CCF第35届中国计算机应用大会
基本信息
2020-10-16
2020-10-16
中国计算机学会
会议文集
1. 基于GRU与特征嵌入的网络入侵检测
摘要： 当前基于神经网络的入侵检测方法并没有将数据分类信息考虑在内,无法有效利用网络流量数据的时序信息,为此将门控循环单元(gated recurrent unit,GRU)和基于分类信息的特征嵌入技术结合起来,构建了基于GRU与特征嵌入的网络入侵检测模型.利用UNSW-NB15数据集进行模型仿真实验,结果表明该模型提高了对入侵攻击的检测率,为入侵检测中大规模数据的处理提供了一种全新的思路.
提交时间：2020-10-16
2. 基于RF的无线传感器网络的MAC协议设计
摘要： 针对传统无线传感器网络能量供应问题,提出了基于射频能量捕获的无线传感器网络介质访问控制(medium access control,MAC)协议.首先在相邻节点之间运用时分多址(time division multiple access,TDMA)技术按时隙分配信道,使数据在源节点到汇聚节点之间无争用传输;同时控制节点在每个周期内消耗的能量,间接调整节点自身的占空比;然后在缓冲区中设置负载阈值作为节点在通信转换角色中的依据,实现节点间的时间同步;最后对各种网络拓扑结构进行实验模拟,评估其延迟率和数据丢包率.实验结果表明:该协议与基于自适应时分多址的介质访问控制(adaptive TDMA-based MAC,AT-MAC)协议相比,不但延迟率低而且网络模拟结构更接近于现实网络场景,可以满足无线传感器网络的性能需求.
提交时间：2020-10-16
3. 基于三维卷积和CLSTM神经网络的水产养殖溶解氧预测
摘要： 提出了一种基于三维卷积和卷积长短期记忆(convolutional long short-term memory,CLSTM)神经网络的水产养殖溶解氧预测模型.首先,将输入向量及其转置相乘形成一个单通道矩阵,把一定时间段内的单通道矩阵堆叠成一个立方体作为输入数据;然后,将输入数据进行连续两次三维卷积来细化溶解氧相关因素的特征,并删除池化层以简化计算;最后,将三维卷积抽取的特征结果输入CLSTM模型以提取时间维度的信息,在全连接层根据梯度下降算法将数据反向更新.采集湖北省襄阳市某家特种水产养殖有限公司的实际数据进行实验.结果表明:相比于传统BP神经网络模型、Conv3D、Conv2D,所提出的模型具有更快的训练收敛速度、更高的预测精度和更好的预测稳定性,可以满足实际生产的需要.
提交时间：2020-10-16
4. 基于中心点和双重注意力机制的无人机高分辨率图像小目标检测算法
摘要： 无人机拍摄的图像具有分辨率高、视野大以及目标小的特点,而现有的目标检测方法对小目标特征的提取能力不足.为此,首先采用以中心点表示目标的检测网络CenterNet,引入可变形双重注意力机制,以提高对小目标的特征表达能力;然后针对原始非极大值抑制难以处理嵌套型冗余框的问题,在冗余检测剔除过程中提出了广义非极大值抑制方法;最后引入LegoNet卷积单元,减少了卷积参数,实现了精度与速度的平衡.实验主要采用的验证数据集为VisDrone2019和UAV_OUC,UAV_OUC数据集相比于VisDrone2019,其图片具有更高的分辨率.相比于CenterNet,所提出的方法在数据集UAV_OUC和VisDrone2019上的检测精度大约分别提高了10％和2％.
提交时间：2020-10-16
5. 基于交互信息的混合特征选择算法
摘要： 针对传统的特征选择算法只专注于特征间的相关性和冗余性而没有考虑特征之间交互作用的问题,提出一种基于交互信息的混合特征选择(hybrid feature selection based on mutual information,MIHFS)算法,该算法以K-最近邻算法的分类准确率作为衡量所选特征分类性能的评价指标,有效地去除了冗余和不相关的特征,保留了具有交互作用的特征.为了评估该算法的性能,从分类准确率、所选特征数量以及算法稳定性三方面,与最大相关最小冗余、联合互信息等7种特征选择算法在8个数据集上进行了实验比较和分析.实验结果表明:MIHFS算法具有较强的稳定性,不仅有效降低了特征空间的维数,而且在所选特征的分类性能方面明显优于其他特征选择算法.最后将MIHFS算法与灰色关联分析法-逼近理想解的排序技术法相结合并应用到高邮凹陷永安地区戴一段地质评价中,其评价结果准确率为80％,与实际钻探结果基本吻合,具有较高的可靠性,能够有效指导油气地质评价.
提交时间：2020-10-16
6. 基于决策树-逻辑回归模型精确识别僵尸企业
摘要： 针对如何精准识别僵尸企业的问题,借助湖南科创信息有限公司公开的企业信息数据集,提出了一种决策树-逻辑回归的僵尸企业识别方法.该方法用中位数填充缺失数和离群值,然后分析数据集并进行特征衍生,最后使用多元线性回归和卡方检验等方法完成特征筛选.为了验证所提出方法的有效性,分别在阿里云环境和本地环境下将该方法与过度借贷法、连续亏损法、随机森林算法、BP神经网络算法、XGBoost算法进行比较.每个模型均训练50次,每次训练按一定比例随机选取数据,最终取各个指标的平均值作为最终实验结果.实验结果表明:所提出的决策树-逻辑回归模型对于僵尸企业的识别准确率最高,达到99.98％;并且模型的运行速度相对各种集成模型的速度有较大优势,平均执行时间约为1.5s.在各实验环境中,实验结果差异较小,验证了该模型的有效性和稳定性.
提交时间：2020-10-16
7. 基于卷积神经网络和投票机制的轨道板裂缝检测
摘要： 现有的检测方法对轨道板细微裂缝和夜间拍摄的裂缝图像存在误检和漏检的现象,为此提出了一种基于卷积神经网络的改进方法.将特征图分组后用注意力机制强化各组向量的特征表达,以动态聚合弱分类器预测结果的方式得到最终的裂缝置信度.借助投票机制有效降低最终的预测偏差,提升模型的鲁棒性.实验结果表明:该改进方法在减少模型参数的情况下,在裂缝数据集上的准确率提升1.6％,在CIFAR-10数据集上的准确率提升2.8％.
提交时间：2020-10-16
8. 基于卷积神经网络的时空权重姿态运动特征提取算法
摘要： 在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络(convolutional neural network,CNN)算法的时空权重姿态运动特征提取算法.针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果.与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升.
提交时间：2020-10-16
9. 基于强化学习的多模态场景人体危险行为识别方法
摘要： 在多模态场景下,常规人体危险行为识别方法对人体危险行为的识别精度较低,于是提出了基于强化学习的多模态场景人体危险行为识别方法.首先根据强化学习的特征提取算法获取多模态场景人体危险行为特征集,其次基于强化学习数据决策提取多模态场景人体危险行为,构建人体危险行为模糊识别模型.最后将上述人体危险行为特征子集代入模型,计算不同感官下危险行为的隶属度,实现多模态场景人体危险行为的识别.实验结果表明:该方法对危险行为的识别准确率较高,其识别延迟时间低于300ms.
提交时间：2020-10-16
10. 基于正弦注意力表征网络的环境声音识别
摘要： 将正弦注意力表征网络引入环境声音识别,首先提取梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为音频识别特征,使用门控循环单元提取MFCC每一帧的特征,根据正弦函数激活每一帧音频得分,并依照每一帧的音频得分为音频重新分配权重,从而将注意力集中在音频重点区域.最后结合全连接层和Softmax分类器对环境声音类别进行判别.实验在公开数据集Urban Sound8K上验证并与其他模型对比,结果表明所提出模型效果最好,在数据集上的识别率高达93.5％.
提交时间：2020-10-16
11. 基于流引擎的微服务动态交互平台设计
摘要： 针对传统服务组织高耦合、低透明、变更复杂等问题,提出了以物联大数据为中心的基于流引擎的微服务动态交互平台构造方案.将服务流程拆解为细粒度的微服务模型,以统一的表述方式明确服务的边界,使服务在开发过程中不再依赖于其他服务的接口也可以实现.用流数据通道将微服务连通起来,在生产者侧基于数据时空特征进行服务封装以构建统一的信息表示,在消费者侧进行服务解析并重新划分组织数据,从而在数据驱动下形成对应完整业务流程的服务.该方案实现了可视化的微服务动态交互管理平台,可用于发动机制造的旋压检测工艺流程.与传统的面向服务架构的设计相比,该平台设计耦合度低,能实现灵活的服务变更、拓展和演化,且在服务监控和故障处理等方面也有更好的表现.
提交时间：2020-10-16
12. 基于深度学习的竹笛吹奏技巧自动分类
摘要： 提出了一种针对竹笛技巧分类的数据集Breath和两个用于竹笛技巧分类的神经网络参考模型Breathld和Breath2d,并针对此数据集的不同分类任务给出了最佳方法.将Breath数据集划分成子集,以多层感知机为性能评价基准方法,先用Breathld和Breath2d模型对子集进行训练和预测,再用长短期记忆网络模型进行辅助测试,最后得出了最适合子任务的分类参考模型.对全数据集进行分类时,将Breath2d与Breathld模型进行融合,并采用数据增强方法使全集分类准确率达到0.913.与传统音频分类任务相比,该工作扩展了音乐分类的研究领域,对民族音乐现代化发展有着良好的推动作用.
提交时间：2020-10-16
13. 基于生成对抗网络的异质信息网络表征学习
摘要： 鉴于传统的异质信息网络通常存在的高维稀疏性缺点,首先提出将异质信息网络的高维顶点嵌入低维向量空间的无监督学习模型——基于生成对抗网络的异质网络表征学习(heterogeneous network representation learning based on generative adversarial network,HNRL-GAN)模型;然后分析HNRL-GAN模型中的不足之处,进一步提出改进后的基于生成对抗网络的增强版异质网络表征学习(heterogeneous network representation learning based on generative adversarial network plus plus,HNRL-GAN++)模型;最后分别在DBLP、Yelp、Aminer等数据集中使用HNRL-GAN模型和HNRL-GAN++模型进行节点分类和节点聚类等实验以测试模型的有效性.实验结果表明:1)HNRL-GAN模型和HNRL-GAN++模型都实现了将异质信息网络中的高维稀疏节点表示为低维稠密向量这一目标;2)相较于HNRL-GAN模型,HNRL-GAN++模型在保留高维空间中网络结构信息和语义信息等方面拥有更好的性能.
提交时间：2020-10-16
14. 多区型仓库多复核台场景的拣货路径优化研究
摘要： 与小型仓库传统的单出口、单复核台不同,大型仓库往往配设多复核台、多出口以提升拣货出库效率.该文提出了基于替换复核台的动态调整算法以解决多复核台场景下因起止点不确定而导致的遍历搜索困难的问题;并在此基础上给出了在多拣货员情况下多拣货单的路径优化与合理分配的动态调整策略,以满足大规模、复杂场景下的拣货作业要求.结合京东物流实例表明,所提出的基于替换复核台的动态调整算法计算效率更高,在同等条件下的拣货路径更短,拣货耗时更少,能够为仓库拣货提供更加准确的拣货路径规划.
提交时间：2020-10-16
15. 植物三维点云分割
摘要： 针对植物点云具有形状不规则、密度不均匀的特点,提出一种适用于植物的三维点云分割方法.将烟草、玉米、黄瓜这3种植物作为样本数据,以滤波等预处理方法去除离群点与背景点,以欧氏聚类算法分割植物群体,并用区域增长算法、边缘提取算法、超体素聚类算法以及基于凹凸性的方法来分割叶片器官.将所提出的方法用于分割烟草、玉米的三维点云,其覆盖率分别为87.5％、96.9％,从而验证了该方法的可行性与有效性,为自动提取作物叶器官表型研究提供了线索.
提交时间：2020-10-16