西巴尔干2020:悲“喜”交加的一年

过去几年,人们对西巴尔干地区年度形势的描述语大抵是“关键性”或“决定性”。2020年也不例外。这一年该地区形势呈现出一些新特点、新变化:塞尔维亚、北马其顿、黑山多国迎来议会选举:塞尔维亚与科索沃重启对话:欧盟出台“改进的扩大程序”提案并举行了第三次西巴尔干首脑峰会,但地区成员在人盟进程上并无实质性进展。同时,新冠疫情肆虐全球,西.巴尔干国家经济和社会也受到严重冲击。在多重因素影响下,该地区20世纪第二个十年的结局之年可谓步履维艰。     

基于数据场联合PRI变换与聚类的雷达信号分选

基于脉冲描述字进行雷达信号分选时,传统聚类算法需要预先人工设定聚类中心和聚类数目。针对该问题,提出一种基于数据场理论联合脉冲重复间隔(pulse repetition interval,PRI)变换与聚类的雷达信号分选新方法。首先,依据数据场理论,基于势值大小实现干扰点剔除,而后利用PRI变换算法进行PRI估计,依据PRI估计值将归一化脉冲描述字数据预分类,进而以各类数据集中心间的欧氏距离小于辐射因子为准则进行类别合并,自动得到初始聚类中心和聚类数目,最后通过改进K-Means算法完成聚类分选。仿真实验表明:所提方法能够应对存在频率捷变,重频参差、抖动、参数交叠、局部脉冲丢失的复杂信号环境,分选正确率明显提升。     

基于神经网络的图像描述方法研究

自动识别和描述图像的内容是人工智能中一个重要的研究方向,它涉及计算机视觉和自然语言处理技术。针对这一难题,提出了一种由深层神经网络模型生成自然语言句子来描述图像内容的方法。该方法提出的模型由卷积神经网络(Convolution Neural Network,CNN)和循环神经网络(Recurrent Neural Network,RNN)组成,其中,CNN用来提取输入图像的特征生成固定长度的特征向量,该特征向量初始化RNN来生成句子。在MSCOCO图像描述数据集上的实验结果表明了该模型所生成句子的语法准确性和语义准确性,且优于先前的基线模型。     

复杂断块油田小微断层的显性描述

从小微断层的成因入手,结合胜利、苏北一些油区的勘探开发实践,充分利用钻井、测井、地震、动态等资料,综合应用"静态4种技术、动态7项验证",较好地分辨出小微断层和地层相变的差别,识别出小微断层并对断层定向,实现了小微断层各类隐蔽特点的显性化。小微断层的显性描述在近年来的苏北盆地勘探开发中取得了显著成果,对指导同类型油田的开发工作有着重要意义。     

基于模糊证据推理的突发事件风险分析模型

突发事件发生、发展和演化过程中的风险属性来源复杂,且相关信息具有不确定、不完备的特点.为准确分析这一特点下的突发事件运行风险问题,引入模糊证据推理构建分析模型.首先根据突发事件的结构化描述框架和故障模式影响危害分析(FMECA)方法构建突发事件风险属性识别框架,获取信息作为风险分析证据并对其进行规范化处理;然后以模糊证据推理构建突发事件风险分析的模型,通过计算,给出事件风险程度的合理判断;最后选取CRH某型动车组行车安全事件进行实例分析.分析结果表明,在分析突发事件风险时,针对信息不确定、不完备特点构建的模糊证据推理模型具有可行性与有效性,同时该模型能够为突发事件风险分析和风险应对决策的制定提供辅助参考.     

采用函数调用关系的注入型Android恶意应用检测

针对注入型Android恶意应用日益泛滥、传统检测方法依赖大量已知特征的问题,提出了采用函数调用关系的注入型Android恶意应用检测方法。该方法无须依赖大量已知特征,仅通过分析注入型Android恶意应用的自身结构特征即可实现对该类恶意应用的有效检测,并能够实现对未知恶意代码家族的识别。所提方法在smali代码的基础上构建函数调用关系图,并进一步进行子图划分,通过判定各子图威胁度确定是否存在恶意行为。检测过程无需动态行为分析辅助,因此分析检测时间短、效率高。该方法不仅可以检测出Android应用是否存在恶意行为,还可根据子图威胁度确定包含恶意行为的具体代码。经过对1 260个Android恶意应用和1 000个正常应用的实验分析发现:所提方法能够很好地检测注入型Android恶意应用,当误报率为8.90%的时候,检测率达到95.94%,相对于主流Android恶意应用检测系统Androguard,检测效果有显著提升。     

深度学习源代码缺陷检测方法

针对由于传统的源代码缺陷分析技术依赖于分析人员的对安全问题的认识以及长期经验积累造成的缺陷检测误报率、漏报率较高的问题,提出了一种深度学习算法源代码缺陷检测方法.该方法根据深度学习算法,利用程序源代码的抽象语法树、数据流特征,通过训练源代码缺陷分类器完成源代码缺陷检测工作.其依据的关键理论是应用深度学习算法及自然语言处理中的词嵌套算法学习源代码抽象语法树和数据流中蕴含的深层次语义特征和语法特征,提出了应用于源代码缺陷检测的深度学习一般框架.使用公开数据集SARD对提出的方法进行验证,研究结果表明该方法在代码缺陷检测的准确率、召回率、误报率和漏报率方面均优于现有的检测方法.      

一种改进的SRAM故障内建自检测算法

面向March C+算法故障覆盖率的问题,本文提出一种改进的March CS算法来完成存储器SRAM的内建自测试.通过增加原算法元素的读写操作来敏化存储单元的故障,检测原算法不能敏化的静态故障和动态故障,从而提高故障覆盖率.最后,通过对1 024*32位静态随机存储器进行故障仿真验证,以及FPGA对SRAM芯片的应用性测试,March CS算法检测静态故障和动态故障的覆盖率分别达到91.67%和76.93%.     

偏转板伺服阀前置级结构参数优化研究

通过改变偏转板伺服阀劈尖高度和V形槽下端喷口的导流长度等结构参数,建立新的偏转板前置级模型,利用ICEM和FLUENT软件对前置级流场进行静态特性分析;对前置级流量曲线进行二次拟合,建立伺服阀系统数学模型,利用SIMULINK仿真模型进行动态仿真,分析偏转板伺服阀系统的动态特性,从而优化偏转板伺服阀前置级结构参数。结果表明,适当降低偏转板伺服阀劈尖高度,保持劈尖宽度不变,可增大偏转板伺服阀前置级的流量增益和提升伺服阀的响应频率;增加V形槽喷口的导流长度,会减小偏转板伺服阀前置级流量增益和降低伺服阀的响应频率。     

抵御传感器故障的静态输出反馈可靠控制

针对线性系统,研究了考虑传感器增益故障情况下,静态输出反馈可靠控制设计问题。首先,在不考虑故障时,设计控制器,给出了系统保持渐近稳定的充分条件;然后,基于传感器故障,在原有反馈控制器作用下系统无法保持稳定;接下来,利用凸组合方法处理故障,及采用求解LMI不等式的方法对静态输出反馈可靠控制器进行重新设计,使闭环系统在发生传感器增益故障时仍能保持渐近稳定;最后,通过数值仿真验证设计方法的有效性和可行性。