产品协同设计中异构模型数据融合的有效策略

针对复杂产品设计中,不同设计工具产生的模型数据之间的融合问题,提出了一种工具间端到端的异构模型数据融合策略。利用数据库管理动态特性,通过模型信息共享,实现异构模型数据之间的融合。在OpenMBEE系统集成环境中,通过建模工具CREO二次开发,利用所提策略获取全生命周期设计中的动态模型属性信息,通过3D模型编辑及重用功能测试,验证了所提策略的有效性。利用自动获取可视化模型属性信息的智能算法,设计一种基于Transformer模型与双向长短期记忆(Bi-LSTM)模型相结合的模型属性智能提取算法,利用神经网络的多层感知特性,通过对模型中属性文本信息进行深度学习、特征分析,实现了对异构数据属性信息的自动提取功能。利用CAMEO建模工具设计的需求分析模型构建模型数据集,验证了智能模型信息自动提取功能的有效性。      

基于两层元数据与本体的异构数据共享技术

针对多源、多类、异构数据难以同时共享的问题,提出了一种两层元数据结合本体的信息共享技术.首先,分析了两层元数据的结构,介绍了如何通过两层元数据统一描述多类异构数据.其次,针对元数据缺乏语义信息不能描述数据类别之间的隐含关系的问题,在元数据之上建立本体层,对元数据进行语义描述和本体推理.最后,在数据检索方面,利用Lucene全文检索引擎与SPARQL(Simple Protocol and RDF Query Language)本体查询语言相结合,在关键词查询过程增加了SPARQL检索操作,提高了查全率,并优化了检索时间.实验选取了2014-2015赛季欧洲足球冠军联赛数据作为测试数据,证明了本文方法在异构数据共享上的有效性和元数据查询性能的改进.      

基于信息融合的网络安全态势量化评估方法

针对目前网络安全态势评估大多存在信息来源单一、评估范围有限、模型不易构建、时空开销大且可信度较低等问题,提出了一种多源异构信息融合量化评估网络安全态势的方法。首先,构建分级朴素贝叶斯分类器,快速高效地融合主机上各多源异构非确定性信息源。然后,利用拉普拉斯原理平滑参数学习,优化分类与推理结果。使用数理统计的方法融合网络上各主机的安全指数,量化评估网络安全态势,对当前网络安全状况有一个宏观整体的认识。最后,通过真实网络环境的实验,验证了所提方法在网络安全态势评估中的可行性和有效性。      

异构多无人机协同目标跟踪分散化最优控制

针对主被动传感器协同目标跟踪需要,考虑到可扩展性、异构性和动态可重构性等特点,建立了适于不同测量类型和不同测量维数的异构多传感器分散化信息融合算法.以极大化信息融合所得到的信息熵及无人机(UAV,Unmanned Aerial Vehicles)观测信息质量为效能函数,建立了异构多UAV协同目标跟踪的分散化最优控制代价函数以及通信、防撞和控制等约束模型.实现了多UAV协同目标跟踪的分散化模型预测控制,并分析了通讯噪声等因素对分散化信息融合和协同控制的影响.     

多源数据融合的民航发动机修后性能预测

针对民航发动机修后排气温度裕度预测过程中的多源异构数据融合问题,提出了卷积自编码器与极端梯度提升模型结合的方法。利用所提出的条件熵增长因子规整发动机修前多元传感器参数序列中的参数排序,采用卷积自编码器提取规整后的参数序列和维修工作范围的数据特征,并将其与发动机使用时间信息组成合成特征以训练极端梯度提升模型,从而预测发动机修后性能并评估各影响因素的重要程度。经发动机机队维修案例验证,所提方法预测精度高于单维参数序列预测方法,对发动机修后排气温度的平均相对预测误差不高于8.3%。      

一种火星多模式组合探测任务设想

针对火星探测科学发现及任务创新需求,探索更先进的探测模式,提出了一种火星多模式组合探测任务设想。该任务设想的特点在于结合了轨道环绕、表面着陆、多点穿透和浮空探测,获取立体多层多源信息,一次任务实现深度科学探测。对火星开展多模式组合探测,不仅会开拓更加具有优势的火星探测新方式,发展新的探测能力和技术,也会加深对火星的全面了解,提高探测活动的综合效果。多模式探测设想不仅适用于火星,对金星、土星等地外天体探测也有很好的支撑作用。     

多输入傅里叶神经网络及其麻雀搜索优化

鉴于反向传播（BP）神经网络存在灵敏度高但收敛速度慢,以及已有傅里叶神经网络不具备多输入数据特征提取能力,借助多个傅里叶神经网络构建能接收多维数据的堆叠神经网络,进而将其与多层感知器融合,获得基于梯度下降的多输入傅里叶神经网络。结合此神经网络获取全局最优参数值难的因素,通过在麻雀搜索算法中引入Cat混沌映射、动态种群规模调节机制及参数自适应调节方案,提出改进型麻雀搜索算法,并将其应用于多输入傅里叶神经网络的参数优化及高维函数优化问题的求解。理论分析可得,所提算法的计算复杂度主要由种群规模和优化问题的维度决定。比较性的数值实验表明,所获神经网络提取多源数据特征的能力和泛化能力强,同时所提算法处理高维优化问题具有明显优势且收敛速度快。     

基于可编程控制网关的一体化网络体系结构

当前IP网络和非IP网络长期共存,协议体系和通信体制互不相同,异构网络的互联互通困难.针对这个问题, 首先从异构网络间连接的关键节点——网关出发,通过将网关底层的数据转发和控制功能分离,并将网关上层的管控功能和应用服务功能抽取出来,提出了一种基于可编程控制网关的一体化网络体系结构.该系统结构将网络分为一体化网络协同管控单元、子网间可编程控制网关节点和异构子网3层,设计了基于典型异构网络的互联协议栈,以集成不同的网络协议.进一步在一体化网络构架的基础上,给出并分析了异构网络的抽象与描述、基于可编程网关的异构子网智能适配技术、一体化网络的资源管理与协同优化理论等关键技术.最后基于民用航空通信给出了一个异构互联示例,表明一体化网络体系结构的可行性.      

基于倒置残差注意力的无人机航拍图像小目标检测

针对无人机航拍图像背景复杂、小尺寸目标较多等问题,提出了一种基于倒置残差注意力的无人机航拍图像小目标检测算法。在主干网络部分嵌入倒置残差模块与倒置残差注意力模块,利用低维向高维的特征信息映射,获得丰富的小目标空间信息和深层语义信息,提升小目标的检测精度;在特征融合部分设计多尺度特征融合模块,融合浅层空间信息和深层语义信息,并生成4个不同感受野的检测头,提升模型对小尺寸目标的识别能力,减少小目标的漏检;设计马赛克混合数据增强方法,建立数据之间的线性关系,增加图像背景复杂度,提升算法的鲁棒性。在VisDrone数据集上的实验结果表明：所提模型的平均精度均值比DSHNet模型提升了1.2%,有效改善了无人机航拍图像小目标漏检、误检的问题。     

天基信息港的多源信息融合任务调度研究

在天基信息港上实现多源信息融合,可以将数据的传输与处理集中在星上,减少了数据处理中心接收和分发数据的传输时间,提高了信息获取的时效性。考虑到任务高时效性的需求及天基信息港的资源受限,文章提出了天基信息港的多源信息融合任务调度问题,通过分析多源信息融合任务流程、天基信息港的资源特征,以最小化任务完成时间为优化目标,建立了天基信息港的多源信息融合任务调度模型,并设计了一种多机循环插入（Multi-machine Circular Insertion,MCI）算法对模型求解。仿真结果表明,该算法相比于列表调度算法能够平均减少10.8%的任务完成时间,算法运行时间大约为遗传算法的1/20,表明该算法能够满足天基信息港任务调度的高时效性要求。     

基于数据融合的MEMS阵列加速度传感器实现方法

针对单MEMS加速度计性能有限无法满足实际工程中日益复杂且严苛的检测需求的问题,提出了一种基于数据融合的MEMS阵列加速度传感器实现方法。首先,设计了MEMS阵列加速度传感器的系统架构,并分析了对数据融合算法的技术需求;然后,针对已有的数据融合技术无法满足MEMS阵列加速度传感器的精度与实时性要求的问题,提出了基于离散对数映射的自整定加权融合算法,在此基础上,设计了MEMS阵列加速度传感器的仿真验证方案。仿真实验结果表明,提出的方法通过三个不同范围MEMS加速度计的阵列集成提高了信号检测能力,相比于最优拼接法其平均损失降低了6.1%,且融合数据精度优于各个加速度传感器的原始仿真数据,是高性能MEMS阵列加速度传感器的有效实现方案。     

神经网络数据融合机动目标跟踪算法

利用神经网络方法解决雷达/红外双模制导中的数据融合问题.红外数据经过异步数据融合处理与经过卡尔曼滤波处理后的雷达数据同步,共同作为神经网络的输入,神经网络作为同步融合中心,输出为目标的最优融合估计.研究结果表明这种方法可以在融合中心不知道协方差信息的情况下进行数据融合.     

基于BP神经网络技术的电离层VTEC融合

随着电离层探测技术的不断发展,电离层观测资料也越来越多,只使用单一的观测资料会出现电离层反演精度不高的问题。为了提高电离层的反演精度,使用BP神经网络技术将地基反演和国际参考电离层(international reference ionosphere,IRI)模型的垂直总电子含量（vertical total electron content,VTEC）数据进行有效融合。在温带地区\[35°(N)~45°(N),60°(E)~80°(E)\]进行电离层反演试验,结果表明基于BP神经网络技术的电离层数据融合和地基反演获得的电离层VTEC精度都比较高,但是基于BP神经网络的电离层数据融合反演精度比地基反演更高,所以基于BP神经网络技术的数据融合能够提高电离层的反演精度。     

Land use/land cover classification using time series Landsat 8 images in a heavily urbanized area

It is of great significance to timely, accurately, and effectively monitor land use/cover in city regions for the reasonable development and utilization of urban land resources. The remotely sensed dynamic monitoring of Land use/land cover (LULC) in rapidly developing city regions has increasingly depended on remote-sensing data at high temporal and spatial resolutions. However, due to the influence of revisiting periods and weather, it is difficult to acquire enough time-series images with high quality at both high temporal and spatial resolution from the same sensor. In this paper we used the temporal-spatial fusion model ESTARFM (Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model) to blend Landsat8 and MODIS data and obtain time-series Landsat8 images. Then, land cover information is extracted using an object-based classification method. In this study, the proposed method is validated by a case study of the Changsha City. The results show that the overall accuracy and Kappa coefficient were 94.38% and 0.88, respectively, and the user/producer accuracies of vegetation types were all over 85%. Our approach provides an accurate and efficient technical method for the effective extraction of land use/cover information in the highly heterogeneous regions.     

基于多语义线索的跨模态视频检索算法

针对现有的大多数跨模态视频检索算法忽略了数据中丰富的语义线索,使得生成特征的表现能力较差的问题,设计了一种基于多语义线索的跨模态视频检索模型,该模型通过多头目自注意力机制捕捉视频模态内部对语义起到重要作用的数据帧,有选择性地关注视频数据的重要信息,获取数据的全局特征;采用双向门控循环单元（GRU）捕捉多模态数据内部上下文之间的交互特征;通过对局部数据之间的细微差别进行联合编码挖掘出视频和文本数据中的局部信息。通过数据的全局特征、上下文交互特征和局部特征构成多模态数据的多语义线索,更好地挖掘数据中的语义信息,进而提高检索效果。在此基础上,提出了一种改进的三元组距离度量损失函数,采用了基于相似性排序的困难负样本挖掘方法,提升了跨模态特征的学习效果。在MSR-VTT数据集上的实验表明:与当前最先进的方法比较,所提算法在文本检索视频任务上提高了11.1%;在MSVD数据集上的实验表明:与当前先进的方法比较,所提算法在文本检索视频任务上总召回率提高了5.0%。      

基于数据中台的数据融合集成关键技术研究

当前开发新的业务系统往往需要从其他系统引接数据,系统之间的直接数据交互增加了系统开发的复杂性。为解决上述问题,研究基于数据中台的数据融合集成关键技术,为数据中台建设提供参考。设计数据中台技术架构,实现数据引接、数据管理和数据服务。覆盖数据生命周期,设计数据中台业务流程。瞄准数据赋能目标,提升数据融合集成核心能力,采用混合架构完成多源异构数据存储,利用数据层次模型实现数据映射,应用知识图谱进行数据关联。本文提出的数据中台技术架构已在实际项目中运用,达到预期效果。     

一种面向工业互联网的云存储方法

工业互联网是工业信息化进程中最受关注的热点,海量异构数据管理是其中的重点之一。传统的关系数据库（RDB）对海量多源异构数据的读写和检索都存在性能瓶颈,而近年来兴起的云数据管理方法主要是针对“键-值”（K-V）模式,无法依靠主键以外的数据属性对数据进行快速查找。提出了一种面向工业互联网的云存储方法——StoreCDB,在异构采样数据统一表达数据模型基础上,实现非结构化存储管理,同时,利用两级索引实现海量数据的快速检索。通过实验,在分布式集群实验平台上,采用海量高铁列车运行模拟数据,验证了StoreCDB具有良好的异构数据存储和检索性能,为工业互联网提供了一种新的数据管理方法。      

多传感器数据融合中的鲁棒检测技术

研究了多传感器数据融合中的鲁棒检测技术.检测问题中设计最优决策规则通常需要知道观测量的统计特性,在实际系统中对观测量的统计特性一般只知道一部分或完全不了解,此时可采用寻找最不利分布设计系统的决策规则.从数据融合的观点来看,鲁棒分布检测在信息的传输、系统的容错等方面优于鲁棒集中检测.最后研究了当N个传感器工作频率不同时的数据压缩方法.      

面向异构大数据环境的数据脱敏模型

不同场景下数据类型和脱敏需求的差异，使得传统的数据脱敏方法难以满足大数据背景下的用户隐私保护需求。如何实现异构大数据中敏感信息的精准定向、高效脱敏，从而更好地确保数据安全、可信和可用，是本领域的研究难点。提出了一种在异构大数据环境下，基于文本、图片、音频和数据库等异构数据的脱敏模型，并对4个关键模块进行了描述。通过脱敏数据预处理，实现不同应用场景下敏感数据的自动标注和分级设置。采用数据预脱敏处理方法，并从数据可用性、数据关联性、隐私保护度、时间和空间复杂度等5个维度进行脱敏效果评价，实现定制化脱敏策略。经过脱敏任务调度完成脱敏任务分配和执行，并支持用户对部分脱敏数据恢复。基于提出的异构大数据脱敏模型，对2种典型数据脱敏应用场景进行了验证分析，表明所提模型能够实现不同应用场景下异构敏感数据的高效脱敏。