摘要：本发明公开了一种RGB模式下快速不失真提高画面饱和度的方法，包括：将待处理图像I从RGB模式转化为HSV模式或者HSL模式得到转化后图像，并获得转化后图像中每个像素的S部分；对所述每个像素的S部分按照公式进行处理，得到调整后的S部分S′；根据调整后的S部分S′对待处理图像I中每个像素按如下公式进行处理，得到处理后的图像I′。本发明方法相对于传统线性调整饱和度的方法，在普遍提高有雾图像的饱和度的同时，减少了无雾区高饱和度区的饱和度溢出失真现象。另外变换公式计算简单易编程，可极大提高计算速度减少错误。本发明还

摘要：本发明提供了一种利用视频图像帧间差异对画面快速降噪的方法，包括：在夜间低亮度环境下采集视频流，所述视频流包含多帧连续图像；以视频流的关键帧为起点，对视频流的非关键帧进行检测，获取所述非关键帧中像素点与周围相邻像素点的最大亮度值，将该像素点的亮度值与该像素点周围邻近点的最大亮度值进行比较；若该像素点的亮度值为所述最大亮度值，则计算所述最大亮度值与该像素点与周围相邻像素点中的次大亮度值之差，若所述亮度差值大于亮度阈值，则确定该像素点为疑似噪点；对所述疑似噪点的亮度值进行替换。相应地本发明还提供了一种利用视频图像帧间差异对画面快速降噪的装置。解决了现有技术中传统降噪算法速度与效果不能兼备的问题。

摘要：本发明涉及图像处理技术领域，具体涉及一种帧平均降噪方法和装置，在处理视频内容中第i‑1帧图像时，保存对应的平均帧F_v，则当第i帧图像输入后，方法包括：对当前输入帧F_i和平均帧F_v作线性插值，得到新平均帧F_v’以及当前帧对应的输出帧F_i’；使用新平均帧F_v’更新F_v，并将对应的F_i’输出；其中，每一轮针对输入帧图像得到的相应输出帧构成帧平均降噪后的视频内容。本发明引入中间平均帧，通过不断对平均帧和当前帧进行插值来降低白噪声，内存占用明显减小；同时可对比当前帧、前一帧和中间平均帧来判断画面是静止、噪声还是运动，并进行相应处理，可有效剔除椒盐噪声，对于画面切换明显减少运动拖影现象。

摘要：本发明提出了一种基于区块链的军事化应用系统，该系统基于联盟链系统框架hyperledger fabric进行开发，首先将现代化的军事网络中的成员划分为三个组织，分为前线作战组织、后方指挥组织以及后勤保障组织；然后根据各个组织在网络中发挥的不同作用进行网络节点的划分以启动一个包含三个组织的联盟链网络；最后开发了一套运行在联盟链网络上的智能合约，该智能合约提供了军队组织管理、武器装备管理、武器装备转交历史溯源等业务方法，实现了各组织在搭建的联盟链网络中相互合作，根据自身的不同职能进行协调作战。

摘要：本发明提出一种基于强化学习的联邦学习模型融合策略。联邦学习作为一门新兴技术，其保护个人及组织的隐私数据能力与新基建中的科技助力公共价值理念不谋而合，同时帮助各产业研究的机构组织进行合规的数据价值释放，近年来受到广泛的关注。联邦学习的明显好处是在大量设备上分配知识质量，而无需集中用于优化和训练模型的数据。该方法还能够在保持训练数据集的隐私的同时提高集中式机器学习模型的质量。在联邦学习中一个重要的问题是，如何融合各个节点上传的模型才能使最终模型能够达到最好的效果，基于此，本发明提供一种基于强化学习的联邦学习模型融合策略，用以动态的学习融合时各个节点模型的权值，并取得更好的模型效果。

摘要：本发明提出了一种基于神经网络和集成学习算法的工业空调故障诊断方法。该方法融合了多种机器学习算法，是具有高准确率的故障诊断模型。神经网络通过学习自动提取输出、输出数据间的“合理规则”，对工业空调实时接收的时序数据分析有重要的作用。因此设计了基于神经网络算法的异常检测模块。集成算法有明显的避免过拟合，提高泛化能力等的优点。因此设计了基于集成学习算法的故障诊断模块。将异常检测模型与故障诊断模型结合，并引入注意力机制，让检测到的异常辅助故障诊断形成比基础模型要更准确的增强模型。该发明能够针对工业空调数据进行准确的故障诊断。

摘要：本发明公开了一种基于联邦拆分学习的行人重识别方法，包括：S1.加载行人重识别网络；S2.对行人重识别网络进行训练，行人重识别网络模型作为本地局部模型按照层数进行划分获得一个以上的第一分模型，拆分需要上传的模型参数，并将拆分后的第一分模型上传到参数服务器；S3.将所有第一分模型进行组装聚合，生成全局模型；S4.对全局模型进行拆分获得一个以上的第二分模型，并将每个第二分模型下发至目标训练节点上；S5.目标训练节点将第二分模型与本地局部模型进行组装，得到初始化模型并加载参数，将初始化模型作为新的本地局部模型；S6.循环S2‑S5，直至本地局部模型完成收敛。本发明安全性和准确率高，有效提升网络的通信效率。

摘要：本发明提出了一种基于变分自编码器的动态系统运行状态建模方法。基于节点嵌入、边嵌入、编码器模块、解码器模块和Gumbel约束将系统各部件上的传感器监测的数据使用图的形式建立连接，利用编码器结合Gumbel约束学习到边的拟合函数。然后通过该拟合函数结合上一时刻的系统运行状态推断出下一时刻的系统运行状态。采用BP算法反向传播推断的状态与真实状态的差异来学习最优的表达函数来对系统状态进行预测。

摘要：本发明提出了一种基于循环神经网络的语音自动断句算法，基于长短期记忆网络的模式挖掘与分析，结合语音信息核文本信息来实现语音的自动断句。该算法分为训练阶段和运行阶段：训练阶段主要通过收集的相应数据集，即音频文件和对应的文本文件，结合语音识别技术，将文本文件中的句号转化为断句的标签。通过有监督训练长短期记忆网络来优化参数。在运行阶段，通过单纯输入音频文件来使长短期记忆网络输出相应断句点，进而通过相应程序进行断句切分。以最终达到语音自动断句的目的。

摘要：本发明提出了一种基于神经网络的多目标识别优化方法，基于思维逐级抽象过程与完美形象假设，设计该多目标函数归一化映射方法，该方法主要集中在深度学习网络结构设计。通过构建类似树状的神经网络结构来将多目标进行抽象。共同学习不同场景下不同目标主体的抽象特征，进而提升分类准确率。具体为针对分场景输入，通过不同的函数进行抽象，然后再对应不同的学习目标，设计不同的分支网络来输出相应结果。