摘要：脊柱的三维模型在治疗脊柱侧弯等脊柱疾病时发挥着重要的作用,但传统的脊椎三维重建方法存在耗时长、主观性强、辐射大等问题。为应对这些挑战,提出一种基于双平面X线片的脊柱三维重建网络X2S-Net。利用患者的正位和左侧位X线片作为输入,通过双视角平行编码器、三维重建模块以及分割监督模块后重建出对应位置的脊柱体素模型,实现了从X线片到可视化三维模型的端到端生成。X2S-Net在特征提取阶段,使用了针对双平面X线片特点而设计的平行特征编码器,用于提取脊柱的空间信息,并设计多尺度通道注意力机制用于提取特征。在三维模型阶段,X2S-Net结合传统图像分割任务设计了分割监督模块以提高三维重建效果。实验结果表明,X2S-Net能够充分利用双平面X线片的输入信息对脊柱进行三维重建,各数据集的平均Hausdorff距离达到了6.95 mm, Dice系数达到了92.01%。

摘要：为解决跨域小样本农业病虫害分类问题中如何增强网络的特征提取能力以及如何将模型泛化到新类别的问题,提出一种多模态的任务有偏元学习分类算法。利用图片的标签文本信息进行多模态学习,增强网络的特征提取能力,通过任务有偏的元学习算法,使模型能够给予困难任务更多的关注,更好将模型泛化到新类的问题。通过在多个数据集上进行测试并与多种先进的方法进行对比实验,结果表明,该模型是植物病虫害识别问题的一种可行方案。

摘要：为了更好地缓解Web API推荐中的数据稀疏问题,提出了一种基于轻量图卷积网络的Web API推荐模型***将同一个Mashup内所调用的Web API视作具有协作关系,将其挖掘出表示为一个API协作图,作为辅助信息增强推荐性能.首先,在CoNetLGN中,每个用户和Web API的表示通过轻量图卷积层在用户-API交互图中传播,与此同时,API的表示还会在API协作图中传播;然后,设计了一种图融合操作,用于在传播过程中聚合API在两个图中的表示;最后,再用加权和将每一层学习到的表示结合起来.在Programmable Web数据集上进行的实验结果表明,提出的CoNetLGN模型在对用户做Web API推荐时较其他3种较有代表性的协同过滤方法有更好的表现.

摘要：链路预测是通过已知网络节点或者网络拓扑结构预测未产生链接的两个节点间产生链接的可能性.传统方法大多从原始图中提取转移矩阵,导致获取的信息稀疏.鉴于此,设计了一种基于图神经网络和随机游走的链路预测框架(link prediction-graph neural network and random walk,LP-GNRW).首先,通过基于注意力机制的图神经网络Bert学习节点的多种嵌入表示;然后,结合随机游走,获取图的高阶结构信息;最后,将链路预测转换成二分类问题,通过图神经网络对获得的高阶结构信息进行二分类实现链路预测.实验表明LPGNRW能更有效地学习图结构特征,与基于步行的启发式方法相比,获得了更好的AUC指标,提高了链路预测的性能.

摘要：针对快衰落信道环境下的无线通信正交频分复用系统中信道估计算法估计难度大、复杂度高等问题,提出一种轻量级的逐尺度卷积信道估计网络(scale-wise convolution channel estimation network,SCCENet)。对输入的信道状态信息矩阵下采样,构建多尺度特征金字塔,通过构建的逐尺度卷积部分以网络权重共享的方式对信道状态信息矩阵构成的多尺度特征金字塔进行不同尺度的特征融合,在不增加网络参数情况下增大感受野。仿真结果表明,该算法估计性能优于最小二乘算法,能以较低的估计复杂度取得相较于其它深度学习信道估计算法更低的估计误差。

摘要：针对现有堆栈处理器主频较低的问题,设计一种16位的四级流水线堆栈处理器ZP16。采用冯诺伊曼结构与J1指令集,具有数据堆栈和返回堆栈两个独立堆栈。四级流水线包括取指、译码、执行和回写。通过合理的结构设计与流水线冲刷技术解决ZP16中流水线冒险问题。实验结果表明,在Xilinx XC7A100T FPGA目标芯片上,ZP16的运行主频稳定在230 MHz。与J1堆栈处理器相比,ZP16流水线加速比为1.3,资源占用率基本相当,功耗增加8%,主频提升130%。与其它同类型堆栈处理器在不同的目标芯片上进行比较,ZP16主频有较为明显的提升。

摘要：物联网设备通常使用计算能力受限的微控制器来实现,因而只能采用轻量级对称加密算法来保证其数据安全,且其自身的特点决定了只能被部署在开放环境中,极易遭受旁路攻击。针对这一问题,在基于自主设计的旁路攻击验证平台上开展实验,并提出了安全密钥管理方案及改进的S盒设计,作为旁路攻击防御方法。验证平台由两级差分放大器和抗干扰有限冲激响应(FIR)滤波器构成,能够捕捉微弱的功耗变化,并设计了针对轻量级加密算法的两轮相关能量攻击。通过获取正确密钥相关系数置信度的评估方法,在对PRESENT算法的3 000条功耗曲线进行10 000次攻击后,成功率超过96%,正确密钥的相关性均值均超过0.6,在95%的置信水平下,拥有狭窄的置信区间,而采用改进后的算法进行相同实验时,攻击成功率仅为9.12%。

摘要：为了保证物联网设备数据安全,面向资源受限的物联网设备,提出了一种基于SM4-CCM算法的软硬件协同实现架构。首先,提出了内部流水线型SM4架构,相比现有轻量级SM4架构,大幅降低了逻辑资源的消耗;在此基础上,设计了CCM模式软硬件协同架构,软件部分完成了密钥扩展和数据预处理,硬件部分完成了加密的实际运算;最后,基于ZYNQ平台实现了软硬件协同架构。实验结果表明,与硬件架构相比,所提出的架构硬件部分的逻辑资源消耗减少了约43%,具备接收可变长度的数据输入的数据预处理功能,并可单独应用于ECB和CTR模式,具有更高的灵活性和可扩展性。与ARM处理器上以软件方式实现的SM4-CCM算法相比,在100 MHz的工作频率下该架构的吞吐率达到了17.64 Mb/s,性能提高了约93.8%,满足了主流物联网通信协议的速率要求。

摘要：针对微表情动作过于微弱不利于识别和目前主流方法合并情绪类别不利于微表情在现实任务中的应用2个问题,提出一种基于眼部干扰消除的视频放大方法,并利用卷积神经网络实现微表情识别任务.首先,利用基于相位的视频动作处理技术对微表情数据集CASME和CASME II中的视频数据进行放大;然后利用特征点定位获取眼部坐标,并将原始眼部视频替换到放大视频中进行图像融合,以实现对眼部干扰的消除操作;最后利用VGG16的思想设计卷积神经网络模型网络,实现对放大后的微表情数据情绪类别的识别.实验在不同方法下分别对2个数据集的准确率进行对比,并用几种调优策略下的模型分别就原始数据集和放大数据集的准确率进行对比.结果表明,文中方法能够更好地提升真实情绪分类状态下的微表情识别准确率.

摘要：空间co-location模式是指其实例在空间邻域内频繁一起出现的空间特征子集.与传统的空间co-location模式挖掘不同,在空间高效用co-location模式挖掘中,不再将参与度(PI)作为有趣模式的度量指标,而是将效用值作为挖掘有趣模式的兴趣度量指标.现有的空间高效用co-location模式挖掘方法分为特征带效用和实例带效用两类.特征带效用的现有方法没有考虑不同特征效用之间的差异,挖掘的结果往往包含了许多不尽合理的"高效用"模式;而实例带效用的现有方法,则考虑了不同特征对模式效用的影响,但没有客观地度量这种影响.该文提出了一种确定特征在模式中的效用权重ω(fi,c)的方法,定义了更为合理的空间高效用co-location模式概念,设计了一个有效的挖掘算法.大量的实验表明提出的高效用co-location模式度量方法和相应的挖掘算法能够处理特征效用差异性和特征间的相互影响问题,能更有效地挖掘到空间高效用co-location模式.