从规则驱动到群智涌现: 多机器人空地协同研究综述

下载全文  

多机器人空地协同系统作为一种在搜索救援、自主探索等领域具有广泛应用前景的异构机器人协作系统, 近年来受到研究者的高度关注. 针对限制空地协同系统自治性能的低智能性、弱自主性挑战, 如何增强个体智能、提高群体协同自主性是加快空地系统应用落地亟需解决的关键问题. 近年来, 随着以深度… …   相似文献

郝肇铁  郭斌  赵凯星  吴磊  丁亚三  李哲涛  刘思聪  於志文 《自动化学报》2024,50(10):1877-1905

基于电网线路传输安全的电力市场分布式交易模型研究

下载全文  

电力市场分布式交易模型可有效缓解传统集中模型下市场主体的隐私安全等问题, 但难以在保障市场主体收益和电力系统安全稳定运行的同时, 实现社会福利最大化. 因此, 基于电网线路传输安全, 首先以社会福利最大化为目标, 构建集中式交易模型, 并采用拉格朗日乘子法和对偶定理, 将其等价分… …   相似文献

李远征  张虎  刘江平  赵勇  连义成 《自动化学报》2024,50(10):1938-1952

递归侧DNS安全研究与分析

下载全文  

因特网用户在访问网络应用前都需要通过DNS进行解析, DNS安全是保障网络正常运行的第1道门户,如果DNS的安全不能得到有效保证,即使网络其他系统安全防护措施级别再高,攻击者也可以通过攻击DNS系统使网络无法正常使用.目前DNS恶性事件仍有上升趋势, DNS攻击检测和防御技术的发… …   相似文献

张宾  张宇  张伟哲 《软件学报》2024,35(10):4876-4911

Lacmia:抗混淆的多民族语言生成式摘要模型

  

该文提出了一种针对中国多民族低资源语言生成式摘要模型Lacmia(Language-Anti-confusioned Chinese Minority Abstractive Summarization Model)。为了克服以往模型只能处理单一语言的限制,Lacmia采用了一种… …   相似文献

翁彧;罗皓予;刘征;超木日力格;刘轩;董俊 《中文信息学报》2024,38(10):80-94

利用部分可信信号的导航终端欺骗干扰检测方法

下载全文  

导航信号认证服务处于初步部署阶段,认证信号对地覆盖重数无法满足独立定位授时需求,现有研究对这一阶段利用部分通过认证的信号,即可信信号,实现欺骗检测的方法关注度较低。针对这一现状,该文根据欺骗攻击原理,提出以可信信号为基准,基于可信信号伪距残差的欺骗检测方法,建立该场景下的欺骗检测… …   相似文献

王环宇  林红磊  欧钢  唐小妹 《电子与信息学报》2024,46(10):4053-4061

自监督解耦动态分类器的小样本类增量SAR图像目标识别

下载全文  

为提升基于深度学习(DL)的合成孔径雷达自动目标识别(SAR ATR)系统在开放动态的非合作场景中对新类别目标的持续敏捷识别能力,该文研究了SAR ATR的小样本类增量学习(FSCIL)问题,并提出了自监督解耦动态分类器(SDDC)。针对FSCIL 中“灾难性遗忘”和“过拟合”本… …   相似文献

赵琰  赵凌君  张思乾  计科峰  匡纲要 《电子与信息学报》2024,46(10):3936-3948

融合Inception与SE-Attention的加密流量移动业务识别

  

移动设备通常接入无线局域网,并依赖WiFi加密协议对网络中数据链路层流量进行加密,以维护通信安全.然而,现有加密流量识别方法主要针对网络层及以上的流量载荷进行分析,无法有效识别链路层加密流量的移动业务类别.针对该问题,提出了 一种在WiFi加密场景下基于链路层流量的移动业务识别方… …   相似文献

王依菁  王清贤  丁大钊  闫廷聚  曹琰 《计算机科学》2024,51(10):399-407

基于深度学习的函数名一致性检查及推荐方法

下载全文  

函数是大多数传统编程语言中聚合行为的最小命名单元,函数名的可读性对于程序员理解程序功能及不同模块之间的交互有着至关重要的作用,低质量的函数名会使开发人员感到困惑,增加代码中的坏味道,进而引发由API误用而导致的软件缺陷.为此,提出一种基于深度学习的函数名一致性检查及推荐方法,该方… …   相似文献

郑炜  唐辉  陈翔  张永杰 《软件学报》2024,35(10):4604-4622

下载全文  

ObjectiveThe structure from motion （SfM） technique serves as the fundamental step in the sparse reconstruction process, finding extensive applications in remote sensing mapping, indoor modeling, augmented reality, and ancient architecture preservation. SfM technology retrieves camera poses from images, encompassing two main categories： incremental and global approaches. The global SfM, in contrast to the iterative nature of incremental SfM, simultaneously estimates the absolute poses of all cameras through motion averaging, resulting in relatively high efficiency. However, it still encounters challenges regarding robustness and accuracy. Rotation averaging and translation averaging constitute crucial components within the motion averaging. Compared with rotation averaging, translation averaging is more difficult due to the following three reasons： 1） Only relative translation directions could be recovered by essential matrix estimation and decomposition, i.e., the produced relative translations are scale ambiguous. 2） Only cameras in the same parallel rigid component could their absolute locations be uniquely determined by translation averaging, while for rotation averaging, the requirement simply degenerates to the connected component. 3） Compared with relative rotation, the estimation accuracy of relative translation is more vulnerable to the feature point mismatches and more likely to be outlier contaminated. In traditional approaches, the translation averaging method based on scale separation （-） calculates the relative baseline length between cameras before estimating the absolute locations, eliminates the scale ambiguity, and the solving range is no longer constrained by the camera triplet, but its robustness and accuracy still need to be improved. Incremental translation averaging （ITA） introduces the idea of incremental parameter estimation into the translation averaging process for the first time, which has good robustness and high accuracy. However, its solving process depends on camera triplets and may suffer from degeneracy during collinear camera motion. To solve the above problems, this study proposes a translation averaging method based on incremental scale estimation （-）, which eliminates the scale ambiguity and enhances the method's robustness and result accuracy.MethodIncremental SfM has been proven to be highly accurate and robust, making it a preferred choice for many applications. It has shown to be particularly effective in handling large datasets and overcoming the challenges posed by complex real-world scenarios. Recognizing its potential, researchers have sought to transfer the incremental parameter estimation ideology to other related tasks, such as incremental rotation averaging （IRA） and ITA. In particular, IRA is designed to estimate the camera absolute rotations incrementally and efficiently. Meanwhile, ITA is performed for the camera absolute locations, enabling it to handle outliers effectively and avoid error propagation. Overall, the adoption of incremental parameter estimation ideology for motion averaging tasks demonstrates the versatility and effectiveness of this approach. With its ability to handle complex datasets and overcome a range of challenges, the incremental parameter estimation ideology holds great promise for future research in the field of 3D reconstruction and beyond. In this study, - is proposed by incorporating the scale separation strategy and incremental parameter estimation ideology. Specifically, the translation averaging problem is decomposed into three sub-ones and sequentially solved： 1） incremental estimation of local absolute scale, 2） incremental estimation of global absolute scale, 3） scale-aware absolute location estimation based on optimization. The input of our proposed method is the pairwise scale invariant feature transform point matches, and its output is the absolute camera locations. First, the relative motion between cameras is obtained by estimating and decomposing the essential matrix. Next, the two-view triangulation is performed to calculate the relative depths in the local coordinate system. On the basis of depth ratios, incremental estimations are conducted for the local and global absolute scales. Subsequently, the relative baseline length between cameras is computed, and rotation averaging is performed for absolute rotation estimation, enabling the final scale-aware absolute location estimation.ResultWe performed experimental tests to evaluate the selection of scale distance function and scale distance threshold. The experimental results confirmed that the normalized perfect square deviation function effectively eliminates the impact of scaling effects. Furthermore, the incremental scale estimation method shows good robustness and insensitivity to scale distance threshold and achieves remarkably higher baseline accuracy compared with . The experiments were conducted on the 1DSfM dataset. In comparison with various state-of-the-art methods including bilinear angle-based translation averaging （BATA）, correspondence reweighted translation averaging （CReTA）, ITA, and -, our proposed method exhibited the following performance： 1） In terms of the number of cameras solved, the average percentage of successfully solved cameras using the proposed method is 96%. 2） The median error of absolute location estimation is slightly worse than that of BATA and CReTA and ranks third overall under different absolute rotations. 3） In terms of the mean error in absolute location estimation, the proposed method has remarkable advantages, ranking first and second respectively. Compared with the original -, the method in this study has a great improvement in the number of cameras solved and the accuracy of locations estimated.ConclusionThe proposed method combines the concept of scale separation with incremental parameter estimation. By integrating these two ideas, our method effectively eliminates scale ambiguity while ensuring the effectiveness of outlier rejection and maintaining a concise solving process. As a result, the obtained absolute camera locations are stable and reliable.… …   相似文献

《中国图象图形学报》2024,29(10):2992-3007

FBC模型的伪随机性和超伪随机性

下载全文  

FBC分组密码算法是入选2018年全国密码算法设计大赛第2轮的10个分组密码算法之一. FBC主要采用四分支两路Feistel结构设计,是一个实现效率高的轻量级分组密码算法.将FBC算法抽象为FBC模型,并研究该模型的伪随机性和超伪随机性,在FBC轮函数都是相互独立的随机函数的条… …   相似文献

刘楠  金晨辉  于俊伟  崔霆 《软件学报》2024,35(10):4826-4836

基于频谱地图重构的辐射源识别

下载全文  

无线环境地图(REM)是呈现电磁态势的一种有效形式,考虑实际观测的不完整频谱地图受到干扰和噪声污染的问题,该文对频谱地图进行重构,并在此基础上完成辐射源识别。首先,将复杂电磁环境下的频谱地图建模为高维张量,在预处理中通过线性插值对其初始化补全。然后,使用视觉Transformer… …   相似文献

王雪刚  王方刚  王意卓 《电子与信息学报》2024,46(10):3949-3956

轻量级多用户可验证隐私保护基因序列分析方案

下载全文  

随着云计算、大数据等新兴网络服务的蓬勃发展,数据要素在智慧医疗、科学研究等领域中占据重要地位. 基因组测序技术通过对病人基因组序列进行处理来判断病人的患病原因和类别,在多个领域有广泛应用. 由于存储、计算资源受限,本地用户通常需要租用资源丰富但工作在不可信环境下的云服务器来完成复杂的大规模基因组测序处理函数计算任务. 为了保护用户数据隐私及验证计算结果的正确性,国内外现有工作通常的做法是利用公钥全同态加密或安全多方计算技术实现数据隐私保护;利用Yao混淆电路或双线性配对技术实现计算结果的正确性验证. 由于密码原语的计算开销和通信开销巨大,均不适用于基因序列分析系统中存储、计算资源受限的本地用户的客观性能需求. 为了解决上述挑战性问题,提出了一个轻量级多用户可验证隐私保护基因序列分析方案. 首先,构造了一种高效的可验证多密钥同态数据封装机制VMK-HDEM,该方案支持在密文域上对L个不同输入实例的打包计算,用户端$ {S en}_{i} $公钥加密的使用次数复杂度为O(L),即与其数据集的大小$ {n}_{i} $无关,大大降低了资源受限的本地用户的计算开销;在可验证性方面,云服务器生成的密文计算结果正确性验证证据大小复杂度为$ O({deg}_{F}) $（其中$ {deg}_{F} $代表外包计算函数的阶）,与用户数据集大小$ {n}_{i} $无关. 然后,基于所构造的新型密码原语VMK-HDEM,设计了一个轻量级高效的可验证隐私保护基因序列分析方案LWPPGS,有效保护了用户基因数据集的隐私和基因序列分析结果的隐私,并高效验证其分析结果的正确性. 最后,通过形式化的安全性证明和实验仿真结果表明了所构造方案VMK-HDEM和LWPPGS的安全性和实用性.… …   相似文献

胡云舒  周俊  曹珍富  董晓蕾 《计算机研究与发展》2024,53(10):2448-2466

一种迭代边界优化的医学图像小样本分割网络

下载全文  

精准的医学图像自动分割是临床影像学诊断和影像三维重建的重要基础. 但医学图像数据的目标对象间对比度差异小、受器官运动影响大, 加之标注样本规模小, 因此在小样本下建立高性能的医学分割模型仍是目前的难点问题. 针对主流原型学习小样本分割网络对医学图像边界分割性能差的问题, 提出一种… …   相似文献

贾熹滨  郭雄  王珞  杨大为  杨正汉 《自动化学报》2024,50(10):1988-2001

工业控制网络多模式攻击检测及异常状态评估方法

下载全文  

近年来,工控网络发展势头迅猛. 其数字化、智能化、自动化的优势为工业带来巨大效益的同时,也面临着愈发复杂多变的攻击威胁. 在数据要素安全的背景下,及时发现和应对工控网络威胁成为一项迫切需要得到解决的任务. 通过对工控网络中的数据流进行连续监测和分析,工控网络威胁检测问题可以转化为时间序列异常检测问题. 然而现有时间序列异常检测方法受限于工控网络数据集的质量,且往往仅对单一类型异常敏感而忽略其他异常. 针对上述问题,提出了一种基于深度强化学习和数据增强的工控网络威胁检测方法（deep reinforcement learning and data augmentation based threat detection method in industrial control networks,DELTA）. 该方法提出了一种新的时序数据集数据增强选择方法,可以针对不同的基准模型选择合适的数据增强操作集以提升工控网络时间序列数据集的质量;同时使用深度强化学习算法（A2C/PPO）在不同时间点从基线模型中动态选取候选模型,以利用多种类型的异常检测模型解决单一类型异常敏感问题. 与现有时间序列异常检测模型对比的实验结果表明,在付出可接受的额外时间消耗成本下,DELTA在准确率和F1值上比所有基线模型有明显的提升,验证了方法的有效性与实用性.

… …   相似文献

王泽鹏  马超  张壮壮  吴黎兵  石小川 《计算机研究与发展》2024,58(10):2404-2416

基于共享近邻密度峰值聚类的过采样方法

下载全文  

不平衡数据集中存在噪声和类重叠问题时, 传统分类器性能较低, 导致少数类样本难以被准确分类. 为了提高分类性能, 提出一种基于共享近邻密度峰值聚类和集成过滤机制的不平衡数据处理方法. 该方法首先利用共享近邻密度峰值聚类算法将少数类样本自适应地分为多个簇, 然后根据子簇内密度和大小… …   相似文献

李红玲  王彪 《计算机系统应用》2024,33(10):245-254

考虑容量和成本的最大最小分散度选址问题的降阶回溯算法

下载全文  

  相似文献

《小型微型计算机系统》2024,45(10):2384-2393

考虑因果约束的异常对象反事实解释

下载全文  

现有的异常检测方法大多关注算法的效率和精确度等, 而忽视了异常对象的可解释性. 反事实解释方法是当前可解释机器学习的研究热点之一, 旨在通过对研究对象的特征进行扰动, 进而生成反事实示例以解释模型的决策结果. 在实际应用中, 特征之间可能存在某种因果关系. 然而, 现有基于反事实… …   相似文献

童启辉  周鹏  张燕平 《计算机系统应用》2024,33(10):140-151

融合局部-全局关系的多尺度低照度图像增强

下载全文  

  相似文献

《小型微型计算机系统》2024,45(10):2449-2454

基于工人长短期时空偏好的众包任务分配

下载全文  

近年来,随着移动设备的计算能力和感知能力的提高,基于位置信息的时空众包应运而生,任务分配效果的提升面临许多挑战,其中之一便是如何给工人分配他们真正感兴趣的任务.现有的研究方法只关注工人的时间偏好而忽略了空间因素对偏好的影响,仅关注长期偏好却忽略了短期偏好,同时面临历史数据稀疏导致… …   相似文献

王府鑫  王宁  曾奇雄 《软件学报》2024,35(10):4710-4728

暗区特征引导的多分支低照度图像增强网络

下载全文  

  相似文献

《小型微型计算机系统》2024,45(10):2465-2472