一种新的并行计算机网络模型及其路由算法

为了提高并行计算机的通信效率,基于Petersen图提出了一种新的网络结构-GP（n,k）网络．该结构继承了Petersen图简单的拓扑结构,同时具有良好的可扩展性．主要研究了其中一类GP（n,k）网络即GP（i^2,i）的拓扑性质,给出了它优于2-Dtorus的直径．最后设计出GP（i^2,i）的单播及多播路由算法．     

基于网络评论的地质公园景观感知维度研究——以五大连池为例

地质公园景观的游客感知研究是有效发挥地质公园旅游功能的基础.以五大连池世界地质公园为研究对象,收集网络点评数据,采用扎根理论的编码方法处理数据;研究结果表明:(1)地质公园景观的游客感知对象包括地质遗迹景观、生态环境景观、活动项目与设施和软环境四个方面,其中地质遗迹景观和生态环境景观是主要感知对象,除生态环境景观的各要...     

面向知识发现的数据分类技术在网络教学中的应用研究

提出将数据挖掘技术应用于网络教学平台的设计,采用决策树分类方法从学习者的大量信息中分析学习者的学习能力,构建学习者特征模型,提高网络教学对不同学习者个体的针对性,为实施个性化教学提供决策支持.     

网络药理学探究败酱草治疗溃疡性结肠炎机制

通过网络药理学分析和分子对接来探讨败酱草治疗(ulcerative colitis,UC)可能的分子作用机制.通过数据库得到溃疡性结肠炎相关靶点和败酱草主要成分,基于已有数据库文本挖掘和常见成分靶点预测工具获取成分靶点,进行一系列对比.对主要靶点进行GO及KEGG分析,得到核心靶点;对核心靶点进行分子对接.败酱草40种...     

基于时空特征融合的飞机尾涡识别

为了实现动态尾流缩减技术,减少进近阶段前机尾流对后机飞行安全的影响。依据相干激光雷达(coherent Doppler lidar, CDL)扫描风场循环周期性特点,提出一种基于时空特征融合的飞机尾涡识别模型。首先,CDL扫描生成的径向速度风场转换成序列输入和块输入。然后,双向长短时记忆(bidirectional long short-term memory, Bi-LSTM)网络用于提取序列输入的时间域特征,卷积神经网络(convolutional neural network, CNN)网络用于提取径向速度风场块输入的空间域特征。最后,将融合的时间域和空间域特征输入全连接层分类器,得到最终分类识别结果。实验团队在深圳宝安机场附近采集风场,并构建尾流数据集来验证所提得融合模型。结果表明：基于CNN和Bi-LSTM时空特征融合模型具有较好的分类性能,在尾涡识别上的准确率、召回率、F₁分数分别达到97.13%、97.50%、97.03%,且相比单一模型是一种更有效的识别方式,能够获得实时高效尾流预警。     

基于改进YOLO的虹膜快速定位检测算法

虹膜定位是虹膜识别系统中不可或缺的环节,针对传统的虹膜定位方法对镜面反射、眨眼等复杂环境下质量差的虹膜图像定位准确率低、计算复杂度高和鲁棒性差等问题,提出了一种基于改进YOLOv3模型的虹膜快速定位方法。针对眼周图像中虹膜内、外圆尺寸变化不大,将YOLOv3网络的多尺度结构改进为双尺度检测;引入了轻量级网络Mobilev3中bneck块来改进特征提取网络,减小模型复杂度;利用K-means++算法对虹膜数据集进行类聚,获得更优的锚点框;模型边框损失函数采用Loss_GIoU改进原均方差(mean squared error, MSE)损失函数;利用虹膜特有几何特征,将模型矩形预测框更改为圆形预测框。在CASIA-IrisV4数据集验证表明,改进模型定位准确率为96.32%,平均精度均值(mean average precision, mAP)为99.37%,检测速度为49.4帧/s,模型参数减少到4.13×10⁶。结果表明改进后的模型较小,并且能够快速精准对虹膜区域定位,具有较高鲁棒性,能够满足虹膜实时定位的场景。     

一种深度学习网络的树木点云骨架重建方法

基于激光雷达(light detection and ranging, LiDAR)数据重建树体三维模型并精准获取林木空间枝干结构参数是精准林业发展的必然趋势。本文研究面向激光点云提出了一种融合基于晶格投影的深度学习网络,以及面向提取的枝干点云的树木模型骨架重建的方法。该深度学习网络包括旋转不变性模块、晶格投影与重心插值模块,多尺度变换与卷积操作层,通过将旋转变换后的点云晶格投影到三个坐标平面上再分别重心插值获得变换系数,解决了三维点云因排列无序而造成空间卷积困难的问题。以海南多类树木为研究对象,首先,把带枝叶标签的林木点云基团带入构造的深度学习网络中训练网络参数,实现测试样本中的林木数据的枝叶分离。其次,对分类后的树木枝干点云垂直分层并空间聚类,获取每层的聚类中心点并按相邻层中心点距离最小原则实现骨架链表构造,同时采用自适应随机抽样一致(random sample consensus, RANSAC)方法来计算的圆柱体拟合半径,以重建树木的各级枝干。最后,根据中心点连通的链表结构以及角度变化最小准则自动识别树木中的主枝干和各个一级分枝。通过与实测数据比对验证表明,深度学习枝叶分类准确...     

电信网络诈骗犯罪中帮助取款人的刑事责任分析

电信网络诈骗犯罪日益猖獗且形成了以诈骗犯罪为中心的黑灰产业链。对于帮助实施电信诈骗的犯罪分子取款的人员是否成立诈骗罪共犯,实务中存在“同案异判”现象突出、判决说理不够明确充分的问题。对此,应当着眼于传统刑法理论中共犯处罚的基本原理、诈骗罪的基本构造,对相关法律规范的内涵作出准确理解。行为人之间有无事前通谋,是司法机关对取款人区分适用诈骗罪共同犯罪和掩饰、隐瞒犯罪所得、犯罪所得收益罪的要点之一,具体案件中应综合各类涉案因素进行判断。取款人在诈骗罪既遂前参与犯罪的,也可认定为共犯,同时,办案人员应采“失控说”的标准对诈骗罪是否既遂进行判断。     

基于视觉注意力和深度随机配置网络的高速公路团雾认知

团雾生成区域的气象环境较为复杂,对团雾的检测效率和精度有较大影响。针对这一问题,探索了一种基于视觉注意力和深度随机配置网络的高速公路团雾系统模型。首先,采用图像通道转换和高斯模糊滤波对输入图像预处理,构建归一化高质量的高速路面样本图像集合。其次,基于视觉注意力机制的构建团雾图像深度特征空间,以多层次差异化表征团雾气象特征信息。最后,基于深度随机网络构造团雾等级分类器,以获取快速高准确率分类模型。为验证方法的有效性,使用行车记录仪高速行驶图像样本构建训练及测试样本空间,并将此方法与其他模型方法进行对比实验。实验结果表明,此方法在模型认知精度和计算速度综合评价方面具有较大优势,能够有效适用于高速行驶过程的团雾气象预测预警。     

Ad Hoc网络移动节点的一种快速DOA估计算法的研究

研究了Ad Hoc网络中移动节点的一种快速DOA估计算法,此算法并非独立估计全部时刻的DOA,而利用曲线拟合方法,从前面时刻的DOA拟合成的曲线来获得后面时刻的DOA信息,因此节省了计算时间.算法中曲线拟合的精度决定了DOA估计的准确度和分辨率,采用了代数多项式、拉格朗日插值法和最小二乘法,对3种曲线拟合方法进行了误差分析.计算机仿真结果表明,最小二乘法的精度比较高.所得出的结论对这种快速算法在Ad Hoc网络中移动节点的估计有一定的参考价值.