摘 要:针对磁感应断层成像(MIT)因病态性和不适定性导致的重建图像伪影多、分辨率低的问题,提出一种基于共轭梯度算法与维纳滤波相结合的CG-Wiener融合图像重建算法。该算法结合共轭梯度法优化迭代方向以加速收敛,并利用维纳滤波在频域中抑制噪声干扰、增强信号特征。为验证算法性能,基于电磁场仿真软件构建多种电导率分布模型,并与线性反投影(LBP)算法、Tikhonov正则化算法以及传统共轭梯度算法的
摘 要:针对航空遥感图像中小目标密集、旋转多变及背景复杂等问题,提出了一种基于改进ConvNeXt的旋转目标检测框架ICRD。使用全维动态卷积(ODConv)在通道、滤波器与空间3个维度自适应分配权重,增强对旋转目标和小目标的特征捕获能力。结合ConvNeXt的大核深度卷积与C2f结构的跨层交互特性构建C2fX模块,以扩展感受野并提升多尺度特征融合效率。在浅层与深层引入全局注意力机制(GAMAtt
摘 要:空气污染问题日益突出,已经成为阻碍健康城市建设的关键问题。为解决这一问题,采用基于Transformer架构的空气污染预测模型AirFormer,通过采集气象数据、空气污染物数据,并在此基础上融合交通流量和周边城建等信息,综合考虑时空动态变化因素,以提高预测的准确性。同时引入可解释性机制,通过特征权重进一步分析不同因素对空气污染的影响变化规律。实验结果表明,模型的均方根误差(RMSE)和平
摘 要:为提高风电功率多步预测精度,提出了一种融合长期与短期特征的深度学习预测模型。首先,采用变分模态分解(VMD)将风电功率数据分解为高频和低频序列;随后,将得到的序列输入双向时间卷积网络(BiTCN)和双向门控循环单元(BiGRU)组成的并联结构中,并行提取短期和长期特征;最后,通过交叉注意力机制加权融合提取到长短期特征。实验结果表明,模型在风电功率的4步、8步、16步和24步预测中的R2 分
摘 要:由于密码学函数对输入存在一定约束,传统模糊测试存在测试效率低、测试用例生成及变异质量不佳的问题。提出了一种基于隔离式变异的密码学函数库模糊测试方法,根据目标函数基本约束构建分层结构化模板,并对关键参数进行随机初始化。在迭代测试阶段,将用于变异的测试用例以键值对形式解析,并针对各参数的值进行隔离变异。基于该方法实现的SKIM-Cryptofuzz原型工具在OpenSSL上测试的结果表明,该工
摘 要:在推荐系统中,用户行为数据通常存在高度稀疏性,并在对抗扰动下易导致性能下降,从而削弱结果可靠性。为此,提出一种信息增强的多样本对比学习方法,通过多视图表征与对比损失提升短序列行为的表征能力。在此基础上,进一步构建融合多任务学习与对抗训练的鲁棒推荐模型,引入自注意力机制提取扰动增强特征,并结合对抗对比损失与自适应损失权重提升抗扰性。实验结果表明,该模型在HR和NDCG指标上较基线方法平均提升
摘 要:为了解决联邦学习中的边缘异构性和隐私泄露的问题,提出了一种基于差分隐私的半异步联邦学习(FedSA-DP)机制。在通信优化层面,设计动态加权半异步聚合机制,通过松弛同步约束允许部分节点延迟更新,结合设备计算能力与信道状态的自适应权重分配,比传统FedAvg算法有效缩短整体训练时间74.8%。在隐私保护层面,创新性地构建多阶段高斯噪声注入方案,将差分隐私(DP)嵌入本地模型训练与参数传输全过
摘 要:针对工业物联网(IIoT)系统中,状态量和模拟量时间序列之间存在的时延异常问题,提出了一种基于时间序列相关性和长短期记忆(LSTM)的时延异常检测方法,即CLDAD。使用LSTM来学习状态量和模拟量时间序列之间存在相关性,把时间序列中的非正常时间延迟看成LSTM 异常情况。通过LSTM 支持的相关性,结合异常分数来设置动态阈值,构建状态量和模拟量时间序列的时延异常检测方法。实验结果表明,该
摘 要:针对复杂施工现场的数据隐私和实时安全检测问题,提出了一种针对施工现场隐私保护方法研究的联邦知识蒸馏学习框架FedSafety,集成MPI架构与RSA-OAEP/AES-256-GCM混合加密机制,结合多种教师知识蒸馏策略,实现隐私保护的YOLOv7联邦化部署。在包含17840张非独立同分布(Non-IID)施工图像(涵盖昼夜/遮挡场景)的5个区域数据集上验证表明:经30轮联邦训练后,模型准
摘 要:足底动静脉脉冲气泵系统是可加压于足底静脉丛,产生高速血流,对静脉进行冲刷,防止血栓形成,预防深静脉血栓形成的装置。针对现有设备存在的气压控制精度不足、响应速度慢以及未考虑温度对血栓形成的抑制作用等问题,开发了一种新型瞬时脉冲足底静脉泵的智慧医疗设备。当目标压力设定为10kPa时,根据下肢静脉血流的典型生理参数、气压测量电路、均方根(RMS)数据处理以及模糊PID控制算法,成功搭建了硬件电路
摘 要:随着知识产权申请需求不断攀升,传统专利审查方法在海量文本处理与精确语义匹配方面面临着挑战。现有的基于深度学习的专利相似性检索方法存在信息量多、复杂语义匹配不精确的问题。构建了大规模专利数据集,提出了一种基于混合编码架构的专利相似性分析模型。首先,模型通过交叉编码器生成高置信度的伪标签,弥补了专利标注句子对数据的不足;其次,采用双编码器架构对文本进行并行化独立编码,并生成语义向量,以实现高效
摘 要:针对现有的心脏病风险预测模型普遍存在准确率低和可解释性差的问题,提出了一种基于改进鲸鱼优化算法和集成技术的心脏病预测模型。首先,以随机森林为基础分类器与逻辑回归模型进行集成;其次,改进鲸鱼优化算法,使用改进后的算法调整模型的最优超参数;最后,评估模型并使用沙普利加性解释方法进行可解释性分析。使用多个公开数据集进行实验,结果表明该模型达到了96.8%的准确率,精确率为96.2%,召回率为97