摘要：近红外光谱分析技术依赖于表征光谱向量和预测目标之间关系的化学计量学方法。然而,样品的光谱由信号和各种噪声组成,传统化学计量学方法较难直接提取光谱的有效特征,并为复杂的预测任务建立具有较强泛用性的校正模型。进一步地,受限于仪器间的差异,在一台仪器上建立的模型应用于另一台仪器时,难以取得相同的定量分析结果。为此,提出了一种基于卷积神经网络和迁移学习的定量分析建模及模型传递方案,以提高模型在单仪器和跨仪器上的预测性能。在卷积神经网络的基础上,一种结合多尺度特征融合和残差结构,名为MSRCNN的先进模型被设计,并在主仪器上展现了卓越的预测能力。然后,设计了四种的基于fine-tune模型迁移策略,将在主仪器上建立的MSRCNN模型迁移到从仪器。在药品和小麦的公开数据集上的实验结果表明,MSRCNN在主仪器上的RMSE和R 2分别为2.587,0.981和0.309,0.977,优于PLS,SVM和CNN。在利用30个从仪器的样本微调主仪器建立的模型后,迁移MSRCNN中的卷积层和全连接层的方案取得了最好效果,其RMSE和R2可分别达到2.289,0.982和0.379,0.965。增加参与模型微调的从仪器样本,可进一步提高性能。

摘要：信息数字化的快速发展,大量司法证据电子化也带来了很多数据的安全、信任等问题。传统的存证方式在面对不断增长的电子数据存证需求时,逐渐地显露出成本高、效率低以及采信困难等不足,确保视频证据、语音记录、电子合同等电子司法证据的安全、可信逐渐成为一个必须解决的问题。针对上述问题,本文设计了一种基于超级账本技术的区块链电子存证系统,通过区块链的共识验证机制与星际文件系统结合,使得电子证据安全可信以及责任可追溯的同时,解决了电子证据的存储问题。最后,设计了访问权限控制方案,保证了用户数据的隐私。

摘要：纠删码容错技术已广泛应用于分布式存储系统,相较于多副本容错技术能显著降低数据存储成本,并且具有更高的数据通信可靠性和安全性,但在数据存储过程中不可避免地会引入额外的计算开销并增加编码时延,导致数据写入吞吐量降低。针对该问题,提出一种基于现场可编程门列阵(FPGA)的纠删码编码加速方案。首先,利用FPGA的高速并行计算优势对纠删码算法进行硬件加速,并实现并行处理和时序优化。然后,针对上位机与FPGA之间因传输速率和处理速率不一致造成内存中的数据溢出问题,在FPGA上拓展了片外DDR3接口用于数据缓存,提高了通信可靠性,并利用DDR3的随机存取特点实现对数据块的分片。最后,设计基于FPGA的纠删码编码硬件加速架构进行实验验证。实验结果表明,与主流Jerasure 2.0开源纠删码库相比,该方案的数据写入吞吐量提升了2.7~93.0倍,尤其对于小文件的编码写入性能提升更为显著。

摘要：随着移动终端的快速普及,群智感知系统得到了学术界的广泛关注.现有工作大多数依赖第三方平台来执行参与者选择和收集大规模数据,很难兼顾对参与者隐私的保护和数据质量评估的公平.针对该问题,本文提出了一种群智感知中基于区块链的共识节点招募方法.通过Pedersen承诺隐藏参与者的选举随机值,借助零知识证明系统和区块链技术保证了选举数据的隐私性和完整性,实现在参与者中公平且秘密地选举单个共识节点.考虑到单点故障的隐患问题,该方法支持定时重启选举,保持共识节点不断更新以抵御共谋攻击;还结合Pedersen承诺设计了更新阶段,安全定期更新选举随机值以抵御动态腐化.结合区块链对数据质量评估结果进行二次共识后,由共识节点基于贡献更新信誉和计算报酬,保证了参与者的奖惩公平并激励参与者提供高质量的任务数据,从而提高用户参与任务的积极性.仿真实验表明,该方法不仅实现了安全公平的选举过程,而且不会额外增加参与者的计算和存储负担.

摘要：城市化的发展使得交通预测在交通规划和城市管理等应用中发挥着重要作用。然而在交通预测任务中,捕获交通数据的高度非线性和复杂的时空依赖关系仍具有很大的挑战性。为了更好地捕获交通数据的时间依赖性和全局空间相关性以及同时满足长期和短期的预测任务,设计了一种用于交通预测的注意力时空图神经网络。首先通过引入注意力机制来调整邻近道路与非邻近道路的重要性,整合全局空间信息;然后再通过图卷积网络和带有扩展因果卷积的门控线性单元来共同捕获时空相关性。在两个真实数据集PeMSD7(M)和PEMS-BAY上的实验结果表明,该网络模型可以较大地提高短期和长期的交通预测精度。

摘要：近红外光谱(NIR)分析具有分析高效、样品无损、环境无污染以及可现场检测等优点,特别适合药品的快速建模分析。但NIR存在吸收强度弱以及谱带重叠等缺点,需要建立稳健可靠的化学计量学模型对其进行分析。深度卷积神经网络是深度学习方法中一个重要分支,它通过逐层抽取数据特征并进行组合、转换,形成更高层的语义特征,具有极强的建模能力,广泛应用于计算机视觉、语音识别等领域,而在药品NIR分析方面尚未见报道。基于深度卷积网络模型,对药品NIR多分类建模进行研究。针对药品NIR数据的特点,设计若干个面向多品种、多厂商药品NIR分类的一维深度卷积网络模型。模型中卷积层和池化层交叠排列用于逐层抽取NIR数据特征,输出层连接softmax分类器,对药品NIR数据进行分类概率预测。在输出层之前采用全局最大池化层,将特征图进行整体池化,形成一个特征点,用于解决全连接层存在的限制输入维度大小,参数过多的问题。同时,在网络模型中引入批处理操作和dropout机制,以防止梯度消失和减小网络过拟合的风险。在网络模型的设计过程中,通过设计不同的卷积网络层数以及不同的卷积核尺寸大小,分析其对建模效果的影响,同时分析五种经典数据预处理方法对NIR分析的影响。以我国7个厂商生产的头孢克肟片和11个厂商生产的苯妥英钠片样本NIR为实验对象,建立药品的多品种、多厂商分类模型,该模型在二分类、多分类实验中取得了良好的分类效果。在十八分类实验中,当训练集与测试集比例为7∶3时,分类准确率为99.37±0.45,比SVM,BP,AE和ELM算法取得更优的分类性能。同时,深度卷积神经网络模型推理速度较快,优于SVM和ELM算法,但训练速度慢于二者。大量实验结果表明,深度卷积神经网络可对多品种、多厂商药品NIR数据准确、可靠地判别分类,且模型具有良好的鲁棒性和可扩展性。该方法也可推广到烟草、石化等其他领域的NIR数据分类应用中。

摘要：在基于深度学习的行人重识别算法中,通道特征易被忽视而导致模型表达能力降低。为此,以ResNeSt50为骨干网络,借鉴SENet通道注意力特点在残差块末尾接入SE block,增强网络对通道特征的提取能力;针对ReLU函数因缺少控制因子而限制不同通道特征图对激活值的准确响应问题,引入一个动态学习因子来丰富通道特征权重信息,以形成新的加权激活函数Weighted ReLU(WReLU);基于分组卷积特征图局部而设计新的激活函数Leaky Weighted ReLU(LWReLU),有效提高不同位置的深度特征表达能力;在Split-Attention和SE block中应用LWReLU,改善Split-Attention对各组特征图的权重学习能力;利用circle loss改进损失函数,优化目标收敛过程,从而提高模型精度。实验结果表明:在CUHK03-NP、Market1501和DukeMTMC-ReID数据集上,所提方法的Rank-1比原骨干网络分别提高了19.08%、0.98%、2.02%,且其mAP比原骨干网络分别提高了17.13%、2.11%、2.56%。

摘要：针对传统基于图像的水墨画绘制方法生成的图像只具备水墨画的一些基本特征,不能给其指定某一种风格,使得生成的图像显得呆板、缺乏意境层次的表达的情况,提出一种基于卷积神经网络的水墨画合成方法。该算法调整一个训练完成的卷积神经网络模型的结构,定义图像在卷积神经网络模型中的卷积层映射的特征响应的表示,以及特征响应之间的相互关系表示。先对照片作对比度增强预处理,然后在一张随机的图像上,匹配照片的特征响应来获取内容信息,匹配水墨画的特征响应相互关系来获取风格信息。实验表明,基于卷积神经网络的水墨画合成方法可以生成效果较好的水墨画图像,既保留了原照片轮廓信息,又带有原水墨画整体纹理信息,对水墨画灰度图像的风格合成效果出色。

摘要：在三方口令认证密钥交换(三方PAKE)协议中,每个用户仅仅需要和服务器共享一个口令,就可以在服务器的协助下与他人进行安全的密钥交换.由于有效地减少了用户管理口令的负担,三方PAKE协议在大规模用户集的安全通信中受到了较多关注.然而,已有的三方PAKE协议大多关注的是服务器利用明文存储用户口令的情形,没有考虑服务器口令文件泄露所造成的巨大威胁.在服务器端存放的是相应于用户口令的验证元的情形下,研究三方PAKE协议的分析和设计.首先分析了一个最近提出的基于验证元的三方PAKE协议,指出该协议易于遭受离线字典攻击,因此未能达到所宣称的安全性;其次,在分析已有协议设计缺陷的基础上,提出了一个新的基于验证元的三方PAKE协议,并在标准模型下证明了所设计的协议的安全性,与已有协议的比较表明,新提出的协议在提供了更高安全性的同时具有可接受的计算和通信效率.

摘要：为改善传统网页排序算法在网页排序过程中存在的忽略用户兴趣和网页欺诈等不足,提出一种基于用户反馈特征聚合的网页排序算法AFPR。通过Web用户反馈特征聚合,将不同的用户反馈特征聚合为一类,综合考虑用户对网页的有效点击率、最近访问频率、网页有效浏览时间等因素,将聚类结果以网页用户兴趣反馈特征依赖因子形式融入到传统网页排序算法中。仿真实验表明,AFPR算法能够在一定程度上改善排序质量,提升用户信息检索的满意度。