摘要：研究了利用贝叶斯网络不确定推理技术实现端到端服务故障诊断的方法,详细描述了贝叶斯网络故障诊断模型的建立方法,设计了基于Pearl信念传播机制的故障诊断算法,并对其进行了改进,以提高诊断效果.最后,通过仿真验证了该方法的有效性,并提出了下一步的研究方向.

摘要：近年来,随着无人驾驶、无人机智能化、移动互联网的发展,低功耗、低算力的移动和嵌入式平台对轻量化的神经网络需求日益迫切。文中基于可变形卷积和深度可分离卷积思想的启发,提出了一种低开销可变形卷积,其兼具了可变形卷积的高效特征提取能力和深度可分离卷积的低运算量的优点。此外,在应用低开销可变形卷积的基础上,结合模型结构压缩的方法,设计了4种MobileNet网络再轻量化的方法。在Caltech256,CIFAR100和CIFAR10数据集上进行了实验,结果表明,低开销可变形卷积在运算量增加不明显的情况下,可以有效提高轻量级网络的分类准确度。并且,结合所提出的4种MobileNet再轻量化方法,可以将MobileNet网络的准确度提高0.4%~1%,与此同时网络运算量可以下降5%~15%,即显著提高了轻量化网络的各项性能,更加符合低功耗、低算力的现实需求,对于移动和嵌入式平台领域的智能化推进有着很重要的现实意义。

摘要：针对单类分类器设计中的密度方法,采用以任务为导向的设计思想,通过人为指定核密度估计的密度函数上界,增强了边界低密度区域数据敏感性,同时也有效降低了密度估计的计算复杂度。进一步最大化全体样本的核密度估计函数并采用线性规划,可快速得到相应的稀疏解,因而称之为最大化约束密度单类分类器(Maximum constrained density based one-class classifier,MCDOCC)。为充分利用单类数据中可能出现的极少量异常数据,进一步提出了带负类的最大化约束密度分类器(MCDOCC with negative data,NMCDOCC),通过挖掘异常数据的先验信息来修正仅有正常类的数据描述边界,可提高分类器泛化能力。UCI数据集上的实验结果表明,MCDOCC的泛化能力与单类支持向量机相当,NMCDOCC较之则有所提高,从而能够更高效地估计目标类数据概率密度。

摘要：事实验证任务要求能够从大规模的文本语料库中抽取相关的证据,并通过推理对给定的声明得出事实性的判断。现有的研究通常将检索到的证据拼接,然后比较声明和证据嵌入的余弦相似度,这些方法忽视了长距离证据之间的联系,以及不同层次的语义相似度,而这些特征对于推理验证至关重要。设计了一种基于图的多层次注意力模型(Graph-aware Hierarchical Attention Networks for Fact Verification,GHAN)。该模型首先通过BERT(Bidirectional Encoder Representation from Transformers)筛选出所需的证据片段,再利用卷积神经网络提取不同长度的N-gram特征,构造不同粒度的相似度转移矩阵提取相似度特征。为了综合考虑字符级别和句子级别的语义信息,将证据信息构建成信息融合图,再利用基于核函数的注意力机制进行信息传递与证据推理。该算法在FEVER数据集上取得较好的效果,优于其他基于BERT的方法。

摘要：基于人工免疫学原理 ,设计了一个基于自然免疫和疫苗接种机制相结合的入侵检测系统模型以及相关算法 ,该算法充分考虑了数据包负载部分包含的入侵信息 ,并将疫苗接种机制引入入侵检测中 ,使入侵检测系统 +增强了对未知攻击的识别能力。同时 ,该方法的提出也给网络安全领域提供了一种新的研究思路。

摘要：基于军队院校程序设计课程思政实施的基本需求,提出军队院校程序设计课程思政总体构想,探讨如何进行课程思政内容建设,介绍思政元素挖掘融入要点,为程序设计课程整体思政建设提供有益借鉴。

摘要：跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术。该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异。现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用。鉴于以上不足,使用协同学习方法设计了一个精细化多源特征协同网络,提取多种互补性特征进行信息融合,以提升网络的学习能力。从骨干卷积网络中提取多尺度和多层次特征,实现精细化特征协同学习,以增强特征的判别能力来应对类内变化。设计了模态共有与特有特征协同模块和跨模态人体语义自监督模块,达到多源特征协同学习的目的,以提高多源异质图像信息的利用率,进而解决模态差异。在SYSU-MM01和RegDB数据集上验证了该方法的有效性和先进性。

摘要：社团结构作为复杂网络的中尺度特征,对于深入理解网络的结构和属性具有重要的意义。与无符号网络不同,符号网络包括正边和负边,分别代表了友好和敌对的关系。在形成社团时,节点通常会选择与朋友在同一社团内,而与对手在不同的社团。基于这种思想,构建了一种用于符号网络中社团发现的博弈论模型,设计了一种社团发现算法。实验结果表明,该算法在非重叠社团和重叠社团的识别中都具有卓越的性能。另外,对算法的运行效率进行了分析,提出了一种优化方法,有效地提高了算法的运行效率。

摘要：为了在互联网上对军装图片进行过滤,我们设计了一种基于多级检测的军装图片识别框架,并在该框架下对其中的关键技术进行了深入的分析,就人脸快速检测技术、颜色纹理处理、区域形态学处理、基于支持向量机分类识别领花物件等进行了研究。实验表明,该算法在检测效率和精度方面能够满足实际应用的需要,可高效地对网络上传的军装图片进行高速过滤,该算法还可以解决其它类似的服装检测的问题。

摘要：传统的异常检测方式利用模式库的方式收集所有已知的异常模式,对新的数据进行检测,该方法难以检测层出不穷的各种新的异常行为,同时由于异常行为数据难以获取,往往只能得到正常用户的行为信息。本文分析了针对卫星通信网的各种攻击行为和异常情况,利用正常的用户信令序列建立正常用户"轮廓",设计的基于信令序列异常检测模型能够在少量样本的情况下获得较高的检测精度,在仿真平台上验证了该模型具有较高的检测率和较低的虚警率。