摘要：为了提高查询验证技术的安全性和计算速度,分析了数字签名链查询验证技术的结构特征,指出其具有数据库构建成本高、验证速度慢和安全性低等不足.将指定验证人签名的思想引入到外包数据库查询验证技术中,并根据外包数据库的安全需求设计了1个指定验证人签名方案,然后结合该签名方案提出一种安全、高效的可保护隐私数据的查询验证技术.该技术在查询验证过程中隐藏了数据拥有者的签名,能防止合谋攻击和伪冒攻击,可实施复杂的内容访问控制策略、保护隐私数据.理论分析和实验数据表明,该查询验证技术的数据库创建成本低、存储开销小、验证速度快、安全性高.

摘要：随着互联网络数据量的急速增长和在线服务的不断增加,数据中心的网络规模不断扩大。如何构建一个能灵活扩展,具有成本效益,同时在网络进行扩展时能保持其拓扑性质不变的数据中心网络结构,已成为一个颇具挑战性的问题。笛卡尔乘积图是一种具有高可扩展性的复合图,它由基础图构造而来,通过使用笛卡尔乘积图能更灵活地构建任何规模的网络结构。基于笛卡尔乘积图,提出一种新型的数据中心网络结构,称为FSDC。FSDC使用商用m端口交换机和2端口服务器构建而成。与其他的数据中心网络结构相比,FSDC具有更好的灵活性和可扩展性。FSDC可以使用不同的基础图构建相同度的笛卡尔乘积图,因此可以构造不同的FSDC结构,并可以通过使用相同类型的m端口商品交换机来按不同的比例扩展。对FSDC的直径、对分带宽等拓扑性质进行了分析;基于节点间存在多条路径的性质,设计了一种容错路由算法。通过与其他数据中心网络结构进行对比分析和模拟实验,结果表明,FSDC具有良好的灵活性、可扩展性以及较好的成本能耗优势。

摘要：近年来,随着自动驾驶的火热发展,越来越多研究者开始探索图像语义分割网络的轻量化并将其应用于道路交通场景。而目前现存的语义分割网络通常由于参数量庞大难以部署在硬件资源有限的边缘设备,针对这一问题,设计了一个由通道注意力骨干网络(CABb)和空间注意力解码器(SAD)模块构成的双注意力轻量化网络(DALNet),结合“通道-空间”双注意力机制的DALNet在图像上下文语义信息的提取和图像空间信息的恢复上都具有突出的表现。CABb主要由通道注意力瓶颈(CABt)模块组成,CABt模块采用Split策略分离特征通道并行处理多尺度的特征图,引入通道注意力机制进行通道融合,提取多尺度语义信息。SAD模块利用空间注意力机制指导解码器进行双线性插值上采样,恢复分割目标边沿以及细节信息。实验结果表明,DALNet仅凭48万的参数量在城市交通数据集Cityscapes和CamVid最高分别可达到74.1%和70.1%的交并比(mIoU)。DALNet在输入图像分辨率为512×1024的情况下,基于GTX 1080TiGPU可以获得74 frame/s的前向推理速度,远超实时语义分割所需的速度要求。

摘要：介绍了一个基于J2ME平台的移动无线阅读系统的总体结构和功能,该系统用于向手机用户提供在线阅读各种信息的增值服务,重点讨论了在手机上运行的J2ME阅读程序的实现技术。

摘要：针对现有语义分割网络模型难以在参数量、推理速度和精确度中取得平衡的问题,设计了一种多尺度特征信息融合的轻量级网络模型(MIFNet)。MIFNet采用编码-解码结构,在编码部分利用分离策略和非对称卷积设计了轻量型特征提取瓶颈结构,且引入空间注意力机制与Laplace边缘检测算子组成边缘-空间融合模块,将空间信息和边缘信息进行融合得到丰富的特征信息。在解码部分引入通道注意力机制恢复特征图尺寸和细节信息完成语义分割。在Cityscapes和CamVid测试集上,MIFNet仅以0.82 M的参数量分别取得了73.1%和67.7%的分割精度,同时在单个GTX 1080Ti GPU下分别获得73.68 frame/s和85.16 frame/s的推理速度,表明该方法在参数量、推理速度和精确度3个指标上得到较好平衡,实现了轻量、快速、精准的语义分割。

摘要：近年来,链接预测成为社会网络和其他复杂网络链接挖掘中的热门研究领域.在链接预测问题中,经常会存在用来提高预测效果的附加数据信息源,这些数据可以用于预测网络中的链接是否存在.在所有的数据源中,最主要的数据源在链接预测中起到最重要的作用.因此,设计具备健壮性的算法用于充分利用所有数据源的信息来进行链接预测十分重要,算法还需要平衡主数据源和附加数据源的关系,使得链接预测能够获得更好的效果.同时,传统基于拓扑结构计算的无监督算法大多数通过计算网络中节点间的评分值来解决预测链接存在可能性的问题,这些方法能够获得有效的结果.在链接预测方法中,最关键的一步是构建准确的输入矩阵数据.由于许多真实世界数据集存在噪声,这导致降低了大多数链接预测模型的效果.提出了一种新的链接预测方法,通过多个数据源的融合,兼顾地利用了主数据源的信息和其他附加数据源的信息.接着,主数据源和其他附加数据源被用于构建一个低噪声且更准确的矩阵,而新的矩阵被用于作为传统无监督拓扑链接预测算法的输入.根据在多个真实世界数据上的测试结果,在多源数据集上进行对比实验,提出的基于低秩和稀疏矩阵分解的多源融合链接预测算法相对于基准算法能够获得更好的效果.

摘要：针对无线Mesh网络网关部署和AP分组问题,提出了一种基于聚类思想的启发式算法.首先设计了一个最小跳数权重指标,其大小反映网关数以及最小跳数的辩证关系,通过这个指标,利用启发式算法获得一个较好的初始解;然后利用聚类k-means方法来对此初始解进行调整优化,使AP分组尽可能均匀;最后通过仿真实验验证该算法的有效性.结果表明:通过有限次数调整,网络可以取得最小网关数、最小AP到网关平均跳数和最小负载均衡指数3个优化目标之间的平衡.

摘要：对抗样本能够作为训练数据辅助提高模型的表达能力,还能够评估深度学习模型的稳健性.然而,通过在一个小的矩阵范数内扰乱原始数据点的生成方式,使得对抗样本的规模受限于原始数据.为了更高效地获得任意数量的对抗样本,探索一种不受原始数据限制的对抗样本生成方式具有重要意义.鉴于此,提出一种基于生成对抗网络的对抗样本生成模型(multiple attack generative adversarial networks, M-AttGAN).首先,将模型设计为同时训练2组生成对抗网络,分别对原始数据样本分布和模型潜在空间下的扰动分布进行建模;然后,训练完成的MAttGAN能够不受限制地高效生成带有扰动的对抗样本,为对抗训练和提高深度神经网络的稳健性提供更多可能性;最后,通过MNIST和CIFAT-10数据集上的多组实验,验证利用生成对抗网络对数据分布良好的学习能力进行对抗样本生成是可行的.实验结果表明,相较于常规攻击方法, M-AttGAN不仅能够脱离原始数据的限制生成高质量的对抗样本,而且样本具备良好的攻击性和攻击迁移能力.

摘要：基于空间几何原理和超声多普勒三角测量法,提出了一种胎头位置、宫颈扩张的自动测量方法,以替代产科临床使用的传统手工触诊法。研究建立了跟踪定位测量系统模型,讨论了可能引发测量误差的原因。设计并实现了超声多普勒跟踪定位系统,包括超声传感器系统、超声驱动/接收电路和测控系统软硬件。模拟测试表明,所设计的系统对胎头位置和宫颈开口的5次测量平均值绝对误差小于0.25cm,远小于传统手工触诊法的平均误差2.0cm。

摘要：针对现有的单精度浮点乘法器存在运算速度慢的问题,该文设计了一种融合Karatsuba算法和Vedic算法两者优点的快速单精度浮点乘法器。该文利用Karatsuba算法减少单精度浮点乘法器的乘法运算次数,将24 bit尾数的乘法运算分解为少位数乘法运算,获得基于3 bit和4 bit的尾数乘法架构;进一步地,利用Vedic算法对单精度浮点乘法器的尾数乘法架构进行优化,利用复杂度低、速度快的加法器实现了Karatsuba算法分解后的3 bit和4 bit的两个基本乘法运算,提高了运算速度。仿真及FPGA验证结果表明,该文设计的单精度浮点乘法器相对于基于传统的Karatsuba算法的单精度浮点乘法器、基于Vedic算法的单精度浮点乘法器,其最大运行时钟频率分别提高了约5倍和2倍。