摘要：为保证双机容错系统中主备虚拟机的桌面显示同步,提出一种基于VNC的输入分发方法,使主备虚拟机保持输入数据流的一致性,保证二者界面的一致性。针对QEMU/KVM中COLO在图形化操作系统的虚拟机同步下表现不佳的问题,通过引入X11响应事件,对主备虚拟机的图形界面进行比较检查,实现主备虚拟机桌面同步并降低同步的时间开销。通过实验对比分析,验证了该方法的可行性与有效性。

摘要：针对传统无监督跨模态检索算法提取样本内部与样本之间的关联语义不充分,导致检索准确率低的问题,提出一种基于CLIP与注意力融合机制的无监督跨模态哈希检索算法CAFM_Net。将多模态预训练模型CLIP运用到样本特征提取阶段,从不同维度挖掘数据的相似信息;使用注意力融合机制对提取的特征进行处理,加强显著区域的权重;引入对抗学习的思想设计模态分类器,生成更趋于语义一致性的跨模态数据哈希编码。与现有的代表性哈希方法相比,CAFM_Net在多模态检索任务上准确率提升至少11%与9%。

摘要：通过对异构无人平台软件框架的研究开展相关综述,对该研究的必要性及关键性进行全面总结。介绍目前无人平台软件框架的研究现状,重点关注目前基于云平台的软件框架的优缺点及发展趋势;考虑智能汽车和无人平台具有相通之处,进一步说明智能汽车领域软件框架的研究现状,针对“软件定义汽车”的发展思路真正实现软硬解耦和远程升级;分析异构无人平台软件框架涉及的关键性技术,对该领域的未来发展趋势进行展望。

摘要：深度神经网络需要付出高昂的计算成本,降低神经网络推理的功耗和延迟,是将神经网络集成到对功耗和计算严格要求的边缘设备上的关键所在。针对这一点,提出一种采用舍入误差的端到端神经网络训练后量化方法,缓解神经网络量化到低比特宽时带来的精度下降问题。该方法只需采用小批量且无标注的数据进行训练,且在不同的神经网络结构上都有十分不错的表现,RegNetX-3.2GF在权重和激活数的比特宽均为4的情况下分类准确率下降不到2%。

摘要：为解决抽取式摘要核心信息拼接生硬,生成式摘要源文本过长易忽略重要信息等问题,对抽取式摘要和生成式摘要的结合进行研究。通过分析抽取式摘要可提取出文本关键信息且缩短源文本长度特性;生成式摘要可降低序列间信息损失,增加文本关联的优势。提出一种面向司法文书的抽取-生成式自动摘要模型,融合模型优势,避免单一模型存在的关键文本信息重复及重组段落语法不准的问题,保障法律文书抽取的切实完整性。在大规模公开法律领域裁判文书数据集上的实验结果表明,该模型获得较高ROUGE得分,表明了该模型提升了摘要质量。

摘要：针对基于卷积神经网络(convolutional neural network,CNN)的检测方法只关注目标的自身信息,忽略了语义信息,限制目标检测精度提高的问题,提出一种多尺度语义提取网络,分别提取CNN多层特征图的语义信息并融合,实现目标全局语义和局部语义的提取。在此基础上,将自身特征与语义特征融合,实现目标检测框架中自身特征和语义特征的编码。实验结果表明,该方法与原始的目标检测网络相比,检测精度有明显提高,尤其是对混叠目标和小目标具有良好的检测效果。

摘要：频率特性是惯性测量与导航装置测量通道的重要指标之一。为了更准确地对惯测装置角速度通道频率特性进行研究,保证惯测装置测量的准确性与可靠性,提高测试效率,设计了一种基于正弦扫频方案的惯测装置角速度通道频率特性测试方案与数据处理方法,分析了惯测装置闭环光纤陀螺模型,并设计了仿真试验,验证试验方案的可行性。MATLAB仿真结果表明,通过基于Morlet小波的连续小波分析,计算惯测装置角速度通道-3 dB带宽相对误差小于3%,-3 dB处相位计算误差小于6%,验证了所提出的方法的有效性。

摘要：多人场景下个体行为与身份识别是无设备感知研究的难点和热点问题之一。由于多人场景的动态性和个体行为的隐匿性,识别个体行为与身份是制约目前大量研究广泛应用的主要瓶颈。我们考虑大多数常见多人场景,尤其是工作和居住场景中,存在大量的机会性单人活动窗口,设计了一个基于Wi-Fi信号的多人场景行为与身份识别方法—MulPi。首先,利用人数特征建模得到这一窗口的连续动作特征,并通过离线构造的孤立动作和连续动作特征库对实时采集的连续动作进行动作序列初判,进而利用双窗口嵌套算法进行连续动作分割,识别特定动作;然后,利用每个分割后的动作与用户动作特征进行相似度计算,得到每个动作身份的判分,进而对这些动作进行排序,从而得到用户身份;最后,MulPi在多个多人场景下被执行,性能评价的结果显示,MulPi在没有任何额外设备辅助下,仅仅利用商用Wi-Fi设备,即可实现多人场景下的身份识别。

摘要：在非定常气动力下,为防止飞机进入危险状态,通过建模进行状态预测,是保障飞行安全的重要手段,传统方法建模过程复杂、工程化难度大且普适性不强。为更好解决大迎角下飞行状态预测,使用基于深度学习的时序序列预测方法,推测飞机的飞行状态,达到最大限度发掘飞机性能、保障飞行安全的目的。提出一种多任务Transformer模型,同时完成飞行状态参数回归和飞行状态分类。实验结果表明,相比于同类模型,该模型的预测性能有大幅提升。

摘要：针对绘画图像情感标注所需资源巨大的问题,设计一种针对抽象画图像的情感聚类方法。提出一种基于三支决策的颜色特征表示方法和纹理特征表示方法,结合改进的深度学习模型,从抽象画图像中提取颜色特征、纹理特征和高层语义特征;使用多核k均值算法,自适应地融合3种特征,实现图像的情感聚类分析。实验结果表明,在MART和Deviant-Art数据集上,与4种基准方法相比,提出方法在准确度、Fowlkes-Mallows指数和标准化互信息上分别平均提高了30、23和49个百分点。提出方法在抽象画图像的情感聚类分析应用中表现出色,这也为其它绘画作品的无监督情感分析研究提供了参考。