用于纤维增强复合材料纤维取向测量的椭圆检测算法

椭圆检测是模式识别领域的一个热点问题,在工程中具有重要作用.结合纤维增强复合材料截面图中椭圆为实心,并且椭圆之间没有交叉和嵌套的性质,提出了一种基于顺序扫描的椭圆检测算法.该算法首先找出椭圆的中心,然后采用一个快速确定短半轴端点的方法,计算出短半轴的长度和斜率,最后通过计算得出长轴的斜率和长度.实验证明,该算法能准确有效地检测到纤维增强复合材料截面图中的椭圆,因而可以用于复合材料中纤维取向的测量.     

基于Linux防火墙的入侵检测技术的研究与实现

研究了入侵检测技术的相关理论，详细分析了Linux系统下Netfilter防火墙软件的框架结构，在此基础上总结出基于Linux系统的入侵检测模块的实现方案，并最终设计实现了基于Netfilter框架的入侵检测模块。     

Multi-face detection based on downsampling and modified subtractive clustering for color images

INTRODUCTION Face detection has been widely used in fields such as security, multimedia retrieval, human com-puter interaction, etc. Therefore it becomes one of the most active research areas in computer science. Re-cently, approaches to face detection include neural network (Rowley et al., 1998), boosting (Viola, 2001; Viola and Jones, 2004), template matching (Kim et al.,2000) and skin color (Cai and Goshtasby, 1999; Wang and Yuan, 2001; Soriano et al., 2003), etc. The methods of n…     

基于照片的抽象线条画生成

绘画作品以其鲜明的表达方式常常能给观众留下深刻的印象。但其对创作者的高要求使普通大众难以得心应手的自己进行创作。随着科学技术的发展,基于数码照片对各种绘画风格进行模拟成为了非真实感图形学研究的热点。本文在总结前人研究成果的基础上,结合尺度空间理论和边缘检测技术,提出了一种基于照片生成抽象线条画的方法。通过实验证明,本方法能较好的模拟线条画的主要特点。     

网络入侵检测技术研究

入侵检测是保护网络信息安全的重要途径。本文介绍了网络入侵检测的概念和入侵检测技术的分类，重点阐述了网络入侵检测系统的工怍原理、信息收集及其分析方法。     

特种兵定向能力训练

通过对历届国际侦察兵大赛、“突击2007“中泰特种兵联合训练和长期特种部队训练的亲身经历,对特种兵定向能力训练总结了一些训练方法和经验。希望能给全军特种兵定向能力训练进一步提高提供借鉴。     

高校BBS教育舆情的时空特征模型构建和热点发现——基于南京大学小百合BBS数据集的分析

自媒体时代网络舆情的治理与引导在时、效、度3个维度都面临着巨大的挑战。针对高校BBS教育舆情,运用网络测量学技术对自动采集到的南京大学小百合BBS相关数据集加以分析,构建了教育舆情的时空特征模型。该模型显示,测量舆情的空间特征和多个时间特征能够有效快速发现热点信息。实验证明,高校BBS教育舆情总体分布比较稀疏,单日活跃用户数并不高,并且热点信息相对较少、利用显著的时空特征易于检测。     

基于符号检测辅助的MMSE与LS干扰对齐算法研究

干扰对齐（IA）是一种有效消除干扰的管理机制。为了彻底消除干扰信号对期望信号的影响,通过预编码技术处理使干扰在接收端重叠,使接收端的干扰信号与期望信号有效分开。在传统最小均方误差（Minimum Mean Square Error,MMSE）算法和最小二乘（least square,LS）算法基础上,提出基于符号检测辅助的最小均方误差（Symbol Detection Aided Minimum Mean Square Error,SDA-MMSE）算法和最小二乘（Symbol Detection Aided Least Square,SDA-LS）算法。分别基于传统算法和改进算法进行迭代计算,通过仿真可看出SDA-MMSE算法的MSE较SDA-LS算法的MSE降低约20%。理论分析与仿真结果表明,改进算法较传统算法具有更好的系统性能,且SDA-MMSE算法系统性能最优。     

Fake news detection via knowledgeable prompt learning

The spread of fake news has become a significant social problem, drawing great concern for fake news detection (FND). Pretrained language models (PLMs), such as BERT and RoBERTa can benefit this task much, leading to state-of-the-art performance. The common paradigm of utilizing these PLMs is fine-tuning, in which a linear classification layer is built upon the well-initialized PLM network, resulting in an FND mode, and then the full model is tuned on a training corpus. Although great successes have been achieved, this paradigm still involves a significant gap between the language model pretraining and target task fine-tuning processes. Fortunately, prompt learning, a new alternative to PLM exploration, can handle the issue naturally, showing the potential for further performance improvements. To this end, we propose knowledgeable prompt learning (KPL) for this task. First, we apply prompt learning to FND, through designing one sophisticated prompt template and the corresponding verbal words carefully for the task. Second, we incorporate external knowledge into the prompt representation, making the representation more expressive to predict the verbal words. Experimental results on two benchmark datasets demonstrate that prompt learning is better than the baseline fine-tuning PLM utilization for FND and can outperform all previous representative methods. Our final knowledgeable model (i.e, KPL) can provide further improvements. In particular, it achieves an average increase of 3.28% in F1 score under low-resource conditions compared with fine-tuning.     

循证决策视角下的患者健康咨询主题分析

[目的/意义]为了将大数据更好地用于循证决策,文章构建了循证决策视角下的患者健康主题分析模型。[方法/过程]首先使用LDA主题模型对高血压问答数据进行主题探测,并结合文献提炼出高血压八大主题;再次使用问卷调查法和层次分析法对主题探测结果进行评估;最后对得到的证据进行实践讨论。[结果/结论]文章对大数据和循证决策的结合做了尝试性探索,结果表明循证决策视角下的患者健康主题分析模型,具有一定的实用性和创新性。