摘要：针对目前空气质量预测研究方法只考虑单一站点时序特性的缺陷问题,提出一种基于多源城市数据的STRGNN模型。将相邻站点之间的空间相关性表示为距离图和相似图,根据领域类别对特征分组;将分组特征与构建的距离图和相似图成对组合输入至模型。通过收集邻近信息捕获空气质量的空间相关性,利用叠加多层的卷积捕获空气质量的时间相关性。仿真结果表明,该模型与GRU、Seq2Seq等4个基准模型相比,在1 h-6 h预测的MAE和RMSE分别降低了3%和1%,预测效果有所提升,验证所提方法与现有方法相比具有优越性。

摘要：针对行人重识别技术中存在模型识别率低的问题,提出一个联合注意力机制和多分支特征的网络模型。在残差网络中嵌入自注意力机制模块强化图像有效特征的提取,在深度特征挖掘模块,使用全局特征分支、局部关联特征分支以及随机擦除特征分支形成对行人更全面的描述。在优化过程中提出联合余弦交叉熵损失、全样本三元组损失、中心损失以及特征对齐损失对网络使用最小最大策略进行更新。所提方法在Market-1501和DukeMTMC-reID数据集上首位准确率分别达到了95.8%和89.8%。

摘要：针对行人重识别技术中存在特征挖掘不充分的问题,提出一种联合归一化模块和多分支特征的行人重识别模型。在主干网络中嵌入注意力机制引导的实例归一化模块,减轻背景等杂波信息的影响。在双级特征融合模块对局部特征进行加权后再聚合形成对行人特征的更细节表达。联合平滑交叉熵损失、三元组损失以及跨分支特征蒸馏损失对网络进行优化。所提模型在Market-1501和DukeMTMC-ReID数据集上首位准确率分别达到了95.7%和89.2%。实验结果表明,该模型增强了对图像特征的提取。

摘要：针对C+L波段弹性光网络中受激喇曼散射(SRS)效应导致物理层损伤加剧的问题,提出一种基于深度强化学习(DRL)自适应调制格式的频谱分配算法,在路由阶段,采用K最短路由算法为业务请求预计算K条最短备选路径;在波段、调制格式与频谱分配阶段,采用DRL进行智能化决策,并结合了2种奖励函数,以降低网络阻塞率并提高频谱使用效率。仿真结果表明,该算法能够有效降低阻塞率并提高频谱利用率。

摘要：首先设计串扰影响评估方法,动态评估相邻纤芯之间的串扰影响;然后提出空分复用弹性光网络中串扰感知的虚拟网络映射算法。在虚拟节点映射阶段,为了增强虚拟节点与虚拟链路的关联性,采用虚拟节点邻近排序方法。物理节点优先级评估方法考虑节点相邻链路的芯间串扰,达到均衡芯间串扰效果。在虚拟链路映射阶段,设计频谱区域分配方法以减小芯间串扰。仿真结果表明,当负载为100~900 Erlang时,所提算法的平均提升虚拟光网络请求接受率比LCLCVNM算法提高了6.45%,串扰改善了32.1%,但时间复杂度略高于LCLC-VNM算法。

摘要：目前传统的基于协同过滤的推荐算法面对数据稀疏和冷启动问题时表现欠佳,而知识图谱辅助的推荐系统可以有效缓解这一问题,辅以注意力机制,设计了一种融合注意力机制与知识图神经协同推荐算法。首先根据用户与项目的交互图与项目属性的知识图谱进行组合,以此为基础进行嵌入表示;然后利用注意力机制来学习知识图谱中的高阶潜在关系信息并进行聚合,同时结合用户的长短期兴趣偏好通过门控循环神经网络训练获取用户最终偏好进行推荐;最后采用协同过滤方法生成推荐列表。在MovieLens-1M和Amazon-Book数据集上进行实验,所提算法在推荐召回率、准确率、命中率和NDCG的评价指标上均有提升,验证了算法的有效性。

摘要：针对人员合法性检测的舒适度和隐私性问题,提出基于Wi-Fi信号的人员合法性检测系统。采集信道状态信息步态数据,综合考虑方差和短时能量乘积特点实现鲁棒性人员检测;使用离群点去除和归一化算法在得到最佳聚类效果前提下,确保近似系数特征的维度统一性和数值标准化;改进近邻传播聚类算法有效避免实验群体变化对判断阈值的影响,自适应检测人员。真实室内环境评估结果表明,与传统方式相比,当合法人员为1~5人时,TPR、TNR、正确率、PTNR具有较好的性能。

摘要：安防行业的结构化数据中存在大量的相似重复记录,传统的相似重复记录检测算法的识别率很难满足安防行业的实际需求。针对这种情况,引入了卷积神经网络模型,设计两种以LeNet-5模型为基础的改进模型,一种是输入为词向量矩阵的模型,另一种是输入为相似度矩阵的模型。实验表明,输入为词向量矩阵的模型的精确率和召回率均达到了96%以上,输入为相似度矩阵的模型的精确率和召回率高达98%,并且K折交叉验证的结果说明模型具有较强的泛化能力。

摘要：无人机辅助物联网技术被广泛应用于灾害应急通信中,但物联网设备的通信中存在多种不确定因素。针对位置参数区间存在不确定性的问题,提出了无人机辅助物联网通信的鲁棒优化方法。使用椭球不确定集对地面物联网设备位置参数区间不确定性进行描述,建立了包含不确定性的物联网设备通信鲁棒优化模型,并对模型进行了求解。为提高模型求解的准确性,提出一个有关位置参数区间不确定和椭球误差域之间的相关分析方法,分析了两类不确定因素对物联网设备通信模型的影响程度。以地面物联网设备最优部署和通信最小功率为目的,设计了仿真实验。结果表明,在不确定因素存在时,所提优化模型能有效实现地面物联网设备间的最优部署和通信功率最小化。

摘要：由于传统人脸识别系统多采用手工进行特征设定,存在识别精度低、速度慢等缺点,因此文中设计一种基于MTCNN和Facenet的人脸识别系统。采用MTCNN模型进行人脸边框回归,通过三阶级联卷积神经网络对人脸图像进行从粗到细的提取;采用Facenet模型进行人脸特征向量提取,构建本地人脸特征库;通过比对待识别人脸特征向量与本地人脸特征库中向量间的欧氏距离,输出识别结果。为验证系统性能,从检测速度与检测精度两方面进行测试。实验结果表明,文中所设计的系统识别速度达25 f/s以上,当特征向量间的欧氏距离的阈值设定为0.60时,在数据集LFW上的识别率最高达到99.27%。该系统检测速度满足实时性的同时具有较高的检测精度。