拓扑数据分析在复杂脑网络分析中的应用

针对复杂脑网络分析中网络结构变化阈值选择中没有公认的标准确定合适阈值这一问题,基于拓扑分析中的持续同调性理论,本文提出一种多尺度大脑网络建模分析方法,该方法在大脑全尺度距离范围之内,通过不断增加阈值,运用Rips过滤算法捕获网络的动态持续拓扑特征,并用条形码和持续图对拓扑特征可视化,最后通过计算持续图之间的Bottleneck距离和Wasserstein距离分析持续特征的稳定性。实验结果表明,该方法能更准确地提取大脑网络的拓扑结构特征并提高诊断分类的准确性。     

美网络司令部进行第二次“网络旗帜”演习

据报道,2012年10月29日～11月8日,美网络司令部在内利斯空军基地举行了第二次"网络旗帜"训练演习。美国网络司令部设计的"网络旗帜"演习旨在为国防部众多司令部提供阻止、必要时挫败网络攻击的真实的训练机会。具体地说,"网络旗帜"演习应用独特的被称为全球靶场互联网的模拟器,提供真实的WWW网框架,进行类似现实互联网环境的训练。由     

互联网上计算机时间传递系统设计方案及实验结果分析

计算机互联网的发展,使信息的传递更加方便、快捷。在时间频率用户中,中、低准确度的用户占很大比例,计算机互联网时间传递已经成为一个重要的手段。中国的网络授时系统从２０００年１月开通以来,近万人访问了授时网站ｈｔｔｐ：／／ｋｘｚｈ．ｓｘｓｏ．ａｃ．ｃｎ或其镜像站点ｈｔｔｐ：／／Ｂｅｉｊｉｎｇｔｉｍｅ．１２６．ｃｏｍ。介绍了国家授时中心网络授时系统的设计要点,给出了网络授时传递时间准确度的测量方法,分析了网络授时实验结果。     

基于“时间-特征”协同注意力的机场快轨客流预测

机场快轨客流的准确预测是实现机场轨道交通系统智能化、精细化、高效化管控的基础,对提升机场服务水平和运行效率有着重要意义。由于影响因素众多、相互耦合,且因素对客流时序影响机理复杂,机场快轨客流的准确预测极具挑战。提出了一种基于“时间-特征”协同注意力机制的机场快轨客流预测模型,实现了精准捕捉多维因素在不同时序上对机场快轨客流的影响。基于北京首都国际机场快轨实际客流数据进行实验,结果表明了所提方法的有效性。      

抵御对抗样本攻击的指纹室内定位方法

随着城市智能化的发展, 基于WiFi接收信号强度(RSS)的指纹室内定位服务受到社会的广泛关注。深度学习技术是利用RSS信号获得高室内定位性能的一种重要手段, 但其易遭受对抗样本攻击, 给定位系统带来严重安全隐患。为此, 提出了一种抵御对抗样本攻击的基于深度学习的RSS指纹室内定位方法(AdvILoc)。该方法基于图像识别领域对抗样本防御方法的研究和分析, 结合室内RSS指纹数据特征单一且高维的特点, 通过在RSS指纹室内定位深度学习模型中添加池化层、全连接层, 以及满足差分隐私的噪声层来抵御对抗样本攻击, 解决了基于深度学习的室内定位模型易过拟合且泛化能力不高的问题。通过添加Dropout层, 以及设计模型参数正则化方法, 提高模型抵御对抗样本攻击的鲁棒性。在2个真实RSS指纹室内定位数据集上的实验结果表明:与已有基于多层感知机(MLP)、卷积神经网络(CNN)的RSS指纹室内定位方法相比, 所提方法在保证时间开销和基本不影响定位模型性能的情况下, 提高了模型抵御对抗样本攻击的鲁棒性;在满足l₂范式规范的C&W攻击下, 随着攻击大小不断增大, 模型的定位准确率下降也更平稳。      

基于IoU约束的孪生网络目标跟踪方法

基于孪生网络的跟踪方法通过离线训练跟踪模型,不需要对跟踪模型进行在线更新,兼顾了跟踪精度和速度。现有孪生网络目标跟踪方法使用固定阈值选择正负训练样本易造成训练样本漏选问题,且训练时分类分支和回归分支之间存在低相关性问题,不利于训练出高精度的跟踪模型。为此,提出了一种基于交并比(IoU)约束的孪生网络目标跟踪方法。通过使用动态阈值策略根据预定义锚框与目标真实框的相关统计特征,动态调整正负训练样本的界定阈值,提升跟踪精度。所提方法使用IoU质量评估分支代替分类分支,通过锚框与目标真实框之间的IoU反映目标位置,提升跟踪精度,降低模型的参数量。在数据集VOT2016、OTB-100、VOT2019、UAV123上进行了对比实验,所提方法均有较好的表现。在VOT2016数据集上,所提方法的跟踪精度比SiamRPN方法高0.017,期望平均重叠率为0.463,与SiamRPN++相比仅差0.001,实时运行速度可达220帧/s。      

基于复杂网络的安然公司高管组织结构发现

本文基于复杂网络理论和邮件数据集,建立安然公司高层管理者之间的组织结构关系。采用基于通信行为和邮件内容两种方法对人物关系网络进行构建,进而发现其社区结构的关键人物。针对庞大的通信数据,给出数据处理流程图和详细说明。利用SimpleKmeans算法对人物关系网络的群集行为进行分析,挖掘出网络关键节点。采用Weka软件和Ucinet软件绘制关系网络图,分析结果具有一定的参考价值和实际意义。