摘要：视觉位置识别是指利用视觉信息实现对智能体位置的判断,在回环检测、视觉重定位等任务中发挥了重要作用。由于传统算法受环境变化的影响较大,识别准确率低,基于深度学习的视觉位置识别算法得到广泛研究,然而,基于深度学习的方法存在着可解释性差、计算量大、对环境变化适应性不够强、对图像信息的利用不够充分等问题。结合图像的语义信息和显著性检测设计了图像的全局描述符提取方式,并基于注意力机制和语义信息设计了的空间校验方法。实验表明,该方法在光照变化环境下的准确率和召回率等指标上都能够达到先进水平,同时也满足轻量级的要求。

摘要：传统的针对网络恶意加密流量识别方法在实际应用中,受到人为经验干预较大,影响恶意加密流量识别的结果。文章提出一种基于混合神经网络的恶意加密流量识别方法。首先对流量数据进行预处理,将其中的时间戳、端口号作为分类依据进行分组,通过流量特征提取算法和分类器构建混合神经网络模型,分析PCAP网络加密流的文件形式,模型经过预处理和训练之后,将提取特征输入神经网络第二层中进行识别,通过优化模型内部的识别算法,利用分类器输出结果进行检测,得到最终的恶意加密流量识别结果。为验证方法有效性,专门设计方法性能测试实验。实验结果表明,设计的基于混合神经网络的恶意加密流量识别方法精确率和召回率都远远高于其他检测方式,F值也一直保持98%的检测精度,稳定性高于三种传统的识别方法。

摘要：计算机科学与技术专业作为传统优势专业之一,是新工科的核心支撑专业,其专业的改造升级势在必行。文章对传统计算机专业人才培养过程中存在的问题进行了剖析,从计算机专业顶层培养方案设计、多课程协同改革到实践环节等方面入手,进行研究与探索,为新工科背景下计算机专业的改革提供方法与思路。