基于帧间差分与码本模型的运动车辆检测算法

针对复杂背景下的视频车辆检测问题,采用一种在YUV空间下基于改进的帧间差分与简化码本模型相结合的运动车辆检测方法.首先,对亮度信号建立背景的码本模型,在模型训练中通过帧间差分提高训练速度.其次,在检测阶段引入分块思想,根据分块帧差提取粗略的前景像素,再用码本模型得到准确的前景车辆.视频测试实验结果表明,改进后的方法在树枝晃动、光照变化、前景融人背景的情况下能准确检测出运动车辆,具有较好的实时性和鲁俸性.     

基于传递矩阵法的车辆传动系统扭转振动分析

详细介绍了利用传递矩阵法来计算传动系统的固有频率及其模态的数值算法,讨论了各种模型的传递矩阵的建立方法.在多轴模型中运用了扩展的传递矩阵,简化了计算.将边界状态向量应用到建模中,用以方便边界条件的施加.讨论了多回转轴系统自由振动和强迫振动的建模过程和求解方法.最后以一个简化了的车辆传动系统来说明软件中建模和求解过程的实现.     

基于凹点匹配的黏连车辆图像分割方法

在利用智能交通监控系统对过往车辆进行检测时,车辆之间相互重叠、黏连的图像会给车辆计数和特征提取带来很大困难。本文针对车辆黏连图像提出一种简单快速的凹点匹配分割算法。该算法主要通过计算黏连车辆的凸闭包,得出黏连区域的凹区;再根据点到特定对角线的最小或最大距离,确定原图像的凹点集合;最后选择最优分割线对黏连车辆进行分割。仿真结果证实该算法精度高,并且稳定性好。     

基于实时信息的取送货动态车辆路径问题研究

为适应点对点、实时城市配送对动态响应和快速决策提出的新要求, 研究了多种实时信息作用和影响下的取送货动态车辆路径问题. 采用将动态问题转化为一系列静态问题的建模方法, 建立了基于实时信息的取送货动态车辆路径模型; 设计了动态算法框架, 运用构造算法获得初始可行解, 运用禁忌搜索算法改善初始可行解质量. 实验表明, 本文的模型和算法能有效解决基于实时信息的取送货动态车辆路径问题, 将初始可行解的质量(实时物流配送成本)改善了34%.     

基于免疫原理的防火墙模型

针对传统防火墙技术的弱点，根据计算机免疫学的原理，提出了基于免疫原理的自适应防火墙模型。该模型是两层结构，第一层采用目前传统的防火墙技术，第二层是以免疫原理为基础的免疫层。采用规则树编码的识别器，通过第一层采集self和nonself集中的元素，经过学习，获得self和nonself的主要特征，产生动态规则，以自适应的方式解决第一层出现的漏洞，并利用演化计算的原理对识别器进行演化。该防火墙模型具有一定的自适应性和动态性。     

基于最优质量传输的Focus+Context可视化

在分辨率有限的显示设备上，Focus+Context技术可用于大型复杂模型的可视化。提出了一种基于最优质量传输的Focus+Context可视化方法。通过最优质量传输映射，对自身进行体积变形，将源测度（体素）转换为传输成本最小的目标测度；将求解最优质量传输问题等价于凸优化过程，转换为计算几何中经典的幂Voronoi图计算。与现有方法相比，本文方法具有坚实的理论基础，保证了解的存在性、唯一性和平滑性；允许用户精确控制目标测度，选择多个形状不规则的聚焦区域，使产生的变形是全局平滑的，并可自由翻转。用于自医学应用和科学仿真的几项体数据集，证明了所提方法是有效和高效的。     

基于COM+的WebGIS系统设计与实现

针对目前主流的WebGIS平台开发技术,如CGI、Server API、Plug-ins、ActiveX、Java等存在的缺陷,提出了一种新的基于COM+技术实现WebGIS的系统框架,对系统实现的技术基础和系统架构进行了论述,对系统实现中的3个关键问题提出了解决方案,给出了系统运行的实例.应用实例表明,该解决方案具有充分利用服务器资源、支持多用户并发操作、较高的系统安全性以及与客户端平台无关等优点,具有较高的实用价值和较好的应用前景.     

基于进程行为的防沉迷模型

防沉迷系统监控的软件大多是娱乐型软件,如游戏、视频、音频等,传统的防沉迷系统一般仅针对软件使用者的身份加以鉴别和监管,对软件本身的行为不作分析。对于此类娱乐进程运行时表现出来的行为特征,提出一种基于进程行为分析的娱乐进程监控系统模型。动态收集进程运行时产生的行为数据,通过基于迭代、分类、阀值比较的识别算法来判定出娱乐进程,进而对其使用时间进行监控。通过收集的数据和测试实验,验证该模型的可行性和有效性。     

基于GBRT模型的交通事故预测

道路交通安全水平的重要标志就是道路交通事故发生量.为解决当前交通事故量预测精度不高、时间拐点数据预测效果差的问题,以及在交通管理系统中提供更加准确的预测数据帮助交通管理部门做出科学的决策,本文针对我国年周期交通事故建立了基于GBRT(Gradient Boosted Regression Tree)的交通事故模型.通过训练交通事故相关数据对未来交通事故死亡人数进行预测,并与多种回归模型、神经网络模型进行对比实验,结果显示GBRT模型具有拟合效果佳、训练时间短、高鲁棒性的优势,能够更准确、高效的对交通事故安全水平进行预测.     

基于知识的多媒体创作模型

通过对传统方法进行分析,引入语义网络的知识表示方法,将面向对象技术与超媒体方法相结合,提出了一个基于知识的多媒体创作模型（ＫＡＭ）,给出了ＫＡＭ模型的形式化定义,并对该模型的结构进行了讨论．ＫＡＭ模型具有以下特点：（１）支持结构与内容的分离;（２）支持复合机制;（３）基于语义的导航,有效地避免了在交互性系统中的迷路问题;（４）独立的链服务功能和管理功能,保持系统的开放性、可扩充性     

基于BERT-LSTM的答案选择模型

目前主流答案选择算法主要首先基于word2vec/glove进行词语表示,再使用RNN或CNN提取文本语义特征,但word2vec/glove无法解决一词多义问题,RNN和CNN在文本全局特征提取方面也有局限。针对以上不足,论文提出一种基于BERT预训练模型的答案选择算法BERT-LSTM,首先采用BERT模型提取问答文本的语义特征表示,再利用BiLSTM加强文本序列信息并整合文本语义,最后引入注意力机制突出重点信息,以此完成答案选择任务。在答案选择基准数据集InsuranceQA和WiKiQA上的测试验证了所提出算法的有效性。     

基于可信计算的车联网云安全模型

基于可信计算的思想,提出基于可信计算的车联网云计算安全模型的架构;针对车载通信设备提出了身份认证和信任度评估的框架,并在该框架基础上给出了密钥管理结构和移动节点认证过程;在车联网云平台的各个虚拟机上构建起基于TPCM(trusted platform control module)的信任链,以此为基础为车联网云提供一个安全的运行环境.     

基于可信代理的访问控制模型

基于Agent技术,通过引入可信平台模块(TPM)并扩展系统信任链,提出一种新的层次化可信系统架构,在不可信的服务器与不可信的用户之间建立信任关系,实现了两者之间安全可靠的互操作.在TPM的支持下,从保密性和完整性两个维度以及能力和属性两个方面对数据访问操作的主客体进行量化评级,确定访问规则,实现了保密性与完整性相统一的安全访问策略,降低了用户与服务器被攻击的风险,保障了系统的可信运行,与现有的访问控制策略相比具有更高的安全性.     

混合ACC车辆与人工驾驶车辆的交通流数值模拟

针对自动驾驶汽车与人工驾驶汽车混合通行的新型交通流模式,基于元胞自动机交通流模型,分别建立了人工驾驶汽车以及装有自适应巡航系统(ACC)车辆的运动规则,进而提出了混合ACC车辆与人工驾驶汽车的交通流模型.基于ACC车辆的常车头时距策略,分析了车头时距取值对交通流的影响,经过与实测数据比较,推荐了合适的车头时距值.研究结果显示,新型的混合交通流中依然存在自由流、同步流及宽幅运动阻塞,但是单纯ACC车辆交通流在中高密度区域则会出现均匀流动现象.车辆时空演化图显示ACC车辆的出现有利于提高交通流的整体流量、有效减少车辆集簇.研究结果可以为新型交通环境下的交通工程规划和建设提供理论指导.     

基于实测横摇角的客滚船车辆安全装载方案研究

为验证航区风力达到7级时车辆不绑扎方案的可行性,开展了跟船实测最大横摇角等数据的工作,结合惯性力的计算方法,对装载车辆的安全性进行校核.结果表明:实际风力7级时,典型客滚船装载车辆不绑扎也不会滑移和倾覆;但当有涌浪等特殊海况时,横摇角超过10°时,不绑扎装载车辆不安全.根据校核结果,提出了简单实用、易于推广的车辆安全装载方法.     

基于BiLSTM+Attention的体育领域情感分析研究

针对体育领域情感分析资源不足、分析性能不高的现状,对体育领域的情感分析开展了研究.首先从"新浪体育"和"直播吧"等平台经过人工筛选、标注,构建了中文情感标注语料库CH-SPORT,共标记评论10 000条,其中积极评论5 000条,消极评论5 000条.然后选用了SVM、TextCNN、BiLSTM、RCNN、fastText、BiLSTM+Attention等模型对CH-SPORT进行了评估.实验结果表明,BiLSTM+Attention模型在CH-SPORT上的分类效果最佳,Acc为87.75%,比基准数据集ChnSentiCorp和NLPCC2014分别高出18.65%、11.75%.本文构建的数据集能有效应用于体育情感分析研究中.     

基于模糊识别的三维模型检索

提出了基于2D图像模糊识别的3D模型检索的方法。该方法根据人识别习惯模式,从6个方向采集3D模型的2D图像。考虑到人眼对色差的敏感的特点,采用适当的均匀色空间,建立各2D图像的纹理特征。然后对这些纹理特征采用模糊C-均值算法建立模糊集,这些模糊集用于模拟人对图像模糊认识,模糊集对图像变形具有鲁棒性,故提高了提取特征的稳定性和灵活性,同时改善了检索效果与人识别效果的一致性。     

基于AM-BiLSTM模型的情绪原因识别

文本情绪原因识别是情感分析中一个新的研究方向,旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题,本文提出了一种基于注意力机制和双向长短时记忆(attention model and bi-directional long short-term memory,AM-BiLSTM)神经网络模型的情绪原因识别方法。该方法采用字符向量表示文本语义信息,使用BiLSTM模型提取文本特征,该过程结合了人工提取的子句特征,在训练模型时,引入了注意力机制来优化模型性能,使用softmax对子句进行分类。实验结果表明本文方法对情绪原因的识别是有效的。     

基于模型设计的信息噪声剔除

基于模型设计的思想,给出一种先进的多、快、好、省的陷波器设计方法和流程.充分利用Matlab/Simulink资源,使得音源的频谱分析、滤波器参数的选择、陷波器模型的创建、模型的功能验证、HDL代码的自动生成、Modelsim仿真、陷波器性能的主观评价等都能在可视化的虚拟平台上轻松实现.从设计概念到硬件实现,环环紧扣,步步深入,一气呵成.并从三个层面上验证与确认了滤波器的性能,使所设计的陷波器无论从频谱上看,还是通过耳朵的主观评价,都达到了比较满意的陷波效果,是一个比较理想的陷波器设计范例,对数字滤波器的设计具有较好的借鉴作用.