考虑到方位角计算是AOA(angle of arrival)定位的基础之一,首先,提出了以大地坐标计算方位角的球面近似法和正轴圆柱投影-平面法;进而,建立了球面精确AOA定位方程、球面近似AOA定位方程和正轴圆柱投影-平面AOA定位方程;最后,采用无约束...考虑到方位角计算是AOA(angle of arrival)定位的基础之一,首先,提出了以大地坐标计算方位角的球面近似法和正轴圆柱投影-平面法;进而,建立了球面精确AOA定位方程、球面近似AOA定位方程和正轴圆柱投影-平面AOA定位方程;最后,采用无约束非线性规划方法建立了基于大地坐标的分别与上述方程相对应的3个最优化AOA定位模型,并以网格逐点搜索求解法进行了模型验证.验证结果的分析表明:在不考虑测向误差时,球面精确AOA定位模型的精度最高,且与纬度无关,但其定位运算时间最长;球面近似AOA定位模型和正轴圆柱投影-平面AOA定位模型的精度均较高,后者的定位误差略大于前者,定位运算时间也长于前者;要提高AOA定位网的定位精度,既可提高各站点的测向精度,也可增加测向站点数,并应综合考虑定位时效性要求和精度要求选择合适的AOA定位模型.展开更多
为应对高速列车零部件知识复杂、海量且多层级的特点,提高高速列车零部件知识图谱智能问答的效果,提出了一种基于情景感知和分类模型的高速列车零部件知识图谱智能问答知识子图匹配模型。该模型通过情景模型进行情景特征提取及向量转换...为应对高速列车零部件知识复杂、海量且多层级的特点,提高高速列车零部件知识图谱智能问答的效果,提出了一种基于情景感知和分类模型的高速列车零部件知识图谱智能问答知识子图匹配模型。该模型通过情景模型进行情景特征提取及向量转换;再将词向量和情景向量相融合,输入到BERT(Bidirectional Encoder Representation from Transformers)模型中,进行用户问句的所属知识域分类,分类结果即为知识子图匹配的结果。经试验证明,所提模型与其他主流分类模型相比,各项性能指标更优。展开更多
少样本学习是目前机器学习研究领域的热点和难点.针对现有的少样本学习模型不能有效捕捉数据特征与数据标签之间的联系,造成分类模型泛化能力弱的问题,提出一种基于元学习的原型空间图卷积网络少样本学习模型FSL-GCNPS(Few-Shot Learnin...少样本学习是目前机器学习研究领域的热点和难点.针对现有的少样本学习模型不能有效捕捉数据特征与数据标签之间的联系,造成分类模型泛化能力弱的问题,提出一种基于元学习的原型空间图卷积网络少样本学习模型FSL-GCNPS(Few-Shot Learning of Graph Convolutional Network on Prototype Space).首先,利用卷积神经网络提取多任务数据的特征向量;其次,为了将特征向量映射到原型空间中,根据元学习的训练策略得到特征向量的类原型表达;然后,通过类原型向量和类向量之间的嵌入表示,构建图结构数据,并进行图卷积网络训练、推理.实验结果表明,相较于经典少样本学习方法,FSL-GCNPS模型拥有更好的分类准确率和分类稳定性.同时,在医学图像领域数据集上实验表明,FSL-GCNPS具有很好的跨域适应性.展开更多
结合胃镜超声和白光内镜可以更准确地识别胃肠道间质瘤.但是现有的多模态方法往往仅关注于图像特征,忽略了诊断文本信息中所包含的语义信息对于精确理解和诊断医学图像的重要性.为此,本文提出一种新的基于文本引导下的多模态医学图像分...结合胃镜超声和白光内镜可以更准确地识别胃肠道间质瘤.但是现有的多模态方法往往仅关注于图像特征,忽略了诊断文本信息中所包含的语义信息对于精确理解和诊断医学图像的重要性.为此,本文提出一种新的基于文本引导下的多模态医学图像分析算法框架(Text-guided Multi-modal Medical image analysis framework,TMM-Net).TMM-Net使用多阶段的诊断文本来引导模型学习,以提取图像中的关键诊断信息特征,然后通过交叉模态注意力机制促进多模态特征之间的交互.值得注意的是,TMM-Net通过预测病变属性来模拟临床诊断过程,从而增强了可解释性.验证实验在两个中心包含10 025个模态数据对的数据集上进行.结果表明,该方法相比目前最优的GISTs诊断方法精度提升7.7%,同时获得了最高的(Area Under the Curve,AUC)值:0.927,其可解释性可以更好地适合临床需求.展开更多
针对现有合成孔径雷达(SAR)图像数据生成方法大多无法同时生成舰船图像及其检测标签的问题,面向SAR舰船图像生成及目标检测任务,构建基于位置信息的条件生成对抗网络(PCGAN).首先,提出将舰船位置信息作为约束条件用于限制生成图像中舰...针对现有合成孔径雷达(SAR)图像数据生成方法大多无法同时生成舰船图像及其检测标签的问题,面向SAR舰船图像生成及目标检测任务,构建基于位置信息的条件生成对抗网络(PCGAN).首先,提出将舰船位置信息作为约束条件用于限制生成图像中舰船的位置,并将其作为舰船图像的检测标签;随后,引入Wasserstein距离稳定PCGAN的训练过程;最后,利用生成的SAR舰船图像及对应检测标签完成YOLOv3网络的端到端训练,实现舰船数据增强与目标检测的协同学习,进而获得更耦合目标检测实际应用的多样性数据.在HRSID(high resolution SAR image dataset)数据集上的实验结果表明,PCGAN方法能生成清晰、鲁棒的SAR舰船数据,舰船检测准确度最高提升1.01%,验证了所提出方法的有效性.展开更多
超文本传输协议(Hyper Text Transfer Protocol,HTTP)隧道具有穿越防火墙和规避入侵检测系统识别的能力,给信息安全带来严重威胁。然而现阶段的HTTP隧道检测方法识别能力不足、难以应对特征复杂的HTTP隧道。文中分析了HTTP隧道数据包与...超文本传输协议(Hyper Text Transfer Protocol,HTTP)隧道具有穿越防火墙和规避入侵检测系统识别的能力,给信息安全带来严重威胁。然而现阶段的HTTP隧道检测方法识别能力不足、难以应对特征复杂的HTTP隧道。文中分析了HTTP隧道数据包与正常HTTP数据包之间的差别,针对目前HTTP隧道检测方法存在的不足,提出了一种仅需提取小部分流量数据的基于卷积神经网络的HTTP隧道检测方法。实验结果表明,基于卷积神经网络的HTTP隧道检测方法能有效识别网络中的HTTP隧道流量,检测精确率、召回率、F1分数均达到99%以上,且不需要人工选择大量的专家特征,对网络流量监管有重要意义。展开更多
文摘考虑到方位角计算是AOA(angle of arrival)定位的基础之一,首先,提出了以大地坐标计算方位角的球面近似法和正轴圆柱投影-平面法;进而,建立了球面精确AOA定位方程、球面近似AOA定位方程和正轴圆柱投影-平面AOA定位方程;最后,采用无约束非线性规划方法建立了基于大地坐标的分别与上述方程相对应的3个最优化AOA定位模型,并以网格逐点搜索求解法进行了模型验证.验证结果的分析表明:在不考虑测向误差时,球面精确AOA定位模型的精度最高,且与纬度无关,但其定位运算时间最长;球面近似AOA定位模型和正轴圆柱投影-平面AOA定位模型的精度均较高,后者的定位误差略大于前者,定位运算时间也长于前者;要提高AOA定位网的定位精度,既可提高各站点的测向精度,也可增加测向站点数,并应综合考虑定位时效性要求和精度要求选择合适的AOA定位模型.
文摘为应对高速列车零部件知识复杂、海量且多层级的特点,提高高速列车零部件知识图谱智能问答的效果,提出了一种基于情景感知和分类模型的高速列车零部件知识图谱智能问答知识子图匹配模型。该模型通过情景模型进行情景特征提取及向量转换;再将词向量和情景向量相融合,输入到BERT(Bidirectional Encoder Representation from Transformers)模型中,进行用户问句的所属知识域分类,分类结果即为知识子图匹配的结果。经试验证明,所提模型与其他主流分类模型相比,各项性能指标更优。
文摘少样本学习是目前机器学习研究领域的热点和难点.针对现有的少样本学习模型不能有效捕捉数据特征与数据标签之间的联系,造成分类模型泛化能力弱的问题,提出一种基于元学习的原型空间图卷积网络少样本学习模型FSL-GCNPS(Few-Shot Learning of Graph Convolutional Network on Prototype Space).首先,利用卷积神经网络提取多任务数据的特征向量;其次,为了将特征向量映射到原型空间中,根据元学习的训练策略得到特征向量的类原型表达;然后,通过类原型向量和类向量之间的嵌入表示,构建图结构数据,并进行图卷积网络训练、推理.实验结果表明,相较于经典少样本学习方法,FSL-GCNPS模型拥有更好的分类准确率和分类稳定性.同时,在医学图像领域数据集上实验表明,FSL-GCNPS具有很好的跨域适应性.
文摘结合胃镜超声和白光内镜可以更准确地识别胃肠道间质瘤.但是现有的多模态方法往往仅关注于图像特征,忽略了诊断文本信息中所包含的语义信息对于精确理解和诊断医学图像的重要性.为此,本文提出一种新的基于文本引导下的多模态医学图像分析算法框架(Text-guided Multi-modal Medical image analysis framework,TMM-Net).TMM-Net使用多阶段的诊断文本来引导模型学习,以提取图像中的关键诊断信息特征,然后通过交叉模态注意力机制促进多模态特征之间的交互.值得注意的是,TMM-Net通过预测病变属性来模拟临床诊断过程,从而增强了可解释性.验证实验在两个中心包含10 025个模态数据对的数据集上进行.结果表明,该方法相比目前最优的GISTs诊断方法精度提升7.7%,同时获得了最高的(Area Under the Curve,AUC)值:0.927,其可解释性可以更好地适合临床需求.
文摘针对现有合成孔径雷达(SAR)图像数据生成方法大多无法同时生成舰船图像及其检测标签的问题,面向SAR舰船图像生成及目标检测任务,构建基于位置信息的条件生成对抗网络(PCGAN).首先,提出将舰船位置信息作为约束条件用于限制生成图像中舰船的位置,并将其作为舰船图像的检测标签;随后,引入Wasserstein距离稳定PCGAN的训练过程;最后,利用生成的SAR舰船图像及对应检测标签完成YOLOv3网络的端到端训练,实现舰船数据增强与目标检测的协同学习,进而获得更耦合目标检测实际应用的多样性数据.在HRSID(high resolution SAR image dataset)数据集上的实验结果表明,PCGAN方法能生成清晰、鲁棒的SAR舰船数据,舰船检测准确度最高提升1.01%,验证了所提出方法的有效性.
文摘超文本传输协议(Hyper Text Transfer Protocol,HTTP)隧道具有穿越防火墙和规避入侵检测系统识别的能力,给信息安全带来严重威胁。然而现阶段的HTTP隧道检测方法识别能力不足、难以应对特征复杂的HTTP隧道。文中分析了HTTP隧道数据包与正常HTTP数据包之间的差别,针对目前HTTP隧道检测方法存在的不足,提出了一种仅需提取小部分流量数据的基于卷积神经网络的HTTP隧道检测方法。实验结果表明,基于卷积神经网络的HTTP隧道检测方法能有效识别网络中的HTTP隧道流量,检测精确率、召回率、F1分数均达到99%以上,且不需要人工选择大量的专家特征,对网络流量监管有重要意义。
