摘要：[目的/意义]为了提高体尺关键点定位准确率,猪三维点云体尺自动测量方法会采用点云分割,在各个分割后局部点云定位测量关键点,以减少点云之间相互干扰。然而点云分割网络通常需要消耗较大计算资源,且现有测量点定位效果仍有待提升空间。本研究旨在通过设计关键点生成网络从猪体点云中提取出各体尺测量所需关键点。在降低显存资源需求的同时提高测量关键点定位效果,提高体尺测量的效率和精度。[方法]针对猪三维表面点云进行体尺测量,提出了一种定位猪体尺关键点的模型Pig Back Transformer。模型分为两个模块,分别设计了两种改进的Transformer自注意力编码器,第一模块为全局关键点模块,首先设计了一种猪背部边缘点提取算法用于获取边缘点,再使用edge encoder编码器以边缘点集合作为输入,edge encoder的edge attention中加入了边缘点和质点的偏移距离信息;第二模块为关键点生成模块,使用了back attention机制的back encoder,其中加入了与质心和第一模块生成的全局关键点的偏移量,并将偏移量与点云注意力通过按位max pooling操作结合,最后通过生成猪的体尺测量关键点和背脊走向点。最后设计了使用关键点和背脊走向点作为输入的体尺算法。[结果和讨论]对比关键点和背脊走向点生成任务上Pig Back Transformer表现最佳,并对比体尺计算结果与人工测量结果,体长相对误差为0.63%,相对PointNet++、Point Transformer V2、Point Cloud Transforme、OctFormer PointTr等模型有较大提升。[结论] Pig Back Transformer能相对准确地生成猪体尺关键点,提高体尺测量数据准确度,并且通过点云特征定位体尺关键点节省了计算资源,为无接触牲畜体尺测量提供了新思路。

摘要：为解决跨项目软件缺陷预测研究中存在的特征不完备和分类边界模糊问题,提出一种基于联合特征的双编码器分布匹配方法(DeDM-JF)。利用卷积神经网络提取代码中与缺陷有关的结构语义特征,将其与人为选取的Handcrafted特征结合,形成联合特征;在此基础上,构建包含分布差异匹配层的双自编码器,学习跨项目全局和局部可迁移特征用于训练缺陷预测模型。面向软件缺陷数据仓库中的798对跨项目缺陷预测任务开展实验,与相关的跨项目缺陷预测方法比较,DeDM-JF方法预测的F-measure和MCC指标有明显提升。

摘要：为有限资源均衡问题提供一个神经网络解决方法.首先提出增广置位矩阵,描述了资源均衡的神经网络表示,使得神经元的输出和问题的解彼此对应起来;然后在时间和资源约束下利用多种技巧构造网络的能量函数,使其能量最小值对应于资源最均衡的状态;并且提出基于“权值状态发生器”的离散Hopfield与模拟退火算法(DHNN-SA)融合的镶嵌式混合结构,从本质上提高了网络的优化质量;最后设计了资源优化神经网络的模拟程序.

摘要：利用机器视觉技术进行采后荔枝的品质检测与分级有重要意义。首先结合摄像机与荧光光谱仪进行了荔枝图像的光谱分析,荧光作为激发光进行荔枝果皮的发射光谱特性分析,确定了不同荧光照射荔枝果实表皮的视觉检测方法的可行性;然后设计了具有不同颜色光照转换控制功能的机器视觉系统,选定了红色、蓝色和绿色荧光灯,对正常和微损伤两种品质状态的荔枝果实荧光图像进行灰度直方图统计分析,确定了利用蓝色荧光作为照射光源以及HSV颜色空间的V分量进行微损伤荔枝果实图像识别的方法,利用探索性分析法对荔枝果实视觉检测试验结果进行统计与分析,确定了正常与微损伤荔枝果实图像分割的灰度图阈值范围,结合优化的圆拟合算法,实现了荔枝果实视觉智能分级系统的设计。试验结果表明:该研究方法对正常荔枝和表皮微损伤荔枝的识别正确率为92%,为荔枝产后智能化检测分级提供了技术支持。

摘要：探讨在实施雨课堂支持的混合教学中,自我调节学习能力的构造在雨课堂平台及面对面教学中的设置要素,全面采集雨课堂平台的学习数据作为自我调节学习监控驱动,对60名学生进行了12周的对照实验,通过问卷,前后测设计得到数据表明:雨课堂的混合教学对学生自我调节能力的提高有促进作用,特别是寻求帮助、策略规划和自我评估,对于学生的自我管理、终身学习的能力是有帮助的。

摘要：传感器节点的部署是无线传感器网络中的很重要的问题,因为它反映了传感器网络的成本和监视能力。它和定位、跟踪一样,是无线传感器网络中的一个基本的问题。尽管国外已经在这方面开展了一些相关研究,由于不同的应用有不同的部署特点和目标,仍然面临很多挑战。综合大量无线传感器网络部署相关的技术文献和最新研究结果,着重分析无线传感器网络中节点部署问题的重要性、面临的主要挑战、研究的现状以及对已有算法优缺点的剖析,指出下一步的研究方向。以环境监测中部署算法的设计为例,指出关键的考虑因素。

摘要：介绍了无线传感器网络中的重要技术——数据聚合。首先介绍数据聚合和路由协议的关系,数据类型及数据采集的算法;接着以directed diffusion和Greedy Aggregation为例重点介绍了数据传播协议;另外从数据库角度介绍数据融合的实施,综合讨论了有损和无损的算法的特性,最后引入聚合质量的评价。

摘要：介绍了无线传感器网络中的关键技术——时间同步。首先对传统的时间同步在无线传感器网络的适用性做了描述,分析了传统时间同步机制不适合的原因;并重点介绍了专门用于无线传感器网络的几种主流的同步算法,通过对比,总结了各种算法的优点和应用限制。影响时间同步精度的重要原因是不确定性,等待时间的估计容易受到引起不对称双程信息延迟,直接的影响就是同步错误。最后分析了信息传播中不确定性的影响。

摘要：为把用实数表示的指纹特征模板应用到密钥生成和密钥隐藏等密码学实践中,在详细分析已有量化算法的基础上,研究了指纹模板的量化问题,讨论了不同的量化思路,提出了两种非均衡特征向量量化方法和一种复合特征向量量化方法。通过计算原始模板和3种量化情况下特征向量几何距(汉明距)的分布及错误接受率的错误拒绝率的变化情况,比较了两种量化方法和复合量化方法的优劣。实验结果表明,量化方法二优于量化方法一,而复合量化方法优于这两种方法。

摘要：汉明空间上的向量距离是用向量差值的汉明重量来定义的,普通向量空间上的向量距离是用向量差值的功率来定义的,汉明空间上的安全概略构造方法并不适合普通向量空间上安全概略的构造。研究了普通向量空间上安全概略的构造问题,提出了模糊向量空间的概念,并给出了在空间上构造安全概略的方法,重点讨论了多元素一维模糊向量的安全概略构造,从最小熵损失的角度分析了其安全性,给出了其最小熵损失的上界和下界。通过仿真实验结果表明了安全概略构造算法的可行性。