提取程度, 可有效提取纹理、 高频等信息。 设计密集多尺度特征模块, 利用非对称卷积提取不同尺度的特征信息, 通过密集连接融合多层级尺度特征以加强纹理、 高频等信息的提取精度。 在 公开的 NWPU-RESISC45 数据集上进行实验验证, 实验结果分析表明,该算法在主观视觉效果和客观评价指标上均优于对比方法, 重建性能相对较好。

针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题, 提出了 一种改进的 HTM( Hierarchical Temporal Memory)-Attention 算法。 该算法结合了 HTM 算法和 Attention 机制, 能学习数据之间的时间依赖关系, 并在单变量和多变量时序数据上得到验证。 同时, 通过引入 Attention 机制, 算法可以关注输入数据中的重要部分, 进一步提高了异常检测的效率和准确性。 实验结果表明, 该算法对不同类型的时间序列异常数据能进行有效地检测, 并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。 该算法在工业时间序列数据异常检测的应用中具有较大的潜力。

由于传统血型检测结果的确定取决于有经验的工作人员, 使检测效率低下且准确性有待提高。 为此, 针对微流控血样芯片, 首次提出了一种基于图像识别技术的 P-HSV(Perimeter-Hue,Saturation,Value)综合判读方法。 该方法采用血液凝集反应后的血红细胞凝集尺寸和颜色对血液类型进行综合判读。 尺寸判读依据反应腔内凝集块轮廓边缘周长和凝集块数量进行分级, 颜色判读依据反应腔内凝集块颜色饱和度( S: Saturation)与 明度(V: Value)比值进行分级。 根据尺寸和颜色判读结果综合判断凝集反应的等级。 由于该方法依据机器视觉原理进行血液凝集反应结果的判断, 因此可以快速、 准确、 客观判断血液类型, 杜绝了人为判断的主观性, 极大提高了检测速度和准确率。

为在大数据环境下处理高维矩阵和应用奇异值分解提供更高效的解决方案, 从而加速数据分析和处理速度, 通过研究随机投影以及 Krylov 子空间投影理论下关于高维矩阵求解特征值特征向量(奇异值奇异向量)问题, 分别总结了 6 种高效计算方法并对其相关应用研究进行对比分析。 结果表明, 在谱聚类的应用上, 通过降低核心步骤 SVD(Singular Value Decomposition)的复杂度, 使优化后的算法与原始谱聚类算法的精度相近, 但大大缩短了运行时间, 在1 200 维的数据下计算速度相较原算法快了10 倍以上。 同时, 该方法应用于图像压缩领域, 能有效地提高原有算法的运行效率, 在精度不变的情况下, 运行效率得到了 1 ~ 5 倍的提升。

针对足球比赛中预警值与实际值误差大、 预警误报次数多等问题, 提出了一种基于改进 Copula 模型的足球竞赛风险智能预警方法。 基于模糊综合评价矩阵确定足球竞赛风险指标评价体系, 划分指标等级状态, 选择Copula 函数, 构建改进 Copula 足球竞赛风险智能预警方法, 对足球竞赛风险进行精准判断, 以减少风险损失。 实验结果表明, 该方法的干扰压制维持在 20 dB 以上, 具有较高的抗干扰性, 可有效对干扰进行抑制。 该方法降低了预警值与实际值之间的误差, 减少了预警误报次数, 具有实用性和可行性。

为避免物联网隐私数据在加密过程中产生较多重复数据, 导致计算复杂度较高, 降低计算效率和安全性问题, 提出融合 DES(Data Encryption Standard)和 ECC(Ellipse Curve Ctyptography)算法的物联网隐私数据加密方法。 首先, 采用 TF-IDF(Tem Frequency-Inverse Document Frequency)算法提取物联网隐私数据中的特征向量, 输入 BP(Back Propagation)神经网络中并进行训练, 利用 IQPSO( Improved Quantum Particle Swarm Optimization) 算法优化神经网络, 完成对物联网隐私数据中重复数据的去除处理; 其次, 分别利用 DES 算法和 ECC 算法对物联网隐私数据实施一、 二次加密; 最后, 采取融合 DES 和 ECC 算法进行数字签名加密, 实现对物联网隐私数 据的完整加密。 实验结果表明, 该算法具有较高的计算效率、 安全性以及可靠性。

针对因人脸局部遮挡, 导致表情动态特征较难提取和识别问题, 提出一种基于深度学习的人脸局部遮挡表情动态识别算法。 建立深度信念网络模型, 将前一层输出值作为后一层输入值, 设计特征堆叠单元, 计算可见层中神经元的状态变量分布情况, 根据面部五官间动态关联性, 将可见层的状态值作为隐藏层的输入值求得隐藏神经元状态变量。 将识别过程分为训练和正向传播 2 个步骤, 输出特征变化规律, 在正向传播过程中查找符合规律变化的像素点, 求解该像素点权重, 同时作为损失函数标准, 比对面部多个位置的识别权重, 约束识别率, 完成人脸局部遮挡表情动态识别。 实验数据证明, 该方法能降低图像失真和细节丢失, 提高图像分辨率, 识别率高, 针对不同局部遮挡情况均能完成高效识别。

为解决唇部轮廓检测精度较低、 视觉语音合成效果不好的问题, 提出了基于音频匹配的藏语驱动视觉语音合成算法。 该算法从藏语驱动视觉语音信号中提取短时能量和过零率, 并建立语音信号的短时自相关函数。 首先, 提取语音信号中的特征信息, 以此获得藏语语音信号的基音轨迹, 即音频特征; 其次, 建立了唇部时空分析模型, 分析唇部轮廓在发音过程中变化趋势, 采用主成分分析法提取唇部轮廓特征; 最后, 通过输入输出隐马尔可夫模型获取音频特征与唇部轮廓特征之间的关联, 在音频匹配的基础上合成藏语驱动视觉语音。 实验结果表明, 该方法具有较高的唇部轮廓检测精度, 视觉语音合成效果较好。

 针对为帮助读者快速找寻所需的书籍、 避免数字化信息出现过载问题, 提出基于标签相似度的数字化书籍资源智能推荐算法。 首先, 根据数字图书馆系统中已录入的用户信息, 获取用户特征相似度、 用户兴趣相似度, 并将其看作综合相似度指标; 然后, 结合标签相似度指标, 获取目标用户书籍资源的相似近邻; 最后, 将用户浏览过的书籍资源标签构成标签集, 通过用户隐式行为评分和线性加权融合相混合的推荐方法, 将目标用户喜欢的数字化书籍资源构成推荐列表, 并推荐给目标用户。 实验结果表明, 相比于传统推荐算法, 该算法的推荐效果更好。

针对实现与真实硬件一致的仿真效果的需求, 提出了一种平滑过渡方法, 旨在改善整个仿真系统的成像效果。 通过对视觉暂留效应和系统成像延迟进行分析, 采用两点三次 Hermite 插值法, 分别处理平滑过渡时间和成像颜色。 通过对比实验验证, 结果表明该方法能使整个仿真系统的成像自适应平滑, 解决了实时动态成像闪烁和不稳定的问题。 实验结果表明, 该方法提升了嵌入式微控制器的虚拟 3D 仿真实验系统的成像质量, 能改善嵌入式微控制器三维仿真的视觉效果, 并减轻突变和伪影等的影响, 表明嵌入式微控制器的虚拟 3D 仿真实验系统在教育和设计领域的重要应用价值。

为解决分布式数据库中明文传输容易被篡改的安全隐患, 提出了一种基于可搜索加密技术的分布式数据库安全访问多级控制算法。 该算法将授权用户按照安全级别分组, 并采用 TF-IDF( Tem Frequency-Inverse Document Frequency)算法计算明文关键词的权重, 然后利用 AES(Advanced Encryption Standard)算法和轮函数生成密文的密钥, 使用矩阵函数和逆矩阵函数对明文进行加密, 并将加密结果上传至主服务器。 同时, 采用 Build Index 算法生成密文的索引, 根据用户安全级别相关属性信息审查用户是否具有访问密文的权限, 审查通过后用户即可发出密文数量与关键词搜索请求, 服务器将密文送回用户端并使用对称密钥方式解密, 实现访问多级控制。 实验结果表明, 该方法在加密、 解密过程中用时较短, 且安全访问控制性能良好。

为提高人工检测违法违规收集个人信息的效率, 基于正则表达式语义分析和机器学习技术, 开发了 APP (Application)违法违规收集个人信息评估系统。 对线上 APP 进行违法违规检测, 生成检测算法和规则, 重点解决了隐私政策半自动化获取、 APP 检测引擎、 定制 ROM(Read Only Memory)的动态沙箱等技术难点。 利用开发的原型系统对各大应用平台上架 APP 进行常态化技术检测, 检测结果表明, 该系统大幅提升了违法违规收集个人信息 APP 综合治理研判效率。

针对准确提取多阶段睡眠特征的难度较大, 导致睡眠质量监测准确性较差的问题, 提出了基于 BP(Back Propagution)神经网络的睡眠质量监测管理系统。 根据睡眠生理学基础知识, 分析人体睡眠时期生理活动过程中的压力变化, 设计无线采集控制、 睡眠质量特征提取和睡眠质量监测管理模块, 实现睡眠质量监测管理系统硬件设计。 分析睡眠阶段脑电信号的特性, 引入 BP 神经网络提取睡眠特征, 获取睡眠时期的时频和非线性特征, 通过与硬件模块之间的相互协作, 完成睡眠质量监测管理系统设计。 经实验测试结果表明, 采用所设计系统能获取更加满意的睡眠质量监测管理结果, 且系统耗电量较低。

针对原始的流形学习算法仅利用其光谱特征而没有利用空间信息的问题, 提出了基于监督的空谱联合的局部保持投影算法(SS-LPP: Spatial-Spectral Locality Preserving Projections)。 该算法首先使用加权均值滤波算法对数据集进行滤波, 将空间信息与光谱信息进行融合并消除噪点的干扰, 增加同类数据的相关性。 然后利用标签集构造类内图和类间图, 并通过其可有效提取鉴别特征和改善分类性能。 在 Salinas 和 PaviaU 数据集上对该算法的有效性进行验证。 实验结果表明, 该算法能有效提取数据特征, 并提高分类的准确性。

针对加油站场景中的目标检测算法存在检测精度低的问题, 提出一种基于 Yolov3-Tiny 的加油站场景目标检测改进算法。 该算法以 Yolov3-Tiny 模型为基础网络, 引入 Yolov4 算法提出的 Mosaic 图像增强方式进行数据预处理, 采用密集连接模块重构特征提取网络, 并将 CBAM (Convolutional Block Attention Module)注意力模块与金字塔池化模块 (Pyramid Pooling Module)加入到网络中, 最终实现了加油站场景下的目标检测。 实验结果表明, 改进的算法相比于原算法的总体 mAP 提升了 8. 2% , 能更有效地应用于加油站目标检测中。

为制备高性能日盲紫外光电探测器, 采用低温金属有机物化学气相沉积方法制备了非晶氧化镓薄膜。 通过对薄膜结构特性测试证明了薄膜的非晶特性, 并且薄膜表面较为平坦, 光学吸收边位于深紫外波段范围内。 在此基础上, 研制了日盲紫外光电探测器。 随非晶氧化镓感光层厚度由 33. 2 nm 增至 133. 6 nm, 探测器的光电流和暗电流均提升了 2 个数量级, 并且响应度和外量子效率均随感光层厚度提升而增大, 探测器的响应度和外量子效率的最大值分别达到 2. 91 A/ W 和 1 419. 12% 。 探测器的厚度依赖特性可归因于界面高缺陷层、 光吸收强度以及探测器的几何参数。 此外, 探测器展现出良好的波长选择性以及时间分辨响应稳定性。

针对 RGB(Red Green Blue)模态与热度模态信息表征形式不一致, 特征信息无法有效挖掘、 融合问题, 提出了一种新的联合注意力强化网络-FCNet( Feature Sharpening and Cross-modal Feature Fusion Net)。 首先, 通过双维度注意力机制提升图像特征映射能力; 然后, 利用跨模态特征融合机制捕获目标区域; 最后, 利用逐层解码结构消除背景干扰, 优化检测目标。 实验结果表明, 该优化改进算法运算参数更少、 运算时间更短, 且模型整体检测性能均优于现有多模态检测模型性能。