摘要：软件系统是一个复杂的人工制品,类之间的交互关系对软件质量有着潜在影响,如软件缺陷的级联传播效应就是一个典型.如何准确预测软件系统中类之间合理关系,优化设计结构是软件质量保障的一个开放问题.从软件网络观的视角,综合考虑软件系统中类与类之间关系(外部图),以及每个类内部方法之间关系(内部图),将软件系统抽象成一个图中图结构的软件网络,并在此基础上提出一种基于图中图卷积神经网络的类交互关系预测方法.首先对每个类内部图进行卷积得到类节点的初始特征,再通过外部图的卷积更新类节点的表征向量,最后通过计算类节点对的评估值进行交互预测.根据在6个Java开源项目上的实验结果显示,图中图结构有助于提高软件系统结构的表征能力,且所提方法与常规网络嵌入方法相比,AUC值和AP值的平均增长率超过5.5%.与此同时,和两种同行方法相比,AUC值和AP值的平均增长率分别在9.36%和5.22%以上.

摘要：针对约束区域均匀试验设计中的带有约束或不规则区域问题,提出一种基于启发式信息进行自适应邻域搜索的约束区域均匀试验设计方法,即邻域搜索均匀设计(NSUD).在NSUD中,每个个体基于当前种群分布信息调控各自的邻域搜索方向及搜索步长,有效提升种群整体的均匀性.针对强约束及等式约束等复杂约束问题,当进行邻域搜索时采用差分算法搜索可行解的方向,以保证可行解的生成.采用8个测试问题进行实验分析,并与其他基于启发式的试验设计算法进行比较,实验结果表明:所提出的方法在解集质量和收敛速度上都能取得更好的结果.

摘要：遥感影像中复杂的背景占据图像的大部分区域,严重影响了目标检测效果.本文提出一种可以对特征图进行多特征选择的目标检测网络.设计了双向多尺度特征融合网络,融合深浅层信息,提高复杂背景下小目标的检测效果,在保留常规特征金字塔自上而下路径的同时,增加一条自下而上的路径,减少浅层特征传递到顶层经历的网络层数,从而控制浅层特征损失.为了降低多尺度特征图中无用信息对后续检测网络的干扰,设计了基于注意力机制的多特征选择模块,网络自适应地专注于有用特征,忽略无用特征.针对传统五参数回归法在预测角度时存在严重的边界不连续问题,不能精确预测长宽比值比较大的目标,将角度预测当作分类任务处理.在DOTA数据集和自制数据集DOTA-GF上进行实验,6类典型目标的mAP分别达到0.651和0.641,与主流目标检测算法的对比实验结果表明提出的方法的有效性.

摘要：为适应“新工科”人才培养跨专业、跨学科的要求,该文从课程类型和实验环节二维划分出发,通过开发软件插件、应用开源工程、构建原创算法等方式,将物联网前沿技术应用于本科教学,设计了基于人体姿态感知信息的多模态实验案例,能够辅助学生基于统一的实验原理,串联起多课程、多专业基础知识,在实践中掌握物联网感知、数据传输、边缘计算、云计算等应用技能。

摘要：在在线广告和推荐系统中,准确预测点击率(Click-Through Rate,CTR)是至关重要的。CTR是广告被点击次数与广告被展示次数的比值。过去,许多传统的机器学习算法,如逻辑回归、支持向量机,因为简单且易于实现而被广泛地应用于广告点击率预测工作。然而,这些传统算法往往需要复杂的特征工程。相较之下,深度学习模型能够有效自动提取高阶特征,可以较好地解决这一问题。此外,为了实现更高效、更准确的性能,融合了嵌入式和钦层感知器(Multilayer Perceptron,MLP)的优点的混合架构近年来被广泛地应用。该文对预测点击率的方法进行了全面的研究,不仅根据现有解决方案的架构将其分为三类,而且对每一类进行了详细的概述。最后,该文指出了该领域存在的挑战和未来发展方向,为进一步研究指明可能的途径。

摘要：为提高数字电路在线演化过程中的个体多样性以及收敛速度,提出一种函数级电路演化设计与实现方法,将每一个可演化逻辑单元中的函数功能也编码为染色体,参与演化操作,使函数功能在演化过程中也能够动态调整;限制逻辑单元的连接深度,使每一个逻辑单元的可连接深度都较小且相同,有利于抑制非法个体和加快收敛速度;在演化策略中引入一种不等概率连接的变异算子,缩小演化算法的搜索空间。多组测试电路的实验结果表明,该方法在增加生成电路多样性的同时,加快了电路演化的收敛速度,对规模不大的目标电路设计具有优势,特别适合于电路的容错与局部自修复。

摘要：当前,时空信息、定位导航服务已成为重要的新型基础设施,在通用人工智能的驱动下,大模型引领的智能时代已经到来,越来越强大的大模型将在测绘时空信息智能处理与应用中发挥越来越重要的作用。以大模型为研究范式,总结大模型在测绘时空信息智能处理的现状与进展,分析大模型在测绘时空信息智能处理面临的挑战,阐述多模态融合与理解架构设计、提示工程优化微调以及人在回路引导决策3个核心方面在时空信息测绘大模型中的关键作用。针对行业理解深度、数据安全隐患、内容可信度保障以及训练部署成本优化4个方面,展望时空信息测绘大模型面临的挑战与发展趋势。

摘要：针对全卷积孪生神经网络(fully-convolutional Siamese network,SiamFC)在目标发生明显外观变化、目标快速运动等复杂场景下跟踪精确度不足,以及在跟踪目标丢失后由于采用局部搜索策略导致无法重新捕获追踪目标的问题,引入YOLO(you only look once)v3作为再检测网络对SiamFC进行改进。改进算法在SiamFC的跟踪点漂移后会启用目标检测网络进行全局搜索,同时在SiamFC跟踪响应图的峰值小于某一确定阈值时启用目标检测网络对跟踪目标位置进行重新检测与判定,从而可以重捕并更精确地判定复杂环境下的运动目标。在公共数据集OTB2013、OTB2015和UAV20L上进行了实验,实验结果表明,与SiamFC相比,改进算法在OTB2015数据集上的精确度提升了2.9%、成功率提升了1.7%,在UAV20L数据集上的精确度提升了1%、成功率提升了2.6%。此外,通过与目前主流的跟踪算法进行比较得出,改进算法达到了领先的性能。对数据集中不同属性的视频序列进行分析,实验表明改进算法在目标形变、尺度变化、严重遮挡、目标离开视野以及背景混淆5种干扰属性上均有较强的准确性和鲁棒性。

摘要：研究了VANET(Vehicular Ad-hoc Networks)中多信道环境下基于合作机制的路由选择问题.提出将发送时延和链路冲突数作为路由判据的主要参数的思路,设计了一种新的路由判据MCCM(Multi-Channel Contention-aware Cooperative Metirc),该判据综合考虑了路径内干扰和路径间干扰并反映出多信道环境对路由的影响.将MCCM路由判据应用到路由选择中,据此设计的路由算法能更好地适应VANET中的虚拟节点和虚拟链路,进而设计了一种全新的分布式路由选择协议MCCR(Multi-Channel Contention-awareCooperative Routing).模拟实验结果表明,在节点稠密、网络负载大时,MCCR路由算法能有效提高网络性能.

摘要：通过可信硬件能够弥补单纯软件安全的不足,从整体上提高云系统的安全性。但是,面对云环境运行时的安全,传统可信硬件技术无法提供足够的保障。为此,提出了一种基于UEFI的虚拟机动态安全框架——VirtinSpector。该框架能够将UEFI固件作为可信基础,对云系统的基础设施层进行实时、动态的安全度量,提供传统可信技术无法达到的动态保护。在此框架基础上,以某国产服务器为实验平台,构建云环境,实现了一个面向Xen环境的UEFI虚拟机动态安全度量原型系统。实验与分析表明,该框架能够有效检测针对虚拟域、管理域和虚拟化软件的攻击,为云系统提供来自基础设施层的安全支撑。并且对原有系统的性能损耗在允许范围之内,不影响用户的正常使用。