一种开放网络环境中的不确定信任模型

开放网络环境中的信任关系是一种不确定关系,所以在建立信任模型时,需要对信任的不确定性进行建模.为此,提出了一种新的基于云模型的信任模型.通过用一维正态云来对实体之间的信任关系进行描述,本模型将实体之间的信任程度和信任的不确定性统一起来.在此基础上,还提出了基于云的信任关系的传播和合并算法;并通过仿真实验说明,该模型在开放网络环境中具有良好的效果.      

环境减灾二号A/B卫星在森林树种识别中的应用

采用环境减灾二号A/B卫星数据,在福建武夷山国家公园和东北虎豹国家公园2个试验区开展森林树种识别的应用研究。分别提取2个试验区影像的光谱特征、归一化植被指数(NDVI)和基于主成分第一分量的8个纹理特征信息,采用支持向量机(SVM)和原型网络分类对森林主要树种进行识别,并利用验证样本进行精度评价。结果表明：在福建武夷山国家公园试验区,SVM和原型网络分类的总精度分别为86.37%和91.11%,Kappa系数分别为0.83和0.90。在东北虎豹国家公园试验区,SVM和原型网络分类的总精度分别为91.77%和91.34%,Kappa系数均为0.90。总体来说,环境减灾二号A/B卫星数据在2个试验区的主要树种识别精度较好,后续能较好地满足林业行业相关业务应用需求。     

关于网络伦理问题的研究与思考

人类进入21世纪,人们感受到了信息技术给人类的交往、学习、工作和生活带来极大便利,促进了人的全面发展和社会进步。但也出现了网络“道德真空”和“道德沦丧”,因此关于网络伦理问题的研究也就摆在了我们面前。     

基于IPV6的高职院校网络建设研究

IPv4地址资源的短缺决定了基于IPv6技术的网络时代的必然到来。介绍高职院校校园网络的发展现状,结合高职教育的特点,分析基于IPV6技术的网络应用优势,为高职院校校园网络从IPV4到IPV6过渡提供一种切实可行的解决方法。     

加强大学生网络文化引导的思考

网络文化作为一种新型的文化形态,其内容、形式、特点等都对大学生产生了深刻影响,高校应从理解网络文化内涵、培养自律能力、普及网络技术知识、建设校园网络文化阵地等方面加强大学生网络文化的引导。     

基于身份的空间网络安全研究

空间网络安全的研究是天地一体化网络研究的重要组成部分,日益受到研究人员的重视。本文根据空间网络面临的安全威胁,分析需要采用的安全机制,构建了空间网络的安全体系结构。深入分析基于身份的密码体制（IBC）,在空间网络中应用IBC提供安全服务框架,以此为基础,提出了一种密钥交换协议,并详细描述了安全通信的建立过程。分析表明,同传统的基于公钥基础设施（PKI）体制的安全解决方案相比,IBC具有较低的存储、通信和计算开销,是适合空间网络的有效安全方案。     

国外空间系统网络拓扑结构的发展研究分析

介绍了国外空间系统网络的拓扑结构及其对应的典型空间系统的发展现状,对国外空间系统网络拓扑结构的主要类型进行了分类,针对不同网络拓扑结构的空间系统的基本情况及主要工作特性,研究了其目前网络拓扑结构发展现状和发展趋势,提出了未来主要发展方向。     

基于ConvLSTM的飞机尾流时空预测

飞机尾流预测在动态尾流间隔系统中十分重要。通过结合激光雷达技术,提出了一种基于卷积长短期记忆网络(ConvLSTM)的飞机尾流预测模型,以预测激光雷达(LIDAR)的下一个扫描面。实验团队前期在深圳宝安机场使用激光雷达探测对尾流数据进行采集并进行预处理。然后,构建了ConvLSTM神经网络模型以对尾涡径向速度场进行外推预测。通过采集的数据对所建立模型进行训练、验证、测试。实验结果表明：模型能够有效对尾流进行时空预测,测试的RMSE值为3.30,证明了ConvLSTM在预测飞机尾流耗散演化的潜在用途。     

面向在轨高效实时图像处理的二值权重沙漏网络加速器设计

为了实现在轨高速实时图像处理,提出了基于多级预测校准机制及查找表方法的二值权重沙漏网络加速器.首先,提出了一种计算架构来统一支持二值权重及多位宽权重卷积计算;其次,提出了多级预测模型来实现可变精度的高效卷积,基于这2种方法可以将网络的计算量降低77.4％,推理速度提升2.3倍.本文针对残差模块中跳转连接造成的存储访问问...     

试车数据驱动的涡轴发动机起动过程模型辨识

针对传统的采用解析法建立涡轴发动机起动过程模型复杂的问题,提出了一种基于变步长萤火虫算法优化的有外部输入的非线性自回归网络(CSFA-NARX)的涡轴发动机起动过程模型辨识方法。以涡轴发动机起动过程试车试验数据为数据样本,利用CSFA-NARX网络模型辨识得到涡轴发动机起动过程模型,并采用留一交叉验证方法对辨识模型的性能进行验证。结果表明：得到的辨识模型输出参数,如燃气发生器转速n_g、输出轴转速n_r和涡轮后温度T₄都较好地逼近了试车实测数据,各参数验证样本最大相对误差平均值分别为0.90%、1.51%、和2.01%;在相同训练与验证样本情况下,得到的辨识模型精度优于采用萤火虫算法优化的NARX网络(FA-NARX)、NARX网络和变步长萤火虫算法优化的BP网络(CSFA-BP)模型精度。