qq_61890005的博客

碳监测体系架构中，边缘服务器根据云计算中心下传的全局基准碳价和碳配额以及所管理区域的碳排放、经济发展状况等区域特点，适度调整碳价和碳配额，并将调整后的碳价和碳配额下传至区域内的碳排放企业、监测部门等；首先，调研了碳排放监测的发展进程，归纳了国内外的现行标准。个层面的建设，实现碳排放监测系统在任何时间、地点、人、物之间的信息连接和交互，产生共享数据，为碳排放企业、监测用户、设备维护商、碳交易市场、政府等提供服务，实现高精度、广覆盖的碳排放监测，支持我国碳交易市场的高效运转，从而建立高效碳排放监测业务体系。

通过仿真得到了在不同的阵列规模下，光开关消光比与检波器串扰之间的关系，即串扰基本随着光开关消光比增大而线性减小，随着阵列规模增大而线性增大。而这其中又以时分复用的性价比最高，其采用光开关将连续光信号调制为脉冲光信号，阵列中不同的检波器返回的光脉冲信号时延不同，由此可以将各检波器的信号分别拾取出来。由于引入的光开关具备有限的消光比，即在开关关断期间仍有光信号泄露，因此阵列中某一个检波器所检测到的信号中也会混入其他检波器的信号，由此造成串扰。在串扰分析中，考察当外部信号施加在其他检波器上时，第。

在两设备协作时，推理时延比不分割的方案大，这是由于此时卸载带来的额外通信开销不能抵消本地计算开销的减少。，该方案将卷积层以卷积核为单位划分为多个子层，卸载到协作设备并行处理，每层卷积结束后，协作设备将各自推理运算得到的相应输出特征图通过多播的方式发送给其他协作设备进行数据整合，以保证在下一次卷积之前每个设备拥有完整的输入数据。细粒度工作负载分割的基础上，提出卷积核分割的新方案，为了验证该方案的效果，从定量（计算、内存占用、通信）和定性（灵活性、鲁棒性、隐私性）等方面进行分析，并搭建软硬件实验平台，用。

博弈是一种两阶段的分层博弈机制，第一阶段，服务器作为上层决策者，宣布针对用户的价格奖励和带宽分配，第二阶段，用户作为下层决策者，根据服务器的决策，最大化自己的效用函数来确定其最佳贡献策略。因此，需要设计能够衡量用户各方面差异，激励计算能力强、数据质量好的用户参与训练的机制，达到减小计算时延的同时提升训练效果的目的，同时通过对带宽资源的合理分配减小通信时延。，销售领域的精准产品营销、个性化服务等。，在将本地模型上传至服务器的过程中，对参与训练的用户分配不同比例的带宽资源，对不参与训练的用户不分配带宽资源。

将目标业务时延的概率分布与具有相同均值及方差的伽马分布及正态分布相比较，实验结果显示：目标业务时延概率分布的右拖尾长度近似等于伽马分布的右拖尾长度，即当目标业务时延的均值与方差确定时，其时延波动的上界可通过具有相同均值及方差的伽马分布来近似给出。针对时敏与非时敏业务共享无线资源和缓冲队列的情况，现有时延控制方法主要关注不同业务共享无线资源时的公平性，可降低混合业务的整体平均时延，但难以满足混合业务中时敏业务的确定性时延需求。所示，由仿真方法与计算方法获得的时延累积分布函数的曲线相互重合；

针对上述问题，从频域和时域的角度出发，研究了面向分布式物联网的协同抗干扰信道选择和数据调度联合决策方法，构建了基于多用户马尔可夫决策过程的数据传输模型，提出了基于多智能体深度强化学习的协同抗干扰信道和数据联合决策算法。在每个时隙的开始，所有的发射机独立决策传输信道和传输数据包的数量。因此，本文采用多用户马尔可夫决策过程建模动态干扰环境下，数据汇聚物联网的信道选择和数据调度联合决策过程，并提出基于多智能体深度强化学习的协同抗干扰信道选择和数据调度联合决策算法使多发射机自主学习用频和数据传输的有效协同策略。

时间敏感网络（TSN, time-sensitive network）中混合流量调度的研究目前主要关注如何保证流预留（SR, stream reservation）流的有界低时延传输，然而SR流长时间阻塞尽力而为（BE, best-effort）流，易导致BE流时延过大，影响网络的状态维护及系统管理。为了减小BE类消息的最大端到端时延，提出了一种结合入队整形的流量调度算法，通过减少SR流的预留带宽降低了它对BE流的阻塞程度。类消息的最大端到端时延，本文设计了一种结合入队整形的流量调度算法。

随着 WEU 数量的不断增加，产生的计算任务也随之增加，在相同的信道时间内，数量为30的平均计算速率要明显低于数量为5的，但WEU数量相同时，在不同的时间内平均计算速率变化较小，说明该方法可以自适应时变的信道状态。本节将对本文设计的方法进行对比实验分析，在 PC 端对数据进行处理，确定任务计算模式，将处理好的数据下载至MEC服务器，将RLDO方法部署在系统的 MEC 服务器上，在时变的无线信道状态下，比较无线终端多用户利用本地计算、MEC和RLDO方法进行计算所产生的平均计算速率、平均计算时延、平均能耗。

当一个边缘终端接入网络后，先由边缘服务器进行扫描，并将扫描的设备信息上传至中央云服务器，经过准确识别并计算后将结果下载至边缘网关，最后由可信通信代理中的可信度量模块完成对接入终端的信任初始化，边缘终端接入可信评估架构和流程如图。综上所述，通过交互成功率和恶意终端参与率的曲线图可以看出，与目前主流的信任初始化方法相比，本文提出的方法可以在保证较高交互成功率的基础上，使得恶意终端参与率保持较低的水平，即在保证系统效率的同时，兼顾了系统的安全性。接入系统的安全要求越高，终端的信任初值越低。

关联数据处理需要根据待处理的关联数据的长度进行不同次数的排列函数调用，在已知关联数据的情况下，可以预先计算出关联数据进行排列处理的结果，将结果直接给出，减少不必要的排列调用和时序消耗。局部处理上，对于同一个模块的输入必须在同一时刻开始数据处理，但在设计过程中由于模块之间数据传输，往往会有很多信号不是在同一个时刻到达的，需要对其进行打拍，以达到时序对齐，否则会时序混乱，数据处理错误。在具体应用中，可以将。实现的，通过重复调用轮函数，将上次轮函数的输出给到下次轮函数的输入，直到完成对整个数据的排列处理。

而对于OnlineKP-FL协议，不论Tround取何值，每轮选择的客户端数量都是最少的，甚至有时会少于另外两种协议下选择的客户端数量的一半，同时，OnlineKP-FL协议下全局模型的收敛取得了最好的效果，由此可见， OnlineKP-FL 协议下不需要太多的客户端参与全局模型的聚合更新就可以加快全局模型的收敛速度，大大提高了联邦学习算法的性能。对于每个客户端，中心服务器的响应时间（包括服务器下发全局模型和选择客户端的耗时）和聚合全局模型的时间是一个固定的常数，因此，忽略花费在这上面的时间。

接着，提出了一种基于区块链技术的可审计访问控制系统，可以在物联网中提供分布式、细粒度和动态性的访问控制管理，实现了对数据的有效管理和可审计访问，并采用基于智能合约的访问控制方法实现对物联网资源全程透明、可追溯、自动化的访问控制。在物联网中，终端节点的数量会随着物联网的发展变得十分庞大，而传统的访问控制技术一般采用静态的方式管理用户和访问权限，但随着数据的快速增长，往往需要构建和维护庞大的访问控制列表，这极大地增加了系统的成本开销，也在一定程度上降低了访问控制的效率。主体和对象的属性是单独定义的，因此。

根据哈希锁定的工作机制，参与交易的各方无须彼此信任，通过资产锁定实现质押，因此，无须将资产托管给第三方，相对于公证人机制，其安全性较高，而且由于设定时间锁定，有效避免了恶意拖延交易的行为，有效降低了交易风险，但是哈希锁定在一定程度上也受时间锁定和资金锁定机制影响，其安全性问题主要表现为：因哈希锁定有时间锁定限制交易时间，如果有恶意交易方在短时间内建立大量资产交易，并故意让所有交易同时超时，将会在网络中造成大量超时交易的无用信息，从而阻塞正常交易信息的发送；目前，相对成熟的跨链机制主要包括公证人机制、侧链。

直接停止接入方法与自适应重传可靠接入方法下，获胜信源不考虑信道实时状态直接接入信道，信道接入时间与信道实时状态无关，多个多播组的链路多样性与信道多样性未能联合利用。综合利用各多播组的链路多样性和信道时间多样性，该方法以多信源信道竞争时间开销为代价，换取多个多播组之间较好状态信道的传输增益，增加了信道的接入效率，提升系统平均吞吐量。本文针对基于可靠多播通信的分布式无线信道接入问题进行了研究，提出了一种系统吞吐量统计最优的分布式无线信道接入方法，利用多个多播组的链路多样性和时间多样性，大幅提升了系统吞吐量。

此外，由于数据在线性传感器网络中向汇聚节点逐跳传输，节点需要转发从其他节点接收的数据和从物理环境感知的数据，因此，越靠近汇聚节点的传感器节点耗能越快，从而越早因能量耗尽而失效，进而导致网络的能量空洞（场景下，随着等级的降低，等级的平均能耗都会增加，因为越是靠近汇聚节点，节点需要转发的数据包越多，需要的能耗就会越多。协议，在提高数据传输能量使用效率、降低传输时延的同时，减少数据传输间的竞争和干扰，并以部署冗余节点为代价，避免感知节点过多参与数据转发，从而缓解能量空洞问题，提高数据传输的有效性和可靠性。

数据融合建模方法的最大优势是可以将虚拟模型本身与数字孪生系统中的设计、制造、控制、运维等任务需求灵活对接。随着近十年工业互联网技术的快速发展、分布式传感器和高性能计算设备的逐渐进步以及仿真建模算法的更新迭代。为未来数字孪生系统提供高效、灵活的工具和方法。融合模型的精度、收敛性、可解释性和鲁棒性问题无论是在理论上还是应用中都是亟需解决的问题。这种方法通过自动微分机制将物理系统遵循的动力学方程的微分形式纳入模型的损失函数中。如机翼设计中的升力阻力比、换热结构的传热及阻力性能、承载结构的应力或载荷等。

子宫肌层浸润深度直接关系到子宫内膜癌患者的治疗和预后，通常使用磁共振成像进行人工评估，受主观影响较大。基于磁共振图像，提出一种计算机辅助判断子宫肌层浸润深度的方法。该方法仅需要计算机或人工提供较容易辨识的子宫体区域就能自动估计浸润程度。首先基于Otsu和形态学处理分割病灶区域，然后提取并融合病灶区域的一阶纹理特征和灰度共生矩阵特征，最后训练支持向量机进行浸润程度分类。

发送端和接收端之间隔有树木，所以不存在可直视路径，并且随着传输距离的增加，收发端海拔高度也有所不同，为了获得各个链路情况的数据，通过改变收发端之间距离模拟各种性能下链路，收发端距离从。采用扩频调制技术，有效扩大了无线通信链路的覆盖范围，提升了链路的鲁棒性，而扩频因子是扩频调制中最重要的参数之一，它表示调制后的信息码片数与有效信息位数的比值。，此方法测量准确，但是对突发性链路不敏感；的物理层参数对不可靠链路性能的影响，并通过优化参数配置的方法改善了不可靠链路分布的范围，提升了整体网络的链路性能。

人名的实体识别中,人名语料的残缺及人称指代不明等问题,成为处理中的难点、痛点。基于此观察,本文提出一种融合指代消解的序列标注方法来改进人名识别,这可以有效缓解人名识别中人名语料不完善的问题,并且可以解决人称代词指代不明、人力耗费量大等问题。本文提出的融入指代消解的人名识别方法在人民日报数据集上的效果要比加入外部人名语料和特定字符级特征的模型。本文提出的融入指代消解的人名识别方法在公告数据集上的效果要比加入外部人名语料和特定字符级特征的模型。在公共数据集和公告数据集上的实验结果均表明了本文提出方法的有效性。

文本情感分析通过提取文本特征，根据文本中的情感倾向进行分类。研究表明，递归神经网络和卷积神经网络模型具有良好的性能。为提高文本情感分类性能，提出一种融合注意力和比较增强学习机制的混合网络情感分析模型，用比较增强学习机制进行分类来替代大量的复杂计算。该模型通过嵌入层向量化后，分别用CNN和双向门控循环单元提取不同特点的文本特征，把两者提取得到的特征进行融合，并引入注意力机制判断不同词对句子含义的重要程度，再使用比较增强学习机制与样本向量进行比较后对特征向量进行评分。

数据工程学是建立在数学、计算机技术、电子信息、人工智能、数据科学以及结合领域学科如地理、生物、农业、社会、人文、经济、资源环境、工程技术等理论基础之上的。包括语音信号处理、数字图像处理、多媒体技术、数字信号处理专用器件、数字通信、通信网技术、现代交换技术、卫星通信、移动通信、天线技术、无线通信、雷达技术、电子测量技术、导航定位等这些技术。数据工程学科研究框架主要包括：数据采集、数据传输、数据存储、数据标准、数据建模、数据分析、数据挖掘、应用场景、数据生产、数据推演、决策服务以及数据安全。

信息技术与制造技术的深度融合推动智能制造、工业互联网快速发展,但目前工业领域普遍存在设备种类繁多、设备厂家多样、接口不同、通信协议多样等问题,从而导致设备间存在“信息孤岛”并不能有效地互联互通。从工业通信技术、工业现场设备集成技术、标准化工作3个层面总结工业现场设备互联互通技术现状,分析现场设备互联互通面临的问题,在此基础上提出综合OPC UA、信息模型、平台化网关设备等的互联互通解决思路,形成标准化、可复用互联互通解决方案。下面主要介绍前两种技术。可以集成不同厂商、不同通信协议、不同类型的现场总线设备。

已初步形成以网络为基础、平台为中枢、数据为要素、安全为保障的四大功能体系。安全、网络安全、数据安全、安全防护、信息安全、态势感知、应急处置、平台安全、安全保障、安全保障体系。大数据、数据应用、工业数据、数据资源、供应链、产业链、上下游、数据采集、数字化、数据集成。从而得到每种体系主题的分布情况。、微服务、共享、边缘计算、平台、互联网平台、软件、创新、解决方案、工业软件。网络、平台、数据和安全体系的协同度明显低于东、西和东北地区。中部地区的网络、平台、数据和安全体系的协同度明显低于东、西和东北地区。

此方法针对轨迹位置隐私保护中往往忽略位置点的语义属性带来的隐私泄露问题，在对轨迹进行保护时不仅考虑其隐私保护，也要保证轨迹本身的特征尽可能不发生较大的改变，保证隐私保护后轨迹的可用性。综合考虑轨迹上位置点的分布规律，利用希尔伯特曲线的性质对空间上的位置点进行降维映射，对空间点离散模式进行研究，提出了一种空间划分方法，划分后的区域全部使用其区域中心点来替换，对聚合后的轨迹进行发布，但是未考虑语义位置对聚类产生的语义推断攻击。从差分隐私指数机制的定义可以得出，隐私预算与可用性成正比，与隐私保护成反比。

基于贪心算法建立可靠的智能导检路径优化模型，依据预测多个检查项目的体检顺序及时间节点信息，优化健康体检时间。将2021年3月份江苏省中医院体检中心的体检数据作为初始数据样本，经过数据清洗最终选择29 126条数据作为研究对象，利用最小二乘法拟合数据构建体检客户到达率与时间的函数关系，将误差平方和（SSE）及R-square作为评价指标，建立以服务时间、排队时间、路程时间三者总时间的智能导检模型。

其中用于推理的模型是由工业模型库在聚合、评估和优化多家企业模型后提供的当前最优模型。平台的工业应用服务则提供运维业务应用的开发、测试、构建、分发和部署功能。支撑模型训练的数据量不足或质量不高、收集的故障样本比例太少、设备类型较多导致各类模型训练开销大。故可以利用中心云服务平台的联邦学习框架在保障客户数据隐私的情况下进行故障预测模型的再优化。在某智能仓储设备制造领域的上市企业生产厂区内进行设备智能运维系统的部署、测试与应用。其实时采集的设备运行数据有助于智能运维系统对设备故障的快速诊断与预测分析。

当代社会，随着信息技术的突飞猛进，高等学校的教育教学改革的深入化也受到了深刻的影响。尤其处于大数据时代，数据挖掘的各种方法被应用到教育行业[]，为寻找更好的教育教学方法提供了新思路。学生成绩在高等学校里不但是衡量学校人才培养水平的一个重要指标，同时也是教育大数据中的一个重要内容。由于学生成绩具有数据类型相对统一，数据量较大，相对容易获取等特点，因此依据恰当的数据挖掘技术，对学生成绩进行不同角度的深入挖掘和分析，从而得到指导教学的新方法或新理论的研究成为高等学校教学改革的一个研究热点。丁智斌等[

图像融合是一种图像增强技术，其目的是融合不同传感器提供的图像，生成信息更丰富的图像，以便于后续处理。其中红外与可见光图像融合是计算机视觉领域中非常重要的部分。首先，红外图像与可见光图像的信号来自不同的模式，因此可以从不同方面提供场景信息；其次，二者几乎呈现了物体的所有特性，并且具有互补性。可见光图像捕获反射光，通常具有较高的空间分辨率和可观的细节和明暗度，但很容易受到恶劣条件如光照差、烟雾等的影响，而捕获物体热辐射的红外图像能够抵抗这些干扰，但通常分辨率低，纹理较差。

最后,综合计算复合结构术语的互信息和左右熵,并结合领域知识库对抽取结果进行校正。模型在“盐湖提锂”领域进行实验,结果表明BERT-BiLSTM-CRF模型抽取该领域术语准确率达到77.33%,而对抽取结果进行校正进一步将准确率提升了3.68%,是一种有效的领域术语抽取方法。传统的识别方法主要包括基于规则的方法、基于统计的方法以及基于机器学习的方法。术语校正模型是利用统计方法结合领域知识库来进行复合结构术语的判定。为提高领域术语抽取准确率,提出一种基于深度学习和统计信息的领域术语抽取方法。

考虑到量子计算在大分子多电子体系模拟计算方面的巨大优势以及近些年来量子计算软硬件系统研发不断深入,未来量子计算将为材料、化学、能源、生物、医药及环保等领域的应用创新与产业升级提供重要的基础支撑,有力推动我国经济产业高质量发展。量子技术在材料、化学及生物医药等研究领域的巨大应用潜力主要表现在大幅缩短计算时间、明显提高研发效率、资源消耗更少、更环保高效工艺等。同时量子计算机的研制涉及量子芯片制备封装及其苛刻运行环境、量子测控系统、量子算法、量子软件、量子编码纠错、量子计算机操作系统等关键技术环节。

对多个相互冲突的目标同时优化称作多目标优化问题，为解决多目标问题，多目标进化算法应运而生。在进化算法迭代过程中，算法使用恒定不变的交叉因子和变异因子，这显然不符合种群迭代进化特征，所以需要根据种群初始和种群后期解的收敛情况来定向调整种群进化方向。同时，在采用边界与交叉的聚合算法时，θ支配的聚类算法只参考了解到权重向量的垂直距离，权重向量的投影点到理想点的解的直线距离没有考虑，直接影响了解在Pareto前沿上的收敛结果。

互联网+”背景下，家装企业利用互联网平台搭建客服系统，以此树立企业形象、营销企业产品，并为用户提供与装修相关的咨询和服务。用户在使用客服系统的过程中，经常需要检索不同风格的装修案例，因此装修案例检索是客服系统中一项重要的功能。目前，在家装企业的客服系统中，关于装修案例的检索主要通过人工方式来实现，即客服人员根据用户需求为其推送具有相应风格标签的装修案例。这种方法不仅增加了人力资源的消耗，而且实时性较差，在一定程度上降低了企业的服务质量。

开展包括算力网络需求与架构、算力路由协议技术、算力网络标识解析技术、算力网络控制器技术、算力网络交易平台技术、算力网络管理与编排技术、算力度量与算力建模技术等全方位的标准技术研究工作。按需自动创建面向应用的全局多级算力资源自动分配调度、算网一体化服务编排、动态弹性算力和网络资源的协同调整。打造架构领先、体验领先、运力充沛、智能开放的全光传送底座。主要是高速泛在、高可靠、低时延通信网络、多样化算力云资源接入要求和一体化算网协同调度要求。融入云原生、边缘计算、人工智能、区块链、内生安全、确定性等新技术元素。

教学中，由于知识点间相互联系，随着疑惑知识点增多，学生听课的效率降低，及时为学生答疑解惑至关重要。针对此问题，考虑学生对知识理解与课堂专注度、教师授课水平、知识点难易程度之间的关联性，利用深度学习技术智能分析课堂三要素，从多维角度生成学情分析一体化数据。同时由于互联网学习资源冗余、部分内容缺乏趣味性，基于学生习惯和兴趣，将学习资源风格化处理成学生乐于接受的形式，以满足不同学生的学习需求。实践应用结果表明，课堂上人脸识别、文字识别的准确率分别为99%与92%，能够满足项目需求。

目前人工智能的研究正在迅速展开，也产生了众多的研究成果。笔者也将人工智能理论引入系统安全与故障演化过程的分析。在研究中，提出了系统故障演化过程[]，描述系统故障过程；提出了空间故障网络描述系统故障演化过程[]，及相应的概念、数学模型和方法。空间故障网络理论可作为系统故障演化过程的智能分析方法。进一步的提出了系统运动空间和系统映射论[]，来研究人工系统和自然系统之间的数据流和因素流。人工系统是自然人发起建立的系统；自然系统是在自然状态下形成的系统。

利用区块链为传统标识解析体系赋能,实现去中心化标识解析体系,可以消除网络的中心节点,解决传统标识解析体系的痛点问题。主要围绕去中心化数字身份、去中心化域名解析系统、去中心化工业互联网标识解析体系等领域展开。区块链技术的赋能为开发去中心化标识解析体系提供了安全的标识管理环境。负责将注册到去中心化标识解析体系的标识元数据信息落盘到区块链节点或外部存储媒介中去。其关键技术主要包含标识编码、标识存储、标识解析、标识元数据管理等。及去中心化数字身份统称为去中心化标识解析体系。标识服务层为去中心化标识应用赋能。

本文根据科研云联邦的特点,结合联盟链的技术特点,设计了基于联盟链框架Hyperledger Fabric的科研云联邦计量系统。对象存储服务是科研云联邦提供的海量、安全、低成本和高持久的云存储服务。为了解决科研云联邦构筑过程中因科研机构归属不一带来的资源难以计量和数据异步问题,本文提出了科研云联邦计量系统。而对科研云联邦的计量问题研究较少。本文在调研分析构建面向科研用户的云联邦平台的意义与特点的基础上。科研云联邦计量系统的设计目标有三：一是向各数据中心管理员提供该中心资源的使用计量和租借情况报表。

路径规划是机器人导航基础技术之一[传统路径规划算法有Dijkstra算法[]，A*算法[]等，这些算法是基于图搜索路径规划算法。随着算法理论发展，基于智能优化路径规划算法被广泛应用于移动机器人路径避障与导航。所谓智能优化算法就是通过模拟自然界中种群各种自发行为来获得优化问题最优解。蚁群算法作为经典智能优化算法，因其正反馈性和并行性等优势，被广泛应用于移动机器人路径规划问题中[但同时，该算法也存在收敛速度慢和易陷入局部最优等缺陷。针对上述蚁群算法存在的缺陷，许多学者基于标准蚁群算法做出了大量改进工作。

通过算力感知模块获得各云服务域的设备容量、额定功耗、实际功耗等资源池信息和算力资源利用率、性能、告警数据。平台功能架构总体可分多云服务门户、云网接入层、业务开通层、支撑管理层、接口管理层五个大的层次和模块。涵盖算力基础设施、网络基础设施、编排管理和运营服务、算力封装与感知、云网安全、绿色低碳等。实现组网、入云、互联网访问等全方位的业务综合承载。多云调度管理平台需要支持对各种计算、存储、网络、容器资源和服务等进行统一管理和调度。跨地域、跨网络、跨云商、跨架构的算力、存力资源调度能力成为工程实现的关键要素。

在传统机器学习建模方法中，由于环境条件的限制，采集到的样本中通常无标签样本占比大，有标签样本占比少。为充分利用这些样本信息，半监督学习和主动学习算法相继提出并应用于图像分类[]、故障检测[]、工业过程建模[]等领域。传统的半监督学习算法通过对无标签样本进行标记以扩大有标签样本集，以此达到提升模型精度的目的[区别于半监督学习算法仅利用无标签样本来提升模型性能，主动学习借助专家知识，对优选出的无标签样本进行人工标记[]，获取其真实标签，并将标记后的样本加入有标签样本集中重新训练模型。