西安電子科技大學(xué)學(xué)報(bào)最新期刊目錄

基于時(shí)空關(guān)聯(lián)分析的無(wú)人機(jī)飛行數(shù)據(jù)異常檢測(cè)————作者：顧兆軍;王婧煜;王家亮;聶留陽(yáng);

摘要：為解決現(xiàn)有無(wú)人機(jī)異常檢測(cè)方法中飛行數(shù)據(jù)特征選擇不當(dāng)、時(shí)空關(guān)系建模不足和判據(jù)區(qū)分度低的問(wèn)題，本文設(shè)計(jì)了基于數(shù)據(jù)驅(qū)動(dòng)的無(wú)人機(jī)異常檢測(cè)模型UAV-STAD，該模型通過(guò)優(yōu)化特征選擇、融合時(shí)空特征和定義異常判據(jù)對(duì)飛行數(shù)據(jù)進(jìn)行異常檢測(cè)。首先，通過(guò)最大信息系數(shù)(Maximal Information Coefficient， MIC)過(guò)濾飛行數(shù)據(jù)中與檢測(cè)參數(shù)無(wú)關(guān)的特征。其次，將相關(guān)特征作為圖中節(jié)點(diǎn)通過(guò)自適應(yīng)跨變...

推薦系統(tǒng)中增強(qiáng)多模態(tài)序列的概率邏輯推理————作者：王建芳;竹顯剛;

摘要：多模態(tài)推薦系統(tǒng)通過(guò)將多模態(tài)信息（如文本、視覺(jué)）融入傳統(tǒng)推薦框架中，增強(qiáng)了用戶與物品的表示能力，從而更精確地捕捉用戶的興趣和需求，提供更為準(zhǔn)確的推薦服務(wù)。然而，推薦任務(wù)不僅是一個(gè)簡(jiǎn)單的數(shù)據(jù)歸納問(wèn)題，還需有效捕獲用戶的動(dòng)態(tài)偏好并進(jìn)行推理決策。為此，提出了一種融合多模態(tài)序列與概率邏輯推理推薦的推薦模型（PLM-RS）。據(jù)現(xiàn)有文獻(xiàn)信息，這是首次將多模態(tài)和推理結(jié)合的推薦方法。具體而言，該模型在多模態(tài)信息融合...

高階依賴和知識(shí)更新的方面級(jí)情感分析————作者：范雅婷;韓虎;李琳;徐學(xué)鋒;

摘要：針對(duì)目前外部知識(shí)難以在特定領(lǐng)域內(nèi)進(jìn)行迭代更新，以及忽視了評(píng)論文本中不同句法依賴距離的問(wèn)題，提出了一種基于高階依賴和知識(shí)更新的方面級(jí)情感分析模型。首先，通過(guò)引入兩個(gè)全局共享可更新的動(dòng)態(tài)知識(shí)節(jié)點(diǎn)，聚合評(píng)論語(yǔ)句中意見(jiàn)詞所蘊(yùn)含的情感特征，并利用單詞節(jié)點(diǎn)間的路徑跨度信息增強(qiáng)融合知識(shí)的句法鄰接矩陣，多層次捕捉上下文與方面詞間的細(xì)粒度依賴關(guān)系，動(dòng)態(tài)優(yōu)化遠(yuǎn)距離詞匯節(jié)點(diǎn)的情感權(quán)重。其次，構(gòu)建多元語(yǔ)義與多維距離模塊聯(lián)...

基于半監(jiān)督學(xué)習(xí)的日志異常檢測(cè)研究————作者：孫夫雄;孟雯錦;孫奕靈;李漾佚;尹昱凱;

摘要：分布式系統(tǒng)日志是由分布式系統(tǒng)中的各個(gè)組件或節(jié)點(diǎn)生成的，記錄系統(tǒng)運(yùn)行狀態(tài)和事件的時(shí)序數(shù)據(jù)記錄，具有多樣性、大數(shù)據(jù)量、可讀性差和脆弱性等特點(diǎn)。監(jiān)督日志異常檢測(cè)方法在日志標(biāo)簽不足時(shí)需要專家人工標(biāo)注，成本高昂；而無(wú)監(jiān)督方法則難以構(gòu)建有效的異常檢測(cè)模型。鑒于此，提出一種半監(jiān)督學(xué)習(xí)的日志異常檢測(cè)模型。首先，將日志數(shù)據(jù)轉(zhuǎn)化為日志事件模板序列，并采用詞嵌入酉不變性和矩陣微擾理論以確定其最佳詞向量維度，進(jìn)而構(gòu)造日志...

面向SAR圖像任意方向艦船檢測(cè)的改進(jìn)YOLOv5————作者：曲春輝;王瑋;張婷;王英華;陳渤;

摘要：SAR圖像艦船檢測(cè)方法面臨艦船多尺度、任意方向、密集排列等難題，旋轉(zhuǎn)框檢測(cè)方法能實(shí)現(xiàn)任意方向艦船的精確檢測(cè)，但是現(xiàn)有旋轉(zhuǎn)框檢測(cè)方法難以兼顧高精度與實(shí)時(shí)性。為解決上述問(wèn)題，提出了一個(gè)結(jié)合中點(diǎn)偏移量表示法和YOLOv5的旋轉(zhuǎn)框檢測(cè)網(wǎng)絡(luò)模型，直接繼承水平框的回歸機(jī)制，并設(shè)計(jì)適應(yīng)于旋轉(zhuǎn)檢測(cè)的多任務(wù)聯(lián)合網(wǎng)絡(luò)損失函數(shù)，解決了常用旋轉(zhuǎn)框檢測(cè)表示方法引入角度參數(shù)而產(chǎn)生的網(wǎng)絡(luò)難以訓(xùn)練和網(wǎng)絡(luò)預(yù)測(cè)層參數(shù)冗余的問(wèn)題。此外...

格上抗合謀多權(quán)威屬性基加密方案————作者：趙宗渠;馬少驊;郭孟昊;王乃鋒;

摘要：屬性基加密（ABE）提供了靈活的訪問(wèn)控制，但密鑰完全由中央權(quán)威生成和簽發(fā)，導(dǎo)致中央權(quán)威負(fù)荷過(guò)重且易受攻擊。一旦中央密鑰泄露，將會(huì)帶來(lái)嚴(yán)重的安全后果。為解決此問(wèn)題，多權(quán)威屬性基加密（MA-ABE）允許多個(gè)授權(quán)機(jī)構(gòu)獨(dú)立、分散地分發(fā)各自所管屬性下的密鑰，即使單個(gè)權(quán)威密鑰泄露，整個(gè)系統(tǒng)的安全性仍能得到保障。與傳統(tǒng)ABE相同，MA-ABE仍面臨著任意非授權(quán)用戶的合謀問(wèn)題，甚至一些權(quán)威可能被破壞并與對(duì)手勾結(jié)。...

動(dòng)態(tài)任務(wù)構(gòu)建的多任務(wù)算法求解MOVRPTW問(wèn)題————作者：王宇東;武燕;

摘要：帶時(shí)間窗的多目標(biāo)車輛路徑問(wèn)題（MOVRPTW）是一個(gè)重要且具有挑戰(zhàn)性的物流問(wèn)題。進(jìn)化多任務(wù)算法（EMT）是一種通過(guò)任務(wù)間知識(shí)遷移提升算法尋優(yōu)能力的新穎方法。本文提出一種動(dòng)態(tài)構(gòu)造輔助任務(wù)的方法，旨在增強(qiáng)任務(wù)間的知識(shí)遷移效果，從而提高原始任務(wù)的尋優(yōu)能力。文中采用動(dòng)態(tài)更換輔助任務(wù)的思想改進(jìn)多任務(wù)優(yōu)化算法求解MOVRPTW問(wèn)題，期望算法在任務(wù)間能持續(xù)提供有效的知識(shí)遷移。在算法的迭代過(guò)程中，當(dāng)輔助任務(wù)不能提...

高效移動(dòng)策略的分簇路由匹配優(yōu)化算法————作者：孫澤宇;廖桂生;劉云卿;廖瑞乾;

摘要：無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)部署、路由選擇和能量效率是影響網(wǎng)絡(luò)生存周期和傳輸效率的關(guān)鍵因素，針對(duì)上述問(wèn)題，提出了一種基于高效移動(dòng)策略的路由匹配優(yōu)化算法。首先，提出算法結(jié)合霧計(jì)算理論，給出跨層分簇路由最優(yōu)簇?cái)?shù)量的計(jì)算辦法，完成了網(wǎng)絡(luò)能量衰減與傳輸距離增量和減量Δd變化的數(shù)學(xué)模型計(jì)算過(guò)程，通過(guò)自適應(yīng)地動(dòng)態(tài)調(diào)整路由策略，以提高數(shù)據(jù)傳輸成功率；其次，在簇建立階段，利用粒子群優(yōu)化算法實(shí)現(xiàn)了對(duì)復(fù)雜全局的時(shí)間-空間最優(yōu)...

無(wú)人機(jī)輔助的MEC任務(wù)卸載雙目標(biāo)優(yōu)化方法————作者：盧曉琴;趙輝;李建華;王靜;萬(wàn)波;王泉;

摘要：在無(wú)人機(jī)（UAV）輔助移動(dòng)邊緣計(jì)算（MEC）框架中，現(xiàn)有研究在UAV軌跡設(shè)計(jì)階段主要關(guān)注了UAV的能耗約束，卻往往忽視了任務(wù)負(fù)載的影響；而在任務(wù)卸載階段，并沒(méi)有綜合考慮終端設(shè)備和UAV的總能耗，不能最小化UAV與終端設(shè)備總能耗。針對(duì)UAV輔助MEC架構(gòu)下任務(wù)卸載存在的問(wèn)題，提出了一種UAV輔助的MEC任務(wù)卸載雙目標(biāo)優(yōu)化方法。首先，綜合考慮不同位置的任務(wù)負(fù)載和UAV能耗約束，引入位置興趣指數(shù)概念LI...

結(jié)合多尺度注意力的輕量自監(jiān)督單目深度估計(jì)————作者：葛竟睿;秦國(guó)軒;張為;

摘要：針對(duì)目前單目深度估計(jì)網(wǎng)絡(luò)模型參數(shù)量大、計(jì)算復(fù)雜度高、難以部署在邊緣計(jì)算設(shè)備上進(jìn)行實(shí)時(shí)推理的問(wèn)題，提出一種結(jié)合多尺度注意力的輕量級(jí)自監(jiān)督單目深度估計(jì)算法。該算法引入多尺度注意力模塊作為編碼器主體，以卷積操作與自注意力機(jī)制的局部結(jié)構(gòu)和遠(yuǎn)程全局信息捕獲能力作為核心思想，通過(guò)將添加了多分支大核空洞卷積的門控多層感知機(jī)與前饋神經(jīng)網(wǎng)絡(luò)相結(jié)合，實(shí)現(xiàn)帶有注意力機(jī)制的局部與全局特征聚合，從而在確保深度估計(jì)精度的情況...

一種輕量級(jí)小目標(biāo)無(wú)人機(jī)檢測(cè)YOLO模型————作者：陽(yáng)小兵;李釗;許艷紅;

摘要：由于無(wú)人機(jī)體積小、空域背景復(fù)雜、且容易與鳥(niǎo)類等天空目標(biāo)混淆，已有的目標(biāo)檢測(cè)模型精度不足。雖然增加模型規(guī)模可以在一定程度上提升檢測(cè)精度，但也會(huì)降低模型推理速度、增大參數(shù)量與計(jì)算量。此外，目前可用于小目標(biāo)無(wú)人機(jī)檢測(cè)的數(shù)據(jù)集缺乏，難以有效支持無(wú)人機(jī)檢測(cè)方法設(shè)計(jì)。針對(duì)以上問(wèn)題，首先根據(jù)現(xiàn)有的開(kāi)源無(wú)人機(jī)與鳥(niǎo)類檢測(cè)數(shù)據(jù)集，采用基于目標(biāo)面積壓縮的小目標(biāo)樣本增強(qiáng)方法，構(gòu)建一個(gè)可用于小目標(biāo)無(wú)人機(jī)與鳥(niǎo)類分類任務(wù)的數(shù)據(jù)...

多天線輔助同時(shí)同頻非合作干擾抑制技術(shù)研究————作者：段柏宇;李維實(shí);李彤;潘文生;邵士海;

摘要：隨著無(wú)線通信與感知設(shè)備數(shù)量的急速增長(zhǎng)，設(shè)備間的互干擾問(wèn)題日益嚴(yán)重。較強(qiáng)的同頻互干擾將抬升接收機(jī)底噪，顯著影響接收機(jī)的通信、感知性能。該文利用干擾發(fā)射信號(hào)與期望發(fā)射信號(hào)間的不相關(guān)特性，針對(duì)非自適應(yīng)陣列或單天線接收機(jī)，提出一種多天線輔助同時(shí)同頻非合作互干擾抑制算法。所提干擾抑制算法無(wú)需信道估計(jì)，利用期望信號(hào)的靜默周期，基于最大輸出信干噪比準(zhǔn)則求解最優(yōu)權(quán)值。依據(jù)定義的信干噪比增益，推導(dǎo)了所提算法的性能上...

結(jié)合紋理特征與注意力機(jī)制的Seam Carving檢測(cè)————作者：趙潔;李海燕;武斌;

摘要：針對(duì)目前Seam Carving篡改檢測(cè)方法在低縮放因子場(chǎng)景下普遍存在的檢測(cè)精準(zhǔn)度較低、魯棒性不強(qiáng)的問(wèn)題，提出了一種結(jié)合中心像素鄰域差分和與SE注意力機(jī)制的Seam Carving篡改魯棒檢測(cè)方法。首先，提出中心像素鄰域差分和對(duì)輸入圖像進(jìn)行預(yù)處理，凸顯圖像的篡改偽影，得到8鄰域差分和特征矩陣；然后，將預(yù)處理生成的特征矩陣傳入引入殘差傳播和殘差反饋機(jī)制的ResNet骨干網(wǎng)絡(luò)，進(jìn)行深層次的特征學(xué)習(xí)；最...

區(qū)塊鏈賦能的車輛邊緣網(wǎng)絡(luò)任務(wù)卸載方法研究————作者：康海燕;劉鑫旭;李彥芳;

摘要：隨著城市智慧交通及車聯(lián)網(wǎng)(IoV)蓬勃發(fā)展，自動(dòng)駕駛、圖像語(yǔ)音處理等計(jì)算密集型應(yīng)用對(duì)計(jì)算和緩存資源需求攀升。鑒于傳統(tǒng)車聯(lián)網(wǎng)中云計(jì)算架構(gòu)因云服務(wù)器位于網(wǎng)絡(luò)核心，傳播延遲大，難以給予行駛車輛實(shí)時(shí)優(yōu)質(zhì)服務(wù)，旨在提出區(qū)塊鏈賦能的車輛邊緣網(wǎng)絡(luò)任務(wù)卸載方法研究(BTO-VEN)。通過(guò)任務(wù)卸載，將車輛生成的計(jì)算任務(wù)動(dòng)態(tài)分配到邊緣計(jì)算服務(wù)器或鄰近車輛中，從而減少計(jì)算負(fù)載并降低延遲。首先，將邊緣計(jì)算(MEC)融入車...

Keystone變換數(shù)字實(shí)現(xiàn)的一種新解釋————作者：史昊;廖桂生;

摘要：盡管Keystone變換在雷達(dá)信號(hào)處理中得到了廣泛應(yīng)用，但其數(shù)字實(shí)現(xiàn)仍存在若干問(wèn)題。首先，從插值理論的角度來(lái)看，新采樣點(diǎn)的選擇可能存在模糊性，且由降采樣引起的頻域混疊問(wèn)題常被忽視。其次，現(xiàn)有Keystone變換數(shù)字實(shí)現(xiàn)方法之間的關(guān)系尚未得到充分分析。針對(duì)這些問(wèn)題，將二維序列Keystone變換的數(shù)字實(shí)現(xiàn)歸結(jié)為一維序列重采樣的問(wèn)題。基于插值理論并結(jié)合分?jǐn)?shù)重采樣理論，從頻譜分析的角度推導(dǎo)了多種序列重采...

基于SSENet的飛行員腦力疲勞評(píng)估方法————作者：金恒;孫有朝;曾一寧;劉威成;郭媛媛;

摘要：著艦任務(wù)具備時(shí)間緊迫、操作過(guò)程復(fù)雜等特點(diǎn)，準(zhǔn)確評(píng)估飛行員腦力疲勞對(duì)提高著艦安全至關(guān)重要。針對(duì)著艦任務(wù)中飛行員腦力疲勞評(píng)估問(wèn)題，開(kāi)展不同難度模擬著艦實(shí)驗(yàn)，采集9名被試人員在為期9天實(shí)驗(yàn)中的腦電信號(hào)，構(gòu)建基于SSENet的著艦場(chǎng)景下跨被試腦力疲勞評(píng)估模型。針對(duì)腦電信號(hào)空間特征和跨被試訓(xùn)練方法，在模型中設(shè)計(jì)了SEConv模塊以捕捉腦電信號(hào)中的空間信息耦合與通道特征信息。結(jié)果表明：在不同難度的著艦任務(wù)中，...

TDC轉(zhuǎn)置卷積硬件加速器的設(shè)計(jì)與優(yōu)化————作者：王國(guó)慶;嚴(yán)利民;

摘要：轉(zhuǎn)置卷積在深度學(xué)習(xí)(Deep Learning， DL)任務(wù)中應(yīng)用廣泛，但是在小型快速超分辨率卷積神經(jīng)網(wǎng)絡(luò)(Fast Super-Resolution Convolutional Neural Network-small， FSRCNN-s)中已經(jīng)成為推理階段的主要性能瓶頸，因此設(shè)計(jì)高效的轉(zhuǎn)置卷積硬件加速器至關(guān)重要。基于轉(zhuǎn)換轉(zhuǎn)置卷積為卷積(Transforming Deconvolution to...

云邊端環(huán)境中的分布式數(shù)據(jù)雙邊訪問(wèn)控制方案————作者：趙一帆;張嘉偉;楊顏博;韓磊;李騰;馬建峰;

摘要：物聯(lián)網(wǎng)等新興技術(shù)的發(fā)展使爆炸增長(zhǎng)的各種數(shù)據(jù)給資源受限的終端設(shè)備帶來(lái)沉重負(fù)擔(dān)。云計(jì)算集中式數(shù)據(jù)存儲(chǔ)和共享服務(wù)對(duì)車聯(lián)網(wǎng)等時(shí)間敏感應(yīng)用而言通信延時(shí)較長(zhǎng)，邊緣計(jì)算能彌補(bǔ)該不足并推動(dòng)云邊端架構(gòu)發(fā)展。而在云邊端環(huán)境中數(shù)據(jù)存儲(chǔ)和共享面臨各種安全威脅，有效訪問(wèn)控制為其數(shù)據(jù)安全基本保障。傳統(tǒng)屬性基加密對(duì)數(shù)據(jù)使用者進(jìn)行細(xì)粒度訪問(wèn)控制無(wú)法用于分布式環(huán)境中并對(duì)數(shù)據(jù)擁有者進(jìn)行訪問(wèn)控制，也無(wú)法確保云端數(shù)據(jù)的來(lái)源真實(shí)性和動(dòng)態(tài)完...

結(jié)合多粒度信息學(xué)習(xí)的衛(wèi)星視頻目標(biāo)跟蹤算法————作者：魯宸旭;高隆;鄒云龍;李云松;

摘要：在遙感衛(wèi)星視頻目標(biāo)跟蹤任務(wù)中，由于跟蹤目標(biāo)分辨率低，背景干擾較多，容易被遮擋等問(wèn)題，導(dǎo)致現(xiàn)有目標(biāo)跟蹤算法不能滿足需要。針對(duì)這些問(wèn)題，提出了一種基于多粒度信息學(xué)習(xí)與運(yùn)動(dòng)狀態(tài)估計(jì)的衛(wèi)星視頻目標(biāo)跟蹤算法。多粒度信息學(xué)習(xí)通過(guò)雙向融合網(wǎng)絡(luò)，將空間信息豐富的淺層特征與語(yǔ)義信息豐富的深層特征進(jìn)行雙向自適應(yīng)融合，提升特征對(duì)低分辨目標(biāo)的表征能力。進(jìn)一步，使用運(yùn)動(dòng)狀態(tài)估計(jì)方法，基于歷史目標(biāo)運(yùn)動(dòng)狀態(tài)，估計(jì)當(dāng)前目標(biāo)位置，...

北斗失效隧道場(chǎng)景下列車自適應(yīng)定位方法研究————作者：陳永;陶瑄;袁姣姣;

摘要：高可靠的列車定位技術(shù)是列車運(yùn)行控制系統(tǒng)的基礎(chǔ)。當(dāng)列車運(yùn)行至隧道嚴(yán)重遮擋場(chǎng)景時(shí)，北斗衛(wèi)星導(dǎo)航系統(tǒng)BDS將失效，導(dǎo)致列車定位誤差累積，嚴(yán)重影響定位性能。為了提高列車在隧道嚴(yán)重遮擋場(chǎng)景下的定位性能，本文提出了一種北斗失效隧道嚴(yán)重遮擋場(chǎng)景下的列車自適應(yīng)定位方法。首先，對(duì)北斗失效場(chǎng)景下，SINS定位誤差進(jìn)行分析，利用航位推算DR算法，解決了SINS自校準(zhǔn)失效問(wèn)題。其次，提出了基于無(wú)跡卡爾曼的隧道嚴(yán)重遮擋場(chǎng)景...

　　西安電子科技大學(xué)學(xué)報(bào)來(lái)自網(wǎng)友的投稿評(píng)論：

提交