基于秘密共享的卫星网络组密钥管理方案

针对卫星网络组密钥管理的重要性,提出了一个可认证的基于门限秘密共享的组密钥管理方案．结合卫星网络的动态拓扑结构特点,将地面站作为组成员的身份注册中心,以实现对组成员的身份认证,确保节点的合法性．为了提高组密钥的生成效率,选取≠一1颗可见时间长的卫星构建组密钥份额分发中心,降低了组密钥联合生成过程中的通信量．组密钥协商无需安全信道,节省了系统资源．安全性及性能分析表明,该方案不仅具有较强的安全性,而且还具有计算和通信量小的优点．参数分析表明,门限值k与组密钥更新周期T是影响方案安全性的2个重要因子．     

基于神经网络集成方法预测膜蛋白类型

由Chou等人提出的预测膜蛋白分类的机器学习算法在近年来不断改进,使得预测膜蛋白类型的准确率越来越高。但是由于膜蛋白类分布不均衡而导致少数类的预测准确率非常低,使用神经网络集成方法能解决此问题。该方法中Bagging算法通过对多数类欠采样和少数类过采样来解决膜蛋白训练数据集不均衡问题。此外,用神经网络集成方法对已训练数据集和独立数据集进行分类测试,得出神经网络集成方法预测效果优于单个最好神经网络。该方法为解决蛋白质分类预测问题提供了一种新的策略,特别是训练数据集不均衡时,该方法的优势更加明显。     

JXTA网络短链路由改进算法

JXTA为构建对等网络提供了标准化计算平台,制定一些协议和服务专门解决构建P2P网络所遇见的问题.为了改进JXTA路由查询效率低下问题,提出一种路由短链改进算法.在端点路由协议的基础上,根据小世界短链现象采用物理邻居策略将网络划分簇,簇内采用Pastry算法,簇间运用freePastry算法进行资源搜索,使长跳路由减少短链路由增加.通过仿真实验说明,算法可有效增加检索效率,减少节点间的通讯时延.     

浅谈基于物联网技术的消防监管平台构建

智能化消防监管平台是以物联网技术为支撑,对联网单位的消防情况进行科学、客观、实时的数据采集,并对其进行实时、智能化的梳理和分析,进而形成和输出有效信息的消防监督及灭火救援管理系统.阐述了该系统的特点、系统的构成和多模块功能.智能化消防监管平台可以转变现有的消防监管模式,有效提升消防监督及火灾扑救和应急救援的质量、效率和水平.     

试论武警部队指挥自动化管理专业的职业化改建对策

武警部队指挥自动化管理专业自开设以来,为部队培养了一批骨干技术人才。但在军队院校学历教育向任职教育转型的宏观背景下,指挥自动化管理专业建设改革进程尚显滞后,急需从人才培养定位、教员队伍、教学内容、教学方法、教学条件等方面进行职业化改造,创建符合职业教育规律的指挥自动化管理专业体系。     

“协同制导通道”基本概念及其应用分析

舰艇编队协同反导作战,是海上网络中心作战的典型样式.针对舰艇编队网络化协同反导作战装备体系特殊性,提出了“协同制导通道”基本概念和数学表示方法,并对基于协同制导通道分配方法运用于网络化反导作战条件下武器资源分配进行了研究.分析了单舰反导作战“武器目标分配”的局限性,网络化反导作战“弹-目匹配”新需求和“协同制导通道”的选择方法,为确定“协同制导通道”选择的最优化指标,提出选择“协同制导通道”优化算法奠定了基础.     

基于协同交战的战术数据链技术研究

介绍了外军典型战术数据链的发展情况,同时根据未来网络化作战需求,对基于协同交战的战术数据链的作战使用进行了研究,提出了基于协同交战的战术数据链体系结构、功能需求和指标需求,最后给出了基于协同交战的战术数据链的发展建议.     

面向时空交通栅格流量预测的3D通道注意力网络

城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型——3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。     

3D laser scanning strategy based on cascaded deep neural network

A 3D laser scanning strategy based on cascaded deep neural network is proposed for the scanning system converted from 2D Lidar with a pitching motion device. The strategy is aimed at moving target detection and monitoring. Combining the device characteristics, the strategy first proposes a cascaded deep neural network, which inputs 2D point cloud, color image and pitching angle. The outputs are target distance and speed classification. And the cross-entropy loss function of network is modified by using focal loss and uniform distribution to improve the recognition accuracy. Then a pitching range and speed model are proposed to determine pitching motion parameters. Finally, the adaptive scanning is realized by integral separate speed PID. The experimental results show that the accuracies of the improved network target detection box, distance and speed classification are 90.17%, 96.87% and 96.97%, respectively. The average speed error of the improved PID is 0.4239°/s, and the average strategy execution time is 0.1521 s. The range and speed model can effectively reduce the collection of useless information and the deformation of the target point cloud. Conclusively, the experimental of overall scanning strategy show that it can improve target point cloud integrity and density while ensuring the capture of target.     

网络中心战条件下舰艇编队武器系统可靠度分析

利用可靠度模型对网络化条件下舰艇编队跨平台组织武器通道的可靠度进行了分析。分析表明,在网络中心战条件下舰艇编队武器系统的可靠度有了大幅度的提升。