<?xml version="1.0" encoding="gb2312"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[计算机系统应用 -->最新文章目次]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于调控云的电网供区分析方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C5887C2636AFF0D8A&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=35FC3610259C2B32&eid=7AA74D31F1FF2DCE&referenced_num=0&reference_num=15]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了解决调控云平台下电网大规模数据集的电网供区分析及其效率的问题，文中设计了基于调控云模型的电网供区分析方法.首先，本文定义了调控云电网供区数据模型.其次，在此数据模型基础上设计了一种电网供区分析方法并利用上述方法实现了电网供区分析展示应用.最后，针对某地区电网的调控云真实的厂站模型及拓扑数据进行实验验证，实验结果表明本文提出的基于调控云模型的电网供区计算方法能较好的分析出电网供区，满足实际电网调度的需求.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[梁阳,宋少锋,祝国宇,顾叶青,施建华]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>梁阳,宋少锋,祝国宇,顾叶青,施建华</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C5887C2636AFF0D8A&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=35FC3610259C2B32&eid=7AA74D31F1FF2DCE&referenced_num=0&reference_num=15]]></guid><cfi:id>39</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于矩阵变换的文本风格迁移方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C798FA73875DDD693&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=58F693790F887B3B&eid=A8DE7703CC9E390F&referenced_num=0&reference_num=12]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[文本风格迁移一直是自然语言处理（NLP）中的一个研究热点，近年来，随着文本生成方法的发展，越来越多的工作着眼于不成对（non-parallel）文本风格迁移这一任务.这一任务的目标是，利用不包含一一对应句子的两个或多个不同风格的文本集，学习一个迁移模型，实现改变句子的风格的同时保留句子其他的内容.目前针对该任务，已有一些基于生成对抗网络的迁移算法被提出，但是受限于对抗学习本身的训练不稳定，以及对句子的风格和语义的独立性假设本身不合理，这些方法无法高效的学到迁移效果好的模型.在这篇文章中，我们首次从统计学习的角度给出了文本风格的定义—文本集中语义向量的协方差矩阵，在这种新的观点下，文本的风格依赖于所有句子的语义向量.我们随后提出了一种无学习（learning free）迁移方法，我们只需要预训练一个自编码器来得到句子的语义向量，然后对这些向量进行白化和风格化变换，来实现风格迁移.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[黄若孜,张谧]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>黄若孜,张谧</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C798FA73875DDD693&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=58F693790F887B3B&eid=A8DE7703CC9E390F&referenced_num=0&reference_num=12]]></guid><cfi:id>38</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于树莓派与神经计算棒的特种车辆检测识别]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C9BBF986795C62ECF&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=E22B6B8FE86DD8F9&eid=856C2E13D1000DB7&referenced_num=0&reference_num=23]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[目前随着深度学习技术的不断发展，越来越多的智能化应用应运而生，用于训练和演算的硬件设备通常以GPU为主，在实际部署和使用过程中会产生较高硬件采购成本和用电成本.因此针对现有深度学习系统中成本与算法可用性的平衡问题，本文提出以树莓派与Movidius神经元计算棒为计算平台，通过改进的SSD+MobileNet算法实现对车辆目标进行识别和检测，并在实际环境中对训练的模型进行测试和调优，最终达到满足实际使用的效果，处理速度为平均每秒4帧.通过实验结果表明，在树莓派这样计算能力较弱的平台上，可以通过类似于Movidius神经元计算棒这样的VPU模块来实现算法的加速，在满足实际使用的情况下还可以大幅度降低计算成本.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[陈璐,管霜霜,谢艳芳]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>陈璐,管霜霜,谢艳芳</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C9BBF986795C62ECF&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=E22B6B8FE86DD8F9&eid=856C2E13D1000DB7&referenced_num=0&reference_num=23]]></guid><cfi:id>37</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[感受野特征增强的SSD目标检测算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CEC0712D7B9A82369&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=EB552E4CFC85690B&eid=7CE3F1F20DE6B307&referenced_num=0&reference_num=24]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[SSD （Single Shot multi-box Detector）算法是在不同层的特征图上，进行多尺度对象的检测，具有速度快和精度高的特点.但是，传统SSD算法的特征金字塔检测方法很难融合不同尺度的特征，并且由于底层的卷积神经网络层具有较弱的语义信息，也不利于小物体的识别，因此本论文提出了以SSD算法的网络结构为基础的一种新颖的目标检测算法RF_SSD，该算法将不同层及不同尺度的特征图以轻量级的方式相融合，下采样层生成新的特征图，通过引入感受野模块，提高网络的特征提取能力，增强特征的表征能力和鲁棒性.和传统SSD算法相比，本文算法在精度上有明显提升，同时充分保证了目标检测的实时性.实验结果表明，在PASCAL VOC测试集上测试，准确率为80.2%，检测速度为44.5 FPS.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[谭龙,高昂]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>谭龙,高昂</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CEC0712D7B9A82369&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=EB552E4CFC85690B&eid=7CE3F1F20DE6B307&referenced_num=0&reference_num=24]]></guid><cfi:id>36</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于改进Mask-RCNN的遥感影像建筑物提取]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C78E528FF40EEE3F5&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=3F0AF5EDBC960DB0&eid=D5C9DC4EF2F78008&referenced_num=0&reference_num=14]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[由于遥感影像中建筑物种类繁多且与周围环境信息混淆，传统方法难以实现建筑物的准确高效提取.本文提出了一种基于改进Mask-RCNN的建筑物自动提取方法，利用PyTorch深度学习框架搭建改进Mask-RCNN网络模型架构，在网络的设计中添加了路径聚合网络和特征增强功能，通过监督和迁移学习的方式对Inria航空影像标签数据集进行多线程迭代训练与模型优化学习，实现了建筑物的自动精确分割和提取.基于不同开源数据集，分别与SVM、FCN、U-net和Mask-RCNN等建筑物提取算法进行对比，实验表明，本文方法可以高效准确、高效地提取建筑物，对于同一个数据集，提取结果的<i>mAP</i>、<i>mRecall</i>、<i>mPrecision</i>和<i>F</i>1分数这4个评价指标均优于对比算法.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[何代毅,施文灶,林志斌,乔星星,刘芫汐,林耀辉]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>何代毅,施文灶,林志斌,乔星星,刘芫汐,林耀辉</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C78E528FF40EEE3F5&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=3F0AF5EDBC960DB0&eid=D5C9DC4EF2F78008&referenced_num=0&reference_num=14]]></guid><cfi:id>35</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[Evosuite和Randoop单元测试用例生成工具覆盖率对比分析]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C75AB89EDB9D2F1FE&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=1371F55DA51B6E64&eid=D997634CFE9B6321&referenced_num=0&reference_num=15]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在软件测试中，测试用例对被测软件的覆盖率，是发现软件缺陷的重要前提之一.本文采用软件工程实验方法，基于Defects4J数据集，对Evosuite和Randoop工具在不同的生成时间限制下，生成的测试用例对程序模块的覆盖率，程序分支的覆盖率等进行实验分析，发现当生成时间超过20 s时，虽然Randoop生成的测试用例多于Evosuite，但Evosuite测试用例的覆盖率明显优于Randoop.本文同时对影响覆盖率的因素进行了分析.该研究对于如何使用这两种工具生成高覆盖率的测试用例，以及对工具的改进具有参考价值.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[杨正卉,洪玫,郭丹,王潇,刘芳,黄小丹]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>杨正卉,洪玫,郭丹,王潇,刘芳,黄小丹</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C75AB89EDB9D2F1FE&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=1371F55DA51B6E64&eid=D997634CFE9B6321&referenced_num=0&reference_num=15]]></guid><cfi:id>34</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[考虑能耗与工时恶化作用下的并行机调度优化]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CD4295C35E9B3294D&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=5C3443B19473A746&eid=67969BA850333433&referenced_num=0&reference_num=22]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在热处理加工环境中，工件温度随着其开工时刻的延误不断下降，为了能够正常加工不得不保温或重新加热.针对这一现象，本文考虑了能耗与工时恶化作用下的并行机调度问题，以最小化总拖期和能耗为目标构建了混合整数规划模型.由于问题的复杂性，提出了一种遗传变搜索算法，其通过遗传操作获得变邻域搜索操作的解集，而后使用变邻域结构进行寻优操作.算例测试表明：较之传统遗传算法以及数学规划器Gurobi的计算结果，所提出的算法可以有效减少综合能耗和拖期成本.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[薛聪,郭鹏,陈宓,王丽敏]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>薛聪,郭鹏,陈宓,王丽敏</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CD4295C35E9B3294D&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=5C3443B19473A746&eid=67969BA850333433&referenced_num=0&reference_num=22]]></guid><cfi:id>33</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[结合TFIDF的Self-Attention-Based Bi-LSTM的垃圾短信识别]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CFC571B917B73C0AF&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=73579BC9CFB2D787&eid=6425DAE0271BB751&referenced_num=0&reference_num=23]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着手机短信成为人们日常生活交往的重要手段，垃圾短信的识别具有重要的现实意义.针对此提出一种结合TFIDF的self-attention-based Bi-LSTM的神经网络模型.该模型首先将短信文本以词向量的方式输入到Bi-LSTM层，经过特征提取并结合TFIDF和self-attention层的信息聚焦获得最后的特征向量，最后将特征向量通过Softmax分类器进行分类得到短信文本分类结果.实验结果表明，结合TFIDF的self-attention-based Bi-LSTM模型相比于传统分类模型的短信文本识别准确率提高了2.1%–4.6%，运行时间减少了0.6 s–10.2 s.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吴思慧,陈世平]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吴思慧,陈世平</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CFC571B917B73C0AF&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=73579BC9CFB2D787&eid=6425DAE0271BB751&referenced_num=0&reference_num=23]]></guid><cfi:id>32</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[心血管造影图像分割方法综述]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C74E68FBF8D8016EA&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=CA4FD0336C81A37A&eid=23CCDDCD68FFCC2F&referenced_num=0&reference_num=100]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[由动脉粥样硬化病变引起的血管狭窄是冠心病的最大诱因，其发病率高，致死率高，因此研究冠状动脉的狭窄程度对于冠心病的早期诊断和评估十分重要.数字减影血管造影（DSA）图像是冠心病诊断的“金标准”.医疗辅助仪器在处理DSA造影图像对狭窄程度进行评估时，首先需要对血管进行分割，才能进行后续的狭窄程度分析.血管的分割提取是进行疾病的量化描述和血管三维重建的重要前提，也是辅助医生临床诊断和治疗的重要手段.本文针对心血管的数字减影血管造影（DSA）图像进行研究，从预处理、分割方法、评价标准3个方面总结近几年国内外针对心造影图像中血管的分割方法.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[李越,蒋路茸,童基均]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>李越,蒋路茸,童基均</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C74E68FBF8D8016EA&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=CA4FD0336C81A37A&eid=23CCDDCD68FFCC2F&referenced_num=0&reference_num=100]]></guid><cfi:id>31</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于Elman神经网络的Stewart平台位姿正解]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C68642A409D8707D7&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=C36EC077A8A90308&eid=74011071555EB4E5&referenced_num=0&reference_num=14]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[Stewart平台广泛应用于运动模拟器、光学、精密定位等领域，然而由于复杂的多元非线性使得位姿正解难以准确得到.针对Stewart平台的位姿正解问题，常规的方法比如迭代法和数值法存在初始值难以选取、计算速度较慢等问题，提出了基于Elman神经网络的位姿正解方法.首先建立Stewart平台支腿长度与平台位姿的运动学模型，然后利用Elman神经网络来实现位姿正解的求解并实验验证.该方法具有良好的动态特性，精度高，能够快速准确的实现Stewart平台位姿正解的求解.实验证明了该方法的有效性.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[何亚林,赵新龙]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>何亚林,赵新龙</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C68642A409D8707D7&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=C36EC077A8A90308&eid=74011071555EB4E5&referenced_num=0&reference_num=14]]></guid><cfi:id>30</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于DevOps的轻量级持续交付方案]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C743AD7FDFA33A90F&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=117F81797AB182FC&eid=BB0EA31DB1B01173&referenced_num=0&reference_num=18]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[如何快速向用户交付可靠的产品，是近年来持续交付研究和应用的热点问题，传统的软件敏捷方法在交付过程中缺乏团队协作和标准化的构建流程，大公司DevOps框架因体系复杂在中小规模企业应用时会产生迭代速度和产品质量相互制约的矛盾，本文提出一种基于DevOps轻量级的持续交付框架，在角色叠加、迭代频繁的项目场景中，以脚本形式自动实现项目代码获取、测试、构建和部署，完成项目持续交付.通过行业调查、企业实践验证方案不仅可以缩短项目周期、提高交付质量，还能够实现交付过程可视化，促进软件质量不断改进.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[王红蕾]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>王红蕾</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C743AD7FDFA33A90F&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=117F81797AB182FC&eid=BB0EA31DB1B01173&referenced_num=0&reference_num=18]]></guid><cfi:id>29</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[区块链中Merkle树性能研究]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C3DF493F4D005216B&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=FE4C96E058BB2280&eid=B78CD622C1934236&referenced_num=0&reference_num=17]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[区块链技术具有去中心化、安全可靠和不可篡改等特性，已经得到广大的重视.Merkle树是区块中核心组成部分，占据区块存储空间的96%以上，主要用来解决在区块链交易中的简化支付验证问题，因此选择合适的Merkle树结构会极大影响区块链系统性能.但是，目前缺乏公共的平台对不同区块链系统下的Merkle树性能进行分析和实验验证.本文提出了一整套相关性能评价与分析指标，从存储、验证和构建时间等方面，综合评价比特币、以太坊和超级账本三种主流区块链的Merkle树的性能.本文提出的指标及评价方法不仅为Merkle树的进一步研究提供了定量的数据支持，也为区块链从业者选择Merkle树结构提供了理论依据.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[黄根,邹一波,徐云]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>黄根,邹一波,徐云</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C3DF493F4D005216B&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=FE4C96E058BB2280&eid=B78CD622C1934236&referenced_num=0&reference_num=17]]></guid><cfi:id>28</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于自适应低秩去噪的磁共振图像重构]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C1783E333E29D2E8C&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=11B4E5CC8CDD3201&eid=8BD23BD67BF01A5C&referenced_num=0&reference_num=20]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本文提出了一种基于自适应低秩去噪的磁共振图像重构算法.该方法使用去噪近似消息传递算法重构磁共振图像，将自适应加权Schatten-p范数最小化方法（Weighted Schatten p-Norm Minimization，WSNM）作为其降噪模型，研究图像的重构性能.根据算法迭代过程中估计的噪声标准差自适应的设定WSNM的图像块大小及相似块个数.实验表明，与近几年提出的磁共振图像重构算法比较，本文提出的算法可以获得更高的峰值信噪比（Peak Signal to Noise Ratio，<i>PSNR</i>）和更低的相对${L_2}$范数误差（Relative${L_2}$Norm Error，<i>RLNE</i>），得到更好的重建效果.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[袁小君,蒋明峰,杨晓城,李杨]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>袁小君,蒋明峰,杨晓城,李杨</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C1783E333E29D2E8C&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=11B4E5CC8CDD3201&eid=8BD23BD67BF01A5C&referenced_num=0&reference_num=20]]></guid><cfi:id>27</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于图神经网络的配电网故障预测]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C62954CEAB321D2D4&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=6DE26652A1045643&eid=5E25104E99903E8A&referenced_num=0&reference_num=18]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在实际应用场景的配电网故障占电网总故障的80%以上，并且配电网故障的预测一直以来都是比较困难的课题.本文在国家电网提出“泛在物联”的号召下，分析了学者们在此问题上的研究成果后，结合图神经网络的思想提出了一种基于图神经网络的配电网故障预测方法.参考了现在常用的图神经网络设计框架，详细的设计了节点信息汇集函数、预测函数和损失函数，并根据算法流程测试选定了合理的深度参数.算法充分考虑了相连节点间的互相影响，使用真实的电网运行数据对在该课题上常用的其它两种算法的横向比较，实验表明算法在精确度上提高了3.0%，并具有更强的鲁棒性.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[杨华,李喜旺,司志坚,张晓]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>杨华,李喜旺,司志坚,张晓</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C62954CEAB321D2D4&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=6DE26652A1045643&eid=5E25104E99903E8A&referenced_num=0&reference_num=18]]></guid><cfi:id>26</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于多模态神经网络生成图像中文描述]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C7BC60D91DEAABB79&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=AC1578C6BB9EBDEF&eid=2BA123C6EB9D54C2&referenced_num=0&reference_num=23]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[自动生成图片描述是自然语言处理和计算机视觉的热点研究话题，要求计算机理解图像语义信息并用人类自然语言的形式进行文字表述.针对当前生成中文图像描述整体质量不高的问题，提出首先利用FastText生成词向量，利用卷积神经网络提取图像全局特征；然后将成对的语句和图像〈S，I〉进行编码，并融合为两者的多模态特征矩阵；最后模型采用多层的长短时记忆网络对多模态特征矩阵进行解码，并通过计算余弦相似度得到解码的结果.通过对比发现所提模型在双语评估研究（BLEU）指标上优于其他模型，生成的中文描述可以准确概括图像的语义信息.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[陈兴]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>陈兴</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C7BC60D91DEAABB79&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=AC1578C6BB9EBDEF&eid=2BA123C6EB9D54C2&referenced_num=0&reference_num=23]]></guid><cfi:id>25</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于LabView的多项式畸变模型图像矫正方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C15E49C2A82E9D91C&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=D5C73DEF4CF8FAF3&eid=A1266CF37D675CF1&referenced_num=0&reference_num=19]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[图像畸变的矫正是图像处理领域的难题之一，尤其是在自动化检测领域.本文采用一种多项式畸变成像模型建立坐标系之间的转换关系，然后基于LabView平台使用校准点阵进行机器视觉系统校准，并在不同的工作模式下采用双线性插值算法对图像进行矫正.实验结果表明，采集的图像得到了良好的矫正，达到了预期的效果.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吴亚帅,刘新妹,殷俊龄,高志亨]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吴亚帅,刘新妹,殷俊龄,高志亨</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C15E49C2A82E9D91C&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=D5C73DEF4CF8FAF3&eid=A1266CF37D675CF1&referenced_num=0&reference_num=19]]></guid><cfi:id>24</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[多种算法融合的产品销售预测模型应用]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CB2789EDE45A7888F&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=5B5B75F4854B8331&eid=FBA00558C57D9C11&referenced_num=0&reference_num=8]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[销量预测一直是一个热点研究的课题，对于各个企业有着重要的意义.近年来，随着深度学习的崛起，用于销量预测的模型越来越多，而单一模型的预测性能往往不够理想，所以出现了越来越多的组合模型.本文利用Stacking策略将XGBoost、支持向量回归（Support Vector Regression，SVR）、GRU神经网络作为基础模型，然后将LightGBM作为最终的预测模型，并且融合了新的特征.集中了几种模型的优势，大大提高了模型的预测性能，更加接近真实的销量数据，为回归预测提供一种新的预测方法.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[张雷东,王嵩,李冬梅,朱湘宁,焦艳菲]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>张雷东,王嵩,李冬梅,朱湘宁,焦艳菲</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CB2789EDE45A7888F&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=5B5B75F4854B8331&eid=FBA00558C57D9C11&referenced_num=0&reference_num=8]]></guid><cfi:id>23</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于改进Deeplab V3+网络的语义分割]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CF64A458EF2A37B61&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=4609832E4B5C797B&eid=DD74772618543076&referenced_num=0&reference_num=17]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[深度学习的语义分割在计算机视觉领域中有非常广阔的发展前景，但许多分割效果较好网络模型占用内存大和处理单张图片耗时长.针对这个问题，把Deeplab V3+模型的骨干网（ResNet101）的瓶颈单元设计为1D非瓶颈单元，且对空洞空间金字塔池化模块（Atrous Spatial Pyramid Pooling，ASPP）的卷积层进行分解.该算法能大幅度降低Deeplab V3+网络的参数量，提高网络推理速度.基于PASCAL VOC 2012数据集进行对比实验，实验结果显示改进网络模型拥有更快的处理速度和更优的分割效果，且消耗更少的内存.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[席一帆,孙乐乐,何立明,吕悦]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>席一帆,孙乐乐,何立明,吕悦</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CF64A458EF2A37B61&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=4609832E4B5C797B&eid=DD74772618543076&referenced_num=0&reference_num=17]]></guid><cfi:id>22</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于物理规划的航空保障多目标优化模型]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C027E7B73FEBCC1C5&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=798FBE8DE1A255B1&eid=6235172E4DDBA109&referenced_num=0&reference_num=18]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[根据作战需求确定优化权衡目标，以使用保障需求和技术可行性为约束条件，以保障能力指标集合，以备件储备量的组合为决策变量，建立多个单目标优化模型和多目标优化模型，提出了基于物理规划的航空保障能力多目标优化方法，结合粒子群算法得到了满足设计者偏好的最佳航材备件方案.设计了航空保障能力系数的满意等级，构造了各优化目标的偏好函数和综合偏好函数，使整个设计过程更加灵活地反映决策者偏好，减轻大规模多目标设计问题的计算负担，使军用机群的保障能力更适合实际作战要求，同时通过对比单目标优化的结果，验证了算法的有效性.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[史海庆,杨航,赵冬梅]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>史海庆,杨航,赵冬梅</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C027E7B73FEBCC1C5&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=798FBE8DE1A255B1&eid=6235172E4DDBA109&referenced_num=0&reference_num=18]]></guid><cfi:id>21</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[改进卷积神经网络的动态手势识别]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C4341745773C14C24&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=4966445AEEBA9556&eid=D6354F61445E9456&referenced_num=0&reference_num=15]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有的单目视觉下动态手势识别率低、识别手势种类少等问题提出一种联合卷积神经网络和支持向量机分类（CNN-Softmax-SVM）的动态手势识别算法.首先采用一种基于YCbCr颜色空间和HSV颜色空间的快速指尖检测跟踪，能在复杂背景下实时获取指尖运动轨迹；其次将指尖运动轨迹作为联合CNN-Softmax-SVM网络的输入，最终通过训练网络来识别动态手势.测试结果显示，采用联合CNN-Softmax-SVM算法能够很好地识别动态手势.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[付天豪,于力革]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>付天豪,于力革</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C4341745773C14C24&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=4966445AEEBA9556&eid=D6354F61445E9456&referenced_num=0&reference_num=15]]></guid><cfi:id>20</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[信息系统在防治新型冠状病毒的应用]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C6B650BD73C866A4B&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=4E6F5C60B72D9B1C&eid=7979125BBE749348&referenced_num=0&reference_num=12]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为提高医院防治新型冠状病毒的信息化应急能力，提出基于信息系统的应急处理办法.依托计算机技术、互联网技术、5G技术快速构建线上应急诊疗专区，搭建门急诊分流限流管理平台，开展新冠患者远程会诊.实现慢病、特病、专病患者线上问诊、在线续方、药品配送到家的全流程应用，搭建了机构之间新冠患者远程会诊服务，调整了门诊放号算法，降低了线下就医人群交叉感染率.通过信息系统的应急响应措施，实现医院从线上到线下的疫情应急防治全覆盖，依托信息化手段采用分流、截流、导流快速助力疫情防控，增强了新型冠状病毒的防治效果.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[郑兵,白丁,杨毅,唐小亮,杨波,李白]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>郑兵,白丁,杨毅,唐小亮,杨波,李白</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C6B650BD73C866A4B&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=4E6F5C60B72D9B1C&eid=7979125BBE749348&referenced_num=0&reference_num=12]]></guid><cfi:id>19</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于QQ小程序和Flask的高校闲置物品信息平台]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C4904DCAB323D7B42&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=331211A5F5616413&eid=6270DC1B5693DDAF&referenced_num=0&reference_num=18]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[高校学生之间的闲置物品交易是大学课外生活的一大主要活动.由于校内当面交易方便、所交易物品重复利用率高、价格便宜、节约环保等原因，校园内的闲置物品交易受到大学生的青睐.传统方式下，校园内的闲置物品信息发布通过校内“跳蚤市场”QQ群实现，这种方式无安全保证、无法整合信息，且群内信息容易被忽略.为了带来更好的闲置物品交易用户体验，该平台基于QQ小程序搭建闲置物品信息平台前端、Flask+MySQL框架搭建平台后端，完整实现了闲置物品信息平台的各类功能，其特色功能包括：商品多维分类、商品推荐、留言提醒、降价提醒、一键添加好友等.平台通过HTTPS及RESTful API实现了前后端的加密交互，并且引入了在校身份认证的功能，在完美契合各项功能需求的同时，保证了校园闲置物品交易的安全.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[朱心洲,胡誉,蒋靖妍]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>朱心洲,胡誉,蒋靖妍</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C4904DCAB323D7B42&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=331211A5F5616413&eid=6270DC1B5693DDAF&referenced_num=0&reference_num=18]]></guid><cfi:id>18</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于灰色关联度和K-Means++的电子商务客户价值分类]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CD53847DE4FF41A27&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=D537C66B6404FE57&eid=01622E3E475F966C&referenced_num=0&reference_num=11]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有的模型大多采用RFM模型和K-means对客户价值进行分类，对指标权重的确定大多采用AHP法，没有考虑到RFM模型指标相互之间的联系.首先根据RFM模型选择平均购买时间间隔，客户在一定时间内的购买频率，平均每笔订单交易金额和客户的活跃时间构造RFMT模型来衡量客户价值.其次使用灰色关联度确定各指标权重.最后针对K-means的缺点，运用改进K-means （K-means++）和肘部法则对RFMT模型进行聚类分析.该模型能对客户群进行更加细致的划分，既能帮助电子商务企业识别出需要重点关注的客户即已流失客户和新客户群体，同时将该企业客户划分为价值由高到低的客户群，对不同客户群提出具体的营销建议.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[冀慧杰,倪枫,刘姜,赵燚]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>冀慧杰,倪枫,刘姜,赵燚</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CD53847DE4FF41A27&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=D537C66B6404FE57&eid=01622E3E475F966C&referenced_num=0&reference_num=11]]></guid><cfi:id>17</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于信用分级的PBFT共识算法改进方案]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C136469189879F77F&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=627456E7977439A4&eid=0F7768518993EDDE&referenced_num=0&reference_num=15]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有实用拜占庭容错算法（PBFT）在联盟链应用场景下存在扩展性差，通信开销大，效率低等问题，提出了一种基于信用分级的拜占庭容错共识算法，即CLBFT （Credit-Layered Byzantine Fault Tolerance）.在PBFT基础上，制定节点信用积分规则.提出一种基于信用等级划分的机制，把节点划分成4类，增强可信节点的主动性，减少异常节点的参与，达到系统良好运行的目的.实验结果表明，在长期运行状态下，CLBFT明显减少了通信开销，提高了系统效率.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[丁庭琛,陈世平]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>丁庭琛,陈世平</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C136469189879F77F&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=627456E7977439A4&eid=0F7768518993EDDE&referenced_num=0&reference_num=15]]></guid><cfi:id>16</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于长短期记忆网络的工控网络异常流量检测]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CBDE0F00B7E2F0507&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=4FE459D71E3BF8EB&eid=273ADA1BCEFE8C00&referenced_num=0&reference_num=18]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对目前工控网络异常流量检测方法存在识别准确率不高和识别效率低的问题，结合工控网络具有周期性的特点，提出一种基于长短期记忆网络（LSTM）的时序预测的异常流量检测模型.该模型以LSTM网络模型为核心，用前15分钟的正常历史流量序列预测下一时刻的流量数据，在测试集上准确率为98.12%的前提下，可以认为模型的预测值即为正常值，通过对比实际值和预测值来判断是否出现异常.在不降低识别准确率的前提下，由于提前计算出了预测值，该方法大幅度提高了检测效率.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[田伟宏,李喜旺,司志坚]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>田伟宏,李喜旺,司志坚</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CBDE0F00B7E2F0507&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=4FE459D71E3BF8EB&eid=273ADA1BCEFE8C00&referenced_num=0&reference_num=18]]></guid><cfi:id>15</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[空间位置的关联分析及其向量化表示方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CDC6DD0D4D209F5D0&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=9971A5E270697F23&eid=7C3A4C1EE6A45749&referenced_num=0&reference_num=19]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[理解地理空间位置的空间相关性，对于地理信息检索、推荐系统，城市交通管理，居民出行模式探究等应用研究具有重要支撑作用.为更具体表义空间位置及其关联关系，本文基于多种居民出行轨迹数据，提出一种基于深度学习的空间位置向量化表示方法，而后通过空间位置向量的向量运算，可计算得到空间位置的关联程度.首先将长、短距离出行轨迹进行匹配连接，构建大规模交通网络，覆盖多种出行模式，得到对不同位置间空间关联信息的完整识别.然后基于图神经网络模型，本文提出融合位置特征与轨迹信息的空间向量化表示方法，并优化其训练学习中节点采样方法，提高空间向量的表达能力.最后以北京市共享单车轨迹数据与公共交通路网数据进行实证分析，实验结果表明基于本文提出方法生成的空间向量在空间位置的关联分析、聚类分析中相比DeepMove等已有方法拥有更好的效果.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[张舒,郭旦怀,周纯葆,李薰春,靳薇]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>张舒,郭旦怀,周纯葆,李薰春,靳薇</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CDC6DD0D4D209F5D0&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=9971A5E270697F23&eid=7C3A4C1EE6A45749&referenced_num=0&reference_num=19]]></guid><cfi:id>14</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[省级环境气象业务系统关键技术]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C6D491E68E04401B6&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=80A07035DF96B0C4&eid=E203FB1A272C9DD2&referenced_num=0&reference_num=13]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对气象业务实际需求，本文设计研制了省级环境气象业务系统，具体阐述了系统目标、总体架构、功能组成和主要技术.通过标准化消息中间件、集约化网格数据环境和智能化网格预报解析等关键技术研发，建立了由一体化综合监测、交互分析和产品制作发布等功能组成的业务系统.系统运行平稳、功能完备，系统研制实现得到广泛应用，有效提升了业务服务规范化水平.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吴文玉,翟菁,霍彦峰]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吴文玉,翟菁,霍彦峰</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C6D491E68E04401B6&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=80A07035DF96B0C4&eid=E203FB1A272C9DD2&referenced_num=0&reference_num=13]]></guid><cfi:id>13</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于正交参数优化的LSTM结构变形预测模型]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CAD3D90859A7AD465&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=D2742EEE6F4DF8FE&eid=AD16A18DBD734D13&referenced_num=0&reference_num=16]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[随着社会经济的蓬勃发展，地铁、隧道、桥梁等大型建筑的需求也越来越大.通过对结构变形数据的分析与预测，可以判断结构未来的发展趋势，对安全隐患提前预警和采取应急措施，预防灾害的发生.由于变形监测数据通常具有不稳定性和非线性的特点，使得监测数据预测成为结构监测研究中的一个难题.针对结构变形预测模型存在的问题，本文提出了一种基于正交参数优化的长短时记忆网络（LSTM）结构变形预测模型.该模型通过LSTM网络结构获得时间序列的长期记忆，充分挖掘变形数据的内部时间特征；并通过正交试验对LSTM模型的参数进行优化；最后通过实测数据对模型进行验证，实验结果表明，模型预测值与实际监测值吻合较好.通过与WNN、DBN-SVR和GRU模型相比，平均<i>RMSE</i>、<i>MAE</i>和<i>MAPE</i>分别降低了56.01%、52.94%和52.78%，本文提出的基于正交参数优化的LSTM结构变形预测模型是一种有效的结构沉降方法，为结构安全施工以及运营的安全提供可靠信息，对确保结构安全具有重要意义.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[甘文娟,陈永红,韩静,王亚飞]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>甘文娟,陈永红,韩静,王亚飞</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CAD3D90859A7AD465&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=D2742EEE6F4DF8FE&eid=AD16A18DBD734D13&referenced_num=0&reference_num=16]]></guid><cfi:id>12</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于动态权重的设备健康状态评估方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C6FD2D53EC162BD05&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=FEF02B4635FE8227&eid=02DC3A182A5530DF&referenced_num=0&reference_num=21]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[设备健康度是对设备健康状态的定量评估，可以更准确地反映设备健康状态.现有健康度评估方法并不能很好地反映设备的真实健康状态.针对某型雷达发射机的健康度评价问题，提出了基于动态权重的健康度精确评估方法.本文利用指数函数对各参数的权重动态变化规律进行建模，然后计算采集向量与最佳向量的加权标准欧式距离，可以更加准确地评价设备的健康度.通过对某型雷达发射机的实际测试表明，本方法计算结果准确可靠，能够更好地反映设备的健康程度.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[赵丽琴,刘昶,易发胜]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>赵丽琴,刘昶,易发胜</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C6FD2D53EC162BD05&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=FEF02B4635FE8227&eid=02DC3A182A5530DF&referenced_num=0&reference_num=21]]></guid><cfi:id>11</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[面向智能产线的R-ECC身份认证方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C3B2D6CABE8781A4E&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=89AC6B0ADBEA2741&eid=FDC7AF55F77D8CD4&referenced_num=0&reference_num=10]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在智能制造与“工业4.0”环境下，智能产线作为智能制造的重要载体，在其智能运维、状态监控与数据采集方面具有较高研究意义.本文针对工业物联网智能产线中，基于Android的智能产线移动终端与OPC UA服务器通信过程中存在的通信资源受限、数据传输安全性要求高等问题，在现有OPC UA通信模型的基础上，设计了一种面向智能产线移动终端的身份认证方法R-ECC （Random-Elliptic Curve Cryptography）.该方法在认证过程中引入了随机数和椭圆密码体制，在提高OPC UA身份认证安全性的同时，降低了通信资源的消耗量.实验结果表明，面向智能产线的R-ECC身份认证方法可以有效提高身份认证过程的安全性，在降低智能产线移动端硬件资源消耗量的同时加快了身份认证速度.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[杨东升,高珊珊,尹震宇,李明时,柴安颖,廉梦佳]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>杨东升,高珊珊,尹震宇,李明时,柴安颖,廉梦佳</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C3B2D6CABE8781A4E&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=89AC6B0ADBEA2741&eid=FDC7AF55F77D8CD4&referenced_num=0&reference_num=10]]></guid><cfi:id>10</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[复杂网络理论研究综述]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C801E0A7B522A692E&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=96C778EE049EE47D&eid=4AD960B5AD2D111A&referenced_num=0&reference_num=43]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[当前，复杂网络已迅速形成了一门贯穿多领域的交叉性学科，其相关理论被应用于诸多领域.为了解复杂网络的研究现状，首先从复杂网络的定义与统计特性两个角度介绍了复杂网络的基本概念，然后列举了几种典型的复杂网络模型，以及在此基础上对其进行改进后所建立的模型并讨论其优缺点，围绕复杂网络结构特性与网络动力学两个方面进一步分析了当前复杂网络的研究现状并列举了近几年的研究成果，最后得出结论并对复杂网络未来的热点研究方向做出展望.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[安沈昊,于荣欢]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>安沈昊,于荣欢</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C801E0A7B522A692E&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=96C778EE049EE47D&eid=4AD960B5AD2D111A&referenced_num=0&reference_num=43]]></guid><cfi:id>9</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于深度学习的工业物联网智能入侵检测]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CD5FDC27CAA315F47&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=F4B561950EE1D31A&eid=014B591DF029732F&referenced_num=0&reference_num=18]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[如何有效识别工业物联网入侵攻击行为是一个新挑战.针对工业物联网中入侵检测特征提取不高、检测效率低、适应能力差等问题，提出一种基于深度学习的工业物联网智能入侵检测方法.首先，在数据处理上改进采样算法用于调节少数类别样本数量，提高检测精度；其次，构建堆叠降噪卷积自编码网络提取关键特征，结合卷积神经网络和降噪自编码器，加强特征识别能力；为了避免信息丢失和信息模糊，改进池化操作以增加其自适应处理能力，并在模型训练过程中采用Adam算法获取最优参数；最后，采用NSL-KDD数据集测试提出方法的性能.实验结果表明，该方法相比现有的RNN、DBN和IDABCNN的准确率分别提高了3.66%、4.93%和4.6%；与未经采样算法的SDCAENN试验对比，U2R和R2L的检测精度分别提高17.57%和3.28%.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[胡向东,周巧]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>胡向东,周巧</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CD5FDC27CAA315F47&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=F4B561950EE1D31A&eid=014B591DF029732F&referenced_num=0&reference_num=18]]></guid><cfi:id>8</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[输电线路巡检无人机导航的语义交互方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CD84E1811164A2861&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=91C9056D8E8856E0&eid=DDD31293A7C7D057&referenced_num=0&reference_num=19]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对高空巡检环境的复杂性和不确定性，提出了一种输电线路巡检无人机导航的语义交互方法.基于本体方法构建人机交互的语义拓扑体系，形成具有感知运动数据处理的导航框架；其次，以语义拓扑关系为基础，结合谓词逻辑形式的背景知识，提出结构化路径导航方法，实现人机在统一的概念层次上路径导航的语义交互；最后研发了巡检导航的语义交互原型系统，通过实验证明：作为语义交互实例，本文所提方法可以为无人机电力巡线提供位置导航控制，实体名词提取满足实际期望估计且精度控制较高，为基于数据驱动的输电线路巡检提供了基础支持.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[陶雄俊,阮峻,王安军]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>陶雄俊,阮峻,王安军</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CD84E1811164A2861&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=91C9056D8E8856E0&eid=DDD31293A7C7D057&referenced_num=0&reference_num=19]]></guid><cfi:id>7</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[微前端化微应用管理控制台]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C8B5CD6DC059AADE0&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=6FBD78E3BAB60869&eid=B47A0E731AF43EB2&referenced_num=0&reference_num=8]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[微服务架构下开发时技术栈分离提升了开发效率以及运行时服务编排能力，但微应用数量倍增导致微应用管理控制台集成复杂度加大，跨微应用之间通信及操作交互体验差.本文给出一种微前端解决方案，结合典型微前端框架、管理控制台事件总线、微应用动态路由通信、微应用运行时上下文资源分离等技术机制，提高了管理控制台柔性与运行效率，降低了开发和运维成本，较好地实现了微应用管理控制台管理优化目标.经试验评估，柔性增强且代价更小，并在实际项目中验证了解决方案的有效性.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[刘一田,曹一鸣]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>刘一田,曹一鸣</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C8B5CD6DC059AADE0&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=6FBD78E3BAB60869&eid=B47A0E731AF43EB2&referenced_num=0&reference_num=8]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于层次聚类算法的二氧化硅熔融表征模型]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CFD57B7654E72D56B&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=EF27C460877D3C9F&eid=CC0ECB9C52F1B85F&referenced_num=0&reference_num=15]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[将二氧化硅复合熔融过程转化为其数据信息，为高温熔融过程建立了可靠的时序规则，对改进高炉渣直接成纤技术具有重要意义.首先，利用层次聚类算法对灰度图像进行边缘检测，然后利用区域生长和形态学处理进行图像分割，从而确定二氧化硅颗粒的质心位置坐标，绘制运动轨迹.其次，选取面积和广义半径作为边缘轮廓特征的指标.实验结果表明，二氧化硅的面积、广义半径和时间与二次曲线拟合程度的关系最大.本研究表明这两项指标可用于表征硅石的熔化过程和估算硅石的实际熔化速率.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[胡昊天,郑雅芝,郑健南,潘家辉]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>胡昊天,郑雅芝,郑健南,潘家辉</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CFD57B7654E72D56B&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=EF27C460877D3C9F&eid=CC0ECB9C52F1B85F&referenced_num=0&reference_num=15]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[卷积神经网络压缩与加速技术研究进展]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C697B5AF1D3359A6C&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=7801E6FC5AE9020C&eid=C5154311167311FE&referenced_num=0&reference_num=52]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[神经网络压缩技术的出现缓解了深度神经网络模型在资源受限设备中的应用难题，如移动端或嵌入式设备.但神经网络压缩技术在压缩处理的自动化、稀疏度与硬件部署之间的矛盾、避免压缩后模型重训练等方面存在困难.本文在回顾经典神经网络模型和现有神经网络压缩工具的基础上，总结参数剪枝、参数量化、低秩分解和知识蒸馏四类压缩方法的代表性压缩算法的优缺点，概述压缩方法的评测指标和常用数据集，并分析各种压缩方法在不同任务和硬件资源约束中的性能表现，展望神经网络压缩技术具有前景的研究方向.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[尹文枫,梁玲燕,彭慧民,曹其春,赵健,董刚,赵雅倩,赵坤]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>尹文枫,梁玲燕,彭慧民,曹其春,赵健,董刚,赵雅倩,赵坤</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906C697B5AF1D3359A6C&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=7801E6FC5AE9020C&eid=C5154311167311FE&referenced_num=0&reference_num=52]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于Apriori算法的立体仓库系统]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CB86CA6D5C7875AAF&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=EDA22B444205D04A&eid=2B5DE8A23DCEED39&referenced_num=0&reference_num=11]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统仓库存储采用人力或人机结合方式搬运货物，采用纸笔记录相关库存和进出入库数据，存在效率低、安全隐患多和用人成本高等诸多问题.现代化工商业的发展对仓库存储技术提出了更高的需求，不仅仅局限于成本范畴，更成为获取利润的战略工具.本文介绍了自动化立体仓库系统的整体结构、各子系统功能及主要部分的设计.为了进一步提高生产效率，提升公司总体收益率，本文基于实验室的自动化立体库系统，将关联规则数据挖掘Apriori算法应用于其中，对出库信息进行挖掘，提供更加科学的生产和出库建议.该系统具有高度自动化、智能化、信息化管理等特点，对提高仓储管理效率，提高企业收益具有重要意义.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[曹雷,孙咏,焦艳菲,王嵩,李冬梅]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>曹雷,孙咏,焦艳菲,王嵩,李冬梅</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CB86CA6D5C7875AAF&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=EDA22B444205D04A&eid=2B5DE8A23DCEED39&referenced_num=0&reference_num=11]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[汽车变速箱零部件装配自动测量系统]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CA4D07D7A44FFB9A7&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=CDEBD1ACE0A4C1C1&eid=F122871CC7EC92DC&referenced_num=0&reference_num=10]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[汽车变速箱装配过程中部分零部件分装涉及到选择调整垫片的过程，垫片尺寸是否合适将直接影响变速箱整体的装配质量，为了满足新型号变速箱的数字化生产需求以及提高生产系统的工作准确性，需要将人工经验为主导的传统制造模式向轻量化、智能化的新型制造模式转化.本文结合某企业MQ250变速箱装配线的具体需求，为了提高生产现场的数字化程度以及对测量任务的管理能力，设计并实现了一套新型的变速箱零部件装配的测量系统.首先根据相对测量的原理，设计了测量模块，并分析了测量模块最优化的问题，最终通过最小二乘法实现了测量模块的优化.经过实际生产情况表明，本测量系统适应了MQ250变速箱零部件的装配需求，保证装配效率的情况下提升了整体装配质量，提高了装配生产线的数字化水平.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[夏筱筠,崔露露,孙维堂,李博]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>夏筱筠,崔露露,孙维堂,李博</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CA4D07D7A44FFB9A7&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=CDEBD1ACE0A4C1C1&eid=F122871CC7EC92DC&referenced_num=0&reference_num=10]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于深度学习的SIFT图像检索算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CB388F541CFBACD5C&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=F260CE035846B3B8&eid=C5F8B8CB20F1B3D8&referenced_num=0&reference_num=14]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[深度学习作为一个新的机器学习方向，被应用到计算机视觉领域上成效显著.为了解决分布式的尺度不变特征转换（Scale-Invariant Feature Transform，SIFT）算法效率低和图像特征提取粗糙问题，提出一种基于深度学习的SIFT图像检索算法.算法思想：在Spark平台上，利用深度卷积神经网络（Convolutional Neural Network，CNN）模型进行SIFT特征抽取，再利用支持向量机（Support Vector Machine，SVM）对图像库进行无监督聚类，然后再利用自适应的图像特征度量来对检索结果进行重排序，以改善用户体验.在Corel图像集上的实验结果显示，与传统SIFT算法相比，基于深度学习的SIFT图像检索算法的查准率和查全率大约提升了30个百分点，检索效率得到了提高，检索结果图像排序也得到了优化.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[苏勇刚,高茂庭]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>苏勇刚,高茂庭</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CB388F541CFBACD5C&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=F260CE035846B3B8&eid=C5F8B8CB20F1B3D8&referenced_num=0&reference_num=14]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[应用Camshift跟踪算法提高视频中人脸检测速度]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CA69CCFA191642809&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=FA89360EB995A8AD&eid=FBCA02DBD05BD4EA&referenced_num=0&reference_num=16]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在OpenCV中提供的CascadeClassifier级联分类器利用Haar特征进行人脸检测时，检测速度很慢无法满足视频对实时性的要求，而且光照的影响也很大.基于这两点提出一种新的人脸检测算法，采用Camshift目标跟踪与人脸检测相结合提高检测速度并利用直方图均衡化减弱光照的影响.该算法首先把CascadeClassifier级联分类器方法检测到的人脸区域设为ROI区域，对ROI区域操作并用Camshift算法进行目标跟踪，其次要定时进行一次人脸检测用来更新ROI区域保证跟踪的准确性.经过实验结果分析表明：利用改进后的算法，人脸检测的速度有明显提高（约为40%），并且减小了光照的影响.]]></description>
<pubDate>2020/9/30 0:25:26</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[孙凯旋]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>孙凯旋</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=D4F6864C950C88FFCE5B6C948A639E39&aid=5A76E18CB3C3906CA69CCFA191642809&yid=0D1D160AB8016934&vid=771469D9D58C34FF&iid=9CF7A0430CBB2DFD&sid=FA89360EB995A8AD&eid=FBCA02DBD05BD4EA&referenced_num=0&reference_num=16]]></guid><cfi:id>0</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>