基于混合云架构的交通行业大数据云控平台研究与应用

随着智慧交通的发展,对交通信息化统筹建设、对交通数据的统一管理和深度挖掘应用提出了更高的要求.本文对当前高速公路数据传输、存储、分析应用三个方面进行综合分析研究,设计了基于混合云架构的交通行业大数据云控平台,并对新的融合传输方法、混合云架构数据存储方法和基于中台架构的数据分析应用平台进行了分析.平台对我省智慧交通发展、集团公司数字化的转型有极大的支撑作用.     

使用多任务级联卷积神经网络进行车牌照识别

车牌照识别是计算机视觉技术的一项重要应用,在保障日常交通秩序中扮演关键角色,因此,一直以来车牌照识别技术都是计算机视觉领域中一项热门研究。由于车牌照识别系统的应用场景通常在交通路口,交通情况复杂度高,由于车辆运动和拍摄角度导致的遮挡、图像变形等问题,使得高精度、抗干扰的车牌照识别系统具有重要研究价值。近年来,随着深度学习技术的发展,特别是其在图像识别和目标检测领域带来相较传统方法的巨大的性能提升。文章尝试使用深度卷积神经网络的方法,提出了一个在精确度和鲁棒性方面都较为出色的针对中国大陆车牌照的识别算法,其在我们的私有数据集上识别准确率达到94.93%,识别图片平均耗时243 ms。该方法可以通过更换数据集来泛化到其他国家或地区的车牌照识别问题上。     

基于面向对象的养殖水面遥感分类识别

本文采用SPOT-5数据源,基于面向对象方法对养殖水面的识别与提取进行了研究。通过多尺度分割方法获取试验区的地物对象,针对不同地物的光谱、纹理、形状等信息,反复实验设置提取流程和规则,从而实现养殖水面的提取。与传统分类方法的对比,分类精度方面有了明显的提高,噪声也得到了明显的控制。     

军队装备保障信息化“大数据之路”初探

本文首先简要介绍大数据的发展历程、基本特征和大数据技术框架,然后分析了当前装备保障领域的大数据研究和应用现状,最后以"军用飞参大数据管控平台"为例,从"数据管控与分享"、"模式识别和决策辅助"两个角度对装备保障建设中数据深度应用思想进行阐述,为装备保障信息化建设中的大数据应用提供一些启发和参考。     

基于深度学习的MSSD目标检测方法

文章提出了一种基于深度学习的MSSD(Modified Single Shot multibox Detector)目标检测方法。文章阐述了SSD方法的模型与工作原理,SSD方法采用多尺度的特征图预测物体,使用具有较大感受野的高层特征图预测大物体,具有较小感受野的低层特征图预测小物体。使用的低层网络的特征图预测小物体时,由于缺乏高层语义特征,所以导致SSD对小物体的检测效果较差。文章提出了一种MSSD模型,把原有的VGG网络替换为深度残差网络,采用了特征金字塔网络模块对高层语意信息和低层细节信息融合,并通过1 000张图像数据集测试,对比MSSD方法与SSD方法在目标检测上的物体检索能力与检测精度。结果表明,MSSD方法比SSD方法准确率高、速度快。     

无人驾驶智能塔吊控制系统应用研究

随着大数据、人工智能等技术的快速发展，工程机械的智能化逐步变成了时代的要求，智能化工程机械在社会的发展中占据着重要作用。本文探讨了智能化技术在塔吊行业中的应用，结合深度学习的目标检测与目标定位、多场景多任务的环境建模等技术，提出一种基于人机共驾的智能塔吊控制系统，以期推动塔吊行业智能化的行业发展与进步。     

企业财务危机预警模型比较实证研究

针对财务危机预警模型，梳理了国内外相关文献，根据其公司财务信息的时间序列特征，比较了Z分数模型、Logistic回归模型以及卷积神经网络模型在财务风险预警中的性能，并且根据实验比较，分析证明了卷积神经网络在财务方面的应用相较于传统方法的优越性，最终通过建立现实场景下的数据集进行验证观测性能以及收敛曲线后，给出相关财务危机预警建议。基于此，利用深度学习智能模型，不仅能快速且高效地处理大规模财务数据，还可以保证在测试阶段（即实际应用场景下）不会随着时间推移而改变企业风险预测的结果，可以有效保证预测的稳定性。因此，利用深度学习处理财务风险数据并预警具有实际应用价值。以近3年A股上市公司数据为样本，并通过实证研究证明深度学习智能模型与传统模型之间的性能差异并得出结论。     

地下室的防水构造探讨

针对目前地下室迎水面柔性防水技术存在的问题,探讨新型的地下室防水构造。分析了新型地下室防水构造用材的确定,并详细探讨了新型地下室防水构造的背水面防水方案,对新型地下室防水构造面临的问题及其解决方法进行分析,最后简要的给出了一个应用案例。     

拖线阵声纳探测技术研究现状及发展趋势

对水面/下目标探测的需求促进了拖线阵声纳探测技术的发展,拖线阵声纳探测技术的快速发展,使其成为现代水面/下目标探测、反潜战中不可或缺的技术。因此,由必要追踪了解拖线阵纳探测技术中水听器技术、成阵技术、信号处理技术的研究现状,并从流噪声抑制、信号处理技术、多平台协同探测方面预测拖线阵声纳探测技术的发展趋势。     

一种改进的贝叶斯网算法在入侵检测中的应用研究

这种改进的贝叶斯网算法采用粗糙集理论对数据集进行降维处理,减少贝叶斯网学习的计算成本;利用互信息理论,提出一种基于互信息的贝叶斯网结构学习算法。实验表明这种算法,即提高了检测精度又提高了检测效率。     

基于加密技术的共享机密数据隐私保护方法

在数字化技术快速发展和国家政策的大力支持下,大数据技术已经渗透航天航空领域的方方面面,并形成一定规模的应用效果,但是数据共享带来的隐私安全等隐患阻滞了其进一步发展。基于此,文章针对需要向业务合作部门共享的机密图像数据,结合目标检测算法和业务合作部门共享的实际需求,设计了一种基于加密技术的数据隐私保护方法。该方法采用目标检测技术减小了部门共享机密数据的数据规模;结合非对称加密算法（RSA）和对称加密算法（AES）,对共享数据进行混合加密,相较于单一RSA加密算法,加密时间减少约67%,解密时间减少约98%,实现了在保护数据隐私安全的同时,减少数据加密和解密过程的时间损耗。     

基于深度神经网络的眼周识别方法研究

近年来,少限制环境下的生物特征识别技术成为研究热点,眼周识别作为新兴的生物特征识别技术越来越受人们关注。基于深度神经网络的眼周识别方法相较于传统方法能更好地提高眼周识别性能。通过提出一个基于ResNet20和softmax的眼周识别方法,在两个公开的眼周数据集上实验验证得到在UBIPr数据集上的EER值为8.19%,在UBIRIS.V2数据集上的EER值为13.18%。与传统的眼周识别方法相比,文章提出的眼周识别方法取得了较好的眼周识别效果,为深度神经网络的眼周识别方法发展提供持续动力。     

四分位数：一种简便的探索性数据描述统计工具

在对数据集进行分析之前。我们经常会对数据的有效性进行各种检查。在大型的研究过程中，记录数据或将数据输入计算机发生错误的现象并不鲜见。因此，检测和确认异常值是检查数据有效性的常用手段。     

深度学习模型应用：面向审计业务全流程的整合性框架

深度学习不仅拥有对半结构化和非结构化数据强大的信息识别能力，还能基于海量数据进行高效精准的预测分析和判断支持，这将极大地拓展审计证据范围，改善审计决策机制，有助于提升审计效率和审计质量。本文基于深度学习模型的信息识别功能和判断支持功能，将深度学习的智能分析与审计师的经验修正有效融合，不断扩充、更新、迭代审计数据仓库，面向审计业务全流程，构建深度学习模型应用于审计业务不同阶段的集成性、整合性框架，以便更好地指导和推动深度学习模型和方法的审计应用。     

无人快递机器人路径规划算法研究综述

为解决快递“最后一公里”问题,无人快递机器人逐渐成为研究热点,路径规划是无人快递机器人的难点之一。本文对无人快递机器人的路径规划算法进行研究,当下常用的路径规划算法分为基于几何模型算法、基于局部避障算法、智能仿生算法、基于深度学习算法4类,本文归纳各类算法前沿研究成果与应用,为研究无人快递机器人的学者提供参考。     

基于DBN的线上供应链金融信用风险研究

"互联网+"背景下,针对如何解决深度挖掘线上供应链金融大数据背后信用风险的问题,提出了一种基于深度信念网络(DBN)的线上供应链金融信用风险评估方法.首先,建立了由受限玻尔兹曼机(RBM)和分类器SOFTMAX构成的深度信念网络评估模型,并利用该模型对三类数据集进行性能评估测试;其次,运用因子分析法从21个指标中甄选8个指标,输入到RBM中进行转换,形成更为科学的评估指标,再将指标输入到SOFTMAX中进行评估;最后,将这种基于DBN的线上供应链金融信用风险评估方法应用到实例中进行了验证.结果表明:该方法的评估准确率达96.04％,与SVM法、Logistic法相比较,具有更高的评估准确率和更好的合理性.     

我国辐照食品检测技术与标准的发展

文章介绍了我国几种常用的辐照食品检测技术及应用情况,(?)述了近年来我国辐照食品检测标准的现状,并对我国未来辐照食品检测技术和标准的研究及发展进行了探讨。     

基于离散选择模型的推荐系统改进算法

准确地预估用户的点击率,并根据该概率对商品排序以供用户选择在推荐系统领域有着重要的意义。推荐系统中常用的因子分解机等机器学习模型一般只考虑用户选择单个商品的概率,忽略了候选商品之间的相互影响,离散选择模型则考虑将商品候选集作为整体进行考虑。提出了使用深度学习模型来改进离散选择模型,模型使用相对特征层、注意力机制等网络结构帮助深度学习模型进行不同商品间的特征比较,研究结果表明引入离散选择模型的深度学习模型表现优于梯度提升决策树、因子分解机等模型。     

基于大数据的协同教学模式在计算机基础教学中的应用研究

在教育大数据的时代背景下,分析了当前高职院校计算机基础教学中存在的问题,针对学生个体差异大、学习缺乏主动性、教学过程缺乏全方位把握等问题,阐述了如何将基于大数据的协同教学模式应用到计算机基础课程教学改革中,促进学生深度学习,更好地培养出适应时代需求的应用型人才。     

基于数据驱动的露天矿山无人运输系统应用架构及关键技术

基于自动驾驶的无人运输作业是当前智慧矿山采矿业发展的重要发展方向,以数据深度利用为特征的智能化技术将是无人运输发展的核心。首先对露天矿山无人运输系统进行了定义。其次,对露天矿山无人运输系统在时间轴上的冗余感知（数据采集）、信息融合（数据验证）、规划决策（数据决策）、交通管理（数据监控）和全周期管理（数据存档）等5个数据特征进行了分析。再次,对露天矿山无人运输系统数据应用架构进行了阐述,包括自动驾驶子系统（Autonomous Driving Subsystem,ADS）和云控平台（Cloud Control Platform,CCP）。最后,对无人运输系统中具体的数据应用核心技术进行了深入阐述。