摘要：为解决DHT Overlay难以保证底层网络属性QoS的问题,在支持多维范围查询的基础上,提出了感知底层网络属性的对等式资源发现方法 PUNA。PUNA利用空间填充曲线,对资源的多维属性进行降维映射,通过一次查询可以发现同时满足网络应用属性和底层网络属性需求的资源。PUNA能够方便切换到一般的多维范围查询,具有良好的兼容性。针对不同的网络状况,设计了并行查询方案P-PUNA和串行查询方案S-PUNA,分别适用于时延紧迫型查询和带宽紧迫型查询。实验结果表明在时间复杂度上P-PUNA为O(lb N),S-PUNA为O(lb(Nlb N)),具有良好的查询性能。

摘要：提出了一个基于可变权限集的广义虚拟企业信任交互方案,该方案能够根据虚拟企业的不同组织模式灵活设置成员权限集,并在成员结构发生变化时,对其进行动态调整。通过设计相应的虚拟认证中心来创建和颁发虚拟认证中心证书,在成员增减阶段变更参与方协议,有效解决了虚拟企业在各种组织模式下的信任交互问题。此外,该方案还实现了基于Pedersen可验证秘密共享技术的分布式密钥生成,既防止了密钥分发和更新过程中成员的不诚实行为,又克服了盟主单独行使密钥分发权利所带来的安全隐患。分析表明,该方案不但安全性大大增强,而且能够更好地适应虚拟企业复杂多变的动态环境。

摘要：为更好地适应数字化时尚消费新趋势,针对虚拟试穿中人体姿态、遮挡、非试穿区串扰引起的重构纹理模糊、细节失真、相似度低等难题,提出一种高精度虚拟试穿C-CGAN智能模型。首先,利用服装蒙版定位和纹理约束,采用CGAN网络框架智能学习得到多姿态下的服装重构模型。然后,采用编解码网络融合重构服装与人体特征,并设计多种针对性的损失函数优化网络参数。最后,基于国际流行虚拟试穿模特样本库构建丰富的纹理数据集,在PyTorch环境下开发了服装虚拟试穿系统。对比测试结果表明:C-CGAN较CP-VTON生成图像质量指标,结构相反性提高约25%,弗雷歇距离降低约11%,峰值信噪比提高约78%,重构纹理自然细腻、图像清晰,场景适应性良好,可广泛用于个性化时尚定制、在线试穿等领域。

摘要：为构建汽车产业链协作企业群评价模型,根据核心制造厂的评价需求,设计了一套可定制的协作企业群评价指标体系,包括通用评价指标和专用评价指标。为避免单一主客观权重或组合权重带来的不稳定性,采用Delphi法、层次分析法、熵权法和指标相关性权重法分别计算主客观权重,为使指标的权重公平合理,建立了三阶段主客观公平权重优化模型,并提出三阶段主客观公平权重评价算法。针对协作企业长期不变的评价级别,提出改进的贝叶斯增量更新分类评价算法,实现了不同时间段协作企业的动态评价。通过实例和对比分析验证了评价模型的有效性和合理性。

摘要：一直以来,各种推荐系统关注于如何挖掘用户与物品特征间的潜在关联,特征信息的充分利用有利于用户到物品的精准匹配.基于矩阵分解和分解机的推荐算法是该领域的主流,前者学习用户历史行为而后者分析对象特征关系,但都难以兼顾用户行为与个体特征.而近年来,深度神经网络凭借其强大的特征学习能力和灵活可变的结构被应用到了推荐系统领域.鉴于此,本文提出了一种基于注意力机制的协同卷积动态推荐网络(Attentionbased collaborative convolutional dynamic network,ACCDN),它通过注意力机制实现用户历史行为、用户画像与物品属性的多重交互,再通过卷积网络逐层捕捉更高阶的特征交互.网络同时接受不同组块输出的低阶至高阶信息,最后给出用户对指定物品青睐评分概率的预估.而且本文还提出了一种基于无参时间衰减的用户兴趣标签来量化用户关注的变化.通过比较若干先进模型在两个现实数据集的表现,本文设计的动态推荐模型不但能够缓解推荐时滞性,还能明显提高推荐质量,为用户带来更好的个性化服务体验.

摘要：针对传统渔业种质资源管理系统存在的数据中心化存储、数据易篡改和数据信任,以及难以高效获取与利用多源异构渔业疾病数据等问题,在分析区块链与知识图谱关键技术的基础上,设计了渔业种质确权可信溯源区块结构,确保渔业种质溯源数据不可伪造和安全可信;提出了“On-Chain+Off-Chain”渔业种质资源可信确权信息协同管理存储策略,解决渔业种质资源溯源区块链网络中各节点数据存储压力大、查询效率低等问题;构建渔业疾病知识图谱,实现渔业疾病数据隐藏关系的有效挖掘;基于微服务技术研制了集种质确权、品种选择、疾病防治、知识图谱、环境智能预测等一体化的渔业种质资源管理系统,实现渔业种质资源可信确权与管理、渔业养殖品种智能分析与决策、海量异构的渔业疾病知识资源池的集成与共享、环境参数(溶解氧浓度、酸碱度等)智能预测预警等功能。测试结果表明,该系统解决了溯源信息真实可信的问题,有效挖掘出渔业疾病数据中隐藏的关系,并取得了较好的应用效果。

摘要：针对现有联合设计的通感一体化波形对运动目标探测性能不足的问题,该文提出了一种具有多普勒容忍性的通感一体化波形联合设计方案。首先,基于脉冲串模糊函数,推导了构造多普勒容忍波形等价于波形在相关区内具有极低的积分旁瓣电平。基于此,构建了以最小化一体化波形的加权积分旁瓣电平为优化准则,以发射波形的能量、峰均功率比以及与通信波形之间的相位差为约束条件的优化问题,从而实现具有多普勒容忍性的通感一体化波形的构造。由于该优化问题的非凸性,该文提出一种基于优化最小化的迭代优化算法对其进行求解。数值仿真实验表明,相比传统一体化波形,该文提出的一体化波形具有更高的多普勒容忍性和更低的误符号率,在保证通信质量的前提下显著提升了通感一体化系统对运动目标的探测性能。

摘要：首先简要介绍某太空实验项目及其数据通信协议,以该实验项目中轨迹探测器热控子系统为例重点介绍了一种面向航天应用的CAN通信协议的设计及基于FPGA的硬件实现。同时给出了仿真和测试结果以说明该设计的适用性和可靠性。

摘要：针对运动突变目标视觉跟踪问题,提出一种基于视觉显著性的两阶段采样跟踪算法.首先,将视觉显著性信息引入到Wang-Landau蒙特卡罗(Wang-Landau Monte Carlo,WLMC)跟踪算法中,设计了结合显著性先验的接受函数,利用子区域的显著性值来引导马尔可夫链的构造,通过增大目标出现区粒子的接受概率,提高采样效率;其次,针对运动序列中平滑与突变运动共存的特点,建立两阶段采样模型.其中第一阶段对目标当前运动类型进行判定,第二阶段则根据判定结果采用相应算法.突变运动采用基于视觉显著性的WLMC算法,平滑运动采用双链马尔可夫链蒙特卡罗(Marko chain Monte Carlo,MCMC)算法,以此完成目标跟踪,提高算法的鲁棒性.该算法既避免了目标在平滑运动时全局采样导致精度下降的缺点,又能在目标发生运动突变时有效捕获目标.实验结果表明,该算法不仅能有效处理运动突变目标的跟踪问题,在典型图像序列上也具有良好的鲁棒性.

摘要：针对最小方差观测器正向设计存在的局限性,提出了一种允许部分极点配置的逆设计方法.该方法由观测器部分极点配置和观测器最小方差化两个环节组成.该文重点研究了逆设计方法提出的理论依据和最小方差化实现的技术细节,并讨论了对噪声协方差矩阵的设定估计问题.数值仿真结果印证了该方法的有效性.