基于压缩感知的水声传感网络通信方法

现有研究主要针对单个传感器节点发送数据的情形,传输效率不高,而多个传感器节点同时发送数据,可以提高传输效率,但存在用户数据之间的干扰.将压缩感知应用于水声传感网络中,提出一种可实现多节点同时传输数据的大容量协作通信方法,利用传感器节点数据的稀疏特性,将多个源节点数据同时传输等效为压缩感知中的测量过程,证明了多节点并发传输过程的传输特性可以满足压缩感知中的测量矩阵的约束等距性要求.目的节点通过重构算法,可以恢复多个并发传感器节点的数据.     

美元/欧元汇率的趋势与波动分析及区间预测

对美元/欧元汇率进行趋势与波动分析并作出区间预测。利用BP神经网络提取趋势,对残差分别运用自回归移动平均模型和广义自回归条件异方差模型分析波动性,将趋势与波动性结合给出区间预测。对2001年7月至2017年10月美元/欧元汇率的研究发现,BP神经网络具有很好的非线性刻画能力,但只有合适的预测精度才能得出较好的预测区间,同时也发现,广义自回归条件异方差模型对波动性的分析效果优于自回归移动平均模型。因此,BP神经网络模型与广义自回归条件异方差模型的组合模型(BP-GARCH模型)更适合时间序列的中长期区间预测。通过调节BP神经网络的参数、误差及预测精度提高组合模型的精度。     

用于燃煤锅炉热效率在线计算的虚拟煤质数据库的建立

燃煤锅炉热效率在线计算模型的实用性及可操作性高度依赖于燃用燃料的成分和类型,为了减少煤质的复杂性及多样性、现场燃煤煤质成分分析误差以及人为离线输入参数的不准确性对锅炉热效率在线计算的影响,拟构建可供在线计算燃煤热效率调用的虚拟煤质数据库。通过对工业锅炉常用煤种成分、来源及种类进行线性回归并运用统计分析以及聚类分析等数学算法,搭建虚拟煤质数据库。为了验证煤质数据库的适用性,借助神经网络算法对燃煤的计算发热量和化验发热量进行了对比分析,结果显示,误差在工业用煤的测量误差范围内。所建的燃煤数据库能有效地实现锅炉变工况运行时的热效率在线测算。     

基于隐马尔科夫模型的网络安全风险评估方法

为了能实时准确地评估网络安全风险,提出一种基于隐马尔科夫模型的网络安全风险评估方法。该方法基于隐马尔科夫模型对目标网络进行建模,通过节点的直接风险和相关性引起的间接风险来量化节点的安全风险;考虑节点在网络中的重要性程度,结合节点安全风险,量化目标网络的整体安全风险。通过实验对所提方法进行验证。实验结果表明：该方法能够对由节点相关性和节点重要性程度所带来的网络安全风险进行量化,使得网络安全风险评估结果更加准确、可信。与传统的网络安全风险评估方法相比,该方法能够更加及时地发现网络中的异常风险变化情况,为网络安全防御策略的及时调整提供依据。     

基于并行残差卷积网络的图像超分辨重建

针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型。模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建。提出的模型具有以下优点：①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力。通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升。     

基于DBN特征提取的雷达辐射源个体识别

针对传统特征参数难以表征复杂体制雷达信号个体特征的问题,基于深度置信网络DBN的深层特征提取和高维数据处理能力,提出一种基于DBN特征提取的雷达辐射源个体识别算法。首先建立基于多层受限玻耳兹曼机的DBN模型,然后通过DBN无监督提取脉冲包络前沿特征,再利用标签数据对模型参数进行有监督微调完成训练,最后输入未知辐射源信号脉冲包络前沿特征实现辐射源个体识别。与传统算法相比,该方法能够自适应地提取脉冲深层次细微差异,提取过程减少了对人为经验的依赖。实验结果表明,该算法对脉冲包络特征提取效果明显,有较高的识别精度。     

基于复杂网络理论的飞行冲突关键点识别

针对目前空域内航空器防相撞风险骤增,飞行安全态势不容乐观的现状,现有的飞行冲突探测方法难以把握如此复杂的空中冲突态势,不利于航空管制员对空域的飞行安全态势情况进行准确掌控。提出一种基于复杂网络理论的飞行冲突关键点识别方法。首先基于航空器机载防相撞系统（ACAS）保护区模型构建飞行冲突态势网络模型,在此基础上,采用复杂网络理论中的节点度中心性、接近中心性以及PageRank指标结合AHP方法对空域飞行冲突态势网络中所有节点的冲突等级进行评估,找出威胁等级较高的关键航空器及关键位置。仿真结果表明,通过建立飞行冲突态势网络可以合理划分空域内的安全态势等级,同时根据复杂网络节点重要度评价指标能够对存在严重冲突安全威胁的航空器进行有效识别,协助航空管制员全面掌握空域内飞行安全态势。     

基于多任务学习的高分辨率遥感影像建筑实例分割

针对基于深度神经网络的高分辨率遥感影像建筑物提取算法中将建筑物提取视为二分类问题(即将遥感影像中的像素点划分为建筑物与非建筑两类)而无法区分建筑物个体的局限性, 将基于Xception module改进的U-Net深度神经网络方法与多任务学习方法相结合进行建筑物实例分割, 在获取建筑物二分类结果的同时, 区分不同建筑物个体, 并选择Inria航空影像数据集对该方法进行验证。结果表明, 在高分辨率遥感影像的建筑物二分类提取方面, 基于Xception module改进的U-Net方法明显优于U-Net方法, 提取精度升高1.4%; 结合多任务学习的深度神经网络方法不仅能够实现建筑物的实例分割, 而且可将二分类建筑物的提取精度提升约0.5%。     

基于径向基函数网络模型的中国生态压力指数评价

为了解决生态压力指数法参数繁多、计算量大、难以进行多区域评价以及因计算过程包含主观因素而导致评价结果偏差等问题, 构建一种简单易行、科学有效的生态压力评价方法。选取生态压力评价相关指标, 建立径向基函数网络(RBFN)模型, 根据目前已有的生态压力指数计算结果, 进行模型训练和检验, 分别对2008年和 2013年中国31个省、自治区和直辖市的生态压力进行评价, 并利用GIS软件, 对评价结果进行可视化表达。结果显示, 中国有一半的地区处于极不安全的生态压力状态, 北京一直是全国生态压力最大的地区; 2008-2013年, 有22个省级行政区的生态压力变大; 生态压力最大的是华北地区, 生态压力最小的是西北地区。     

一种基于 Hownet 的词向量表示方法

针对基于预训练得到的词向量在低频词语表示质量和稳定性等方面存在的缺陷, 提出一种基于Hownet的词向量表示方法(H-WRL)。首先, 基于义原独立性假设, 将 Hownet中所有N个义原指定为欧式空间的一个标准正交基, 实现Hownet义原向量初始化; 然后, 根据Hownet中词语与义原之间的定义关系, 将词语向量表示视为相关义原所张成的子空间中的投影, 并提出学习词向量表示的深度神经网络模型。实验表明, 基于Hownet的词向量表示在词相似度计算和词义消歧两项标准评测任务中均取得很好的效果。