亚洲精品二三区,欧美高清视频www夜色资源网,欧美日韩免费不卡视频一区二区三区

頭條

使用有安全保障的閃存存儲構建安全的汽車系統

使用有安全保障的閃存存儲構建安全的汽車系統

在現代汽車嵌入式系統中，高度安全的數據存儲是必不可少的，尤其是在面對日益高明的網絡攻擊時。本文將介紹設計師正確使用閃存的步驟。

最新設計資源

基于Flink框架的TopN堆排序優化算法[其他][其他]

為了解決大數據TopN排序問題，將傳統的堆排序進行優化，闡述了優化后的HeapOptimize方法的處理過程。HeapOptimize方法基于Flink框架來完成TopN作業，可以實時地接收并處理大量的數據，根據單位時間需要處理的數據數量來調整算子的并行度，增加Flink框架的吞吐量，提高處理數據的速度。通過實驗測量的數據結果佐證了HeapOptimize方法的優勢。

發表于：12/15/2020

基于改進馬爾科夫特征的圖像拼接檢測研究[通信與網絡][信息安全]

針對傳統馬爾科夫特征拼接檢測準確率不高的問題，提出了一種有效的馬爾科夫特征提取方法。與傳統馬爾科夫特征的計算過程不同，只計算水平和垂直兩個方向的轉移概率矩陣，選擇四個轉移概率矩陣中對應位置求和后的值作為最終特征。求和操作不僅降低了特征維度，而且使真實圖像與拼接圖像之間的概率分布區分更加明顯。所提出的算法的特征維度與數據集無關。該方法在哥倫比亞彩色拼接檢測圖庫、CASIA V1.0和CASIA V2.0數據集上測試的準確率分別為94.38%、99.19%、96.02%。

發表于：12/15/2020

基于DAPA的卷積神經網絡Web異常流量檢測方法[測試測量][通信網絡]

針對Web攻擊流量檢測問題，提出一種基于動態自適應池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷積神經網絡模型。首先將數據集中每一條請求流量進行剪裁、對齊、補足等操作，生成一系列50×150的矩陣數據A作為輸入，然后搭建基于動態自適應的卷積神經網絡模型去進行異常流量檢測，使之可以根據特征圖的不同，動態地調整池化過程，在網絡結構中添加Dropout層來解決流量特征提取過程中的過擬合問題。實驗表明，該方法比未使用動態自適應池化的方式精確度提升了1.2%，損失值降低了2.6%，過擬合問題也得到了解決。

發表于：12/15/2020

基于KNN的剩余油形態識別[其他][其他]

對從實驗中采集到的剩余油圖像進行分析研究，可以為油藏后期開采提供理論依據。通過收集確定類型的剩余油特征數據作為樣本集向量空間，對待分類剩余油特征數據進行歸一化處理，之后求取歐氏距離。使用KNN（K近鄰）分類方法近鄰投票確定剩余油類別，可以較為快速準確地得到分類結果。

發表于：12/15/2020

基于方面情感的層次化雙注意力網絡[人工智能][信創產業]

基于深度學習的方面級情感分析，結合注意力機制的神經網絡模型取得較好的分類效果，但常用方法僅考慮單一層面注意力機制，且無法獲取句子間依賴關系。設計了一種層次化的雙注意力神經網絡模型用于方面級情感分析，針對特定方面引入方面目標的注意力機制以及文本上下文自注意力機制，獲取方面特征信息和句子的全局依賴信息；設計層次化GRU網絡，其中單詞層嵌入特定方面信息，獲取針對方面目標的句子內部特征信息，句子層網絡通過雙注意力機制和詞語層的輸入，獲取句子間的特征依賴信息，從而實現深層次的方面情感分類。在SemEval 2014兩個數據集和Twitter數據集上進行對比實驗，驗證了該方法的有效性，針對方面級情感，分類準確率均得到了有效提升。

發表于：12/15/2020

基于疲勞駕駛的人眼定位方法研究[人工智能][工業自動化]

人眼定位是疲勞駕駛的研究關鍵。由粗到精，先后進行了人臉檢測、瞳孔定位。針對現有方向梯度直方圖人臉檢測算法泛化能力不佳的問題，提出了一種基于信息熵加權的HOG特征提取算法，該算法將待分類的人臉特征進行信息熵閾值加權，形成新的HOG特征，然后通過支持向量機進行分類；針對現有瞳孔定位算法準確率不高的問題，提出了多算法協同工作的瞳孔定位方法，以自商圖為基準尋找二值分割點，實現了眼部區域光照不變性，以灰度積分投影為依據實現了瞳孔精確定位。實驗結果表明，該文提出的人臉檢測算法在CelebA驗證數據集準確率可達到98.26%，較傳統識別方法有更高的準確率；而瞳孔定位算法也可達到令人滿意的精確度，提高了瞳孔定位的準確性。

發表于：12/15/2020

基于頻域注意力時空卷積網絡的步態識別方法[模擬設計][信創產業]

為了解決步態信息冗余多、特征重要性分布不均勻以及步態的時空特征難以學習的問題，提出了基于頻域注意力的時空卷積網絡進行步態識別。該方法改進了三維卷積網絡(C3D)學習時空特征，同時提出了一種頻域注意力卷積操作，既減少了冗余計算，注意力的調整又提高了學習效果。網絡首先將步態信息劃分為五組，然后通過改進的卷積進行時空特征抽取，最后通過Softmax層進行分類。在中科大數據集CASIA dataset B中進行測試，在Bag狀態與Coat狀態下準確率分別為88.5%、92.8%，分別較傳統深度卷積網絡(Deep CNN)提升3%左右，同時注意力在網絡學習中重新分布，各個角度下的準確率也平均提升2%左右。

發表于：12/15/2020

基于雙流卷積神經網絡和生成式對抗網絡的行人重識別算法[人工智能][信創產業]

近年來，針對行人重識別問題的深度學習技術研究取得了很大的進展。然而，在解決實際數據的特征樣本不平衡問題時，效果仍然不理想。為了解決這一問題，設計了一個更有效的模型，該模型很好地解決了目標的不同姿態的干擾以及數據集中的圖片數量不足的問題。首先，通過遷移姿態生成對抗網絡生成行人不同姿勢的圖片，解決姿態干擾及圖片數量不足的問題。然后利用兩種不同的獨立卷積神經網絡提取圖像特征，并將其結合得到綜合特征。最后，利用提取的特征完成行人重識別。采用姿勢轉換方法對數據集進行擴展，有效地克服了由目標不同姿勢引起的識別誤差，識別錯誤率降低了6%。實驗結果表明，該模型在Market-1501和DukeMTMC-Reid上達到了更好的識別準確度。在DukeMTMC-Reid數據集上測試時，Rank-1準確度增加到92.10%，mAP 達到84.60%。

發表于：12/15/2020

基于稀疏建模和SVM的管道缺陷分類方法研究[其他][其他]

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。

發表于：12/15/2020

干線動態協調控制的深度Q網絡方法[人工智能][工業自動化]

為有效降低城市交通干線的車均延誤與停車次數，將深度Q網絡引入干線協調控制，給出了一種干線動態協調控制的DDDQN(Dueling Double Deep Q Network)方法。該方法結合雙重深度Q網絡與基于競爭架構深度Q網絡，并將干線作為整體處理，通過深度神經網絡挖掘干線各交叉口協調控制的相關性，基于Q學習進行交通信號控制決策。通過仿真實驗，在近飽和流量和干線存在初始排隊的情況下，將DDDQN方法與現有綠波方法，以及經典深度Q網絡、雙重深度Q網絡、基于競爭架構深度Q網絡的干線協調控制算法進行對比，實驗結果表明基于DDDQN的干線動態協調控制算法性能優于其他四種方法。

發表于：12/15/2020

基于云平臺的壓磚設備健康狀態分析方法設計[模擬設計][工業自動化]

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。

發表于：12/15/2020

基于機器學習的Modbus_TCP通信異常檢測方法研究[模擬設計][工業自動化]

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。

發表于：12/15/2020

一種基于UKF的SOC估算方法[其他][汽車電子]

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。

發表于：12/15/2020

基于GWO-SVM算法的物聯網入侵檢測研究[其他][物聯網]

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。

發表于：12/15/2020

云計算中心運維數據可視化研究[通信與網絡][數據中心]

針對云計算中心運維數據分散、可視化程度低等問題，提出了建設基于InfluxDB和Grafana的云計算中心運維指標可視化平臺。該平臺從多個維度對運維數據進行展示，使用戶能夠全面了解云計算中心運行情況，提高運維管理工作的效率。

發表于：12/15/2020

亚洲一区二区欧美_亚洲丝袜一区_99re亚洲国产精品_日韩亚洲一区二区

亚洲激情网址| 欧美视频在线观看免费网址| 91久久久亚洲精品| 午夜精品亚洲| 麻豆成人综合网| 国产一区二区三区久久| 欧美性猛交99久久久久99按摩 | 欧美一区二区三区四区高清| 一区二区动漫| 亚洲免费成人av| 亚洲国产日韩在线| 亚洲欧美99| 亚洲电影第三页| 狠狠久久亚洲欧美专区| 久久嫩草精品久久久精品一| 欧美一区在线直播| 欧美有码视频| 久久国产精品一区二区三区四区 | 一本色道久久综合| 国产日韩在线看片| 国产欧美日韩免费| 国产丝袜一区二区| 国产综合色精品一区二区三区 | 久久免费偷拍视频| 国产自产精品| 亚洲中字黄色| 亚洲精品美女久久久久| 欧美综合国产| 亚洲电影专区| 亚洲国产欧美日韩精品| 国产偷国产偷亚洲高清97cao| 亚洲国产精品视频| 国产精品久久久久免费a∨| 国产精品久久久久久户外露出| 欧美视频久久| 国产精品一页| 国产综合视频在线观看| 亚洲国产导航| 99热在这里有精品免费| 亚洲影院在线| 久久av二区| 亚洲免费成人av电影| 亚洲专区在线视频| 久久精品官网| 欧美国产高清| 国产精品爱啪在线线免费观看| 国产精品揄拍500视频| 伊人久久大香线| 亚洲精品一区二区三区婷婷月 | 亚洲视频一区| 欧美在线观看视频| 亚洲免费激情| 欧美一区二区三区的| 麻豆成人在线观看| 欧美午夜视频网站| 国产真实乱子伦精品视频| 亚洲欧洲视频| 亚洲欧美综合另类中字| 亚洲日本在线观看| 亚洲与欧洲av电影| 久久这里有精品15一区二区三区| 欧美国产免费| 国产精品资源在线观看| 亚洲人成亚洲人成在线观看| 亚洲影院在线观看| 亚洲美女淫视频| 久久爱91午夜羞羞| 欧美国产精品一区| 国产亚洲视频在线| av不卡免费看| 亚洲国产日韩欧美一区二区三区| 亚洲在线成人精品| 欧美成人在线影院| 国产精品永久入口久久久| 最新国产精品拍自在线播放| 午夜视频在线观看一区二区| 亚洲视频大全| 欧美成人精品在线| 国产亚洲欧美激情| 中文一区二区| 日韩西西人体444www| 久久久久久久波多野高潮日日| 欧美视频专区一二在线观看| 亚洲第一搞黄网站| 欧美一区二区黄色| 亚洲综合不卡| 欧美日韩精品福利| 亚洲第一精品久久忘忧草社区| 亚洲欧美日韩在线不卡| 中国成人亚色综合网站| 免费成人性网站| 国内精品福利| 亚洲欧美经典视频| 亚洲尤物在线| 欧美日韩亚洲一区二区三区| 亚洲二区三区四区| 久久国产精品久久久久久久久久| 亚洲欧美怡红院| 欧美色图五月天| 亚洲精品三级| 日韩写真在线| 欧美激情一二区| 亚洲高清自拍| 亚洲激情午夜| 玖玖玖国产精品| 国语自产偷拍精品视频偷 | 欧美黄色免费网站| …久久精品99久久香蕉国产| 欧美一区二区三区四区视频| 午夜一区在线| 国产精品久久久999| 夜夜爽夜夜爽精品视频| 一本久久综合亚洲鲁鲁| 欧美精品aa| 亚洲经典一区| 日韩天堂在线视频| 欧美激情按摩在线| 亚洲激情中文1区| 日韩视频在线播放| 欧美精品粉嫩高潮一区二区 | 国产无一区二区| 午夜伦欧美伦电影理论片| 午夜日本精品| 国产九九视频一区二区三区| 亚洲综合色激情五月| 亚洲欧美国产高清va在线播| 国产精品mv在线观看| 国产精品99久久久久久宅男 | 久久精品123| 国产午夜精品全部视频在线播放| 亚洲免费视频观看| 久久av资源网| 好吊一区二区三区| 亚洲高清色综合| 欧美激情麻豆| 洋洋av久久久久久久一区| 亚洲一区黄色| 国产区亚洲区欧美区| 欧美一区日韩一区| 毛片精品免费在线观看| 欧美怡红院视频| 久久久久久久综合色一本| 欧美在线www| 久久精品国产视频| 午夜在线精品| 国产一区二区精品在线观看| 亚洲大胆人体在线| 亚洲靠逼com| 欧美激情第8页| 亚洲丁香婷深爱综合| 久久久久免费观看| 国模吧视频一区| 91久久综合亚洲鲁鲁五月天| 欧美护士18xxxxhd| 在线视频欧美一区| 久久久www成人免费毛片麻豆| 在线观看欧美日韩| 一区二区三区免费在线观看| 国产精品日韩在线一区| 久久精品99久久香蕉国产色戒| 欧美精品18+| 亚洲欧美变态国产另类| 欧美日韩国产精品免费观看| 99热这里只有精品8| 久久久久99| 亚洲精品你懂的| 欧美一级视频免费在线观看| 在线不卡欧美| 亚洲专区一区| 在线观看三级视频欧美| 中文国产成人精品久久一| 国产亚洲亚洲| 一区二区三区av| 国产一区二区久久久| 一本一本久久a久久精品综合妖精| 国产精品一区在线观看你懂的| 亚洲激情自拍| 国产精品视频内| 亚洲精品视频免费在线观看| 国产精品欧美在线| 亚洲精品国产精品国自产观看浪潮 | 亚洲国产精品成人一区二区| 亚洲国产老妈| 欧美理论电影在线播放| 亚洲盗摄视频| 亚洲激情不卡| 欧美人在线视频| 在线免费精品视频| 亚洲男人第一网站| 亚洲风情在线资源站| 午夜日韩在线| 亚洲日本成人| 久久综合伊人77777麻豆| 红桃视频一区| 欧美理论大片| 亚洲欧美精品中文字幕在线| 欧美电影免费观看高清完整版| 亚洲欧美日韩中文视频| 欧美精品自拍偷拍动漫精品| 欧美在线资源|