基于源路由的IPv6网络瓶颈带宽定位和估计

网络瓶颈带宽是网络性能的重要指标,现有的瓶颈测量工具只能定位和估计端到端路径的瓶颈带宽,无法定位和估计网络各处的瓶颈带宽,不能满足各种网络设计、管理及应用的需求。文中基于IPv6网络的源路由机制,设计能够定位和估计整个IPv6网络瓶颈带宽的算法和测量包序列,提出基于现代最优化原理的动态规划和分支定界算法,实现了测量工具Netneck。部署在1台探测主机的Netneck就可以定位和估计整个IPv6网络的瓶颈,能够满足全网瓶颈测量的需求。通过部署在CNGI-6PlanetLab平台的大量CERNET2 IPv6网络实验,验证了该算法和工具的有效性。     

基于改进U-Net网络的遥感图像云检测

为了解决U-Net模型应用于云检测时对碎云和薄云存在漏检的问题,本文提出了一种改进的U-Net网络模型,并应用于FY-4A数据进行云检测。首先,利用国家气象卫星中心提供的云检测产品生成二分类云标签;其次,将U-Net模型的编码器与残差模块相结合,使得网络参数共享,并避免深层网络的退化问题;最后,在解码器中融入密集连接模块,将浅层特征与深层特征进行连接,便于获取新的特征,并提高特征使用率。试验结果表明,模型在测试集上的IOU值和Dice系数分别为91.5%和95.2%,可以很好地检测出薄云及大量碎云,效果明显优于U-Net模型。     

基于深度残差网络的水下通信调制信号分类

在无线通信中,调制分类是非协作通信的重要组成部分,很难使用常规方法同时兼顾识别准确率和低复杂度对各种调制方案进行高效分类。深度学习方法用来处理这个问题,可以取得良好的效果。在水声通信的环境下,由于通信环境的特殊性,导致信号的调制分类比陆地通信更加困难。创新采用了深度学习网络的改造残差结构形式来区分多种水声通信中的各种常用调制方法,通过合理地选用深度残差网络的超参数,有效克服了模型过拟合问题,取得了良好识别效果。     

基于双注意力残差网络的高分遥感影像道路提取模型

高分辨率遥感影像中,道路光谱信息丰富,且空间几何结构更清晰。但是,基于高分遥感影像的道路提取面临道路尺寸变化大、容易受树木、建筑物及阴影遮挡等因素影响,导致提取结果不完整。此外,高分遥感影像中同物异谱和异物同谱现象较为严重,从而影响道路提取结果连续性及细小道路信息完整性,而且难以区分道路和非道路不透水层。因此,本文提出基于双注意力残差网络的道路提取模型DARNet,利用深度编码网络,获取细粒度高阶语义信息,增强网络对细小道路的提取能力,通过嵌入串联式通道-空间双重注意力模块,获取道路特征图逐通道的全局语义信息,实现道路特征的高效表达及多尺度道路信息的深层融合,增强阴影和遮挡环境下网络模型的鲁棒性,改善道路提取细节缺失现象,实现复杂环境下高效、准确的道路自动化提取。本文在3个实验数据集对DARNet和DLinkNet、DeepLabV3+等5个对比模型进行对比试验和定量评估,结果表明,本文DARNet模型的F1分别为77.92%、67.88%和80.37%,高于对比模型。此外,定性比较表明,本文提出模型可以有效克服由于物体阴影、遮挡和高分影像光谱变化导致道路提取不准确与不完整问题,改善细...     

溧阳地震台体应变观测数据质量分析

对溧阳地震台体应变观测资料变化形态、观测质量和观测精度、潮汐因子中误差、地震波记录能力等参数进行分析,采用固体潮汐残差矢量分析方法进行分析,对该台2010—2015年观测资料进行分析,发现体应变能记录到全球不同地区、不同震级的同震波,波形清晰,为分析预报人员进行地震研究提供依据。     

使用辽宁地区P波走时反演一维速度模型

选取辽宁地震台网记录到的67个天然地震,使用单纯型法定位方法和Pn/Pg联合测定深度的方法,对震中和震源深度测定,提取定位结果的P波走时数据。使用理论走时公式,将已知变量和未知变量分离,利用走时公式,构造方程组进行求解,反演得到两层均匀速度模型。使用Hyposat定位程序,对此次研究的模型和目前使用的华南模型进行定位对比,定位结果优于华南模型。     

基于深度学习残差网络模型的地震和爆破识别

为加强对地震台网记录的天然地震与人工爆破事件进行准确的性质识别,本文基于深度学习技术中的残差网络模型,提出了一种新的爆破识别方法,并根据北京数字遥测地震台网及国家数字测震台网中心记录的波形数据及其发布的包含事件性质的地震报告,选取河北三河采石场的93次爆破事件和54次周边地震事件的波形功率谱,分别采用不同的训练样本比例进行了100次和1 000次独立的随机抽样子试验以及 “留一交叉验证法” 试验,对人工爆破与天然地震进行了识别研究。试验结果表明,深度学习残差网络模型在天然地震与爆破事件的性质识别中具有很高的识别率且效果稳定,具有较好的应用前景。      

乌蒙山区富硒耕地土壤资源评价与分析——以贵州省大方县为例

医学图像作为医生诊断的重要依据,其版权保护一直是研究重点。在对医学图像进行版权保护时,必须保证图像修改后能无损恢复。但是,当前大多数应用于医学图像的可逆水印算法并未考虑鲁棒性。因此,本文针对具有一定鲁棒性的可逆水印算法进行研究,提出一种基于深度残差网络ResNet的鲁棒可逆医学图像水印算法。首先,算法利用深度残差模型提取医学图像的深度特征信息,自适应确定最优嵌入强度,均衡水印的不可见性和鲁棒性;此外,结合遗传算法和模糊C-均值的聚类算法对水印区域动态划分,根据聚类结果提取水印信息,有效克服信号攻击对含水印图像的影响,提高可逆水印算法的鲁棒性。实验结果表明：在嵌入水印后,含水印医学图像的PSNR值都可以达到36dB以上,具有较好的图像质量;在提取水印后,算法可以完全无损恢复医学图像;在受到高斯噪声、椒盐噪声、JPEG压缩等常见信号攻击后,算法仍然可以准确提取水印信息,表现出较强的鲁棒性。     

GPS载波相位观测值中周跳探测与修复的研究

针对GPS载波相位定位中出现的周跳问题,提出一种新的周跳探测方法。基于非差相位观测值线性组合模式,以相位与伪距差法和电离层残差法相结合来探测与修复周跳。通过对同一组无周跳的数据采取人为加入周跳,比较两种周跳探测与修复方法的优缺点,以相位与伪距之差组合为辅助,检查大周跳,用电离层残差组合方法再对双频GPS数据进行进一步的周跳探测和修复。根据实例分析,验证该方法能够快速有效地探测并修复周跳,使双频载波相位法更具有实用性。     

基于残差网络约束的道路提取

遥感图像的道路识别是一个重要研究课题,对GIS平台构建和数据更新有着重大贡献。然而,遥感图像中地表信息丰富,道路建设复杂,这给提取道路造成了一定的困难。本文基于残差网络模块,从以下两方面进行研究：1)构建了数据集,其包含城市、乡村道路,并运用镜像、旋转等手段对数据集进行了扩充;2)针对ResNet提出了一种改进方法,并利用数据集对网络进行了样本训练和特征学习,进行道路提取。