基于机器学习的手写签名鉴别技术综述

手写签名鉴别是应用最广泛的生物认证技术之一,由于其具备的高效性、可靠性和低成本等优点,该技术在行政、金融以及刑事司法鉴定等领域中都扮演着重要的角色.本文在阐述手写签名鉴别技术基本概念的基础上,对该领域常用的公开数据集和评估指标进行简介,对多种主流基于机器学习的手写签名鉴别方法进行分析和讨论,并提出该领域的挑战与发展方向.     

基于警务巡逻机制的组间最短路径平衡问题研究

从公安巡逻工作出发,为科学部署警力及优化巡逻路线,提出组间最短路径平衡问题,并且分析研究了解决这一问题的思路与方案。在引入旅行商问题解法的基础上,利用了退火算法的全局最优特性,将组间最短路径距离收敛至理想区间,并且通过模拟实验验证了解决方案的可行性,为公安巡警等对重点目标、区域的巡逻及警力部署提供了一种科学化的决策手段。     

基于“CTAR”模型的后疫情时期精准防控机制研究

当前,我国疫情防控进入以防输入为主的"后疫情时期",并且这一时期将持续很长一段时间。大数据、人工智能、5G等信息技术为打赢后疫情时期防控战役提供了强有力的支撑。应在研究国内各地区信息化疫情防控措施基础上,结合现阶段疫情防控特点,采取集信息采集(Collection)、疫情追踪(Trace)、疫情风险态势感知(Awareness)和决策响应(Response)于一体的"CTAR"疫情防控模型,探讨基于多部门联动的疫情数据真实性验证及基于三维社区的疫情精准管控机制,为快速、精准和高效阻断病毒传播、稳定疫情、推进复工返学工作顺利开展保驾护航。