摘要：针对现有轻量级模型在嵌入式设备的人脸识别应用中存在识别精度难以提升的问题,提出一种融合人脸对齐关键特征点信息的轻量级新残差网络模型(Lightweight New Residual Network,LNRN).LNRN利用深度残差网络结构能够解决网络退化且避免干扰因素影响的优势,结合人脸对齐环节产生的关键特征点信息,对深度残差网络结构进行简化和合理设计,实现对关键特征信息和全局信息的提取.为避免特征提取过程中丢失重要特征信息,该模型在新残差网络中加入结合空间和通道的注意力机制进行辅助.在公开的四个标准人脸数据集上的仿真实验表明,该模型识别速度在接近主流轻量级人脸识别方法的同时,平均识别精度比MobiFace提高了0.6%.

摘要：随着航空运输规模的迅速增长,以民航飞机为主的航空自组网通信已经具备通信组网覆盖的基础。能否找到一种有效手段将高动态不确定复杂场景下航空器节点重要数据传输并安全备份,是提高空天地一体化系统可靠性和管理能力的重要措施。然而,航空自组网所具备的网络拓扑结构高动态变化、网络跨度大和网络链路不稳定等特点,给航空自组网网络协议设计,尤其是路由协议设计带来了严峻考验。为了便于未来在航空自组网路由协议设计方面开展深入研究,对航空自组网路由协议设计相关要求进行了全面的分析并对现有的路由协议进行了全面的调研。首先根据航空自组网的特点分析了航空自组网路由协议设计所需要考虑的因素、面临的挑战以及设计原则;然后,根据现有路由协议设计特点,对国内外已有航空自组网路由协议进行了分类综述与分析;最后,探讨了未来航空自组网路由协议设计的研究重点,为推动我国下一代空天地一体化网络研究提供了参考。

摘要：航空安全事件风险等级预测是主动风险管理的重要手段。考虑海量航空安全事件数据呈现的高维复杂、类不平衡等特性,提出一种基于集成代价敏感深度神经网络(ECSDNN)的航空安全事件风险等级预测方法。采用分类型属性嵌入特征编码和数值型属性拼接的方法实现航空安全事件数据的特征表示;综合考虑错分比例和固定代价设计代价敏感矩阵和代价敏感损失函数,构建基于代价敏感深度神经网络(CSDNN)的基分类器模型;采用硬投票方法,集成多个参数不同、性能各异的基分类器,构建航空安全事件风险等级预测模型。在航空安全事件报告系统(ASRS)数据集上的实验结果表明:相比基准算法,所提ECSDNN模型的预测准确率提升了4.51%;相比单个CSDNN基分类器,所提ECSDNN模型的预测准确率提升了3.17%。验证了基于ECSDNN的航空安全事件风险等级预测方法的有效性。

摘要：针对机器人学实践教学环节薄弱、缺乏民航行业特色的问题,聚焦采用机器人作业的飞机蒙皮损伤检测业务,设计了一款无人车实验教学平台。该无人车具有同时定位与建图、覆盖任务点规划、自动导航与控制、数据分析等模块,能够实现飞机机身蒙皮数据的自动采集与智能分析。依托学校提供的机坪实验环境以及教学飞机,基于该平台对机器人学实践教学环节进行了设计,覆盖知识内容完整、与科研有机结合,不仅可以使学生对机器人理论知识有更深的认识和应用水平,而且可以提高学生在民航领域的技术素养和实践能力。

摘要：为解决基于嵌入的知识图谱问答中,因采用不同的训练模型导致问题嵌入与知识图谱嵌入处于不同语义空间的问题,提出一种知识图谱问答模型。将关系转换为手工构造的自然语言问题,通过神经网络训练问题的嵌入表示与知识图谱的关系嵌入表示尽可能靠近;通过训练集中的问题对神经网络参数进行微调,使答案获得最高评分。在WebquestionSP数据集上的实验结果表明,相较于EmbedKGQA,所提方法的hits@1指标提高了10.5个百分点;在缺失50%三元组的情况下hits@1指标提高了9.9个百分点。

摘要：航班在实际运营中频繁地调整,对航空公司运营会产生不良的影响,运用可视分析方法分析历史航班的运营特征,可以发现航班计划中存在的缺陷,为航班计划调整提供支撑。该文设计面向多维时空航班数据的FlightOM-Vis系统,支持自上而下渐进式分析航班运营特征:采用多视图展示信息;融合面向数据多个维度的聚类分析方法;保留分析结果的上下文信息;提供丰富的交互工具。实验采用东方航空公司航班数据集进行验证,结果表明该系统能够协助分析人员快速挖掘隐藏在数据子集中的航班运营特征,根据可视化结果做出指导性建议。

摘要：现有异常节点识别方法普遍存在精度低或者功耗大等不足,针对这些不足,提出一种基于低秩矩阵分解的无线传感器网络异常节点识别算法。根据传感器节点的特性进行特征选取和属性矩阵构建;通过改进的CUR矩阵分解方法计算异常矩阵;依据异常矩阵中节点向量的总体均值和标准差设定控制限,判断节点是否发生异常。实验结果表明,与其它异常识别方法相比,该方法具有较高的识别准确率。

摘要：为解决现有方面级情感分析方法缺乏句法约束和词义信息的问题,将句法依存树和知识图谱融合起来对句子编码,提出一种词法句法相结合的图神经网络模型。利用图神经网络分别提取句法依存树中的句法信息和知识图谱中的词法信息,经过位置编码模块和掩码加权模块捕捉重要性更高的单词;将两种特征进行结合获得融合句法词法信息的文本表示,进行情感分类。在3个公开数据集上的实验结果验证了该模型的有效性。

摘要：卡方渐进光子映射(chi-squared progressive photon mapping, CPPM)使用K近邻法(K nearest neighbor, KNN)为命中点确定初始半径,导致图像中光照均匀区域的噪点及明暗交界区域和焦散区域的模糊。针对此问题,提出一种计算光子映射初始半径的算法,自适应地为各命中点确定初始半径:为CPPM算法增加预处理环节,根据对光子分布的均匀程度的检验及对高频区域的筛选为命中点设置初始半径,以保证光照均匀区域的命中点保持在大半径上,光照变化区域的命中点半径快速下降。实验结果表明,改进算法减少了光子映射算法的方差和偏差,提高了渲染效果。

摘要：为解决小样本条件下恶意软件分类准确率低的问题,提出一种基于CBAM(convolutional block attention module)和原型网络的恶意软件分类模型。利用图像转换算法将恶意软件可执行文件转换为灰度图像;将残差连接和CBAM引入模型的特征嵌入模块,从通道和空间两个维度上增强关键特征表达,使得到的特征更具分辨性;提出联合损失函数,在距离交叉熵损失的基础上加入原型损失,通过减小类内距离的方式进一步扩增类间距离,使模型在样本数量有限的情况下取得良好的分类效果。实验结果表明,在每类恶意软件仅有5个样本的情况下,模型的分类准确率仍可达到83.12%。