摘要：点击率(CTR)预测用于预测用户点击推荐物品的概率,是推荐系统和在线广告的关键任务。CTR预测模型中缺乏对高效的特征交互以及对特征交互的可解释性。论文提出了一种具有编码器的EnDeepFM推荐模型(Deep Neural Networks with Encoder Enhanced Factorization Machine,EnDeepFM),通过Transformer编码器对嵌入特征进行编码,利用双线性函数生成不同特征对的不同特征相似度,从编码器生成的嵌入有利于进一步的特征交互。最后,在真实数据集Criteo和MovieLens上进行对比实验,实验结果表明所提出的算法比DeepFM模型具有更好的预测性能。

摘要：随着加密通信技术的普及和网络安全意识的增强,使得加密流量的准确分类变得愈发重要。然而,传统的流量分类方法往往在面对加密流量的识别困难和多样化特征时表现不佳。为了解决这一问题,该文提出了一种基于自注意卷积神经网络的加密流量分类方法。该模型结合了卷积神经网络的空间特征提取能力和自注意力机制的全局关注能力,能够有效地识别加密网络流量。与传统的卷积神经网络相比,该文模型在流量分类任务中表现出了良好的性能,并且游戏流量分类的F1值提升6%。

摘要：超像素聚类分割方法常作为许多深度学习模型的预处理方法,然而该方法结构的过简单化不仅使得图像预分割的精度降低,也会导致后续处理语义分割任务时模型的精度降低。为解决这一问题,论文在一般的超像素分割方法 SLIC的基础上设计了新的区域相似度度量及合并准,同时将融合了DPC算法的样本密度和三支聚类延迟决策的思想的K均值算法作为初分割后的再聚类方法。实验结果表明,新的相似性度量及合并准则能够充分考虑图像的空间特征,对SLIC处分割后的像素再聚类进一步提高了预分割的精度和实际分割效果。

摘要：针对行人检测中远距离目标像素稀少和遮挡产生人体模式信息缺失导致的严重漏检问题,提出一种基于双关键点组合的行人检测方法.该方法利用人体头部与中心区域的关键点,有效提取和融合行人的判别语义特征,从而显著降低行人的漏检率.首先,在深层聚合主干特征网络上引入可变形卷积来扩大感受野,增强人体模式的语义信息;其次,设计了一种基于关键点组合的双分支联合检测模块,通过重新定义不同分支的正样本,强化小尺度与遮挡目标的语义信息;最后,借助非极大值抑制算法融合双分支检测结果.结果表明:在CityPerson验证数据集的普通、小尺度与严重遮挡子集上,文中方法的平均漏检率分别达到8.24%、11.81%和30.59%,特别是对于严重遮挡子集,漏检率相比传统方法ACSP降低15.71%;文中方法检测速度也达到16帧/s;在CrowdHuman上文中方法的平均精度和平均漏检率分别达到86.30%和45.52%.与其他先进方法相比,文中方法在平均精度、漏检率和检测速度方面都呈现出更优异的性能,在密集行人的复杂场景中具有较好的应用价值.

摘要：机器人抓取任务中面对的是不同形状和大小的物体,而散落在场景中的物体会有不同的姿态和位置,这对机器人抓取中计算物体位姿任务提出了较高的挑战。针对于此,本文设计了一种基于三维目标检测的机器人抓取方法,弥补了基于二维图像识别引导机器人抓取任务中对视角要求较高的缺陷。首先,设计了一种卷积神经网络在RGB图像中识别物体,并回归出物体三维包围盒、物体中心点;其次,提出一种计算机器人抓取物体最佳姿势的策略;最后,控制机器人进行抓取。在实际场景中,使用本文设计的三维检测网络,三维目标检测精度达到88%,抓取成功率达到94%。综上所述,本文设计的系统能有效找到机器人合适的抓取姿势,提高抓取成功率,满足更高的抓取任务要求。

摘要：为了进一步提高点击率(Click-through rate,CTR)预测模型学习有效特征组合的能力,该文提出一种基于增强型因子分解向量输入神经网络(Enhanced factorization machine supported neural network,EFNN)的广告点击率预测模型。该模型在基于因子分解向量输入神经网络(Factorization machine supported neural network,FNN)的基础上增加了新特征生成层,采用一种针对CTR数据的卷积操作,对数据进行通道变换后引入Inception结构进行卷积,将生成的新特征和原始特征结合,提升了深度网络的学习能力。实验结果证明,添加了新特征生成层的增强型FNN能有效提高广告点击事件的预测准确率。

摘要：针对Modbus TCP协议存在的安全问题,如缺乏认证、数据明文传输和功能码滥用等,基于原Modbus TCP协议提出一种安全的工控通信协议(Modbus?S协议):采用数字签名技术保证数据的完整性和可认证性;使用对称密钥技术保证数据的机密性;利用哈希算法的单向性原理保证数据的唯一性;最后使用“白名单”过滤机制基于角色对功能码进行管理,保证指令的可控性。实验验证和分析表明:Modbus?S协议可以全面弥补Modbus TCP协议的设计缺陷,与已有方法相比,该方法安全性更高,可以全面提高Modbus TCP协议的通信安全。

摘要：针对目前苹果叶片数据集的叶片病害种类不全以及图片背景单一等问题,构建了复杂背景下包括苹果叶部六种常见病害的苹果叶片病害数据集。针对目前主流苹果叶片病害检测模型检测精度不高、模型复杂和不满足实时监测等问题,提出了一种基于YOLOX-S(you only look once X-S)改进得到的复杂背景下的苹果叶片病害自适应检测模型Dynamic-YOLOX。设计并使用ECA-SPPFCSPC模块(efficient channel attention cross-stage partial fast spatial pyramid pooling module)更换YOLOX-S模型主干网络尾部Dark5中的空间金字塔池化(SPP)以及跨阶段局部网络(CSPNet)模块来增强模型关注深层语义特征、抑制无用信息的能力,并减少硬件内存开销。设计了动态跨阶段局部网络(ODCSP)模块,并用其更换YOLOX-S模型主干网络中Dark2、Dark3、Dark4部分以及颈部网络中所有的CSPNet模块,使得模型在面对不同输入特征时有更强的自适应性,在减少模型的参数量和计算量的同时提高了模型的平均检测精度。引入Varifocal Loss更换模型中分类置信度损失的BCEWithLogits Loss来提升模型对苹果叶片中密集小目标病害的检测精度。在自制数据集上Dynamic-YOLOX相对原始YOLOX-S模型的mAP提升了4.54个百分点,达到84.63%,同时模型的参数量和计算量分别下降了11.97%和13.45%,检测速度达到44.07 FPS。对比主流苹果叶片病害检测模型,Dynamic-YOLOX具有一定优越性。

摘要：测向系统对于频带宽度、测角精度及测向范围等方面有着较高的要求。针对这一问题,对于接收天线的频率响应、阻抗带宽特性进行了可重构设计,以达到测向系统对宽频带的要求。同时,在所设计天线元方向特性的基础上,对传统的比幅测向算法nABD进行研究,给出相应的天线元加权系数调整方法,以获得较优的测角精度和测向范围。由仿真结果可知,所设计天线具有较好的工作频率范围与可重构阻带特性,所提测向算法可以获得较高的角度分辨率和较大的测向范围。

摘要：建立了武器-目标分配问题的优化模型,分析了分布估计算法与遗传算法的异同.将分布估计算法应用于武器-目标分配问题,该算法通过统计当前群体中优选出的个体信息,给出下一代个体的概率估计,用随机取样的方法生成下一代群体.分析了个体种群数量、选择比例等参数对算法的影响,得出个体种群数量和选择比例取适中时效果最好的结论.仿真结果表明了分布估计算法求解武器-目标分配问题是可靠有效的.此方法具有较好的可扩展性,修改此算法可解决一般组合优化问题.