本文公开了一种字库在线处理方案。本方案通过扫描终端将扫描信息发送至云端服务器，云端服务器根据扫描信息进行识别、翻译得到目标字符串，并结合扫描终端存有的第一字库文件，生成对应的仅与所述目标字符串关联的字库文件及对应的读取编码返回给终端，大大减少了传输到扫描终端的字库文件大小，并且扫描终端也无需将各字库存储于所述扫描终端，仅需存储包含少量常用的字符的字库文件，因此所述扫描终端无需设置较大的内存空间，也无需使用额外的或者复杂的处理芯片和电路，使得仅包含小内存的扫描设备也能实现复杂文本识别并进行多语言翻译，大大降低了成本，而且也方便拓展、更新、维护。

 本技术公开了一种业务互斥状态下用例并发执行的方法及系统，涉及测试用例技术领域，包括步骤S1:将原用例步骤中的上传三方产品批量文件、执行三方产品批量任务和触发日终任务单独封装在一个公共业务切点用例中，并将该公共业务切点用例作为重排序的一个时间切点；S2：将自动化平台用例集合的所有用例步骤在测试计划执行前分析，根据公共业务切点用例和切点属性，自动化平台为每个原用例的所有步骤生成切点属性变化结果；S3：将重新规整所有测试用例步骤执行的顺序。本发明能够克服因用例的测试场景不同，切换的交易日期不相同时用例并发执行下，切换交易日期时机不可控、测试数据冲突而导致自动化用例执行时偏离预设的场景的问题。

 本公开的实施例提供了基于多源卫星的极区海表净辐射模型构建和确定方法，应用于遥感定量反演技术领域。所述方法包括获取第一卫星遥感数据；从第一卫星遥感数据提取第一条件数据和第一测算数据；第一条件数据包括年积日、云掩膜、相对方位角、太阳天顶角、海陆掩膜、海冰范围；第一测算数据包括冰面温度、海面温度、表观反照率、水汽吸收带通道和长波红外大气窗区通道亮温、晴空指数；根据第一条件数据建立极区海表净辐射定量反演模型查找表，根据第一测算数据构建高纬度极区海表净辐射定量反演模型。该模型能够给出解的具体函数形式，具有明确的物理含义，不仅改善海冰净辐射反演精度，而且极大提升了海表净辐射空间分辨率。

 本说明书实施例提供一种表格数据处理方法及装置、计算设备；所述方法包括:针对待处理的目标表格，识别所述目标表格的表头；针对所述表头中的每个表头字段，在字段集中匹配相似字段；基于所述字段集中的字段与规范名的对应关系，确定各表头字段对应的目标规范名；其中，所述目标规范名用于对所述目标表格中的数据进行处理；该方法可以提升表格的数据处理效率。

 本技术提出了一种基于图像识别的大数据分类方法和系统，通过高清摄像机按照不同时间节点分时采集目标区域图像的待识别图像，对图像进行特征区域的划分；训练测试模型，通过测试模型获得测试结果；根据所述测试结果对特征区域进行特征标注，通过特征标注计算图像质量值，根据所述图像质量值，拼接获得第一新图像；计算关联性，获得第一关联性，将第一关联性与关联性阈值进行比较，根据比较结果设置同一分组，进而设置总图像索引标题；根据所述总图像索引标题设置分类路径，根据分类路径对图像进行分类，并建立多维数据库，设置分类优先级，根据分类优先级，进行优先分类。实现了更准确和高效的图像识别与分类。

 本文涉及一种数据转换服务请求处理方法、系统、装置和计算机设备。所述方法涉及人工智能，包括:获取数据转换服务请求的第一数据资源和请求状态信息，获取引擎层服务器的引擎层服务地址列表，若确定请求状态信息满足延迟等待处理条件，等待请求延迟时间后重新获取更新后的引擎层服务地址列表。基于更新后的引擎层服务地址列表随机选择一目标引擎层服务实例，将数据转换服务请求转发至目标引擎层服务实例，并在确定存在空闲计算资源时，指示目标引擎层服务实例调用任一空闲计算资源，对第一数据资源进行数据转换服务处理，转换得到不同资源类型的第二数据资源。采用本方法通过采用随机和轮询结合的方式合理利用空闲计算资源，提升请求处理效率。

 本技术属于车联网中的证书管理领域，特别涉及一种车联网中基于信号博弈论的证书撤销方法；包括:构建车联网系统，对系统内的各个实体进行初始化身份认证，包括可信机构TA、证书管理服务器CMS、路边单元RSU和车辆；建立簇头车辆CHV和成员车辆之间的静态证书撤销博弈，求解贝叶斯纳什均衡；扩展静态证书撤销博弈为多阶段动态证书撤销博弈，求解精炼贝叶斯均衡；CHV根据证书撤销算法做出撤销车辆证书的决定；CMS通过分发CRL和撤销消息实现在整个车联网系统中对恶意车辆证书事实上的撤销；本发明能够快速准确地检测出车联网系统中的恶意车辆并实现其证书的全局撤销，提高了车联网系统的安全性和可靠性。

 本文公开了一种应用于人工智能领域的数据分析方法、装置及设备，属于人工智能领域，可用于云技术、人工智能、智慧交通、辅助驾驶等各种场景。该方法包括:获取数据空间和初始特征集合；在多次迭代过程的一次迭代过程中，基于第一特征集合对数据空间进行聚类，得到多个数据子空间；对于多个数据子空间中的任意一个数据子空间，获取数据子空间对应的重要特征子集；将多个数据子空间对应的多个重要特征子集进行融合，得到第二特征集合；当满足迭代结束条件时，输出第二特征集合和多个数据子空间中的至少一种；否则，将第二特征集合确定为更新后的第一特征集合，继续执行下一次迭代过程。上述方案提供了特征选择和数据聚类的交替式过程。

 本文公开了一种负荷预测方法、系统、计算机设备及计算机可读存储介质，该方法包括:获取与待预测区域相关的负荷数据，并将负荷数据输入至训练后的负荷预测模型中进行预测，得到待预测区域的负荷预测结果；负荷预测模型的训练过程包括：确定训练集数据；基于训练集数据，对深度置信网络DBN基学习模型进行训练，得到DBN基预测模型；基于训练集数据，对双向长短期记忆网络BILSTM基学习模型进行训练，得到BILSTM基预测模型；基于训练集数据、DBN基预测模型及BILSTM基预测模型，确定负荷预测模型，能够提高负荷预测精确度。

 本技术公开了一种联邦学习中毒攻击的双重防御方法和系统，基于联邦学习框架，包括S100、全知识蒸馏防御阶段:使用全知识蒸馏的方法将终端节点本地模型的知识转移到边缘服务器上的学生模型，然后测试学生模型的学习率，根据设定阈值判断终端节点是否为恶意节点，若是，则阻止该终端节点参与联邦学习框架；S200、原型甄别防御阶段：在边缘服务器上维护一个原型甄别模型，用于鉴别终端节点上传的原型是否正确，若不正确，则拒绝该原型参与聚合，若正确，则允许该原型参与聚合并利用该原型对原型甄别模型进行持续训练。本发明通过全知识蒸馏和原型甄别排除错误的原型，能够有效防御联邦原型学习的原型中毒攻击。