面向多时空场景的电网调度AI算法可信度测试方法

面向多时空场景的电网调度AI算法可信度测试方法[人工智能][智能电网]

提出了一种基于指数分层结构算法的电网调度AI算法可信度测试方法，旨在评估电网调度AI算法在多时空场景下的模型性能和鲁棒性。首先，定义了一套可信度评估标准，涵盖算法的准确性、鲁棒性和泛化等能力。然后，采用嵌入知识图谱的指数分层结构算法，通过多层次的时空划分对AI算法（如LSTM）进行性能验证。测试过程中，电网调度任务被分为不同的时间层次（短期、中期、长期）和空间层次（不同地理区域与电网拓扑结构）进行测试。在每个层次中，评估标准通过指数权重进行加权整合，最终生成综合的可信度评分。实验结果表明，该方法能够有效识别电网调度AI算法在复杂场景下的性能表现及潜在风险，为电网调度AI的安全性与鲁棒性验证提供了新的技术支持。

发表于：2026/5/13 下午4:51:50

基于语义匹配的电力物资领域中文敏感特征识别

基于语义匹配的电力物资领域中文敏感特征识别[人工智能][智能电网]

传统电力物资供应链领域中文敏感特征识别方法主要识别具有单一结构的扁平特征实体，难以针对复杂结构的嵌套特征实体，这些复杂结构的嵌套特征实体结构多样、层次复杂，传统的敏感特征识别方法难以准确识别和解析。对此提出了一种基于语义匹配的多结构中文敏感特征识别模型，将敏感特征实体识别任务重新定义为一个语义匹配问题。模型采用双塔模型结构，将目标实体特征类别作为提示词进行编码，并与句子中的序列片段进行语义上的对齐，该方法能够有效识别出包含扁平和嵌套结构在内的各种特征实体片段。结果表明，该研究提出SFSM模型的准确率、召回率及F1值均优于当前主流模型以及其他的融合模型。

发表于：2026/5/13 下午4:43:01

基于知识库的智能问答系统构建技术研究

基于知识库的智能问答系统构建技术研究[人工智能][数据中心]

随着信息技术的迅猛发展，数据中心积累了海量的数据，如何高效地从这些数据中获取有价值的信息，成为制约数据中心发挥军事效能的关键问题。智能问答系统作为一种能够理解用户自然语言问题并提供准确答案的工具，在数据中心领域具有广阔的应用前景。提出了基于数据中心知识库的智能问答系统构建技术。首先，聚焦军事领域不同应用场景下用户多样性数据需求，建立数据检索需求模型。其次，针对不同维度数据检索需求模型，提出多样性知识检索关联算法，定义检索需求与候选数据集之间的关联度、推荐度等参数，依据上述参数计算候选数据集与检索需求的匹配度，从而找到最为相关的候选数据集。接着，将生成的候选数据集与用户的检索需求一同传递至大语言模型中，通过检索增强生成算法，生成高质量的答案。最后，通过实验验证，该技术在回答数据中心相关问题时展现出了较好的效果，有助于提升数据中心多源知识库的综合利用水平和服务质量。

发表于：2026/4/23 下午2:36:27

基于多目标优化的医学影像可解释性增强研究

基于多目标优化的医学影像可解释性增强研究[人工智能][医疗电子]

针对医学影像场景的解释需求，提出一种基于多目标粒子群优化的解释增强方法，通过优化解释生成过程来提升解释质量与临床可读性。该方法在 LIME（局部与模型无关的解释）框架中引入多目标搜索机制，实现了高解释保真性与高区域稀疏性的自适应权衡，并获得了帕累托最优的解释结果。为验证方法有效性，以膝关节X光影像为实验对象，基于公开膝骨关节炎数据集在典型卷积神经网络上进行了实验评估。实验结果显示，保真性最高可提升18%，稀疏性最大可降低22%，展现出更高的聚焦性、稳定性，为基于人工智能的医疗影像可信诊断提供了可行技术路径。

发表于：2026/4/23 下午2:27:35

一种融合多源异构数据的图神经网络联合框架

一种融合多源异构数据的图神经网络联合框架[通信与网络][信息安全]

针对网络空间攻防对抗呈现出多步骤、隐蔽化、异构化复杂特征，传统依赖规则匹配和统计分析的方法已难以满足精准溯源与实时态势感知需求的问题，提出一种融合多源异构数据的图神经网络联合框架，实现网络攻击的自动化溯源与动态态势感知。首先，通过构建网络实体-攻击行为异构信息网络，整合流量日志、漏洞库、告警信息等多源数据；其次，设计基于注意力机制的时空图卷积网络(ST-GAT)，捕捉攻击行为的时序依赖与节点关联特征；最后，通过攻击路径推理与风险等级量化，形成从攻击溯源到态势评估的闭环。实验基于CTU.13和CSE.CIC.IDS2018数据集验证，结果表明该框架在攻击溯源准确率(92.7%)、态势评估响应时间(≤0.3 s)等指标上显著优于传统方法、近年主流时序GNN 变体及网络安全领域专用模型，为网络安全应急响应提供技术支撑。 关键词：；；；；

发表于：2026/4/23 下午2:19:41

融合多尺度CNN与Transformer的恶意软件行为检测方法

融合多尺度CNN与Transformer的恶意软件行为检测方法[通信与网络][信息安全]

针对恶意软件行为轨迹隐蔽且长序列依赖难以建模的严重威胁，提出一种融合多尺度卷积神经网络与Transformer架构的恶意软件检测方法，此方法首先借助Speakeasy仿真日志去噪及复合事件标记化技术，将冗余日志转化为标准化语义序列，接着运用多层次卷积神经网络结构来提取局部攻击行为特征，在此基础上，将提取的局部攻击行为特征输入Transformer编码器，利用多头自注意力机制建模全局时序依赖关系。实验结果表明，该混合模型在Speakeasy数据集上的准确率和F1Score分别达到9229%和9248%。该方法显著降低了序列检测中的误报率，为复杂网络环境下的恶意软件检测提供了新的技术途径。

发表于：2026/4/23 下午2:10:45

面向无人机网络攻击检测的两级特征选择方法

面向无人机网络攻击检测的两级特征选择方法[通信与网络][信息安全]

针对机器学习算力需求高与无人机（Unmanned Aerial Vehicles, UAVs）计算资源有限的矛盾，以及传统基于固定分箱的信息增益特征选择方法存在高判别力特征被低估的缺陷，提出一种基于两级特征选择方法的无人机入侵检测方案。该方案采用“卡方检验初筛—启发式信息增益搜索精选”方法，为每个特征自适应确定最优分箱，从而准确量化其判别能力。同时将特征数量作为超参数，与XGBoost分类器协同优化。基于UAV-NIDD数据集的实验表明，该方法在保持高检测性能的同时，将模型检测时间减少了约97.5%。实验验证，该方案有效平衡了检测精度与计算开销，可为资源受限的无人机平台提供高效实时的入侵检测能力。

发表于：2026/4/23 下午2:02:51

基于RFID标签阵列对棉花内异物的定位识别

基于RFID标签阵列对棉花内异物的定位识别[微波|射频][安防电子]

采用3D空间内RFID标签阵列布局，以感知棉花中异物的数量、位置及类型。以标签的接收信号强度（RSS）和相位为特征量，提出欧几里得距离比算法与最小二乘法以提升定位成功率。基于不同异物对信号特征的差异化影响，构建决策树模型实现异物类型的感知。经实验验证，定位误差优化后控制在5%以内，且能精准识别棉花中的四种异物类型，展现出良好的感知与识别性能。

发表于：2026/4/15 下午5:18:39

基于稀疏重构与深度学习的雷达抗有源干扰信号处理算法

基于稀疏重构与深度学习的雷达抗有源干扰信号处理算法[微波|射频][通信网络]

针对数字射频信号复制干扰和宽带噪声干扰威胁雷达目标检测的问题，提出一种结合稀疏重构与深度学习的干扰抑制算法。该算法先用深度学习提取干扰特征并检测干扰类型和位置，再采用基于稀疏表示的空时自适应处理策略在空间和时间域抑制干扰。仿真实验表明，相比传统方法，该算法在强干扰背景下显著提升了目标检测概率和输出信干噪比，能有效抑制主瓣仿真干扰和宽带噪声干扰，为雷达干扰抑制提供了新思路，具有工程应用价值。

发表于：2026/4/15 下午5:10:39

一种SM4算法的高效FPGA实现

一种SM4算法的高效FPGA实现[可编程逻辑][信息安全]

随着信息安全和数据隐私需求的日益增长，国产SM4分组密码算法在政务、商业等信息传输领域具有重要应用价值。 针对SM4算法在FPGA实现中的性能瓶颈问题，提出一种高效的全流水线硬件架构。通过优化S盒的硬件实现，将每轮迭代中的S盒数量从4个减少至1个，并采用组合逻辑实现快速替换，显著降低资源消耗。同时，设计32级全流水线加解密模块，实现多数据块的并行处理，将加解密吞吐率压缩至一个时钟周期。实验基于Xilinx Zynq7045平台，结果表明，该设计在不使用额外存储器资源的情况下，工作频率达到412 MHz，吞吐率高达52.7 Gb/s，单位面积吞吐率性能较现有方案提升20%以上。

发表于：2026/4/15 下午3:47:08