中国开源软件生态构建的风险及对策

基于双层嵌入理论和知识溢出理论构建了E-TOMSDECT分析模型,对当前中国开源软件生态构建所面临的风险进行系统性剖析,并结合对全球开源软件生态构建经验的类化分析提出相关对策.分析发现,当前中国开源软件生态构建主要存在关键核心技术支撑与生态运营模式掌握薄弱、生态建设主体动力不足、在国际开源生态中主导权较弱且面临多维度安全风险、软硬件协同发展能力较弱、软件价值评估体系扭曲、生态运营专业性人才匮乏以及国际经验的利用潜能未能完全释放等风险.建议尽快聚焦新兴领域打造"三位一体"开源生态主导核心,同时加强软硬协同整体规划,构建开源软件生态的安全风险评估和应急防控机制,加大开源软件生态构建的人才培养与引进力度.     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

考虑外界影响的元动作单元故障概率模型

为描述数控机床运动构件的故障率随时间变化的情况,本文从元动作单元出发,建立了一个关于元动作单元的故障概率模型.首先,根据元动作单元故障发生的原因将故障分成两类,随机故障和老化故障.然后,根据这两种故障类型故障数据的不同特点,选用两个不同的概率分布函数分别进行描述,随机故障用泊松分布进行描述,老化故障用威布尔分布进行描述.接着,给出这两种故障概率模型中各参数的物理意义和估计方法.更进一步,工作负载和工作环境会分别对元动作单元的老化故障和随机故障的故障率造成影响.为比较这两者对故障率影响的大小,提出了工作负载参数R l和工作环境参数R e,并给出这两个参数的估计方法.最后,根据收集到的运动构件的故障数据作出频率直方图,同时,对故障数据进行参数估计得到概率密度函数,并将这两者画在同一幅图上,发现两者具有较好的拟合效果.表明提出的元动作单元故障概率模型适合于描述运动构件故障率随时间的变化,模型有效.     

小样本下基于卷积神经网络的费用估算研究

在当前的费用估算模型较依赖数学模型、无法根据样本大幅度调整模型参数的现状下,针对导弹特征属性和研制费用公开样本稀少以及不同型号的导弹样本对待预测样本的参考意义不同的问题,提出了小样本下基于卷积神经网络的导弹研制费用估算模型.为解决小样本和样本贡献值问题,结合双三次插值算法和反距离加权插值算法对导弹原始样本集进行插值.采用导弹研制费用卷积神经网络估算模型对插值样本进行学习,得到导弹研制费用估算结果.通过与线性回归、神经网络、支持向量机、WPCA&WSVR几种模型的对比实验,验证该模型在整体估算效果上优于其他模型.     

三轴压缩与干湿循环作用下灰岩的力学试验研究

南京地铁6号线万寿村站至燕尧路站区间深部主要为灰岩,盾构隧洞贯通后,深部岩体对隧洞维护起至关重要的作用,为了对该地铁深部稳定性提供理论指导,利用MTS815试验机对灰岩在经历干湿循环后进行了常规三轴压缩试验,研究了灰岩在不同次数干湿循环作用下和不同围压下的力学特性,结果表明:(1)受干湿循环作用前后试件的应力—应变曲线较为一致,均经历了较为明显的孔隙微裂隙压密阶段、较长的线弹性阶段、不太明显的屈服阶段和峰后阶段共4个阶段;(2)相同干湿循环次数后的灰岩试件,随着围压的增大,试件的峰值强度和弹性模量逐渐增大,弹性模量增幅不明显.在10次干湿循环后,试件的峰值强度的劣化最高达19.26％.干湿循环次数的增加会使灰岩的弹性模量减小,在10次干湿循环以内减幅较小;(3)围压为0时,试件的破裂模式为拉伸破坏,扩容现象明显;围压为2和4 MPa时,试件主要体现为剪切破坏.相同围压下,破裂模式属于剪切型破坏,随着干湿循环次数的增加,剪切破裂面倾斜度逐渐增大,剪切破坏愈加明显.     

基于共现分析的分类器链标签序列优化方法

针对分类器链模型采用随机生成方式确定标签序列会极大影响分类器链性能的问题。通过共现分析技术深入挖掘标签间的潜在关系, 提出一种基于贪心算法和n-gram模型的两种标签序列优化策略以提升分类器链模型性能。基于贪心算法的策略通过计算和排序标签之间共现率来生成优化的分类器链标签序列, 而基于n-gram模型的策略则通过最大化标签之间条件概率来生成优化的分类器链标签序列。最后通过多个多标签基准数据集进行实验验证, 实验结果表明, 与当前流行的各种分类器链模型相比, 所提的两种策略很有竞争力, 可以明显提升多标签分类效果。     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

基于保角映射的断层影响区内隧道涌水量预测

建立了断层影响区内衬砌隧道渗流模型.在该模型中,断层被视为地下水补给边界,以隧道涌水量作为衡量依据将隧道横断面内倾斜断层等效为竖向断层.利用镜像叠加原理将有限边界渗流问题转化为半无限空间渗流模型,再通过保角坐标变换和极坐标联立求解渗流微分方程,推导富水断层影响区内地下水头半解析公式,得到了隧道涌水量计算公式.经过退化验算、数值模拟及现场实测数据对比,验证了公式的正确性.在此基础上,探讨了地层与衬砌的相对渗透系数(K_S/K_L)、隧道与水位线的距离(h)、隧道与断层的距离(L)对涌水量的影响:K_S/K_L对涌水量的影响最显著;其次为h,h也会影响L的作用效果,h越大,L的影响程度也越大.施工过程中应加强注意衬砌防水措施的施作,隧道线路的选择应尽可能考虑埋深设计,避免高水头压力.     

一种三维DNA构象的交互式参数化模拟方法

提出一种适用于移动平台的交互式参数化DNA三维动态模拟方法.依据不同的DNA模式参数,利用基于自然特征的AR识别技术和曲线,直观形象地展示DNA的多种三维构象,动态模拟碱基互补配对、碱基对边堆叠边螺旋、 DNA复制的边解旋边半保留半不连续复制等微观过程.研发DNA三维动态模拟原型系统,实验结果表明,通过视、听、触、实物等多通道交互,有利于用户随时随地自主使用,增强用户对DNA知识的理解、掌握,引导用户进行更深层次的思考,提高知识的传递效率.     

基于回归-卡尔曼滤波组合模型的航道整治区域船舶交通流时空预测

为分析及预测工程不同阶段航道整治区域船舶交通流量变化,通过确立研究断面,获取交通流数据,对研究断面处的船舶交通流时空特性进行分析.基于现有数据,将回归模型预测值替代卡尔曼滤波模型中的状态转移值,建立回归-卡尔曼滤波组合模型,在卡尔曼滤波模型预测具有实时性的基础上,提高预测精度,并利用历史数据进行了预测.预测结果与实际数据对比验证了回归-卡尔曼滤波组合模型在航道整治区域船舶交通流时空预测方面的有效性与可靠性.