123,123

LED顯示系統(tǒng)自動(dòng)化健康管理系統(tǒng)研究[其他][其他]

從視頻傳輸、視頻處理、視頻顯示環(huán)節(jié)入手，研究了目前主流LED顯示系統(tǒng)的運(yùn)維管理及健康診斷技術(shù)發(fā)展現(xiàn)狀和存在問(wèn)題，分析了各設(shè)備運(yùn)行狀態(tài)對(duì)整個(gè)系統(tǒng)運(yùn)行可能帶來(lái)的影響，提出了LED視頻顯示健康管理系統(tǒng)的發(fā)展設(shè)想，并對(duì)系統(tǒng)結(jié)構(gòu)組成、實(shí)現(xiàn)方法和運(yùn)行流程進(jìn)行了設(shè)計(jì)，為L(zhǎng)ED顯示系統(tǒng)自動(dòng)化監(jiān)控管理和安全運(yùn)維建設(shè)提供了成功案例。

發(fā)表于：2021/10/19 14:43:00

基于極化碼的分布式信源編解碼系統(tǒng)的FPGA設(shè)計(jì)與實(shí)現(xiàn)[其他][其他]

為解決在終端資源受限的場(chǎng)景下難以進(jìn)行壓縮編碼的問(wèn)題，在FPGA平臺(tái)上設(shè)計(jì)了一種基于極化碼的分布式信源編解碼系統(tǒng)。系統(tǒng)在反饋機(jī)制下通過(guò)刪除部分極化碼校驗(yàn)比特實(shí)現(xiàn)了碼率自適應(yīng)傳輸。最后采用Verilog硬件描述語(yǔ)言在Xilinx公司的Virtex-7系列開(kāi)發(fā)板上進(jìn)行硬件設(shè)計(jì)及系統(tǒng)實(shí)現(xiàn)。測(cè)試結(jié)果表明，采用時(shí)鐘頻率為200 MHz的情況下，系統(tǒng)的吞吐率可達(dá)到919 kb/s。

發(fā)表于：2021/10/19 14:39:20

智能車(chē)控制的數(shù)顯儀表識(shí)別技術(shù)研究[其他][其他]

在工業(yè)現(xiàn)場(chǎng)中，通過(guò)移動(dòng)機(jī)器人自主巡檢與讀表的應(yīng)用越來(lái)越廣泛。數(shù)顯儀表的讀數(shù)受到光照、對(duì)焦和場(chǎng)景等因素的影響，存在識(shí)別精度低的問(wèn)題。針對(duì)上述問(wèn)題，提出了融合感知與控制的數(shù)顯儀表識(shí)別機(jī)制，首先使用圖像目標(biāo)檢測(cè)網(wǎng)絡(luò)識(shí)別數(shù)顯儀表，標(biāo)出目標(biāo)區(qū)域。隨后設(shè)計(jì)基于圖像反饋的智能車(chē)控制策略，以此抑制模糊對(duì)焦的影響。再使用改進(jìn)的自動(dòng)色彩均衡(ACE)算法對(duì)基于色彩膨脹切割的數(shù)字塊進(jìn)行圖像色彩增強(qiáng)。最后通過(guò)卷積循環(huán)神經(jīng)網(wǎng)絡(luò)(CRNN)進(jìn)行實(shí)時(shí)儀表數(shù)字識(shí)別。通過(guò)實(shí)驗(yàn)驗(yàn)證了所設(shè)計(jì)技術(shù)的性能，證明了方法的可行性和有效性。

發(fā)表于：2021/10/19 14:33:42

基于LSTM-ARIMA組合模型的區(qū)域短期用電量預(yù)測(cè)[其他][其他]

用電數(shù)據(jù)具有不平穩(wěn)、非線性的特點(diǎn)，為了提升對(duì)用電數(shù)據(jù)的擬合精度，增強(qiáng)預(yù)測(cè)能力，基于序列預(yù)測(cè)與殘差修正的思想提出通過(guò)長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term Memory Neural Network，LSTM)對(duì)用電量序列進(jìn)行預(yù)測(cè)，真實(shí)值與預(yù)測(cè)值所構(gòu)成的差值即殘差用差分自回歸移動(dòng)平均模型(Autoregressive Integrated Moving Average Model，ARIMA)進(jìn)行殘差修正，將LSTM的預(yù)測(cè)值與ARIMA的殘差修正值進(jìn)行重構(gòu)得到最終的預(yù)測(cè)值。最后利用廣東省佛山市某工業(yè)園區(qū)的用電數(shù)據(jù)對(duì)組合模型進(jìn)行驗(yàn)證，實(shí)驗(yàn)結(jié)果顯示該模型的預(yù)測(cè)精度與預(yù)測(cè)穩(wěn)定性均優(yōu)于其他模型，取得了良好的預(yù)測(cè)效果。

發(fā)表于：2021/10/19 14:29:03

基于GrabCut的改進(jìn)分割算法[其他][其他]

針對(duì)GrabCut算法對(duì)于特征不明顯、紋理復(fù)雜的圖像分割效果不理想，且需要用戶(hù)交互的問(wèn)題，提出一種基于GrabCut的改進(jìn)分割算法。首先，運(yùn)用圖像增強(qiáng)，對(duì)特征不明顯的圖像進(jìn)行改善，提高圖像質(zhì)量；然后，利用YOLOv4網(wǎng)絡(luò)對(duì)圖像進(jìn)行目標(biāo)檢測(cè)，獲取前景目標(biāo)所在矩形框位置，從而減少用戶(hù)操作；其次，在高斯混合模型(GMM)中加入圖像像素的位置信息和局部二值模式算子(LBP)提取的像素紋理特征信息，優(yōu)化高斯混合模型參數(shù)，改進(jìn)GrabCut算法，實(shí)現(xiàn)圖像優(yōu)化分割；最后，將分割圖像掩膜與原始圖像結(jié)合，得到原始圖像。實(shí)驗(yàn)結(jié)果表明，對(duì)特征不明顯、紋理信息復(fù)雜的圖像，該算法分割效果更優(yōu)。

發(fā)表于：2021/10/19 14:21:21

漁政管理系統(tǒng)網(wǎng)絡(luò)環(huán)境威脅態(tài)勢(shì)分析[通信與網(wǎng)絡(luò)][信息安全]

網(wǎng)絡(luò)環(huán)境中存在多項(xiàng)確定性和不確定性影響因素，各項(xiàng)因素對(duì)整體網(wǎng)絡(luò)環(huán)境的影響程度不同，通過(guò)研究多項(xiàng)網(wǎng)絡(luò)影響因素作用下的網(wǎng)絡(luò)威脅評(píng)估方法，可準(zhǔn)確識(shí)別網(wǎng)絡(luò)環(huán)境態(tài)勢(shì)與潛在的發(fā)展趨勢(shì)。以漁政管理系統(tǒng)網(wǎng)絡(luò)管理日志數(shù)據(jù)為研究對(duì)象，構(gòu)建基于集對(duì)分析理論的多因素網(wǎng)絡(luò)環(huán)境威脅綜合評(píng)估模型，通過(guò)集對(duì)勢(shì)、偏聯(lián)系數(shù)計(jì)算，分析了系統(tǒng)在攻擊流量、威脅等級(jí)、相關(guān)度等方面的表現(xiàn)。評(píng)估模型提供了系統(tǒng)整體網(wǎng)絡(luò)環(huán)境以及各項(xiàng)影響因素的威脅態(tài)勢(shì)和潛在發(fā)展趨勢(shì)，為漁政管理系統(tǒng)網(wǎng)絡(luò)安全運(yùn)維工作提供指導(dǎo)建議，也為信息系統(tǒng)網(wǎng)絡(luò)威脅情報(bào)的分析和應(yīng)用提供了研究思路。

發(fā)表于：2021/10/19 14:17:15

基于DDoS攻擊關(guān)聯(lián)化變權(quán)評(píng)估算法[通信與網(wǎng)絡(luò)][信息安全]

網(wǎng)絡(luò)攻擊時(shí)刻發(fā)生在人們的日常生活中，威脅著網(wǎng)絡(luò)用戶(hù)的信息安全。從拒絕服務(wù)出發(fā)，結(jié)合D數(shù)理論和變權(quán)方法，提出了基于DDoS攻擊關(guān)聯(lián)化變權(quán)評(píng)估算法。該算法從指標(biāo)權(quán)重的確定和指標(biāo)之間的關(guān)聯(lián)度兩個(gè)方面考慮，首先基于變權(quán)理論改善在不同場(chǎng)景下固定權(quán)重所帶來(lái)的不確定性，同時(shí)利用D數(shù)理論加強(qiáng)數(shù)據(jù)的準(zhǔn)確量化。其次，分別從指標(biāo)數(shù)據(jù)之間關(guān)聯(lián)度和指標(biāo)數(shù)據(jù)、指標(biāo)元素之間關(guān)聯(lián)度兩個(gè)方面考慮，確定指標(biāo)之間的關(guān)聯(lián)關(guān)系，保證了指標(biāo)體系的合理性。最后，通過(guò)性能和效能仿真實(shí)驗(yàn)對(duì)算法進(jìn)行了驗(yàn)證，實(shí)驗(yàn)結(jié)果表明，該算法在不犧牲時(shí)間復(fù)雜度情況下提升了準(zhǔn)確性和有效性。

發(fā)表于：2021/10/19 14:04:42

基于BiGRU-Attention模型的新冠疫苗接種情感傾向性分析[通信與網(wǎng)絡(luò)][醫(yī)療電子]

新冠疫苗接種在全國(guó)如火如荼開(kāi)展。通過(guò)網(wǎng)絡(luò)評(píng)論分析群眾對(duì)于接種新冠疫苗的情感傾向性，對(duì)于推進(jìn)新冠疫苗接種工作具有重要意義。對(duì)傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，將雙向GRU與Attention并行作用于文本向量，分析新冠疫苗接種的情感傾向性。實(shí)驗(yàn)證明，相比于傳統(tǒng)模型，該模型效率有一定的提高，實(shí)驗(yàn)方法對(duì)于新冠疫苗接種意向分析具有一定價(jià)值。

發(fā)表于：2021/10/19 13:58:29

網(wǎng)絡(luò)空間測(cè)繪系統(tǒng)分類(lèi)及應(yīng)用綜述[通信與網(wǎng)絡(luò)][通信網(wǎng)絡(luò)]

發(fā)表于：2021/10/19 13:53:54

面向微服務(wù)架構(gòu)的軟件系統(tǒng)韌性增強(qiáng)技術(shù)研究[通信與網(wǎng)絡(luò)][信息安全]

軟件系統(tǒng)韌性是系統(tǒng)在面對(duì)被動(dòng)故障和主動(dòng)攻擊等挑戰(zhàn)時(shí)提供和維持可接受的服務(wù)水平的能力，被認(rèn)為是未來(lái)互聯(lián)網(wǎng)的基本設(shè)計(jì)屬性。面對(duì)現(xiàn)有補(bǔ)丁式防御手段存在的缺陷，如何增強(qiáng)軟件系統(tǒng)的韌性能力引起了安全領(lǐng)域研究人員的廣泛關(guān)注。結(jié)合軟件系統(tǒng)微服務(wù)化的發(fā)展趨勢(shì)，對(duì)微服務(wù)架構(gòu)下軟件系統(tǒng)韌性增強(qiáng)技術(shù)的研究現(xiàn)狀進(jìn)行了歸納分析，從冗余及多樣性、服務(wù)編排、負(fù)載均衡、資源擴(kuò)展以及服務(wù)遷移等方面分析了軟件系統(tǒng)韌性增強(qiáng)技術(shù)的研究現(xiàn)狀及關(guān)鍵技術(shù)，總結(jié)分析了現(xiàn)有研究存在的問(wèn)題，并展望了未來(lái)的發(fā)展方向和面臨的挑戰(zhàn)。

發(fā)表于：2021/10/19 13:43:00