基于模板更新的深层孪生网络跟踪算法

针对跟踪过程中因尺度变化、遮挡及运动模糊等造成的目标定位不准确问题,在SiamFC(fully-convolutional siamese network)的跟踪框架基础上提出了一种具有高置信度模板更新机制的深层孪生网络目标跟踪算法.首先,主干网络采用ResNet-50残差网络进行特征提取,并融合多层特征图进行目标预测;其次,为避免模板频繁更新带来的模板漂移问题,构建了高置信度的模板更新模块.在OTB100数据集上的实验结果表明,相比基准算法,文中算法的跟踪成功率和精确度分别提高了3.4%和2.6%;在多种挑战因素下的对比实验表明,文中算法可以较好地抵抗目标遮挡、尺度变化、运动模糊等多种复杂因素带来的影响,有很好的鲁棒性.     

一种快速生成大素数的方法

基于中国剩余定理对改进的增量素数生成算法进行了改进，设计了基于中国剩余定理的门限素数生成算法(TCPG),以提高大素数生成的效率。具体地说，TCPG算法用中国剩余定理对小素数数组进行随机抽样，然后求解同余方程；在素性测试失败后，不需要对整个小素数数组重新抽样，而是仅抽样门限个随机数，降低了随机数的抽样个数，从而提高素数生成算法效率。最后，对TCPG算法与原生素数生成算法、增量素数生成算法、改进的增量算法、M-J特例算法、改进的M-J算法和中国剩余定理素数生成算法(简称CRT)进行素数生成平均时长的对比分析实验。实验结果表明TCPG算法生成长度为512 bit的素数的平均时长(7.80 ms)略多于改进的增量算法所需时长(7.73 ms),但是，生成长度为1 024 bit和2 048 bit的素数的平均时长最短：TCPG算法在Miller-Rabin素性测试算法下生成1个长度为512 bit的素数的平均时长为7.80 ms,比CRT算法耗时减少1.46 ms;生成1个长度为1 024 bit的素数的平均时长为53.30 ms,比改进的增量素数生成算法、CRT算法耗时分别减少5.50、4...     

数字孪生自演化驱动的地下工程沉降预测

随着城市地下空间发展,地下工程沉降问题应引起重视。传统沉降预测模型常存在模型预测精度 不高、模型可解释性差和难以模拟沉降规律的动态变化等局限性和不足,对此提出一种基于数字孪生自演化 的地下工程沉降预测方法。建立的地下工程孪生体为沉降预测模型的高精度建模提供了有效的支撑,开发 的“多项式回归+总体卡尔曼滤波”自演化算法每一步都具有可解释性,同时模型参数自主校正功能使预测 模型能够动态追踪沉降规律的改变。实验结果表明所提方法能够有效解决传统沉降预测模型的缺陷。     

结合交并比损失的孪生网络目标跟踪算法研究

SiamRPN算法采用Ln范数损失训练边界框预测，未考虑预测框与真值框间交并比(inersection over union, IoU)的关系，导致准确性不足。针对该问题，提出一种结合IoU损失的SiamRPN目标跟踪改进算法。设计了IoU-smooth L1范数联合优化模块，对候选正样本进行IoU损失与smooth L₁范数损失的联合优化；依据回归预测结果，用预测框与真值框的IoU作为权重对正样本进行加权分类预测，增加正样本间的区分度，同时确保分类预测与回归预测的关联性。对比实验结果表明：本文所提改进算法能有效提升跟踪性能。     

面向智能制造的工业数字孪生关键技术特性

 综述了数字孪生技术在智能制造领域中产品设计、生产制造、安全维护3方面的研究进展。在工业数字孪生技术背景下，分析了当前应用于智能制造领域的关键技术的一些基本特性，其中包括可交互性、可孪生性、可组合性及可管理性，概述了工业数字孪生技术在产品设计研发、运维管理决策、生产管控3个方面的典型应用场景。展望了面向智能制造的工业数字孪生技术未来发展。     

基于孪生神经网络的行文一致性测评研究

针对目前的篇章级行文一致性度量模型只考虑了待测作文的全文行文一致性，无法捕捉文本语义块的隐含语义特征及其之间的一致性问题，提出了一种通用的作文行文一致性测评模型. 该模型借鉴孪生神经网络的思想，创新性地同时提取作文中核心人物的性格、形象特征以及故事情节特征并进行相似度度量，从而获取文本的中心思想以及行文一致性的匹配分数；使用无监督主题模型Biterm-LDA（Latent Dirichlet Allocation）对作文进行主题特征提取，解决了对手工标注的依赖。实验结果表明提出的模型评分与人工标注结果多数一致，且优于普通神经网络模型.      

老年公寓建筑数字孪生模型联合仿真疏散模拟方法

建筑数字孪生模型（BDT）是数字孪生（DT）应用到建筑业中与BIM结合的集成模型，能反映现实建筑运营情况.在数字孪生驱动下老年公寓消防安全和居住质量能得到进一步提升，因此提出一种老年公寓数字孪生模型联合仿真疏散模拟方法，用于老年公寓消防安全评估和设计优化.为验证方法可实施性，以大庆市某老年公寓为例，利用BDT模型和BIM分别进行仿真模拟，结果显示两者疏散时间相差较大，影响到其消防安全性判断，老年公寓BDT模型联合仿真模拟相比于其BIM模型单一空间仿真模拟，更能真实反映老年人群在火灾场景下疏散情况，根据方法框架得出算例老年公寓存在消防安全问题，提出消防改造和疏散优化策略并验证.     

基于抽象语法树和图匹配网络的代码作者身份识别

源代码作者身份识别有助于解决恶意代码攻击溯源、代码剽窃、软件侵权等问题，本文提出一种新的基于图匹配网络和抽象语法树的源代码作者身份识别方法.首先，通过删除注释、统一换行符、制表符预处理源代码，消除不同集成开发环境和代码布局的影响；然后，基于数据增强抽象语法树将源代码转换为树结构，添加不同类型的边构建代码特征图，不仅关注语法和句法特征，还提取了代码中数据流和控制流特征；接着使用特征图训练图匹配神经网络，生成源代码的图嵌入特征向量；最后，使用孪生神经网络对输出的两个图嵌入特征向量进行计算，识别源代码作者身份.实验结果表明，本文的方法在包含1000位程序员的Google Code Jam数据集上达到了95.60%的准确率，与现有的源代码作者身份识别方法相比，提高了准确率和扩展性.     

基于均值中心孪生卷积神经网络的DGA域名识别

相比于大多数仅依赖域名的特征进行DGA域名识别方法的特征值选取有限、分类准确度较低的问题，提出了利用数字证书和域名共同解析的特征向量识别DGA域名的方法.另外，为了提升计算准确度和时间效率，提出了带有均值中心的孪生卷积神经网络——MCSCNN模型，用于DGA域名的分类识别中.将所提出的方法应用于20种DGA域名的分类识别中，得到的准确度(A),精确度(P),召回率(R)以及F1值(F1)结果分别是98.35%,98.11%,98.38%以及98.42%,比对比算法的最优值分别提高了5.68%,4.76%,7.24%以及4.2%.在时间效率上MCSCNN所用时间只是对比算法最优时间的1/108,极大地提升了运算效率.     

基于PSO优化孪生支持向量机的自然语言处理

为了进一步提高孪生支持向量机(Twin support vector machine, TWSVM)的自然语言文本分类准确度，提出了一种改进的粒子群优化(Particle swarm optimization, PSO)算法，并采用改进的PSO算法对TWSVM核心参数进行优化。根据迭代次数来选择自适应权重从而对传统PSO算法进行改进，以防止收敛速度过快而错过全局最优解。采用Word2Vec对自然语言样本进行向量化处理，并通过PSO算法对TWSVM惩罚因子进行优化求解，解决因为惩罚因子设置不合理而造成自然语言文本分类准确率不高的问题。试验证明，通过合理设置PSO算法的速度权重初始值和稳定值，结合自适应递减权重策略，能够获得较高的惩罚因子优化性能，从而提高TWSVM的分类准确率，相比于常见自然语言文本分类算法，PSO-TWSVM的分类准确率更高，均方根误差值更低，在自然语言文本分类中的适用度高。