久久夜色精品-久久亚洲最大成人网4438-久久亚洲综合伊人-久久亚洲综合-欧美日韩成人在线-欧美日韩成人高清在线播放

在巖心面陣相機開發中，可以使用基于學習的超分辨率技術來提升巖心圖像的分辨率。針對現有超分辨率技術在重建巖心圖像時存在的細節模糊或色彩偏差等問題，提出了一種基于深度卷積神經網絡的Raw格式巖心圖像超分辨率重建算法。首先，模擬相機圖像處理器的線性處理部分合成線性圖像數據集；然后，通過一個雙層卷積神經網絡，分別訓練高低分辨率圖像之間的紋理、色彩映射關系；最后，用重建出的線性高分辨率圖像模擬相機圖像處理器的非線性處理部分，獲得紋理清晰且色彩逼真的巖心重建圖像。實驗結果表明，本文提出的重建算法提升了巖心圖像的重建效果。

基于仿生學原理的撲翼飛行器因質量輕、體積小、靈活性好、隱蔽性高等優點在軍事和民用領域應用廣泛，實現撲翼飛行器的微型化是未來發展方向。首先介紹了微型仿生撲翼飛行器的概念和特點，分析了研究背景和國內外研究現狀及成果，在此基礎上，就實現微型仿生撲翼飛行器需要解決的關鍵技術和難題進行了討論，最后對我國微型仿生撲翼飛行器的應用前景作出展望。

網格參數化作為數字幾何處理的基本工具，在游戲娛樂、工程設計、仿真模擬等多種領域有著廣泛的應用背景。傳統的網格參數化方法大多通過求解線性系統或者非線性系統獲得結果，存在著求解速度慢、不夠魯棒的問題。提出了一個基于圖卷積網格自編碼器的網格參數化模型，采用了圖卷積網格自編碼器的編碼部分與自行構建的參數化解碼部分結合的方式生成網絡，使用一類人臉網格數據集作為網絡訓練數據，并與傳統優化算法進行對比。結果表明，使用建立的網格參數化模型，在保證參數化效果的同時，獲得參數化結果的速度比SLIM(Scalable Locally Injective Mappings，SLIM)算法快68%，比PP(Progressive Parameterizations)算法快約4倍。

介紹了一種新的分層聚類算法，該聚類算法的主要目的是利用交點提供更好的聚類質量和更高的準確性。為了驗證該聚類算法，對基準數據集進行了幾次實驗，并與其他五種廣泛使用的聚類算法進行對比。使用純度作為外部標準來評估聚類算法的性能，并計算了由聚類算法得出的每個聚類的緊密度，以評估聚類算法的有效性。實驗結果表明，在大多數情況下，該算法的錯誤率低于研究中使用的其他聚類算法。

準確性與質量對于知識庫而言尤為重要，盡管已經有很多關于知識庫不完整性的研究，但是很少有工作者考慮到對于知識庫存在的錯誤進行檢測，按照傳統方法通常無法有效捕捉知識庫中錯誤事實內在相關性。本文提出了一種知識庫具有關系敏感嵌入式方法NSIL，以獲取知識庫各關系之間的相關性，從而檢查出知識庫中的錯誤，以此提高知識庫的準確性與質量。該方法分為相關性處理和錯誤檢測兩階段。在相關性處理階段，使用NSIL的相關函數以分值形式獲取各關系之間的相關度；在錯誤檢測階段，基于相關度分值進行錯誤檢測，對于缺失主體或客體的三元組進行缺失成分預測。最后在知識庫之一Freebase生成的基準數據集“FB15K”上進行了廣泛驗證，證明了該方法在知識庫錯誤知識檢測方面有著很高的性能。

立方攻擊是一種新型的代數分析方法，剛提出時對密碼算法的分析效果并不理想。但是在引入多重集合可分性、可分路徑的概念之后，立方攻擊的過程轉化為求解混合整數線性規劃問題,再使用數學軟件進行計算，大大提高了其分析能力。梳理了立方攻擊的技術脈絡，論述了其最新進展，給出了立方攻擊亟待解決的研究問題，這將有助于掌握立方攻擊的最新技術，便于開展對分組密碼、序列密碼和哈希函數等密碼算法的分析工作。

網絡安全已是國家戰略。從事信息系統安全集成服務企業的服務能力，對于信息系統建設具有重要的影響。安全集成服務認證作為一項自愿性認證受到廣大IT企業的認可。在從事安全集成服務認證審核中，發現依然存在一些共性方面的問題。剖析安全集成服務內涵，總結分析企業在安全集成服務能力方面存在的問題及產生問題的主要原因，對于企業安全集成服務能力提升提出一些建議。

工業控制系統現已廣泛應用在油田行業，隨著兩化融合、智慧油田建設進程的加速，油田工控網絡從相對封閉到趨于開放，工控系統的脆弱性和外部威脅被進一步放大，嚴重影響著國家油田行業的安全生產、穩定運營。從油田工控實際需求出發，依據工業控制系統等級保護擴展要求，結合油田工業控制系統協議多樣、設備可靠性要求高、安全機制不能影響實時性等特點，從安全通信網絡、安全區域邊界、安全計算環境、安全管理中心等方面著手，研究貼合油田行業特征的工控網絡安全解決方案。

物聯網時代悄然而至，然而物聯網技術在給人們帶來方便的同時，其安全問題也日趨突出。針對物聯網存在的網絡入侵安全問題，提出GWO-SVM算法實現網絡入侵檢測。灰狼優化算法(GWO)具有收斂速度快、全局搜索能力強等優點，將GWO用于優化支持向量機(SVM)的參數選擇，有助于提升分類模型的準確率。同時通過調整適應度值函數，避免分類模型過擬合。在UNSW-NB15數據集上，將GWO-SVM分類算法與SVM、PSO-SVM、GA-SVM分類算法進行對比，實驗結果表明，GWO-SVM算法具有更高的分類準確率和性能，適用于物聯網環境下的網絡入侵檢測。

隨著新能源汽車市場規模的增長，電池管理系統(Battery Management Systems，BMS)的市場需求也進一步擴大。作為保障電池安全及延長電池壽命的BMS而言，動力鋰電池組的荷電狀態(State of Charge，SOC)估算是BMS研究的重點。在研究了安時積分法估算SOC時受SOC初始值影響較大，且具有累積誤差的問題，以及擴展卡爾曼濾波算法(EKF)估算SOC時收斂較慢的基礎上，采用二階RC等效電路模型對鋰電池進行建模分析，針對鋰電池各參數受SOC變化的影響，引進無跡卡爾曼濾波(UKF)算法，給出了鋰電池的SOC仿真實驗。實驗結果表明，該種基于UKF的估算方法對SOC的估算更準確，誤差更小且收斂速度快，對傳統采用定值電池參數BMS的改進具有重要意義。

針對工業控制系統中Modbus_TCP協議存在的諸多安全隱患問題，提出了基于機器學習的Modbus_TCP通信異常檢測方法，分析了Modbus_TCP報文類型與結構特點，介紹了機器學習中決策樹分類模型算法的實現過程，建立了Modbus_TCP協議的模擬通信，使用了Scapy工具構造偽報文實現異常檢測。設置了樸素貝葉斯分類模型、邏輯回歸分類模型和傳統支持向量機分類模型的實驗與之對比，并且對模型的準確率、誤報率、漏報率和時間性能進行分析。分析結果表明，決策樹分類模型準確率高，消耗時間短，具有一定的優越性。

基于運行數據對壓磚設備健康狀態進行分析，對于降低設備故障率、提升壓磚成品質量具有重要意義。現有方案大多數局限于離線人工分析，實時性差且推廣效率低。針對上述問題，基于阿里云機器學習平臺設計了壓磚設備健康狀態分析方法，基于聚類方法構建了壓磚設備健康狀態模型，在無需先驗知識的情況下，對于壓磚設備的工作、待機、異常等健康狀態實現了建模。進而，將該模型部署于云計算平臺上，通過周期性的數據導入與分析實現了壓磚設備健康狀態的在線分析。最后通過實例證明了該方法的有效性。

埋地鋼質管道缺陷識別及評估是管道檢測領域中長期存在的難點之一，而實現對管道缺陷準確分類的前提是管道損傷信號的精準提取，針對埋地管道缺陷信號特征提出一種基于稀疏建模和支持向量機(SVM)的管道缺陷信號提取與識別方法。通過從原始信號中學習獲得字典，將該字典采用正則化正交匹配追蹤算法構建缺陷信號稀疏模型，并根據壓縮感知理論獲得信號的特征向量。進一步，采用多分類SVM將缺陷信號的特征向量與管道實際缺陷類型建立映射關系，并通過遺傳粒子群優化算法指導SVM參數選取。結果表明：提出的分類方法可實現對管道缺陷損傷程度的準確劃分，該方法已經成功通過實驗室驗證，并成功應用于華北某油田的工程領域檢測。