摘要:近年来，互联网＋政务蓬勃发展，促进了互联网与政府公共服务体系的深度融合，数字政府建设已初见成效。如何实现互联网＋政务大数据的规范、高效、安全管理、共享和应用，推动解决“三融五跨”问题，是高质量建设数字政府、推进国家治理体系和治理能力现代化的关键。该文首先综述了国内外政务数据管理发展历程；然后，围绕互联网＋政务大数据管理全生命周期中采集技术、存储技术、融合技术、计算技术、应用技术及安全技术进行阐述，总结了主流数据管理技术演进历程；最后，探讨了互联网＋政务数据管理中若干亟待解决的问题，明确了互联网＋政务大数据管理技术的未来发展趋势。

摘要:政务服务跨域协作是政府数字化转型和跨域治理相结合所催生的新型治理模式，是政务服务治理的价值目标。由于政府各部门的具体业务和功能不同，各部门都有一套独立的数据管理系统，且各信息化系统存储多样、数据格式复杂、业务流程各异。如何安全可靠地实现各个部门之间的数据共享已成为一项研究难点。传统政务数据共享通常采用集中式共享模式，该模式容易引发数据隐私泄露、部门权限混乱、单点故障等一系列问题。为解决上述问题，该文提出了一种属性基加密与区块链结合的政务数据共享方案。首先，由数据拥有者制定访问控制策略，对数据请求者的属性进行限制；然后，利用子集覆盖技术，实现数据安全共享中的细粒度访问控制及密钥更新，结合线性秘密共享，以实现访问策略的完全隐藏，采用星际文件系统分布式网络存储对称加密后的密文，以缓解区块链系统的存储压力；最后，利用 Keccak 算法对检索数据密文的哈希值进行重加密，实现数据的完整性验证。通过安全性分析和相关实验可知，该文所提方案在安全性和效率方面均能满足政务数据安全共享的需求，可实现政务数据的高效、安全和可溯源共享。

摘要:建设智慧城市可有效提升城市治理与运行能力、打破城市发展困境。为探索如何基于物理-数字空间交融中的时空大数据提供面向城市管理的智能服务，该文在解析多源、多维、异构时空大数据语义关系的基础上，提出多源时空大数据透明融合框架。为实现这一目标，该文进一步提出“城市信息单元”的概念作为构建物理-数字空间交融的数据组织基础，首先，对多源、多维、异构时空大数据进行主动汇集、语义解析，完成地理知识时空构建，依据唯一数据编码，将数据信息映射至城市信息单元；然后，建立数据匹配模型和关联模型，搭建数据透明融合框架，结合多源异构数据要素匹配技术，构建时空数据透明融合规则库；最后，在众多融合方法的支持下，实现城市实体与时空多源时空数据的透明融合。借助城市信息单元与数据编码，实现城市实体与时空大数据动态融合方法体系，进而为用户提供智能化信息服务。

摘要:政务数据资源来源广泛、类型多样、数据量大且分布情况不清晰，缺乏统一管理，数据获取和使用效率较低，无法持续释放数据价值。为解决上述问题，实现不同来源和不同类型数据的关联融合，该文采用多源异构数据融合技术，为政务数据的交换和共享提供技术支持。该文不仅提出了信息通道和通道耦合的概念，还提出一种基于知识图谱的多源异构信息通道耦合的方法，可先实现多源异构数据统一化，再进行数据融合。该方法包括构建初始通道耦合知识图谱、基于通道耦合知识图谱实现通道数据耦合和基于通道耦合知识图谱实现知识更新 3 个模块。基于知识图谱的多源异构信息通道耦合的方法将图谱构建、知识抽取、知识融合、知识加工、知识更新等技术相结合，通过一种自顶向下的排序检索模型，加快了知识融合和数据检索的速度和准确度。

摘要:随着政务数字化建设的不断完善，基于知识图谱实现政务服务“知识化、个性化、智能化”的业务需求被逐渐唤醒。目前，政务领域知识图谱应用场景单一，与不同场景政务知识难以建立联系，基于传统数据库的政务服务搜索、办理和审批效率不高。为拓展政务服务场景，提升政务服务的搜索、办理和审批效率，该文提出一套自顶向下映射的多层政务知识图谱构建方法。首先，从政务服务角度出发构建政务知识概念模型；然后，依据概念模型获取政务知识、数据预处理和知识融合；最后，形成以概念、业务服务、社会服务和信息共享的自上而下关系的多层政务知识图谱。基于 Neo4j 可视化展示和已应用部署的服务，以房产审批的搜索、占用林地审批的办理和面向公众投诉的社会服务为例，对所提方法进行验证。实验结果表明，该方法不仅可以为不同政务场景提供知识图谱支撑和建立关联，还有助于实现多源政务数据融合共享，可为后续政务知识图谱构建提供图谱库参考。

摘要:针对多机械臂力/位混合控制受摩擦力等不确定因素影响的问题，该文提出了一种基于模糊自适应鲁棒滑模算法的控制方法。首先，根据机械臂及物体的动力学方程，构建多机械臂系统模型，并将模糊算法与自适应滑模算法相结合；然后，对不确定因素及未知非线性项进行补偿，利用鲁棒算法对系统可靠性进行提升；最后，基于李雅普诺夫方法，证明了该系统的稳定性。仿真结果显示，该方法可显著提升控制器的控制精度和系统响应速度。

摘要:近年来，心律失常分类成为生理信号分析中的研究热点。心律失常现象在临床上十分常见，其出现时伴随心电信号中的心拍呈现具有反常形态和节律的波形。正确及时地检测、发现心律失常，并准确地进行心血管疾病的预警，在临床诊断初期具有重要意义。但人工判断异常心电图的远程系统实时性较低，可能延误病人的最佳治疗时机。将心律失常分类算法应用在可穿戴设备等边缘侧智能终端，一方面能够对心电信号进行实时分析处理，另一方面也提高了设备的灵活性及安全性。可编程逻辑门阵列器件作为边缘计算的一种实现形式，在生理信号处理中已经得到了广泛的应用，虽然可编程逻辑门阵列可进行实时流水线操作，但其基于 Verilog 或 VHDL 硬件描述语言，具有开发周期长、成本高、难度大及调试困难等缺点。针对这一问题，该文采用 Xilinx 公司新推出的高层次综合工具 Vivado HLS，以实现基于 MIT-BIH 数据集的心律失常五分类算法，并使用 Xilinx Zynq FPGA 作为硬件平台，在心电信号测试集上进行测试。测试结果显示，该系统的平均分类准确率可达 99.12%，单个心拍分类平均耗时 3.185 ms，与纯 PS 端的单 ARM 核相比，该系统实现了 5.64 倍以上的加速性能。

摘要:放射肿瘤学领域中，头颈部被认为是轮廓绘制最困难且最耗时的疾病部位之一。目前，在临床中头颈部轮廓绘制通常由人工完成，耗时且费力，因此，开发一种自动的医学图像分割方法十分必要，可在节省人力和时间的同时，避免由于不同医师的主观因素导致的诊断结果差异。该文使用正电子发射断层成像/计算机断层扫描双模态的数据对头颈部的肿瘤进行分割，利用不同模态之间的信息互补，实现了更加精确的分割。整个网络基于传统 U-Net 架构，在编码器中增加 Inception 模块，在解码器中增加 Dense 模块以及空间注意力来对网络进行改进。在头颈部肿瘤数据集上，将该模型与不同的 U-Net 架构进行对比，结果表明，该文提出的方法多个指标均较优。该网络的 Dice 相似度系数为 0.782，召回率为 0.846，Jaccard 系数为 0.675，较原始 U-Net 分别提升 6.8%、13.4% 和 9.8%；95% 豪斯多夫距离为 5.661，较原始 U-Net 下降了 1.616。对比实验结果表明，该文提出的 Inception Spatial-Attention Dense U-Net 分割模型在头颈部肿瘤数据集上有效改善了分割结果，较标准的 U-Net 具有更高的性能，提高了分割的准确率。