基于TOPSIS模型的机场网络节点重要度评估

在机场网络中单个机场节点的失效往往会对其他的节点产生影响,特别是关键节点的失效会波及整个网络.准确客观的识别重要节点机场关乎整个机场网络的安全运营.本文分析了机场网络拓扑特性中的度、集聚系数和接近度指标,考虑了机场旅客吞吐量和所在城市人口等交通经济特性指标,使用熵权法确定权重的基础上,应用TOPSIS法构建综合评价体系模型,最后以华东地区机场网络为例进行节点重要度排序.结果表明与单一指标的评估结果相比,该方法更加全面客观的确定不同属性指标的权重,避免了不同指标取值的差异性,使评价更加全面,更符合机场网络实际运营情况.     

Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

层间单向耦合星形圆环状网络的同步能力

多层复杂网络同步是网络科学研究的一个前沿方向,目前对多层复杂网络同步性的研究大多集中在无向多层复杂网络上,而更加贴近于实际的多层有向网络研究很少.首先根据主稳定方程(MSF)严格计算出M层层间单向耦合星形圆环状网络的超拉普拉斯矩阵的特征值谱,并得到反映M层层间单向耦合星形圆环状网络同步能力的重要指标,其次讨论了M层层间单向耦合星形圆环状网络在同步域为有界和无界的两种情况下同步能力与层数、节点数、层间耦合强度和层内耦合强度及中心节点耦合强度之间的关系.最后通过数值模拟给出了层间单向耦合星形圆环状网络同步能力的仿真图像,验证了理论结果的有效性.     

基于极化-空间模超纠缠的量子网络多跳纠缠交换方法研究

基于纠缠交换方法进行多跳量子信息传输,是实现远距离量子网络通信的基本方式之一.传统的多跳量子网络通常使用单自由度极化光子纠缠态作为量子信道,信息传输容量较低且容易受到噪声的干扰.本文提出一种基于超纠缠的高效量子网络多跳纠缠交换方法,利用极化-空间模式两自由度的纠缠光子,建立超纠缠量子多跳信息传输通道.以远程超纠缠隐形传态的信道建立需求为例,首先给出了基础的逐跳超纠缠交换方案,为降低该方案的端到端超纠缠建立时延,提出在中间量子节点进行同时测量的并行超纠缠交换方案.在此基础上,为降低并行超纠缠交换的经典信息开销,进一步提出一种分级并行超纠缠交换方案.理论分析及仿真结果表明该方案的纠缠建立时延接近于并行超纠缠交换方案,但可以减少经典信息传输量,在一定程度上实现两者的平衡.相比传统的纠缠交换方法,本文方案有利于解决远程超纠缠通信的需求,对未来构建更高效率的量子网络有积极意义.     

粒间摩擦对含有点缺陷的二维颗粒堆积体底部力链的影响

力链对颗粒物质的宏观与微观力学性质起着决定性的作用。在离散元法的基础上,建立二维规则排列的颗粒物质系统,分别研究无缺陷颗粒系统在集中载荷变化与有缺陷颗粒系统在缺陷区域改变时,粒间摩擦系数对颗粒系统底部接触力分布规律的影响。结果表明:在无缺陷颗粒系统中,颗粒系统底部接触力的分布形式受摩擦系数和集中载荷的大小影响。随摩擦系数的增大,底部接触力由双峰形式经平台过渡,逐渐向单峰形式转变。在有缺陷颗粒系统中,摩擦系数和缺陷尺寸对底部接触力分布均有影响。同种载荷作用下,随缺陷尺寸的增大,底部接触力峰值显著增大;底部平均力被明显削弱,力向边界的传递增强。系统中轴线上缺陷的存在使底部中间区域受力削弱,当缺陷尺寸超过2层以上时,底部中间力随摩擦系数的变化特征由递增曲线演变为线形衰减曲线。     

基于DenseNet的散射成像景深拓展研究

针对拼接干涉测量技术除了引入拼接误差，还将引入机械运动误差的问题，为此提出一种X射线反射镜的非零位干涉测量方法，无需拼接便可实现零回程误差的高精度干涉测量。利用一块高精度平面镜来标定干涉系统在全视场范围内的回程误差。通过将待测非球面镜划分成多个子孔径，每个子孔径可近似看作一个平面，这样可以从标定数据库中找到该子孔径所对应的回程误差，通过简单的矩阵拼接可得到整个待测非球面镜的回程误差。以X射线椭圆柱面反射镜为例进行实验，实现X射线椭圆柱面反射镜非零位干涉测量面形的回程误差有效标定，相比于拼接干涉测量方法二者结果一致性较好，证实所提方法的正确性。     

连续音素的改进深信度网络的识别算法*

为提高连续语音识别中的音素识别率,提出一种基于改进并行回火训练的受限波尔兹曼机的音素识别算法。首先,利用经过等能量划分后的改进并行回火算法来训练受限玻尔兹曼机,接着将受限玻尔兹曼机堆叠组成一个深信度网络,从而作为深度神经网络预训练的基础模型,然后通过softmax层输出,得到用于音素状态后验概率检测的深度神经网络。接着,利用少量的标签数据,根据反向传播算法对网络权重进行微调。最后,将所得后验概率作为隐马尔科夫的发射概率,然后利用Viterbi解码器实现音素识别。在TIMIT语料库上的实验表明,识别率相比于传统的对比散度类算法提高了约4.5%,在不增加计算量的情况下比原始并行回火算法提高约1%。     

在线社交网络控制实验的现状与展望

在线社交网络已发展成为一个独特的电子生态系统，其应用深刻影响着人们生活的方方面面。由于在线社交网络特性复杂，分析在线社交网络形成和变化中的规律成为当前计算机科学、社会学和物理学的一项挑战。传统上，在线社交网络实证研究主要采用计算机辅助的被动数据获取和分析方式。近年来，在真实大规模在线社交网络上直接进行控制实验从而主动获取数据并开展分析研究的方式广受关注。评述了这一领域的研究进展，包括：社交网络控制实验的主要研究模式；控制实验方法在社交网络结构、信息传播、行为和心理学等领域取得的主要成果以及主要实验工具的适用条件和局限性。最后，展望了人工智能技术在社交网络控制实验中的应用潜力，分析了智能算法对降低实验成本和提高实验效率的作用。     

多层网络级联失效的预防和恢复策略概述

现实生活中,与国计民生密切相关的基础设施网络大多不是独立存在的,而是彼此之间相互联系或依赖的,于是用于研究这些系统的多层网络模型随之产生.多层网络中的节点在失效或者遭受攻击后会因"层内"和"层间"的相互作用而产生级联效应,从而使得失效能够在网络层内和层间反复传播并使得失效规模逐步放大.因此,多层网络比单个网络更加脆弱.多层网络级联失效产生的影响和损失往往是非常巨大的,所以对多层网络级联失效的预防和恢复的研究具有重大意义.就多层网络级联失效的预防而言,主要包含故障检测,保护重要节点,改变网络耦合机制和节点备份等策略.就多层网络发生级联失效后的恢复策略而言,主要包含共同边界节点恢复、空闲连边恢复、加边恢复、重要节点优先恢复、更改拓扑结构、局域攻击修复、自适应边修复等策略.