5G基站型路侧设备技术方案与应用研究

5G基站型路侧设备技术方案与应用研究[通信与网络][5G]

随着5G技术的发展和商用，基于车路协同的自动驾驶被业界认为是车联网未来发展的主要方向之一，路侧设备RSU是车路协同关键设备之一。立足于未来5G网络和C-V2X网络发展趋势，分析了5G基站型RSU的需求，并对5G基站型RSU的技术方案、基本功能进行了描述，展望了5G基站型RSU的应用场景。

发表于：2020/12/16 上午8:59:00

基于CNN-LightGBM模型的高速公路交通量预测

基于CNN-LightGBM模型的高速公路交通量预测[人工智能][物联网]

有效的交通流量预测对人们出行和交管部门监管都有着重要的意义。传统的交通量预测模型主要基于交通流的时间特性，未结合交通流的时间和空间特性进行深入挖掘，因此预测效果有时不佳。提出了一种基于CNN与LightGBM结合的交通流预测模型，首先利用CNN模型挖掘出高速公路相邻路段监测点和出入口的时间和空间关联性，实现对交通流数据的时空特征提取，然后将CNN提取到的特征向量输入到LightGBM模型中进行预测。为了验证模型的有效性，实验中使用了多种预测模型进行对比，实验结果表明，所提出的考虑到时空特性的CNNLightGBM组合的模型可以明显降低预测误差，是一种有效快速的交通流预测模型。

发表于：2020/12/15 下午10:16:00

一种邻域自适应的双阈值点云特征提取方法

一种邻域自适应的双阈值点云特征提取方法[其他][其他]

点云数据的特征提取是点云数据处理环节中的一项重要内容，对几何分析、数据分割、点云配准、模型重建等研究起关键作用。研究了基于法向量和曲率的点云特征提取技术，阐明了特征提取过程中邻域选取与单一参数计算存在的问题，提出了邻域自适应的双阈值点云特征提取方法。通过实验对比了该算法与基于曲率的特征提取算法的提取效果，验证了本算法的稳定性、准确性。该算法对于几何特征复杂的点云具有较好的提取效果，对提高点云特征点提取的精度及效率具有重要的意义。

发表于：2020/12/15 下午9:36:00

基于Flink框架的TopN堆排序优化算法

基于Flink框架的TopN堆排序优化算法[其他][其他]

为了解决大数据TopN排序问题，将传统的堆排序进行优化，阐述了优化后的HeapOptimize方法的处理过程。HeapOptimize方法基于Flink框架来完成TopN作业，可以实时地接收并处理大量的数据，根据单位时间需要处理的数据数量来调整算子的并行度，增加Flink框架的吞吐量，提高处理数据的速度。通过实验测量的数据结果佐证了HeapOptimize方法的优势。

发表于：2020/12/15 下午9:17:00

基于改进马尔科夫特征的图像拼接检测研究

基于改进马尔科夫特征的图像拼接检测研究[通信与网络][信息安全]

针对传统马尔科夫特征拼接检测准确率不高的问题，提出了一种有效的马尔科夫特征提取方法。与传统马尔科夫特征的计算过程不同，只计算水平和垂直两个方向的转移概率矩阵，选择四个转移概率矩阵中对应位置求和后的值作为最终特征。求和操作不仅降低了特征维度，而且使真实图像与拼接图像之间的概率分布区分更加明显。所提出的算法的特征维度与数据集无关。该方法在哥伦比亚彩色拼接检测图库、CASIA V1.0和CASIA V2.0数据集上测试的准确率分别为94.38%、99.19%、96.02%。

发表于：2020/12/15 下午8:49:00

基于DAPA的卷积神经网络Web异常流量检测方法

基于DAPA的卷积神经网络Web异常流量检测方法[测试测量][通信网络]

针对Web攻击流量检测问题，提出一种基于动态自适应池化算法(Dynamic Adaptive Pooling Algorithm,DAPA)的卷积神经网络模型。首先将数据集中每一条请求流量进行剪裁、对齐、补足等操作，生成一系列50×150的矩阵数据A作为输入，然后搭建基于动态自适应的卷积神经网络模型去进行异常流量检测，使之可以根据特征图的不同，动态地调整池化过程，在网络结构中添加Dropout层来解决流量特征提取过程中的过拟合问题。实验表明，该方法比未使用动态自适应池化的方式精确度提升了1.2%，损失值降低了2.6%，过拟合问题也得到了解决。

发表于：2020/12/15 下午8:32:00

基于KNN的剩余油形态识别

基于KNN的剩余油形态识别[其他][其他]

对从实验中采集到的剩余油图像进行分析研究，可以为油藏后期开采提供理论依据。通过收集确定类型的剩余油特征数据作为样本集向量空间，对待分类剩余油特征数据进行归一化处理，之后求取欧氏距离。使用KNN（K近邻）分类方法近邻投票确定剩余油类别，可以较为快速准确地得到分类结果。

发表于：2020/12/15 下午5:23:00

基于方面情感的层次化双注意力网络

基于方面情感的层次化双注意力网络[人工智能][信创产业]

基于深度学习的方面级情感分析，结合注意力机制的神经网络模型取得较好的分类效果，但常用方法仅考虑单一层面注意力机制，且无法获取句子间依赖关系。设计了一种层次化的双注意力神经网络模型用于方面级情感分析，针对特定方面引入方面目标的注意力机制以及文本上下文自注意力机制，获取方面特征信息和句子的全局依赖信息；设计层次化GRU网络，其中单词层嵌入特定方面信息，获取针对方面目标的句子内部特征信息，句子层网络通过双注意力机制和词语层的输入，获取句子间的特征依赖信息，从而实现深层次的方面情感分类。在SemEval 2014两个数据集和Twitter数据集上进行对比实验，验证了该方法的有效性，针对方面级情感，分类准确率均得到了有效提升。

发表于：2020/12/15 下午5:16:25

基于疲劳驾驶的人眼定位方法研究

基于疲劳驾驶的人眼定位方法研究[人工智能][工业自动化]

人眼定位是疲劳驾驶的研究关键。由粗到精，先后进行了人脸检测、瞳孔定位。针对现有方向梯度直方图人脸检测算法泛化能力不佳的问题，提出了一种基于信息熵加权的HOG特征提取算法，该算法将待分类的人脸特征进行信息熵阈值加权，形成新的HOG特征，然后通过支持向量机进行分类；针对现有瞳孔定位算法准确率不高的问题，提出了多算法协同工作的瞳孔定位方法，以自商图为基准寻找二值分割点，实现了眼部区域光照不变性，以灰度积分投影为依据实现了瞳孔精确定位。实验结果表明，该文提出的人脸检测算法在CelebA验证数据集准确率可达到98.26%，较传统识别方法有更高的准确率；而瞳孔定位算法也可达到令人满意的精确度，提高了瞳孔定位的准确性。

发表于：2020/12/15 下午5:08:50

基于频域注意力时空卷积网络的步态识别方法

基于频域注意力时空卷积网络的步态识别方法[模拟设计][信创产业]

为了解决步态信息冗余多、特征重要性分布不均匀以及步态的时空特征难以学习的问题，提出了基于频域注意力的时空卷积网络进行步态识别。该方法改进了三维卷积网络(C3D)学习时空特征，同时提出了一种频域注意力卷积操作，既减少了冗余计算，注意力的调整又提高了学习效果。网络首先将步态信息划分为五组，然后通过改进的卷积进行时空特征抽取，最后通过Softmax层进行分类。在中科大数据集CASIA dataset B中进行测试，在Bag状态与Coat状态下准确率分别为88.5%、92.8%，分别较传统深度卷积网络(Deep CNN)提升3%左右，同时注意力在网络学习中重新分布，各个角度下的准确率也平均提升2%左右。

发表于：2020/12/15 下午4:58:35