{"title": "一种新的分类受限玻尔兹曼机改进模型", "abst": "分类受限玻尔兹曼机(classification restricted boltzmann machine,ClassRBM)在各种分类问题中得到了广泛应用.ClassRBM是一种自带标签信息的神经网络模型,它使用一个神经元标识某类数据的类标.标签神经元总是稀疏的,一个神经元仅能为网络模型参数提供有限的信息.论文在ClassRBM现有的网络结构上,增加标签神经元个数,使每个类标用K个神经元标识,为网络模型参数提供更多的信息,提升模型表达能力,进而改善ClassRBM的分类性能.论文在不同数据集上进行了测试,结果表明改进模型的分类效果可以优于ClassRBM."}
{"title": "一种遗传学习人工蜂群算法", "abst": "在人工蜂群算法及其变种中,侦察蜂采用随机初始化的方法生成新食物源,容易造成前期计算资源的浪费和陷入局部最优解.解决这个问题的一个重要方法是引入新的操作算子,弥补算法的不足.最近提出的遗传学习算子(GL)是遗传算法(GA)的最新改进版本,较好的平衡了全局搜索能力与加速收敛之间的矛盾,对比GA具有较大优势,可以作为一个较好的选择.本文将GL算子引入到多种人工蜂群算法变种的侦察蜂阶段,通过有效组合多个优秀个体的信息产生更有希望的新实物源,防止算法早熟.通过在多个精英解上完成GL算子的交叉、变异与选择操作,新产生的食物源具有较高的多样性和较高的质量.在著名的CEC2014函数集上的实验结果表明,GL算子可以作为一种通用框架嵌入到多种最新提出的改进ABC算法中,显著提高这些算法的收敛速度与搜索精度."}
{"title": "基于循环神经网络的时序fMRI数据分类方法研究", "abst": "针对现有分类模型未充分利用fMRI数据时序特性的问题,提出了一种基于循环神经网络(RNN)的时序fMRI数据分类模型.首先,使用任务态有标注数据训练卷积神经网络模型,得到相应网络参数.然后,将有标注数据和无标注数据按时序组合,共同输入到上一步训练好的模型中,以提取全连接层特征.最后,将提取的特征以一个标签一个时间序列的方式组成有序对输入到RNN中,通过训练得到最终的分类模型.在Haxby数据集上的实验结果表明,使用RNN提取fMRI数据时序特征可有效提升模型分类准确率,并且加入休息态无标注数据后,模型分类性能得到了进一步提升."}
{"title": "一种面向高维相交多流形的识别算法D-MPPCA", "abst": "\"流形学习已经成为机器学习与数据挖掘领域的一个重要的研究课题.经典的流形学习算法总假设所研究的高维数据存在于同一个单流形上,然而现实世界中的数据往往位于不同的流形且交叉重叠.当前的流形学习算法并不能有效应用于这种高维多流形数据.基于MPPCA模型提出一种面向相交多流形数据的识别算法D-MPPCA.该算法首先通过动态邻域算法计算出每个样本点的近邻关系和切空间,然后通过MPPCA模型将相交多流形数据分解成若干\"\"不相交块\"\",最后通过切空间扩展分解和识别多流形数据.实验结果表明,该算法能有效地应用于人工数据和实际的高维图像数据,相较于其他算法极大的提高了子流形识别精度.\""}
{"title": "面向链路层比特流数据频繁统计的AC-IM算法", "abst": "当前,国内外运用经典模式匹配算法及其改进算法进行数据处理的相关研究很多,但面向链路层比特流数据进行频繁统计的算法研究却很少.针对经典的多模式匹配算法如AC算法等计算复杂度高、效率低,同时不能适用于具有二元性的比特流数据这些问题,该文采用一种基于AC-IM(Improved AC)算法的链路层比特流数据频繁统计方法,算法能在避免漏检的情况下,使模式树的最大跳跃距离为最短模式串长度加3.该文先从算法构造原理上进行了理论分析,再通过大量实际数据作对比实验发现该算法能够较好地适应二进制比特流数据环境,准确地提取出频繁序列,效果明显.同时相比于经典的AC改进算法,AC-IM算法具有更大跳跃距离和耗时更少的特点."}
{"title": "Device-to-Device移动社交网络多维度用户影响力分析方法", "abst": "本文主要关注以文件共享为目标的D2D移动社交网络中的影响力分析,提出了一种基于文件类型的多维用户影响力计算模型,并依据该模型对真实网络中的用户影响力进行了评价分析.分析结果表明:1)用户对不同类型文件的影响力不同;2)用户的影响力值成长尾分布."}
{"title": "多特征融合的花卉图像深度学习分类算法", "abst": "许多图像分类问题具有类内相似而类间差异的特点,然而花卉图像的分类往往存在着类间相似和类内差异的现象,因此,基于传统人工设计的图像特征进行花卉图像分类效果一般不够理想.针对这个问题,本文提出融合深度特征和人工特征的花卉图像特征提取方法并在此基础上实现花卉图像的分类.首先构建基于卷积神经网络CNN的特征提取框架,然后利用CNN模型从颜色、亮度多特征角度提取目标对象特征,并利用CNN低层级上的特征图设计了一种基于卷积神经网络的纹理特征,最后将上述多个特征与传统的人工设计图像特征经过融合得到一组花卉图像特征.分类实验结果表明,本文提取的融合特征不仅维度低于传统的人工设计特征,而且具有更好的分类准确性."}
{"title": "均匀局部搜索和高斯变异的布谷鸟搜索算法", "abst": "布谷鸟搜索(Cuckoo Search,CS)算法是一种简单易实现的全局优化算法,但也存在局部搜索能力弱,求解精度不高的问题.为了克服这些问题,提出一种新的均匀局部搜索和高斯变异的布谷鸟搜索算法.该算法在基于Levy飞行产生新解后执行均匀局部搜索,从而提高算法的局部开采能力,并对被宿主发现的鸟巢采用高斯变异进行重新更新,从而提高算法的寻优精度以及收敛能力.通过对包括单峰函数、多峰函数的13个基准测试函数的仿真实验和分析,验证了新算法的有效性和可靠性,实验结果表明新算法具有较好的收敛速度和收敛精度,是一种具有竞争力的算法."}
{"title": "在线多任务学习的骨干网网络流量分类研究", "abst": "网络流量分类是机器学习与网络安全领域中的一个研究热点.针对高速骨干网上网络流量的高速性与演化特性,基于在线稀疏学习算法FTPRL,提出一种在线多任务特征选择学习算法-MT-FTPRL.使用了Per-Coordinate学习率,对每个特征的学习率分别考虑,与全局学习率相比更具优势;提出一个在线多任务学习的网络流量分类框架,通过多个网络流之间的信息共享,提取一组拥有良好判别能力的共同特征子集;在实验部分构造了一个基于真实的骨干网网络流量的MAWI数据集,并通过对比实验对提出的算法及分类框架进行验证.实验表明,算法有着满意的分类准确性和检测效率,且能在多个网络流中提取一组共同的特征子集,提高分类系统的鲁棒性,更适应网络流量动态演化的特点."}
{"title": "语义社交网络中用户信息提取与影响力分析", "abst": "语义网技术为传统社交网络提供一种新的模式,如何高效地提取用户的语义信息,计算并分析站点的重要度对理解网络中用户行为和优化网站系统具有重要意义.提出一种语义社交网络中信息提取与分析的方法,根据语义社交网络的链接模型定义了语义信息的通用特征模式,据此来识别、发现以及验证有效的用户信息,并使用RDF解析器进行提取和筛选;最后提出一种语义加权算法计算用户在网络中的影响力并进行排序.最终的实验结果验证了该方法的有效性和准确性."}
{"title": "面向深度学习的多维度中文网络舆情分析", "abst": "\"针对目前中文网络舆情中的情感分类方法过于依赖人工特征选择,以至于其分类精度难以提升等问题,本文通过拟合人脑对具有较大复杂非线性的中文文本的理解,借助深度学习的方法构建多维度的网络舆情分析模型.在本文所提出的方法中,通过构造中文文本词向量解析模型和RAE深度学习模型来实现文本信息的高层特征提取和情感分类;而后结合LDA主题分析模型和时间序列模型实现多主题的舆情情感分析和舆情情感走势预测;最后,通过对\"\"魏则西事件\"\"的实证分析,验证了本文深度学习模型对中文文本舆情分析处理的优越性和合理性.\""}
{"title": "融合似然比相似度的协同过滤推荐算法研究", "abst": "在基于用户的协同过滤推荐算法中,用户相似度计算准确与否直接影响推荐系统的质量.目前,传统的相似度计算方法虽广泛使用,但仍存在较大的局限性,尤其在数据稀疏的情况下很难准确计算出用户相似度,容易出现过分放大或缩小的歧变,从而影响推荐算法的运行.因此,本文使用似然比相似度并结合欧几里得距离加以调整的方法计算用户的相似度,藉此解决推荐系统中在每个用户只有少量评分的情况下计算两个用户间相似度的问题.最后,在Movie Lens数据集上,将本文所提计算方法与其他传统计算方法应用到同一基于用户的协同过滤推荐算法中进行对比实验,结果表明,本文所提方法能够更加准确、有效地识别相似用户,从而提高了推荐的准确性."}
{"title": "差分扰动的均衡增量近邻查询位置隐私保护方法", "abst": "基于k-匿名的位置隐私保护方法已被广泛研究,但该方法需要可信第三方且无法防止有背景信息对手的攻击,容易泄露位置隐私.针对这一难题,提出一种差分扰动的均衡增量近邻查询位置隐私保护方法.向用户的真实位置添加可控的拉普拉斯噪声,生成干扰位置,并将其作为锚点发送给位置服务商.采用均衡增量近邻查询算法,解决Space Twist算法中兴趣点围绕真实位置分布不均匀的问题,提高查询准确度.实验结果表明,在考虑数据通信量的情况下,该方法比Space Twist方法在查询相似度和响应时间上均具有较高优势,实现了隐私保护度与服务质量的平衡."}
{"title": "基于相似度的双向合并社区发现算法研究", "abst": "自底向上的社区发现算法中大多利用局部相似度对网络进行划分,其结果会导致一些节点的错误划分、子社区划分数目比较多以及出现社区结构不稳定等问题.针对这些问题,提出一种基于相似度的双向合并社区发现算法PMCD(Pairwise M erging Community Detection).在PM CD算法中,考虑社区节点间的相似度属性,利用节点之间的共同邻居为节点间的边分配权重,通过边权重将网络划分成小社区;计算未分配社区的节点与小社区之间的相似度,对小社区进行扩展,形成子社区;结合社区结构特性,计算模块度的变化值来判断子社区是否进行双向合并,直到形成最终社区.将PMCD算法在不同的数据集上进行比较与分析,实验结果表明,PMCD算法发现的社区接近真实结果,并且在获取高质量社区及运行时间方面具备一定的优势."}
{"title": "区间数多属性决策的云服务信任评估方法", "abst": "针对云服务信任评估问题,提出一种区间数多属性决策的云服务信任评估方法.该方法先将云服务评估问题层次化,形成一个包括目标层、服务层和指标层的多层次结构模型;对于服务质量指标层,监测云服务运行的实时指标数据并用区间数表示,构建决策矩阵;基于不同层次间指标影响程度的不同,计算云服务层和目标层的指标权重体系;最后,结合决策矩阵和权重体系进行云服务综合评价和优劣排序.实验结果表明,该方法能够客观、有效地对云服务信任做出评估,避免了信任评估中常见的滞后、串谋和恶意评价问题."}
{"title": "CDED:支持加密数据去重的云数据审计方案", "abst": "云存储中云数据的安全和效率问题正广受关注.解决云数据安全问题的方法一般是审计,而解决云数据效率问题(即重复问题)的方法是去重.为了避免暴露隐私,数据一般以密文的形式存储在云服务器上,所以,我们应该考虑加密数据的去重和审计.为了保证云数据存储的既安全又高效,我们需要支持加密数据去重的审计方案.然而目前同时考虑加密数据去重和数据完整性验证的方案存在缺点,如(1)用户端存储和计算开销大;(2)需要用户一直在线参与审计过程,并且用户和云服务器计算量大.针对这些问题本文提出了CDED,一种新的同时支持加密数据去重和数据完整性验证方案:(1)加密数据去重时,采用了代理重加密的方法来保证数据安全,这样用户端不需要保存大量加密密钥,且省去了上传重复数据之前加密数据的计算量;(2)在数据完整性验证中,采用了新的公开审计和代理重签名方法,保证用户不用一直在线参与审计过程,也减少了用户端和云服务器的计算量.通过理论和实验分析,CDED克服了现有方案的缺点.不需要用户一直在线,并且用户端和服务器端的计算量都减少了."}
{"title": "IPv6物联网中灰洞攻击的检测方法", "abst": "物联网环境下,由于部分节点的移动性使合法节点的丢包概率增加,当使用丢包概率阈值对灰洞攻击进行检测时,合法节点易被误判为恶意节点.为此,基于RPL协议,提出一种能够在节点移动情况下检测灰洞攻击的方法.采用预期传输次数计算节点丢包概率的动态阈值,将每个路由节点的丢包概率与动态阈值相比较,从中筛选出可疑的灰洞节点,将其标记到隔离区.当路由节点被标记的次数达到上限时,汇聚节点对该节点进行序贯概率比检验,进一步确定该节点是否为灰洞节点.最后,通过RPL协议中的全局修复机制将灰洞节点剔除网络.仿真实验结果和分析表明,在节点移动的情况下,本方案能够有效地检测出灰洞节点,且误检率较低."}
{"title": "一种抵御逆向工程的安卓应用混淆技术研究", "abst": "针对安卓应用容易被恶意逆向工程,引起代码注入、隐私数据泄露和侵害知识产权等安全问题.提出一种结合Java方法抽离和映射的代码混淆技术.其中,Java方法抽离利用了安卓Native化特性,将Java方法从DEX中抽离后封装到SO中.此外,Java方法映射对其指令操作码进行映射混淆构造不透明指令.随后通过Java方法注册和映射解释执行环境,对抽离映射混淆后的Java方法进行Native层的映射解释执行,确保混淆后的安卓应用运行逻辑的正确性.最后,从抗逆向工程有效性和运行性能两方面对安卓应用混淆效果进行实验.实验结果表明本文技术在不影响正常运行性能的情况下,具有良好的抵御逆向工程分析效果."}
{"title": "一种新的RAID-4容量扩展布局研究", "abst": "随着网络技术与社会各行各业的深度融合与发展,现代企业数据中心面临海量数据的存储,因此需要在现有存储系统中加入新的磁盘以提升I/O并行性及容量扩展.在扩容过程中为了获得I/O负载的均衡性,需要将旧磁盘中的部分数据迁移到新加入的磁盘,然而现有的RR扩容布局算法需要迁移大量的数据,Semi-RR算法在多次扩容后存在数据布局不均匀性等问题.本文提出了一种新的RAID4容量扩展算法USR4,该算法在扩容过程中体现出均匀数据布局性、最小化数据迁移量和快速扩容等特性.相比于RR扩容算法,性能评价结果表明,USR4算法减少了80%-88.9%的数据迁移量,缩短了40%-62.23%总扩容时间."}
{"title": "群智感知环境下支持激励机制实施的匿名身份认证协议研究", "abst": "群智感知系统在实际部署中还存在着感知数据泄露、用户参与积极性低等问题.为提升用户积极性,适当的激励是必须的.然而,在实施激励过程中,往往需要用户身份信息来完成奖励发放,而用户一般不愿意泄露身份隐私.为了解决这一矛盾,提出一种基于随机假名和安全哈希函数的匿名认证协议.该认证协议利用随机假名的随机性切断用户真实身份与假名之间的关联.利用安全哈希函数的单向性,防止攻击者从截获的数据包中提取与用户身份以及奖励相关的信息.最后的安全分析和性能分析表明,本文提出的匿名认证协议在安全和计算性能方面符合群智感知环境的要求."}
{"title": "利用改进粒子群优化的软件模块划分算法", "abst": "软件模块划分是软件工程领域一个重要并且非常复杂的问题,通过软件模块划分可以将规模庞大的复杂软件系统分解为易于理解和维护的子系统.针对现有软件模块划分算法收敛速度慢、划分效果不佳的问题,提出了一种基于复杂网络和群体智能算法的软件模块划分算法.首先对软件系统抽象形成复杂网络图,然后改进粒子群优化算法,使用最短路径初始化种群,使用概率选择的方式更新粒子位置,最后给出概率选择粒子群算法的全局收敛性证明.采用六个典型复杂软件项目实证结果表明,新算法稳定性更好,收敛速度更快,为软件模块划分问题提供了一个有效的工程化方法."}
{"title": "协同空间关键词Top-k查询", "abst": "定位技术和文本处理技术的结合使空间关键词查询处理技术成为研究热点.传统空间关键词查询由单用户提出,包含一个查询位置和一组查询关键词.协同空间关键词Top-k查询(TKCSKQ)返回离多个查询位置近、文本与多组查询关键词相关度高的Top-k对象.针对TKCSKQ中多组查询关键词存在重复和近义关键词,设计了基于查询关键词权重的关键词相关度计算公式.对IR-tree进行了扩展,提出了支持近义关键词匹配的SKNIR-tree索引,并基于SKNIR-tree提出了高效的协同空间关键词Top-k查询处理算法(TKCSK).通过维护一个优先队列以及计算每个节点与查询的最小空间文本相关度来达到剪枝目的,快速识别结果对象.实验结果表明,TKCSK算法的性能相比基础算法平均提高3倍."}
{"title": "最优正则化参数的核FCM聚类算法", "abst": "模糊C均值聚类算法(Fuzzy C-mean,FCM)因随机选取初始聚类中心,造成算法求解过程不稳定(即存在不适定性问题).针对此问题,提出一种最优正则化参数的核FCM算法,首先在核FCM的目标函数中引入正则化项和正则化参数;然后推导出用L曲线法寻优正则化参数所需的迭代更新公式;最后用迭代更新公式设计最优正则化参数的核FCM算法.在UCI测试数据集上的实验结果表明:本文所提算法的平均稳定性较传统FCM提高了5倍,平均准确率和平均召回率也分别提高了30%和33%.本文用L曲线法寻优核FCM的正则化参数是可行的,能有效地抑制FCM的不适定性."}
{"title": "面向大数据实体识别的超图分割算法", "abst": "\"当前信息系统中存在海量复杂异构数据,极大地降低了数据可用性.为有效地\"\"清洗\"\"数据、提高数据实体同一性,借助云计算平台Hadoop设计并实现了基于超图模型的实体识别算法.算法共分为数据预处理、构造超图模型和实体识别三个阶段:在预处理阶段,通过建立属性-值倒排索引表、挖掘频繁项集来对数据进行初步处理;在构造超图模型阶段,改进超边权重的定义,建立超边带权重的超图模型,将所有数据转化为超图模式;在实体识别阶段,改进超图分割算法并基于云平台来完成对同一实体的识别.在Hadoop平台上对真实数据集的实验结果表明该算法在实体识别方面具有良好的准确性和高效性.\""}
{"title": "考虑社区结构稳定度的增量社区并行发现算法", "abst": "传统的动态网络社区发现方法是对每个时刻的网络分别通过静态算法进行社区检测,进而分析各个社区之间的关系,可能导致较高的时间开销.根据相邻时刻之间的拓扑结构变化不大的特点,提出一种考虑社区结构稳定度和增量相关节点相结合进行社区发现的方法 IPCSCDA(Incremental Parallel Community Detection Algorithm Considering The Stability Of Community Structure).算法以前一个时刻得到的社区结构为基础,通过基于Jaccard系数的社区归属判定条件来调整增量相关节点的社区归属,同时考虑每个社区的结构稳定度,以发现动态网络社区.通过增量方法分析相邻时刻网络的变化,避免了对整个网络进行重新划分,从而大大减少了算法的时间开销.在人工数据集和真实数据集上的实验表明,提出的算法具有良好的动态社区发现能力."}
{"title": "一种面向云环境虚拟机部署的粒子群优化策略", "abst": "随着数据中心规模的扩大,提升资源利用率的问题日益凸显.如何合理部署虚拟机到数据中心的物理机上是提升数据中心资源利用率的关键问题之一.首先提出相应的资源利用率和响应时间模型,并提出一种结合变异算子的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization with Mutation Operator,MOPSOM)用于解决虚拟机部署问题.该算法以提高资源利用率和减少响应时间为优化目标,采用线性递减惯性权重寻找最优的虚拟机分配方案.仿真实验结果表明,MOPSOM能够在减小响应时间下提高资源利用率,同时在负载均衡度和能耗之间达到了更好的平衡."}
{"title": "基于Ranking的贝叶斯序列推荐算法", "abst": "针对用户行为转移特性和缓解用户行为数据的稀疏性问题,提出了基于Ranking的贝叶斯序列推荐算法(SR-BPR).SR-BPR算法利用用户与商品的历史交互序列关系,构造行为转移三维张量,基于用户的转移概率,为每个用户构建商品偏好的偏序关系,最后利用贝叶斯Ranking优化算法进行张量分解,将用户和商品映射到高维空间,生成用户和商品的潜因子向量,通过用户和商品的潜因子向量内积预测用户对商品的喜好程度.利用Book Crossing数据集进行实验,实验结果表明,相比于传统的推荐算法,本文提出的SR-BPR算法在准确度上提升了26%,在20%的训练样本,0.93%的数据稠密度上,SR-BPR算法RM SE误差率相比于传统算法降低了11.23%."}
{"title": "利用QoS相关性求解任意粒度服务流程", "abst": "对一些复杂应用,有时需要从大量候选Web服务中选出符合需求的原子服务,并组合成增值的服务。在过去的几年时间内,涌现出了很多关于服务组合的研究.然而,所有这些研究,几乎都没有涉及到服务QoS的相关性,但在现实生活中服务之间的QoS相互关联非常普遍,正如商品的捆绑销售,捆在一起的商品可能在价格属性上非常优惠,有时可能赠送.在此研究背景下,本文首先提出了服务筛检准则;接着借鉴CKY(Cocke-Kasami-Younger)算法,本文介绍了服务流程片段的存储和处理过程;最后,本文通过effectiveness和efficiency评估实验,验证了本文提出的SC_CKY方法的可靠性和高效性."}
{"title": "手指静脉图像的概率分割方法研究", "abst": "由于光在生物组织内部会产生严重衰减,手指静脉特征的图像质量往往较差,这十分不利于实现静脉区域的稳定分割.为了较为精确地获取手指静脉网络,本文提出了一种新的基于卷积神经网络的手指静脉区域分割方法.首先,利用韦伯定律去除光照变化实现对手指静脉图像的增强.然后,通过自动粗略标注静脉区域与非静脉区域,获得带有标签的像素训练集.利用训练集,训练一个可产生像素属于静脉区域和非静脉区域概率的卷积神经网络模型.最后,利用概率图,通过概率运算实现对手指静脉图像的分割.实验结果表明,通过该方法能够得到较为理想的静脉网络."}
{"title": "一种基于改进ACF特征的手部检测方法", "abst": "如何在存在噪声和类肤色背景的环境中进行高效精确的手部检测,是手部检测研究的一大问题.提出一种基于改进ACF的检测方法.该算法在基于多色彩空间肤色模型和边缘直方图基础上对ACF特征进行改进,以多色彩空间肤色模型来突出肤色物体与非肤色物体之间的差异,以边缘直方图来描述物体间的边界信息.同时为提高算法性能,对物体检测算法框架进行了改进.一方面改进特征计算过程,对于每个图像只进行一次特征计算;另一方面利用Edge Boxes获取候选窗口,以此减少候选窗口的数量.最后使用Xgboost对每个候选窗口对应的特征进行判别.实验证明,在存在高斯噪声和受人脸干扰的情况下,该方法可以有效地进行手部检测."}
{"title": "一种图像场景的独立子空间ISA分类方法", "abst": "随着计算机应用和多媒体的不断发展与应用,数字图像变得越来越多,内容越来越丰富.如何在海量的图像数据中获得想要的和有用的信息也变得越来越重要.图像场景分类就是其中一种重要的技术.本文采用了基于独立子空间分析(ISA)网络模型的特征提取方法并结合空间金字塔匹配(SPM)模型和支持向量机(SVM)分类器实现对图像场景的分类.基于ISA(独立子空间分析)网络模型的特征提取方法是一种无监督学习方法,能够获取图像中结构化的特征基元,并在规则网格划分的策略下利用所得的结构化的特征基元获取图像块描述子.然后结合空间金字塔匹配(SPM)模型构建金字塔结构式的整幅图像特征表示.实验在Scene-15图像场景数据集的基础上进行,并将本文方法与基于尺度不变特征转换(SIFT)特征提取方法的几种常用经典方法进行对比实验,实验结果表明本文方法在选取了合适的特征基元个数后,提高了提取图像特征的速度和时间以及图像场景的分类准确率."}
{"title": "一种提取反向协同显著区域特征的表情识别算法", "abst": "针对单幅表情图像识别缺乏表情间关联性及单分类器的局限性问题,提出一种基于反向协同显著区域特征的人脸表情识别方法.该方法首先对数据库进行预处理,获取表情图像的纯人脸区域,再选取相同的人七张不同表情图像,利用反向协同显著区域算法对选取图像提取表情之间的变化区域并作为显著区域,然后利用纹理和形状特征对显著区域进行描述,最后采用多分类器决策机制进行分类.在JAFFE和CK人脸表情库的实验结果表明,该方法在降低特征维度的同时,能挖掘出表情的显著区域部分并能对表情进行有效的描述,与其他近似的人脸表情识别方法对比,识别率平均提高了2.5%."}
{"title": "《小型微型计算机系统》机器学习专栏征文", "abst": "[正文]机器学习作为人工智能的核心技术,已经在许多领域得到应用,发挥重要作用.近年深度学习在语音识别与计算机视觉领域取得巨大成功.目前,机器学习研究者大多致力于特定场景特定任务的数据变换、聚类发现或者是分类回归建模.然而,随着机器学习技术的不断发展,人们对它的期望也不断提高,人们不再满足于场景固定、目标明确的学习任务,开始尝试开放环境下、复杂场景中的探索式学习、多任务协同学习等等更具有挑战性的任务,并且在无人驾驶、机器人、大系统优化、大数据建模等"}
{"title": "基于遗传算法与全卷积网络的遥感影像像素级分类方法", "abst": "针对高分辨率遥感影像像素级分类任务中的样本不均衡与召回率低两个问题,提出基于遗传算法和全卷积网络的分类方法.该方法通过遗传算法对训练数据集进行取样,同时结合全卷积网络,对高分辨率遥感影像进行基于光谱-空间-语义特征的分类.实验结果表明,在影像像素级分类问题中,使用遗传算法均衡化取样的全卷积网络分类器相较标准卷积神经网络分类器,对不同类别样本的分类精度普遍较好;相较标准全卷积网络分类器,能够更加均衡地训练每一类样本数据,进一步提升召回率,解决样本不均衡所带来的问题,并最终达到89.4%的加权平均召回率,增加了遥感影像分类器的性能,减少了作业中的人工干预程度."}
{"title": "多目标服装图像的协同分割方法", "abst": "针对目前多目标服装图像存在复杂的背景以及遮挡,导致分割准确率较低的问题,提出一种多目标服装图像的协同分割方法.首先结合辅助数据集提取输入的多目标服装图像的显著区域特征,并对多目标服装图像进行初步分割.然后,对初步分割结果、包含同类对象的小型图像集构建可能区域图结构,并进行协同分割,得到候选多区域服装特征;最后,通过多区域服装特征之间的相似度计算以及共同对象分割,输出图像分割结果.实验结果表明,该方法具有较高的效率和准确率,能有效分割出多目标服装图像."}
{"title": "《小型微型计算机系统》计算机安全专栏征文", "abst": "[正文]随着网络信息技术的迅猛发展和广泛应用,网络信息系统的基础性、全局性作用日益增强.网络安全和信息化相辅相成,信息化发展的同时必须解决好安全问题.坚定不移实施创新驱动发展战略,抓住基础技术、通用技术、非对称技术、前沿技术、颠覆性技术,把更多精力投向核心技术研发,集合精锐力量,推动我国网信事业发展,让互联网更好地造福社会.热忱欢迎从事网络信息安全领域组织机构及个人踊跃投稿.凡属于网络安全和信息安全领域的各类学术论文均可投稿.所"}
{"title": "多特征融合的匹配代价与视差优化算法研究", "abst": "针对现有算法对光照变化敏感、非连续区域与纹理区域易出现误匹配的问题,本文提出了一种多特征融合的匹配代价与视差优化算法.该方法首先分两阶段计算匹配代价,第一阶段联合使用三种特征:颜色特征、WCCT特征、LBP特征.基于上述三种特征的互补性,通过加权融合计算初始匹配代价;第二阶段使用SIFT特征代价修正初始匹配代价.然后,使用改进最小生成树聚合匹配代价与初始视差图计算.最后,使用置信度聚合与传播策略进行视差图优化,得到高质量的视差图.实验结果表明,在多种复杂场景中,该算法都能够提高立体匹配精度."}
{"title": "线性回归的渡船精准定位方法研究", "abst": "由于渡船检测过程中,船只的形状与尺度会不断发生变化,所处的动态背景环境也比较复杂.为实现对渡船准确而快速的检测定位,提出采用基于线性回归的方法,根据对渡船进行初定位所得检测框与真实框(ground truth)之间的偏置信息进行回归训练,进一步调整检测框的位置,实现精确定位;另一方面利用上下文帧间信息,采用序列NMS重打分步骤进行置信度分数调整,减少错漏检问题.实验结果表明,经过线性回归与序列NMS重打分后的检测结果在保证实时性的基础上,提高了检测的准确率."}
{"title": "一种新的多样本扩充协同表示分类人脸识别算法", "abst": "由于人脸库中人脸样本的数目有限,远远不能够满足实际生活中人脸识别的需要.新算法提出一种新的多样本扩充的协同表示分类人脸识别算法,首先利用人脸的镜面性生成镜面图像,分别对同一类中任意的两个原始样本与镜像样本,取它们的平滑中值样本构造新的虚拟样本,然后用欧式距离选择出接近测试样本的训练样本.以往的多样本扩充的人脸算法,是将新生成的虚拟训练样本与原始训练样本结合在一起,作为总的训练样本进行人脸识别,新算法是将不同途径构成的训练样本分别进行参数加权融合,采用基于协同表示的分类算法进行人脸识别.实验结果表明,新算法能够在ORL和FERET人脸数据库上获得更好的人脸识别率,具有较好的人脸描述能力."}
{"title": "动态预约模式下车辆路径规划的实用拓展问题研究", "abst": "车辆路径规划问题(VRP)是一个具有现实意义的著名问题.本文提出了一个新颖且在生活中常见的VRP拓展问题,在该问题中客户有自己的道路网络,这些道路是车辆无法行驶的,而且和正常车辆行驶的道路网络共享几种常见的节点.在这种情况下,VRP的任务就转化为一个依赖于车辆和客户方之间信息共享机制的协同运输问题.我们研究的核心目标是当上述情况发生或要满足某些客户的特殊需求时能为提供服务的公司及客户推荐一个最佳的路径规划.为此我们设计了一个改进型遗传算法,显著地优化了我们的实验结果.实验结果表明,本研究能对这个新颖的VRP拓展问题进行很好地求解."}
{"title": "一种面向机场货站的WSN拥塞控制调度方法", "abst": "\"针对机场货站货物信息采集系统中数据传输的可靠性低、实时性弱和丢包率高等问题,提出了一种面向机场货站货物信息采集的WSN拥塞控制调度方法.首先为避免网络拥塞的发生,该方法采用基于滑动窗口的分组控制思想限制分组的大小,并根据机场货站采集的信息类型不同,动态赋予不同优先级,优先发送缓存队列中优先级较高的分组.若根据动态拥塞预测机制判断出拥塞即将发生,即采用基于\"\"垂面\"\"距离的TOPSIS法--正交投影法构建选择模型,选择合适的下一跳节点建立分流路径,缓解节点拥塞问题.相关实验结果表明本文算法可较好的应用于机场货站信息采集传输系统中,有效提升和确保信息传输的可靠性和实时性,降低信息传输的丢包率.\""}
{"title": "基于自适应密度聚类非线性流形学习降维方法研究与实现", "abst": "针对传统降维方法降维后对流形产生扭曲导致流形展开后的结构发生“畸形”、正确率较低、可信度较差等不足.本文提出了一种基于自适应密度聚类的非线性流形学习降维方法,用分段线性模型来近似流形.利用MATLAB设计并实现了算法,通过实验证明在人造和现实图像数据集上,本流形学习降维算法与现有最先进的流形学习算法相比,产生良好的降维效果."}
{"title": "一种自适应参数调整的水波优化算法", "abst": "水波优化算法(Water Wave Optimization,WWO)是受浅水波理论启发而提出的一种新兴群体智能算法,其具有控制参数少、种群规模小、实现简单、计算开销小等优点,但依然存在局部搜索能力不强、收敛速度较慢等缺陷.首先,通过对水波优化算法在执行全局和局部搜索阶段控制参数变化进行分析的基础上,提出了一种自适应参数调整策略改进的水波优化算法;最后,对改进的算法和包括原WWO、SCA、DA等在内的四种算法在10个标准测试函数上的寻优性能进行试验.结果表明,所提出的策略有效提升了水波优化算法的整体性能,无论在收敛精度还是收敛速度上,改进的水波算法相较于其他三种算法优化结果更加稳定."}
{"title": "考虑内部外部共因失效的SBS系统可靠性分析方法", "abst": "随着分布式系统和云计算系统的快速发展,基于服务的软件系统(Service-based software systems,SBS系统)得到了广泛的应用.系统可靠性作为SBS系统服务质量中最重要的维度之一,已经成为SBS系统必须保证的指标.现有SBS系统可靠性的相关研究大都假设服务失效之间相互独立.但是,服务之间的共享资源以及消息依赖关系的存在挑战着这一假设.系统内多个元素同时失效(共因失效)时,可分为由外部共享资源引起的外部共因失效和由传播失效引起的内部共因失效.忽略考虑上述两种因素将严重影响对于系统可靠性的评估.为了解决上述问题,本文提出了一种基于二元决策图的考虑共因失效的SBS系统可靠性分析方法.该方法同时考虑了内部和外部失效因素,可以高效的估算SBS系统的可靠性,并且能够有效避免当系统规模过大时可能出现的状态爆炸问题.为了分析提出方法的应用范围及优势,本文的最后给出示例SBS系统在出现各种共因失效情况下的可靠性分析,并将结果与传统基于决策图的可靠性分析方法进行比较."}
{"title": "基于动态域等值线的多目标环绕跟踪方法研究", "abst": "针对运动多目标环绕跟踪问题,提出一种基于动态域等值线的目标环绕跟踪方法,实现了较好的跟踪效果.通过人工建造的距离测量等值线标量场构建动态多目标的环绕飞行跟踪路径,并利用当前位置值的逐点访问,获得该动态未知标量场的等值线;同时,对该等值线跟踪路径进行跟踪控制策略设计,相对于传统磁场梯度跟踪方式优点是无需任何字段衍生工具,并给出跟踪过程的收敛性证明.最后,给出所提算法严格的收敛性理论证明,并通过实验室模拟对算法有效性进行了验证,获得较好的动态跟踪效果."}
{"title": "DF-MAP:一种基于概率图模型的案件判决路径挖掘算法", "abst": "通过获取案件的判决路径,法院判决系统可以轻松地对案件进行判决.然而,随着司法资源的迅猛增加以及案情特征的多样性,为快速获取案件判决路径提出了挑战.论文利用Rete算法在分析已有法律法规中可能存在的规则集合基础上,根据案件判决路径的有向性,提出了结合案情描述关键字和适用法律规则的概率图模型—Rete-PGM.根据Rete-PGM特征,利用有向图理论及最大后验概率查询算法,提出了适合于Rete-PGM特征的最有可能的路径挖掘算法—DF-MAP(Deep First Max A Posterior),并用实验验证了该算法的性能.通过将所提算法运用于真实的法律文书数据集,实现了真实案件的判决路径挖掘.该模型的提出以及案件判决路径的发现,为创建高效的法院判决系统提供了保障."}
{"title": "采用个体进化状态判定策略的分解类多目标进化算法", "abst": "多目标进化算法应用非常广泛,但易陷入局部Pareto前沿.为了提高多目标进化算法平衡全局探索与局部开发的能力,使算法收敛到完整的Pareto前沿,本文提出采用个体进化状态判定策略的分解类多目标进化算法(MOEA/D＿PE),MOEA/D＿PE算法采用个体进化状态判定策略,判定个体当前的进化状态,然后为个体选择适合其进化状态的变异算子,从而提高算法平衡全局探索与局部开发的能力,使算法收敛到完整的Pareto前沿.实验研究表明,MOEA/D＿PE算法在测试函数中表现出,比非支配排序多目标遗传算法和分解类多目标进化算法更好的收敛性和多样性,能够更好地收敛到完整的Pareto前沿."}
{"title": "一种卷积神经网络的稀疏性Dropout正则化方法", "abst": "Dropout是卷积神经网络中经典的正则化方法,能有效防止过拟合现象的产生.基于Dropout的卷积神经网络在训练时以完全随机的方式删除部分节点,产生的局部网络缺少对不同样本的区分性.针对上述问题,提出一种稀疏性Dropout正则化方法,该方法在训练时对节点引入稀疏性限制,根据激活值的大小选择节点被删除的概率,使网络以更高的概率删除激活值较低的节点,以保留更多激活值较高的节点,增强模型的特征提取能力.测试时恢复所有被删除的节点并保留训练时的参数,达到组合多个局部网络的目的.在公开数据集上的实验结果表明,将稀疏性与Dropout相结合的方法相较于传统方法具有更好的泛化能力."}
{"title": "本刊检索与收录", "abst": "[正文]国内中文核心期刊中国学术期刊文摘(中英文版)收录中国科学引文数据库(CSCD)来源期刊中国科技论文统计源期刊中国期刊全文数据库(CJFD)收录期刊中国科技期刊精品数据库收录期刊中国学术期刊综合评价数据库(CAJCED)收录期刊中国核心期刊(遴选)数据库收录期刊中文科技期刊数据库收录期刊"}
{"title": "中文微博情感分析模型SR-CBOW", "abst": "中文微博情感分析旨在挖掘文本中用户所要表达的观点及情感倾向,被应用于政治、商业等诸多领域.考虑到微博数据的口语化和不规范性等特点以及中文标注数据相对匮乏的现状,对词向量训练模型CBOW进行拓展,提出情感分析模型SR-CBOW.首先利用基于语义相似度的数据平衡方法来均衡数据集;然后采用否定扩散的手段,协助模型对包含否定词的微博进行情感转移;最后模型利用大量无标注的微博语料进行无监督的词向量训练;同时对构建的微博的向量表示进行情感分类.在细粒度的情绪识别和粗粒度的情感倾向性分析中,都取得了较好的结果,较于NLP&CC2013情绪识别评测任务中最好的结果,其微平均F值提高了14.9%."}
{"title": "移动平台下实时协同关联图文档模型一致性维护算法研究", "abst": "移动平台下实时协同图形编辑系统是协同交互式应用的重要分支.在图形编辑系统中,不同图形对象之间往往存在某些约束和关联关系,而传统文档一致性维护算法的研究大多是在无约束关系的线性文档下展开的,且仅支持基本的插入(Insert)、删除(Delete)、更新(Update)操作.本文在传统操作转换算法所能支持的基本操作(Create、Delete、Update)的基础上,拓展了位移(Move)操作,关联操作(Relate)和关联解除操作(Relieve),使得图形对象间的位置属性之间可以出现联动的效果.对象间位置关系被映射成关联图文档模型,根据非线性模型下不同操作类型之间产生的并发冲突类型,分别设计相应的冲突消解策略,维护实时协同编辑下共享图形文档的一致性.当包含多操作类型的图形编辑系统应用于移动平台下,由于移动网络的不稳定性,会导致现有的以稳定网络为研究前提的乐观并发控制算法不能适用于新的应用场景下.所以针对移动网络环境下信号不稳定的特点,本文亦对传统操作转换控制算法进行适当改进,基于客户端对丢失操作提出重发请求和服务器端处理该重发请求的机制,设计了不稳定移动网络平台下并发控制算法.最后本文在Android平台下开发了移动协同图形编辑系统Co-Paint,并通过相关仿真试验进一步验证了以上控制算法和转换函数的正确性与可行性."}
{"title": "网络编码集群存储系统基于锁机制的热数据重建策略", "abst": "在数据规模与日俱增的背景下,网络编码成为了替代传统三副本机制的一种数据冗余机制.网络编码优势在于减少了存储成本,劣势在于节点失效时增加了系统重建带宽和响应延迟.基于热数据优先的网络编码分布式存储系统重建策略(HDFR)根据用户I/O负载优先重建热数据,使用户可以提前访问替换节点中已重建的失效热数据,这一定程度地使数据重建性能和系统响应性能得到了优化.该策略中,替换节点同时服务于重建数据流的同步写操作和用户访问数据流的读操作,这两种操作在替换节点中交替进行.相对于传统的重建策略(TR)中替换节点只服务于重建数据流的写操作,这种策略使替换节点中的I/O等待时间变长,使重建性能一定程度上削弱了.系统发生节点失效时,缩小重建窗口对于保障系统数据可靠性和可用性很有必要.本文基于上述热数据重建策略,提出了网络编码集群存储系统中基于锁机制的热数据重建策略(LHDFR),利用锁机制将写操作和读操作分割开来,使重建数据流的写操作具有更高优先级,而由此阻塞的读操作则由解码操作来代替.实验表明,相较于HDFR,LHDFR将重建性能优化了59.4%,用户访问性能优化了36.2%."}
{"title": "软件定义数据中心网络基于分支界限法的多路径路由算法", "abst": "数据中心网络中大、小数据流分布不均、传输性能要求各异,已有算法往往片面强调大、小流各自性能要求,而忽视全网性能优化.为此,综合考虑数据流的特点以及链路时延和剩余带宽两种因素的影响,提出一种基于分支界限法的多路径路由算法.该算法首先利用分支限界法获取链路剩余带宽尽可能大、链路时延尽可能小的网络子集;随后,提出最小网络连通子集、瓶颈时延、瓶颈带宽等概念,给出软件定义数据中心网络连通条件,在此基础上,依据大、小流各自性能要求在网络子集中利用不同策略为它们选择合适路径;最后,通过Mininet和Floodlight进行仿真测试.仿真结果表明:与文献中已有算法相比,所提算法具有更低的分组端到端时延、更高的网络吞吐量和平均链路利用率."}
{"title": "考虑节点多社区属性的机会网络高吞吐量路由算法", "abst": "针对现有机会网络中根据兴趣划分社区的路由算法没有考虑节点多社区属性、统计节点相遇次数不够准确以及相遇节点控制信息交互存在冗余的问题,提出一种机会网络高效路由算法——HRCMA(High-throughput Routing Algorithm Considering M ulti-Community Attribute of Nodes for Opportunistic Netw orks).HRCM A算法增加了节点多社区属性的消息转发策略,统计相遇次数时去除了无效相遇次数;并在节点控制信息交互时,缩短了消息的长度来减小资源的浪费.仿真结果与分析表明,HRCM A算法与现有基于兴趣划分社区的BEEINFO算法相比,在网络吞吐量上提高了至少3.26%,投递成功率至少提高2.85%,归一化控制开销至少降低6.1%,平均时延减小了0.5%."}
{"title": "《小型微型计算机系统》计算机安全专栏征文", "abst": "[正文]随着网络信息技术的迅猛发展和广泛应用,网络信息系统的基础性、全局性作用日益增强.网络安全和信息化相辅相成,信息化发展的同时必须解决好安全问题.坚定不移实施创新驱动发展战略,抓住基础技术、通用技术、非对称技术、前沿技术、颠覆性技术,把更多精力投向核心技术研发,集合精锐力量,推动我国网信事业发展,让互联网更好地造福社会.热忱欢迎从事网络信息安全领域组织机构及个人踊跃投稿.凡属于网络安全和信息安全领域的各类学术论文均可投稿.所"}
{"title": "聚类中心自动确定的谱聚类算法研究", "abst": "目前的谱聚类算法主要存在难以选取合适的尺度参数,需要人工确定聚类个数,参数依赖性大等问题.针对这些问题,本文提出了聚类中心自动确定的谱聚类算法(ADNC-SC).针对难以确定合适的尺度参数来反映数据结构的问题,ADNC-SC算法依据数据点与临近点的距离均值定义局部尺度参数,充分利用数据点的局部特征来反映数据结构;针对谱聚类算法需要预先设定聚类个数的困难,本文采用了一种自动确定聚类个数的策略,通过分析数据对象的密度和距离的分布规律自动确定聚类中心;针对参数依赖性大的问题,ADNC-SC算法设计了一个Fitness函数作为评价不同临近点个数所对应的聚类结果的指标,选取最优临近点个数,并依据算法的时间复杂度和空间复杂度的关系确定划分区间个数.最终将所提出算法与部分较优秀算法在多个数据集上展开聚类效果比较,验证提出的ADNC-SC算法的有效性,并将其应用于人脸识别."}
{"title": "一种支持撤销的双策略属性基加密方案", "abst": "针对于目前云数据访问控制研究中存在单一策略属性基加密的应用局限性和属性撤销不够灵活等问题,本文提出了一种支持撤销的双策略属性基加密方案.首先对属性撤销中的密文策略和密钥策略的综合应用进行定义并给出安全模型;其次构建逻辑二叉树,利用哈希函数不可逆的性质,从每个用户对应的叶子节点开始自下往上地进行哈希运算得到父节点直到根节点,使其计算方向单一.利用每个属性对应的最大覆盖子树的根节点所生成的组密钥对密文和私钥进行更新,从而能够保证组密钥能够被合法用户获得;最后通过安全性分析和复杂性对比表明,该方案满足选择明文攻击安全且在计算复杂度方面是最优的."}
{"title": "一种模糊评判的非均匀分簇路由优化算法", "abst": "针对非均匀分簇路由协议中簇首选取质量较低和簇间路由能耗较大的问题,从提升簇首选取质量和簇间路由效率出发,提出一种模糊评判的非均匀分簇路由优化算法.在簇首选举阶段,利用优化的模糊评判方法进行簇首选举.将节点的相对剩余能量、传输距离、邻居节点密度作为簇首选举的指标隶属函数,其次引入信息论中的熵权法确定各指标权重,最后由节点综合评判值确定簇首.在簇间路由阶段,通过层与层簇首间的链路评估值确定相对最优的下一跳簇首节点,通过单跳与多跳相结合的方式完成信息的传输.实验结果表明该算法延长了网络生命周期,有效的降低了网络能耗."}
{"title": "一种自适应Trie树的云数据完整性验证方案", "abst": "针对云计算环境中用户数据的完整性检测方案计算和检测效率较低且无法支持数据动态更新的问题,本文设计了一种自适应Trie树的云存储数据完整性审计方案.在自适应Trie树引入新的辅助节点和编码方式,有效地控制验证树的深度,能够支持高效的全动态数据更新,并有效降低系统的通信开销和计算开销,明显改善云存储数据完整性验证机制的性能,有效抑制重放攻击和Do S攻击.仿真实验结果表明,在动态数据完整性验证中该方案能够显著降低审计者的计算开销,高效实现云存储数据完整性验证,为云计算安全提供了新的方法."}
{"title": "《小型微型计算机系统》机器学习专栏征文", "abst": "[正文]机器学习作为人工智能的核心技术,已经在许多领域得到应用,发挥重要作用.近年深度学习在语音识别与计算机视觉领域取得巨大成功.目前,机器学习研究者大多致力于特定场景特定任务的数据变换、聚类发现或者是分类回归建模.然而,随着机器学习技术的不断发展,人们对它的期望也不断提高,人们不再满足于场景固定、目标明确的学习任务,开始尝试开放环境下、复杂场景中的探索式学习、多任务协同学习等等更具有挑战性的任务,并且在无人驾驶、机器人、大系统优化、大数据建模等场景下进行验证.为了应对这些挑战,有必要根据待建模任务的复杂性,提出更灵活、更自主的学习机制."}
{"title": "机会网络中计算节点间相似度的路由算法", "abst": "选择合适的邻居节点进行信息传递是机会网络实现高效转发的关键因素.由于节点的移动性带来的邻居节点选择困难、传输过程不稳定以及网络拓扑结构变化等因素,使得机会网络的传输成功率比较低.针对这一问题,利用节点之间的社会属性进行邻居节点的选择,提出一种基于节点相似度的路由算法(Opportunistic Network Routing Algorithm Based on Node Similarity)(ONNS).首先计算节点之间数据分组的编辑距离,再计算出两个节点的相似度,并按照一定的约束规则对节点间的相似度进行筛选,最终可以得到一条或多条相对比较可靠的传输路径.与传统的路由算法比较,仿真实验表明,相似度算法能够有效地提高传输成功率,降低传输延迟以及路由开销."}
{"title": "软件系统攻击面研究综述", "abst": "攻击面度量可以用来测量软件系统的安全风险,是当前软件安全度量中的一个研究热点.以软件系统攻击面为研究对象,综合现有研究对其进行一般化定义,并在一般化定义的基础上总结了软件系统攻击面研究的几个主要工作.首先从现有攻击面模型研究中归纳出枚举模型、关联模型和图模型三种模型,对它们进行了详细的介绍和比较,然后阐述了识别和测量攻击面的相关研究,对减小、操纵和移动攻击面三种增强系统安全性的应用进行了介绍,并列举了评估攻击面度量的一些观点和方法,最后对未来研究工作进行了展望."}
{"title": "加密算法优化对无人机的CPU功耗影响研究", "abst": "数据安全传输和功率消耗问题是无人机自组织网络(Unmanned Ad Hoc Network,UANET)中不容忽视的研究主题.在UANET环境中,现有的数据传输加密算法的应用越来越广泛.本文首先介绍了Blow fish、AES、GOST R 34.12-2015这3种加密算法;接着在保证算法安全性能的前提下,分别对Blowfish和GOST算法进行了优化,减小Blowfish算法的迭代次数,降低GOST算法的预处理数据的运算表数量;然后通过NS-3仿真平台模拟各种算法的执行时间、吞吐量及功率消耗情况,并对比了无人机CPU模块和无线电模块的功耗情况.对比结果表明:优化后的算法在处理数据传输时,加密和解密时间明显缩短,吞吐量均有显著提升,各无人机节点的CPU功率消耗均明显下降.可见,优化后的加密算法使UANET更节能."}
{"title": "一种使用索引式备份的范围查询方法", "abst": "范围查询是数据库支持的重要功能之一.在分布式数据库中,范围查询具有结果不唯一且数据量大的特点,因而中间结果的传输成本较高;同时,在以唯一主键散列存储的数据上查询非主键列上的范围条件,得到的命中数据较为分散,造成传输开销大和计算复杂度的问题.针对以上问题和基于高可用系统中数据存在多个备份的观察,本文设计了一种使用索引式备份的范围查询方法,通过将备份数据依据索引列重构实现范围查询友好的索引式备份,优化基于非主键列的范围查询任务.使用索引式备份的范围查询具有数据聚集的特点,能够有效减少数据传输成本、提高计算效率.实验结果显示,在TPC-H基准测试中,本方法相对于传统B+树索引方法具有8.4至16.7倍的性能提升,且具有较好的可扩展性."}
{"title": "基于用户分组的多用户偏好查询", "abst": "越来越多的用户希望能在满足自身需求的前提下,通过共享资源以提升资源使用性价比,如拼车等.在此类多用户偏好查询应用中,用户分组起到至关重要的作用.现有的分组算法在对用户进行分组时,未考虑用户对组内其他成员的偏好,导致用户满意度较低.本文提出一种基于用户分组的多用户偏好查询算法PQBG,算法将查询分为四个步骤:首先基于欧氏距离从全体查询用户中产生预选结果集;然后依据用户对查询对象的偏好相似度降序排列生成预选队列;接着利用组属性集合与组偏好集合筛选出最终的同组用户;最后为该组用户生成查询结果集.利用真实数据集对PQBG算法与其他三种查询算法进行比较,结果表明PQBG算法在查询时间和用户满意度上具有更高的查询性能."}
{"title": "基于时间因子的个性化新闻混合推荐研究", "abst": "互联网的爆发式发展带动了信息的增长,人类社会已由信息匮乏阶段转变为信息过载阶段,这也间接导致了互联网用户每天接收的数据信息质量参差不齐,同时用户也不再满足于只查看大众类的信息,而是更希望能够收到符合自己阅读兴趣的信息.个性化推荐帮助用户从海量数据中筛选出符合用户阅读兴趣的文章,帮助用户节省大量的时间和精力.但是传统的个性化推荐并不能高效合理地为用户生成推荐列表,因此本文提出基于时间因子的个性化新闻推荐算法,研究用户在不同时段的兴趣分布,提高了推荐精度.实验结果表明,考虑时间因子的混合推荐算法相比传统算法提高了推荐结果的精度."}
{"title": "基于MapReduce的改进CHI文本特征选择机制", "abst": "文本分类是一种有效组织和管理文本信息的数据挖掘方法.其中,特征选择是文本分类过程中最重要的环节之一.本文针对传统CHI特征选择算法忽略高频特征词和放大外围特征词权重的问题,提出一种基于MapReduce的CHI文本特征选择机制.一方面引入类内频率和类间方差,优化CHI方法的性能,从而提高文本分类精度.另一方面基于MapReduce模型对文本分类进行并行处理,提高了文本分类的执行效率.实验结果表明,基于MapReduce的CHI文本特征选择机制不仅能有效提高文本分类精度,也提升了文本分类的效率."}
{"title": "融入密度和距离的K-means初始簇中心优选方法研究", "abst": "K-means算法随机选取初始簇中心易导致聚类不稳定、准确率低等问题.为了解决上述问题,提出融入密度和距离的K-means初始簇中心优选方法.该方法首先选取距离最远的两个样本点进行贪心策略的密度聚类,形成两个临时初始簇,接着不断选取距临时初始簇质心距离乘积最大值点进行密度聚类,直到形成K个临时初始簇,最后在每个簇中选取核心点作为初始簇中心.在Letter数据集进行实验,证明所选取初始簇中心进行K-means聚类具有更好的稳定性、更高的准确率."}
{"title": "一种面向社区发现的高鲁棒性标签传播算法", "abst": "社区结构是真实网络普遍具有的拓扑特征,已经成为社交网络分析与挖掘领域的重要研究课题之一.研究社区结构对理解网络功能、揭示网络模式、分析网络行为等具有重要的研究意义.标签传播算法是速度较快的社区发现算法之一,但存在明显的缺陷,譬如划分社区不稳定、鲁棒性差等.为解决上述问题,本文提出一种有效改善标签传播的高鲁棒性算法(LPA＿D＿CC),算法首先根据节点度和聚集系数对网络中所有节点做影响力排序,根据影响力将网络中节点做初始划分,并对划分后的所有节点有条件的赋标签,最后根据标签传播过程对网络进行划分得到社区结构.在四种真实数据集上对算法进行实验与比较分析,结果表明,与原始LPA算法相比,该算法具有更高的准确性和稳定性,同时能够减少传播过程中的迭代次数,能快速收敛得到结果."}
{"title": "上下文敏感的复杂事件预测方法研究", "abst": "在智能交通系统流量预测的应用背景下,提出一种以复杂事件处理技术为基础的上下文敏感预测方法.首先采用模糊本体对历史事件上下文进行建模,再通过上下文聚类实现数据的划分,针对不同的数据学习对应的贝叶斯网络模型.实时预测时可根据当前事件上下文适应性选取贝叶斯网络模型或模型组合进行预测分析.实验结果显示该方法能有效的处理信息物理融合系统中事件数据流,并具有良好的预测性能."}
{"title": "基于服务情景的Ad Hoc网络服务发现", "abst": "在分析现有的Ad Hoc网络服务发现方法基础上,提出一种基于服务情景的Ad Hoc网络服务发现方法.该Ad Hoc网络服务发现方法在基于语义进行功能匹配的基础之上,对满足功能匹配所得到的候选服务集,进一步执行了基于服务情景约束的服务筛选操作和基于服务情景评价的服务排序操作,不仅在一定程度上提高了Ad Hoc网络服务发现的查准率,其服务质量也得到了有效改善.通过实验证明,与同类的Ad Hoc网络服务发现方法比较,本文提出方法在不增加时延、消息开销的前提条件下,在查准率方面具有较好的优越性."}
{"title": "一种基于分治策略的Huffman-LBP多姿态人脸识别", "abst": "局部二值模式(LBP)因计算简单以及对轻微光照、姿态变化的鲁棒性而被广泛应用于人脸识别领域,但其只能作用于一定的人脸姿态变化范围(-15°~15°).针对这一问题,本文提出一种利用分治策略进行人脸表达和分类的多姿态人脸识别框架.首先,区域选择因子(RSF)被用于对不同姿态的人脸图像进行划分并找到有效的人脸区域;其次,提出了一种基于Huffman编码的LBP特征提取方法,用于特征表达;最后,一种基于图像块(patch)的稀疏表达分类(patch-based SRC)策略被用于匹配和分类.本论文分别在CMU PIE和FERET人脸库上进行了实验,实验结果证明了所提方法对姿态变化的有效性."}
{"title": "自适应特征选取的鲁棒模糊聚类分割算法", "abst": "面对模糊C-均值聚类仅适合单峰特征数据集且噪声敏感问题,将马尔科夫随机场与特征选取高斯混合模型结合,提出一种基于马尔可夫随机场特征选取模糊聚类算法.在特征选取高斯混合模型聚类目标函数基础上,利用聚类像素所对应邻域内所有像素的分类先验信息并结合马尔可夫随机场理论,确定像素分类先验概率,并通过KL散度将其作为尺度参数引入到特征选取高斯混合模型聚类目标函数,采用最优化方法获取迭代求解的隶属度、聚类中心等表达式,并以此给出相应的图像分割算法.通过对噪声干扰标准灰度图像与脑部CT图像等的分割测试结果表明,本文所建议的算法是有效且具有良好的抗噪鲁棒性."}
{"title": "一种基于粒子滤波的时空上下文视觉跟踪算法", "abst": "为解决时空上下文视觉跟踪算法在目标处于遮挡及复杂背景情况下容易产生跟踪漂移的问题,提出了一种基于粒子滤波的时空上下文视觉跟踪算法.通过设置实验参数,自动选择第一帧目标所在的矩形区域,在后续帧跟踪的过程中,利用Bhattacharyya系数作为判断是否遮挡的依据,当目标发生遮挡时,引入粒子滤波对目标在后续帧中位置及运动轨迹进行估计和预测,实现了目标的精确跟踪.实验结果表明,该算法不仅能够适用于光照变化、目标旋转、背景区域干扰等复杂背景下的视觉目标跟踪,并且对目标的遮挡具有鲁棒性,满足实时性要求."}
{"title": "一种结合GMM和活动轮廓的混合型图像分割方法", "abst": "图像分割是图像处理和计算机视觉中一个基本问题.高斯混合模型(Gaussian mixture model,GMM)和活动轮廓(Active contour models,ACM s)是两类典型的分割模型,它们在目标函数和分割效果上均表现出互补性.引入logistic函数来衡量ACM中前景归属的不确定性,并与GM M的隐变量后验概率建立对应关系,从而搭建了ACM和GM M的双向通信桥梁.分别利用期望最大算法(Expectation-Maximization,EM)和梯度下降流优化这两类目标,结合区域统计信息和轮廓曲线的几何信息,提出了一个新型分割方法.首先,GMM传递自身的状态至ACM中,用于初始化活动轮廓曲线并构建区域项,进一步协助重表达Dirac函数并用于活动轮廓的演化.然后,EM过程从当前梯度下降流中获得反馈信息,用于高斯分支先验分布的动态估计.实验结果表明,通过双向通信,该分割方法可以快速收敛,在分割效果上也表现良好."}
{"title": "深度图像与骨骼数据的多特征融合人体行为识别", "abst": "运动人体的行为分析与识别是智能监控中的关键技术,研究有效的人体行为对智能视频推广与应用具有重要意义.为发挥深度图像与骨骼数据的优越性,将深度特征与骨骼特征结合进行人体行为识别,提出一种基于深度信息和骨骼数据的特征融合的人体行为识别方法.在深度图像方面捕捉行为线索,提取人体行为梯度、轮廓曲率的几何特征;在骨骼数据方面提取运动节点的多种特征,用人体行为轮廓比、角度差和距离差表征行为形态,达到结果只与行为分布有关的目的;运用一种多模型概率投票的识别分类机制,减小噪声对实验结果的影响.实验表明,该方法能够有效识别人体行为."}
{"title": "联合字典鲁棒稀疏表示的多聚焦图像融合", "abst": "针对多聚焦图像融合中源图像未精确配准的问题,本文提出一种基于联合字典的鲁棒稀疏表示和形态学滤波相结合的多聚焦图像融合方法.该方法首先从源图像中分别得到不同的子字典,并将不同的子字典拼接成一个联合字典;接着使用联合字典对源图像进行鲁棒稀疏表示,分别得到稀疏系数X与重构误差E,并将两者的加权二范数和作为判别依据,以此得到初始的融合决策图;为了减少源图像未精确配准带来的融合误差,提高融合的鲁棒性,本文提出使用形态学滤波与高斯滤波对初始的融合决策图进行处理,从而获得最终的融合决策图;最后根据该融合决策图对源图像进行加权融合,获得融合图像.实验结果表明,该方法的融合结果无论从主观视觉效果还是客观定量评价,都优于一些主流的多聚焦图像融合方法."}
{"title": "一种改进粒子群的工业机器人时间最优轨迹规划算法", "abst": "针对工业机器人运动轨迹的时间优化问题,对工业关节型机器人的运动轨迹进行分析与研究.依据机器人运动学特征,提出一种时间最优轨迹规划的算法.对采用动态变化学习因子策略的粒子群算法进行高次多项式插值,进而完成机器人运动轨迹的拟合.在保证运动轨迹时间最优的同时,优化了基本粒子群算法局部收敛的不足.最后,通过MATLAB对工业机器人关节运动轨迹进行仿真,实现了精确稳定的时间最优轨迹规划.本文提出的算法相比于其他路径规划算法更易于实现,同时还改善了粒子群算法易局部收敛的问题,能够实现工业机器人时间最优轨迹规划."}
{"title": "一种深度学习的单幅图像去雾方法", "abst": "雾被认为是户外图像降质的主要因素,单幅图像去雾是一项具有挑战性的任务.大部分去雾算法以一定的先验知识或约束条件为前提,依靠人工提取的雾相关特征(如暗通道、色调差异和局部对比度等)实现的,去雾效果稳定性差.为突破人工特征的局限性,本文提出一种基于深度学习的图像去雾方法.首先利用自编码网络,通过无监督学习方式得到雾特征图序列;然后利用深度卷积网络,映射出特征图序列对应的场景透射率;最后依据大气散射模型恢复出无雾的图像.为了训练自编码网络和深度卷积网络,预先人工合成一个包含室内、室外多场景有雾图像和对应透射率图的数据库,作为训练样本.实验结果表明,无论在自然还是合成的有雾图像上,本文方法比传统算法的去雾效果更明显、稳定性更强;即使针对包含大面积水面区域的有雾图像,也有清晰自然的去雾效果.最后,对实验结果定性和定量分析,表明本文方法能够有效估计出透射率图,恢复出理想的无雾图像,具有较好的场景通用性."}
{"title": "签到数据的热点区域时空模式与情感变化的可视化分析", "abst": "签到数据是包含经纬度位置信息和文本内容的微博数据,这些数据对于基础设施规划、土地价值评估和消费推荐都有十分重要的作用.本文提出了一种新颖的可视化交互系统CIDVis.CIDVis使用AC-DBSCAN算法对签到数据进行聚类,发现用户签到较为频繁的热点区域,并利用百度地图API动态展示这些区域的时空变化趋势,探索微博用户的签到模式.接着,利用中文分词,特征值提取等文本挖掘技术对微博内容进行情感评分,获得各个热点区域的用户情感倾向变化.同时,利用LDA模型执行隐含主题挖掘,发现微博主题的变化规律.以昆明市2015年7月-11月的新浪微博签到数据作为数据源,验证了该可视化系统的有效性.实验结果表明CIDVis系统提供多种直观、交互式的可视化组件,能帮助决策者分析微博用户的出行规律、情感变化和热点主题."}
{"title": "针对高维数据的动态网格子空间聚类算法HDGCLUS", "abst": "目前涌现出大量高维的基因表达数据、图像、文本数据,高维数据对传统的聚类分析方法提出挑战.CLIQUE是最早提出在子空间中搜索稠密簇的聚类算法,它综合了基于网格聚类和基于密度聚类的算法特点,从单一维度开始自底向上地搜索子空间中的簇.但由于算法复杂度与参数敏感度较高,同时它采用的固定网格划分、MDL剪枝等技术,容易破坏密集区域的边缘或者丢失一些有用信息,使得算法在处理高维数据时不能满足效率、准确率等方面的性能要求.本文基于CLIQUE提出了改进的HDGCLUS(High-Dimensional Genomic data subspace CLUStering)算法,HDGCLUS采用基于稀疏区域的动态网格划分技术,实现了网格的动态划分和稠密区域的动态合并,并加入了边界调整技术,减少了初始候选密集单元个数,避免了人工输入网格参数和边界数据信息的丢失,提高了聚类质量和算法效率.同时HDGCLUS采用静态剪枝和信息增量动态剪枝相结合的技术,进一步降低了算法复杂度,优化了算法性能,并在真实数据集上取得良好的实验效果."}
{"title": "实时云办公系统下文件管理的一致性维护研究", "abst": "随着网络的高速发展,云环境下的工作越来越受欢迎,用户体验的要求也越来越高,云环境下的协同工作研究也逐渐成为现在协同工作发展的主流,基于此,传统的点对点分布式下的协同工作已经不能满足网络发展带来的需求变化.本文针对云环境下新的架构体系和更高的实时性要求等新特性,提出改进COT算法使其适应集中式架构,减少不必要的传输数据,减少查询转换时间来达到更高的实时性要求;本文将云存储下的文件模型改进成协同云办公文件管理系统,并针对文件模型中文件节点的三个操作Create,Delete,Rename将改进的COT算法应用到协同办公系统下文件管理中.此外,本文开发了基于WebSocket的跨平台的实时云办公文件管理系统:CloudFileSystem来验证算法的可行性和有效性."}
{"title": "一种概率模型的Docker镜像删减策略", "abst": "如今容器技术在服务部署和DevOps应用越来越广泛,镜像作为运行环境的数据承载主体,为服务容器化提供了基础保证.但镜像往往占用很大存储空间,并且磁盘及网络I/O开销也很巨大.传统的解决方法主要是直接删除镜像中部分内容,缺点是可能会破坏镜像本身的功能.另外,传统方法都没有考虑镜像在本地存储时,通过共享镜像层来减少存储开销.在本文中,我们提出了一种镜像数据的删减策略,使得镜像在本地存储时,通过增大本地基础镜像复用率,减少镜像存储时的磁盘存储开销;对于要导出的镜像,我们先动态收集容器运行过程中访问到的文件,同时建立导出概率模型,预测可能需要的其他文件,实现对导出镜像按需构建,从而在减小导出镜像大小的同时,保证导出镜像的功能完整性.实验结果显示,在本地存储时,最多可以使存储空间开销节约8%;导出的镜像减小了61%."}
{"title": "机会网络中基于社团的能量均衡路由算法", "abst": "基于社会的机会网络节点移动表现出时空受限特性,针对这一社会特性,本文提出了基于社团的能量均衡路由算法.首先,根据节点移动的时空受限特性,构建了时空受限的移动模型,在该模型中节点的移动受到时间和空间的限制;其次,综合考虑节点的移动特性和节点剩余能量提出了社团内和社团间的消息传输策略.在社团内,选择与目标节点相遇概率高且剩余能量高的节点完成消息传输.在社团间,根据节点相遇概率、相遇周期和剩余能量选择不同社团间的最优路径.仿真实验表明,该算法与CMOT、PRo PHET、Epidemic等经典算法相比,不仅保证了消息高传输成功率,而且均衡了节点能量,延长了网络生存期."}
{"title": "基于堆叠降噪自编码机的广告博文识别方法", "abst": "在针对广告博文进行识别过程中,首先构建文本特征向量和人工定义的特征向量,使用堆叠降噪自编码机对这两种特征向量进行处理,获得处理后的两种特征向量,然后将得到的这两种特征向量进行组合得到第三种特征向量.最后将这三种特征向量用于最大熵分类模型的训练,依据实验结果找出分类效果最好的模型,使用该模型对博文进行处理过滤掉其中的广告博文,实验证明得到的最大熵分类模型的P、R、F可达到65.58%、87.9%、75.12%,能有效识别绝大多数的广告博文."}
{"title": "基于结构张量和各向异性平滑的DTI去噪", "abst": "扩散张量成像(Diffusion tensor image,DTI)是一种磁共振成像技术,可以提供白质纤维的走行等独特信息,且具有非侵入和不需要造影剂等优点,因此在理论研究和临床应用领域引起了极大的关注.然而在DTI成像过程中,由于受噪声的影响,导致获得的图像边缘信息模糊不清,给病灶的识别带来了难度.为了减少噪声对DTI图像的影响并且有效地保留边缘结构信息,通过结合结构张量和各向异性平滑技术提出一种新型的DTI去噪方法.首先利用结构张量将DTI图像中的像素分成均匀平坦区域和边缘轮廓区域,然后在均匀区域内进行各向同性滤波,而在边缘轮廓区域进行各向异性平滑处理,从而得到去噪后的DTI图像.实验结果表明,基于结构张量和各向异性平滑的DTI去噪方法明显降低了噪声的影响,同时有效地保留了图像的边缘结构信息."}
{"title": "深度卷积神经网络在音乐风格识别中的应用", "abst": "目前大多基于时间特征的音乐风格识别问题分类性能不佳.鉴于卷积神经网络(CNNs)捕获信息特征能力较强,本文使用CNN提取音乐信号中的多种特征并进行分类.首先采用harmonic/percussive sound separation(HPSS)算法把原始音乐信号谱图分离成时间特征谐波分量和频率特征冲击分量,并联合原始谱图一起作为CNN的输入;其次对生成图像作仿射变换以及使用PCA改变训练图像中RGB通道的像素值从而扩大数据集;最后设计了CNN的网络结构以及研究了该网络结构中不同参数对识别率的影响.在GTZAN数据集上的实验表明本文的方法可以有效改善使用单一特征的音乐风格识别."}
{"title": "信息物理系统可调度性分析的执行时间优化方法", "abst": "针对信息物理系统(CPS)中物理连续进程与计算离散进程实时交互任务集的可调度性难以准确、快速地分析,提出一种基于有限状态机(FSM)的执行器状态自动机(ASA)分析方法.首先将CPS调度性问题转换为自动机状态位置的可达性问题进行分析,定义了状态转移约束条件,并采用超致密时间模型表达全局时间信号,然后建立ASA与FMS的状态关系映射,证明ASA可达性判定问题.最后提出一种基于决策树的ASA状态集分类搜寻策略(DT-ASA*),通过Ptolemy II平台建立DT-ASA*策略模型并分析其精确性、执行时间及内存使用率,仿真结果显示系统模型预测值与实际值基本一致,但仍然存在过度匹配的现象,使用模型预测任务状态能极大减少执行时间,但同时会消耗更多内存资源."}
{"title": "一种PMC模型下的系统级故障诊断烟花算法", "abst": "为了快速和有效地诊断出大规模多处理器系统中的故障结点,首次将烟花算法应用于系统级故障诊断中.充分利用烟花算法具有很好的全局搜索能力和局部搜索能力的自调节机制特点,结合PMC模型的故障诊断模式特点设计约束方程,提出新的适应度函数,并优化了变异算子以及选择策略,得到系统级故障诊断优化算法.仿真实验表明该算法具有很好的稳定性和收敛性,并证明了算法的有效性."}
{"title": "一种节点高稳定状态的应用层组播方案", "abst": "组播技术从IP组播到应用层组播的发展,解决了IP组播部署困难的问题.应用层组播采用终端主机转发数据的方式,在一对多的媒体内容分发方面具有广阔的应用前景.由于终端主机灵活性高,可随意退出组播树,在传输数据时易中断的特点,因此需要解决应用层组播的稳定性问题.首先分析了影响应用层组播稳定的三个因素:节点的转发能力、稳定状态和节点间通信延时.其次根据这些约束条件抽象出T-DTD(Spanning tree based on degree-constrained,max on-session time and depth bound for ALM)模型,最后给出稳定度因子在T-DTD下的表达形式,并据此提出一种适用T-DTD模型下的DTD-H(DTD-heuristic)算法,模拟实验证明该算法在降低平均时延、最大延时和提高稳定度方面有明显作用."}
{"title": "高效低时延的太赫兹无线个域网双信道MAC协议", "abst": "\"针对现有的太赫兹无线个域网双信道MAC(medium access control)协议存在信道利用率低,数据传输延迟较大问题,提出了一种高效低时延的太赫兹无线个域网双信道MAC协议--ELD-MAC(Efficient and LowDelay dual channel MAC protocol).ELD-MAC协议通过采用\"\"自适应省略RTS/CTS帧交互过程\"\"机制,可以省去RTS/CTS帧交互过程来减少控制开销;采用\"\"精简测试帧\"\"机制,去掉4字节无用数据字段,来减少控制开销;从而达到提高信道利用率、降低数据传输延迟、提升网络性能的效果.仿真结果表明,相较于TAB-MAC协议,信道利用率提高了11.39%,数据平均延迟降低了12.63%.\""}
{"title": "TPM 2.0密钥迁移协议研究", "abst": "国际规范《TPM-Rev-2.0-Part-1-Architecture-01.38》允许用户基于密钥复制接口来设计密钥迁移协议以实现芯片间密钥的共享,并在复制过程中通过innerwrap和outerwrap为复制密钥提供机密性、完整性和认证性.本文首先对规范《TPM-Rev-2.0-Part-1-Architecture-01.38》中密钥复制接口进行了深入分析,讨论了密钥复制接口中innerwrap和outerwrap存在的不足;然后基于密钥复制接口设计了密钥迁移协议,并发现该密钥迁移协议存在的三个问题:(1)是缺少交互双方TPM的相互认证,会导致密钥能够在敌手和TPM间迁移;(2)是当复制密钥的属性encrypted Duplication=0且新父密钥的句柄newParent Handle=TPM_RH_NULL时,复制接口不能实施innerwrap和outerwrap,复制密钥将以明文传输而造成泄露;(3)是当新父密钥是对称密钥时,innerwrap中的对称加密密钥以及outerwrap中的密钥种子如何在源TPM与目标TPM之间安全交换,《TPM-Rev-2.0-Part-1-Architecture-01.38》并没有给出具体的解决办法.最后通过模拟实验证明了这三个问题确实存在."}
{"title": "路网环境下基于Unit模型的位置隐私保护方法", "abst": "基于位置的服务(LBS)为人们的日常生活带来很大便利,然而由此引起的用户隐私泄露问题也同样受到人们的关注.用户向LBS提交查询时必须提供确切位置信息,攻击者可根据用户的位置信息推断出该用户的私人信息进而做出一些违背道德法律的事情.为解决这个问题,现有的大部分空间匿名技术将用户的位置进行泛化,然后再发送到LBS服务器.本文基于路网环境提出一种新的路网模型,并以该路网模型提出一种新的路网匿名方法.首先,针对路网环境提出Unit路网模型,将道路网络划分为小的匿名单元,然后对匿名单元采用希尔伯特编码进行排序,为后面产生匿名区域和匿名区域扩展打下基础.其次,提出基于Unit路网模型的位置隐私保护算法.为保证服务质量,匿名区域的总长度不能超过一定的长度限制.因此在扩展匿名区域的时候只考虑有活跃用户的匿名单元.第三,提出在匿名区域内添加假用户的方法来提高匿名成功率.最后,基于理论分析和实验验证,证明了上述算法的有效性."}
{"title": "高效的基于身份RSA多重数字签名", "abst": "作为一种经典密码系统,RSA密码体制是工业加密的标准.现有的许多重数字签名算法大多是基于传统的PKI公钥体制而构建的,然而,由于公钥体制中复杂管理的证书问题,当应用到移动自组网中时会给用户带来沉重的计算负担.为了删除证书的复杂管理,在RSA密码体制下,通过结合基于身份的密码体制和多重数字签名算法,提出了一种高效的安全的多重数字签名方案.该方案通过引入一个密钥产生中心为用户产生密钥,删除了复杂的证书管理问题.同时,该方案在随机预言模型下被可证明是安全的,它的安全性基于强RSA假设.通过与现有的几种多重数字签名方案相比,该方案在计算量上具有较大优势."}
{"title": "一种保护链接关系的分布式匿名算法", "abst": "\"随着在线社会网络的发展和普及,社会网络用户呈爆炸式增长,面对海量的社会网络数据,传统的隐私保护技术已不能满足实际需求.因此,提出一种能够抵抗节点重识别攻击和边泄露的分布式社会网络隐私保护方法 DAPLR(Distributed Anonymous Protecting Link Relationships),该方法基于分布式图处理系统Graph X编程模式遵循\"\"节点为中心\"\"的特点,通过节点间的消息传递将互为N-hop邻居的节点分为一组,有效地保护了节点的链接关系,然后利用Graph X对分组中节点进行标签kanonymity.实验表明,DAPLR方法提高了处理大规模社会网络数据的效率,发布的匿名数据具有很好的可用性.\""}
{"title": "结合用户互动加权图的社交网络链接预测", "abst": "链接预测是社交网络研究领域的热点问题,对网络演化理论研究以及个性化推荐、社区发现等应用研究具有重要的价值.已有的链接预测方法很难适用具有多样性、加权性的用户关系构成的社交网络.针对此问题,提出一种基于用户互动关系加权图的链接预测方法.首先探讨了节点及路径相结合的局部图链接预测方法 RALP的合理性.然后对用户互动行为进行分析,提出将可靠路径与RALP相结合的加权网络链接预测方法 PWRALP.最后在新浪微博的真实数据集上进行对比实验,结果表明,相较于加权网络的其它方法,PWRALP获得了较好的AUC指标和Precision指标,链接预测结果准确率更高."}
{"title": "隐私保护的可验证外包属性基解密方案", "abst": "传统CP-ABE的访问控制方案,存在两个问题:由于访问策略的公开性,可能会泄露用户隐私;在进行计算外包密钥时,计算量随着属性个数而线性增加.本文提出可验证外包解密的策略隐私保护的访问控制方案,利用属性布鲁姆过滤器,隐藏属性与矩阵的映射关系,实现完全隐藏访问策略;同时设计有效外包密钥生成算法,外包密钥生成中模指数运算降低至固定常数,对转换密文的正确性进行验证,确保转换密文未被非法替换,解决了上述两个问题."}
{"title": "使用程序分析和特征识别方法过滤网页广告", "abst": "网页广告已经成为互联网生态系统的主要经济来源,但随着恶意广告的传播和泛滥,越来越多的网页广告跟踪、窃取用户的隐私数据,对用户的信息安全构成了威胁.因此,大多数用户倾向于在浏览器上安装广告过滤器.现有的广告过滤器,如Ad Block Plus,通过维护一个大的黑名单列表来过滤广告,需要不定期更新列表,运行、维护的代价很大.为此,本文提出了一种结合网页代码静态分析和特征识别的方法来实现广告的自动过滤.该方法首先通过一个简短的过滤列表来过滤确定的广告(Java Script文件),然后对其余的Java Script文件进行静态分析并提取出一系列特征向量,进而训练分类器得到广告识别模型.最后实现了一个Chrome浏览器插件Tri Filter,来完成广告的识别与屏蔽.实验结果表明本文方法在准确率和召回率方面优于现有的广告屏蔽工具."}
{"title": "利用数据冗余性的高速缓存压缩校验技术", "abst": "现代计算机采用高速缓存弥补处理器和存储器之间日益增大的性能差异,因此高速缓存中数据的错误将会导致程序出错甚至系统崩溃等严重后果.然而随着摩尔定律的发展,在空间应用等苛刻计算环境中错误的复杂度越来越高,导致容错开销不断增加.本文提出一种基于数据存储特征的压缩校验策略,分析程序的数据冗余特征,针对频繁出现的全0型数据,重复值型和相邻数相近值的三种数据分别压缩.为了合理利用压缩节省的存储空间提高空间利用率,提出了支持多个标签的高速缓存结构.最后,针对压缩的数据进行校验,减小冗余信息和相应的校验位的存储空间.基于SPEC2006的模拟评测结果显示,本文设计的方案将高速缓存的命中率平均提升了5.92%,单核IPC平均提升15.1%."}
{"title": "一种自适应分类重用距离来捕捉热数据的缓存算法", "abst": "缓存算法在构建一个大的存储系统的存储器层次结构中起着重要作用.许多的缓存算法都集中在利用块的新进度(Recency)和访问频率(Frequency)来确定该块是否为热数据块.然而这里存在两个问题,首先热数据块的热度是有时间限制的,其次算法并没有考虑数据块还具有重用距离等其它特征.因此如果仅仅考虑将相同访问频率的数据块放在一起,那么热数据块之间必然会产生缓存污染问题.因为算法无法保证短的重用距离的热数据块的缓存驻留时间小于长的重用距离的数据块.针对这一问题,本文提出一种名为自适应分类重用距离的缓存算法(ACRD).算法利用数据的重用距离特征和缓存替换的元数据历史信息来深度挖掘数据访问模式的特征,并以一种自适应的方式实现这种热数据识别和缓存时间分配的问题.实验结果表明,算法的性能明显优于LRU算法,并且在许多场合优于目前比较优秀的LIRS和ARC算法.同时,算法在不同的缓存规模下的命中率具有稳定性."}
{"title": "云环境下性能监测数据预处理方法研究", "abst": "基于性能监测单元(performance monitoring unit,PMU)的分析技术对深入理解程序运行特征十分重要,也是性能优化的重要依据.在云计算环境下,由于机器数目庞大,PMU起着更为重要的作用.然而性能计数器却存在监测效率低,数据质量不高的问题.从两方面对这一问题进行了研究:缺失值的填充和异常值的替换.对缺失值,采用回归方法来进行补全;对异常值,采用局部滤波的方法进行过滤.提出了基于知识库的数据预处理方法(KBDP)将监测效率提升了2-5倍,综合分析了使用PMU对程序执行造成的可能影响,处理后的结果与参考值的相似度高于80%,最高达95%."}
{"title": "复杂软件群体网络社团中关键节点挖掘算法", "abst": "开源软件社区中的软件或大型软件系统往往由很多可以独立运行而且具有交互行为的软件系统或软件组件组成,这些软件组件及其配套软件组成软件群体,并且它们之间相互影响相互作用.软件群体中的关键软件对提高软件系统维护效率减少维护成本至关重要.先前的学者从静态分析和动态分析的角度对单个软件进行了建模分析,得出了软件内部类的社团结构,但没有分析软件之间所具有的交互关系.本文从软件群体交互的角度提出了一种复杂软件群体网络中关键节点挖掘算法SGCPMining.首先,定义了软件群体,利用软件群体中软件与软件之间基于类库依赖,数据交换,数据共享,互相调用等信息流构建了基于时序及交互量权值的复杂软件群体网络模型及软件交互模型.其次,在软件交互模型的基础上,设计了社团支持度与边介数阈值支持度两种修剪阈值来得到用户感兴趣的挖掘结果,提出了一种复杂软件群体网络中的社团结构发现算法SGGroup Mining.第三,在发现的社团结构中提出了一种基于节点度的关键节点发现算法SG-CPMining.最后,从开源平台中采集软件交互数据,组建了软件交互网络模型,高效的挖掘出了软件群体中的社团及关键节点."}
{"title": "基于用户偏好和动态兴趣的多样性推荐方法", "abst": "协同过滤是目前解决信息过载问题的主要方法之一,然而其推荐的多样性不足,且在冷启动场景下推荐效果较差.提出了基于用户偏好和动态兴趣的多样性推荐方法 DRMUD(A Diversified Recommendation Method Based on User Preference and Dynamic Interest).首先通过对用户历史反馈数据分析用户的多样性偏好,得出用户的多样倾向度;然后引入时间衰减函数,动态调整用户的历史评分数据;最后将矩阵分解和项目疲劳函数相结合,并加入多样倾向度调节两者所占比重.当新用户加入系统时,通过网格索引为其产生最信任邻居,新用户缺失的反馈信息由最信任邻居代替.实验结果表明,DRMUD算法有效缓解了用户冷启动问题,并能在保证准确率的前提下提高推荐结果的多样性."}
{"title": "电影评分的自编码网络预测研究", "abst": "协同过滤中普遍存在评分矩阵的稀疏性问题,其直接影响评分预测的准确度.部分矩阵填充方法需要利用评分以外的文本信息,存在获取困难的问题.针对电影评分数据冗余且分布不平衡的特点,本文采用自编码网络来提取用户评分的隐含特征.所得特征一方面近似表达了评分信息;另一方面有助于将评分预测问题转换为多分类问题,从而得到解决.在此基础上,通过调整输入节点与隐层节点的连接状态,缓解了稀疏性对评分预测的影响.在Movie Lens数据集上的实验结果表明,本方法取得比SVD更低的MAE值,为处理评分冗余且分布不平衡的稀疏矩阵形成支撑."}
{"title": "点云无损压缩并行算法研究", "abst": "为了提高三维场景建模效率,保证场景数据变化实时更新,对大场景点云数据的压缩、存储及传输问题进行研究.针对LASzip串行算法处理速度慢、CPU利用率低下的问题提出基于单机多核CPU环境,设计实现多核架构下基于OpenMP的并行算法OMP-LASzip,充分利用多核处理器的计算能力,多线程分块并行压缩点云数据.实验结果表明,与原串行算法相比,并行算法在压缩率损失约1%的前提下,取得较好的加速比,负载均衡.同时随着核数增加,加速比也在增加,验证了其可行性、有效性和可扩展性,基本满足了点云数据无损压缩实时传输的需求."}
{"title": "融合评分-评价一致性和多维时间序列的虚假评论识别方法", "abst": "在线商品评论是指导客户购买行为的重要依据.虚假的评论无疑严重地误导消费者,为营造公平公正的在线购物环境带来巨大挑战.前人的研究主要分别依据评分或评论进行检测,一方面,研究成果没有斟辨评论内容与其评分的一致性,因为很多不真实的评论与其评分是不一致的;另一方面,研究成果没有考虑评论时间对识别虚假评论的影响,因为虚假评论使得一段时间内评论数量及评分会出现突变.因此,本文提出融合评分-评价一致性和多维时间序列的虚假评论识别方法.首先,根据在线商品评论的特点,分析评论文本的情感极性,判断与其评分的一致性;其次,考虑时间因素对评分及评论数量的影响,构建基于多维时间序列的虚假评论检测模型;最后,使用将抽取的多个虚假评论特征进行融合,构建出虚假评论检测分类器.通过实验对比验证了本文方法的有效性."}
{"title": "融合并行投票决策树和半监督学习的鼠标轨迹识别方法", "abst": "本文针对已有鼠标轨迹识别方法存在的问题,提出了一种基于并行投票决策树的半监督鼠标轨迹识别方法.首先,本文对鼠标轨迹进行分析,根据多尺度特征思想提取出包括局部轨迹在内的105个特征,并对鼠标轨迹特征进行了划分.其次,本文提出了鼠标轨迹识别的半监督学习方法,避免过拟合和数据噪声的影响.最后,为了提高方法的效率,本文提出并行投票决策树模型,训练多尺度特征,对人的鼠标轨迹和机器鼠标轨迹进行分类.实验结果显示,本文方法具有较好的性能."}
{"title": "基于Map-Reduce的向量空间约束连接路径查询方法", "abst": "随着交通路网、社交网络等与空间位置有关的新型服务逐渐增多,向量空间数据规模正以极快速度增长和累积,传统数据处理技术在大规模向量空间数据上的执行效率及结果集优化等方面面临着巨大的挑战.本文提出一种基于Map-Reduce的向量空间约束连接路径查询算法,首先,算法在向量空间上进行等边距网格划分,以距离为阈值进行约束连接;其次,利用MapReduce框架,通过节点到单元格的筛选、节点所在约束区域的筛选、单向边集合的筛选以及节点到节点的距离筛选的四阶段筛选策略找到满足约束条件的全部备选路径,从而减少大量的文本复制和路径计算过程.实验表明,本文提出的算法具有较高的执行效率和较低的误差率."}
{"title": "基于混合粒子群优化的贝叶斯网络结构学习方法", "abst": "从数据库中学习贝叶斯网络结构是一个NP难问题.针对此问题,本文提出一种基于遗传算子的粒子群优化算法.首先,利用最大权生成树算法得到初始种群,然后采用遗传算法中的变异和交叉规则优化初始种群,结合贝叶斯网络的结构特点,并设计粒子位置更新策略将学习贝叶斯网络结构的过程转化为粒子寻找最优位置的过程.在学习过程中利用贝叶斯信息标准值作为粒子的适应度函数值,在保证求解质量的同时,加速了搜索过程;为了避免过早收敛,对局部较优的部分粒子和全局极值采用混沌优化策略.最后,利用标准的Alarm和Asia网络模型,验证了本文算法的有效性及可行性.与其他算法相比,新算法在保持较快收敛速度的前提下,具有更好的求解质量."}
{"title": "采用可变时间窗口的TIF-LDA微博主题模型", "abst": "微博是社交网络的主要形式,其短文本和时效性的特点能够体现出当前大众最新兴趣取向.微博文本不同于传统文本,其时效性的特点使得在对其进行主题挖掘时容易忽略时间因素而造成结果不准确.针对此问题,提出了采用可变时间窗口的TIF-LDA微博主题模型对微博主题分析做出时间限定,并基于微博发布的时间为微博词条添加时间权重,使用词条的时间权重之和作为词条在LDA主题挖掘计算中的影响因子.实验结果表明,相较于标准的LDA主题模型,本文所提模型能够更加准确地反映用户最新的关注热点."}
{"title": "煤矿灾害漂移特征的反走样模型及多级预警方法", "abst": "煤矿微震信号在研究震动特征、衰减规律、灾害评估方面起着至关重要的作用.但由于受到地质构造、能量损耗等因素影响,同一种类灾害的微震波信号在时间域上传播会出现减缓或加剧等数据漂移现象,影响煤矿灾害预警的准确性.因此,本文提出的预警方法首先引入音频识别领域中的动态时间规整算法(DTW)构建反走样模型,将实时微震感知数据与历史灾害数据模板波形进行相似性拟合,识别是否为灾害信号;其次,若感知数据是灾害信号,在相似性拟合过程中,为确定感知数据与灾害模板波形匹配的起始点,实现实时匹配,本文提出一种可变滑动窗口策略实现波形的对齐,通过感知窗口渐进滑动的方式找出感知灾害波与模板波的起始对齐位置,保证信号对比的准确性;最后,基于窗口匹配策略及煤矿灾害波形的特点,提出多级预警机制,以1/N窗口大小作为预警阈值,逐步提高预警级别.实验表明,本文提出的预警方法具有更高的准确性和实时性."}
{"title": "《小型微型计算机系统》机器学习专栏征文", "abst": "[正文]机器学习作为人工智能的核心技术,已经在许多领域得到应用,发挥重要作用.近年深度学习在语音识别与计算机视觉领域取得巨大成功.目前,机器学习研究者大多致力于特定场景特定任务的数据变换、聚类发现或者是分类回归建模.然而,随着机器学习技术的不断发展,人们对它的期望也不断提高,人们不再满足于场景固定、目标明确的学习任务,开始尝试开放环境"}
{"title": "基于区域合并的FCM图像分割改进算法", "abst": "针对现有模糊C均值聚类(FCM)算法易出现过分割现象,分割效果不够理想等问题,本文提出了一种基于区域合并的FCM改进算法.该算法首先使用快速广义模糊C均值聚类算法(FGFCM)获得初始分割;然后综合考虑各区域间的邻接关系、颜色差异和边缘信息,计算各邻接区域间的距离;最后依据区域间距离和区域面积对初始分割区域进行合并,得到最终分割结果.实验证明,所提出的算法有更好的分割性能,有效解决了现有FCM分割算法中的过分割问题."}
{"title": "一种改进的海洋场景中反射光学效果实时渲染方法", "abst": "针对目前海洋场景中,海面反射光学效果真实感和实时性较不完善的问题,提出一种基于渲染到纹理(RTT)和投影反射矩阵的改进方法.首先,根据快速傅里叶变换(FFT)理论,采用由风力驱动的长短波统一的方向谱,解决海浪建模时控制因素较多所引起的波浪运动单一性问题;然后,在海洋双向反射分布函数模型下,以渲染到纹理的技术为基础,对标准的投影反射矩阵进行修改,同时引入控制因子,将投影纹理进行矩阵变换,改善目前海面倒影静止且不可控的渲染结果;最后,在投影反射计算中,重定向反射平面,消除由于修改反射矩阵所造成的反射纹理被过度剪裁的现象."}
{"title": "一种基于HSVG-SURF特征的鱼类图像检索算法", "abst": "鱼类图像具有丰富的颜色和纹理特征,传统的多特征鱼类图像检索采用多特征向量合并方式将颜色与纹理特征合并后进行鱼类图像检索.这种多特征合并方式对表达多种特征的能力较弱,合并后的多特征向量无法有效地将鱼类的颜色与纹理特征进行融合,从而影响了鱼类图像检索算法的性能.针对以上问题,本文在基于灰度图的SURF特征提取算法的基础上提出了基于HSVG四通道的SURF特征图像检索方法,该算法能够有效融合图像中的纹理信息和颜色信息,按通道匹配特征后加权进行鱼类图像检索还可以对鱼类图像背景信息有一定的抗干扰能力.为了验证本文所提算法的有效性,课题组在澳大利亚昆士兰大学提供的QUT_fish_data数据集上进行了仿真实验,实验结果表明,本文所提算法在较大规模数据集以及鱼类自然场景下都具有较好的鲁棒性和准确率."}
{"title": "改进超分辨率卷积神经网络和字典学习的图像超分辨率重构算法", "abst": "为了提高图像超分辨率重构效果,在保留结构化信息的同时弥补高、低分辨率图像之间的高频信息损失,本文结合深度学习方法,提出了一种基于改进超分辨率卷积神经网络和字典学习的图像超分辨率重构方法.首先使用卷积神经网络所学习到的结构化的图像信息训练一个端到端的图像超分辨率重构模型,再采用字典学习模型对图像残差部分的高频信息进行补偿,从而获得具有更好视觉效果和峰值信噪比的高分辨率图像.实验结果表明,本文算法在主观评价上比其他代表性算法更加清晰并且较好的恢复了高频信息,提高了峰值信噪比值."}
{"title": "一种浮动车技术的道路行程时间估计方法", "abst": "针对现有基于浮动车技术的道路行程时间估计方法无法满足在不同浮动车占有率情况下对于估计精度要求的不足,利用前一时刻平均速度的稳定性和当前浮动车采集的平均速度精确性的优点,根据浮动车占有率动态分配权重,实现了较为精确的路段平均速度估计,从而实现了对路段行程时间的较为精确的估计.进而,针对在浮动车占有率高于预定值的情境下,提出的方法所存在的因浮动车采集的平均速度波动性导致的估计波动问题,本文提出基于加权融合的估计波动性平滑方法,使用加权平均的融合方法将基于浮动车的估计结果和固定检测器估计结果进行融合,有效降低估计波动.实验表明,本文提出的基于浮动车技术的道路行程时间估计方法在不同的浮动车占有率情况下估计结果的平均相对误差不超过0.7%,具有较高的估计精度,因此可适用于不同浮动车占有率情况下的道路行程时间估计."}
{"title": "面向轴向误差约束的小线段过渡算法", "abst": "针对工件加工过程中对轴向加工精度的要求,提出了一种基于轴向误差的小线段加工轨迹规划方法.首先,根据最大允许轴向误差值,给出了系统在特定方向上允许的最大轮廓误差值的计算方法;为了减少加工路径的数据量,根据最大轮廓误差间除加工路径上的冗余点,生成新的加工路径;然后通过插入圆弧实现加工路径拐角过渡.同时,为了保证加工误差符合系统要求,根据冗余点处所允许的最大轮廓误差值,再次调整过渡圆弧的参数.实验结果表明,算法在将轴向加工误差限定在系统范围内的基础上,可以有效减少加工路径数据量,提高加工效率和加工质量."}
{"title": "求解混合多处理机任务作业车间调度的改进粒子群算法", "abst": "针对车间生产制造中,工件的一道加工工序需要不止一台处理机(工人、设备等)同时加工处理的情景,建立了混合多处理机任务作业车间调度模型,并针对粒子群算法容易陷入局部最优提出一套改进粒子群算法用于求解该问题.其中,对粒子群算法的改进工作包括:提出编码机制和解码机制、设计迭代机制和为了尽量避免早熟而引进的变异机制.利用提出的改进粒子群算法对JSP问题经典算例进行求解,以验证该算法的有效性与稳定性,之后对混合多处理机任务作业车间调度问题的算例进行仿真分析,实验结果表明该算法有效提高了处理机的利用率,缩短了最大完工时间."}
{"title": "数控系统中指令点纠正平滑处理算法", "abst": "针对数控系统中小线段平滑加工的需求,在分析现有小线段平滑加工算法不足的基础上,提出一种指令点纠正平滑处理算法.该算法根据小线段间的几何关系将数控程序表示的刀具路径划分为连续区域和非连续区域.对非连续区域,通过圆弧纠正方法,减少刀具路径生成过程中产生的异常指令点.针对处理后刀具路径上的连续区域,提出一种三次样条指令点纠正方法,对指令点的位置进行进一步的修正.在满足加工精度的条件下,基于NURBS曲线,通过对修正后的指令点进行拟合,对刀具路径进行平滑处理.仿真结果表明,该算法可以对刀具路径进行有效纠正,扩大拟合区域包含的刀具路径长度,并提高刀具路径的平滑性."}
{"title": "资源受限周期任务双速度调度算法", "abst": "动态电压调节技术是降低嵌入式系统能耗的常用技术.针对现有基于动态优先级策略资源受限周期任务能耗优化算法不能适用于固定优先级系统,且节能效果差等不足,提出资源受限周期任务双速度调度(RCPTDSSA)算法.该算法基于双优先级单调速率调度(RM/DPP)算法,使用双速度策略调度任务,利用动态电压调节技术降低能耗.任务开始以低速度执行,当有阻塞发生时切换到高速度执行,且被阻塞的任务也以高速度执行.利用理论分析的手段验证RCPTDSSA算法的可行性,仿真实验表明RCPTDSSA算法比RM/DPP算法节约大约55.31%的能耗."}
{"title": "面向航空领域RTCP功能的研究与应用", "abst": "\"针对于航空领域对五轴数控机床精度的要求,对RTCP技术进行深入研究.精度达标贯穿始终,是机械、插补和控制等一系列环节准确执行的结果.因此,从系统的整体效能出发,阐述数控系统软硬件平台、高性能设计、算法研究这三级逻辑结构.为实现高精度、高效率的RTCP算法,综合考虑运动队列的设计、补偿向量的计算、插补算法的选取、速度控制的方法,构建完整的算法功能模块.设计检测方案,选取源自航空领域的\"\"S\"\"形检测试件进行模块功能的检测,分析加工工艺及程序执行流程,采用GJ-400数控系统进行实验验证,实际加工效果表明算法的可靠性.\""}
{"title": "基于链接时序分类的日语语音识别", "abst": "目前,端到端的语音识别系统因其简洁性和高效性成为大规模连续语音识别的发展趋势.本文将基于链接时序分类的端到端技术应用到日语语音识别上,考虑到日语中平假名、片假名和日语汉字多种书写形式的特性,通过在日语数据集上的实验,探讨了不同建模单元对识别性能的影响;进一步将音素信息应用到模型的初始网络训练中,改善语音识别系统性能,最终效果优于基于隐马尔可夫模型和双向长短时记忆网络的主流语音识别系统."}
{"title": "基于栈式自动编码机的语音质量评价方法", "abst": "针对现有的无参考语音质量评价与主观评价结果相关性较低、无法满足市场需求的问题,本文提出了一种基于栈式自动编码机(SAE)的无参考语音质量评价新方法.该方法由BP神经网络和SAE组成的深度神经网络实现.通过栈式自动编码机提取语音的本质特征,再将此特征通过BP神经网络与主观MOS分数进行映射.仿真结果表明,文中提出的算法与已有的ITUT P. 563和基于FSVM (模糊支持向量机)的语音质量评价方法相比,降低了均方误差,提高了与主观评价的相关系数."}
{"title": "动态惩罚分解策略下的高维目标进化算法", "abst": "基于分解的多目标进化算法(MOEA/D)的求解精度与聚合方法有直接关系,其中基于惩罚的边界交叉聚合法(PBI)受惩罚参数θ影响较大,固定的惩罚参数难以匹配不同位置的子问题,尤其边界子问题上的极端解易被邻域内非支配解替代.为此,本文提出一种基于动态惩罚分解策略的高维目标进化算法(MOEA/D-DPS),通过动态调整惩罚参数θ来改变候选解选择区域大小,使不同位置的子问题都有更合适的选择区域,且减少了边界子问题上优秀解的丢失,更好地平衡了算法的收敛性与多样性.最后,本文通过仿真实验对比分析了MOEA/D-DPS算法与相关算法的性能,实验结果表明:MOEA/D-DPS算法在DTLZ1-4测试函数上所得解集整体性能更优."}
{"title": "时间序列的区域周期模式及挖掘算法", "abst": "时间序列中周期行为的挖掘是众多领域研究的理论基础.针对时间序列中只在区域部分存在的周期行为,提出了一种新型周期模式概念,称之为区域周期模式.在对区域周期模式进行形式化描述的基础上,进一步提出了三种拥有不同求解目标的区域周期模式挖掘算法.算法1结合已有的部分周期模式挖掘算法和暴力迭代过程进行求解,虽能保证得到完整解,但由于过大的计算量,使其不具备实践应用价值;算法2基于类Apriori原则和三种剪枝策略,不仅能保证完整解,还具备较高的运算效率;算法3通过一阶区域周期模式的密集度推荐计算区域,大幅度地压缩了计算代价,为重要区域周期模式的快速挖掘提供了便捷方法.最后利用公开数据集测试和评估了3种算法的求解完整性和计算性能,验证了所提出算法的设计目标."}
{"title": "自适应局部半径的DBSCAN聚类算法", "abst": "经典的基于密度的聚类方法 DBSCAN算法需要指定邻域半径和最小数据点阈值两个基本参数.这两个参数的确定对聚类结果的影响非常大.目前缺少有效的参数选择确定方法,同时DBSCAN算法在聚类过程中,使用统一的邻域半径参数,使得密度不均匀集上的聚类质量不高.本文提出一种自适应选择局部半径的密度聚类算法(SALE-DBSCAN),通过确定密度峰值点,自适应选择聚类的局部邻域半径,简化了参数选择的过程;通过使用自适应选择的局部邻域半径扩张密度峰值点的邻域进行聚类,提高了聚类结果质量.实验结果表明,本SALE-DBSCAN算法相较其他密度聚类算法的聚类结果更加准确."}
{"title": "协议无关的有状态VNF的设计与实现", "abst": "Middle Box在网络中的应用可以说是无处不在,Middle Box(如防火墙、NAT、限速器)在网络中的作用是至关重要的.然而传统的设备大多是基于硬件的,功能固化、可扩展性差、管理困难等.为了解决这些问题,可以使用软件的方法来实现虚拟网络功能(VNF),这些VNF可以是防火墙、NAT、限速器等Middle Box.本文使用P4语言进行开发,因为P4言语开发简单,且可以实现Middle Box协议无关.但由于P4的match-action工作方式,无法满足复杂VNF的实现,故文中进行有状态VNF的研究.本文实现了有状态的VNF——限速器,并将限速器部署于Docker容器当中.与虚拟机相比,Docker更加轻量级,方便移植,在通用的X86设备上即可部署本VNF."}
{"title": "Storm平台下基于稀疏ADtree的贝叶斯网络分布式学习算法", "abst": "使用云计算技术对搜索与评分算法进行分布化是加速贝叶斯网络结构学习过程的有效方法,但需要频繁地根据分布式文件系统中的数据集计算统计信息.为了克服分布式学习贝叶斯网络的性能瓶颈,本文使用Apache Storm平台建立了基于Topology框架的贝叶斯网络分布式学习机制,并提出了基于稀疏ADtree的统计信息提取算法和状态空间搜索算法.通过使用Topology框架细粒度地分布化了贝叶斯网络结构学习算法,达到了较高的并行度.本文使用稀疏ADtree存储全局统计信息,并在各计算节点中恢复出列联表来计算评分值.本文使用真实数据集在集群上进行了性能测试实验,结果表明评分过程的时间大幅缩短,弥补了构造稀疏ADtree的时间开销.总体上,贝叶斯网络结构分布式学习的过程得到了明显加速."}
{"title": "《小型微型计算机系统》机器学习专栏征文", "abst": "\"[正文]为及时反映我国在上述方面的研究进展,《小型微型计算机系统》将出版复杂环境下的机器学习研究专栏.本次专栏选题为\"\"机器学习\"\",将突出开放、复杂环境下的机器学习的研究热点,该专刊收录该领域近期取得的原创性高水平研究成果,进一步促进该领域的发展.欢迎机器学习及相关研究领域的专家学者、科研人员踊跃投稿.\""}
{"title": "无线传感器网络LEACH算法的研究与改进", "abst": "针对传统LEACH算法中簇头分布不合理和能量浪费问题,在LEACH算法的基础上提出一种改进算法GEC(Geographical Energetic Clustering)算法以及分层功率控制技术. GEC算法的基本思想是:首先采用K-means聚类算法将节点进行分簇,将簇内距离汇聚节点最近的节点作为首轮簇头,然后将簇内节点基于位置分层,通过节点所处层次和剩余能量进行备选簇头的选举. GEC算法的优点在于:使用K-means分簇效果更好,簇内分好层以后可以直接在第一层内进行簇头的选取并极大地减少了节点处理所浪费的资源.分层功率控制技术根据节点间的距离信息动态调整其发射功率.本文将GEC算法同LEACH、LEACH-C和SEP算法做比较,实验结果表明:GEC算法能够更好地优化簇的结构,提升网络生命周期."}
{"title": "《小型微型计算机系统》计算机安全专栏征文", "abst": "[正文]随着网络信息技术的迅猛发展和广泛应用,网络信息系统的基础性、全局性作用日益增强.网络安全和信息化相辅相成,信息化发展的同时必须解决好安全问题.坚定不移实施创新驱动发展战略,抓住基础技术、通用技术、非对称技术、前沿技术、颠覆性技术,把更多精力投向核心技术研发,集合精锐力量,推动我国网信事业发展,让互联网更好地造福社会."}
{"title": "多维大规模网络射频能量收集性能分析", "abst": "随着大规模网络密度增加和射频能量收集技术的发展,从环境中采集通信用射频能量已达到实用化水平.为评估无线大规模网络中实际可用的射频能量,该文研究了收集器功率门限对射频能量收集性能的影响,提出两个衡量收集性能的指标:有效能量收集概率和平均可用能量.假设收发机位置服从密度不同的d维均匀泊松点过程,利用随机几何工具对典型接收机的到达功率进行建模,获得了瑞利分布随机信道下接收功率的分布函数和可用平均能量.蒙特卡洛仿真验证了分析结论.数值分析结果表明,高收集门限会导致充电概率和可收集能量显著减少;同时,在高密集网络中,收集电路敏感性对收集性能影响较大."}
{"title": "移动云平台下基于局部复制的结构性文档协同编辑冲突消解", "abst": "本文针对移动设备存储空间和计算能力有限的特点,在移动云平台下研发设计的一款基于局部复制的结构性文档协同编辑冲突消解算法,简称MCPS算法,在其基础上进行了冲突消解内容的补充.结构性文档在日常生活中较高的使用率和云平台下科研技术的迅猛发展,以及局部复制技术的提出,为本文的研究奠定了可靠基础. MCPS算法部署在云服务器端,各协作客户端通过局部复制策略在本地参与结构性文档(本文又称标题结构文档)的协同编辑工作,且本地部分副本内容通过树结构存储.创新性的提出副本监听与活跃度两个概念来辅助判断冲突产生时操作执行的优先级,更大程度的满足多用户的意愿.该算法总结出大致6种冲突情况,在前文的基础上,补充给出另外5种冲突消解处理方法.最后通过更加详细的案例分析描述了整个策略的执行过程,证明策略的有效性和正确性."}
{"title": "基于改进禁忌搜索的云任务负载均衡调度策略研究", "abst": "云计算是一种管理和提供服务的互联网新平台,而云计算环境下的任务调度是一个NP-hard问题,任务的合理分配、虚拟机资源的负载均衡是云任务调度的重要方面.在本文中,提出了一种基于改进禁忌搜索的云任务负载均衡调度策略.该策略综合考虑任务总完成时间及虚拟机负载均衡度,提出基于时间贪心的初始解求解步骤,进而引入结合多因素优值函数的禁忌搜索算法优化任务调度的负载均衡,再进一步给出跳出局部最优的惩戒策略.为了验证提出的算法的有效性,使用CloudSim作为仿真平台,与RR算法、Min-Max算法、ACO算法等进行对比,以有限元分析计算过程中的任务调度为背景进行模拟实验,结果表明,此算法不仅缩短了任务总体完成时间,同时优化了虚拟资源负载均衡度."}
{"title": "基于用户签到行为的群组兴趣点推荐模型", "abst": "推荐系统将符合用户兴趣分布的项目推荐给用户.目前对推荐系统的研究大多集中于对个体用户进行推荐.然而在实际生活中,很多活动是由多个用户共同参与的.因此,组推荐系统逐渐成为研究的热点.本文提出一种基于用户签到行为的群组兴趣点推荐模型(Group POI recommendation model based on the User Check-in behavior,GPUC),该模型首先采用协同过滤的推荐算法挖掘组内成员可能感兴趣的项目,并基于TF-IDF(term frequency-inverse document frequency)的思想预测用户对项目的评分,生成个人推荐列表.在融合组内成员兴趣偏好时,提出一种加权混合融合策略,兼顾考虑不同组员在群组中的权重以及群组偏好差异度的大小.本文采用Gowalla网站的真实数据集验证了推荐模型的准确性,与算法HAaB相比,基于用户签到行为的群组兴趣点推荐模型GPUC的准确率提高了4. 03%,为群组用户提供了更有效的推荐."}
{"title": "融合的三维卷积神经网络的视频流分类研究", "abst": "三维数学模型擅长描述连续性视频流数据的多维度信息,是视频分类研究中的重要手段.将多个顺序模型融合(Merge)后通过全连接(Dense)的方式构建了融合的三维卷积神经网络模型(3DConvNet＿Ensemble),解决了单个三维卷积神经网络模型训练不充分性和低相关性问题.对UCF-101视频流数据集的101类场景进行动作行为分类实验,结果表明该模型在UCF-101数据集上获得了87. 7%的分类准确率,相比二维ConvNet和三维ConvNet模型的分类准确率分别提高了32%和17%."}
{"title": "一种改进模糊kNN的云计算故障检测方法", "abst": "在大规模复杂的云计算体系中,通过采集、分析系统数据可以了解系统运行的状态,从而发现并解决云计算故障问题.然而,目前基于监督学习的云计算故障检测方法忽略了噪声数据处理、训练样本的更新、未知类型故障的识别,影响了云计算故障检测的准确性.为此,本文定义了云计算故障模型并提出一种改进模糊k NN的云计算故障检测方法.该方法首先使用基于密度聚类的方法对初始云计算故障数据训练集进行预处理;其次根据模糊熵与互信息相结合的方法对云计算故障特征进行加权;然后根据故障特征权值以及分层检测改进模糊k NN,确定待检测云计算数据的近邻训练样本;最后通过基于最大隶属度的自学习确定待检测云计算数据的故障检测结果.通过实验表明本文方法对云计算故障检测是有效的."}
{"title": "一种面向多模态手术轨迹的快速无监督分割方法", "abst": "基于视频和机器人运动学数据的多模态手术轨迹分割是机器人辅助微创手术中的一类基本任务,用于生成低复杂度的子任务进行学习和技能评估等.然而由于手术视频的高维特征空间,传统的特征提取方法存在效率低下、难以提取有效特征的缺陷.此外,传统轨迹分割方法未对运动学轨迹进行去噪处理,分割结果易受噪声影响.为此,本文提出了一种基于手术视频和机器人运动学数据的快速手术轨迹无监督分割方法.一方面,采用堆叠卷积自编码器方法对手术视频进行无监督的低维特征提取,提高特征提取的效率;另一方面,利用小波变换对手术运动学轨迹进行多尺度去噪处理,平滑短程轨迹,减少噪声对分割结果的影响.最后,采用非参混合模型实现手术轨迹的分割.实验表明,本文提出的手术轨迹分割方法能够在保证准确性的前提下,基于视觉和运动学特征的分割速度相较于基于深度学习转移状态聚类(TSC-DL)提高了10倍."}
{"title": "融合深度信息的Grabcut自动图像分割", "abst": "Grabcut是一种准确度很高的图像分割方法,但是当图像中存在前背景颜色相近、阴影或低对比度区域时,仅利用颜色、纹理等信息难以准确分割感兴趣区域,而深度信息中包含了这些信息所没有的物体相对前后位置的信息.鉴于此,本文在用显著性实现Grabcut自动分割的基础上,融合了深度信息,提高了算法的分割准确度.为了充分利用深度和显著信息,依次从两方面进行了改进:以深度信息指导的显著图来提取Grabcut矩形框;将深度和显著信息通过自适应权重结合到Grabcut的颜色模型中,改进原算法的能量公式.实验表明,与当前主流算法对比,本文算法更有效地结合了深度信息,提高了分割算法的准确性."}
{"title": "结合分数阶微分与结构张量的医学图像细微结构增强", "abst": "从分数阶微分和结构张量的特点出发,考虑到分数阶微分算子具有较好的纹理细节表达能力,结构张量具有保持图像几何形状的特性,本文通过构造分数阶结构张量,提出了结合分数阶微分算子与结构张量的医学图像细微结构增强方法.分别针对计算机断层扫描(CT)图像和磁共振(MR)图像做了增强实验,结合小波分解,对低频信号作Tiansi微分算子锐化以加强轮廓提取,对高频信号构建基于分数阶结构张量的特征值相干性度量,并根据此相干性度量加权高频信号以得到更清晰连续的纹理细节.实验结果表明,结合分数阶微分算子与结构张量的增强方法对图像的纹理细节表征能力更强,增强后的图像信息更为丰富,细节更为清晰,从而具有较好的临床应用潜力."}
{"title": "核协同近邻表示的人脸识别算法", "abst": "协同近邻表示分类算法将协同表示和线性保持嵌入算法结合,在处于欧式空间的训练样本中寻找未知样本的最近邻表示基,但协同近邻表示属于线性算法,很难利用样本间的非线性关系.核局部Fisher判别分析的核局部投影空间能够保持样本的最小类内离散度和最大类间离散度,使同类样本更容易聚集到一起,核方法的非线性投影将样本投影到高维的核空间中,改变样本的空间分布,使得输入空间中线性不可分的特征向量在核空间中线性可分.本文利用核方法在解决非线性问题时的优势,对协同近邻表示算法进行两点改进:1)在核局部投影空间中定义新的度量方法,寻找未知样本的最近邻表示基,提出基于核局部投影度量的协同近邻表示算法. 2)将所有样本投影到核空间,在核空间中构造协同近邻表示,提出基于核方法的协同近邻表示算法.在ORL、AR及Extended Yale B等人脸库上的测试结果证明改进算法的有效性."}
{"title": "真实感海下光照效果实时绘制", "abst": "海洋场景仿真一直是计算机图形学的研究热点.为解决海下光照效果实时模拟问题,提出一种海下光照的模型.首先,以光线追踪理论和比尔朗伯定律为基础,通过求解采样点的亮度值积分和透光比率解决海水与光照交互光束产生问题;其次,引入Shadow Mapping方法对深度图采样,改善物体阴影绘制实时性问题,并通过纹理映射技术模拟光散射形成的焦散现象;再次,修改相位函数非对称因子g,消除海水散射对体积光的影响,提高了光在水中传播的真实性;最后,利用线性八叉树算法对其进行优化加速,保证算法的实时性.实验对比和分析表明,能够实时绘制出逼真的海下光照效果."}
{"title": "结合核相关滤波和Kalman预测的运动目标跟踪", "abst": "核相关滤波(kernelized correlation filter,KCF)目标跟踪算法的跟踪过程容易受到快速运动和运动模糊、遮挡及相似物干扰等因素影响,导致跟踪效果不佳.针对以上问题,本文提出了一种结合KCF框架和Kalman预测器的运动目标跟踪算法.该算法首先将原始图像映射到CN(Color-Name)特征空间,使跟踪器能够处理多通道颜色特征的图像;其次在跟踪过程中,加入Kalman滤波器来预测图像目标位置,根据预测位置确定待检测区域进行检测,并利用检测结果更新Kalman滤波器,提高跟踪检测精度.在OTB-2013数据集上对改进的算法多次进行实验,并与其他6种较先进的跟踪算法进行对比,分析实验结果可知在目标发生快速运动、遮挡及相似物干扰等复杂情况下,本文方法均有较强的鲁棒性."}
{"title": "一种虚实融合场景中的火焰交互研究", "abst": "流固自然交互是图形学上的一个研究难题,在虚实融合场景中完成流固实时交互更是难上加难,为此探索基于Kinect的虚实融合场景中与火焰的真实自然的实时交互.首先,为模拟出真实跳动的火焰模型,在N-S方程求解过程中,引入柏林函数产生的随机数,创造随机风场,增强虚拟火焰的真实感;其次,为确保更加准确的手势识别,在建立的基于Kinect的虚实融合场景中,设计手势指令集及其相应算法,适配最佳灵敏度系数和控制系数,提高交互指令鲁棒性;最后,分析火焰与障碍物之间的单向耦合关系,建立两者间的耦合方程,保证交互细节真实自然流畅.多组火焰模拟及虚实融合场景中与火焰交互的实验对比和分析表明,人能够在虚实融合场景完成与火焰的交互."}
{"title": "基于模型驱动的Web应用服务系统开发理论框架", "abst": "从软件设计实践出发,针对基于Web应用服务和设计模式的软件设计方法,提出了一种新的模型驱动开发理论框架.该框架以类型范畴理论为基础,以服务构件标识为范畴对象,以服务构件之间的交互和依赖关系为范畴态射,从而用范畴图表给出了软件体系结构模型的框架描述.设计模式看成是构件规范的模板,模板的实例化和规范的集成过程就是软件设计和实现的过程,从而建立起了模型转换和精化中特性描述和一致性研究的统一框架.应用研究表明,该框架符合模型驱动软件设计的本质要求,为模型转换和模型驱动的Web应用服务开发提供了新的认知、分析和研究的指导架构."}
{"title": "一种带有二维扰动和自适应学习因子的粒子群算法", "abst": "针对粒子群算法(Particle Swarm Optimization,PSO)容易陷入局部最优值、后期收敛速度慢和收敛精度低等问题,提出了一种带有二维扰动和自适应学习因子的粒子群算法(TDDALFPSO).首先,提出了自适应惯性权重和学习因子调节算法调节惯性权重、认知系数和社会系数,提高了全局搜索能力和局部搜索能力;然后提出了基于位置、速度二维扰动更新粒子位置的算法,避免了不在最优值区域的全局历史最优值对搜索的误导,提高了算法的收敛速度和精度;最后通过变异一些适应度值最差的粒子,让它们搜索空间中的其他领域,增加了种群的多样性,改善了算法容易陷入早熟的问题.仿真实验表明和基本PSO算法相比,TDDALFPSO在收敛速度、精度和稳定性上有了明显的提高;并且在大多数优化问题上和基于线性惯性权重递减的PSO算法(PSO-W)、基于综合学习的PSO算法(CLPSO)、基于适应值距离比例的PSO算法、基于三角函数动态参数选择的PSO算法(TPSO)和带正弦函数因子的粒子群优化算法(TFPSO)相比,TDDALFPSO在收敛速度、精度和稳定性上都有一定的优势."}
{"title": "一种逐跳方式的域内单节点故障保护算法", "abst": "研究表明,网络中的故障频繁发生.当网络出现故障时,目前互联网部署的域内路由协议需要经历收敛过程,在此期间将有大量报文丢失,导致用户体验下降,严重影响了因特网服务提供商(ISP,Internet Service Provider)的服务质量.因此,提高域内路由可用性成为亟待解决的一个科学问题.为了提升路由可用性,业界提出了快速重路由的基本框架(IP Fast Re-Route,IPFRR),基于该框架的解决方案可以减少路由协议收敛过程中报文丢失情况,然而该方案并不能100%保护网络中所有可能的单节点故障.因此,本文提出了一种基于逐跳方式的针对单节点故障的全保护方案,该算法具有如下特点:1)实现简单; 2)支持逐跳转发方式; 3)支持增量部署,因此适合在实际中部署.实验结果表明,该方案不仅可以100%保护网络中所有单节点故障情形的路由保护算法,并且具有较小的路径拉伸度."}
{"title": "效力优化的代码评审者推荐模型", "abst": "主流的代码评审者推荐算法主要是基于评审历史或者修改历史,但是这些算法都没有考虑历史评审信息的内容相似性与评审时间的综合效力.为解决上述问题,本文提出了效力优化的代码评审者推荐模型.该模型首先根据历史评审的发生时间计算历史评审数据的时间贡献效力,然后将历史评审数据提取为能够反映评审代码具体内容和评审重点的信息,并基于该信息计算评审数据的内容效力,最后综合历史评审数据的时间效力和内容效力来推荐合适的代码评审者.为了验证模型的有效性,在三个大型开源软件的评审数据上进行了实验,证明本模型能够有效地推荐出合适的代码评审者."}
{"title": "一种离散分布的移动感知缓存策略", "abst": "小基站网络是一种新型3G/4G宏蜂窝性能补充的网络架构,其中需要处理大量的移动数据,本文针对用户移动性问题提出了一种离散分布的移动感知缓存策略.部署策略的核心思路是通过结合集体行为与个体移动特征对用户下一步可能到达的一些位置进行预测,并采用统计学的方式分析逗留时间规律对用户发生移动的时间点进行估计,之后借助网络编码将文件离散化地智能化地部署在多个小基站中.最后采用真实轨迹数据在Matlab上进行仿真实验,并与多种典型算法进行性能比较,最终验证了该策略可以大幅度提高缓存部署的命中率,降低对骨干网的回程压力,减少用户下载时延."}
{"title": "《小型微型计算机系统》计算机安全专栏征文", "abst": "[正文]随着网络信息技术的迅猛发展和广泛应用,网络信息系统的基础性、全局性作用日益增强.网络安全和信息化相辅相成,信息化发展的同时必须解决好安全问题.坚定不移实施创新驱动发展战略,抓住基础技术、通用技术、非对称技术、前沿技术、颠覆性技术,把更多精力投向核心技术研发,集合精锐力量,推动我国网信事业发展,让互联网更好地造福社会."}
{"title": "节点影响力下无标度网络谣言传播研究", "abst": "针对社交网络中节点对谣言态度的选择受邻居节点影响力的共同作用,考虑不同节点影响力的差异性,提出一种新的S2IR传播模型,研究谣言在聚类系数可变的无标度网络上的传播特性.该模型中节点间传播率的非一致性受节点影响力的权重影响,运用平均场理论,建立谣言传播动力学方程组,并利用聚类系数可变的无标度网络对谣言在该模型上的传播特性进行仿真实验.仿真发现,与经典SIR模型相比,考虑节点影响力的S2IR模型中谣言具有更快的传播速度和更小的传播范围,谣言重要程度以及节点辨识能力对谣言传播范围的影响幅度存在阈值.研究还发现,谣言传播范围随着网络聚类系数的增大而减小."}
{"title": "内容中心网络边缘节点势能增强路由机制", "abst": "针对内容中心网络无法感知缓存内容导致路由效率低的问题,提出了一种基于势能的边缘节点增强路由机制(ENPER,edge node potential-enhanced routing).ENPER建立了节点的势能模型,并通过增强边缘节点的势能,将兴趣包就近吸引到缓存节点进行响应,以达到减少兴趣包的转发时间,提高缓存命中率的目的;此外,ENPER通过边缘节点统计并预测内容的流行度和结合网络的大小,区分不同流行度内容的势能通告范围,以达到降低网络开销的目的.实验结果表明,ENPER与传统的内容中心网络Best-routing和CATT路由机制相比,有效地降低了发布者服务器的负载和缓存通告开销,平均请求内容的时延比Best-routing减少了43%."}
{"title": "扩散的多用户分子通信系统的信道容量分析", "abst": "随着纳米技术的快速发展,扩散的分子通信模型作为最有前景的纳米通信典范之一,吸引了越来越多学者的广泛关注.在扩散的多用户分子通信模型中,由于多个纳米机器共享信道以及相同信息分子的不可区分性,用户间干扰不可避免.考虑分时隙的多用户分子通信系统,通过分析纳米机器自身的码间干扰,其它纳米机器对它产生的用户间干扰以及系统外部噪声干扰,并采用最小误差准则推导出最优判决阈值,从而得到该系统互信息的表达式.仿真结果表明,通过控制纳米机器间距离、生物环境的扩散系数、每个时隙发送的分子数以及用户数量,从而达到最优信道容量及最小比特错误率."}
{"title": "一种具有覆盖优先级的异构WSN覆盖空洞修复方法", "abst": "为了提高具有覆盖优先级的异构WSN的覆盖率,本文提出了一种基于the multiplicatively weighted voronoi(MWVoronoi)图理论的覆盖空洞修复方法.在异构WSN中应用M W-Voronoi图理论进行区域划分,再结合区域中不同位置的覆盖优先级和传感器节点的感知半径准确获取传感器节点的局部加权覆盖面积,接着运用本文所提方法计算出传感器节点候选位置并调整其的位置,使传感器节点到达的最佳部署位置并获得网络的最大整体加权覆盖面积,进而完成异构WSN覆盖空洞修复的任务.仿真实验结果表明,与the maximum weighted point(MWP)方法相比,本文所提出的方法更适用于具有覆盖优先级的异构WSN覆盖空洞的修复,在保证网络覆盖质量的前提下能减少空洞修复时间."}
{"title": "基于信息熵和模糊集的网络安全知识图谱选择技术", "abst": "网络安全知识图谱是智能问答等教育系统设计的研究重点,为自动生成和动态调整符合不同行业或领域的网络安全知识图谱,本文设计了基于信息熵和模糊集的知识图谱选择技术.由于网络安全知识逻辑性较强,各行业领域侧重点差别较大,当前又缺乏合适的知识模型,所以目前尚未形成系统化的知识库.为提高图谱生成的准确度,首先提出网络安全知识模型,通过引用信息熵的概念定义了知识图谱复杂度并验证其性质,结合信息粒度提出了基于模糊集的知识图谱选择技术.具体的仿真结果表明,图谱选择技术能够很好的满足用户需求,其准确度和可用性均优于传统方法,为网络安全及其他领域的知识图谱选择提供了技术参考."}
{"title": "学习长短时记忆网络的紧密结构", "abst": "近些年来,在语音识别任务上,前馈神经网络与长短时记忆网络等模型取得了突出的性能表现.然而,这些神经网络对其所要部署设备的内存资源与计算效率有较高的要求,这极大的阻碍了神经网络在移动设备上的应用.事实上大部分的神经网络都存在一定程度上的参数冗余,并由此带来了额外的计算量,因此压缩神经网络模型具有可行性与必要性.在这篇论文中,我们提出一种在网络训练过程中利用移动门来自动学习长短时记忆网络结构的方法,可以得到更加紧密的网络结构.在Sw itchboard上的实验结果显示我们提出的方法可以将长短时记忆网络的参数量减少到原来的58.7%,同时没有带来性能损失."}
{"title": "采用二次强化学习策略的多目标粒子群优化算法", "abst": "针对多目标粒子群算法在进化后期易出现早熟收敛、种群多样性丢失的问题,本文提出采用二次强化学习策略的多目标粒子群优化算法SslMOPSO.首先利用无速度多目标粒子群框架,通过向所有个体历史最优学习实现粒子的第一次强化学习;其次将分解策略融入多目标粒子群算法中,使粒子向指定数量邻居的均值学习,实现粒子的第二次强化学习,增强算法跳出局部最优的能力,提高种群的多样性;最后分别在具有两目标和具有三目标的七个基准测试函数上进行仿真实验,结果表明,所提算法获得的非支配解集较对比算法具有较好的分布性,表现出较好的搜索性能."}
{"title": "关于不法分子冒充《小型微型计算机系统》名义诈骗的严正声明", "abst": "\"[正文]近期,互联网上的一些论文代写代发机构和个人,以冒充《小型微型计算机系统》刊名、邮箱、网站等方式,发布征稿投稿启事、索要\"\"审稿费用\"\"、发送\"\"录用通知\"\",并索取数千元版面费,以及盗用《小型微型计算机系统》名义进行其他诈骗行为.上述诈骗行为严重损害了《小型微型计算机系统》的声誉和合法权益.为此,我刊特别声明:《小型微型计算机系统》是严肃的学术期刊,始终秉持依法办刊,视出版质量为生命.多年来《小型微型计算机系统》的收\""}
{"title": "一种知识图谱的排序学习个性化推荐算法", "abst": "推荐系统是解决“信息过载”的有效方法,提出一种知识图谱的排序学习个性化推荐算法.本文算法首先构建融合上下文信息的知识图谱,使用基于深度学习的网络表示方法 Node2Vec抽取知识图谱特征,通过将排序学习模型产生的反馈模型与用户兴趣迁移模型结合,构建混合推荐模型,最终通过排序学习进行Top-N推荐.该算法能够将各种不同性质的上下文特征结合在一起,并通过排序学习衡量这些多维特征的权重比例,解决了不同特征的融合问题,并且能够考虑到用户兴趣迁移和长短期偏好.在Movielens 1M数据集上的对比实验验证文中算法的有效性,实验表明,该算法能够有效提高推荐的P@N和MAP值."}
{"title": "一个深度学习DNA序列特异性的预测模型", "abst": "DNA序列特异性是指DNA序列对特异性蛋白质的结合能力.基于深度学习的框架去预测DNA和蛋白质是否结合.首先对DNA序列进行词切分,然后利用词向量模型学习DNA序列词向量,将提取的序列词向量输入卷积神经网络以此提取高层特征,随后利用双向长短周期网络对序列特征进行再累积提取,最后用累积特征进行分类.本文在权威的690个数据集上进行了实验.实验结果与当今权威方法的结果相比具有很强的竞争力."}
{"title": "基于D-S证据理论的电子商务虚假评论者检测", "abst": "在线商品的销售与商品评价信息密切相关,拥有较多好评信息的商品更受消费者的青睐.于是越来越多的电商商家开始雇佣甚至充当虚假评论者对商品进行不切实际的评论,广大消费者成为了最终的受害者.本文提出一种基于评论者行为的虚假评论者检测方法,该方法从虚假评论者作弊动机出发,综合考虑评论者评价行为、评论者交流行为以及评论者对商品的关注行为,将评论者行为视为证据并构建D-S证据理论模型.首先,本文利用多种维度对评论者的三种行为特征进行量化并构建三个独立的SVM模型,然后将SVM无阈值输出通过sigmoid函数实现后验概率输出,最后将其用于证据融合并根据识别框架下的证据支持度对评论者身份进行检测.实验结果表明,本文提出的方法准确有效."}
{"title": "一种高效检测心律不齐的深度学习算法", "abst": "针对传统深度神经网络在心律不齐检测中存在的训练时间长、运算量大、识别率不高等问题,本文提出了一种简洁但高效的深度神经网络模型-SE-CNN(Simple but Efficient Convolutional Neural Network).该模型使用单导联ECG(ElectroCardioGram)数据,构建一个层数较少的一维卷积神经网络,因而在训练速度和计算开销等方面具有一定的优势.在M IT-BIH心律不齐数据集上的实验结果表明,本文提出的模型检测精度较高且模型复杂度较小,具有很好的鲁棒性,也克服传统算法手工提取特征、工作量较大等缺点."}
{"title": "基于局部自动编码器的手写数字分类", "abst": "针对超限学习机的输入权值进行研究,结合自动编码器的特征提取能力与深度学习的特征抽象能力,提出了局部感知的类限制超限学习机(RF-C2ELM),再将类限制超限学习机和RF-C2ELM扩展为多层神经网络.通过对M NIST数据集进行分类问题分析实验,实验结果表明,提出的算法在单隐层和多隐层神经网络中都具有较高的精度,并且在训练时间上具有一定的优势."}
{"title": "面向进化算法的问题相对求解难度降低方法", "abst": "以在进化算法求解问题的过程中降低优化问题的相对求解难度为目标,提出一种基于相似性理论的优化问题难度降低方法.以优化问题最优解为特征,对优化问题的弱相似性、最简优化问题、相似性进行定义,并构建基于云模型的相似性理论.在此基础上,将进化算法的搜索目的扩展为寻找优化问题的最简云模型,对原问题与对应最简云模型的相似性进行证明;提出相对求解难度的概念,分析相似性理论对问题求解难度的影响,建立最简云模型的求解方法,并用3个衡量优化问题求解难度的指标对不同问题进行难度测试.通过实验表明,将进化算法与优化问题难度降低方法相结合,可有效降低问题相对求解难度,并能提升进化算法的寻优性能."}
{"title": "LDA与词汇链相结合的主题短语抽取方法", "abst": "主题短语能够有效地概括文献主要内容,针对性地反映文献的核心思想.为了改进技术文献的主题抽取效果,在研究LDA主题模型和词汇链的基础上,提出了LDA模型与词汇链相结合的主题短语抽取方法,减小了利用单一LDA模型抽取文献主题中存在的主题漂移问题;在主题短语抽取中,利用对数似然比解决了词汇链构造过程中知识库未收录词的词语相关度的计算问题.实验结果表明,该方法相对于传统方法的主题抽取效果具有明显的改善,且准确率和召回率均有所提升.对信息检索、文本聚类等工作具有十分重要的支撑作用."}
{"title": "一种无监督的数据库用户行为异常检测方法", "abst": "检测数据库内部合法用户的异常行为,对防范内部攻击和数据泄露具有重要意义,然而面临如下挑战:攻击模式不确定,真实异常样例少,数据集缺少准确标注.人工设定阈值和规则难以有效应对复杂多样的异常.本文提出了一种基于无监督学习的用户行为异常检测方法,通过划定时间窗口统计提取特征,运用核密度估计算法分别从单维度、多维度建模,实现在海量的无标注历史日志中发现简单异常和复杂异常、在新的线上数据中检测异常.真实数据实验表明,该方法能够有效检测出简单异常,实验中检测三种简单异常的平均严格查准率和宽松查准率分别达90%和100%;能够从多维度找出存在攻击嫌疑的复杂异常,实验中成功检测出了一种单维度无法检测出的新的复杂异常."}
{"title": "面向开源软件的自承认代码重构现象研究", "abst": "软件开发中,开发者常在版本控制系统中提交代码修改.在其提交的信息中,开发者明确声明代码修改为重构(Refactoring)的现象较为普遍,我们把此类代码修改称为开发者自我承认的代码重构,即自承认重构(Self-admitted refactoring,简称SAR).自承认重构在代码提交信息中较为寻常,然而少有相关的研究,致使SAR与软件项目质量的关系并不明确.因此,在本文中,通过对代码异味(Code smell)的评估方式,对自承认重构现象进行不同方面的探索研究,其中包括:SAR是否提升代码质量、SAR与被修改的源文件数量的关系、SAR中代码异味严重级别、SAR开发者数量等等.在本文的用例研究中,选取了Fastjson作为分析案例,使用了PM D作为代码异味识别工具.本文的案例研究得出了如下结论:(1)在超过70%的SAR对应的代码库版本中,代码异味没有增加;(2)在SAR对应的代码库版本中,被修改的源文件数量与新引入的代码异味数量有显著的正相关关系;(3)软件开发中拥有SAR行为的开发者数量较少;(4) SAR在软件开发生命周期中的分布不均衡."}
{"title": "基于图正则化和l1/2稀疏约束的非负矩阵分解算法", "abst": "随着计算机科学和生物医学的发展,基因表达谱数据能够以高维数据的形式导出,这为应用数据挖掘算法对其分析处理提供了可能.基因表达谱数据存在高维度和高冗余特性,实际应用中常需要进行维度约简.基于非负矩阵分解的方法常被选择为维度约简的手段,但由于传统方法未进行针对性处理,在基因数据集上的表现不佳.针对此类数据的特点,本文提出了一种基于非负矩阵分解的改进算法,结合图正则化处理和稀疏化理论,进一步加入了去噪处理,对处理过度冗余的高维基因表达谱数据特别有效.实验表明,算法在肿瘤基因数据集上的表现整体优于传统基于非负矩阵分解的算法."}
{"title": "中文词语搭配特征提取及文本校对研究", "abst": "随着网络的快速发展,电子文本正在人们的生活中发挥着越来越重要的作用,但是电子文本中存在着大量的字词错误以及语法错误,亟需有效的校对方法来提高电子文本的质量.本文提出一种基于词语搭配关系的文本校对方法,包括构建语法-词语搭配双层知识库以及基于互信息和聚合度双重评价条件下的词语搭配校对算法.知识库的构建主要分为语法和词语搭配两部分:(1)从训练语料中抽取并分析语句结构成分,构建语法成分知识库;(2)从训练语料中学习词语之间的搭配关系,利用共现频数和互信息进行筛选,构建词语搭配知识库.在此基础上,综合使用互信息和聚合度评价词语关联强度,进行词语搭配关系校对.实验结果显示,本文所提出的校对模型和算法的F值与其他文献相比提高了3.9%."}
{"title": "高斯混合模型下的相关子空间与离群数据挖掘", "abst": "相关子空间是一种与离群数据有关的属性集维集合,可有效地降低“维灾”的影响.本文利用高斯混合模型重新定义了相关子空间,并且给出了一种相关子空间的离群挖掘算法.该算法首先根据k近邻算法,确定数据集中各数据对象的局部数据集,并依据属性值的稀疏度生成全局的稀疏度矩阵,稀疏度矩阵有效地体现出数据的稀疏性和稠密性;其次,利用高斯混合模型和稀疏度矩阵,识别数据对象的相关子空间和不相关子空间,避免了不相关子空间对度量离群数据的影响;然后,在相关子空间中,利用数据对象每个维度的稀疏度和属性权值,计算数据对象的离群值,并选取离群值较大的若干个对象作为离群数据;最后采用人工和UCI数据集,实验验证了该算法的有效性."}
{"title": "《小型微型计算机系统》机器学习专栏征文", "abst": "\"[正文]为及时反映我国在上述方面的研究进展,《小型微型计算机系统》将出版复杂环境下的机器学习研究专栏.本次专栏选题为\"\"机器学习\"\",将突出开放、复杂环境下的机器学习的研究热点,该专刊收录该领域近期取得的原创性高水平研究成果,进一步促进该领域的发展.欢迎机器学习及相关研究领域的专家学者、科研人员踊跃投稿.热忱欢迎从事网络信息安全领域组织机构及个人踊跃投稿.凡属于机器学习领域的各类学术论文均可投稿.所投稿件经评\""}
{"title": "基于LOP的分布式数据存储与查询技术", "abst": "当今已经进入了云计算时代,其中,数据的分布式存储和查询也已成为大数据管理的关键技术之一.分布式数据管理在数据存储层面需要进行数据的分片和配置,在查询方面需要进行各节点查询子结果的配置与整合.对于结构化数据例如关系型数据已经具有了成熟有效的相关技术,但对于主要是半结构化、无结构化以及多种数据模式混杂的大数据而言,其分布式数据分片和配置还是一个具有需要深入研究的课题.本文针对具有广泛应用的具有时间标签的非结构化数据,提出了一种按照时间标签进行分片与配置的分布式存储与处理方案,相应的仿真实验表明本文的工作是可行的和有效的."}
{"title": "一种融合感知哈希的快速压缩跟踪算法", "abst": "针对快速压缩跟踪算法(FCT)分类器参数更新盲目、目标尺寸固定和未能跟踪目标完全遮挡再出现的问题,提出一种融合感知哈希的快速压缩跟踪算法(Fast compressive tracking algorithm based on perceptual hashing,PH-FCT).首先,使用压缩特性构建目标和背景的贝叶斯分类器,同时生成目标的感知哈希描述子;使用分类器获得下一帧响应值最高的样本,以样本为中心采集不同尺寸区域,计算它们与目标的汉明距离,若最小汉明距离小于阈值,则视当前尺寸区域为目标区域,更新目标信息(目标位置、尺寸和感知哈希描述子)与分类器参数,并标记当前帧检测到目标,否则不更新且标记当前帧未检测到目标.当上一帧被标记为未检测到目标,则当前帧使用全图等间隔采样,样本个数与FCT算法粗采样一致,使用分类器得出响应值最高的样本,再以该样本中心为圆心,半径为5的圆形区域遍历精确采样,得出最有可能是目标的样本,最后通过判断汉明距离决定是否更新参数.实验结果表明,该算法在抗遮挡性、有效性和鲁棒性上优于FCT算法,且拥有较好的目标自找回能力,为目标的快速跟踪提供一种新的方法."}
{"title": "面向分类错误率的自适应FAST算法", "abst": "FAST算法进行特征提取时,如果阈值和半径为非最优值,会出现特征点冗余或者丢失的现象,极大地降低了特征点的提取精度.针对上述问题,本文基于AdaBoost思想,提出了AdaBoost＿FAST算法.该算法采用支持向量机作为分类器,当FAST算法中的阈值和半径非最优时,将会导致分类器错误率较高.由此根据分类器错误率计算每组阈值和半径的抽样概率,当错误率越低,其抽样概率越大,所对应的阈值和半径越接近最优值.由抽样概率构成的代价函数可知,经过多次迭代后,如果错误率较小并且无明显变化,则此时选择出的阈值和半径即为最优.实验结果表明,该算法能够有效进行阈值与半径的自适应选择,减少了特征点的冗余和丢失现象,在保证AdaBoost＿FAST算法实时性的同时提高了特征点提取精度."}
{"title": "高效Prewitt边缘检测算法的NEON实现", "abst": "在多媒体应用中,对图像数据的处理占据了极其重要的位置.随着嵌入式系统的高速发展,如何在嵌入式系统中完成对图像的实时处理已经成为最大的挑战.Prewitt边缘检测算法是一种典型的图像边缘处理算法,被广泛应用于图像处理领域.从提高嵌入式系统计算Prewitt算子运算速度的角度出发,提出了一种基于NEON协处理器的高效Prewitt边缘检测算法.该算法能够有效减少冗余的计算量和图像数据的重复读取,从而提高了整体的运算效率.为验证实验结果,用Verilog语言在Xilinx公司的Zedboard开发板上搭建了系统运行平台.在该平台上的实验结果表明,通过该算法可以使得嵌入式平台在计算Prewitt算子方面的运算速度与拥有CPU+GPU的平台相当."}
{"title": "基于凸包的最小有向包围盒生成算法", "abst": "针对复杂物体三维点集的建模问题,提出一种基于几何计算的最小体积的封闭有向包围盒生成算法.对点集所构成的凸包进行分析,总结了凸包和其最小体积有向包围盒的4种边面接触类型.通过枚举凸包边的所有可能的组合,唯一确定包围盒的最优方向.实验证明,该算法可以快速生成符合模型体积特征的最小有向包围盒,且拟合效果良好."}
{"title": "H.265帧内模式判决并行计算方法研究与实现", "abst": "针对H.265帧内编码算法编码速度慢的问题,基于现场可编程逻辑门阵列(FPGA)设计了一种并行帧内模式判决架构.首先通过理论推导,证明可以将多层次多尺度编码块的模式判决问题转化为单一层次多个小尺度编码块模式判决的叠加问题;其次,在编码块内部通过细粒度并行实现快速模式判决,在编码块之间通过窗口流水方式实现快速处理;最终在FPGA上设计并实现了该帧内快速模式判决架构.实验结果表明,本文算法最高可达到93.6x的加速比,且编码后的视频质量损失较小(PSNR平均降低0.71dB)."}
{"title": "阈值稀疏自适应匹配追踪图像重构算法", "abst": "针对稀疏度自适应匹配追踪算法(SAMP)在进行图像重构时存在重构精度低及计算复杂度高的问题,本文提出了一种基于阈值控制的稀疏度自适应匹配追踪(T-SAMP)算法.基于回溯迭代的正交匹配追踪(BAOMP)算法在原子选择阶段,采用阈值核查所选的可靠原子及删除不可靠原子,将核查可靠原子步骤作为SAMP算法迭代前的预处理步骤,以寻找到信号的最大近似系数,以提高重构精度以及降低算法复杂度.仿真结果表明,与SAMP算法相比,所提出的T-SAMP算法能平均提高3dB峰值信噪比,算法平均运行时间降低约60%."}
{"title": "一种结合深度学习特征和社团划分的图像分割方法", "abst": "图像分割方法是一种非常重要的图像分析技术,现有常用图像分割方法都需要依靠人工提取特征来抽取图像的特征.本文提出了一种新的基于深度学习特征和社团划分方法结合的图像分割方法.基于深度学习特征抽取方法,采用卷积神经网络(CNN)模型抽取了图像的深度学习特征.首先,SLIC超像素算法将图像由像素级转化为区域级,划分成超像素区域,针对每个超像素区域,我们提取了深度学习特征.另外在结合超像素区域颜色特征的基础上,构建成了新的超像素区域相似度矩阵.然后我们基于社团划分的思想对相似度矩阵进行了划分.为了能自动识别图像分割的个数,我们使用了模块度Q自动确定最佳的社团个数,实现了图像的自适应分割.为了说明本文提出方法的有效性,我们在BSDS500数据集上进行了实验测试,并与现有的几种著名图像分割方法进行比较.在不同图像上的分割实验结果表明,我们提出的图像分割算法优于其它几种方法."}
{"title": "Storm启发式均衡图划分调度优化方法", "abst": "针对现有Storm调度器未考虑通信代价,负载不均、无法动态重调度等缺陷,提出了基于启发式均衡图划分算法的调度策略.通过对Storm建立调度模型,将负载检测作为调度器的输入实现动态并行参数优化和重调度优化,最终减少集群节点间的数据发送率,并且保持节点间负载均衡.实验表明本文算法建立的动态调度器能够有效减少数据处理延时,提升集群吞吐量,实现对集群性能的整体优化."}
{"title": "谱-空图嵌入的高光谱图像多核分类算法", "abst": "作为一种非常有效的预处理步骤,降维算法被广泛地应用于高光谱图像分类中.为了联合利用高光谱图像的光谱维和空间维信息,本文提出了一种基于谱-空图嵌入降维的多核融合分类算法,自适应融合降维后的空谱特征进行分类.该算法主要由三个步骤组成:首先,将训练集中的每个像素点作为顶点,每个顶点用对应像素的光谱特征描述,以此构造一个光谱图,利用图嵌入模型求得一个低维投影矩阵;其次,利用主成分分析模型提取高光谱图像的第一个主成分,并将其划分成不同大小的超像素块,以每个超像素块为顶点,每个顶点用超像素块中所有像素点的平均值来描述,从而构造一个空间图,再次使用图嵌入模型求得一个低维投影矩阵;最后,对于高光谱图像中的每个像素点,可用两个不同的投影矩阵分别求得其对应的低维特征表示,利用多核学习的方法对两者进行有效的融合,自适应学习融合权重,提升了后续SVM分类的准确性.在两个公开的高光谱图像数据库上进行了测试,验证了本文算法的有效性."}
{"title": "梯度稀疏性先验图像matting算法", "abst": "结构复杂的背景以及模糊的前景/背景界限是matting所面临的挑战.复杂的纹理使得想要精确的提取前景对象变得困难.本文利用梯度稀疏先验,将图像分为两层处理,并将两层的梯度正则化,使一层具有长尾分布,另一层具有短尾分布.两层图像的梯度不具有一致性,其中一层的梯度小于另一层的梯度.舍弃复杂纹理的图层,使背景复杂的纹理得到抑制,并且使前景对象变得平滑,前景/背景之间的界限更为清晰.对matting结果进行定性比较和定量分析,实验表明,利用梯度稀疏先验对图像进行处理,可以得到精度更高的alpha遮罩."}
{"title": "煤矿井下高清图像快速去雾算法研究", "abst": "针对暗原色先验去雾算法在大幅图像(960P以上)运算速度缓慢,提出使用缩放插值法快速获取暗通道图和粗透射图,并利用CANNY边缘检验和引导滤波获得边缘强化引导图,改善因缩放导致的粗透射图边缘丢失,并针对井下环境进行了大气光值限定.实验结果表明,该算法在井下高清图像去雾处理中,可以有效缩短运算时间,并且获得比He算法更好的边缘效果."}
{"title": "循环神经网络在语音识别模型中的训练加速方法", "abst": "深度神经网络目前已被广泛应用于众多领域.尤其在自然语言处理领域,基于循环神经网络的模型训练效果明显优于其他传统方法.然而模型复杂度不断提高,有限存储空间成为进一步训练大规模任务的瓶颈,例如使用图形处理器(GPU)进行加速训练.本文提出一种基于语音识别模型,对循环神经网络进行训练加速的有效方法.首先,基于输入训练集序列的长度分布,对每一批训练样本进行划分,并重新组织;其次,通过对GPU显存的高效使用,每一批次训练样本数增多,从而提升计算效率,减少训练时间.本文分别从不同的批样本数及不同序列组织方法,通过对比单位时间处理序列数衡量优化效果.实验表明,基于3层循环神经网络的语音识别模型训练中,单GPU训练可达到1. 7倍加速比."}
{"title": "不完备序决策系统的约简一致性研究", "abst": "粒计算是数据挖掘和知识发现的一个重要手段,以信息粒作为基本计算单位,可以有效地处理大规模数据.不完备序决策系统拓展了经典粗糙集模型,将优势关系引入粗糙集模型使其能够更好地处理带有偏好关系的不完备决策表.本文结合了粗糙集和证据理论,研究了在不完备序决策系统中,序上、下近似算子和证据理论中的信任函数和似然函数的关系,给出了如何根据序上、下近似算子来计算信任函数和似然函数的方法.进而提出了在不完备序决策系统中证据理论下,近似分布约简和相对信任约简的定义和相关性质,并研究了它们之间的一致性,为粒计算提供了一种新的思路."}
{"title": "三元概念分析的联盟应用研究", "abst": "随着网络上越来越多的三维数据涌现出来,三元概念分析的相关理论研究备受关注.三元概念分析作为新的研究领域,具有较好的发展前景.为此,本文提出三元概念分析的联盟应用研究,是三元概念分析在应用上的扩展.本文主要研究思路是首先在经典合作博弈的基础上提出受限合作博弈,并基于三元概念分析的理论提出了联盟形式的生成算法LMXC.其次,为了合理分配效用值,在经典Shapley值的基础上结合三元概念分析的理论对它作了进一步研究,提出了受限合作博弈的G-shapley值法.最后引入算例对LM XC算法的结果进行分析与验证,利用三元概念表示企业组合、企业组合共有的技能、合作模式之间的三元关系,效用函数描述联盟形式获得的效用值;并引用文献中的数据对G-shapley值法的正确性验证,以及通过实验测试了该理论模型的效率."}
{"title": "一种联合LTR和社交网络的Top-k推荐方法", "abst": "个性化推荐可以有效地解决网络中数据爆炸问题,绝大多数的工作利用用户评分信息来降低评分预测误差值(MAE).相比于精确的评分预测,用户更关心推荐给他的top-k项目排序列表,而最小化MAE并不意味着良好的top-k项目列表.由于评分数据存在稀疏问题,社交网络中信任信息在top-k推荐系统中起着越来越重要的作用.本文提出了一种基于信任的面向top-k排序的推荐方法,BTRank.该算法基于LTR方法,结合用户评分以及用户信任信息来构建项目排序模型,有效地提高对所有用户的top-k排序列表质量.同时,考虑到用户兴趣会随着时间演变而变化,本文设计了时间效应模型函数用于处理用户历史评分数据.在真实数据集上的实验中表明本文提出的算法效果明显优于传统的推荐算法以及同类top-k排序推荐算法."}
{"title": "面向缺失数据的动态特征选择", "abst": "随着数据获取工具的快速发展,实际获取到的数据通常是动态更新的,且更新的速度也越来越快.数据集的动态更新通常有三中类型,即数据规模的更新、维数的更新和数据取值的更新.为此,本文针对含有缺失数据的数据集,通过讨论和分析信息熵随数据变化的更新机制,设计了一种基于信息熵的动态特征选择算法.算法中以信息熵的变化作为特征重要度的度量,进而给出了含有缺失数据的数据集中特征选择结果随数据取值变化的动态更新策略.实验结果进一步验证了新算法的可行性和高效性."}
{"title": "一种动态调整惯性权重的简化均值粒子群优化算法", "abst": "提出了一种动态调整惯性权重的简化均值粒子群优化算法(DSMPSO).该算法在简化粒子群优化算法的基础上,利用个体最优位置和全局最优位置的线性组合取代算法个体最优位置和全局最优位置,以加快算法的收敛速度以及寻优精度;此外,构造了一种基于余弦函数的惯性权重,并加入服从贝塔分布的随机调整策略,以实现对惯性权重的动态调整,从而更好地平衡算法的全局和局部搜索能力,并增加种群的多样性.仿真实验结果表明,与其他一些改进算法相比,本文的新算法具有更快的收敛速度和更高的寻优精度."}
{"title": "一种用于卷积神经网络压缩的混合剪枝方法", "abst": "在模型压缩中,单独使用权重剪枝或卷积核剪枝对卷积神经网络进行压缩,压缩后的模型中仍然存在较多冗余参数.针对这一问题,提出了一种结合权重剪枝和卷积核剪枝的混合剪枝方法.首先,剪除对卷积神经网络整体精度贡献较小的卷积核;其次,对剪枝过的模型再进行权重剪枝实现进一步的模型压缩.在剪枝过程中通过重新训练来恢复模型精度.在MNIST和CIFAR-10数据集上的实验结果表明,提出的混合剪枝方法在几乎不降低模型精度的前提下,将LeNet-5和VGG-16分别压缩了13. 01倍和19. 20倍."}
{"title": "生成对抗网络理论框架、衍生模型与应用最新进展", "abst": "近年来,生成对抗网络发展迅速,尤其在图像处理方面表现突出.由于深度网络的强大和竞争性训练方式,生成对抗网络可以产生高质量的图像.本文论述了生成对抗网络的理论框架及衍生模型,简要介绍了其训练方法,重点介绍了生成对抗网络在图像处理领域的应用,包括图像的合成与分类,图像风格转换,图像超分辨率和其他应用."}
{"title": "融入柯西扰动的改进差分进化算法及其应用", "abst": "为了避免差分进化算法提早收敛,提出一种融入柯西扰动的改进差分进化算法(CDMDE).使用双策略变异并在变异操作中加入柯西扰动和小概率扰动机制,提高算法的收敛精度;联合当前种群的中心解和最优解改进交叉策略,为算法提供良好的进化方向;自适应参数控制保留了优秀参数,有利于后续种群的进化;最优个体信息复制机制旨在挖掘种群中的优秀信息.通过优化19个测试函数,结果表明CDMDE算法与其他4种算法相比具有更高的收敛精度、更强的稳定性.并将该算法应用于2个电力系统经济调度问题,优化结果优于文献中所报道的结果."}
{"title": "面向代价敏感的多标记不完备数据特征选择算法", "abst": "代价敏感下的特征选择是机器学习和数据挖掘领域的重要研究内容,目前基于代价敏感的特征选择研究主要是面向单标记的数据,由于在许多应用领域数据往往是多标记连续型数据,且在数据获取过程中由于技术或成本限制导致数据呈现出不完备性.为解决上述问题,提出了一种基于测试代价的多标记不完备数据特征选择算法.首先,算法利用粗糙集模型计算多标记不完备数据下的邻域粒度,并用均匀分布和正态分布两种分布函数计算每个特征的特征代价;然后,提出了一种基于测试代价的特征重要性计算方法,并在核特征的基础上,设计了启发式的特征选择算法;最后,通过在Mulan数据集上的实验结果进一步验证了算法的有效性和可行性."}
{"title": "基于多维度评价信息的在线服务信誉度量", "abst": "为了解决单维度信誉度量模型评价维度单一、粒度较粗的问题,本文提出一种基于多维度评价信息的在线服务信誉度量方法.方法将信誉度量转化为对服务的分类问题,通过机器学习的方式,利用训练样本在多维空间中构造最优分类器模型对服务分类,以在信誉度量中综合利用多维度评价信息.首先,建立了服务的支持向量机多分类器模型.其次,基于半监督机器学习,使用少量人工标注样本训练初始分类器模型,并通过自学习不断从未知样本中获取新的训练样本更新该分类器模型.然后,为提高分类器模型泛化能力,采用主成分分析法对特征降维.最后,利用自学习过程获得的支持向量机分类器模型对服务进行分类.通过实验验证本方法在信誉度量中应用的有效性和高效性."}
{"title": "Apriori-KNN算法的警报过滤机制的入侵检测系统", "abst": "针对基于特征的网络入侵检测系统(NIDS)高误报率的弊端,提出了利用数据挖掘技术来减少误报的方法.首先对基于特征的NIDS的正常警报模式进行建模,使用Apriori-KNN算法对NIDS持续输出的警报进行过滤,然后对真正的警报输出进行处理,从而减少入侵检测系统的误报率.采用DARPA数据集和真实数据进行测试,结果证明,在不改变现有配置的情况下,本方法可有效地降低NIDS的误报率."}
{"title": "基于Sponge结构的轻量级Hash函数设计", "abst": "随着物联网技术的高速发展、资源受限设备的广泛应用,传统密码算法正面临着新的挑战.除了要提供一定程度的安全保证外,资源受限环境下的Hash函数还面临着轻量化需求.提出一种基于Sponge结构的轻量级Hash函数,内部变换采用改进的Klein算法,并对其软件实现进行面对字节的优化,具有64位摘要长度.对算法进行依赖性测试和安全分析结果表明该算法可以满足资源受限环境的安全需求.效率测试表明该算法硬件实现规模满足资源受限环境的要求,并兼顾了软件实现效率."}
{"title": "IPv6融合树结构存储及快速查找", "abst": "IPv6具有128位的超大地址空间,但地址容量的增加也给路由存储及查找带来极大困难,传统的存储结构(如Trie树)无法直接适用于IPv6.分析IPv6主干网路由的特征,包括:路由前16位取值极少、前缀长度为32及48位的路由数量较多等.由此,提出了一种多比特Trie树的变化结构来实现IPv6路由的存储.根据IP前缀前16位的不同取值划分不同的路由Trie树;每一棵Trie树包括2层节点(不包含树根),分别对应掩码长度为32和48的路由;其它掩码长度的路由则根据前缀取值相同的原则,作为附加信息依附在对应节点.路由查找时,直接定位树节点,并通过回溯指针确保快速完成最长前缀匹配.为了避免耗费较大的存储空间,在Trie树第三层节点进行融合存储,极大地提升了路由存储效率.相比于其它路由存储方式,本机制能实现IPv6路由的快速查找,极大提高转发速度."}
{"title": "面向边缘计算环境的智能手机背光调节机制", "abst": "智能手机已成为日常生活中不可或缺的工具,被广泛地用于流媒体应用,而流媒体是一种资源消耗型的任务,手机单次充满电使用时间明显缩短.针对该问题,提出一种面向边缘计算环境的智能手机动态背光调节机制,在保证视觉效果的同时有效减少智能手机的能耗.该机制利用边缘计算节点的低延迟等优势,当视频数据传输到边缘计算节点时,通过分析视频帧像素亮度,确定视频帧在手机端显示时的局部最优背光亮度值.然后,从像素亮度和对比度两个方面进行背光亮度补偿,准确度量并减少亮度补偿造成的失真.最后,根据连续帧间的亮度关系,确定背光亮度保持不变的帧间隔.实验结果表明,在无显著增加延迟和视频失真的前提下,该机制能降低手机端20%～30%的能耗."}
{"title": "一种可靠高时隙利用率的太赫兹无线个域网MAC协议", "abst": "太赫兹通信能够支持数10 Gbps的数据传输速率,能够满足人们对高带宽无线通信的需求,作为太赫兹无线通信的关键技术之一的MAC协议成为研究的热点.本文针对太赫兹无线通信固有的物理属性导致存在的时隙资源浪费及帧聚合不必要的重传问题,提出了一种可靠高时隙利用率的太赫兹无线个域网MAC协议——RHSU-MAC(Reliable and High Slot Utilization M AC protocol),减少了时隙资源的浪费,提高了传输的可靠性.最后,通过实际验证,将提出的M AC协议与现有的能够应用于太赫兹超高速无线网络的高吞吐量低时延MAC(high-throughput low-delay MAC,HLMAC)协议进行性能对比,为提出的M AC协议提供了支持."}
{"title": "二进制代码级函数指针攻击机理与检测研究", "abst": "尽管有许多防御和保护机制已经被引入到现代操作系统中,但内存泄漏漏洞仍然对软件系统和网络安全造成巨大威胁.对于返回导向式编程ROP攻击(Return Oriented Programming)通常利用缓冲区溢出漏洞改写函数的返回地址,而函数指针在c/c++中普遍存在,比如struct结构体和虚函数中都含有大量的函数指针.本文通过实验表明了覆盖函数指针发起的ROP攻击是存在的并且提出fpDetect检测方法用来检测这种攻击.采取二进制代码插桩技术与动态检测相结合,大大提高了检测的准确性.通过实验证明了fpDetect检测方法可以应用在Linux和windows操作系统中."}
{"title": "融合特征降维和密度峰值的二进制协议数据帧聚类算法", "abst": "针对二进制协议会话流特征缺失和频繁模式难以提取的问题,通过采用特征降维和改进的密度峰值聚类算法,实现了无监督条件下以数据帧为颗粒度的二进制协议数据聚类.提出基于频繁项的特征降维算法,利用协议数据中存在的频繁项构造特征矢量表示原有数据帧,达到降维的目的;提出基于距离指数加权的密度峰值聚类算法自动选取聚类中心,有效提高了聚类中心和其它数据帧的区分度.通过在AIS、ARP、DNS、ICMP和SMB五种协议构成的三个数据集上进行测试,结果表明本文提出的算法对二进制协议数据帧具有较好的聚类效果."}
{"title": "一种在线容错和邻居协作的传感器节点故障诊断算法", "abst": "现有的分布式无线传感器节点故障诊断方法存在能量消耗高、检测容错性低等问题,为此提出一种在线容错和邻居协作的无线传感器节点故障诊断算法.首先,根据传感器节点自身历史数据相似性,提出在线容错故障检测算法,对节点自身状态进行初步评估,当节点为可疑节点时,向邻居节点发送故障诊断请求.然后基于邻居节点之间的相似性利用改进的3σ准则,建立邻居协作故障诊断机制,对节点状态做出最终诊断.实验结果表明此算法在大大降低能量耗损的前提下,对节点邻居节点过少以及故障发生率较高的情况也有较好的故障检测能力,并且适合于大规模的无线传感器网络."}
{"title": "物理层安全信号星座的设计方法研究", "abst": "物理层安全信号星座的设计方法的核心思想是调整信号星座使窃听者不能正确解码接收到的信息.运用物理层安全信号星座的设计方法可不需要知道窃听者的信道状态信息,并可用实际的调制信号实现安全保密传输.本文介绍物理层安全信号星座的设计方法的技术要点与发展现状,归纳其基本手段、保密性能分析方法、存在的问题和现有的解决方案.最后讨论了物理层安全信号星座的设计方法进一步的研究方向."}
{"title": "网中网残差网络模型的表情图像识别研究", "abst": "卷积神经网络模型中全连接层的所有结点与上一层结点全相连时,由于参数过多易产生过拟合现象、层级过深易导致梯度弥散(消失)等问题.本文用ELU函数替换Re LU修正单元,解决网中网(Network in Network)模型的梯度弥散问题,用全局平均值采样层代替全连接层,并增加两层残差网络结构,提出了网中网残差网络模型(NIN＿ResNet)对表情图像做分类识别研究.实验表明,基于TensorFlow平台对FER-2013和CK+数据集训练得出整体正确识别率分别为89. 99%和96. 03%. NIN＿Res Net模型比NIN和Res Net模型在识别率上有着显著的提高,在执行时间上优于NIN模型."}
{"title": "基于整体-星型模型的人体姿态估计", "abst": "针对姿态估计方法受到人体姿态多样性的影响问题,本文研究适合表示人体结构的模型,提出一种基于多模整体模型和星型模型的人体姿态估计方法.首先,使用人体整体检测器完成人体整体方位的检测,以获得初始人体候选集;然后提出一种多模型的星型结构,表示具有一定方位偏差的人体各个部位和整体之间的关系;为了更好地描述相邻部位之间的分布关系,在整体-星型模型中融合树型模型.数据集IP和LSP的结果表明,该方法提高了姿态估计准确率,尤其提高在人体姿态多样的情况下的结果."}
{"title": "《小型微型计算机系统》计算机安全专栏征文", "abst": "随着网络信息技术的迅猛发展和广泛应用,网络信息系统的基础性、全局性作用日益增强.网络安全和信息化相辅相成,信息化发展的同时必须解决好安全问题.坚定不移实施创新驱动发展战略,抓住基础技术、通用技术、非对称技术、前沿技术、颠覆性技术,把更多精力投向核心技术研发,集合精锐力量,推动我国网信事业发展,让互联网更好地造福社会."}
{"title": "基于小波预处理及自适应权函数的非局部均值滤波算法", "abst": "非局部均值滤波算法因其良好的去噪效果受到了广泛关注,内容主要集中在算法加速,搜索框、相似框尺寸以及平滑参数的自适应设置等方面.然而,研究发现,在非局部均值滤波过程中,欧氏距离权函数对去噪效果也有较大影响.本文通过对权函数的分析,根据图像含噪情况、像素点的局部结构,自适应选择权函数,提高了去噪效果.此外,由于非局部均值滤波在噪声强度大时去噪效果不佳,而小波变换能够很好区分图像高频信号与噪声,本文先采用小波阈值去噪方法对图像进行预处理,再进行自适应权函数非局部均值滤波.仿真实验表明,本文方法在去噪效果上有明显提升,尤其适用于噪声强度较大的场景."}
{"title": "分段Radon变换的弯曲文本基线提取", "abst": "针对提取的文本基线不能很好贴合文本边缘,影响弯曲文档图像几何纠正效果,文中提出了一种基于Radon变换和连通域方向的弯曲文本基线提取方法.首先通过分析连通域附近不同距离内像素分布变化情况,将图像分割成横排区域和竖排区域;其次把区域分成窄形条状子图,利用局部合并连通域的方向和Radon变换得到行连通域并提取基直线,各子图基直线合并拟合区域弯曲基线.实验比较显示,文中方法能适应不同弯曲、稀疏程度的文档图像,所提曲线较好地吻合文本边缘,可以应用于弯曲文档图像几何纠正、光学字符识别中."}
{"title": "《小型微型计算机系统》机器学习专栏征文", "abst": "\"为及时反映我国在上述方面的研究进展,《小型微型计算机系统》将出版复杂环境下的机器学习研究专栏.本次专栏选题为\"\"机器学习\"\",将突出开放、复杂环境下的机器学习的研究热点,该专刊收录该领域近期取得的原创性高水平研究成果,进一步促进该领域的发展.欢迎机器学习及相关研究领域的专家学者、科研人员踊跃投稿.热忱欢迎从事网络信息安全领域组织机构及个人踊跃投稿.凡属于机器学习领域的各类学术论文均可投稿.所投稿件经评\""}
{"title": "基于显著目标的图像认证与自恢复", "abst": "为实现图像认证与内容保护,提出一种基于显著目标的图像认证与自恢复方法.通过自嵌入水印与无损水印方法的联合使用,实现图像中显著目标与被篡改内容的有效恢复.嵌入信息包括图像的主要信息及显著目标的细节信息,采用参考共享机制进行嵌入.在认证端,一旦判定图像遭受到篡改攻击,被篡改内容及显著目标的细节信息将被进行有效恢复.为保证嵌入端与认证端所提取的显著目标一致,提出使用一种合成图像而非原始图像提取显著目标.实验结果表明,该算法能够定位篡改区域,恢复被篡改内容,并实现显著目标的无损恢复."}
{"title": "融合超像素和伪流算法的交互式图像分割", "abst": "超像素有利于提取图像的局部结构特征,大幅度减小后续处理计算复杂度.针对SSNCuts当图片中目标和背景颜色相似,目标较小以及目标中间含有背景区域的时候,分割效果不好;标记种子点的时候,经常无法预测分割的结果,标记非常费时费力.本文提出了一种新的基于超像素和伪流算法的交互式的图像分割方法:首先由用户交互引入目标和背景的先验信息;然后使用均值漂移将图像过分割为超像素,再使用Bhattacharyya系数来计算两个超像素区域之间的相似度,并建立超像素顶点之间的关系矩阵;最后利用伪流算法进行超像素分割,并将超像素分割结果转换到原始图像得到最终分割.在图像分割公开测试库上进行实验,验证了提出方法的准确性和分割效率更高."}
{"title": "同一场景中异质布料的动态绘制", "abst": "在运动仿真中异质布料属性不同,使得姿态变化不一样,统一设定迭代次数又会造成计算资源的不合理分配,因而,在PBD的基础上探索异质布料的动态绘制.首先,引入自由质点约束因子改进LRAs模型,解决自由质点间距离过长问题,并根据属性约束构建异质布料;然后,在XPBD解决同一布料中刚度依赖迭代次数的基础上,采用独立迭代的方式对约束方程进行求解,保证不同布料的迭代独立,并根据场景中不同约束所占比重不同设置不同的迭代次数,优化计算资源分配;之后,为加快求解过程,用Jacobi替代PBD中的Gauss-Seidel方法,以并行方式计算各约束;最后绘制不同平台下异质布料间的碰撞.实验结果表明,该方法能够快速绘制运动过程中的异质布料."}
{"title": "多任务及Resnet网络在人脸多属性识别中的应用", "abst": "为了改善人脸多属性分类的精度和泛化能力,利用多任务学习方法训练基于ResNet网络结构的人脸多属性分类器.首先采用卷积神经网络——ResNet进行特征提取,然后利用多任务并行学习能力和多个属性间的关联性,直接对输入的人脸图片,判断人脸的多个属性状态.在MORPH Ⅱ、CelebA和LFWA数据集的实验结果表明,这种基于多任务ResNet方法在人脸属性识别任务中准确率可达89%,相对于传统的人脸多属性检测方法提高了模型的泛化能力和识别的准确率."}
{"title": "划分区域异速云的实时绘制算法改进探索", "abst": "云是普遍存在的自然现象.针对在同一场景下不同高度的云不能同时得到逼真效果的问题,提出一种划分云层区域的策略.首先,为了避免用同一种方法难以准确表达不同类型云的特征,根据气象学规律将天空划分为低层云、中高层云两个区域,用粒子系统绘制低层云,引入Perlin噪声绘制中层云和高层云;其次,构造与云的位置、视点距离等相关的速度函数,使得场景中不同区域、不同位置的云具有不同的运动速率和方向,增强天空中云彩绘制的真实感;最后,通过一天内太阳光和环境光的实时变化,实现一天内不同时刻云的绘制效果.实验分析和对比结果表明,基于区域划分的云模拟方法能够快速逼真地在虚拟场景下进行虚拟云的实时绘制."}
{"title": "分组加权t-SNE的手写数字奇异类样本聚类方法研究", "abst": "针对t-SNE算法在高维降维中存在的奇异类样本区分能力弱的不足,给出了一种将分组加权的改进t-SNE算法应用于数字手写体奇异类样本的聚类和识别中的方法.该方法根据样本在高维空间内的不同分布状况而应用不同的分组权值重新计算相似度,进而实现更合理的高维空间到低维空间的聚类映射.在基于MNIST构建的奇异类样本库上的对比试验结果表明,与t-SNE算法相比,分组加权t-SNE算法的聚类可视化与指标均得到了提高,其中查全率平均提高了4%,查准率平均提高了3. 3%,从而验证了该方法的可行性和有效性."}
{"title": "K近邻近似模式匹配查询", "abst": "随着智能终端的广泛普及,传统的移动对象描述中增加了许多语义相关信息.现有语义移动对象查询大多在语义匹配的前提下再进一步考虑时空属性,造成部分结果在时空维度距离较远.为此,针对时空标签轨迹的语义描述,提出近似模式匹配,并给出相关定义表示,以考虑轨迹语义部分匹配查询条件.在此基础上,提出K近邻近似模式匹配查询,以实现同时考虑时空距离和语义匹配程度,引入新的剪枝策略,并给出基于标签R树的K近邻近似模式匹配查询算法.实验结果表明,与基于RR-Tree,3DR-Tree,TB-Tree及SETI索引的查询算法对比,在不同参数下,基于LR-Tree的K近邻近似模式匹配算法表现出更好的剪枝能力."}
{"title": "基于知识图谱的云端个性化测试推荐", "abst": "个性化推荐被广泛应用以加速云服务.推荐系统旨在基于在线和离线的可用数据、信息和知识来估计给定领域的一组对象的效用.现有的推荐系统严重依赖基于内容的方法或协同过滤的方法来提出建议,但是它们都不能完全满足面向自然语言语义的推荐效率和有效性.知识图谱是一种用于直接存储容纳语义丰富的非结构化和结构化信息的知识库.本文提出通过引入知识图谱作为媒体层整合基于内容和协同过滤两种方法来提高推荐质量,并且通过在云环境中构建测试推荐系统展示了本文提出方法的可行性."}
{"title": "城市道路未来车速预测模型研究", "abst": "准确的预测城市道路未来车速情况能够帮助解决城市交通拥堵问题.道路的车速受到许多因素的影响,例如天气、节假日、区域位置等等.为了准确预测道路的未来车速,本文提出一种基于深度学习和时空特性的方法来预测道路的车速.首先设计了一个端到端的神经网络结构,采用长短期记忆网络(LSTM)网络来处理具有时空特性的道路车速信息,然后结合神经网络中的全连接层来融合对车速产生影响的多种因素,最后采用成都市某条道路的实际数据来进行了实验.实验结果表明,本文提出的车速预测方法其预测精度优于目前常用的4种方法."}
{"title": "脑实质结核抗结核治疗的MRI动态研究", "abst": "目的:探讨脑实质结核抗结核治疗中的MRI影像学变化特点。方法:收集脑实质结核及混合型颅内结核患者29例,动态观察治疗前后不同时期结核病灶的MRI影像学特点及演变过程。根据文献将结核病灶分为粟粒型、结节型及结核瘤型,采用卡方检验比较不同类型结核病灶的消失率。结果:29例患者共660个病灶,粟粒型病灶239个(36.2%);结节型病灶323个(48.9%),其中60.7%呈环形强化,39.3%呈实性强化;结核瘤型病灶98个(14.8%)。治疗后1个月内粟粒型、结节型病灶消失率分别为41.0%(98/239)、15.5%(50/323),治疗后3个月内病灶消失率分别为79.9%(191/239)、38.4%(124/323),治疗后6个月内病灶消失率分别为97.1%(232/239)、52.9%(171/323)。治疗不同时间段的粟粒型病灶消失率均高于结节型(χ2值分别为46.130、96.156、131.856,P<0.05);且结节型病灶中实性强化结节的消失率高于环形强化结节(χ2值分别为5.344、20.318、24.673,P<0.05)。治疗中3例出现新发病灶。结论:准确分析脑实质结核不同MRI影像学分型病灶的动态变化,有利于预测及评估抗结核药物的疗效。"}
{"title": "心电图OUT啦?心磁图要来了!", "abst": "[正文]Creavo公司成立于2014年,专注于商业化开发人体器官生物磁性图像的先进传感技术,用于检测和显示器官磁性图像,帮助疾病诊断。这种器官磁性图传感技术,是经由英国利兹大学Varcoe教授团队,潜心研究10年后获得的成果。其核心的专利产品是可紧急部署的心磁图设备,可通过探测磁性心动图(MCG)来测量、显示和存储心脏活动引起的电磁波动。该技术可满足全球心脏病的临床紧急需求,可帮助医生迅速筛查患者入院时的严重心脏"}
{"title": "基于VBM-DARTEL分析的双相抑郁障碍大脑灰质的研究", "abst": "目的:本研究通过分析双相抑郁障碍患者的全脑结构MRI特征,探索双相抑郁障碍的大脑灰质结构的改变及其临床意义。方法:入组双相抑郁障碍患者30例、30例健康对照进行结构MRI扫描,使用SPM8软件对MRI数据进行基于体素的形态测量方法(VBM)分析。结果:(1)与健康对照组相比,双相抑郁障碍患者组的双侧旁扣带回中部、右侧眶回、右侧额上回、左侧额下回的灰质体积减少,右侧梭状回及右侧额下回的灰质体积增加。(2)双相抑郁障碍患者右侧眶回、右侧梭状回灰质体积与认知障碍评分呈负相关。结论:双相抑郁障碍患者灰质体积异常的脑区主要集中在前额叶-边缘相关脑区,可能是双相抑郁障碍情绪认知障碍的脑结构基础。"}
{"title": "颞叶癫痫的功能磁共振成像临床应用价值", "abst": "目的:探讨功能磁共振检查技术在颞叶癫痫脑内病变检测中的临床应用价值。方法:2015年1月至2016年12月在我院诊断为颞叶癫痫患者50例,年龄在10~56岁,平均21.3±10.3岁。使用GEsigna1.5及3.0THDxt磁共振机,常规扫描:垂直于海马的斜冠状位T2及T2 FLAIR,轴位T1 FLAIR、T2及T2FLAIR;在常规扫描基础上加扫轴位高分辨SWI及MRS;图像在GE ADW4.4工作站处理,采用SPSS19.0进行处理分析,经卡方检验,结果以P<0.05认为差异有统计学意义。结果:50例患者中,常规磁共振发现颅内病灶32例(32/50),常规磁共振扫描基础上加SWI扫描发现颅内病灶37例(37/50),MRS谱线异常41例(41/50),未见异常9例(9/50)。常规磁共振联合功能磁共振扫描对病变的显示能力得到提高,P<0.05,两者具有显著差异。结论:颞叶癫痫脑内病变影像学表现常不十分明显,因此在磁共振检查中应注意加扫功能磁共振成像,有利于脑内病变的检出。"}
{"title": "静息态fMRI对抑郁症伴嗅觉功能减退患者功能连接的研究", "abst": "目的:应用功能连接(FC)分析方法探讨抑郁症伴嗅觉功能减退患者的双侧杏仁核功能连接情况。方法:纳入37例抑郁症患者(MDD组)和38例性别年龄及受教育程度相匹配的健康人(NC组)进行70%异丙醇吸入测试法进行嗅觉测试,根据嗅觉测试结果将抑郁症组分为伴嗅觉减退的抑郁症a组和不伴嗅觉减退的抑郁症b组,然后均接受脑静息态fMRI检查,选取双侧杏仁核做全脑FC分析。结果:抑郁症伴嗅觉减退患者嗅觉减退程度与HDRS-24得分(r=-0.519,P=0.033)存在负相关关系。以左侧杏仁核为种植点,抑郁症组较正常组在右侧梭状回、左侧颞下回、左侧中央后回、左侧中央前回、双侧内侧旁扣带回功能连接减弱,抑郁症a组在右侧丘脑、右侧内侧旁扣带回功能连接减弱,与左侧距状回、右侧岛叶、左侧颞上回、右侧中央沟盖、左侧楔叶、左侧内侧旁扣带回、双侧中央前回、右侧额中回、左侧补充运动区、Cerebelum_Crus1_R功能连接增强。以右侧杏仁核为种植点,抑郁症组较正常组在右侧颞下回、左侧颞上回、左侧三角部额下回、左侧内侧旁扣带回、左侧中央前回、左侧中央后回、右侧中央旁小叶功能连接减弱,左侧海马功能连接增强。抑郁症a组在右侧内侧旁扣带回功能连接增强。抑郁症a组左侧杏仁核与左侧颞上回(r=-0.603,P=0.038)、左侧楔叶(r=-0.671,P=0.017)以及Cerebelum_Crus1_R(r=-0.608,P=0.036)功能连接与嗅觉测试距离呈负相关。结论:抑郁症伴嗅觉减退的患者双侧杏仁核功能连接存在改变,这些改变可能提示了抑郁症患者嗅觉减退和情绪调节失控之间的关系。"}
{"title": "左回旋支心肌桥CTA表现特点分析", "abst": "目的:通过比较与左前降支心肌桥形态学差别来总结冠脉左回旋支心肌桥CTA表现特点。方法:研究49例左回旋支心肌桥病例的CTA资料,50例左前降支心肌桥作为对照组。比较两组心肌桥的形态、分布、类型、壁冠状动脉长度、收缩期直径及合并冠心病发生率的区别。结果:左回旋支心肌桥发生率为3.36%。平均年龄为55.00±0.87岁,分布在回旋支近、中、远段的例数分别为9例(18.36%)、10例(20.40%)和30例(61.24%);其中浅表型39例(79.60%),深埋型10例(20.40%)。平均壁冠状动脉长度31.30±2.06mm,收缩期平均直径为2.19±3.05mm,心肌桥平均厚度1.23±2.16mm,合并冠心病5例(10.20%)。两组在肌桥类型、分布特点和合并冠心病例数上均有统计学差异(P<0.05)。两组的心肌桥厚度、长度和直径方面差异不显著。结论:左回旋支心肌桥罕见,肌桥类型以浅表型多见且跨度较长,好发于回旋支远段,较少合并冠状动脉粥样硬化。"}
{"title": "MRI引导下乳腺定位活检术应用效能探讨", "abst": "目的:细化分析仅在MRI下显示的乳腺病灶的影像学特征以减少不必要的MRI引导下定位活检。方法:75例(共75个病灶)经MRI穿刺定位活检病理证实乳腺病患者,女性,平均年龄44.4±11.0岁,其中13例为恶性病变,62例为良性病变,所有病例穿刺术前均行常规3.0T MRI检查、且BI-RADS分级达4级。根据Fischer评分标准对穿刺术前病灶MRI影像特征进行回顾性分析,将病灶评分与病理结果进行对照,并运用受试者操作特征曲线(ROC)评价其诊断的准确度。结果:Fischer评分标准的曲线下面积(AUC)为0.802(95%CI:0.694~0.885),表现出较高诊断效能。ROC分析当取cut-off值为≤3时,可在不遗漏恶性病灶的情况下减少21例(33.8%)不必要的活检。结论:对于仅在MRI上显示的可疑病灶,运用Fischer评分标准进行进一步评估,能在一定程度上减少不必要的MRI引导下定位活检术。"}
{"title": "华人科学家首次将CT灌注应用于卵巢癌患者", "abst": "[正文]卵巢癌是女性癌症的三大杀手之一。晚期的卵巢癌在初步治疗后有着非常高的复发率,高达60%~85%的患者都会经历复发。治疗计划是患者治疗中很重要的因素,但是目前很少有可靠的选择来帮助医生精确做出治疗计划,以及筛选哪些患者可以作为特定治疗方案的候"}
{"title": "冠状动脉CTA对比剂注射方案优化的前瞻性研究", "abst": "目的:验证一种基于药物代谢动力学和生理学模型的原型软件,再结合患者胸部大血管时间-密度曲线,优化冠状动脉(冠脉)CTA检查对比剂注射方案的效果。方法:连续收录自2016年6月至9月于我院行冠脉CTA检查的患者,并随机分入A组(团注对比剂跟踪组)、B组(小剂量团注测试组)和C组(原型软件计算组)。冠脉诊断的目标CT值为350HU。冠脉CT值由一位放射科医师手动测量。所有数据的统计采用SPSS 18.0分析,并进行方差分析和Levene检验。结果:共199例患者,三组间患者的一般资料之间没有显著差异。A组的冠脉强化程度在三组中最高,但是远高于诊断需求的CT值(350HU)。与B组相比,C组的右冠状动脉中段(S2)、远段(S3)的强化程度更高,而其他节段的强化值则与C组相仿。且C组所用的对比剂总量在三组中最少。除了S2、S3段外,C组冠脉强化程度标准差在三组中最低,表明C组冠脉(除了S2、S3段以外)强化程度的组内差异最小。结论:与传统的对比剂注射方案相比,通过原型软件计算,可以显著减少冠脉CTA检查对比剂的使用量,同时获得较好的强化效果(最接近诊断需求的强化值和最均匀的强化效果)。"}
{"title": "浅析螺旋CT在诊断胡桃夹综合征中的应用", "abst": "目的:探讨螺旋CT(SCT)三维重建技术诊断胡桃夹综合征的价值。方法:运用螺旋CT对22例胡桃夹综合征患者泌尿系统进行多期增强扫描,同时用自带软件进行必要的后处理。结果:22例病例均可见肠系膜上动脉(SMA)压迫左肾静脉(LRV)的征象。螺旋CT多平面重建(MPR)技术可直观地显示腹主动脉(AO)与SMA之间的夹角(α)15.23°~28.45°,平均19.90°。左肾静脉受压前管腔直径与受压处管径之比为2.48 1~8.3 21.6例腹主动脉前壁见有弧形压迹,7例左肾静脉上方肠系膜上动脉可见弓形隆起,9例左肾静脉上下径拉长,最长达18.98mm。15例增强扫描肾实质期(后期)显示双肾实质密度相差20HU以上。结论:SCT在胡桃夹综合征诊断中具有明显的优势。"}
{"title": "能谱CT碘值测定评价肝泡状棘球蚴患者残肝功能初步研究", "abst": "目的:探讨应用能谱CT在肝泡状棘球蚴(HAE)患者不同肝功能分级中残肝实质内碘浓度变化规律及其与Child-pugh分级评分的相关性。方法:选取自2015-2017年所有经临床确诊为HAE患者31例作为研究组,采用肝功能Child-pugh分级标准及病例收集具体情况进行分组,其中A组20例,B组11例,同时记录肝功能评分。另选取15例因临床需要行腹部CT检查、经其他检查证实无肝脏疾病者作为对照组。所有患者均行HD 750能谱CT三期扫描。应用能谱分析软件重建出以水和碘为基物质的能量CT图像。在碘基图像上分别测量研究组和对照组动脉期及门静脉期残肝实质内碘含量及同期腹主动脉、门脉主干内碘含量平均值,计算肝动脉期及门脉期标准化碘含量,并对结果进行单因素方差分析,同时采用Spearman法分析肝动脉期及门脉期残肝实质内碘含量与Child-pugh分级评分的相关性。结果:研究组和对照组门脉期残肝实质内的碘含量均较动脉期残肝实质内碘含量高,各组间肝动脉期及门脉期残肝实质内碘含量比较,对照组最高,A组次之,B组最低;研究组和对照组肝动脉期、门脉期残肝实质内碘含量的差异具有统计学意义,不同组间差异有统计学意义;Spearman法分析结果显示:肝动脉期及门脉期残肝实质内碘含量与Child-pugh分级评分呈负相关,且相关程度较强。结论:HAE患者增强后残肝实质内碘含量变化提示肝功能状态,与Child-pugh分级评分有相关性,可以作为临床Child-pugh分级的补充。"}
{"title": "层面及感兴趣区的选择对直肠癌扩散峰度成像测量值一致性的影响:单中心临床研究", "abst": "\"目的:探讨不同层面及兴趣区对直肠癌扩散峰度成像(DKI)测量值一致性的影响。方法:回顾性分析60例病理证实为直肠腺癌患者治疗前的DKI图像。2名医师分别在ADCmap图像上采用中心法及轮廓法勾画ROI,通过软件将ADCmap图上的ROI自动对应MKmap及MDmap图,轮廓法采用手动勾画模式,沿肿瘤轮廓将肿瘤实性部分勾入ROI。中心法使用圆形ROI工具最大可能将肿瘤实性部分圈入。共三种层面选择,分别是肿瘤最大层、肿瘤最大层及其上下两层即\"\"三层法\"\"、肿瘤全层法。两名医师采用两种ROI法及三种层面间隔2周进行重复测量。使用单因素方差分析法比较肿瘤最大层面、\"\"三层法\"\"及全部层面所得各ADC、MK及MD值差异。中心法及轮廓法测量所得ADC、MK及MD值的比较使用配对t检验。两名医师及同一医师前后两次测量的ADC、MK及MD值一致性使用组内及组间相关系数(ICC)评价。结果:不同层面间ADC、MK及MD测量值差异无统计学意义(P>0.05)。轮廓法测量的ADC及MD值均大于肿瘤中心法的测量值且差异有统计学意义(P<0.05);轮廓法测量的MK值小于中心法MK值且差异具有统计学意义(P<0.05)。肿瘤全层-中心法测量ADC、MK及MD值,组内及组间ICC分别可达到0.913,0.803;0.927,0.903;0.931,0.860。肿瘤全层-轮廓法测量ADC、MK及MD值,组内及组间ICC分别可达到0.954,0.822;0.942,0.931;0.941,0.879,肿瘤全层-轮廓法所得测量值一致性略高于肿瘤全层-中心法。结论:层面选择对直肠癌扩散峰度成像测量值的影响不大,而ROI对测量值影响大。肿瘤全层-中心法较轮廓法测得ADC,MK及MD值一致性略差,但操作简便节省时间;肿瘤全层-轮廓法所得测量值一致性最高且能反映肿瘤整体情况,但操作较费时。\""}
{"title": "睾丸精原细胞瘤的MRI诊断", "abst": "目的:探讨睾丸精原细胞瘤的MRI表现,以提高对本病的诊断能力。方法:回顾性分析经手术病理证实的14例睾丸精原细胞瘤的MRI表现。结果:6例位于腹内,起源于隐睾;8例为阴囊内。6例腹内隐睾并发精原细胞瘤均表现为单发腹内肿块,位于左侧2例,右侧4例;4例位于腹腔内,2例位于腹膜外;其中1例呈明显不规则分叶状,5例呈椭圆形;肿块最大约9.0cm×12.2cm×15.5cm,最小约3.5cm×4.5cm×6.5cm,其最大径平均为9.5cm;T1WI呈等、稍低信号,T2WI内部信号不均,肿块内见不规则、囊状高信号坏死液化区,周围实性部分呈稍低信号;DWI实性部分呈高信号,ADC图实性部分呈低信号,坏死液化区呈高信号;增强后实性部分呈轻、中度强化,并呈持续渐进性强化,病灶内坏死液化区呈不同大小无强化区;周围边界及结构清晰;肿块推移膀胱2例;6例均未见淋巴结肿大,盆腔内未见明显积液;单侧阴囊空虚、未见睾丸显示5例,双侧阴囊空虚、未见睾丸显示1例。8例位于阴囊内,均为单侧,左侧5例,右侧3例;肿块呈椭圆形,边缘清晰,肿块最大约7.8cm×8.5cm×10.2cm,最小约2.0cm×2.4cm×3.5cm,其最大径平均为5.6cm。T1WI呈等、稍低信号,T2WI6例呈稍低信号,2例信号不均,内见不规则高信号区;DWI呈高信号,ADC呈低信号;增强后强化较均匀6例,欠均匀2例;病灶实性部分动脉期强化轻微,周围见薄环状强化,静脉期病灶强化稍增加,呈轻中强化,4例见内部分隔样强化;7例合并少量睾丸鞘膜积液;1例见腹沟股淋巴结肿大,1例见腹膜外淋巴结肿大。结论:睾丸精原细胞瘤的MRI征象具有一定的特点,隐睾病史对腹内型精原细胞瘤具重要价值。。"}
{"title": "门静脉瘤的MSCT血管成像诊断价值", "abst": "目的:探究MSCT血管成像对门静脉瘤的诊断价值,以提高认识。方法:回顾性分析24例行MSCT血管成像检查的门静脉瘤患者的临床及影像资料,利用MPR、MIP、VR等技术对图像进行处理,记录患者的性别、部位、形态、门脉系统、并发症等情况,分析其相关性。结果:24例均为单发,其中脾静脉与肠系膜上静脉交汇处(CNF)14例,门静脉主干(MPV)2例,门静脉左支(LBP)4例,门静脉左右支分叉处(PVB)4例;16例呈囊状扩张,8例呈梭形扩张;4例合并海绵样变性,2例合并门静脉栓子形成,2例合并腹主动脉瘤;16例合并门静脉高压。门静脉瘤不同性别的发病部位分布差异有统计学意义(χ2=12.176,P<0.05),男性患者中以脾静脉与肠系膜上静脉交汇处居多(85.7%);门静脉瘤不同形态的并发症情况分布差异有统计学意义(χ2=6.000,P<0.05),门静脉瘤合并并发症者均为囊状扩张;门静脉瘤发病部位与门静脉高压有显著关系(χ2=11.143,P<0.05),合并门静脉高压者以脾静脉与肠系膜上静脉交汇处发病居多(62.5%)。结论:门静脉瘤虽少见,但其有一定特征性,MSCT血管成像具有很好的诊价值。"}
{"title": "全球最大X射线激光器可助力新药研发在德国投入使用", "abst": "[正文]全球最大的X射线激光器European XFEL(欧洲X射线自由电子激光)2017年9月1日在汉堡大都市区正式投入使用。共有11个欧洲国家参与研发了这一造价达12.2亿欧元的激光器。据介绍,European XFEL是世界上最大的激光设施:每秒可发射多达27000个脉冲,"}
{"title": "正常成人腰骶段神经根的磁共振弥散张量成像定量分析", "abst": "目的:探讨正常成人L4、L5、S1神经根磁共振弥散张量成像(DTI)和神经纤维束示踪成像(DTT)的可行性及量化特征。方法:20名正常成人志愿者接受3.0T多源磁共振检查,采用选择性激励技术(PROSET)及DTI融合图像,分别在L4、L5、S1神经根的节前神经根鞘硬膜囊出行处、神经节和节后脊神经前支出椎间孔外口处三个不同水平设定兴趣区(ROI)测量左、右两侧神经根的各向异性分数(FA)值和表观弥散系数(ADC)值,同时进行神经根DTT。结果:20名正常成人志愿者PROSET、DTI及DTT均成功,可以清晰显示L4、L5、S1神经根,测量其FA及ADC的均值分别为0.56±0.10和(0.94±0.53)mm~2/s,0.52±0.11和(1.07±0.50)mm~2/s,0.48±0.11和(1.18±0.45)mm~2/s;各神经根相同水平左、右两侧的FA值及ADC值差异均无统计学意义(P>0.05);各神经根ADC值除节前神经根鞘硬膜囊出行处水平差异无统计学意义外,其他水平各神经根之间的FA值、ADC值差异均有统计学意义(P<0.05),且FA值变化呈L4>L5>S1趋势,ADC值变化趋势反之;同一神经根在三个不同水平的FA值、ADC值差异均有统计学意义(P<0.05),且FA值变化呈节前<神经节<节后趋势,ADC值变化趋势反之。结论:正常成人L4、L5、S1神经根DTI及DTT是可行的,与PROSET融合图像能够显示神经根走行并进行量化分析,为研究神经根病变提供了较全面的影像学信息。"}
{"title": "POEMS综合征伴硬化型骨髓瘤的影像学表现", "abst": "目的:探讨POEMS综合征伴硬化型骨髓瘤骨骼病变的影像学表现。方法 :回顾性分析9例经临床及病理证实的POEMS综合征伴硬化型骨髓瘤患者的临床资料、实验室检查及影像学检查。重点分析其骨骼病变的X线、CT及MRI表现。结果 :POEMS综合征伴硬化型骨髓瘤好发于男性,中位年龄50~60岁。主要临床表现为多发神经病变、脏器肿大、内分泌异常、M蛋白、皮肤改变、血管外容量负荷增加、硬化性骨病。实验室检查:单克隆浆细胞异常增殖(通常是λ型),血VEGF升高。骨损影像学表现:累及部位多为中轴骨,如脊椎、骨盆。骨损大小不一,最大径约7cm,最小径约1~2mm;7例多发,2例单发;7例表现为骨质硬化型,3例表现为混合型(溶骨性骨质破坏伴周边硬化)。结论 :POEMS综合征是一种多脏器损害疾病,临床表现复杂,其伴发硬化型骨髓瘤的影像学表现有一定特征性,对早期诊断有一定帮助。"}
{"title": "磁共振对胎儿异常病的临床应用研究", "abst": "目的:评价在胎儿少见异常疾病中磁共振检查的临床应用价值。方法:回顾性分析有临床对照资料证实的相对复杂胎儿异常疾病39例,对照产后临床诊断及尸检结果,总结磁共振诊断结果。结果:共检出胎儿中枢神经系统异常:胼胝体发育不良18例,脑出血4例以及Galen静脉瘤1例;中枢神经系统外异常:胎儿肠梗阻3例,脊膜膨出3例,先天性无肾4例,胎儿水囊状淋巴管瘤1例,唇腭裂1例,隔离肺1例,先天性胆总管囊肿2例,畸胎瘤1例。结论:胎儿磁共振可以做为超声产前胎儿检查的补充及延伸,对超声检出却无法明确性质的胎儿少见异常疾病进行诊断。"}
{"title": "三维斑点追踪成像评价代偿期肝硬化患者左心室收缩功能", "abst": "目的:探讨应用三维斑点追踪成像(3D-STI)评价代偿期肝硬化患者左心室收缩功能的价值。方法:选取38名诊断明确的代偿期肝硬化患者为肝硬化组,并以40名健康体检者为对照,两组分别进行常规超声心动图检查与3D-STI检查,获得以下参数:左心室舒张末期内径(LVEDd)、左心室收缩末期内径(LVEDs)、室间隔厚度(IVSt)、左心室后壁厚度(LVPWt)、左心室舒张末期容积(LVEDV)、左心室收缩末期容积(LVESV)、左心室射血分数(LVEF)、左心室收缩期整体纵向应变(GLS)、整体圆周应变(GCS)、整体径向应变(GRS)及整体面积应变(GAS),比较两组对应参数间的差异。结果:肝硬化组LVEDd、LVEDs、LVPWt、LVEF与对照组相比,差异均无统计学意义(P>0.05);相比于对照组,肝硬化组IVSt增厚,LVEDV、LVESV增大,差异有统计学意义(t=-3.049、-3.156、-3.032,P值均<0.05);3D-STI参数中,肝硬化组GLS、GCS、GRS、GAS均减低,差异有统计学意义(t=-2.124、-3.102、2.378、-3.318,P值均<0.05)。结论:代偿期肝硬化患者左室收缩功能受损,应用3D-STI技术能早期、敏感地检测出肝硬化患者左心室整体收缩功能的改变。"}
{"title": "MAGNETOM Terra正式取得CE临床认证", "abst": "[正文]全球首台可用于临床的7T磁共振MAGNETOM Terra已经正式取得CE认证,可以用于临床!7T提供了数倍于传统3T磁共振的信噪比和空间分辨率,在神经、血管、肿瘤、骨关节等多个方面都会带来全新的突破性进展。尤其是在目前常规影像设备难以诊断的神经退行性疾病如老年痴呆(阿兹海默病)、帕金森病、路易体痴呆等疾病的发病机制、早期诊断、治疗方案确定以及治疗效果评估上,有着极大的潜力。维也纳大学医院的教授,Dr."}
{"title": "基于影像组学方法的原发性肝细胞癌微血管侵犯和肿瘤分化等级预测", "abst": "目的:本文基于影像组学方法,用常规灰阶超声(GS-US)图像对原发性肝细胞癌(HCC)的微血管侵犯(MVI)指标和肿瘤分化等级进行预测。方法:根据影像组学的基本流程,本研究通过四个步骤:图像分割、特征提取、特征筛选和分类判别,分别建立对经手术病理证实的HCC病人的两个指标的预测模型并进行回顾性预测。结果:结果表明,肝脏的二维图像和MVI以及分化等级之间存在相关性,通过留一法(LOOCV)使用支持向量机(SVM)进行预测,受试者操作特性曲线下的面积(ROC)分别达到0.76(MVI)、0.89(肿瘤分化)。结论:灰阶超声图像蕴含和MVI以及肿瘤分化相关的相关信息,对HCC的灰阶超声图像的影像组学研究有助于患者的术前诊断和预后预测。"}
{"title": "早期帕金森病患者脑葡萄糖代谢网络模式的18F-FDGPET显像研究", "abst": "目的:用18F-脱氧葡萄糖正电子发射断层显像(18F-FDG PET)显示早期帕金森病（PD）患者脑葡萄糖代谢变化的特点及其异常脑代谢网络模式（PDRP）,为PD早期诊断和鉴别诊断奠定基础。方法:对早期PD（H-Y ⅠⅡ级）组10例、年龄及性别匹配的健康对照者10例进行18F-FDG PET显像,应用参数图分析法（SPM）进行数据分析,比较两组受试者脑内葡萄糖代谢变化的差异和特点。对上述脑PET图像进行基于体素的脑地形剖面分级（TPR）运算,获得相应的PDRP表达值。结果:与健康对照组比较,早期PD患者在壳核、苍白球、丘脑、脑桥、小脑和初级运动皮质区均表现为葡萄糖代谢明显增强。PD组的PDRP表达值为1.512±0.631,对照组的PDRP表达值为0.000±0.548,前者明显高于后者（t=10.731,P<0.001）。结论:基于18F-FDG PET显像得到的PDRP可以有效区分早期PD患者和健康对照者,有助于PD的早期诊断。"}
{"title": "O-MAR技术去金属植入物伪影的临床价值", "abst": "目的:探讨O-MAR重建技术减少金属伪影的临床应用价值。方法:选取21例体内有金属植入物的患者,扫描后对图像分别进行常规技术重建和O-MAR技术重建。以金属伪影影响最严重区域作为兴趣区(ROI),比较两组ROI的CT值和SD值,同时对图像进行主观评分。采用方差分析比较两组兴趣区的CT值和SD值,图像质量主观评分采用计量资料的秩和检验。结果:A、B两组兴趣区CT值和SD值差异均具有统计学意义(P<0.05)。主观图像质量评分A组明显高于B组,差异有统计学意义(P<0.05)。结论:O-MAR重建技术能够有效减少金属伪影,图像质量明显提高。"}
{"title": "弹性成像在鉴别甲状腺结节良恶性中的应用进展", "abst": "甲状腺结节病理成分复杂,良恶性声像图特征存在部分重叠,故如何提高甲状腺良恶性结节的诊断准确率成为近几年的研究热点。本文对临床常用的几种弹性成像技术及其临床应用进行介绍,包括施压式弹性成像(SE)、声触诊组织定量技术(VTQ)、实时剪切波成像(SSE)及声触诊组织定量成像技术(VTIQ)。目前弹性成像作为传统超声的一种辅助诊断工具在鉴别甲状腺结节良恶性的诊断价值上仍存在争议。"}
{"title": "首批网络首发中国学术期刊、《中国学术期刊(网络版)》学术论文录用定稿网络首发联合公告", "abst": "[正文]国内外学术论文作者、科研管理相关机构:为促进中国学术期刊的数字化、网络化、规模化转型升级,经国家新闻出版广电总局批准(新广出审[2015]887号),由教育部主管、清华控股有限公司主办的《中国"}
{"title": "轻度脑外伤急性期局部脑区的区域一致性变化", "abst": "目的:探讨应用区域一致性(ReHo)及低频振荡(ALFF)的方法反映轻度脑外伤(mTBI)后急性期局部脑功能网络连接一致性的变化,研究部分轻度脑创伤患者不同程度的神经心理及认知功能障碍与脑组织精细损伤的相关性。方法:通过47例急性期mTBI患者和37例性别、年龄匹配的健康对照组,计算ReHo及ALFF,并在两组之间进行双样本t检验。结果:与健康对照组相比,急性期mTBI患者出现了左侧颞中回、颞下回、中央前(后)回、舌回的脑功能连接显著性减弱,在右侧海马及海马旁回和左侧辅助运动区出现脑功能连接显著增强(P<0.05,Alpha Sim校正)。结论:区域一致性及低频振荡方法可以为临床评估急性期mTBI脑组织损伤提供客观依据。"}
{"title": "卒中高危人群的动脉自旋标记磁共振脑血流量研究", "abst": "目的:利用磁共振三维动脉自旋标记技术测量脑血流量,评估不同人群脑卒中的风险。方法:选取脑卒中人群42例建立高危组,健康志愿者42例建立对照组,完成常规磁共振成像和动脉自旋标记(ASL)并对图像处理后得到脑血流量ASL-CBF图,选取两侧各脑叶(额叶、顶叶、颞叶、枕叶)和基底节区以及两侧大脑半球的感兴趣,并测量出其CBF值。结果:高危组的全脑CBF值明显低于对照组(t=-6.02,P<0.05),常见的三个危险因素中,两组对照发现其中高血压、高血脂对CBF的影响有显著性差异(P<0.05),而高血糖对CBF影响差异无统计学差异(P≥0.05)。结论:脑卒中高危组的CBF值低于正常组,高血压和高血脂可能是引起的原因,而高血糖未对CBF产生影响。"}
{"title": "2018年医疗行业将面临的十大挑战及应对措施", "abst": "[正文]根据WHO的行业分析数据,全球医疗健康产业支出所占的GDP份额将由2015年的10.4%上升至2020年的10.5%,同时到2020年,全球医疗健康支出将从2015年的7万亿升至8.7万亿,年均复合增长率为4.3%。根据最近由Healthcare Executive Group进行的一项调查:2018年,临床数据分析、人口卫生服务机构状况和基于疗效的支付体系将是该年度排"}
{"title": "伴钙化及囊变的脑白质病影像学表现", "abst": "\"目的:探讨伴钙化及囊变的脑白质病(LCC)的影像学特征及相关临床、病理学表现,以提高对该疾病的认识。方法:回顾性分析3例经病理确诊为LCC患者的临床表现、病理学资料及CT、MRI、PET-CT和PET-MR等影像学资料。结果:3例患者均为女性,年龄21~47岁。CT及MRI平扫显示3例均见脑深部核团及白质的钙化、多发囊性灶及弥漫脑白质病变。MRI增强扫描后囊性病灶均见囊壁不规则环形或结节状轻度强化。PET-CT或PET-MRI表现为囊性病灶代谢减低。组织病理学可见新鲜或陈旧性出血、含铁血黄素沉积、钙化、肉芽组织、薄壁血管聚集及脑组织胶质增生。结论:LCC具有较典型的钙化、囊变及弥漫脑白质病变\"\"三联征\"\"影像学表现,病灶PET低代谢有一定的特征。微血管病变及脱髓鞘共同参与疾病的发展,微血管闭塞性病变是其影像学表现的病理基础。\""}
{"title": "不典型髓母细胞瘤MRI及ADC值在诊断中的价值", "abst": "目的:通过探讨髓母细胞瘤的MRI征象及表观扩散系数（ADC）值在髓母细胞瘤诊断中的价值,重点提高不典型髓母细胞瘤的影像学诊断水平。方法:回顾性分析41例经手术和病理证实的髓母细胞瘤,根据MR增强表现分为典型和不典型两组,其中典型21例,不典型20例,对肿瘤发生部位、病灶大小、边缘、MRI信号特点、囊变、出血、钙化、有无转移以及DWI等进行比较,并对肿瘤实质部分的ADC值进行统计学分析。结果:41例髓母细胞瘤中,7例位于小脑蚓部,16例位于第四脑室,17例位于小脑半球,1例位于左侧桥小脑角区,病灶周围水肿为无中度,22例有不同程度幕上脑积水,DWI信号高者8例,稍高者32例,低者1例,ADC值信号高者21例,低者20例,病灶内微囊变10例,中囊变者3例,大囊变1例,21例可见瘤周囊变,增强扫描轻中度云絮状强化18例,明显强化21例,2例强化不明显。根据肿瘤的强化程度,典型组和不典型组ADC值分别为（0.678±0.078）×10-3mm2/s和（0.745±0.091）×10-3mm2/s,其差异无统计学意义,总体ADC值为（0.711±0.084）×10-3mm2/s。结论:典型与不典型髓母细胞瘤在MRI上具有一定的影像学特征,ADC值对其诊断与鉴别诊断提供帮助。"}
{"title": "内淋巴囊肿瘤的影像学表现及鉴别诊断", "abst": "\"目的:探讨内淋巴囊肿瘤的影像学表现、诊断及鉴别诊断要点,提高对该罕见肿瘤的认识。方法:回顾性分析5例经组织病理学证实的内淋巴囊肿瘤的CT平扫、MRI平扫+增强图像,并复习相关文献,总结其影像学表现及鉴别诊断要点。结果:内淋巴囊肿瘤呈中心位于颞骨岩部中后缘(即内淋巴囊解剖部位所在)血供丰富的浅分叶状软组织肿块,伴邻近骨质\"\"蜂窝状\"\"溶骨性破坏。CT表现:肿块内部见较多细针状高密度骨样结构,后缘见不规则薄层钙化缘。MRI表现:肿块T1WI、T2WI均呈混杂信号,边缘见短T1、长T2高信号影,较大肿瘤伴血管流空征,动态增强曲线呈速升缓降型。结论:内淋巴囊肿瘤的影像学表现具有一定的特征性,结合其发生部位有助于临床诊断及鉴别诊断。\""}
{"title": "磨牙根分叉病变的锥形束CT评价", "abst": "目的:分析磨牙根分叉病变的锥形束CT表现及其诊断意义。方法:32例牙周炎患者纳入研究,共63个下颌磨牙进行了评价,术前CBCT检测和临床探查与术中测量的磨牙根分叉病变的分度结果进行比较。结果:CBCT和术中测量对磨牙根分叉病变分度的一致性最高,优于术前临床探查;CBCT和术中实际测量数据相比近远中向骨缺损差异无统计学意义,垂直向、颊舌向测量参数差异有统计学意义,误差在允许的范围以内。结论:CBCT可以较准确地评估磨牙根分叉病变分度,对骨吸收评估良好,有利于指导临床处置。"}
{"title": "全球最大X射线激光器在德国投入使用 可助力新药研发", "abst": "[正文]全球最大的X射线激光器European XFEL(欧洲X射线自由电子激光)2017年9月1日在汉堡大都市区正式投入使用。共有11个欧洲国家参与研发了这一造价达12.2亿欧元的激光器。据介绍,European XFEL是世界上最大的激光设施:每秒可发射多达27000个脉冲,亮度比传统的同步加速器光源亮度高出10亿倍。激光器的成功研发,开辟了全新的研究领域,"}
{"title": "表现为反晕征的肺磨玻璃结节CT诊断", "abst": "目的:分析表现为反晕征(RHS)的肺磨玻璃结节(GGN)的CT表现和诊断。方法:将34例34个表现为RHS的GGN纳入本次研究。在多平面重组三维正交图像的肺结节最大截面层面上完成分析。评价内容包括:结节最大径、环的最大厚度、完整性、环厚度的均匀性及密度。术前全部完成超高分辨率CT扫描。结果:肿瘤性病变32个,占94.1%,其中侵袭前病变21个(非典型腺瘤样增生7个,原位腺癌14个),侵袭性病变11个(微侵袭性腺癌9个和侵袭性腺癌2个)。另2例为良性病变。所有病灶形状均呈类圆形,边界清楚。侵袭性病变的最大径大于侵袭前病变(P<0.05)。侵袭性病变环的最大厚度大于侵袭前病变(P<0.05)。ROC曲线分析显示结节最大径>9mm诊断病变侵袭性的敏感度为81.8%,特异性为66.7%;环最大厚度>4mm判断侵袭性的敏感度为45.5%,特异性为90.5%。结论:表现为RHS的GGN绝大多数为肺腺癌。病灶最大径>9mm及环的最大厚度>4mm提示肿瘤的侵袭性。"}
{"title": "ASiR-V联合低管电流技术在低剂量冠状动脉钙化积分扫描中的应用", "abst": "目的:探讨256层Revolution CT多模型迭代重建算法(ASiR-V)联合低管电流技术在冠状动脉钙化积分(CACS)扫描中对钙化积分值准确性的影响及其降低辐射剂量的价值。方法:入组志愿者98例。管电压120kV,噪声指数(NI)20,智能管电流,行常规剂量CACS扫描,并在两周内行低剂量CACS复查。常规剂量组:采用滤波反投射(FBP)算法,前置ASiR-V比例选择0%;低剂量组:采用迭代重建算法,前置ASiR-V比例选择50%。分别计算两组扫描的Agatston积分(AS)、质量积分(MS)和体积积分(VS),采用Wilcoxon秩检验比较两组钙化积分值的差异性,一致性和相关性分别采用Bland-Altman分析法和pearson相关系数;两组积分心脏病风险评估的一致性采用Kappa检验。两组扫描有效剂量、管电流及信噪比的比较采用配对t检验。结果:常规剂量组和低剂量组的AS、MS及VS无显著差异(P值分别为0.94、0.39和0.30);两组AS、MS及VS显示较好的一致性和高度相关性(r值分别为0.994、0.994和0.993);两组AS心脏风险分组的一致性较好,Kappa值为0.94;低剂量组与常规剂量组有效剂量分别为1.80±0.97mSv vs.2.60±1.08mSv(P<0.05),低剂量组辐射剂量显著降低;图像的信噪比分别为2.92±0.53HU vs.2.66±0.62 HU(P<0.05),低剂量组的图像质量优于常规剂量组有统计学意义。结论:ASiR-V联合低管电流技术,可以在不改变钙化积分值的情况下,显著降低扫描的辐射剂量,并且提高图像质量。"}
{"title": "Exchange模型的DCE-MRI定量研究评价肝纤维化的价值", "abst": "目的:探讨Exchange模型的动态对比增强MRI(DCE-MRI)评价肝纤维化的价值。方法:对经肝脏穿刺活检确诊的肝纤维化各期共65例及正常对照组20例行肝脏DCE-MRI扫描,通过Exchange血流动力学模型测得各组定量参数,包括对比剂容积转运常数(Ktrans)、速率常数(Kep)、血管外细胞外间隙容积分数(Ve)、血浆容积分数(Vp)、肝脏总灌注量(FP)、门静脉灌注量(PVP)、肝动脉灌注量(HAP)、肝动脉灌注指数(HPI)、对比剂平均通过时间(MTT)、达峰时间(TTP)、血容量(BV)。各组定量参数值的比较采用单因素方差分析,组间两两比较采用SNK-q检验。定量参数与肝纤维化严重程度的相关性采用秩相关分析,绘制受试者工作特征曲线(ROC)判断Ktrans、Ve、HPI、MTT、TTP对肝纤维化的诊断效能。结果:肝纤维化各期的Ktrans值降低,除S4与S3期外,余分期组间两两比较Ktrans值均具有统计学差异(P<0.05)。S3与S4期分别较S0、S1和S2期Ve值降低具有统计学意义(P<0.05)。肝纤维化各期的HPI、MTT、TTP值升高具有统计学意义,且组间两两比较差异均有统计学意义(P均<0.05);除S4与S3期外,余分期组间两两比较FP和PVP值降低均具有统计学差异(P<0.05);S3与S4期较S0和S1期HAP值升高具有统计学意义(P<0.05)。Ktrans、Ve与肝纤维化严重程度呈负相关(r=0.837、-0.726,P<0.05);PVP、FP与肝纤维化严重程度呈负相关(r=-0.927、-0.864,P<0.05);HAP、HPI、MTT、TTP与肝纤维化程度呈正相关(r=0.622、0.873、0.906、0.852,P<0.05)。ROC曲线判断Ktrans对轻度和重度肝纤维化的诊断效能均较高,且诊断效能明显高于Ve。HPI、MTT、TTP三者对轻度和重度肝纤维化均具有较高的诊断效能。结论:DCE-MRI结合Exchange双输入-双室血流动力学模型的研究获得多个定量参数,可用于肝纤维化的诊断和分期。"}
{"title": "扩散加权成像评价肝细胞癌Ki-67指数的价值", "abst": "\"目的:探讨扩散加权成像（DWI）对肝细胞肝癌（HCC）Ki-67表达水平的判断价值。方法:回顾性分析56例HCC患者的DWI图像,测量肿瘤表观弥散系数（ADC）值。计算ADC值与Ki-67表达指数的相关性,将HCC患者分为Ki-67高表达（Ki-67≥10%）组（n=40）和低表达（Ki-67<10%）组（n=16）并比较两组的ADC值,应用接受者操作特征（ROC）曲线评价ADC值判断Ki-67表达的诊断性能。结果:ADC值与Ki-67之间具有显著负相关性（rho=-0.504,P=0.0001）。\"\"低Ki-67\"\"组的HCC的ADC值明显高于\"\"高Ki-67\"\"组(1.98×10-3mm2/s vs.1.57×10-3mm2/s,P=0.001)。应用ADC值判断低Ki-67表达表达的曲线下面积为0.81。以≥1.89×10-3mm2/s为界值判断低Ki-67表达的敏感性、特异性、阳性预测值、阴性预测值分别为56.3%、98.2%、90.0%、88.7%。结论:ADC值对HCC的Ki-67表达水平具有潜在预测价值。\""}
{"title": "PSA密度与PI-RADS(第二版)对各PSA区间前列腺癌的诊断价值", "abst": "目的:探讨PSA密度(PSAD)、PI-RADS(第二版)及两者联合对不同PSA区间前列腺癌(PCa)的诊断价值及差异。方法:对2015年1月至2017年9月在我院行前列腺穿刺患者进行回顾,筛选行MRI检查且PSA≤30ng/ml的患者纳入研究,按PSA水平0~10ng/ml、10~20ng/ml及20~30ng/ml分为3个区间,再根据穿刺病理将每个区间人群分为PCa组和良性组,分别对各区间两组患者的PSAD、PIRADS(第二版)评分进行统计学分析,并使用ROC曲线对PSAD、PI-RADS(第二版)及两者联合进行分析,观察三者的诊断价值及差异。结果:三个区间的PCa组与良性组间的PSAD及PI-RADS(第二版)评分均有统计学差异;ROC分析示0~30ng/ml及0~10ng/ml区间人群的PSAD和两者联合应用之间有统计学差异。结论:血清PSA≤30ng/ml的各个区间,PSAD、PI-RADS v2评分及两者联合均能诊断PCa,而对于0~30ng/ml和0~10ng/ml区间,两者联合较PSAD效果更佳。"}
{"title": "前列腺癌Gleason分级的ADC直方图分析", "abst": "目的:采用ADC直方图分析法比较高和超高b值的DWI鉴别前列腺癌低和高Gleason评分（GS）的价值。方法:回顾性分析82例经活检穿刺证实的前列腺癌患者。分别获得高b值（1000/mm2）和超高b值（2000/mm2）DWI上整个肿瘤体积的ADC直方图。采用独立样本t检验和Mann-Whitney U检验比较低GS（<6分）和高GS（≥7分）间直方图参数的差异。采用ROC曲线分析ADC直方图参数诊断低GS前列腺癌的效能。结果:共105个癌灶,包括低GS 24个和高GS 81个。高b值的ADC直方图参数中,ADCmin、ADC25th和峰度的低GS和高GS组间差异具有统计学意义（P=0.005,0.023和0.037）,超高b值的ADC直方图参数中,ADCmean、ADCmin、ADC10th和ADC25th的组间差异具有统计学意义（P=0.031,0.002,0.000和0.000）。除了ADC75th、偏度和峰度外,超高b值ADC直方图参数诊断低GS前列腺癌的效能均比高b值的增高,ADC10th的效能差异具有统计学意义（P=0.0206）。结论:ADC直方图分析法鉴别前列腺癌的分级具有较大价值,超高b值DWI的ADC10th诊断低GS前列腺癌的效能最高。"}
{"title": "非颅缝早闭综合征的MSCT诊断及鉴别诊断", "abst": "目的:探讨MSCT在非颅缝早闭综合征中的诊断及鉴别诊断价值,并提出诊断标准。方法:回顾性分析南京医科大学附属儿童医院2015年10月-2016年9月101例非颅缝早闭综合征的MSCT表现,后处理方法包括多平面重组(MPR)及容积再现(VR)。结果:101例非颅缝早闭综合征中,男48例,女53例,年龄最小2天,最大6岁。其共同特点是面骨发育不良,且不伴颅缝早闭,其中,Pierre-Robin综合征(PRS)78例:下颌骨短小且后缩,以体部为著,多数伴舌后坠及相应气道狭窄;Treacher-Collins综合征(TCS)6例:双侧面骨发育不良,以颧骨为著;第一、二鳃弓综合征(FSBAS)15例:单侧14例,双侧1例,患侧面骨不同程度发育不良,以下颌支为著,大口畸形和面部皮赘多见,腮腺、咬肌不同程度发育不良;Goldenhar综合征(GS)2例:左右侧各1例,单侧面骨及软组织发育不良,而且合并颈椎畸形。PRS腭裂最多见,TCS次之,FSBAS及GS少见;PRS未见耳畸形,其余三种多见。结论:MSCT在非颅缝早闭综合征的诊断及鉴别诊断中具有重要作用,能为临床提供全面可靠的影像资料。"}
{"title": "科学家用功能性磁共振成像技术治疗恐惧症", "abst": "\"[正文]据外媒New Atlas报道,日本和美国科学家设计的一个新系统将为严重恐惧症患者(phobias)带来新的希望。它基于使用功能性磁共振成像(fMRI)来真实地\"\"看到\"\"患者何时想象他们害怕的事物。该实验技术由日本国际先进电信研究院和加利福尼亚大学洛杉矶分校的研究人员共同开发。首先,科学家对30名心理健康测试对象的大脑进行fMRI扫描,同时他们让观看各种动物的图像。这使得科学家能够确定哪种独特的大脑活动模式对应于感知哪些生物的图像。尽\""}
{"title": "脑梗死伴颈动脉斑块超声及临床危险因素评价", "abst": "目的:探讨脑梗死患者颈动脉斑块的超声诊断价值及其临床危险因素。方法:将155例脑梗死患者按彩色多普勒超声检查结果分为有斑块组(71例)和无斑块组(84例),比较分析所有患者的血脂、C反应蛋白、肾功能及凝血功能、高血压及糖尿病等病史,用Logistic多因素回归分析方法评价脑梗死颈动脉粥样硬化斑块形成与其危险因素之间的关系。结果:Logistic多因素回归分析显示:年龄、高血压、糖尿病、纤维蛋白原浓度、总胆固醇、低密度脂蛋白、尿素氮与颈动脉粥样硬化斑块呈显著正相关。结论:脑梗死患者伴颈动脉斑块的形成是多种因素作用的结果,其中年龄、高血压、糖尿病、纤维蛋白原浓度、总胆固醇、低密度脂蛋白、尿素氮是颈动脉斑块形成因素的独立危险因素。"}
{"title": "“精准影像 为爱而行”锐珂儿科影像解决方案亮相AOSPR 2017", "abst": "\"[正文]全由于儿童比成人对射线剂量更加敏感,儿童影像检查尤其要注意把放射线的强度降到最低限度。根据ALARA(as low as reasonably achievable)原则,锐珂儿科成像解决方案中采集优化技术,更加细化了对儿童患者的分类并提供量身定制的曝光参数组合及对应的强化图像处理参数,从而在满足诊断的图像质量前提下进一步降低摄影X射线剂量。作为锐珂医疗的明星产品,被誉为\"\"车轮上放射科\"\"DRX-Revolution\"\"机器人\"\",带来\""}
{"title": "3.0T MRI使用双流高压注射器进行低浓度对比剂头颈部CE-MRA成像的应用价值", "abst": "目的:探讨使用双流高压注射器进行低浓度对比剂头颈动脉三维增强磁共振血管成像(3D CEMRA)的可行性。方法:将40例临床怀疑头颈部血管狭窄的患者分成A、B两组,使用3.0T磁共振扫描仪行头颈部动脉3D CE-MRA检查,A组采用双流高压注射器将钆对比剂和生理盐水进行等剂量混合注射,对比剂稀释后浓度为0.25mmol/ml,B组采用常规对比剂浓度0.5mmol/ml,A组及B组根据患者体重注射剂量均为0.2ml/kg。使用5分法进行主观图像质量评价。测量大脑中动脉及颈总动脉的信号强度(SI)、信噪比(SNR)和对比噪声比(CNR)进行客观图像质量评价。结果:A组与B组间主观图像质量评价无显著差异(P>0.05),且均符合诊断要求;A、B组颈总动脉处信号强度、信噪比和对比噪声比无显著差异(分别为P=0.46、P=0.13、P=0.09),A、B组大脑中动脉信号强度无显著差异(P=0.932),B组大脑中动脉处信噪比和对比噪声比高于A组(P<0.01)。结论:采用3.0T磁共振联合双流高压注射器推注低浓度对比剂(0.25mmol/ml)行头颈部3D CE-MRA,可以获得良好的图像质量满足临床诊断的需要。"}
{"title": "256层CT低管电压模式头部CTA降低对比剂用量的可行性研究", "abst": "目的:256层CT采用低电压扫描模式在头部CTA降低对比剂用量的可行性。方法:69例患者随机分为试验组和对照组。试验组采用80kV检查,对比剂用量40ml,对照组采用120kV检查,对比剂用量50ml。记录患者一般信息、辐射剂量,并测量肌肉、两侧颈总动脉、两侧颈内动脉、两侧椎动脉及两侧大脑中动脉的CT值和标准差,并计算对比噪声比(CNR)。由两位高年资医师对图像质量进行评分,统计分析主观图像质量和客观图像质量。结果:两组患者CT值除左侧椎动脉没有显著统计学差异(P=0.43)之外,其余均有显著统计学差异,且试验组血管CT值均高于对照组。而血管的CNR无统计学差异(P>0.05)。试验组主观图像评分(4.47±0.66)显著高于对照组(4.11±0.63,P<0.05)。试验组CTDIvol(21.93mGy)较对照组CTDIvol(26.5mGy)降低了21%。结论:采用低电压扫描模式的头部CTA检查在降低辐射剂量的同时,可以降低对比剂用量,并且图像质量有明显提高。"}
{"title": "应用DWI指导胶质瘤放疗靶区勾画的初步研究", "abst": "目的:高级别胶质瘤中的间变性星形细胞瘤(AA)(WHO III级)和胶质母细胞瘤(GBM)(WHO IV级)预后差别大,但放疗靶区的设定未进一步细分,本研究通过弥散加权成像(DWI)对肿瘤及周围区域进行研究,探讨两者术后放疗靶区勾画的差异。方法:对我院收治的高级别胶质瘤术后残留患者入组,放疗前行DWI检查,测量肿瘤区、近瘤周区、中瘤周区、远瘤周区及瘤周区外的表观弥散系数(ADC)值。结果:2013年9月至2014年12月,共76例患者入组,其中24例AA,52例GBM。AA的ADC值在近瘤周区最大;GBM的ADC值在中瘤周区最大。在肿瘤区、中瘤周区和远瘤周区,AA和GBM的ADC值(包括最小值和平均值)均有统计学差异;在瘤周区外,两组无显著差异。结论 :DWI及ADC值有助于指导胶质瘤术后放疗靶区的勾画。"}
{"title": "MRI定量技术在肝纤维化诊断分期中的应用", "abst": "肝纤维化是继发于慢性肝损伤的组织异常修复过程,表现为细胞外基质内胶原过度沉积。MRI定量技术可以多维度反映肝纤维化进程中的各种病理生理变化,在肝纤维化诊断分期中具有重要价值。"}
{"title": "首批网络首发中国学术期刊、《中国学术期刊(网络版)》学术论文录用定稿网络首发联合公告", "abst": "\"[正文]国内外学术论文作者、科研管理相关机构:为促进中国学术期刊的数字化、网络化、规模化转型升级,经国家新闻出版广电总局批准(新广出审[2015]887号),由教育部主管、清华控股有限公司主办的《中国学术期刊(光盘版)》电子杂志社有限公司(简称\"\"电子杂志社\"\")以连续型网络出版物《中国学术期刊(网络版)》(英文简称CAJ-N)为载体,向国内外公开出版中国各学科学术期刊文献,国际标准连续出版物号:ISSIN2096-4188.国内统一连续出版物号:CN11-6037/Z,出版网站为中国知网(www.cnki.net,含移动网络)。目前,《财政研究》《研究》《科学通报》《Chinese Herbal Medicines》首批\""}
{"title": "可逆性后部脑病综合征的MRI表现", "abst": "目的:探讨可逆性后部脑病综合征(PRES)的MRI表现,以提高早期诊断率。方法:回顾性分析经临床和影像学检查确诊的6例PRES的临床和影像学资料。结果:6例PRES,在病灶部位和形态上,4例额颞顶枕叶、基底节区、脑干、小脑多发病灶呈片状分布且双侧大致对称,2例脑干单发病灶呈斑片状分布;在信号特点上,6例均T2WI高信号、FLAIR高信号、DWI等信号、ADC图高信号;在T1WI上,5例等信号,1例低信号。治疗3周后复查MRI,4例病灶完全吸收,2例病灶大部分吸收。结论:典型PRES的MRI表现包括脑内出现多发对称、后部分布为主的病灶,特别是脑干受累可能对不典型PRES的诊断有重要的提示意义。"}
{"title": "Fazekas量表脑白质高信号严重程度评估与脑电改变的相关研究", "abst": "\"目的:探究Fazekas量表评分评估不同程度脑白质损害与脑电图改变的相关性。方法:本研究纳入门诊诊断为\"\"晕厥\"\"的患者,采用Fazekas量表评分评估头颅MRI脑白质高信号严重程度,患者同时进行16导联脑电监测,分析脑电慢波表现与不同程度脑白质高信号相关性。结果:本研究共入组641例患者,Fazekas量表评分5~6分的患者在18~44岁、45~64岁、65~79岁、80~92岁年龄组中所占的比重分别为0.0%、3.9%、11.7%、28.8%,各组间差异均为P<0.05。Fazekas量表评分1~6分组患者中有116例(35.3%)出现脑电异常,与Fazekas 0分组的79例(25.3%)相比较,差异有统计学意义(P=0.006)。Fazekas 5~6分组内出现脑电慢波发放增多的比例为56.5%,同1~2分组(29.5%)相比,差异具有统计学意义(P<0.05)。结论:脑白质高信号严重程度与脑电慢波发放显著相关,Fazekas量表评分为5~6分患者的脑电监测结果需分析其与疾病症状的相关性,以早期发现脑功能改变情况,并给予相应的干预处理。\""}
{"title": "基于儿童心脏磁共振的Glenn术后血流动力学应用研究", "abst": "目的:通过血流学力学对儿童先心病磁共振图像后处理分析,探讨血流动力学参数在评价双向Glenn(BDG)吻合术的作用。方法:收集10例先心病患者术后的心脏磁共振数据,应用计算流体动力学方法对BDG术后的血流动力学进行数值模拟研究,分析能量损失和左右肺血比血流动力学参数的临床应用价值。结果:在多种左、右肺动脉流量分配比对比下,肺动脉血流分配比50:50时,能量损失均较其他设计方案低(0.8~1.0m W)。结论:Glenn吻合术之后进行血液流场的数值模拟和对比分析具有临床意义。计算机流体动力学多参数分析对于设计二期Fontan手术方案尤其重要。"}
{"title": "多层螺旋CT评价冠状动脉周围脂肪与冠心病的相关性", "abst": "目的:采用多层螺旋CT评价冠状动脉周围脂肪体积(PCAT)与冠心病的关系。方法:临床疑诊冠心病患者138例为研究对象,男78例,女60例,平均年龄52.6±6.9岁。收集所有病例一般临床资料。所有病例均行多层螺旋CT冠状动脉造影(CCTA)检查,测量心外膜脂肪容积和厚度、LM-LAD、LCX、RCA周围脂肪体积,并对冠状动脉狭窄程度进行定量Gensini积分。结果:根据CCTA及冠状动脉造影结果分为冠心病组(n=82)及非冠心病组(n=56),两组EAT容积、LM-LAD、RCA冠周脂肪、三支血管冠周脂肪之和(Total PCAT)、Gensini积分、钙化积分差异均有统计学意义(P<0.05),以三支血管冠周脂肪之和(Total PCAT)、Gensini积分、钙化积分差异相对显著(P<0.01)。PCAT与Gensini积分、钙化积分、年龄、BMI、TG呈正相关;与Gensini积分、钙化积分相关性最为显著,P<0.01。与HDL-C呈负相关(P<0.05)。结论:PCAT体积与冠心病的存在及严重程度相关,可作为冠心病风险的预测因子。"}
{"title": "乳腺X线检查与MRI在致密型乳腺中乳腺癌的诊断价值", "abst": "目的:探讨乳腺X线检查与MRI在致密型乳腺中乳腺癌的临床诊断价值分析。方法:回顾性分析30例经病理证实乳腺癌患者的乳腺X线检查及MRI资料,分析乳腺癌的X线特征及MRI的形态学、时间-信号强度曲线及DWI ADC值,经统计学处理,比较两者的差异。结果:30例乳腺癌病例中X线检查正确诊断14例,诊断准确率为46.67%,显示恶性钙化12例,钙化显示率为40%,MRI正确诊断29例,诊断准确率为96.67%,显示恶性钙化5例,钙化显示率为16.67%,两者差异均有统计学意义(P<0.05)。结论:在致密型乳腺中MRI的乳腺癌诊断准确率明显高于乳腺X线检查,而钙化的检出率远低于乳腺X线检查;所以MRI对致密型乳腺中微小病灶、不典型病变及多中心、多灶性病变具有极高的诊断价值。"}
{"title": "对比增强能谱乳腺X线摄影与CE-MRI对乳腺疾病诊断效能的比较", "abst": "目的:探讨对比增强乳腺能谱摄影与磁共振增强扫描技术对乳腺疾病诊断效能的比较。方法:对2016年12月至2017年9月间来我院乳腺外科就诊怀疑有乳腺疾病且做过CE-MRI检查并其结果经手术或活检病理证实的73例患者纳入研究,做对比增强能谱乳腺X线摄影(CESM)检查。对所得图像进行分析并与所得91份病理结果比较进行统计学分析,结果采用配对t检验,以P<0.05为有统计学差异。结果:CESM相对CE-MRI,对乳腺疾病的特异度和阳性预测值高、灵敏度、准确度及阴性预测值均略低于CEMRI,两者展示乳腺疾病病灶能力相似,且无统计学差异(P>0.05)。结论:CESM术前对乳腺肿块大小评估与病理金标准相关性较高,对乳腺术前选择手术方式有重要参考意义。"}
{"title": "多排螺旋CT诊断乏脂性肾血管平滑肌脂肪瘤与肾癌的对照研究", "abst": "\"目的:研究多排螺旋CT(MDCT)\"\"冰淇淋蛋筒征\"\"及平扫CT值鉴别乏脂性肾血管平滑肌脂肪瘤(AMLmf)与肾细胞癌(RCC)的价值。方法:回顾性分析经手术病理证实的18例AMLmf和24例RCC病例,所有患者均行腹部平扫和双期增强MDCT检查,比较两组间\"\"冰淇淋蛋筒征\"\"、平扫病灶的CT值差异。结果:两组间病灶大小无统计学差异(t=-1.447,P>0.05),AMLmf出现\"\"冰淇淋蛋筒征\"\"征象的概率明显高于RCC(χ2=30.644,P<0.001),AMLmf病灶的平扫CT值明显高于RCC(t=5.570,P<0.001),AMLmf病灶CT值与相邻肾实质CT值的比值明显大于RCC(t=5.774,P<0.001)。结论:AMLmf出现\"\"冰淇淋蛋筒征\"\"征象较RCC多见,AMLmf的平扫CT值通常高于相邻正常肾实质,\"\"冰淇淋蛋筒征\"\"征象联合病灶平扫CT值对AMLmf和RCC鉴别诊断具有重要价值。\""}
{"title": "弥散成像与肾透明细胞癌分级及Ki67相关性分析", "abst": "目的:探讨弥散成像的ADC值与肾透明细胞癌(CCRCC)病理分级及免疫组化因子Ki67表达相关性。方法:收集CCRCC患者39例,分析其ADC值、病理分级及Ki67表达。不同病理分级、Ki67阳性率分级的ADC值比较采用单因素方差分析;ADC值与病理分级、Ki67相关性采用Spearman相关分析。结果:(1)CCRCC患者I级12例,II级13例,III级6例,IV级8例,ADC均值为(1.92±0.52)×10-3、(1.77±0.37)×10-3、(1.17±0.43)×10-3、(0.93±0.33)×10-3mm2/s,差异有显著统计学意义(F=8.301,P<0.001)。(2)CCRCC患者Ki67评分2分8例,3分19例,4分12例,ADC均值为(2.26±0.20)×10-3、(1.64±0.30)×10-3、(0.94±0.23)×10-3mm2/s,各评分分级之间ADC值差异有显著统计学意义(F=38.8,P<0.001)。(3)CCRCC患者ADC值与Fuhrman分级之间呈高度负相关(r=-0.701,P<0.05),与Ki67评分分级呈显著负相关(r=-0.880,P<0.001)。结论:CCRCC的ADC值与病理分级及Ki67表达分级有高度相关性,能术前预测肿瘤的恶性程度。"}
{"title": "腹膜后平滑肌肉瘤CT、MRI诊断与病理对比分析", "abst": "目的:探讨、总结原发性腹膜后平滑肌肉瘤的CT、MR表现及临床病理特征。方法:回顾性分析经手术病理证实的23例原发性腹膜后平滑肌肉瘤的CT、MR影像学资料,并与病理结果作对照。结果:病灶多位于右侧腹膜后肾门附近或下腔静脉区,与邻近大血管关系密切;所有病灶均见囊变和坏死,多呈散在灶性且相对均匀分布,类似豹纹样改变;CT增强扫描肿瘤实性部分呈持续渐进性强化,个体间强化程度相差较大;MRI T1WI呈低信号,T2WI呈等或稍高信号,增强扫描强化方式与CT相似,DWI序列所有病灶均见弥散明显受限;肿瘤镜下细胞梭形,细胞密集,核质比大,见不同程度的核异型和核分裂。结论:PRLS病灶囊变、坏死常见,散在灶性相对均匀分布,颇具特征性;动态增强扫描CT、MRI均表现为持续渐进性强化的特点;MRI上病灶T2WI呈等或稍高信号,DWI序列上病灶弥散明显受限。"}
{"title": "肾上皮样血管平滑肌脂肪瘤与透明细胞癌MRI鉴别诊断", "abst": "目的:探讨常规MRI影像特征是否能够区别肾上皮样血管平滑肌脂肪瘤(EAML)与肾透明细胞癌(cc RCC)。方法:本研究采用回顾性病例对照法,病例组为12例EAML,对照组为48例肾透明细胞癌。研究的MRI征象包括T2WI信号、假包膜、囊变坏死、三期动态增强扫描。采用SPSS19.0统计软件,计数资料采用χ2检验和单向有序列联表,分析MR影像特征在EAML和cc RCC两种肿瘤中的差异。结果:与cc RCC相比,T2WI肿瘤实性部分为不均匀低信号、无假包膜和皮髓期峰值强化有统计学意义,P值分别为0.0008、0.000和<0.05。结论:与cc RCC相比,肿瘤实性部分T2WI不均匀低信号、无假包膜和髓质期峰值强化是EAML在MR图像上的相对特征性表现,有助于EAML与cc RCC的鉴别。"}
{"title": "大脑扫描可以预测你所交朋友的类型", "abst": "[正文]通过简单地检查大脑如何对视觉刺激做出反应并观看视频剪辑,可以预测谁是你的朋友。最近在《自然-通讯》(Nature Communications)上发表的这项研究分析了近280名研究生的友谊和社会关系。每位参与者以相同的顺序观看同一组视频,涵盖政治、科学、喜剧及音乐等各个领域。然后,将神经反应在学生之间进行两两比较,以确定已成为朋友的数对学生是否展"}
{"title": "胎盘绒毛膜血管瘤MRI及临床表现", "abst": "目的:探讨胎盘绒毛膜血管瘤的临床特征及MRI表现。方法:回顾性分析2013年1月~2018年1月产后胎盘病理证实的绒毛膜血管瘤6例,总结其母胎临床表现、MRI影像学特征及新生儿预后。结果:6例绒毛膜血管瘤病例中MRI均表现为胎盘胎儿面单发肿物(6/6),多边界清(4/6)。与胎盘信号相比,5例呈T1WI等信号、弥散轻度受限,1例呈T1WI稍高信号、弥散明显受限。T2WI信号多样,呈不均匀等高混杂信号(3/6)或均匀稍低信号(2/6)或稍高信号(1/6)。肿瘤内部及周围可见粗大血管,2例巨大肿块伴脐静脉扩张。其他伴随异常有4例羊水增多,1例胎儿发育迟缓、2例心脏异常和1例胎儿胸腹腔积液。结论:胎盘绒毛膜血管瘤MRI具有一定特征性改变,且能同时显示母胎异常,为产前诊断提供额外信息。"}
{"title": "颈椎横孔韧带显微解剖与MRI对照观察", "abst": "目的:通过颈椎横孔韧带的显微解剖与MRI的对照研究,评估MRI对颈椎横孔韧带的显示能力。方法:取6具正常完整成人颈椎防腐标本,采用3D-FIESTA序列扫描后,放射学家与解剖学家分别从MR图像上辨认C4~T1横孔韧带和显微镜下解剖、确认横孔韧带。结果:显微镜解剖结果示横孔韧带的出现率为39.6%。以显微镜解剖结果为对照标准,放射学家利用3D-FIESTA序列图像辨别横孔韧带的相关能力:特异性96.6%;敏感性73.7%;阳性预测值93.3%;阴性预测值84.8%;准确率87.5%。结论:3D-FIESTA序列图像能够清晰显示颈椎横孔韧带,具有较高的临床应用价值。放射学家通过3D-FIESTA序列扫描图像认为某颈椎椎间孔存在横孔韧带时,其可能性约93%;反之,仍然有15%的可能性存在横孔韧带。"}
{"title": "定量图谱磁共振成像技术MAGiC在中国上市", "abst": "[正文]MAGiC定量图谱技术,首次实现了磁共振的图像从常规灰阶图到组织定量图谱的转变,可以得到纯粹的定量化数据。MAGiC技术一次扫描可以得到多种不同对比度的图像,包括T1、T2、T1 FLAIR、T2 FLAIR、STIR、DIR(双翻转)、相位敏感翻转恢复图像和质子密度加权图像,超越常规MR图像质量的同时,提供了更多的对比度图像信息。在操作层面,"}
{"title": "体重对早产儿局灶性脑白质损伤类型的影响", "abst": "目的:探讨早产儿不同出生体重和MRI检查时间对局灶性脑白质损伤类型的影响。方法:选取155例MRI表现为T1WI高信号、T2WI低信号、DWI高信号的早产儿(孕周<37周)。根据脑白质损伤的分类方法,将局灶性PWMD类型分为点状损伤(51例)、线状损伤(24例)、簇状损伤(44例)、混合型损伤(36例);按出生体重分为:小于1500g的极低出生体重儿(45例),1500~2500g的低出生体重儿(60例),2500~4000g的正常出生体重儿(50例);按MRI检查时间分为:≤1周(52例),1~2周(57例),>2周(46例)。结果:155例PWMD患儿中,点、线、簇、混合型损伤分别占32.9%(51/155)、15.5%(24/155)、28.4%(44/155)、23.2%(36/155),点状及簇状发生率高,而线状及混合型发生率低。不同出生体重的早产儿在PWMD不同类型之间的差异有统计学意义(P<0.05);损伤部位主要位于双侧脑室前后脚旁、室旁及双侧半卵圆中心区。≤1周、1~2周,>2周时DWI的病灶检出率分别为100%、96.7%、55.2%,而T1WI为92.9%、93.7%、86.9%,DWI病灶检出率高于T1WI序列,且在2周以内做MRI常规联合DWI序列能提高病变的检出率。结论:PWMD在低出生体重早产儿中比较常见,损伤类型以点状最多,线型最少;体重越低,线型损伤的发生率越高;随着体重增加,点状损伤发生率升高;簇状损伤易发生于低出生体重儿中;混合型损伤在极低出生体重儿中所占比例最高;早产儿MRI检查最宜检查时间为生后2周内,DWI能提高病变的检出率。"}
{"title": "股浅动脉管腔内密度衰减梯度与狭窄程度及血流速度的关系", "abst": "目的:探讨股浅动脉管腔内密度衰减梯度(TAG)与管腔狭窄程度及收缩期峰值血流速度(PSV)的关系。方法:回顾性搜集接受CTA及多普勒超声检查的ASO患者40例共计62条股浅动脉。依据CTA血管狭窄程度将股浅动脉病变分为轻度狭窄组(<50%,A组)、中度狭窄组(50%~75%,B组)及重度狭窄组(>75%且≤100%,C组),分别测定TAG值。比较三组间TAG值有无统计学差异,并与PSV值作相关性分析。结果:A组30条,B组16条,C组16条,62条股浅动脉TAG平均值为(-2.3±2.3)HU/10mm,三组间TAG的差异具有统计学意义(H=48.28,P<0.001),TAG的绝对值随着管腔狭窄程度的增加而增加。62条股浅动脉TAG值与对应的PSV呈正性相关(r=0.5223,P<0.0001)。结论:基于CTA的TAG能较好地反映股浅动脉不同的狭窄程度,且与PSV有相关性,有潜力在下肢动脉狭窄CTA形态学诊断的基础上补充血流动力学信息。"}
{"title": "超声引导微波消融治疗甲状腺乳头状癌与腔镜外科手术切除的研究", "abst": "目的:对比超声引导下微波消融和腔镜下手术治疗甲状腺乳头状癌疗效和安全性。方法:对比分析超声引导下消融组19例和腔镜下手术组36例的术后住院天数、费用及并发症。结果:腔镜下手术组术后住院天数平均5.47±1.44天、平均住院费用21115±2964元、并发症发生率11.11%(4/36),微波组术后平均住院天数3.58±1.35天,平均住院费用21297±3855元,并发症发生率5.26%(1/19),两组比较术后住院天数差异(P<0.05),而住院费用和并发症比较无差异(P>0.05)。结论:超声引导下微波消融治疗甲状腺乳头状癌具有创伤小、美观、恢复快的特点,适用于无淋巴结及远处转移的甲状腺乳头状癌。"}
{"title": "联合DCE-MRI及FAIR评价子宫肌瘤高强度聚集超声刀治疗前后的应用价值", "abst": "目的:探讨流动敏感交互式反转恢复(FAIR)及磁共振动态增强(DCE-MRI)在评估高强度聚焦超声(HIFU)治疗子宫肌瘤的应用价值。方法:23例患者共26个子宫肌瘤于HIFU刀治疗前后行DCE-MRI及磁共振FAIR序列检查。记录并对比HIFU刀治疗前后子宫肌瘤FAIR值、DCE-MRI时间-信号曲线、最大斜率值(MAX Slope)。结果:子宫肌瘤DCE-MRI时间-信号曲线呈持续强化,HIFU治疗后,子宫肌瘤DCE-MRI时间-信号曲线平直,肿瘤无强化,HIFU前后FAIR均值由111.37降为88.55(P<0.05),MAX Slope数值的均值由196.93,降低为100.73,(P<0.05)。结论:FAIR及DCE-MRI均可反映子宫肌瘤HIFU刀治疗前后的血流变化。"}
{"title": "简化膀胱造影技术对膀胱渗漏检测价值探讨", "abst": "目的:探讨简化膀胱造影技术对膀胱渗漏检测价值。方法:以人体仿真体模为摄影对象,应用不同摄影条件进行摄片,评价图像质量及照射剂量差异,找出最佳摄影条件;省去传统膀胱造影透视环节,改为典型体位下摄片,体位包括膀胱正位、左斜位、右斜位等。每个体位采用常规和优化条件进行摄影,所得图像由3位富有经验放射科医生对图像进行质量盲审,以渗出物检测结果为金标准,统计分析诊断的准确率。结果:简化膀胱造影选择优化参数摄影时,患者膀胱正位摄片受照DAP(剂量面积乘积)较常规条件摄影时下降43.1%,斜位下降48.5%;正位图像SNR(信号噪声比)提高7.4%,斜位提高10.2%;CNR略升高。简化膀胱造影技术省去了透视环节,降低了患者受照射剂量,膀胱渗漏诊断符合率为89.4%。结论:摄影参数优化后且省去透视环节的简化膀胱造影技术对膀胱渗漏具有较高的诊断符合率,并能降低患者受照射剂量。"}
{"title": "实验兔非酒精性脂肪肝病的CT灌注成像研究", "abst": "目的:通过CT灌注成像结果与非酒精性脂肪肝病实验兔的病理结果进行对照分析,探索CT灌注定量参数在非酒精性脂肪肝病的变化。方法:通过高脂高胆固醇饮食的方法,制作实验兔的非酒精性脂肪肝病模型。成模后将实验兔行CT灌注扫描,计算CT灌注参数血流量(BF)、血容量(BV)、肝动脉灌注(ALP)、门静脉灌注(PVP)、肝动脉灌注指数(HPI),并与病理结果进行对比。结果:高脂饮食的实验兔全部发展为非酒精性脂肪肝病,正常组为9只,可疑非酒精性脂肪肝炎组(Borderline组)13只,非酒精性脂肪肝炎组(NASH组)19只。不同组间(正常对照组与Borderline组、NASH组)肝脏CT值、肝脏/竖脊肌CT比值差异有统计学意义(P=0.000),各组间均差异有统计学意义,NASH组<Borderline组<正常对照组(P均<0.05)。不同组间的ALP差异无统计学意义(P=0.432),BF、BV、PVP及HPI差异有统计学意义(P值分别为0.017,0.003,0.002和0.000),Borderline组的BV较正常对照组减低(P<0.05),Borderline、NASH组的BF、PVP较正常对照组减低,HPI升高,差异均有统计学意义(P均<0.05),但Borderline组和NASH组的BF、BV、PVP、HPI差异均无统计学意义(P均>0.05)。结论:非酒精性脂肪肝病实验兔的肝脏CTP中的BF、BV出现下降,门脉灌注量PVP明显下降,同时出现HPI增高,提示NAFLD微循环灌注下降后,可出现类似于肝硬化的肝动脉缓冲效应。"}
{"title": "肺癌检测的革命!FDA批准Body Vision肺部视觉导航系统LungVision", "abst": "[正文]Body Vision Medical是一家专注于利用增强实时成像技术开发体内导航系统用于肺癌微创诊断和治疗的医疗设备公司,其开发的肺部视觉导航系统LungV ision获得了美国食品和药物管理局(FDA)批准,这是一种新型成像系统,用于肺支气管镜检查过程中准确实时导航及病灶定位。"}
{"title": "胃异位胰腺6例", "abst": "[正文]临床资料病例1:患者女性,49岁,半年前无明显诱因下感上腹部不适,进食后明显,无明显腹痛。入院前一周感恶心伴伴反酸嗳气。CT检查显示胃体小弯侧椭圆形实性占位(图1),大小约1.5cm×0.9cm,病灶密度均匀,边缘光整。平扫与双期增强扫描病灶CT值分别约为52HU、81HU、95HU;同期胰腺"}
{"title": "后肾腺瘤1例", "abst": "[正文]病例报道患者女性,59岁。体检超声发现右肾实性回声肿块6个月余,近期超声复查肿块有所增大,遂入院;入院查:体温36.5℃,脉搏80次/分,呼吸20次/分,血压120/75 mmH g;无腹痛,无尿频、尿急、尿痛,无肉眼血尿。腹平软,双肾未扪及包块,双肾区及输尿管走行区无深压痛及叩击通,无反跳痛,无移动性浊音,未扪及浅表淋巴结,心、肺及神经系统查体无"}
{"title": "首批网络首发中国学术期刊、《中国学术期刊(网络版)》学术论文录用定稿网络首发联合公告", "abst": "\"[正文]国内外学术论文作者、科研管理相关机构:为促进中国学术期刊的数字化、网络化、规模化转型升级,经国家新闻出版广电总局批准(新广出审[2015]887号),由教育部主管,清华控股有限公司主办的《中国学术期刊(光盘版)》电子杂志社有限公司(简称\"\"电子杂志社\"\")以连续型网络出版物《中国学术期刊(网络版)》(英文简称CAJ-N)为载体,向国内外公开出版中国各学科学术期刊文献,国际标准连续出版物号:ISSN:2096-4188,国内统一连续出版物号:CN11-6037/Z,出版网站为中国知网(www.\""}
{"title": "高血压患者血压分级、心血管危险因素与脑内微出血灶相关研究", "abst": "目的:运用磁敏感加权成像(SWI)研究高血压患者高血压分级与脑内微出血灶(CMB)之间的相关性以及心血管危险因素与CMBs之间的关系。方法:回顾性分析复旦大学附属华山医院国际医疗中心收治的28例在沪境外多国籍原发高血压患者,根据高血压患者血压情况及临床情况等影响预后的因素确定高血压分级及心血管危险分层。采用3.0T超导型磁共振成像仪采集常规MRI SWI图像后由本院两名影像科高级职称医师对SWI的校正后图像进行分析,识别脑内微出血,并确定微出血的数量。应用SPSS15统计软件包,Spearman相关分析研究研究心血管危险因素、高血压分级与脑内微出血灶之间的相关性。Mann-Whitney检验比较低危-中危组与高危-很高危组SWI序列微出血阳性率差异。结果:SWI显示18例患者出现脑微出血灶,阳性率64%。高血压分级与脑内微出血灶之间Spearman相关分析结果:rs=0.623,P<0.001,提示高血压患者随着血压级别的升高,CMBs数量显著性增加。不同心血管危险分层高血压患者脑内微出血灶显示,高危-很高危组SWI上微出血灶数量较低危-中危组明显增加(P<0.005)。其中,血清总胆固醇、血清三酰甘油分别与CMBs数量呈正相关(rs=0.5615、0.5562,P<0.005)。结论:高血压患者随着血压分级及心血管危险分层升高,脑内微出血灶数量显著增加。控制血压及血清总胆固醇、血清三酰甘油对预防CMBs发生有重要意义。"}
{"title": "DKI与DTI评估不同部位急性脑梗死的脑结构变化的作用", "abst": "目的:比较扩散峰度成像(DKI)与扩散张量成像(DTI)中各参数在不同部位急性脑梗死患者中脑组织微观结构的变化特点。方法:对2016年3月-2016年10月于我院住院治疗的急性前循环脑梗死患者共66例,进行DKI扫描。利用DKE软件生成平均扩散系数(MD)、径向弥散(RD)、轴向弥散(AD)、各向异性(FA)、平均峰度(MK)、轴向峰度(AK)、径向峰度(RK)图,按梗死发生部位(皮质、白质、基底节区)将病人分为三组,选取急性脑梗死部位为感兴趣区,同时测量感兴趣区及镜像区各参数值,对脑梗死部位与镜像区各参数值进行对比;计算基于MD与MK图的CNR值,对各组内基于MD与MK图的CNR值进行比较。结果:与镜像侧对比,三组脑梗死区域MD、RD、AD值均减低,FA、MK、KA、RK值均升高,差异均有统计学意义(P<0.01);皮质脑梗死组,MK图的CNR值高于MD图的CNR值(P=0.021),白质脑梗死组MK图的CNR值与MD图的CNR值,差异无统计学意义(P=0.175),基底节区脑梗死组MK图的CNR值低于MD图的CNR值(P=0.001)。结论:DTI及DKI技术均可敏感地检测到急性脑梗死患者脑组织微观结构的改变;在对皮质脑梗死的测量中,DKI比DTI成像能显示更多的组织信息及微观结构改变,在对白质脑梗死的测量中,两者间无明显差异,在对基底节区脑梗死的测量中,DTI则更具优势。"}
{"title": "脑实质型表皮样囊肿的MRI表现及相关病理学基础与临床", "abst": "目的:探讨脑实质型表皮样囊肿的MRI表现以及相关病理学基础,以提高其术前MRI诊断准确性。方法:搜集经手术病理证实的脑实质型表皮样囊肿9例,回顾性分析其MRI表现及相关病理学基础。9例均行MRI平扫与增强扫描,平扫序列包括T1WI、T2WI、FLAIR、DWI,并测量病灶、脑脊液、脑白质ADC值,分别比较病灶与脑脊液、病灶与脑白质ADC值两者间差异。结果:9例均单发,4例位于额叶,2例位于小脑半球,1例位于小脑蚓部,1例位于颞叶,1例位于小脑半球及枕叶跨天幕生长。病灶形态不规则,边界较清晰,无灶周水肿;T1WI脑脊液样低信号;T2WI呈脑脊液样高信号;FLAIR以低信号为主,边缘见少许带状高信号;DWI呈高信号。IPEC的ADC值介于脑脊液与脑白质之间,IPEC与脑白质、脑脊液的ADC值差异均具有统计学意义(P<0.001)。7例病灶未强化,2例病灶部分边缘轻度强化。大体标本示肿瘤有包膜、边界清楚,无血供,质软,内容物呈灰白或灰黄、豆渣样碎片状物质。镜下病理改变,囊壁为角化或非角化鳞状上皮,囊内为胶状碎屑、固态胆固醇结晶及类脂质成分。结论:表皮样囊肿的病理学基础确定了其特征性的MRI表现,尤其是DWI,充分认识其MRI表现与病理改变的相关性能提高其术前诊断及鉴别诊断准确性,为术前评估、准备提供可靠的参考价值。"}
{"title": "磁敏感加权成像在脑外伤所致精神障碍原因分析中的应用", "abst": "目的:探索磁敏感加权成像(SWI)在脑外伤所致精神障碍者精神伤残评定中的运用价值。方法:对56例脑外伤所致精神障碍者行T1加权、T2加权、液体衰减反转恢复(T2 Flair)、磁共振弥散加权成像(DWI)及SWI扫描,并对其影像进行分析,对比各种方法显示病灶的数目、范围的效果。结果:56例患者中,T1加权成像显示病灶181个,检出率为50.00%(28/56);T2加权成像显示病灶185个,检出率为50.00%(28/56);T2 Flair成像显示病灶185个,检出率为50.00%(28/56);DWI成像显示病灶186个,检出率为55.36%(31/56);SWI成像显示病灶883例,检出率为80.36%(45/56),其中16例病灶为SWI特有,在其他序列上未显示。结论:SWI能明显提高脑外伤所致精神障碍者病灶的检出率,为正确的脑外伤后伤残评定提供客观依据。"}
{"title": "腮腺多形性腺瘤和低度恶性多形性腺瘤的CT表现及初步分析", "abst": "目的:探讨腮腺多形性腺瘤(PA)及低度恶性PA患者的多层螺旋CT(MSCT)表现及其影像学鉴别诊断价值。方法:回顾性分析经手术病理证实的45例(共48个病灶)PA患者的影像学资料(在术前CT均诊断为良性)。结果:良性病灶33个,低度恶性15个。PA病灶的起源部位、大小(平均最大径:良性组2.10±0.79cm,低度恶性组2.64±1.45cm)、包膜的完整性及强化程度与良恶性之间无明显统计学差异。病灶边界模糊(良性组3/33个,低度恶性组10/15个)、形态不规则(良性组8/33个,低度恶性组9/15个)、密度不均(良性组11/33个,低度恶性组13/15个)及边缘血管样强化(良性组6/33个,低度恶性组10/15个)与病变的良恶性存有显著统计学差异(P<0.05)。结论:MSCT检查有助于腮腺多形性腺瘤的诊断及良恶性的判断,为指导临床治疗及预后提供重要参考价值。"}
{"title": "科学家通过功能性磁共振成像技术扫描大脑来治疗恐惧症", "abst": "\"[正文]据外媒New Atlas报道,日本和美国科学家设计的一个新系统将为严重恐惧症患者(phobias)带来新的希望。它基于使用功能性磁共振成像(fM RI)来真实地\"\"看到\"\"患者何时想象他们害怕的事物。该技术由日本国际先进电信研究院和加利福尼亚大学洛杉矶分校的研究人员共同开发。首先,科学家对30名心理健康测试对象的大脑进行fM RI扫描,同时他们让观看各种动物的\""}
{"title": "定量化评估甲状腺结节恶性风险的CT预测模型", "abst": "目的:探讨不同CT征象对甲状腺结节恶性风险的预测价值,建立定量化甲状腺结节CT报告系统。方法:回顾性分析经病理证实的186例甲状腺结节CT资料。根据病理结果将结节分为良性结节和恶性结节。观察结节多发、性质、位置、规则、纵横比、咬饼征、晕圈、壁结节、钙化,增强后边界、甲状腺包膜完整、强化均匀在良恶性结节中的分布差异。应用单因素及多因素分析CT征象对恶性结节的预测价值及OR值,并且以与甲状腺恶性结节独立相关因素建立预测甲状腺结节恶性风险的CT预测模型。结果:多因素回归分析中四项CT征象(咬饼征、微钙化、纵横比、增强后边缘清晰程度)与甲状腺恶性结节独立相关,根据四项CT征象OR值建立定量化预测模型,模型预测曲线下面积82.8%,敏感性和特异性分别为71.0%和83.8%。结论:CT预测模型有助于定量化评估甲状腺结节的恶性风险,提高CT检查的临床应用价值。"}
{"title": "FDA批准上市的9款医疗人工智能产品", "abst": "[正文]自2017年7月以来FDA已批准相关医疗人工智能产品9项,9项产品多为监测预警类产品,从2018年5月开始出现诊断辅助类AI产品。1. Kardia App:apple Watch上第一个医疗设备配件(标准的医疗心率监测设备)。2. Embrace:癫痫监测与警报AI神器。3. Wave临床平台:抢先医生6小时发布预警。4. Viz.ai:使卒中患者更快得到精准治疗。"}
{"title": "宝石CT肺动脉能谱成像最佳单能量图像的选择", "abst": "目的:探讨CT能谱成像(GSI)技术智能跟踪法肺动脉成像最佳单能量图像的选择;方法:44例(体质指数BMI<26)可疑肺栓塞患者行宝石CT GSI技术肺动脉成像,获取40~75 keV间距为5 keV的8组单能量图像,分别对8组图像进行同层肺动脉主干CT值和SD值、背景噪声(BN)、背阔肌CT值的测量,计算并比较各组单能量图像的信噪比(SNR)、对比噪声比(CNR)、噪声值,并对图像质量进行主观评价、评分,对结果进行统计学分析;结果:CT值(肺动脉主干)随keV减小而增大;65keV的图像噪声值(17.22±2.84)最低(P<0.05);60 keV和65 keV组图像的CNR值亦明显高于其他组(P<0.05),该两组间差异无统计意义(P=0.318);60 keV组和65 keV组图像的SNR值明显高于其他组(P<0.05),该两组间差异无统计学意义(P=0.679);60keV的图像主观评分(3.78±0.26)最高(P<0.001)。结论:60~65keV是宝石CT GSI肺动脉成像的最佳单能量图像。"}
{"title": "肺淋巴管肌瘤病CT特点及与血清学指标的关系", "abst": "目的:探讨淋巴管肌瘤病(LAM)患者胸部影像学特征并评估肺气囊体积及其与患者体内血管内皮生长因子D(VEGF-D)的关系,以帮助提高对该疾病特征的认识。方法:分析自2015年8月至2017年6月于我院行多层螺旋计算机断层(MSCT)扫描的LAM患者胸部影像学表现,并对每位患者行肺气囊体积的测定;并行血清VEGF-D的测定。结果:本研究共收集69例LAM患者胸部CT数据,患者平均肺体积为4255.66±1000.89ml,平均肺气囊体积为1330.6±836.17ml,肺气囊体积平均占肺体积比为28.7%±13.9%。本研究中气囊分布于左右肺之间无统计学差异(P=0.84);而双肺上中叶肺气囊分布与双肺下叶肺气囊分布有统计学差异(P<0.01),双肺上中叶肺气囊体积分布(32.3%±14.6%)较双肺下叶分布(24.4%±14.6%)多;46例患者同意进行VEGF-D测定,血清VEGF-D的中位数为2925.0pg/ml(251.750~12000.000pg/ml),其升高水平与气囊体积占比无相关关系(r=0.12,P=0.41)。此外,69例患者中,7例(10.1%)患者合并气胸;17例(24.6%)患者合并胸腔积液;11例(15.9%)患者存在磨玻璃样改变;肺部实变和小叶间隔增厚各19(27.5%)例。结论:淋巴管肌瘤病患者主要肺部表现为弥漫分布的气囊,肺气囊分布上中叶多于下叶。患者体内VEGF-D的升高水平不能作为评价该疾病严重程度的指标。"}
{"title": "医学影像能否成为AI撬动医疗市场的入口", "abst": "[正文]目前,人工智能赋能医疗领域的场景主要表现在:虚拟助理、医学影像、辅助诊疗、疾病风险预测、药物挖掘、健康管理、医院管理、辅助医学研究报告等模块,其中,医学影像无疑是当前最热门和有所突破的应用场景。虽然人工智能更新迭代迅速,业界也推出了多款产品,但医学影像分析作为一个庞大的"}
{"title": "磁共振波谱及扩散加权成像对子宫良恶性肿瘤的鉴别诊断价值", "abst": "目的:分析子宫肿瘤的氢质子磁共振波谱（1H-MRS）及扩散加权成像（DWI）表现,探讨1H-MRS及DWI鉴别子宫良恶性肿瘤的价值。方法:回顾性分析经手术和病理证实的44例子宫肿瘤（良性31例,恶性13例）的DWI和1H-MRS资料,以Cr为内参照,波谱后处理软件自动计算各代谢物与其比值;并记录肿瘤的ADC值。统计学比较良恶性肿瘤之间的代谢物比值及ADC值差异,进行ROC曲线分析确定鉴别良恶性肿瘤的诊断阈值。结果:良、恶性子宫肿瘤的ADC值、Cho/Cr比值、Lip/Cr分别为（1.15±0.2）×10-3mm2/s和（0.75±0.1）×10-3mm2/s,3.74±1.4和7.01±2.9,5.28±2.7和11.69±4.2,差异均有显著统计学意义（P<0.05）。ADC值及Cho/Cr比值的ROC曲线面积分别为0.981和0.854,以ADC值=0.885×10-3mm2/s、Cho/Cr=6.01为阈值,鉴别良恶性肿瘤的敏感性、特异性分别为90%和85%、69%和97%。结论:子宫良、恶性肿瘤的1H-MRS模式及ADC值不同,Cho/Cr、Lip/Cr比值及ADC值有助于两者的鉴别。"}
{"title": "骨脂肪硬化性黏液纤维性肿瘤的影像表现与鉴别", "abst": "目的:探讨骨脂肪硬化性黏液纤维性肿瘤的CT和MRI征象。方法:收集2007年11月到2017年12月8例经手术病理证实的骨脂肪硬化性黏液纤维性肿瘤的术前CT(8/8)、MRI(3/8)资料,男女比4:4,平均年龄38.9岁。结果:8例病灶有4例位于股骨粗隆间或粗隆下方,1例位于股骨颈及粗隆间,其余3例位于腓骨中上段或胫骨。7例病灶边界清晰。除1例病灶表现为透亮的膨胀性骨破坏以外,其余7例病灶全部表现为磨玻璃样密度区伴厚薄不一的硬化边缘,其中4例内部还可见骨嵴或骨间隔。行MRI检查的3例,在T1WI、T2WI上信号皆不均匀,分别为低信号、等或高信号中夹杂片状或条状更高信号区域,强化方式为不均匀强化。结论:LSMFT好发于粗隆间,典型表现为磨玻璃样密度减低区伴厚硬化边,骨皮质完整,偶可膨胀生长。与FD鉴别困难时,建议加做压脂T1WI和T2WI判断其内成分。"}
{"title": "胎儿硬脑膜窦畸形的MRI诊断", "abst": "目的:探讨胎儿硬脑膜窦畸形的MRI表现。方法:2014年6月至2016年12月,收集3例经产前超声、胎儿MRI诊断为硬脑膜窦畸形的胎儿病例,分析其MRI影像特点。结果:3例胎儿产前超声检查均提示颅内异常回声区,胎儿颅脑结构发育异常。胎儿MRI检查发现,胎儿颅内窦汇区可见类圆形异常信号,表现为T1低信号,T2等或低信号影,其正常血管流空信号消失,伴有血栓形成时,病灶内可见混杂信号肿块影,呈T1高信号、T2低信号。结论:胎儿硬脑膜窦畸形的MRI影像特征典型,可据此作出明确诊断。"}
{"title": "颈总动脉分叉部的几何形态在缺血性脑血管疾病中的临床意义", "abst": "目的:探讨成人颈动脉分叉部的几何形态与缺血性脑血管疾病的关系。方法:回顾性收集187例同时行颈动脉CT血管造影和头颅MRI检查患者的影像学及临床资料,采用多因素Logistic回归分析,分析可能的相关因素与缺血性脑血管疾病之间的关系。结果:高血压、糖尿病、冠心病、高同型半胱氨酸血症和吸烟史、饮酒史等因素与缺血性脑血管疾病无关(P>0.05)。高血脂、颈动脉分叉部角度与缺血性脑血管疾病有关(P<0.05)。正常人的颈动脉分叉部的几何形态与缺血性脑血管疾病患者明显不同(P<0.05)。缺血性脑血管疾病患者颈动脉分叉角及相邻血管内径均明显大于正常人群(P<0.05)。结论:脑缺血性疾病患者的颈动脉分叉角度更大,颈动脉分叉角度很有可能作为一个预测脑缺血性疾病的有用指标。"}
{"title": "281例桡神经病变的声像图分析", "abst": "目的:研究高频超声在桡神经病变中的声像图特点及诊断价值。方法:对281例临床上诊断为桡神经病变的患者行术前超声检查,对病变部位及类型进行定位和分类,与手术探查结果相比较,得出超声诊断符合率。结果:281例桡神经病变中,桡神经断裂47例、单纯性肿胀160例、卡压24例、肿瘤10例、神经炎17例及吻合术后23例,总体超声诊断符合率86.83%。结论:高频超声具有检出率高,安全、快速、无创、可重复观察等优势,可以对桡神经病变进行准确的定位、定性,并与其他检查有效互补,给临床提供重要的诊断、治疗信息,值得推广。"}
{"title": "子宫动脉栓塞术在瘢痕妊娠保守治疗中的价值", "abst": "目的:探讨子宫动脉栓塞术(UAE)在剖宫产瘢痕妊娠(CSP)药物保守治疗中的应用。方法:73例CSP患者拟采用药物保守治疗(肌内注射MTX+清宫术),其中25例保守治疗有效(A组),48例需联合UAE治疗(B组)。分析比较两组患者的临床参数,统计患者不良反应和并发症,分别应用单因素和多因素Logistic回归模型分析选择子宫动脉栓塞术的影响因素。结果:单因素分析显示:停经时间(P=0.015)、孕囊大小(P=0.042)、瘢痕肌层厚度(P=0.002),瘢痕分型(P=0.036)对选择UAE具有统计意义;Logistic回归模型分析显示:停经时间(P=0.016)、瘢痕肌层厚度(P=0.021)是影响是否采用UAE介入治疗的独立因素。结论:UAE可有效防治瘢痕妊娠保守治疗中的大出血;尤其对停经时间长、瘢痕肌层厚度薄的患者具有重要价值。"}
{"title": "Revolution CT SSF联合ASiR-V算法在高心率CCTA中的应用价值-体模实验", "abst": "目的:采用心脏动态体模,探讨SSF算法在改善高心率(100~120次/min)冠状动脉图像质量的应用价值及ASiR-V算法在低剂量冠状动脉CT造影中的应用价值。方法:心脏动态体模的心率分别设为100、110和120次/min,采用256层Revolution CT对心脏动态体模行冠状动脉CT扫描。管电压:80、100和120k V;ASiR-V权重依次设置为0%、10%、20%、30%、40%、50%、60%、70%、80%、90%和100%;噪声指数(NI):30、35和40HU;智能管电流(smart m A);X线管转速:0.28s/r;前置心电门控,曝光时间窗:单个心动周期的5%~95%RR间期。分别以标准(standard,STD)算法和SSF(snap shot freeze,SSF)算法重组图像,分别设为标准算法组和运动伪影抑制组。比较两组图像质量的差异并且分析影响图像质量及辐射剂量的相关因素。结果:SSF算法改善CCTA图像质量有统计学意义(3.56±0.32vs.2.65±0.55,P<0.05);ASiR-V、心率、管电压、NI对图像质量的影响均无统计学意义。心率、ASiR-V、管电压及NI对辐射剂量的影响有统计学意义(P<0.001),其中ASiR-V为主要影响因素,b值为0.852。结论:SSF联合ASiR-V算法可以改善高心率(100~120次/min)CCTA的图像质量并且显著降低辐射剂量。"}
{"title": "大鼠脑脊液鼻漏模型的建立及MR成像研究", "abst": "目的:建立脑脊液鼻漏大鼠模型并比较TSE T2WI与CISS序列在脑脊液鼻漏成像方面的应用价值。方法:选取SD大鼠6只,在CT实时监控下建立脑脊液鼻漏模型,并行MR TSE T1WI、TSE T2WI及CISS多序列扫描判断漏口位置。结果:6只SD大鼠脑脊液鼻漏模型均制作成功,经穿刺针注入碘海醇后行CT扫描脑室显影;且磁共振CISS序列在脑脊液鼻漏成像方面优于TSE T2WI序列。结论:该方法制作脑脊液鼻漏模型成功率高,可为其准确诊断和临床治疗提供研究基础,并且能应用TSE T2WI、CISS序列成像清楚显示漏口。"}
{"title": "精细化护理在幽闭恐惧症患者MRI检查中的应用", "abst": "目的:探讨对接受磁共振检查的幽闭恐惧症患者进行精细化护理的效果。方法:研究在长海医院接受MRI检查的96例幽闭恐惧症患者的临床表现,并应用精细化护理的方法进行处理,并统计分析患者在生命体征和主要症状的前后变化。结果:90例患者通过工作人员的护理或由家属、工作人员陪同完成了预定扫描,另外,6例不配合而未完成扫描,占检查中的6.3%。在对幽闭恐惧症患者进行精细化护理后,患者的生命体征、主要症状都得到了改善,且P<0.05,差异具有统计学意义。结论:应用精细化护理的方法,能够减轻幽闭恐惧症患者的恐惧心理,有助于完成磁共振成像检查。"}
{"title": "静息态f MRI在阻塞性睡眠呼吸暂停综合征中的应用", "abst": "阻塞性睡眠呼吸暂停综合征(OSAS)是一种多见的睡眠结构紊乱性疾病。睡眠过程中重复呼吸暂停或低通气,致使夜间的窒息和觉醒,反复的低氧血症、高碳酸血症和睡眠构造的片段化,造成白天嗜睡,是可以影响全身各器官的一种疾病。近年来,功能磁共振成像(functional MRI,fMRI)为OSAS的发病机制的研究提供了一种新的评价途径。基于静息态fMRI技术,理解静息状态下,OSAS患者脑结构及功能异常与否,为探索OSAS患者的脑结构和功能提供有价值的依据。"}
{"title": "脑小血管病磁共振新技术的应用进展", "abst": "脑小血管病(SVD)是血管性痴呆最常见的病因,具有高复发率而低病死率的特点,约占卒中病因的1/5。以往传统的影像技术是利用MRI进行形态学的检查,随着MRI新技术的发展,可提供脑组织解剖、功能、代谢等多方面信息,从而对SVD的临床诊断、病理、治疗和预后提供更丰富准确的影像学依据。本文就SVD研究中磁共振新技术的应用进展予以综述。"}
{"title": "我国实现人体肺部气体磁共振快速、高分辨、动态成像", "abst": "[正文]肺部大部分是空腔组织,导致其成为常规肺部气体磁共振成像的盲区,中科院武汉物理与数学研究所波谱与原子分子物理国家重点实验室周欣研究团队,设计了一种基于变角激发的策略,同时结合低秩、稀疏等动态图像特性,大幅提高信号采集速度和质量。与现有的肺部动态成像方法相比,该技术达到人体肺部气体磁共振成像的时间分辨率、空间分辨率均有"}
{"title": "子宫外生长的子宫内膜间质肉瘤MRI表现1例", "abst": "[正文]【病例】患者女27岁,平素月经规律,量中,偶有痛经,未婚未育。检查发现盆腔包块半个月,磁共振检查示:盆腔左侧见一巨大不规则形肿块,大小约9.9cm×8.0cm×7.2cm,边界清晰,与子宫分界清。T1WI信号与子宫肌层信号相等,其内后可见多个点片状高信号,T1WI抑脂仍呈高信号;T2WI肿块呈明显高信号,内见低信号条状分隔;DWI呈高信号,ADC图呈低信号。静脉注射对比剂后动态增"}
{"title": "定量图谱磁共振成像技术MAGiC在中国上市", "abst": "[正文]2018年5月19日GE医疗宣布,业内首个多对比度的定量图谱磁共振成像技术MAGi C在中国正式上市。MAGiC定量图谱技术,首次实现了磁共振的图像从常规灰阶图到组织定量图谱的转变,可以得到纯粹的定量化数据。MAGiC技术一次扫描可以得到多种不同对比度的图像,包括T1、T2、T1 FLAIR、T2 FLAIR、STIR、DIR(双翻转)、相位敏感翻转恢复"}
{"title": "SPECT/CT诊断乳腺癌并发骨肉瘤1例", "abst": "\"[正文]【一般资料】患者,女性,44岁,乳腺癌术后患者,此次以\"\"左大腿后方不适2月余,全身骨扫描发现左股骨颈-股骨上段病变1周\"\"收入院。患者主诉:左大腿后方酸胀感2月余,无明显疼痛、麻木、下肢活动受限。既往史:一年前全麻下行右乳癌改良根治术。体格检查:左大腿未及明显肿物,表面皮肤无破溃、静脉曲张,左下肢感觉运动无明显异常。行X线平片检查发现左侧股骨颈及股骨近端骨质密度减\""}
{"title": "首批网络首发中国学术期刊、《中国学术期刊(网络版)》学术论文录用定稿网络首发联合公告", "abst": "\"[正文]国内外学术论文作者、科研管理相关机构:为促进中国学术期刊的数字化、网络化、规模化转型升级,经国家新闻出版广电总局批准(新广出审[2015]887号),由教育部主管、清华控股有限公司主办的《中国学术期刊(光盘版)》电子杂志社有限公司(简称\"\"电子杂志社\"\")以连续型网络出版物《中国学术期刊(网络版)》(英文简称CAJ-N)为载体,向国内外公开出版中国各学科学术期刊文献,国际标准连续出版物号:\""}
{"title": "深度学习算法在医学影像学中的应用及研究进展", "abst": "在大数据时代背景下,医学影像数据也在迅速增加,同时,基于神经网络的深度学习算法日渐成熟,已经成为分析医学图像大数据的重要方法,为实现医学影像的自动分析及辅助诊断提供了新的契机。本文综述深度学习算法在医学影像学的最新研究进展。首先,介绍深度学习算法的模型及框架,及其在医学影像学中的应用,并从深度学习应用最多的几个类型及领域,具体分析其研究进展,总结研究动向,预测研究趋势,并提出深度学习在医学影像研究中可能存在的问题及建议。"}
{"title": "基于人工智能的胸部CT智能辅助诊断系统在LDCT数据集上的应用研究", "abst": "目的:应用卷积神经网络(CNN)算法模型与低剂量CT(LDCT)图像数据集,探讨人工智能(AI)技术检测肺部结节的效能。方法:连续纳入2017年11月至2018年2月间共3750例肺部LDCT影像数据进入人工智能辅助检测系统进行肺结节检测,同时6名资深影像专业医生独立对每个序列图像结果进行确认。用四格表统计系统的灵敏度、阳性预测率及阴性预测率等参数,利用两样本t检验验证不同结节组别之间是否存在显著统计学差异。结果:智能辅助诊断系统随着数据集的增多,其灵敏度、正确率、阳性预测值,阴性预测值均有提升,而错误率则呈下降趋势。结论:基于AI的胸部CT智能辅助诊断系统在检测肺结节上的主要效能指标具有可靠性和成长性,是在门诊和体检场景下针对LDCT肺结节检查和筛查的有效辅助工具。"}
{"title": "基于深度学习的周围型肺小腺癌CT图像计算机辅助诊断初步研究", "abst": "目的:通过探讨基于深度学习的计算机辅助诊断系统(DL-CAD)对医师识别周围型肺小腺癌基本征象的辅助作用,初步评估DL-CAD在周围型肺小腺癌诊断中的应用价值。方法:回顾性分析经病理证实的周围型肺小腺癌152例,由一名主治影像医师阅读CT图像,记录恶性征象,然后参考DL-CAD软件的标记,再次判定恶性征象,比较此医师应用DL-CAD前后对于周围型肺小腺癌恶性征象识别敏感度的差异。结果:在应用DL-CAD前后,影像医师对周围型肺小腺癌征象识别总体敏感度分别为88.0%和94.0%,差异有统计学意义(P=0.001);对分叶征、空泡征、血管集束征、毛刺征、胸膜凹陷征识别敏感度分别提高3.6%、5.5%、9.1%、10%、3.1%,其中对血管集束征(P=0.008)和毛刺征(P=0.031)的识别敏感度差异有统计学意义;对不同直径(P=0.044)、病灶密度(P=0.031)及病理类型(P=0.035)周围型肺小腺癌的征象识别敏感度差异有统计学意义。结论:DL-CAD对于辅助影像医师识别直径≤10mm、磨玻璃密度及病理分类为原位腺癌的周围型肺小肺癌征象具有一定价值,其中对于血管集束征和毛刺征判断价值最大。"}
{"title": "人工智能CT定量分析肺磨玻璃密度结节初探", "abst": "目的:探讨CT定量多参数评价GGN性质临床价值。方法:回顾性分析79例(其中男性29例,年龄27~80岁)表现为单纯磨玻璃密度(pGGO)或混合磨玻璃密度(mGGO)的肺结节的超高分辨率CT。利用人工智能检测并分析肺结节定量参数,分别与病理及随访结果对照。结果:病灶长径、短径、最大截面积和体积的定量测量值在病理证实为恶性的磨玻璃密度结节和随访稳定的磨玻璃密度结节有显著差异,P值分别为0.002,0.004,0.002和0.014。而最大CT值、最小CT值、平均CT值、CT值偏度、CT值峰度、10%CT值百分位数、20%CT值百分位数、30%CT值百分位数、40%CT值百分位数、50%CT值百分位数、60%CT值百分位数、70%CT值百分位数、80%CT值百分位数及90%CT值百分位数。在病理诊断为恶性的结节和随访无变化的肺结节组无显著差异。结论:病灶尺寸定量参数测定有助于为磨玻璃密度肺结节预测临床治疗时机。"}
{"title": "AI赋能肿瘤放射治疗", "abst": "6月11日,百洋医药集团旗下百洋智能科技与医科达联合宣布,双方就Watson for Oncology(WfO)签署战略合作协议,共同推动医疗人工智能在肿瘤治疗领域的应用,为患者提供个性化、规范化的治疗方案。一.国内放疗占比低,引进成熟医疗AI产品弥补差距一方面是由于在中国每百万人拥有加速器的数量仅为1.49台,与WHO所要求的每百万人2~3台加速器还有差距,除此之外,制约肿瘤放疗的瓶颈还包括专业医技人员匮乏和治疗技术相对滞后等问题,放射肿瘤学科的"}
{"title": "基于磁共振T2WI高分辨率图像的影像组学模型对直肠良恶性病变的鉴别诊断价值", "abst": "目的:探讨基于磁共振T2WI高分辨率图像的影像组学模型对直肠良恶性病变的鉴别诊断价值。方法:回顾性分析2016年1月至2017年12月,在上海长海医院经手术病理证实,术前接受直肠磁共振高分辨率T2成像的109例直肠占位性病变患者,男性63例,女性46例,平均年龄57.19±11.23岁,其中良性病灶为23处,恶性病灶为92处。采用影像组学方法,将上述获取到的高分辨率T2WI提取影像组学特征,之后采用方差阈值法、单变量选择法及LASSO算法进行特征值降维,选择出对术后病理诊断有价值的特征。并将样本随机分为训练集与测试集,使用降维后的特征与临床感兴趣的信息建立随机森林、决策树、K近邻、逻辑式回归4种机器学习模型并计算准确率,并获得ROC曲线及曲线下面积。结果:影像特征提取得到1014个影像组学特征,经降维得到与良恶性鉴别相关的特征参数11个;随机森林、决策树、K近邻、逻辑式回归4种机器学习模型的准确率分别为:84.61%、69.23%、84.61%、82.05%,ROC曲线下面积分别为:0.73、0.73、0.70、0.72。结论:基于磁共振T2WI高分辨率图像的影像组学模型对直肠良恶性病变的鉴别诊断具有价值。"}
{"title": "基于深度学习的阴道镜及磁共振图像子宫识别研究", "abst": "目的:探讨深度学习方法在阴道镜及磁共振图像识别子宫中的应用,通过对阴道镜图像中子宫颈转化区的分类、磁共振图像中子宫位置的判识,判断该算法的准确性。方法:通过对8000幅阴道镜及200例磁共振图像进行裁剪、粗分割等预处理操作,最后引入深度学习模型进行分类,并将机器分类结果与专家标注结果进行比对。结果:本文提出方法的分类结果和专家进行标注的结果进行准确率验证,准确率达到84%,算法判识效果良好。结论:深度学习等算法的引用可以部分代替医生的工作量,节省不少人力,但是在准确度上可能需要进一步的提升。"}
{"title": "三维多平面切面法自动评估胎儿脑部发育的可行性研究", "abst": "目的:探讨三维多平面切面法(3D slice)自动测量正常孕晚期胎儿脑部体积及其随孕周变化的可行性。方法:选择MRI3D-FIESTA检查孕周为30~39周脑部正常发育胎儿各10例共100例,利用人工智能软件构建三维模型并自动计算胎儿大脑体积,小脑体积,分析所得数值与孕周的关系。结果:100例均自动测量成功。胎儿大脑体积,小脑体积,小脑体积/大脑体积均随孕周增大而增加,小脑容积增长更快。结论:3D slice可作为一种新的自动评估胎儿脑部发育情况的方法。"}
{"title": "影像云在放射诊断质控工作中的应用价值", "abst": "\"探索一种\"\"互联网+人工智能\"\"的全新质控模式,提升上海放射诊断质控的管理效率和整体水平。利用云技术,建立一套全市统一的放射诊断质控云平台,用信息化的手段优化质控工作,实现质控数字化、质控平台化、质控智能化、数据标准化。将质控标准电子化、指标化,将传统的手工质控模式转变成平台质控模式,有助于标准的统一、完善,质控体系的完整性,检查结果的公正透明,将督查专家资源价值发挥到最大化。利用质控云平台,完善数据采集方式,构建以数据为基础的质控分析评价体系。并对质控大数据进行收集、分析、反馈,提升日常监管能力,及时采取纠偏措施,有效防范医疗质控安全风险,进而提高全市放射诊断乃至整体医疗质量水平。\""}
{"title": "影像基因组学在肿瘤研究中的应用进展", "abst": "随着基因组革命的到来和医学成像技术的发展,医学研究领域出现了一个新的方向——影像基因组学。影像基因组学是利用非侵入性方法将基因组学与多种成像特征进行关联,从而更深入地了解肿瘤生物学特性和捕获内在的肿瘤异质性的新的影像分析方法。本文将就影像基因组学在肿瘤研究中的应用进展进行总结。"}
{"title": "磁共振非高斯弥散加权成像预测低级别胶质瘤IDH1基因突变初步结果", "abst": "目的:探讨磁共振非高斯弥散加权成像预测低级别胶质瘤异柠檬酸脱氢酶1(IDH1)突变状态的可能性方法:回顾性分析了44例病理证实的WHOⅡ级(低级别)胶质瘤,所有病例均执行了常规简单b值(0,1000s/mm2)和多b值弥散成像(22b值:0,10,20,30,50,100,150,200,300,400,500,600,800,1000,1500,2000,2500,3000,3500,4000,4500和5000s/mm2)。根据IDH1突变状态分为IDH1+(n=30)组和IDH1-组(n=14),采用肿瘤T2FLAIR最大横断面方法计算肿瘤平均ADC,Dslow,DDC和α值,同时提取基于肿瘤容积的ADC,Dslow,DDC和α的78个影像组学特征值(包括19个First_order特征,27个GLCM特征,16个GLRLM特征和16个GLSZM特征),统计学分析采用Student’s t-test检验(正态分布)或者Mann–Whitney U-test检验(非正态分布),Shapiro-Wilk’s tests用于数据正态性检验。ROC分析用于评估IDH1基因突变预测效能,并计算曲线下面积AUC,P<0.05差异有统计学意义。结果:(1) IDH1突变组α和Dslow均较IDH1野生组明显增高,AUC值分别为0.721和0.751(P=0.008和0.019),ADC和DDC差异均无显著统计学意义(P均>0.05);(2)全肿瘤容积影像组学特征值分析显示,3个α组学特征值、7个Dslow组学特征值在IDH1突变组较野生组均明显增高,P<0.05,其中α特征值中90Percent诊断效能最高,AUC值为0.778(P=0.007);Dslow特征值GLCM_Difference_variance诊断效能最高,AUC值为0.772(P=0.016);ADC和DDC组学特征值在两组间差异均无统计学意义(P均>0.05)。结论:磁共振非高斯弥散成像与低级别胶质瘤IDH1突变状态密切相关,Dslow和α具有预测低级别胶质瘤IDH1突变状态的潜能,IDH1野生型低级别胶质瘤比突变型具有更不均质的水分子弥散微环境。"}
{"title": "影像组学在肺癌诊治中应用现状与进展", "abst": "影像组学是借助计算机软件从医学影像图像中挖掘肉眼看不到的定量影像学特征,用以指导临床诊治。分析肺癌的影像组学特征对其定性诊断、病理、分子分型、生物学行为预测、疗效、预后评估等方面有重要意义。本文对影像组学在肺癌上的临床应用及在实际应用中存在不足等方面做一综述。"}
{"title": "医学超声影像学技术在肾移植围术期的应用进展", "abst": "慢性肾功能衰竭(CRF)已经成为我国多发疾病,是指因肾脏受到各种慢性进行性损害而诱发的肾脏形态改变、功能衰退甚至失功,临床表现为患者逐渐加重的全身代谢产物无法排出体外,从而导致的水潴留、电解质紊乱以及酸碱失衡,最终出现全身多个系统及脏器功能受累等一系列症状。慢性肾功能衰竭所致心血管疾病发病率比普通人要高10~200倍。通过超声影像学技术2D-STI及TEE可以更加准确、真实地提供CRF患者术前、术中及术后"}
{"title": "能谱单能量图像影像组学在胃癌分级中的应用", "abst": "目的:探讨基于单源双能CT单能量图像的影像组学特征评估胃腺癌病理分级的临床价值。方法:回顾性收集使用Discovery 750 CT机行上腹或全腹GSI扫描的胃腺癌患者196例,根据病理结果分为低分化组和中高分化组。在AW4.6工作站分析获得高质量、标准化的静脉期70keV单能量图像,提取基于该图像的影像组学特征,并利用降维后的特征建立Logistic回归模型。采用受试者工作特性曲线(ROC)评价Logistic回归模型的分级效能并验证其准确率。同时,对比分析常规能谱参数的分级结果及效能。结果:常规能谱参数标准化碘(水)浓度的分级效能是0.668;Logistic模型鉴别两组的ROC曲线下面积为0.872(敏感度为73.3%、特异度为83.3%),诊断准确率为78.3%。结论:能谱单能量图像的影像组学特征,可无创鉴别低分化与中高分化胃腺癌,且效能优于常规能谱参数,为临床治疗方案选择和术前评估提供更多定量、可重复的数据信息。"}
{"title": "基于MRI图像纹理分析的应用及研究进展", "abst": "医学图像的纹理特征与机体病理相关,因此基于医学图像的纹理分析有着十分重要的临床应用价值。具有高组织分辨的MRI多参数大信息的纹理数据能够更精准量化病灶组织的病理差异,使得基于MRI图像的纹理分析(MTA)受到医学及计算机工程等多领域的关注,随着纹理分析方法及MRI新技术的不断研发应用,近年来MTA被越来越多的应用于临床研究,为疾病尤其是肿瘤的诊断、分级与疗效预测评估提供有价值的医学影像依据。本文就MTA在人体各大部位的主要临床应用现状及其进展进行综述。"}
{"title": "远程医疗移动工作站精彩亮相世界移动大会(上海MWC)", "abst": "随着5G技术的不断迭代更新,利用5G网络实现远程医疗可以实现跨区域的优质医疗资源平衡共享,提高医疗资源的利用率,促进良好医疗生态的建立。采用一站式整体解决方案整合远程影像学检查与基因检测,集成设备包括基因测序平台的采血台、试剂与样本存储冰箱、实验室台与培养箱,还包括远程超声平台的检查床等。远程基因测序平台包括样本采集模块、信息录入模块、存储模块,基因测序模块和5G网络通讯模块。远程超声功能包括医生和患者"}
{"title": "基于T2WI灰度共生矩阵在鉴别高低级别胶质瘤中的应用", "abst": "目的:探讨T2WI灰度共生矩阵参数在鉴别高低级别胶质瘤中的价值。方法:收集54例病理证实为胶质瘤患者,其中高级别胶质瘤31例,低级别胶质瘤27例。在T2WI图像上使用ImageJ软件手动勾画出肿瘤最大层面的ROI,采用基于Matlab编写的软件提出灰度共生矩阵相关纹理特征,包括相关、能量,逆差距和熵,并采用独立样本t检验比较高低级别胶质瘤各特征间的差异,对于有统计学意义的特征绘制受试者工作特征曲线(ROC),并计算界值相应的敏感性和特异性。结果:高级别胶质瘤的纹理特征逆差距有意义较低级别低(P<0.001),高低级别胶质瘤的纹理特征相关性,能量和熵无统计学差异(P=0.261-0.849)。逆差距的ROC曲线下面积为0.895,以0.972为界值鉴别高低级别胶质瘤的敏感性和特异性分别为93.8%和75.0%。结论:基于T2WI灰度共生矩阵可用于鉴别高低级别胶质瘤,逆差距是鉴别二者的重要指标。"}
{"title": "纹理分析在甲状腺结节影像学中的研究进展", "abst": "甲状腺结节是临床上常见疾病且多数为良性结节。影像检查的主要目的是筛查出恶性结节以及对恶性结节进行评估。纹理分析是近年来新出现的图像后处理技术,使用了各种数学方法来描述图像的不均匀性,通过定量参数对图像进行评估。纹理分析对于鉴别良恶性肿瘤、预测肿瘤分期及疗效评估等都具有一定的价值。本文就甲状腺结节的纹理分析研究进展予以综述。"}
{"title": "全球医疗质量排行榜:中国医疗进步位列第三", "abst": "\"权威医学杂志《柳叶刀》刊登\"\"全球医疗质量排行榜\"\",涉及195个国家和地区。研究指出,过去25年,中国是医疗事业进步幅度最大的国家之一,一些经验值得世界学习。专家认为,巨大进步的背后是方方面面的努力。成绩固然可喜,但提高我国医疗服务水平仍任重道远。研究指出,在32种可防可治疾病中,中国医疗质量指数得分最低的5项分别是白血病、先天性心脏病、新生儿疾病、脑血管病、风湿性心脏病。可以说,提高这5类疾病的诊疗水平,\""}
{"title": "基于CT平扫图像的纹理分析鉴别肉芽肿性肺曲霉菌病与肺隐球菌病", "abst": "目的:探讨CT平扫图像纹理分析在肉芽肿性肺曲霉菌病和肺隐球菌病鉴别诊断中的应用价值。方法:回顾性分析28例表现为肉芽肿性的侵袭性肺曲霉菌病(IPA)和21例肺隐球菌病(PC)患者的肺部CT平扫图像,提取病变的纹理特征,通过Fisher、POE+ACC、Ml及三者联合(FPM)的方法选择最佳纹理参数集合,然后使用线性判别分析(LDA)和非线性判别分析(NDA)进行纹理分类。比较两种病变的纹理特征差异,进行统计学分析;并与人工鉴别的准确率进行对比。结果:纹理分析鉴别IPA和PC时,FPM联合NDA分类的误判率最低,为4.08%(2/49);PC组的纹理特征中,峰度、偏度、平方和低于IPA组,差异均有统计学差异(P<0.05);对这3个特征参数的诊断效能进行评价,绘制ROC曲线,其中峰度、偏度曲线下面积大于0.7,并获得相应的诊断截断点、敏感度及特异度;与人工鉴别相比,纹理分析具有更低的误判率。结论:肺部CT平扫图像纹理分析有助于肉芽肿性肺曲霉菌病及肺隐球菌病的鉴别诊断。"}
{"title": "5G让患者对医疗服务有更大的控制权", "abst": "爱立信发布的消费者研究报告《医疗卫生向家庭护理模式转型》指出,下一代网络将在医疗转型中发挥关键作用,在反馈和预警系统中提供高传输效率、移动性和低时延。网络将成为一系列应用的载体,包括医疗级可穿戴设备远程监测、虚拟医患互动以及远程操作机器人手术。调查还发现一个趋势——医疗服务正从医院转移到家庭。而且患者数据正变得更加集中,使医院转变为数据中心。人们越来越依赖可穿戴设备,远程治疗也悄然兴起,这些使"}
{"title": "基于磁共振表观扩散系数图的纹理分析在鉴别肝癌与血管瘤上的可行性研究", "abst": "目的:探讨基于磁共振表观扩散系数ADC图纹理分析技术在鉴别肝癌与血管瘤中的可行性。方法:回顾我院56例行1.5TMR扫描患者(肝癌31例,35个病灶;血管瘤25例,27个病灶)。将ADC图像导入Omni-kinetics(OK)软件得到未经滤过的原始细纹理图像,并测量感兴趣区内的纹理参数(能量值、熵值、偏度值和峰度值)。测量结果进行组内相关系数检验(ICC)一致性进行检验,比较两组病灶各参数值并进行两独立样本t检验及受试者操作特征(ROC)曲线分析。结果:两名观察者所测得各参数值一致性良好(ICC>0.75),肝癌及血管瘤的能量值、熵值、偏度值和峰度值分别为:0.03±0.05、6.82±0.92、0.12±1.35、4.43±4.55;0.12±0.15、6.02±2.21、0.69±2.01、6.98±12.81,血管瘤的能量值高于肝癌(P<0.05),而熵值、偏度值和峰度值两组之间没有明显的统计学差异(P>0.05)。ROC曲线分析显示能量值的阈值为0.04时,曲线下面积、敏感度和特异度分别为0.827、71.0%和79.2%。结论:磁共振ADC图的纹理分析技术对鉴别肝癌和血管瘤有一定价值。"}
{"title": "影像中心服务型机器人的技术发展和临床应用前景", "abst": "服务型机器人技术近年来发展迅速,而服务型机器人在医疗领域,尤其是影像中心的应用还处于萌芽状态。本文通过分析国内外服务型机器人的研究现状和最新进展,阐述了当前服务机器人在医疗场景应用的关键技术,最后展望服务机器人在影像中心未来应用方向和研究趋势。。"}
{"title": "首批网络首发中国学术期刊、《中国学术期刊(网络版)》学术论文录用定稿网络首发联合公告", "abst": "\"国内外学术论文作者、科研管理相关机构:为促进中国学术期刊的数字化、网络化、规模化转型升级,经国家新闻出版广电总局批准(新广出审[2015]887号),由教育部主管、清华控股有限公司主办的(中国学术期刊(光盘版)》电子杂志社有限公司(简称\"\"电子杂志社\"\")以连续型网络出版物《中国学术期刊(网络版)》(英文简称CAJ-N)为载体,向国内外公开出版中国各学科学术期刊文献,国际标准连续出版物号:ISSN2096-4188,国内统一连续出版物号:CN11-6037/Z,出版网站为中国知网(www.cnk.net,含移动网络)。目前,《财政研究》《科学通报》《Chinese Herbal Medicines》等首批\""}
{"title": "智能芯片的评述和展望", "abst": "近年来,人工智能技术在许多商业领域获得了广泛应用,并且随着世界各地的科研人员和科研公司的重视和投入,人工智能技术在传统语音识别、图像识别、搜索/推荐引擎等领域证明了其不可取代的价值.但与此同时,人工智能技术的运算量也急剧扩增,给硬件设备的算力提出了巨大的挑战.从人工智能的基础算法以及其应用算法着手,描述了其运算方式及其运算特性.然后,介绍了近期人工智能芯片的发展方向,对目前智能芯片的主要架构进行了介绍和分析.而后,着重介绍了DianNao系列处理器的研究成果.该系列的处理器为智能芯片领域最新最先进的研究成果,其结构和设计分别面向不同的技术特征而提出,包括深度学习算法、大规模的深度学习算法、机器学习算法、用于处理二维图像的深度学习算法以及稀疏深度学习算法等.此外,还提出并设计了完备且高效的Cambricon指令集结构.最后,对人工神经网络技术的发展方向从多个角度进行了分析,包括网络结构、运算特性和硬件器件等,并基于此对未来工作可能的发展方向进行了预估和展望."}
{"title": "闪存存储的重构与系统构建技术", "abst": "近些年来,闪存存储在嵌入式、桌面机、服务器及数据中心领域中均得到了快速而广泛的应用.如何高效发挥闪存效率是近来存储系统研究中的一个重要的问题.传统存储系统以磁盘为基础的设计维系了60余年,基于现有存储系统的优化对闪存优势的发挥效果甚微.因而,重构闪存存储成为近年来的研究热点.对该研究方向的研究现状与进展进行介绍.首先,介绍了闪存与固态盘的特性,并分析了当前闪存存储结构的问题;然后,介绍了闪存存储架构从设备内FTL、主机端FTL、软件直管闪存以及开放可编程闪存的演进;接着,从软件直管闪存的软件定义和硬件卸载2个方面,分别介绍基于开放通道SSD的存储系统和基于近数据处理的闪存存储系统;最后总结了闪存存储重构和系统构建技术的挑战与下一步研究的问题."}
{"title": "芯片敏捷开发实践:标签化RISC-V", "abst": "\"随着开放指令集RISC-V的流行,开源芯片的概念逐渐进入人们的视野.但是目前的芯片设计项目需要投入相当的人力和时间才能开展,并且具有一定的风险,这些情况一定程度上限制了开源芯片的发展.为了进一步降低芯片开发的门槛,加州大学伯克利分校先后设计了开放指令集RISC-V,开放了其SoC实现Rocket Chip的项目源码,并提出了一门面向敏捷开发的硬件构建语言Chisel.RISC-V,Rocket Chip和Chisel是如何赋能开源芯片敏捷开发?将基于中国科学院计算技术研究所的研究工作\"\"标签化RISC-V\"\"项目开发过程中的若干案例,展示:1)开放又活跃的指令集生态(如RISC-V)是推动芯片研发创新的必要条件;2)Chisel的信号整体连接、元编程、面向对象编程以及函数式编程等特性可大幅缩减代码量,提升代码可维护性;3)敏捷开发能在编码效率提升一个数量级的同时,达到与传统硬件开发模式相当甚至更优的性能、功耗与面积.\""}
{"title": "可持续自主学习的micROS机器人操作系统平行学习架构", "abst": "\"作为机器人平台最重要的基础软件,机器人操作系统是提高机器人自主性与智能化水平的核心和关键.围绕实现适应环境的智能机器人系统这一目标,基于已有的micROS研究,提出了可持续自主学习的群体智能机器人操作系统平行学习架构,描述了架构设计、核心概念、实现途径和应用验证.在micROS可扩展分布式层次架构的基础上,提出了支持可持续自主学习的平行学习架构,设计并实现了机器人操作系统的两大核心概念——基于\"\"角色\"\"的控制抽象和基于\"\"语义情境图\"\"的数据抽象,突破了群体智能行为操控、自组织无线网络等群体机器人自主智能协同急需解决的关键技术问题,在此基础上开展了面向多种场景的应用验证.\""}
{"title": "操作系统虚拟化的研究现状与展望", "abst": "容器技术作为一种轻量级虚拟化技术,近年来不仅广泛应用于云计算平台和数据中心的资源管理、系统运维和软件部署中,也逐步应用于包括边缘计算、物联网等在内的新领域,表现出了良好的发展态势和应用前景.在此背景下,操作系统虚拟化作为容器的核心技术引起了广泛的关注.操作系统虚拟化允许多个应用在共享同一主机操作系统内核的环境下隔离运行,具有启动快速、部署方便、资源占用少、运行效率高等优点,但是也存在隔离性较弱等不足之处,后者也成为了虚拟化领域的研究热点.首先介绍操作系统虚拟化的历史背景和技术架构,并与传统虚拟化技术对比总结操作系统虚拟化技术的特点;随后分别从容器实例层、容器管理层和内核资源层梳理和分析操作系统虚拟化当前研究现状;最后阐述了操作系统虚拟化领域的技术挑战和研究展望."}
{"title": "边缘计算:现状与展望", "abst": "随着万物互联时代的到来,网络边缘设备产生的数据量快速增加,带来了更高的数据传输带宽需求,同时,新型应用也对数据处理的实时性提出了更高要求,传统云计算模型已经无法有效应对,因此,边缘计算应运而生.边缘计算的基本理念是将计算任务在接近数据源的计算资源上运行,可以有效减小计算系统的延迟,减少数据传输带宽,缓解云计算中心压力,提高可用性,并能够保护数据安全和隐私.得益于这些优势,边缘计算从2014年以来迅速发展.旨在探讨3个问题:边缘计算从哪里来、它的现状如何、它要到哪里去.围绕这3个问题,首先梳理了边缘计算的发展历程,将其归纳为技术储备期、快速增长期和稳健发展期3个阶段,并列举了不同阶段的典型事件.随后,总结了推动边缘计算迅速发展的7项关键技术,并结合已经广泛采用边缘计算的6类典型应用进行了说明.最后,提出了边缘计算在未来发展中需要紧迫解决的6类问题."}
{"title": "面向控域的体系结构:一种智能万物互联的体系结构风格", "abst": "\"继PC互联网、移动互联网之后,世界正在进入智能万物互联网时代,也称为人机物三元计算时代.一个主要特征是,\"\"计算机\"\"不只是PC机、智能手机,也会具象成为物理世界中的各种智能物体设备(物端设备).未来的全球智能万物互联网将拥有万亿级物端设备,它们需要多种多样的控制策略,去满足各自的创新自由度、安全隐私保障、依法依规治理、良好用户体验等方面的需求.一套控制策略难以满足全球智能万物互联网的多样化需求,但可将全网划分成多个域(称为控域),每个有自己的控制范围和控制策略.借鉴面向服务的体系结构(service-oriented architecture,SOA)和REST体系结构风格的经验,提出一种面向控域的体系结构(zone-oriented architecture,ZOA)风格.它的基础技术包括:以控域为元素并含有4个算子的控域代数、3个范式和5个体系结构设计原则.最后讨论了面向控域的体系结构针对的5个问题,并通过一个车联网场景显示了该体系结构风格如何有助于现有研究,提出了开放研究问题.\""}
{"title": "匿名通信与暗网研究综述", "abst": "匿名通信系统是一种建立在Internet之上综合利用数据转发、内容加密、流量混淆等多种技术隐藏通信实体关系和内容的覆盖网络.由于匿名通信主体难以被追踪定位,匿名通信网络中各类匿名滥用问题层出不穷,而其中隐藏服务机制更是被用于构建充斥着各种非法活动的暗网,给社会和人们带来了巨大的危害和影响.鉴于目前在匿名通信与暗网领域尚缺乏全面、深入的技术剖析与研究综述,重点对两者的基本概念及相互关系进行阐述,并围绕Tor,I2P,Freenet,ZeroNet这4种主流暗网形态,详细介绍了匿名通信的工作原理,以及匿名接入、匿名路由和暗网服务三大关键技术.在此基础上,分析总结了匿名通信攻击与防御技术的研究现状,并介绍了暗网治理方面的相关研究工作.最后,对下一代匿名通信系统的发展趋势进行展望,并初步探讨了暗网治理面临的挑战和思路."}
{"title": "信息安全的新发展——为《计算机研究与发展》创刊六十周年而作", "abst": "\"首先提出了信息安全发展过程中最大的趋势:在系统安全领域不断引入密码技术并产生新的密码问题,使得密码安全不断地渗透到系统的方方面面.其次,阐述了\"\"渗透\"\"加上新的服务运营模式导致现代密码学呈现了新的景象,即\"\"端端\"\"单方模式改变为多方模式、\"\"位置\"\"本地模式改变为异地模式与\"\"安全模型\"\"由信道安全改变为\"\"信道安全+\"\"模型等.在此基础上,较详细介绍了密文访问控制、安全外包计算、安全搜索、电子货币与区块链安全、人工智能与机器学习中的安全与隐私保护等方面的最新理论研究进展与未来发展方向.此外,还介绍了一些成果的应用,包括加密数据共享移动设备硬件研制与基于生物信息的身份鉴别类应用等.\""}
{"title": "归纳逻辑程序设计综述", "abst": "归纳逻辑程序设计(inductive logic programming,ILP)是以一阶逻辑归纳理论为基础,并以一阶逻辑为表达语言的符号规则学习方法.ILP学得的模型是易于理解的一阶逻辑符号规则,而非难以解释的黑箱模型;在学习中可以相对容易地显式利用以一阶逻辑描述的领域知识;学得模型能对领域中个体间的关系进行建模,而非仅仅对个体的标记进行预测.然而,由于潜在假设空间巨大,进行高效学习有相当的困难.综述了ILP领域的研究情况,从不同一阶逻辑归纳理论的角度对主流的ILP方法做出了梳理.还介绍了近年来ILP基于二阶诱导推理理论的扩展、基于概率的扩展和引入可微构件的扩展.最后,介绍了ILP在实际任务中的代表性应用,探讨了ILP方法目前所遇到的挑战,并对其未来发展进行了展望."}
{"title": "基于深度学习的数字几何处理与分析技术研究进展", "abst": "随着各种硬件传感器以及重建技术的快速发展,数字几何模型成为继音频、图像、视频之后的第4代数字媒体,并在多个领域得到广泛应用.传统的数字几何分析和处理方法主要建立在手工定义的模型特征之上,这类方法只对特定问题或者在特定条件下才有效.而深度学习,尤其是神经网络模型,在自然语言处理和图像处理方面的成功,展示了它作为数据特征提取工具的强大能力,因此越来越多地被用在数字几何处理领域.对近年来基于深度学习的数字几何处理与分析技术进行了综述,重点分析了模型匹配与检索、模型分类与分割、模型生成、模型修复与重建以及模型变形与编辑中的相关技术国内外最新研究进展,并指出了存在的主要问题和发展方向."}
{"title": "多媒体内容理解的研究现状与展望", "abst": "随着多媒体和网络技术的迅猛发展,海量的图像、视频、文本、音频等多媒体数据快速涌现.这些不同媒体的数据在形式上多源异构,语义上相互关联.认知科学研究表明,人脑生理组织结构决定了其对外界的感知和认知过程是跨越多种感官信息的融合处理.如何对不同媒体的数据进行语义分析和关联建模以实现多媒体内容理解,成为了一个研究和应用的关键问题,受到了学术界和工业界的广泛关注.选取了多媒体内容理解的5个最新热点研究方向:图像细分类与检索、视频分类与目标检测、跨媒体检索、视觉描述与生成、视觉问答,分别阐述了它们的基本概念、代表性方法、研究现状等,并进一步阐述了多媒体内容理解面临的重要挑战,同时给出未来的发展趋势,旨在帮助读者全面了解多媒体内容理解的研究现状,吸引更多研究人员投身相关研究并为他们提供技术参考,推动该领域的进一步发展."}
{"title": "智慧教育研究现状与发展趋势", "abst": "当前,以大数据分析、人工智能等信息技术为支撑的智慧教育模式已成教育信息化发展的趋势,也成为学术界热点的研究方向.首先,对教学行为、海量知识资源2类教育大数据的挖掘技术进行调研分析;其次,重点论述了导学、推荐、答疑、评价等教学环节中的4项关键技术,包括学习路径生成与导航、学习者画像与个性化推荐、智能在线答疑以及精细化评测,进而对比分析了国内外主流的智慧教育平台;最后,探讨了当前智慧教育研究的局限性,总结出在线智能学习助手、学习者智能评估、网络化群体认知、因果关系发现等智慧教育的研究发展方向."}
{"title": "软件定义无线传感器网络研究综述", "abst": "无线传感器网络(Wireless Sensor Network, WSN)经过长时间的发展,技术上已经有了很大进步,并广泛应用于很多领域,但其仍存在一些技术难点,影响应用效果。软件定义网络(Software-Defined Network, SDN)是一种新的网络架构,它采用了数据平面与控制平面解耦的思路,提供了网络架构发展的新方向。为了提升WSN的技术有效性,SDN架构被引入到WSN领域中,形成了新的软件定义无线传感器网络(Software-Defined Wireless Sensor Networks, SDWSN)。在分析软件定义无线传感器网络现有研究成果的基础上,阐述了WSN及SDN的发展现状;结合目前的研究进展,综述了SDWSN可行的技术方案;探讨了SDWSN未来的研究方向及发展趋势。"}
{"title": "基于深度自动编码器的托攻击集成检测方法", "abst": "在采用协同过滤技术的推荐系统中,恶意用户通过注入大量虚假概貌使系统的推荐结果产生偏离,达到其攻击目的。为了检测托攻击,根据用户的评分值或基于攻击时间的集中性假设,从不同视角提取攻击概貌的特征。但是,这些基于人工特征的检测方法严重依赖于特征工程的质量,而且人工提取的检测特征多限于特定类型的攻击,提取特征也需要较高的知识成本。针对这些问题,从用户评分项目的时间偏好信息入手,提出一种利用深度稀疏自动编码器自动提取检测特征的托攻击集成检测方法。利用小波变换将项目在不同时间间隔内的流行度设定为多个等级,对用户的评分数据预处理得到用户-项目时间流行度等级矩阵。然后,采用深度稀疏自动编码器对用户-项目时间流行度等级矩阵自动进行特征提取,得到用户评分模式的低层特征表达,消除了传统的人工特征工程。以SVM作为基分类器,在深度稀疏自动编码器的每层提取特征并进行攻击检测,生成最终的集成检测结果。在Netflix数据集上的实验表明,提出的检测方法对均值攻击、AoP攻击、偏移攻击、高级项目攻击、高级用户攻击具有较好的检测效果。"}
{"title": "传感器人体运动行为特征识别研究进展", "abst": "人体运动行为特征识别在医疗健康、人机接口、体育竞技等诸多领域都有广泛应用。介绍了常见的用于运动数据采集的传感器和相应方法,简述了运动数据预处理的一般手段;介绍了运动数据特征提取的过程,重点描述了常见运动行为特征识别方法的研究现状,并简述其应用现状。最后,指出了目前运动行为特征识别中所面临的问题,并给出了未来的发展方向。"}
{"title": "基于深度学习的Wi-Fi与iBeacon融合的室内定位方法", "abst": "针对传统室内定位指纹法存在定位精度低、容易受到环境影响的问题,提出了一种基于深度学习的Wi-Fi与iBeacon融合的室内定位方法。离线阶段在参考点处采集各个AP和iBeacon的信号强度,使用这些信号强度数据对堆叠自动编码机进行训练并从大量带有噪声的信号强度样本中提取特征,构建位置指纹数据库;在线定位阶段,使用堆叠自动编码机获得待测点信号强度特征并与位置指纹数据库中信号强度特征进行匹配,通过近邻算法估计待测点位置。实验结果表明,基于堆叠自动编码机的室内定位算法具有更高的定位精度。"}
{"title": "基于改进k-shell算法的节点影响力的识别", "abst": "在复杂网络中具有较大影响力的节点在控制谣言传播、优化资源分配、高效传播信息、精确投放广告等方面发挥着重要作用。鉴于当前众多方法在识别节点的不同影响力时存在一定局限性,因此在k-shell方法的基础上,通过度量边的潜在重要性,考虑邻居节点的差异贡献性,从而定义了节点的加权度概念,并提出了MKS(Modified k-shell)算法,该算法综合考虑了节点的本身、位置以及局部属性。通过在具有代表性的Zachary空手道俱乐部网络上进行实现,并和其他典型方法进行比较分析,发现该算法改进了k-shell方法的粗粒化划分,其结果更加合理。"}
{"title": "一类有限半格的自同态半环", "abst": "研究两条有限链直积上自同态半环的性质。利用有限链直积上的两种二元运算,给出了两条有限链直积的子集构成自同态像集的充要条件,证明了自同态半环的乘法半群是正则半群。通过对有限链直积上的自同态进行分解,得到了自同态半环可由其乘法半群的幂等元集生成;推广了有限链上自同态半群的一些结果。"}
{"title": "逻辑系统L~*和BL~*的广义演绎定理的逆定理", "abst": "利用形式推演方法,给出逻辑系统L*和BL*的广义演绎定理逆定理的证明,并利用系统BL*的完备性定理及广义演绎定理证明系统BL*的强可靠性定理。"}
{"title": "采用分段RTS的CPHD平滑算法", "abst": "针对多目标跟踪中的固定间隔平滑问题,将势概率假设密度(CPHD)滤波器和RTS平滑器相结合,提出了RTS的势概率假设密度滤波平滑算法。考虑到在平滑过程中存在较大的输出延迟问题,采用分段思想,提出了分段RTS的势概率假设密度滤波平滑算法。对需要平滑的估计值进行分段;采用匈牙利算法进行航迹-估计关联;对关联后的估计值逐段进行RTS平滑。实验结果表明,与CPHD滤波结果相比,分段RTS的势概率假设密度滤波平滑算法能够更加精确地估计目标状态,并且可以有效避免直接应用RTS平滑造成的实时性欠佳问题。"}
{"title": "融合拓扑势的社交网络层次化社区发现算法", "abst": "社交网络的社区结构呈现层次性。针对传统凝聚式层次化社区发现算法效率不高以及生成的层次谱图复杂的问题,提出一种融合拓扑势的层次化社区发现算法,利用拓扑势场呈现的自然峰谷结构揭示社交网络社区间的层次关系。该算法搜索局部极大势值节点,并根据局部极大势值节点完成社区的初始划分;根据局部极大势值节点间的距离对初始社区进行迭代合并,直到所有社区被合并为一个社区。在真实社交网络和人工网络上的实验结果表明,该算法能够高效地发现社区的层次结构,生成的层次谱图简单直观。"}
{"title": "基于数据流和点对点网络的分布式推荐算法", "abst": "推荐算法是数据挖掘中应用最广泛的算法之一,目前的推荐算法主要是针对静态数据的,缺乏对动态数据的适应性,基于数据流的推荐算法是解决这一问题的方法。针对目前在分布式平台中采用参数服务器控制模型训练存在的滞后梯度和掉队者问题,提出了一种新的使用点对点参数交换网络代替参数服务器的方法,并在训练过程中引入遗忘策略和异常评分检测能力。在新的分布式流计算框架Flink上进行设计实现,并在经典的MovieLens-1m数据集上进行了实验。实验结果表明,该算法能够在保证推荐准确率的同时,降低一半通讯开销。"}
{"title": "层次序列索引的大规模动态标签图子图查询", "abst": "标签图常用于智能交通网、生物信息网等新兴领域的建模。子图查询作为图数据分析的关键问题,引起了研究者的广泛关注。对现有子图查询算法的研究发现,随着图数据规模增大且频繁更新,传统子图查询算法普遍存在查询效率低,存储开销大,忽略顶点标签信息等问题。为此,提出了一种支持大规模动态标签图子图查询的层次序列索引(Dynamic Hierarchical Sequence,DHS),该索引提取数据图中带有顶点编号的层次拓扑序列关系以实现子图查询;针对图的动态变化,提出了更新点拓扑扩展式索引维护策略,仅从局部变化顶点及边开始进行增量式更新,大大降低了重建索引造成的巨大开销;提出了基于DHS索引的子图查询方法,仅需将查询图与数据图的层次序列进行匹配即可获得候选集,并在其上利用关系匹配策略获得最终查询结果。实验证明提出的方法在保证高效查询的同时降低了索引的创建及维护时间,提高了子图查询效率。"}
{"title": "TSCAN:利用并行策略改进的图结构聚类算法", "abst": "近年来,图数据聚类在学术界引起了广泛的关注,许多优秀的聚类方法,如模块度优化算法、谱聚类,以及基于密度的聚类算法在图数据上取得了很好的效果。SCAN是一种著名的基于密度的图聚类算法,该算法不仅能够找出图中的聚类,而且还能够发现不同聚类间的Hub节点,以及图中的离群点。然而,该算法存在两方面的局限性:首先,在大规模图数据上,该算法需要耗费大量的时间用于计算图中每条边的结构相似性;另一方面,该算法存在两个参数ε和μ,并且对这两个参数比较敏感。为了解决其局限性,提出了一种基于OpenMP的并行算法来求解节点相似性,并且提出了两种有效的负载均衡策略;其次,提出一种基于三角形的新型图结构聚类算法TSCAN。该模型能够有效降低算法对参数的敏感性,而且还能够发现重叠以及更稠密的社区。在多个大规模数据集上实验发现,基于多核的并行算法能够达到近乎线性的加速比,而且TSCAN算法对参数不敏感,能有效发现重叠社区。"}
{"title": "ML-kNN算法在大数据集上的高效应用", "abst": "k近邻多标签算法(ML-k NN)是一种懒惰学习算法,并已经成功地应用到实际生活中。随着信息量的不断增大,将ML-kNN算法运用到大数据集上已是形势所需。利用聚类算法将数据集分为几个不同的部分,然后在每一个部分中使用ML-k NN算法,并在四个规模不同的数据集上进行了一系列实验。实验结果表明,基于此思想的ML-kNN算法不论在精度、性能还是效率上都略胜一筹。"}
{"title": "基于进化算法的多通信半径DV-Hop改进定位算法", "abst": "定位是无线传感器网络中最重要的问题之一。针对DV-Hop算法定位精度低问题,提出基于进化算法的多通信半径DV-Hop改进定位算法。该方法在多通信半径定位算法基础上,使用蛙跳算法对锚节点跳距进行优化,并对其适应值函数进行改进,让跳距值更接近真实值,然后在DV-Hop算法最后阶段利用遗传算法求解未知节点坐标。实验仿真结果表明,改进算法在不增加额外硬件情况下,大大降低了定位误差,相比于传统DV-Hop算法,定位精度提高了大约69%,相比其他文献,定位精度提高了大约21%。"}
{"title": "基于Geohash编码的位置隐私保护算法", "abst": "针对基于位置服务中用户位置信息易泄露用户个人隐私的问题,利用Geohash编码优化网格化Casper模型,提出了基于Geohash的位置隐私保护算法G-Casper。该算法采用自底向上的机制,对目标位置的Geohash编码进行字符串模糊查询来确定组成匿名区域的k-1个近邻,在扩大扫描区域时,对请求用户所在网格以及周边网格跨域扫描,然后再进行层级的递归,同时使用Lmax和Lmin两个参数来控制匿名区域范围,最终通过剪枝算法删除冗余网格并随机发送一个候选网格区域代替用户原本位置,达到k-匿名的效果。实验结果表明,该算法能够更好地提高位置服务的质量和匿名区域的成功率,并且减少了查询时间和所需储存空间。"}
{"title": "二维整数帐篷映射模型设计及安全性仿真分析", "abst": "帐篷映射由于具有均匀分布特性,被广泛应用到密码学研究领域。一维整数动态帐篷映射模型由于其维数低,复杂度较低,密码学特性和安全性能较差,在密码学领域的应用有着一定的局限性。为了解决这一问题,将一维整数动态帐篷映射模型拓展为二维整数动态帐篷映射模型。二维整数动态帐篷映射模型产生的序列之间存在着扰动机制,进而增加了序列的复杂度,但这种扰动极值并不复杂,计算量较低。将该模型与一维整数动态帐篷映射进行了比较,并分析了该模型的自信息、互信息、均匀性、相空间、混沌性等特性。仿真结果表明,二维整数动态帐篷映射模型克服了一维模型均匀性较差的缺陷,其迭代生成序列具有良好的均匀分布特性及相互独立性,其密码学特性更加完善。"}
{"title": "一种基于拟态防御机制的SDN虚拟蜜网", "abst": "针对传统蜜网部署不方便,流量控制困难,蜜网动态调整较复杂的缺陷,利用SDN技术灵活的控制机制与容器高速、轻量的技术特性,设计了具有动态可调整特性的SDN虚拟蜜网,结合拟态防御机制为SDN虚拟蜜网提供动态调整的依据,并通过博弈论验证了基于拟态防御机制的SDN虚拟蜜网的有效性。利用Containernet仿真实验平台搭建出SDN虚拟蜜网,并设计实现了基于拟态防御机制的动态跳变,通过实验验证了该蜜网的可行性。"}
{"title": "对一种混沌图像加密算法的安全分析和改进", "abst": "对一种简单、敏感的超混沌图像加密算法进行了安全分析,发现该算法的安全性表面上依赖于两个随机序列SP和K(其中SP的生成与明文图像和序列K都相关)。但是,实际上原加密系统的安全性只依赖于随机序列K,而随机序列K的生成只依赖混沌系统的初始值,与待加密的图像无关。因此,运用选择明文攻击的方法破解出了算法中的随机序列K,从而解密出目标明文图像;同时指出原算法不能抵抗主动攻击的缺陷;最后对原算法进行了改进,使其克服了原算法存在的缺陷。理论分析和实验结果验证了该选择明文攻击策略的可行性和改进算法的有效性。"}
{"title": "卷积神经网络在心电逆问题中的应用", "abst": "基于横跨膜电位分布的心电逆问题研究,即从身体表面电位无创重建心脏跨膜电位,可视为一种多输入多输出的回归问题(亦即多个体表电位分布输入重构多个心脏跨膜电位分布输出),而基于数据驱动的机器学习模型是解决回归问题的一种有效手段。通过使用深度卷动神经网络(CNN)构建深度学习模型,使用Caffe框架训练神经网络;此外,基于真实的心脏模型,使用ECGSim软件仿真了肯特束综合症心室激活情况的数据,用于训练和测试回归模型。实验结果表明,与极限学习机(ELM)和核化的极限学习机相比,CNN方法在心脏跨膜电位重构方面有更高的精度和泛化性能。"}
{"title": "基于改进Sequence-to-Sequence模型的文本摘要生成方法", "abst": "基于循环神经网络和注意力机制的Sequence-to-Sequence模型神经网络方法在信息抽取和自动摘要生成方面发挥了重要作用。然而,该方法不能充分利用文本的语言特征信息,且生成结果中存在未登录词问题,从而影响文本摘要的准确性和可读性。为此,利用文本语言特征改善输入的特性,同时引入拷贝机制缓解摘要生成过程未登录词问题。在此基础上,提出基于Sequence-to-Sequence模型的新方法 Copy-Generator模型,以提升文本摘要生成效果。采用中文摘要数据集LCSTS为数据源进行实验,结果表明所提方法能够有效地提高生成摘要的准确率,可应用于自动文本摘要提取任务。"}
{"title": "基于深度学习的多交互混合推荐模型", "abst": "传统的推荐系统中,基于矩阵分解的协同过滤方法只考虑单一的评分信息,而且作为浅层模型无法学习到更深层次的特征信息。提出一种基于深度学习的多交互混合推荐模型,通过深度学习模型融合更多的辅助信息作为输入,能够缓解数据的稀疏性问题;利用多层交互的非线性网络结构去学习更抽象、稠密的深层次特征表示;通过对用户和项目的隐表示进行多次内积交互获得不同层次的特征表示结果;聚合所有的交互结果进行预测。在Movieles latest 100K数据集上进行实验,采用RMSE指标进行评估,结果表明所提模型在推荐效果上有所提升。"}
{"title": "SDAE-LSTM模型在金融时间序列预测中的应用", "abst": "针对金融时间序列预测的复杂性和长期依赖性,提出了一种基于深度学习的LSTM神经网络预测模型。利用堆叠去噪自编码从金融时间序列的基本行情数据和技术指标中提取特征,将其作为LSTM神经网络的输入对金融时间序列进行预测;通过LSTM神经网络的长期依赖特性来提高金融时间序列的预测精度。利用股价指数数据,与传统的神经网络的预测结果进行比较,结果表明基于深度学习的LSTM神经网络具有比较高的预测精度。"}
{"title": "共空间模式结合小波包分解的脑电情感分类", "abst": "为了有效缓解不同受试者跨天试验间脑电信号差异对分类性能的影响,结合共空间模式和小波包分解算法,对12个受试者连续5天的脑电波数据进行空间滤波处理和时频域上小波包能量特征提取。采用Bagging tree、SVM、LDA和BLDA模型进行情感分类实验。实验结果表明,使用SVM和BLDA分类器对该算法提取的脑电特征进行两类情感分类的精度比目前最优的结果分别提高了4.4%和3.5%,有效地提高了跨天脑电情感分类的准确率和稳定性,对于开发鲁棒的情感脑-机接口应用具有一定价值。"}
{"title": "融合QPSO算法的多精度布料仿真建模方法", "abst": "在布料建模领域,如何快速模拟布料形变之后的褶皱细节是研究的热点。通过使用多精度布料建模方法,在布料的不同形变区域使用不同精度的网格,可以有效平衡建模的精度和速度,已有的工作主要是在布料形变过程中,动态计算出布料质点邻域的曲率,依据人为设定的阈值,划分出布料的多精度区域,而在大部分场景中,布料的变形模式没有规律,固定不变的阈值可能会影响布料的仿真效果。针对该问题,首先将基于量子行为的粒子群算法引入建模过程,通过粒子群算法对布料表面的搜索,提高了布料弯曲部位的搜索效率,优化了多精度布料的建模速度和精度,其次针对布料仿真运动过程进行研究,参考布料受空气阻力的数学模型,以及粒子动力学中的数值积分方法,优化布料运动的仿真计算方法。实验证明,与现有布料多精度方法相比,该方法能较快检测到布料褶皱区域并判断是否需要细化,且能较好地表现出布料仿真过程中空气阻力对布料造成的形变。"}
{"title": "RDD上扩展索引层优化的分布式K-means算法", "abst": "K-means是经典的聚类算法,为了适应大规模数据,很多研究利用分布式计算提高其扩展性。但传统基于磁盘的分布式系统仍然存在大量I/O消耗,在基于内存的Spark系统上实现,在继承Spark平台低读写消耗和良好容错性等优点的基础上,扩展了Spark的机器学习MLlib库,在此之上增加一个索引层,引入包含多种策略的基于RDD的双级索引机制,采用新的数据划分方式,对空间距离相近的点的信息进行预处理,利用索引存储其对应的点集的概括信息,以便在K-means算法中对搜索空间剪枝,从而达到对K-means算法的优化。实验结果表明,索引层能够剪枝搜索空间达40%以上,相对无优化的分布式K-means,提升效率达21%,具有较好的可扩展性。"}
{"title": "一种适用于混合型分类数据的聚类算法", "abst": "传统的K-modes算法采用简单的属性匹配方式计算同一属性下不同属性值的距离,并且计算样本距离时令所有属性权重相等。在此基础上,综合考虑有序型分类数据中属性值的顺序关系、无序型分类数据中不同属性值之间的相似性以及各属性之间的关系等,提出一种更加适用于混合型分类数据的改进聚类算法,该算法对无序型分类数据和有序型分类数据采用不同的距离度量,并且用平均熵赋予相应的权重。实验结果表明,改进算法在人工数据集和真实数据集上均有比K-modes算法及其改进算法更好的聚类效果。"}
{"title": "基于残差网络迁移学习的花卉识别系统", "abst": "传统的花卉识别算法一般是建立在手动特征提取和分类器训练的基础上,其泛化能力有限且准确度存在瓶颈。为此提出了基于深度卷积网络的识别算法,采用152层残差网络架构,在爬虫获取的大量标定数据基础上,对神经网络进行迁移学习训练。上线发布的算法集成系统中,用户拍照获取的花卉照片可通过网络传输到云服务器,并在服务端部署的深度学习架构下实现花卉快速识别。针对ImageNet和网龙花卉数据集的实验对比结果表明,基于残差网络迁移学习的方法具有识别准确率高、实时反馈、鲁棒性好等特点。"}
{"title": "基于评价向量的异源图像目标检测", "abst": "在异源图像运动目标检测中,对不同源信息处理的可信度量是影响异源协同检测的关键。针对传统单源目标检测中漏检率、误检率高等问题,提出了基于评价向量的异源图像目标检测方法。通过引入目标面积检测惯性、目标数量检测惯性和目标独立完整性三个评价因子,构造出用来评价不同信息源运动检测结果好坏的评价向量,并运用改进的k-means聚类算法产生目标中心向量,最后利用协作与竞争机制对聚类相似度进行反馈,实现了多源图像的协同检测。实验结果表明,相比于传统的单源检测算法和融合检测算法,该算法具有较高的检测精度和较低的漏检率、误检率。"}
{"title": "2DPCA在脑磁图棘波信号检测中的应用", "abst": "棘波是癫痫疾病诊断和癫痫灶评估的重要标志,脑磁图设备能更精确地捕捉到癫痫患者在发作间期的棘波信号。然而,目前临床医生仍依赖于手动方法标记棘波信号,缺少便捷离线的多通道棘波检测方法。提出一种脑磁图的多通道棘波检测方法,针对给定时间宽度的多通道脑磁图信号的时间序列可以看作为一个二维矩阵,利用二维主成分分析(2DPCA)方法提取该矩阵的本征特征,再结合最近邻分类器实现离线的多通道棘波信号检测。通过临床癫痫患者的脑磁图信号验证表明,提出的方法棘波信号检测率高达93.23%,且该方法是有效的。"}
{"title": "基于形状轮廓特征的金字塔匹配算法", "abst": "形状检索在计算机视觉中一直是一个具有挑战性的问题,其中对形状特征直方图距离的测量是评价形状检索算法优劣的一个重要因素。针对轮廓特征的直方图距离测量,算法引进一种在图像分类领域中应用广泛的金字塔匹配算法。不同于其他传统的直方图度量算法,金字塔匹配算法将形状的轮廓分成若干块,给每一块分配相应的权重,然后分别统计块中的特征,再计算特征的加权和进行相似度的测量。通过在不同形状数据集下实验,该方法能够有效地进行形状匹配和检索,且能得到较好的形状匹配精度。"}
{"title": "基于文本与语义相关性分析的图像检索", "abst": "\"为了更加有效地检索到符合用户复杂语义需求的图像,提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步:基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联,在选定图像库中通过语义相关性分析得到\"\"种子\"\"图像;接下来在图像扩展检索中,采用基于SIFT特征的相似图像检索,利用之前得到的\"\"种子\"\"图像作为查询条件,在网络图像库中进行扩展检索,并在结果集上根据两次检索的图像相似度进行排序输出,最终得到更加丰富有效的图像检索结果。为了证明算法的有效性,在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验,实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果,并且通过扩展算法可以得到更加丰富的检索结果。\""}
{"title": "基于步行加速度信息分割的人员识别", "abst": "为提高基于智能手机内置加速度传感器的人员识别率,提出了一种基于信息分割的组合分类器识别方法。根据人员步行加速度变化特点提出了基于HMM(隐马尔可夫模型)的划分方法,将人员步行加速度划分成相对动态与稳态两个部分,分别从两个区域提取标准差、均值、能量等特征;根据不同步行速率选择这些特征和峰值点连线斜率组合成新的特征集合;最后,采用组合分类器的方法获得了更加理想的识别精度。实验结果表明,在人员慢步行走的姿态下的识别率达到了98.3%,快速步行达到了97.6%。较现有人员识别方法有较大的提高。"}
{"title": "一种去除椒盐噪声带L~1保真项的混合变分模型", "abst": "图像去噪技术是数字图像处理领域中一个重要的分支,目的是在去除噪声同时更好地保持图像的对比度、清晰度、纹理特征等有用的信息,它是图像分割、特征提取与目标识别等图像处理过程的前提。为了有效抑制脉冲噪声,针对调和模型和TV-L~1模型去噪的不足,提出一种针对脉冲噪声去噪的带L1保真项的混合变分模型,并用增广拉格朗日算法进行数值实现。采用峰值信噪比、均方根误差指标评定图像的去噪效果。实验结果表明,该模型的峰值信噪比大于其他几类已有模型,有效降低了均方根误差,并且计算的CPU时间更短,去噪效果得到明显改善。该模型具有更好的去噪性能,获得了更理想的视觉效果,不仅能提高了图像质量,而且在客观上得到了有效证实。"}
{"title": "采用树表示的全局最优形状匹配算法", "abst": "提出一种全局优化算法,用于相似不变地在一场景中匹配一个形状。该算法采用支撑树来表示形状,匹配问题被转化成在目标点集中定位这棵树的问题。通过最小化边的空间变换同一个全局空间变换之间的差别,树的每条边的空间变换被强制是一致的。目标函数归结为一个关于边匹配变量的凹二次函数。该函数具有低秩Hessian矩阵,可以通过分支定界法快速地解出。还提出一种新颖的求下界的方案,它可以通过动态规划高效地解出。实验结果表明,所提算法相比主流算法有更好的鲁棒性,特别对于两点集只有部分重叠的情形。"}
{"title": "基于曲率值追踪的气象槽线自动分析算法", "abst": "针对传统槽线自动分析算法中存在的处理效率较低,且分析准确度不高的问题,提出一种基于曲率值追踪的槽线自动分析算法。算法利用位势高度场格点数据,直接计算格点处曲率值,并根据曲率值及相对位置对格点进行分类判别,以提取候选槽点;在候选槽点中筛选合理槽点进行追踪连接;最终通过后处理步骤,得到槽线自动分析结果。实验结果表明,该算法可有效实现气象槽线的自动分析,在分析准确度和运行速度方面较之前算法均有所改进。"}
{"title": "采用随机Petri网的嵌入式机载软件可靠性检测", "abst": "针对嵌入式机载软件设计中存在的典型缺陷问题,结合嵌入式机载软件任务调度特性,提出采用随机Petri网对嵌入式机载软件设计进行仿真验证的可靠性检测方法,以提高嵌入式机载软件设计的可靠性。该方法采用随机Petri网对嵌入式机载软件系统行为建模,并给出典型缺陷的检测策略和判定准则,然后通过对Petri网模型进行仿真验证,检测系统是否存在此类设计缺陷;并给出了软件设计的运行流程的仿真验证算法,以支持对相应设计的可靠性检测。通过与其他可靠性检测方法的比较,表明了该方法的有效性。"}
{"title": "考虑风险规避与碳减排的双渠道供应链决策", "abst": "在碳标签制度背景下,考虑了风险规避和制造商碳减排情况下双渠道供应链中供应链各成员的决策问题。考虑消费者低碳偏好,探讨了三种情形:制造商和零售商均为风险中性、制造商和零售商均风险规避、制造商和零售商单独一方风险规避。结果表明制造商的碳减排努力和最终销售价格均与制造商的风险规避系数成反比,制造商的碳减排努力与零售商的风险规避系数成正比,而最终销售价格却并不总与其成正比;制造商风险中性、零售商风险规避时制造商的减排努力最大,制造商风险规避、零售商风险中性时制造商的减排努力最小;同时还表明,制造商在减排决策时要综合考虑制造商自身和零售商的风险规避程度以及双方在市场需求中所占的比例。"}
{"title": "应急物流车辆调度多目标鲁棒优化研究", "abst": "针对应急物流车辆调度问题中对于经济性、时效性、可靠性和鲁棒性的多种要求,考虑了含有时间窗、不确定需求、不确定行驶时间,以及路段含有失效风险的多目标鲁棒车辆路径优化问题,通过定义新的成本函数、满意度函数、风险度函数和鲁棒度函数作为四个优化目标来构建模型,并基于鲁棒优化理论将不确定模型转化为确定性鲁棒对应模型求解,为解决不确定环境下优化问题提供了新的思路。算法方面,主要基于SPEA2算法框架求解该多目标模型,针对算法缺陷提出多种改进策略,并通过对比实验证明了改进策略的有效性。"}
{"title": "平面并联机构工作空间的三维螺旋扫描CAD求解", "abst": "针对平面并联机构无奇异位置工作空间求解困难、过程繁琐、计算量大等问题,提出了基于CAD求解平面并联机构工作空间的三维螺旋扫描方法。将n自由度平面并联机构分解成n条支链进行独立分析,得到每条支链下末端执行器的可达区域,再将所有支链可达区域取交集即为平面并联机构工作空间。应用SolidWorks软件建立平面并联机构模型,进行几何特征处理,通过自动求解器求解,将求解过程图形化,快速得到同轴布局5R机构和平面3-RPR并联机构的无奇异位置工作空间。通过同轴布局5R机构的运动学实验,验证了该求解方法的可行性。"}
{"title": "数据约束模型的相似最优校准一致性分析", "abst": "数据约束模型的一致性分析是业务流程管理的重要问题。已有的方法主要单一考虑流程模型的控制流方面。但是,对于一个模型而言,考虑数据流的时候可能是不一致的,所以应该结合数据信息的影响分析业务流程模型的一致性。基于相似最优校准的概念,根据算法计算出模型与日志的简化最优校准集,以便缩减已有方法所需的数量,然后映射校准移动到模型以确定模型行为不一致的区域,并添加控制节点进一步优化模型,最后通过具体实例验证该方法的可行性。"}
{"title": "步长自适应的测量矩阵迭代优化方法", "abst": "在压缩感知中,降低传感矩阵的列相干性可以提高重构精度。因为稀疏字典一般是固定的,所以目前主要通过优化测量矩阵来间接降低传感矩阵列相干性。提出一种改进的测量矩阵优化算法,使用梯度下降法更新测量矩阵并结合Barzilai-Borwen方法以及Armijo准则,使步长能够在迭代中自适应调整并保证算法收敛性。仿真实验表明,所提出的方法具有更快的收敛速度并且能够得到更优的测量矩阵。"}
{"title": "数字音频篡改被动检测研究综述", "abst": "数字音频篡改被动检测是指不依赖任何预先嵌入的信息来鉴别数字音频真伪的技术,其最主要研究内容是判定数字音频的真实性和完整性,在司法取证、新闻公正、知识产权保护等领域有着广泛的应用前景。目前领域内相关综述主要从数字音频主动、被动取证总体框架开展,并未专门针对数字音频篡改被动取证研究进行系统全面总结,且涉及被动取证部分存在时效性不足的问题。据此首先总结了数字音频篡改被动检测的任务模型和取证框架,接着依据篡改手段、检测策略、所使用的统计特征及模型,将目前的数字音频篡改被动检测方法分为四类:基于篡改操作的检测方法、基于数字音频重压缩的检测方法、基于录音设备和音频录制环境的检测方法、基于数字音频信号自身统计特性的检测方法,然后分析了每种方法所采用的典型算法和扩展手段,并对不同检测算法进行性能比较,然后对这四类方法的检测特点和使用范围进行总结。最后综合近年来国内外研究人员的主要成果,总结了数字音频篡改被动检测研究面临的问题和挑战,并对未来的研究进行了展望。"}
{"title": "基于改进YOLOv3的快速车辆检测方法", "abst": "对图像或视频数据中的车辆进行检测是城市交通监控中非常重要并且具有挑战性的任务。该任务的难度在于对复杂场景中相对较小的车辆进行精准地定位和分类。针对这些问题,提出了一个单阶段的深度神经网络(DF-YOLOv3),实现城市交通监控中不同类型车辆的实时检测。DF-YOLOv3对传统的YOLOv3算法进行改进,首先增强深度残差网络提取车辆特征,然后设计6个不同尺度的卷积特征图,并与残差网络中相应尺度的特征图进行融合,形成最终的特征金字塔执行车辆预测任务。在KITTI数据集上的实验表明,提出的DF-YOLOv3方法在精度和速度上均能获得较高的检测性能。具体地,对于512×512分辨率的输入模型,基于英伟达1080Ti GPU,DF-YOLOv3获得93.61%的mAP(均值平均精度),速度达到45.48 f/s(每秒传输帧数)。特别地,对于精度,DF-YOLOv3比Fast R-CNN、Faster R-CNN、DAVE、YOLO、SSD、YOLOv2、YOLOv3与SINet表现更好。"}
{"title": "全局调距和声特征选择算法", "abst": "特征选择技术能有效解决维数灾难问题,许多搜索策略已经被应用到特征选择问题中。针对和声特征选择算法搜索能力低下的问题,提出了一种基于全局自适应调距的和声特征选择算法(HSFS-GPA)。将特征集的距离定义引入到特征选择问题中,在算法搜索过程中结合全局信息对随机产生的新和声进行调整,以一定概率减小候选和声与当前最优和声的距离来加快算法搜索速度,或减少候选和声与最差和声的距离以避免陷入局部最优;同时,采用竞争选择方案随时更新和声库全局信息,改进和声库的更新机制提高算法搜索质量。将HSFS-GPA与原始和声特征选择算法、粒子群算法和遗传算法进行对比实验,HSFS-GPA所选特征子集的大小比原始和声算法减少15%,子集评价值平均提高到0.98。实验结果表明,HSFS-GPA能在相同的条件下搜索到更优质的特征子集。"}
{"title": "基于MRI图像的左心室分割方法研究现状与发展", "abst": "心脏的磁共振图像(Magnetic Resonance Imaging,MRI)对比度强、分辨率高、能够准确描述心脏的解剖功能,因此被认为是准确评估心脏挤压能力的金标准。在心脏的核磁共振图像上准确分割出左心室是准确评估左心室功能的前提。阐述了磁共振图像左心室分割的基本特点和难点,针对现阶段具有代表性的4种MRI左心室分割算法的基本原理、分割效果及时间效率等特点进行了归纳与总结。总结分析了MRI左心室分割领域面临的一些问题和发展方向。"}
{"title": "移动边缘计算环境下服务工作流的计算卸载", "abst": "移动边缘计算(MEC)将计算和存储资源移动到移动网络的边缘,使其能够在满足严格的延迟要求的同时在移动设备处运行要求高处理的应用。它考虑了移动计算卸载问题,其中可以调用工作流中的多个移动服务来满足其复杂需求,并决定是否卸载工作流的服务,同时考虑了组件服务之间的依赖关系,并旨在优化执行移动服务的执行时间和能耗。针对上述问题运用了基于遗传算法(GA)的卸载方法,经过设计和实施后,部分修改传统遗传算法,以满足对所述问题的特殊需求。仿真实验表明,GA算法的实验效果都优于算法Local Execution和RANDOM得到的实验结果。"}
{"title": "基于时间度的风险型动态灰色多属决策方法", "abst": "针对方案属性值为区间灰数的动态多属性决策问题,提出了一种基于前景理论的动态多属性决策方法。定义了区间灰数新的距离测度;鉴于被评价对象在时序上的差异信息和波动性,建立了基于熵和时间度的确定时间权重的优化模型;以两两方案互为参考点确定了前景价值函数,由此构建了求解最优权向量的优化模型,最后以方案的综合前景值对方案进行排序。通过实例说明了该方法的合理性和有效性。"}
{"title": "具有饱和竞争及L-G项的捕食系统解的长时行为", "abst": "研究了一类具有饱和竞争项及修正的Leslie-Gower(简记为L-G)功能反应项的捕食扩散系统在齐次Neumann边界条件下的持续性和全局渐近稳定性。利用上下解方法与极值原理建立了该捕食系统的解先验估计和系统持续性成立的充分条件。利用抛物方程的比较原理及迭代序列收敛法,证明了该捕食系统常数正平衡解的全局渐近稳定性的充分条件。"}
{"title": "基于自适应搜索窗口的序列相似比对算法", "abst": "DTW(Dynamic Time Warping)算法被广泛应用于序列数据比对,以度量序列间距离,但算法较高的时间复杂度限制了其在长序列比对上的应用。提出基于自适应搜索窗口的序列相似比对算法(ADTW),算法利用分段聚集平均(Piecewise Aggregate Approximation,PAA)策略进行序列抽样得到低精度序列,然后计算低精度序列下的比对路径,并根据低精度距离矩阵上的梯度变化预测路径偏差,限制路径搜索窗口的拓展范围;随后算法逐步提高序列精度,并在搜索窗口内修正路径、计算新的搜索窗口,最终,实现DTW距离和相似比对路径的快速求解。对比FastDTW,ADTW算法在同等度量准确率下提高计算效率约20%,其时间复杂度为O(n)。"}
{"title": "基于边图的线性流重叠社区发现算法", "abst": "重叠网络的社区发现是复杂网络研究中的重要问题。为了提高网络中重叠社区发现的时间效率,提出一种基于边图的线性流重叠社区发现算法LBSA。算法首先对于边图网络中的边进行随机的依次处理,完成节点的初步社区划分,再将其中重叠小社区合并到相似度最大的其他大社区中得到最终的社区。通过以上步骤,算法能够以接近线性的时间复杂度得到网络的重叠结构。从最终的实验结果来看,与其他算法相比,该算法能够在更短的时间有质量地发现网络中的重叠社区。"}
{"title": "基于萤火虫算法的认知车载网络频谱分配", "abst": "针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题,提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值,将频谱分配变量映射为萤火虫位置信息,并将车载网络的吞吐量转化为萤火虫的亮度值,采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明,基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快,且种群的平均收益值高于遗传算法和布谷鸟算法。"}
{"title": "结合容错攻击和内存区域统计的ASLR绕过方法", "abst": "ASLR是防御漏洞攻击的重要保护机制,而容错攻击是绕过ASLR的主要方法之一,即利用容错机制重复尝试搜索内存中的敏感信息。针对目前容错攻击的搜索算法耗时长导致实用性不强的问题,提出了一种结合容错攻击和内存区域统计的ASLR绕过方法。通过软件逆向深入分析容错攻击的原理,包括操作系统和浏览器等软件的容错机制内部实现和容错攻击实现方法;分析进程内存空间分布,统计不同区域的系统DLL分布的平均比例,选定最大概率内存区域搜索DLL并定位关键基址,从而绕过ASLR保护,实验结果证明该方法相对现有方法极大缩短了平均耗时和最大耗时,提高了容错攻击的实用性;探讨了容错攻击更多的应用前景。"}
{"title": "基于ATP-ABE的访问控制方案", "abst": "对访问控制机制中存在的安全性和有效性的问题进行了研究,提出了基于访问树剪枝的属性加密ATP-ABE(Access Tree Pruning Attribute Based Encryption)的访问控制方案。当ATP-ABE算法需要访问它的树型结构访问策略时,通过剪枝处理访问树结构中包含用户ID属性节点的分支,提高了用户所有者DO(Data Owner)管理和控制属性的效率,更加有效地实现了数据共享。还为访问树结构设计了许可访问属性,使DO仍保留共享数据的关键属性,并且能够完全控制它们的共享数据。基于决策双线性密钥交换算法DBDH(Decisional Bilinear Diffie-Hellman)假设分析了ATP-ABE方案的安全性,研究结果表明与两种经典ABE方案比较,ATP-ABE更加有效地减少了算法的系统设置、私钥生成、密文大小、用户属性撤销以及加解密过程中的计算开销,并给出了定量结论。"}
{"title": "SDN中基于遗传机制的自适应路由算法研究", "abst": "SDN以集中式的控制、可编程的接口等优点,极大地提高了网络的管控效率及操作的灵活性。但在SDN部署运行中,也暴露出传输时延大、丢包率高等缺点。针对这些问题,提出了一种基于遗传算法的自适应SDN路由算法,该算法利用遗传算法在SDN的全局网络视图中搜索优化路径。算法设计时,对交叉、变异操作进行条件约束,避免产生无效的路径,减小求解空间,降低控制器计算开销。同时能根据网络的动态变化,自适应地选择转发路径。通过Mininet仿真平台进行实验,与其他算法相比,该算法降低了网络的时延以及丢包率,提高了网络性能。"}
{"title": "基于双毁伤因素的域间路由系统级联失效模型", "abst": "级联失效建模研究对检测和防御级联失效攻击具有重要意义。针对现有研究存在毁伤因素单一、失效条件不符合实际等问题,提出了基于双毁伤因素的域间路由系统级联失效模型。该模型综合考虑了UPDATE报文和流量重分配对级联失效过程的影响,并基于两者的相互作用关系,系统刻画了级联失效过程。实验结果表明,该模型能够较准确地模拟域间路由系统级联失效过程,验证了模型的有效性。相对于已有模型,使模型与真实数据的预测偏差降低了35%。"}
{"title": "多尺度方法结合卷积神经网络的行为识别", "abst": "为了同时计算行为序列样本在时间和空间的特征,提出了一种基于包含多尺度卷积算子的卷积神经网络识别模型。首先通过叠加的方式将序列样本中的骨骼向量信息整合为一个行为矩阵,然后将矩阵输入识别模型。为了挖掘具有不同邻接关系的骨骼点在描述人体行为时的作用,将卷积神经网络各层中的卷积算子拓展为多尺度卷积算子,并使用该网络得到的特征进行分类。实验在MSR-Action3D数据集和HDM05数据集获得较好的识别率。"}
{"title": "文本分类TF-IDF算法的改进研究", "abst": "中国互联网环境的发展,让大量蕴含丰富信息的新词得以普及。而传统的特征词权重TF-IDF(Term Frequency and Inverted Document Frequency)算法主要考虑TF和IDF两个方面的因素,未考虑到新词这一新兴词类的优势。针对特征项中的新词对分类结果的影响,提出基于网络新词改进文本分类TF-IDF算法。在文本预处理中识别新词,并在向量空间模型表示中改变特征权重计算公式。实验结果表明把新词发现加入文本预处理,可以达到特征降维的目的,并且改进后的特征权重算法能优化文本分类的结果。"}
{"title": "基于对抗训练和卷积神经网络的面部图像修复", "abst": "为了有效地修复大面积破损的面部图像,使用了解码器-编码器结构的卷积神经网络作为生成模型,并在其部分层之间增加skip-connection,以增强生成模型的结构信息预测能力,同时引入对抗训练策略优化生成模型。该模型首先训练一个判别模型识别真实图像,再利用其判别待修复图像输入生成模型后所得到的输出是否为真实,以此为生成模型提供优化梯度。结合了卷积神经网络的结构信息预测能力和GANs对抗策略的优化能力,提高了图像补全的效果。在CelebA人脸数据集上进行的实验结果表明,该方法在补全大面积破损的图像任务上性能明显优于其他方法。"}
{"title": "基于LFM矩阵分解的推荐算法优化研究", "abst": "在推荐系统中,基于矩阵分解的推荐算法是目前的研究热点之一,然而普通矩阵分解算法的推荐精确度偏低,为了改善该问题,以矩阵分解算法中的潜在因子模型(LFM)优化为研究对象,分析LFM中两种基础推荐算法在寻优速率与推荐精度上的不足,然后提出两种改进算法:带冲量的批量学习算法和混合学习算法,最后通过实验数据测试,对比了不同算法的推荐效果,结果证明改进算法的性能更优。"}
{"title": "基于Sentence-Rank的图像句子标注", "abst": "传统的图像语义句子标注是利用句子模板完成对图像内容描述,但其标注句子很难做到符合语言逻辑。针对这一问题,提出基于统计思想从语料库中选出一条最优的句子来描述图像内容,设计以N-gram算法为主要思想的Sentence-Rank算法生成标注句子。首先执行机器视觉特征学习,选择标注性能最好的HSV-LBP-HOG融合特征完成图像分类,获得图像标注关键词。然后,利用字符串匹配算法从语料库中列出包含所有标注关键词的句子,并将得到的句子通过Sentence-Rank算法进行价值排序,选取评分最高的句子描述图像。实验结果表明,该方法得到的标注句子具有较低的困惑度,较好地解决了句子的语言逻辑问题。"}
{"title": "基于CMAC的非参数化近似策略迭代增强学习", "abst": "为解决在线近似策略迭代增强学习计算复杂度高、收敛速度慢的问题,引入CMAC结构作为值函数逼近器,提出一种基于CMAC的非参数化近似策略迭代增强学习(NPAPI-CMAC)算法。算法通过构建样本采集过程确定CMAC泛化参数,利用初始划分和拓展划分确定CMAC状态划分方式,利用量化编码结构构建样本数集合定义增强学习率,实现了增强学习结构和参数的完全自动构建。此外,该算法利用delta规则和最近邻思想在学习过程中自适应调整增强学习参数,利用贪心策略对动作投票器得到的结果进行选择。一级倒立摆平衡控制的仿真实验结果验证了算法的有效性、鲁棒性和快速收敛能力。"}
{"title": "结合用户组群和隐性信任的概率矩阵分解推荐", "abst": "研究表明在社会网络推荐中添加明确的社会信任明显提高了评分的预测精度,但现实生活中很难得到用户之间明确的信任评分。之前已有学者研究并提出了信任度量方法来计算和预测用户之间的相互作用及信任评分。提出了一种基于Hellinger距离的社会信任关系提取方法,通过描述二分网络中一侧节点的f散度来进行用户相似度计算。然后结合用户分组信息,将提取的隐式社会关系加入改进的概率矩阵分解中,提出一种新的基于用户组群和隐性社会关系的概率矩阵分解算法(CH-PMF)。实验结果表明,提出的模型与应用实际用户明确表示的信任分数推荐结果表现几乎相同,且在无法提取到明确信任数据时,CH-PMF有着比其他传统算法更好的推荐效果。"}
{"title": "基于共享近邻的成对约束谱聚类算法", "abst": "谱聚类算法是基于谱图划分理论的一种机器学习算法,它能在任意形状的样本空间上聚类且收敛于全局最优解。但是传统的谱聚类算法很难正确发现密度相差比较大的簇,参数的选取要靠多次实验和个人经验。结合半监督聚类的思想,在给出一部分监督信息的前提下,提出了一种基于共享近邻的成对约束谱聚类算法(Pairwise Constrained Spectral Clustering Based on Shared Nearest Neighborhood,PCSC-SN)。PCSC-SN算法是用共享近邻去衡量数据对之间的相似性,用主动约束信息找到两个数据点之间的关系。在数据集UCI上做了一系列的实验,实验结果证明,与传统的聚类算法相比,PCSC-SN算法能够获得更好的聚类效果。"}
{"title": "K近邻相似度优化的密度峰聚类", "abst": "针对密度峰聚类分配时,仅考虑样本点与指向点(密度比它大的最近点)之间的距离,不适用于流形聚类(如Circleblock数据集、Lineblobs数据集等)的问题,提出了K近邻相似度优化的密度峰聚类算法。在计算每个点的密度与指向点后,通过相似度函数,找出每个点的K近邻,然后根据K近邻信息判断样本点的指向点是否正确,对于指向错误的点重新寻找正确的指向点,可以有效减少错误分配。在人工数据集和UCI数据集上的实验表明,新算法具有更高的准确率。"}
{"title": "基于双树复小波的无参考立体图像质量评价", "abst": "随着3D技术的不断发展,立体图像的使用领域越来越广泛,同时人们对图像的清晰度要求越来越高,因此,立体图像的质量评价成为关注点,基于此,提出了一种基于双树复小波变换的立体图像质量评价算法。使用双树复小波变换对立体图像的左、右视图进行处理,生成纹理结构图像,且根据最小能量误差的原理,获取左右视图的视差图;对纹理结构图像和视差图提取非对称广义高斯分布模型的参数、梯度幅值、相对梯度方向方差和奇异值曲线与坐标轴的面积等特征;使用AdaBoosting BP神经网络,进行训练和预测立体图像的质量得分。在LIVE立体图像数据库上的实验结果表明,新方法预测得分与主观得分有较好的一致性,获得了比较好的实验结果。"}
{"title": "结合位图切割和区域合并的彩色图像分割", "abst": "就经典分水岭图像分割算法中存在的过分割问题,提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像,并利用位图切割重建梯度图像;对新梯度图像进行分水岭预分割;对预分割图像基于异质性最小原则进行区域合并,并获得最终分割结果。相比于现有的同类方法,该算法引入位图切割,抑制噪声对分割结果的影响,在边缘模糊处分割准确,得到符合人类视觉的较小分割区域数目,同时在运行效率上提高。"}
{"title": "室内环境下基于R-CNN的光照自适应物体检测", "abst": "物体检测是工作于室内环境的移动机器人必须解决的问题。物体检测受到环境动态变化的影响,其中尤以光照变化的影响最为明显。分析室内环境中光照变化特点,研究如何通过提取图像空间特征快速识别环境中光照状况,并以光照识别结果控制物体检测模式切换,在不同光照状态下,自适应地选择使用图像传感器或者激光传感器数据,结合深度学习的特征选择能力,保证物体检测性能。机器人运行时,首先通过提取图像在CIEXYZ空间Y分量上的统计特征,并结合一些其他特征,实现快速地对图像拍摄时所处环境的光照状态进行估计;在光照适中的情况下,利用R-CNN算法结合移动机器人特点,实现在图像空间下的快速物体检测;在光照不足或过强时,先把三维激光传感器获取的点云转换成深度图像,再利用R-CNN算法实现物体检测。实验结果表明了所提出算法的有效性。"}
{"title": "基于张量分解融合RGB-D图像的物体识别", "abst": "为了充分利用RGB-D图像的深度图像信息,提出了基于张量分解的物体识别方法。首先将RGB-D图像构造成一个四阶张量,然后将该四阶张量分解为一个核心张量和四个因子矩阵,再利用相应的因子矩阵将原张量进行投影,获得融合后的RGB-D数据,最后输入到卷积神经网络中进行识别。RGB-D数据集中三组相似物体的识别结果表明,利用张量分解融合RGB-D图像的物体识别准确率高于未采用张量分解的物体识别准确率,并且单一错分实例的准确率最高可提升99%。"}
{"title": "多先验融合的图像显著性目标检测算法", "abst": "为了更加准确地检测出图像中的显著性目标,提出了多先验融合的显著性目标检测算法。针对传统中心先验对偏离图像中心的显著性目标会出现检测失效的情况,提出在多颜色空间下求显著性目标的最小凸包交集来确定目标的大致位置,以凸包区域中心计算中心先验。同时通过融合策略将凸包区域中心先验、颜色对比先验和背景先验融合并集成到特征矩阵中。最后通过低秩矩阵恢复模型生成结果显著图。在公开数据集MSRA1000和ESSCD上的仿真实验结果表明,MPLRR能够得到清晰高亮的显著性目标视觉效果图,同时F,AUC,MAE等评价指标也比现有的许多方法有明显提升。"}
{"title": "基于自适应邻域描述子的三维面貌相似性度量", "abst": "针对传统面貌相似性度量方法容易受主观影响以及半自动面貌特征点提取方法存在标定不准确等问题,提出一种基于自适应邻域特征描述子的三维面貌相似性度量的方法。该方法将待比较面貌模型统一到法兰克福坐标系下,并利用等测地线方法根据面貌模型侧面轮廓线自动提取特征点;通过构建特征点的自适应邻域几何特征协方差矩阵,作为特征点描述子;对特征点的特征描述子进行相似性度量从而确定面貌模型间的相似性。实验结果表明,该方法不仅可以有效地评判三维面貌模型的相似性,而且能够区分相似面貌和不相似面貌模型。"}
{"title": "基于卷积-LSTM网络的广告点击率预测模型研究", "abst": "点击率预测是计算广告学的核心算法之一。传统浅层模型没有充分考虑到数据之间存在的非线性关系,且使用人工特征提取方法费时费力。针对这些问题,提出了基于卷积(Convolutional Neural Networks)-LSTM(Long Short Term Memory)混合神经网络的广告点击率预测模型。该模型使用卷积神经网络提取高影响力特征,并通过LSTM神经网络的时序性进行预测分类。实验结果证明:与浅层模型或单一结构的神经网络模型相比,基于卷积-LSTM的混合神经网络模型能有效提高广告点击事件的预测准确率。"}
{"title": "新零售下生鲜产品闭环物流网络模糊规划", "abst": "针对我国新零售模式的快速发展,消费者对生鲜产品需求与退货的模糊不确定性问题,考虑最低物流总成本、最佳设施选址以及最优配送车辆运输路径的决策,构建了新零售下生鲜产品闭环物流网络模糊规划模型。为求解该模型,将需求量与退货量看成三角模糊参数,利用模糊机会约束方法将模糊约束转化为等价的清晰条件。以上海市某生鲜电商企业为实例,通过置信水平的敏感性分析以及遗传算法与粒子群算法的双求解,验证了模型的有效性与可行性,进而为相关决策者提供了借鉴。"}
{"title": "基于空间近邻查询的移动医疗呼叫算法", "abst": "随着大数据时代的到来,传统的计算机因为单机资源有限、运行速度慢、分布式处理支持差,已满足不了现行的医疗体系中的大数据处理需求,基于时空数据的移动医疗呼叫系统方法可以很好地解决这些问题。在移动云计算环境下研究k最近邻查询算法是当前一个热点问题,支持可扩展和分布式的空间数据索引对于kNN查询的效率影响很大,目前已有的查询算法不适合并行化或者会导致内容冗余。将MapReduce分布式处理技术与空间kNN查询方法相结合,设计可以快速检索到满足用户查询需求的医生位置信息的移动医疗呼叫算法。提出并构建了一个新的分布式空间数据索引方法:倒排Voronoi图索引,它将倒排索引和Voronoi图索引进行结合;提出了一种基于MapReduce的利用Voronoi图来处理kNN查询的高效算法,其在分布式环境下可以有效提高查询效率;用真实的和仿真的数据集来进行大量实验评估,实验结果表明所提出的方法具有良好的高效性和可扩展性。"}
{"title": "基于随机森林和气象参数的PM2.5浓度等级预测", "abst": "空气污染不仅危害人类的身心健康,而且还会制约城市的经济发展,其中PM2.5带来的影响尤为突出。为了方便准确地预测出空气中的PM2.5浓度等级,提出了一种基于随机森林的PM2.5浓度等级预测方法,特征因子采用太原市2013年—2017年的气象数据、预测站点的PM2.5浓度变化的时间规律以及与周围站点的时空关联性。该方法首先利用K-Means算法对原始气象数据聚类,降低不同分类器之间的相关性,然后利用欠采样方法对数据进行平衡采样,减少类不平衡对分类器性能的影响,最后利用泛化能力好的随机森林构建预测模型。经过真实数据验证,该方法对PM2.5浓度等级预测具有较好的精确度、召回率与F值。"}
{"title": "民航NOSHOW预测及强因子关联分析", "abst": "在民航业务中,旅客订座后却不能如期登机(NOSHOW)一直是航空公司收益亏损的未解之题,为了解决该问题,提出了一种民航NOSHOW预测及强因子关联分析方法。首先利用优化C5.0算法进行NOSHOW决策树建模,得到了NOSHOW相关因子的量化结果,然后通过Apriori算法对NOSHOW强因子进行关联规则挖掘。实验构建了准确率为99.75%的NOSHOW决策树模型,得到了139条置信度在80.054%以上、支持度在10.021%以上的因子关联规则,进一步揭示了NOSHOW强因子之间的隐含关联关系,为各大航空公司实现准确的NOSHOW预测及收益提升管理提供了有效的决策依据。"}
{"title": "基于深度学习的交通流量预测研究", "abst": "交通流量序列具有不平稳性、周期性、易受节假日等因素影响的特点,因此交通流量预测是一项困难的任务。针对交通流量序列的预测问题,设计了一种基于深度学习的交通流量预测模型。模型融合了卷积神经网络和长短时记忆神经网络两种网络结构,卷积神经网络用于提取特征分量,长短时记忆神经网络综合提取出来的特征分量做序列预测。通过在贵州省高速公路车流量数据集上的验证,模型比传统的预测方法具有更高的精确度和实时性,在不同数据集上的泛化性能良好。"}
{"title": "人脑电信号实时监测原型系统设计与实现", "abst": "针对脑部病患突发状况时不能够在最短的时间内预警并发现和监测效率不高的问题,设计了一种基于无线通信技术和LBS的脑电信号实时监测方法,实现对脑电监测仪携带者的位置和脑电信号的实时监测。将GIS技术、无线传输技术、智能移动终端与现有的信息管理平台相融合,提出了人脑脑电信号实时动态监测框架体系结构,并设计开发了原型系统。该系统可将采集到的脑电数据实时显示并传送到服务器端,实现在服务器端的实时监控与动态分析,并对发生异常的情况做出应急响应,为应急救援提供帮助。"}
{"title": "城市道路分层动态协调控制技术", "abst": "为了缓解城市道路车流拥堵问题,提出了一种城市道路分层动态协调控制技术。首先将城市道路按纵向分为三层:匝道层、普通道路层和快速路主线层;然后采用BP神经网络预测下游动态临界车辆占有率,根据匝道相对排队长度和下游动态临界车辆占有率,匝道层设计了一种用于匝道子区划分的函数,将匝道层横向分为主匝道子区和从匝道子区;其次根据相邻路口关联度将普通道路层划分为不同控制子区,利用动态交通流数据修正周期公式,考虑十字交叉口驶向匝道车流量对绿信比进行调整;快速路主线层无十字交叉口不做横向分层。最后根据该分层方法确定动态协调控制算法。仿真结果表明:该分层动态协调控制方法能够有效提高城市道路协调控制范围和车辆行车速度。"}
{"title": "分布式汽车驱动力能量效率优化分配控制", "abst": "充分利用分布式驱动汽车信息源多的特点,根据扩展卡尔曼滤波算法(EKF)建立观测器对车轮侧向力进行在线估计。通过改进的车辆线性二自由度模型制定系统控制目标,依据车轮侧向力观测值设计了基于滑模变结构控制的直接横摆力矩控制器。全轮驱动力综合优化分配策略同时考虑了轮胎负荷率与驱动电机效率,完成了对车轮稳定性与能量效率的耦合控制。通过Carsim-Matlab/Simulink的仿真表明,整个系统实现了对车轮侧向力的准确估计,提高了目标直接横摆力矩计算的准确性。驱动力综合优化分配在提高车辆路面附着余量的同时也提高了各驱动电机的综合效率,进一步提高了车辆的能量利用效率。"}
{"title": "基于车前灯的夜间车辆视频检测研究", "abst": "针对夜间车辆视频检测和车流量统计的难题,提出了一种改进的基于视频图像处理提取车前灯的算法。通过分析夜间车辆视频的特点,利用梯度滤波法消除地面反射光对车灯的干扰,实现图像增强,并将分水岭分割算法和直方图双峰法相结合提取车前灯的信息。利用车灯配对匹配原则设计了一种新的匹配算法和跟踪算法实现车灯的配对与跟踪,最终准确地实现了车辆检测和车流量的统计功能。"}
{"title": "生鲜农产品冷链物流低碳配送路径优化研究", "abst": "综合考虑配送车辆的固定成本、运输成本、生鲜农产品的货损成本、制冷成本、配送过程中产生的碳排放成本,以及因未满足客户要求的服务时间窗而产生的惩罚成本作为目标函数,构建考虑碳排放的生鲜农产品配送路径优化模型,提出了解决该问题的一种结合2-opt局部搜索机制的改进蚁群算法,并用实例对模型及算法的有效性进行验证,同时对算法参数进行了敏感性分析。仿真实验及算法对比结果证明模型和算法是有效的,可以为物流企业的配送决策提供参考。"}
{"title": "基于深度学习的工业视觉检测系统", "abst": "针对零部件在工业生产线包装过程中存在检测速度慢,自动化检测水平低下,检测准确率不高等问题,提出一种基于深度学习的工业零部件检测系统的方案设计,实现对零部件自动检测的功能。设计一种实验检测平台用于获取包含待检测零部件的图像;提出一种改进网络共享卷积层结构的方法,融合区域建议网络和区域卷积网络建立一种检测方法对目标零部件进行准确定位识别,适应各种形状大小不一的零部件检测,实现端到端训练输出定位检测结果。实验结果表明,系统的检测效果与传统的检测方法相比,具有速度快,检测准确率高等优越性。"}
{"title": "变分自编码器模型综述", "abst": "变分自编码器(VAE)作为深度隐空间生成模型的一种,近年来其表现性能取得了极大的成功,尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一,可以通过学习隐编码空间与数据生成空间的特征映射,进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状,并就此做了总结和对比,最后分析了变分自编码器模型存在的问题与挑战,并就可能的发展趋势做了展望。"}
{"title": "稀疏结构化最小二乘双支持向量回归机", "abst": "最小二乘双支持向量回归机(LSTSVR)通过引入最小二乘损失将双支持向量回归机(TSVR)中的二次规划问题简化为两个线性方程组的求解,从而大大减少了训练时间。然而,LSTSVR最小化基于最小二乘损失的经验风险易导致以下不足:(1)“过学习”问题;(2)模型的解缺乏稀疏性,难以训练大规模数据。针对(1),提出结构化最小二乘双支持向量回归机(S-LSTSVR)以提升模型的泛化能力;针对(2),进一步利用不完全Choesky分解对核矩阵进行低秩近似,给出求解S-LSTSVR的稀疏算法SS-LSTSVR,使模型能有效地训练大规模数据。人工数据和UCI数据集中的实验证明SS-LSTSVR不但可以避免“过学习”,而且能够高效地解决大规模训练问题。"}
{"title": "基于聚度的自适应动态混沌蚁群算法", "abst": "针对蚁群算法收敛速度慢,容易陷入局部最优的问题,提出了一种基于聚度的自适应动态混沌蚁群算法(A＿ACS)。在迭代前期利用聚度来衡量解的多样性,自适应调节局部信息素分布,同时引入混沌算子来增加种群多样性,避免算法陷入局部最优,从而提高解的精度;在迭代后期去掉混沌算子,减少混沌扰动性,来提高算法的收敛速度。将A＿ACS用于TSP问题,仿真结果表明,该算法较ACS和MMAS算法减少了搜索时间,并且提高了解的质量,其平衡了多样性与收敛性之间的矛盾,整体性能优于其他两种算法。"}
{"title": "光纤安防监测信号的特征提取与识别研究综述", "abst": "光纤安防监测系统信号的特征提取与识别方法是当前的研究热点。光纤振动信号的随机性、非平稳性,以及各种信号的相似性,导致信号的识别容易产生误报现象。识别入侵事件类型的关键是信号的特征提取和高效的识别方法。对光纤振动信号的各种特征提取方法和识别方法进行分析和比较,把特征提取方法分为基于小波分解的特征提取法、基于其他分解模型的特征提取方法和基于波形统计参数的特征提取法;把对光纤振动信号的识别方法分为经验阈值识别方法、支持向量机识别方法和神经网络识别方法,最后对特征提取方法和识别方法进行总结和展望。"}
{"title": "网络时间同步协议综述", "abst": "时间同步技术广泛应用于工业自动化、精密测量与控制、军队指挥信息化系统等领域。IEEE 1588精密时间协议提供亚微秒级的网络时间同步,能够满足工业领域的高精度测量和控制需求。White Rabbit时间同步技术(WR)是基于同步以太网、IEEE 1588v2协议和全数字双混频鉴相器技术(DDMTD)的一种分布式时间同步方案,能够提供亚纳秒级的同步精度。SAE AS6802协议是一种高精度、可容错、具有开发潜力的时钟同步协议,可为时间触发以太网(Time-Triggered Ethernet,TTE)提供所需精度的全局同步时钟。回顾了这三种时间同步技术的研究发展状况,并分析了其优缺点,展望了未来网络时间同步技术可能面临的挑战和发展趋势。"}
{"title": "k近邻约束的稀疏子空间聚类", "abst": "稀疏子空间聚类是近年提出的高维数据聚类框架,针对实际数据并不完全满足线性子空间模型的假设,提出k近邻约束的稀疏子空间聚类算法。该算法结合数据的子空间结构,k近邻及距离信息,在稀疏子空间模型上,添加k近邻约束项。添加的约束项符合距离越小,相似系数越大的直观认识且不改变系数矩阵的稀疏性。在人脸数据集Extended YaleB、ORL、AR,物体图像数据集COIL20及手写数据集USPS上的聚类实验表明提出的算法具有良好的性能。"}
{"title": "基于HSIC0的类间非线性相关系数度量", "abst": "常见的相关系数反映变量之间的线性或非线性程度。基于希尔伯特-斯密特独立准则（Hilbert-Schmidt Independence Criterion,HSIC）的有偏估计（HSIC0）,提出了根据类标签划分出的类与类之间的非线性相关关系的度量方法。通过六组真实的、不同类型的数据集,分别选取了线性核、多项式核、RBF核和Sigmoid核函数进行实验。结果表明,该方法具有较好的可行性。"}
{"title": "软容量限制设施选址问题的竞争决策算法", "abst": "软容量设施选址问题是NP-Hard问题之一,具有广泛的应用价值。为了求解软容量设施选址问题,提出一种基于数学性质的竞争决策算法。首先研究该问题的数学性质,运用这些数学性质不仅可以确定某些设施必定开设或关闭,还可以确定部分顾客由哪个设施提供服务,从而缩小问题的规模,加快求解速度。在此基础上设计了求解该问题的竞争决策算法,最后经过一个小规模的算例测试并与精确算法的结果比较,得出了最优解;针对大规模的问题快速地求出了可行解,得到了令人满意的结果。"}
{"title": "物种生灭算法的改进策略", "abst": "物种生灭算法(Species Explode and Deracinate Algorithm,SEDA)是一种简单、高效的群智能优化算法。为了进一步提高SEDA算法的寻优速度、解的质量,首先,通过一种无排序筛选幸存物种的递归算法,提出了基于递归筛选的SEDA算法,减少了SEDA算法的时间复杂度,提高了算法的寻优速度;其次,通过引入衍生趋势的方法,提出了基于衍生趋势的SEDA算法,提高了SEDA算法对复杂、难以寻优的优化问题解的质量。三个测试函数的仿真结果表明,改进的方法具有更小的时间复杂度,能够有效改善SEDA算法解的质量。"}
{"title": "基于异构密码系统的混合签密方案", "abst": "针对异构密码系统的签密算法大多采用的是公钥加密技术,不具有可加密任意长消息的特点,不符合现实的应用环境,而混合签密技术则可解决这一不足。提出了一个基于异构密码系统的混合签密方案。该方案是由基于身份的密码(Identity Based Cryptography,IBC)体制到无证书密码(Certificateless Cryptography,CLC)体制的异构签密方案。不但能使私钥生成器(Private Key Generator,PKG)和密钥生成中心(Key Generating Center,KGC)分别在IBC密码体制和CLC密码体制中产生自己的系统主密钥,同时,在随机预言模型下,方案在计算性DiffieHellman和双线性Diffie-Hellman困难问题下具有不可伪造性和不可区分性。"}
{"title": "基于概念漂移检测的自适应流量分类方法", "abst": "针对网络流特征会随网络环境变化而发生改变,从而导致基于流特征的机器学习分类方法精度明显降低的问题。提出一种基于概念漂移检测的自适应流量分类方法,该方法借助Kolmogorov-Smirnov检验对出现的流量进行概念漂移检测,然后通过多视图协同学习策略引入新流量样本修正概念漂移导致的模型变化,使分类器得到有效更新。实验结果表明该方法可以有效检测概念漂移并更新分类器,表现出较好的分类性能和泛化能力。"}
{"title": "自适应RaptorQ编码改进配电网LTE通信的可靠性", "abst": "新型配电网终端通过LTE接入主站,无线干扰易增加终端控制指令的IP数据包丢失率,降低配网控制可靠性。恢复丢失的数据包可通过RaptorQ(RQ)编码方法来实现,然而RQ解码错误率的非线性使得最小化RQ冗余码困难。为此,提出自适应RQ编解码器(ARED),采用启发式算法依据丢包率和吞吐量反馈动态调整RQ编码参量,求解次优RQ冗余编码长度。NS-3 LTE中的实验结果说明当信道噪声指数为[18.6,20.5] dB和[25.6,28.7] dB,部署ARED的LTE上行和下行丢包率较原始LTE分别下降64.25%和89.92%。"}
{"title": "APT样本的有效网络特征筛选算法", "abst": "在研究APT攻击的防御方案过程中,针对提取APT样本网络特征的维数过高问题,提出一种基于k-means++聚类的APT样本有效网络特征筛选算法。该算法的思路是首先基于聚类的思想将提取的原特征集划分成APT流量特征集与背景流量特征集,然后计算去掉某一维特征向量后聚类性能的变化程度,最后根据该结果评价该特征向量的区分度。其中,有效特征向量即为区分度超过设定阈值的特征向量。目的就是从提取的原特征集中筛选出有效特征,达成对特征的降维,从而降低后续威胁情报形成和部署检测工作的时空开销。实验结果表明,该算法具有一定可行性,针对此问题相比于其他筛选算法具有一定的优势。"}
{"title": "用于网络入侵检测的多尺度卷积CNN模型", "abst": "鉴于卷积神经网络在计算机视觉等诸多领域取得的巨大成就,提出一种将多尺度卷积神经网络应用到网络入侵检测领域的方法。该方法将IDS中的网络数据转化成卷积神经网络能够输入的数据,利用不同尺度卷积核对大量高维无标签原始数据进行不同层次特征提取,再采用BN方法优化网络结构学习率,从而获得原始数据的最优特征表示。实验采用KDDcup99数据集进行实验测试,与经典的模型相比,结果表明MSCNN模型不仅收敛速度快,而且误检率平均降低4.02%,准确率平均提高4.38%。因此MSCNN方法是一种可行且高效的方法,为网络入侵检测系统领域提供一种全新的思路。"}
{"title": "基于可信语义深度学习的文本文献搜索方法", "abst": "针对传统文本搜索返回结果不准确、不满意的问题,提出一种基于可信语义深度学习的文本搜索方法。首先为了充分挖掘文本的可信语义,通过文本中的信任事实,以及人机交互标注的方式计算文本的可信度。利用网络爬虫抓取大量文本文献学习训练数据,并且构建深度学习神经网络模型,以文本的语义矩阵为输入,以文本的可信度为输出,通过有监督学习,训练出评估文本可信度的深度学习神经网络模型。最后应用该神经网络模型实现文本文献的搜索。通过“中国政治党建”领域的搜索实验表明:该方法在平均可信度方面优于传统搜索方法。"}
{"title": "窄通道路径规划的改进人工势场蚁群算法", "abst": "在全局静态环境下,提出了一种适用于窄通道环境路径规划的蚁群算法。解决了传统蚁群算法容易陷入局部最优解、易于造成蚂蚁迷失等不足。一方面,在灰度矩阵上随机撒点并将障碍物内的节点随机移动,使得窄通道内节点密度提高,并以此为启发信息素,提高了无人飞行器穿过窄通道的能力,减少了蚂蚁迷失现象。另一方面,引入了无人飞行器轨迹的尖角优化策略,更好地模拟了无人飞行器的飞行特征。结果表明:新的算法所获取的最优路径具有更好的全局搜索能力,并且造成了较少数量的蚂蚁迷失。"}
{"title": "鲁棒多视图协同完整鉴别子空间学习算法", "abst": "为了有效地融合多视图信息并使有利于多视图完整子空间学习的视图主导多视图学习,提出了多视图协同完整子空间学习策略。进一步,为了使对象在潜在完整子空间中的完整特征表示具有更好的鉴别能力,将Fisher鉴别分析引入到了多视图完整子空间学习中。Fisher鉴别分析可以在最小化对象的完整特征表示的类内散度的同时最大化对象的完整特征表示的类间散度。将多视图协同完整空间学习策略和Fisher鉴别分析融合在一起,提出了鲁棒多视图协同完整鉴别子空间学习算法。实验结果表明,所提算法能够有效地融合多视图信息并挖掘鉴别信息,是一种有效的多视图完整子空间学习算法。"}
{"title": "一种改进的基于音高显著性的旋律提取算法", "abst": "针对复调音乐中不同声源的相互干扰导致的同一声源音高序列不连续,利用音高显著性的连续性和高次谐波的稳定性,提出基于音高静态似然性函数和音高显著性动态似然函数的创建音高轮廓方法;在提取旋律音高轮廓之前,为了利用不同声源音色的不一致性,提出计算音高轮廓的梅尔频率倒谱系数作为音色特征以及从音高轮廓的各次谐波幅度中计算音色特征。改进算法在RECHSET音乐数据集上进行仿真实验,结果表明达到了62.04%的音高估计精度和55.08%的总精度。"}
{"title": "多任务正则极限学习机的研究与应用", "abst": "MT-ELM通过隐含层共享不同任务间的数据特性实现多任务学习,但MT-ELM忽略任务间关联程度的差异以及存在的过拟合问题,为此提出基于MT-RELM软测量建模方法。首先,利用RELM解决过拟合问题;其次,考虑任务之间关联度的差异,基于相关性较强的任务其权值向量也较相似的假设,在每个任务输出权值的基础上加入约束条件,利用此约束条件表示任务间的相关程度;最后,利用ADMM算法迭代求解得到MT-RELM的模型参数。基于合成数据集与湿式球磨机数据集的结果表明,此算法可有效地提高模型的预测精度以及泛化能力。"}
{"title": "基于DAE-BP神经网络的股票预测研究", "abst": "股票指标数据种类多、维度高,且指标之间存在多重共线性。为了降低数据的维度、消除指标间的多重共线性和预测股票价格,首先构建了基于受限布尔兹曼机的深度自编码器,实现了高维数据向低维空间的压缩编码。然后基于BP神经网络建立了低维编码序列与股票价格之间的回归模型。实验结果表明,深度自编码器提取特征的能力优于主成分分析法和因子分析法;相比较使用降维前的数据,使用编码后的数据用预测股票价格,模型可以减少计算开销,并且获得更高的预测精度。"}
{"title": "结合金字塔池化模块的YOLOv2的井下行人检测", "abst": "煤矿井下的行人检测对于保障井下作业人员的安全至关重要。煤矿井下光照暗、粉尘大,直接用YOLOv2检测井下行人,准确率低,仅达到54.3%。针对此问题,以YOLOv2网络为基础,结合了金字塔场景解析网络(PSPnet)中的金字塔池化模块,充分利用图片的上下文信息,提出了YOLOv2＿PPM网络。在井下行人检测数据集上进行实验,YOLOv2＿PPM网络的准确率提升到63.5%,较YOLOv2网络增加了9.2%,且速度达到了39帧/s(FPS)。当输入图片的大小为480×480时,检测的准确率提升到71.6%,同时速度为28帧/s,满足了实时检测的要求。"}
{"title": "差分进化引导趋化算子的烟花优化算法", "abst": "标准烟花算法粒子间交流机制存在缺陷,且对最优点位置不在原点和原点附近时的目标函数求解能力差,对此提出差分进化引导趋化算子的烟花算法(BFA)。利用差分进化算法和趋化算子的局部搜索优势,在每一次迭代的过程中不断寻找这一代的最好个体,通过最优个体信息对局部粒子维度信息进行修改从而使得整个群体得到改善,8个标准和增加位置偏移的测试函数仿真结果表明,BFW相比于原始烟花算法(FA),粒子群算法和SPSO在寻优精度和寻优速度上有了较好的提高。"}
{"title": "基于混沌和自适应搜索策略的GSO算法分析与优化", "abst": "针对基本萤火虫群算法在全局优化问题求解过程中存在的求解精度偏低、易陷入局部最优、收敛速度较慢等问题,提出一种基于混沌和自适应搜索策略的萤火虫优化算法(CSAGSO)。利用混沌搜索技术对萤火虫种群进行初始化以得到分布更为均匀、合理的较优初始解;运用混沌扰动优化策略对每一代适应度较差的部分萤火虫个体进行混沌扰动以增强种群多样性和提高全局搜索能力。采用动态步长的自适应搜索策略,并对寻优过程中静止不动的萤火虫个体位置进行更新,加快了算法前期收敛速度,减少了后期震荡现象发生。仿真实验结果表明,优化后的萤火虫算法参数较少并具有较好稳定性,同时在求解精度和收敛速度上都明显优于基本萤火虫群算法。"}
{"title": "基于数据场的改进LOF算法", "abst": "LOF(Local Outlier Factor)是一种经典基于密度的局部离群点检测算法,为提高算法的精确度,以便更精准挖掘出局部离群点,在LOF算法的基础上,提出了一种基于数据场的改进LOF离群点检测算法。通过对数据集每一维的属性值应用数据场理论,计算势值,进而引入平均势差的概念,针对每一维度中大于平均势差的任意两点在计算距离时加入一个权值,从而提高离群点检测的精确度,实验结果表明该算法是可行的,并且拥有更高的精确度。"}
{"title": "基于SLIC融合纹理和直方图的图像显著性检测", "abst": "针对基于颜色直方图的显著图无法突出边缘轮廓和纹理细节的问题,结合图像的颜色特征、空间位置特征、纹理特征以及直方图,提出了一种基于SLIC融合纹理和直方图的图像显著性检测方法。该方法首先通过SLIC算法对图像进行超像素分割,提取基于颜色和空间位置的显著图;然后分别提取基于颜色直方图的显著图和基于纹理特征的显著图;最后将前两个阶段得到的显著图进行融合得到最终的显著图。此外,通过简单的阈值分割方法得到图像中的显著性目标。实验结果表明,与经典显著性检测算法相比,提出的算法性能明显优于其他算法性能。"}
{"title": "基于结构局部边缘模式的绿色植物物种识别", "abst": "植物图像的边缘检测是基于图像分析植物物种识别技术的重要环节,利用边缘检测可以增强图像中的轮廓边缘、细节等信息,达到将目标植物从图像中分离出来的目的。因此,为了在绿色植物物种识别中,将图像中的目标植物与背景分离,首先利用可变局部边缘模式算子提取植物图像的边缘特征,再通过结构化局部边缘模式对边缘特征进行编码,来刻画局部边缘。实验结果表明,提出的边缘模式思想在绿色植物物种识别上能得到更高的识别率。"}
{"title": "改进协方差矩阵的智能车视觉目标跟踪方法", "abst": "智能车辆视觉目标具有非线性、噪声分布非高斯性的典型特点,现有算法难以实时估计目标的状态。针对识别物体复杂且多变,很难用完全的特征来描述待识别目标及其背景的不断变化,提出了一种用于融合颜色特征及SURF(Speed-Up Robust Features)特征的协方差矩阵来改进粒子滤波算法,从而提升视觉目标跟踪的实时性,满足智能车辆的要求。首先,对采集的图像进行预处理来获取感兴趣区域。接着,通过融合颜色特征及SURF特征构造范围感兴趣区域(Region Of Interest,ROI)的目标特征协方差矩阵,建立目标状态预测模型及状态观测模型,用于改进粒子滤波算法粒子重采样过程,实现对目标的精确跟踪。最后,将该方法与Mean-shift算法和颜色属性(CN)算法进行对比。实验结果表明,在智能车视觉跟踪过程中对光环境瞬时变化、目标物体存在短时遮挡以及目标物体姿态改变时,该算法在满足智能车辆对实时性要求的前提下,有效提升算法的精确度及鲁棒性。"}
{"title": "融合边界信息和颜色特征的显著性区域检测", "abst": "传统的显著性检测方法多利用图像的颜色特征并进行超像素分割作为预处理来进行检测,对于涂抹效应不足、误检测等问题一直没能有效解决。针对涂抹效应不足提出了一种结合图像边界信息及颜色特征的显著性区域检测方法。首先,为了更好地取得图像边缘信息并去除噪声,用多次WMF(加权中值滤波)和简单线性迭代聚类(SLIC)处理源图像,再通过颜色、亮度等信息找出滤波后图像中的自然边界。将得到的边界信息和通过SLIC分割得到的超像素的颜色特征进行融合作为先验概率,以SLIC分割得到超像素位于Graph-based分割得到初步显著图中的概率为条件概率,利用贝叶斯法则得到最终的显著图。在公开数据集MSRA-1000上对算法进行验证,结果表明该算法与7种主流算法相比有更好的查全率和查准率,最高查准率达到98.03%。"}
{"title": "对3D Warping分解的高质量虚拟视点绘制方法", "abst": "基于深度图像的虚拟视点绘制(DIBR)作为自由视点视频应用中的核心问题,由其获得的任意视频的质量和速度对于自由视点视频的发展至关重要。为解决经典DIBR方法存在的重叠、空洞、伪影,以及由于重采样导致的细小裂纹问题以提高虚拟视点图像质量,提出了一种基于改进的3D Warping过程的虚拟视点绘制方法。该方法从整个3D Warping过程出发,将3D Warping过程分解成两步而无需进行三维建模,并分别在两步中提出了改进的方法。在第一步中,通过在变换矩阵中引入可调的系数对三维参数进行修改;在第二步中,主要针对由于重采样导致的细小的裂纹问题,提出了自适应一投多算法,在兼顾时间复杂度的同时改善了裂纹问题。实验结果表明,无论从主观质量还是客观评价标准来看,该方法都能够显著提高虚拟视点绘制的图像质量。"}
{"title": "基于递归残差网络的遥感图像超分辨率重建", "abst": "深层网络有效地提高了重建图像的精度,但是拥有大量参数,使训练时间过长。因此,改进了一种基于递归残差网络的遥感图像超分辨率重建算法,将全局残差学习和局部残差学习相结合,有效地降低训练深层网络的难度,并且通过递归学习控制网络参数。实验结果证明了递归残差网络在遥感图像超分辨率重建中的有效性,改进的网络可以获得更好的主观视觉效果以及客观评价指标。"}
{"title": "基于补偿暗通道和透射率融合的图像去雾算法", "abst": "针对暗通道先验算法去雾不彻底且透射率估计不准确的问题,提出了一种基于补偿暗通道和透射率融合的去雾算法。该方法首先用中值滤波补偿暗通道,解决复原图像边缘细节不突出问题;然后由补偿暗通道得到透射率的简单估计及白平衡得到透射率的模糊估计,将两者进行像素级融合,得到透射率的精确估计;最后根据大气散射模型恢复出无雾图像。实验结果表明,该算法获得了较为精确的透射率,复原图像有效消除了残雾和Halo现象,在天空区域有较好的色彩保真度,同时也有效提升了运算速度。"}
{"title": "基于自适应薄板样条全变分的肺CT/PET图像配准", "abst": "全变分正则项虽然能够在具有滑移运动的肺等胸腹部器官图像配准时校正边界不连续位移场,但仍然无法保留图像的局部特征,损失配准精度。针对肺图像CT单模配准和CT/PET双模配准,通过像素点空间位置权重将薄板样条能量算子与全变分算子进行空间加权建立自适应薄板样条全变分正则项。然后,将正则项与CRMI相似性测度以及L-BFGS优化方法结合建立非刚性配准算法。通过DIR-Lab 4D-CT公共数据集和CT/PET临床数据集上的实验结果表明,提出的方法能够在保证边界不连续运动的同时保证图像内部的平滑性,具有更高的配准精度。"}
{"title": "考虑胜任力水平的研发项目群人力资源调度", "abst": "在资源受限项目调度问题中,将可更新资源进一步拓展为具有胜任力差异的人力资源,建立考虑胜任力差异的人力资源受限项目调度问题模型,该模型是对传统多模式资源约束项目调度问题(MRCPSP)更接近研发项目群实际的扩展。提出了衡量人员胜任力的参数及估算公式,以多项目总工期和总成本最小化为双目标,建立相应的数学优化模型。按双目标重要性排序,依次对工期最优及成本最优的单目标优化问题求解。根据模型的约束条件将多项目初始网络图转化为几种单项目初始网络图,利用枚举算法给出满足约束条件的可行解集,再设计基于动态规划思想的算法进行分阶段寻优。数值实验表明,考虑了胜任力差异的数学优化模型在求解质量方面具有良好性能。"}
{"title": "基于概率犹豫模糊信息集成算法的数据产品选择", "abst": "作为犹豫模糊元的推广形式,概率犹豫模糊元能更好地刻画现实中的不确定性,此外由于Frank运算具有含参数的灵巧性,能反映决策者的主观偏好,因此将概率犹豫模糊元和Frank运算相结合,首先定义了概率犹豫模糊Frank运算法则,并提出改进的概率犹豫模糊元的得分函数;然后提出了概率犹豫模糊Frank加权平均算子,并讨论了算子的一些性质;在此基础上,构建了基于概率犹豫模糊Frank加权平均算子的多属性群决策方法;最后将其应用于数据产品的选择实例中,说明了该方法的有效性和可行性。"}
{"title": "利用决策树建立慢性阻塞性肺病中医诊断模型", "abst": "慢性阻塞性肺病主要表现为呼吸困难,严重影响了患者的生存质量。肺活量测定法是目前的主要诊断方法。为了构建和谐医患关系,减少过度检查,从中医诊断的角度,根据已收集的病例资料,利用基于KL距离的决策树建立诊断模型,可实现对患者的初步筛查。实验以F-Measure、G-Mean、ROC曲线下面积以及精度召回率曲线下面积作为评价指标,将提出的决策树分别与ID3、C4.5以及CART比较。结果表明,提出的决策树较传统决策树取得了更好的预测效果,对应的评价指标分别达到了0.92、0.894、0.907以及0.9。最后,当应用于临床时,以临床上常用的AUROC作为评价指标,提出的决策树模型达到了0.823,取得了预期效果。"}
{"title": "考虑时变交通状况的低碳车辆路径优化", "abst": "研究了由常发性交通拥堵造成的实时交通状况变化对低碳车辆路径优化的影响。用道路交通状态指数表示城市实时交通状况,以低碳和配送时间最短为目标建立整数规划模型进行路径优化。设计了改进的粒子群算法进行求解,得到帕累托前沿解集。数值算例表明,改进的粒子群算法能有效找到满意解。通过帕累托解集可以证明该方法可以在牺牲少量配送时间的前提下减少碳排放量。随着交通状态指数的增大碳排放量的优化效果更加明显。"}
{"title": "物流运输调度问题的混沌烟花算法——基于多车型供应链", "abst": "为了满足供应链物流的不同需求,考虑多种车型、车辆容量、车辆油耗、车辆最大配送距离等约束条件,以最小油耗、最短配送距离为目标,建立多车型供应链物流运输调度模型(Multi-Type Vehicle Routing Problem in Supply Chain,MTVRPSC),并提出一种混沌烟花算法求解该模型。该算法以烟花算法为核心,提出一种编解码策略实现连续空间到MTVRPSC离散空间的映射,重新定义算法的适应度函数、适应度值和适应度的比较方法,并采用混沌初始化策略和混沌搜索策略来增强算法收敛效果。实验结果表明,所提出的算法在求解MTVRPSC时具有较强的寻优能力和稳定性。"}
{"title": "协同业务过程的随机行为分析方法", "abst": "参与组织随机行为是评价业务协同有效实施的一个关键因素。结合进程代数和马尔科夫链,提出了一种协同业务过程的随机行为分析方法。首先,使用有限状态自动机建模每个参与组织的业务过程,通过引入异步消息通信关系定义协同业务过程。其次,提出将参与组织业务过程转换成通信顺序进程(Communication Sequential Process,CSP)方法,进而将每个参与组织业务过程对应CSP进程并发组合得到协同业务过程对应的CSP进程,并根据CSP操作语义构建协同业务过程的状态迁移模型。最后,引入状态迁移模型正则化概念,从理论上证明正则化的状态迁移模型与一个齐次马尔科夫链相对应,进而根据平衡方程求得状态迁移系统中每个状态的稳定概率,以此为基础实现参与组织随机行为分析。通过对电设备采购过程建模与随机行为分析阐述该方法的可行性和有效性。"}
{"title": "深度学习在咽喉新生物识别中的应用研究", "abst": "咽喉新生物是声带及其附近区域生长有新生组织,影响正常咽喉功能的咽喉常见疾病之一。目前,咽喉新生物主要是医生通过拍摄喉镜照片来进行诊断,由于医生个体临床经验的差异,在新生物疾病的诊断上往往存在不同诊断结果,常常有误诊的情况发生。而新生物疾病若不能及时确诊和治疗就有可能演变成喉癌的可能。基于此,提出了基于深度学习的咽喉新生物疾病识别算法,通过多层较小的卷积核在大量标注的训练集上逐层提取特征,在反向传播的过程中只保留有效特征,最终得到很好的拟合效果,在测试集上也达到了很好的泛化表现。具有一定的实际应用价值。"}
{"title": "OPM3要素对项目组合管理能力影响的SD建模与仿真", "abst": "根据组织项目管理成熟度模型(OPM3),确定影响项目组合管理能力的OPM3要素,分析OPM3要素与项目组合管理能力的因果关系,构建系统动力学模型,仿真模拟OPM3要素对项目组合管理能力的影响。仿真结果表明:OPM3要素与项目组合管理能力正相关;OPM3要素对项目组合管理能力的影响在短期内并不显著;在OPM3要素中,对项目组合管理能力影响较为显著的是战略执行与规划、组织领导能力和信息分析。"}
{"title": "执行器故障时变系统的PID迭代容错控制", "abst": "对存在执行器故障的连续线性时变系统,给出了PID型迭代学习容错控制律的收敛条件。对连续时变故障系统设计了一种PID迭代学习容错控制律,在λ范数意义下给出了故障系统PID型迭代容错控制器收敛的充要条件;基于Schur补原理和不等式变换,将容错控制器收敛条件转换成线性矩阵不等式,当迭代学习收敛速度设定时,基于线性矩阵不等式能快速确定最优迭代控制增益,避免了迭代控制增益设置的盲目性。旋转控制系统的数值仿真,验证了PID迭代容错控制器优良的容错性能和跟踪性能。"}
{"title": "不平衡数据挖掘方法综述", "abst": "近些年,分类算法取得了长足的发展。但是随着数据来源的不断扩大,人们获得的数据绝大部分是不平衡数据。而这些分类算法通常对不平衡数据敏感,因此对不平衡数据的分类变得十分困难。目前对不平衡数据挖掘方法主要分为两大方面,分别是针对不平衡数据的预处理方法和挖掘算法。就这两大方面对近些年出现的方法进行总结,并从数据预处理、算法和性能评估方法等方面进行多维度梳理。从不同的应用领域入手,讲述了存在的各种不平衡问题,以及不同学者在其领域中的研究和解决方法。最后分析了不平衡数据挖掘领域目前存在的问题,并对未来研究方向进行展望。"}
{"title": "模仿学习方法综述及其在机器人领域的应用", "abst": "模仿学习一直是人工智能领域的研究热点。模仿学习是一种基于专家示教重建期望策略的方法。近年来,在理论研究中,此方法和强化学习等方法结合,已经取得了重要成果;在实际应用中,尤其是在机器人和其他智能体的复杂环境中,模仿学习取得了很好的效果。主要阐述了模仿学习在机器人学领域的研究与运用。介绍了和模仿学习相关的理论知识;研究了模仿学习的两类主要方法:行为克隆学习方法和逆强化学习方法;对模仿学习的成功应用进行总结;最后,给出当前面对的问题和挑战并且展望未来发展趋势。"}
{"title": "超分辨图像质量评价综述", "abst": "全面综述了超分辨图像质量评价的研究进展。超分辨图像质量评价是以人眼的主观质量评价结果为依据,利用算法模型对重建的超分辨图像进行评价。该评价方法对超分辨重建算法的优化和模型参数的选择具有重要的指导意义。首先对超分辨图像的主观评价方法进行阐述;其次对现有超分辨图像客观评价方法按照全参考型、部分参考型和无参考型进行了分类阐述,特别详细介绍了几种具有代表性的无参考质量评价的主要思想;接着从定量和定性两方面分别介绍了评价超分辨图像质量评价方法有效性的指标,并对评价算法的主要实验方法进行了简要阐述;最后对超分辨图像质量评价方法未来的发展趋势进行了展望。"}
{"title": "基于Lindeberg-Feller定理的网络异常检测算法", "abst": "在网络运维管理领域,需要及时发现网络异常并进行提示。网络异常事件与正常数据相比较少,难以作为二分类问题进行处理。同时异常事件丰富多样,没有统一模式和规律。因此,需要对网络正常数据进行建模,利用待检数据与正常数据的偏离程度判定网络异常事件是否发生。通过对正常数据进行建模分析,以Lindeberg-Feller中心极限定理为基础,设计合理的假设检验统计量,对待检数据计算出的检验统计量是否在置信度对应的拒绝域给出异常事件判别结论。最后,用仿真实验证明算法原理,并给出算法在公开数据集和实际数据集上的检测性能,在选择合理的异常事件对应参数后,异常事件召回率可以达到90%以上。"}
{"title": "基于标签特征和相关性的多标签分类算法", "abst": "针对标签特有特征和标签相关性的有效利用,提出了一种新的多标签算法LSFLC,它可以有效地集成标签特有特征和标签相关性。首先,对于每个标签,通过重采样技术生成新的正类实例以扩充其正类实例的数目;其次,通过特征映射函数将原始特征空间转换为特定的特征空间,得到每个标签的标签特征集;然后,对于每个标签,找到与其最相关标签,通过复制该标签的正类实例来扩大标签特征集,这不仅丰富了标签的信息,而且在一定程度上改善了类不平衡的问题;最后,对于不同的数据集进行实验分析,实验结果表明该算法的分类效果更好。"}
{"title": "双层束搜索算法优化机器人制造单元调度问题", "abst": "针对混流生产阻塞机器人制造单元调度问题,给出了可行机器人运动插入法,构建可行解。依据可行机器人运动插入法,提出双层过滤变宽度束搜索算法进行求解。搜索过程利用局部评价函数和全局评价函数对节点进行两次择优选取。通过计算随机生成算例,仿真结果表明,相对于以分支定界算法产生的可行解进行变邻域搜索、分支定界算法、局部评价函数束搜索算法、全局评价函数束搜索算法和双层过滤定宽度束搜索算法,双层过滤变宽度束搜索算法不但能显著提高搜索效率,而且解的平均改进度分别为3.07%、6.07%、7.79%、12.62%、14.47%。"}
{"title": "在PMC模型下单向k元n立方体的诊断度", "abst": "图的连通度和诊断度是与互连网络的可靠性密切相关的两个参数,而g好邻连通度和g好邻诊断度是比连通度和诊断度更精确的指标。k元n立方体是多处理机系统的最常用网络之一,而单向k元n立方体是指具有单向边的k元n立方体。证明了当k≥3,n≥3时,单向k元n立方体在PMC模型下的1好邻连通度是k(n-1),诊断度是n且1好邻诊断度是kn-1。"}
{"title": "基于随机鞭策机制的散漫度粒子群算法", "abst": "针对标准粒子群算法全局搜索能力差、易陷入早熟等问题,提出了基于随机鞭策机制的散漫度粒子群算法。首先,给出了粒子散漫度概念,通过动态地对各个粒子的散漫程度进行评估,判断粒子状态,并通过随机鞭策机制处理散漫粒子,避免算法陷入局部最优;其次,对积极运动的粒子利用个体历史最优位置进行处理,加快算法收敛速度;对11个标准函数进行测试,并与标准粒子群算法和其他改进算法进行对比,实验结果表明,基于散漫度的快速收敛粒子群算法寻优精度更高,收敛速度更快。"}
{"title": "延迟时间Petri网的验证分析", "abst": "延迟时间Petri网(Delay Time Petri Nets,DTPN)是一类重要的时间扩展Petri网系统,解决了其他时间扩展Petri网(如时间Petri网)在保存时间约束时所面临的困难。可调度验证的目的是验证工作流模型时间约束的合理性,对流程实例的时间可达性进行仿真。提出一种基于DTPN的时间约束工作流验证分析方法。给出了DTPN的相关定义,并结合工作流控制结构描述了变迁可触发的时间条件;提出了DTPN触发点的概念以及基于此的验证分析算法;简要分析了DTPN的特性。DTPN的研究丰富完善了现有时间Petri网体系,具有积极的意义。"}
{"title": "基于Spark的指纹定位数据处理方法", "abst": "指纹定位技术是一种简单高效的无线定位技术,它不受无线信号多径效应和反射造成的干扰,具有较好的定位精度。然而指纹定位技术需要建立庞大的离线指纹数据库,随着指纹数据库规模的扩大,传统的指纹定位算法已经难以满足大数据应用中实时性的需求。结合指纹定位算法的特点和Spark计算引擎基于内存计算的优势,设计并实现了基于Spark的指纹定位数据处理方法。在Map阶段分别找到查询点在每个分区内的K近邻,在Reduce阶段规约各分区K近邻获得全局K近邻,最后通过加权求值获得最终的定位坐标。集群实验表明,基于Spark的指纹定位数据处理方法在一定并行度下有较好的加速比,在大规模指纹数据库下有实时定位处理的能力。"}
{"title": "基于领域敏感兴趣圈的社会化推荐算法", "abst": "为了更好地融入信任关系对用户评分的影响,并考虑用户兴趣随领域变化的特点,提出了一种基于领域敏感兴趣圈的社会化推荐算法DSC-PMF。DSC-PMF算法通过构造领域敏感兴趣圈(DSC)模型,并结合概率矩阵分解(PMF)推荐算法,对用户进行推荐。DSC模型仅考虑兴趣相似朋友的影响,用信任划分的方法度量了不同朋友的影响程度,同时引入用户领域敏感度来衡量用户受朋友影响的意愿程度。通过在Yelp数据集上的多组对比实验,该算法不仅降低了MAE和RMSE,还提高了系统推荐准确率。"}
{"title": "基于双数组trie树的多模式复杂事件检测方法", "abst": "制造物联网中海量实时数据流急需高效的事件检测与处理方法,高效意味着单位时间内使用较小的存储空间处理更多的输入事件。提出一种基于双数组trie树的多模式复杂事件检测方法,通过构建多模式匹配自动机模型减少查询过程中冗余的检测和计算,并利用双数组trie树充分压缩存储空间,从而提高了复杂事件处理的效率。仿真实验表明,提出的方案相比传统的单模式复杂事件检测,具有较小的空间和时间消耗。"}
{"title": "不完全数据下基于时空相关性拥堵预测方法", "abst": "交通拥堵预测是智慧交通一个重要组成部分,但是大量的交通数据无法以公开的方式获取。在不完全数据下,提出了一种基于时空相关性的交通拥堵预测方法。该方法采用改进的核密度估计法,使得预测过程中不依赖大量历史数据进行训练,直接利用部分采集到的数据精准地实时地对交通拥堵进行预测。在真实数据集上对提出的交通拥堵预测方法进行验证,实验结果表明了该方法在实时交通预测上的可行性。"}
{"title": "异构无线网络密集部署场景下高效网络接入及频谱分配", "abst": "如何在异构网络重叠覆盖场景下实现动态耦合频谱资源高效分配以满足用户流量需求是下一代无线通信网络的重要挑战。综合考虑网络域频谱属性差异化及用户域需求多样化问题,以用户获得总带宽最大化为目标,将频谱资源分配建模为非线性多约束条件0-1整数规划问题,并设计了两种求解方法。首先,设计了一种基于改进匈牙利算法的化简方法,该方法通过对约束条件进行化简,将复杂模型转化为标准形式0-1规划,并通过对匈牙利算法进行改进,有效求解了该复杂的频谱分配问题;其次,设计了一种改进的遗传算法,把主网络干扰约束及次用户需求融合进适应度评估中,以修正不符合要求的基因,并利用精英主义思想保留优秀个体,以进化迭代到优秀个体。最后通过实验对提出的方法与粒子群优化方法的性能进行对比分析,实验结果显示化简方法具有较大的效率优势,而改进遗传算法可得到更大的带宽。"}
{"title": "面向行为的可信Web服务选择方法", "abst": "通过服务组合构建应用软件已成为SOC(Service-Oriented Computing)环境下满足用户需求的一种主要途径,而服务选择是服务组合的重要环节,其选择结果对组合服务的可信性有重要的影响。针对当前服务选择结果中服务的预期行为与执行行为相差较远的问题,设计了有效的流程相似性度量方法 FQSim。该方法综合考虑服务流程的静态结构与动态行为,提高了服务流程相似性计算结果的准确性。仿真实验验证了所提方法的有效性,与已有方法相比,流程相似性度量方法FQSim有更优的准确率。"}
{"title": "一种防标签身份泄露的RFID系统密钥生成算法", "abst": "针对现有无线射频识别系统密钥生成算法中存在的标签身份信息泄露问题、密钥伪造攻击的安全性问题、标签计算代价较高的成本问题以及算法理论证明过程缺失问题等,分别设计了在三种常见场景下适用的防标签隐私泄露的RFID系统密钥无线生成算法。通过给出算法完整的GNY模型、假设模型、安全模型,证明了算法的合理性与可行性。最后,在相关算法之间进行算法安全性、标签成本对比分析,表明新的算法具有更高的安全性和更低的成本。"}
{"title": "基于Pell型序列的快速安全标量乘算法", "abst": "提出了一种新的椭圆曲线快速安全的标量乘算法。利用佩尔序列前后项分割比产生新的佩尔型点加-倍点链(Pell Type Double-and-Add Chain,PTDAC),其循环固定的“倍点-点加”操作可天然抵抗简单能量分析(Simple Power Analysis,SPA)攻击。PTDAC算法结合Edwards椭圆曲线可从底层域减少运算时间,进一步优化算法。经过理论分析和仿真实验表明,PTDAC算法在最优情况下比EAC-270和GRAC-258算法在时间效率上分别提高了2.6%和22.8%。"}
{"title": "内容中心网中多参数的缓存污染攻击检测算法", "abst": "针对内容中心网络中的缓存污染攻击检测问题,以单位时间缓存替换率、内容请求平均跳数、节点流量和低流行内容的稳态存储比例4个参数作为攻击下的节点状态参数,根据模糊层次分析法建立了攻击下的模糊层次结构模型,进而确定了攻击对各个状态参数的影响权重并定义了攻击影响度,通过观测攻击影响度并设置判决门限来检测攻击是否发生。仿真结果与性能分析表明,所提检测算法能有效检测Locality-Disruption和False-Locality两类典型的缓存污染攻击,与现有主要检测算法相比,可保证较高的正确检测率和较低的平均检测时延。"}
{"title": "基于卷积神经网络的嵌入式手势检测算法", "abst": "针对嵌入式平台下卷积神经网络运行速度慢,无法快速手势检测的问题,提出一种基于SSD的卷积神经网络的嵌入式手势检测算法,该算法显著提高了手势检测速度,并保持了高精度。首先通过一种预处理方法,对原来的手势数据库进行5倍扩展;然后对SSD算法的基础神经网络层进行卷积因子分解,使用MobileNet神经网络获得了在CPU下的3倍加速;最后通过改变输入图片大小同时改变网络结构,减少了算法的计算复杂度。实验结果表明所提算法在两个数据集上的平均精度均值(Mean Average Precision,mAP)下降2.7%,但是在Qualcomm SnapDragon820平台下检测一张图片时间可达到0.233 s,检测速度提高40倍以上。"}
{"title": "基于深度学习的用户行为推荐方法研究", "abst": "利用用户行为数据,采用有效推荐方法,提供个性化推荐服务是社交网络平台普遍采用的策略,其中推荐方法的有效性是决定推荐服务质量的关键。基于矩阵分解和基于协同过滤的推荐方法由于存在稀疏性和过拟合问题等瓶颈难以大规模推广应用。在研究用户行为序列中相邻行为之间相似性和关联性的基础上,挖掘词语之间内部结构关系的TextRank,融合word2vec提出新的用户行为推荐方法。分析与实验结果表明:该推荐方法较传统推荐方法,在各项指标上都得到了一定的提升,验证了该方法的有效性和准确性。"}
{"title": "LDA模型在红酒数据关系挖掘中的应用研究", "abst": "为了调查食品尤其是包含复合香气的食品(如葡萄酒和酒精饮料等)中的气味活性化合物的构成机理,提出了一种将LDA模型应用于红酒气味与化学分子关系挖掘的方法。该方法在红酒风味数据集上,将红酒看作文档,气味和化学分子看作词语,通过LDA主题模型挖掘隐含的红酒特征;根据红酒与化学分子在红酒中的分布进行聚类,并结合Apriori算法进行关联分析,最终找出气味与化学分子之间的关系,为设计一个能够通过测试化学分子识别食品气味的电子鼻打下基础。实验数据由法国南特大学Oniris气味实验室提供,实验结果部分地证实了将LDA模型应用于红酒气味与化学分子关系挖掘的可行性。"}
{"title": "一种有效折扣证据源的冲突证据合成方法", "abst": "为解决证据组合规则中一票否决和弱决策证据在低冲突情况下出现的反直观推理的现象,提出一种有效折扣证据源的冲突证据合成方法。首先根据证据的信任函数和似然函数求得证据间的相似度,然后求出证据之间的支持程度,并确定折扣因子,最后采用Dempster组合规则合成利用折扣因子修正后的证据源。数值算例分析结果表明,改进后的证据组合方法可以有效地处理证据冲突。"}
{"title": "基于分段加权的反向稀疏跟踪算法研究", "abst": "为提高稀疏表示跟踪模型性能,提出一种分段加权的反向稀疏跟踪算法,将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题,构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰,选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明,在光照变化、遮挡、快速运动、运动模糊情况下,所提出的算法可以确保跟踪结果的准确性和鲁棒性。"}
{"title": "基于信息素负反馈的超启发式蚁群优化算法", "abst": "针对蚁群算法应用于自动导引小车路径规划收敛速度慢、极易陷入局部最优的缺点,提出一种基于信息素负反馈的超启发式蚁群优化(ACONhh)算法。该算法充分利用历史搜索信息和持续获得错误经验,较快引导蚁群探索最优路径;分层化选择可行节点,加快算法初期收敛速度;设置挥发因子呈类抛物线变化以及调整信息素更新机制,改善路径全局的随机搜索特性。通过严格的数学方式证明了ACONhh算法具有收敛性。仿真和实验结果表明,该算法的收敛速度以及全局搜索性能显著优于目前流行的ACO、ACOhh和ACOihh算法。"}
{"title": "深度卷积神经网络应用于人脸特征点检测研究", "abst": "为解决在复杂环境下,如姿势不同、光照条件以及遮挡等因素导致传统人脸特征点检测算法的精度大幅度下降的问题,在特征点检测理论知识以及研究现状的基础上,针对传统卷积神经网络模型在处理人脸特征点检测问题时的不足之处,提出基于小滤波器的深卷积神经网络。算法引入小滤波器思想和以拓展“网络深度”优先的深层卷积神经网络模型,针对人脸特征点检测重新设计训练,提高了算法的有效性与适用性。通过将算法应用于ALFW和AFW人脸数据集上预测5点人脸特征点问题,并与其他多个经典算法进行对比分析,结果表明:基于小滤波器的深卷积神经网络在预测人脸5点特征点问题上有更好的准确性和鲁棒性。"}
{"title": "概率犹豫模糊算法及其网络舆情预测模型选择", "abst": "针对区间犹豫模糊集在描述决策信息时会导致决策信息重要性程度损失这一问题,构建了一种基于概率区间犹豫模糊几何算子的新的多属性群决策模型。引入了概率区间犹豫模糊集的概念,将Archimedean范数引入到概率区间犹豫模糊环境下,定义了新的概率区间犹豫模糊运算法则;运用新的运算法则,提出了概率区间犹豫模糊有序加权几何(Probabilistic Interval-Valued Hesitant Fuzzy Ordered Weighted Geometric,PIVHFOWG)算子;讨论了PIVHFOWG算子的一些基本性质,并研究了其两种常见形式;在概率区间犹豫模糊信息环境下,建立了一种新的多属性群决策模型,且通过网络舆情预测系统的选择实例验证了提出的决策模型是可行的和有效的。"}
{"title": "SL-SMOTE和CS-RVM结合的电子设备故障检测方法", "abst": "针对电子设备故障检测问题中故障机理复杂、故障样本贫瘠的问题,提出一种SL-SMOTE(Safe Level Synthetic Minority Oversampling TEchnique)和代价敏感相关向量机(Cost Sensitive Relevance Vector Machine,CS-RVM)结合的电子设备故障检测方法。所提方法将电子设备的故障检测视为一个非平衡的二分类问题,首先在数据层采用SL-SMOTE对故障样本进行拓展,然后根据优化后的样本训练得到RVM检测器,最后将代价敏感学习引入到检测结果的判别中,得到损失代价最小的检测结果。UCI数据集以及应用案例的实验结果表明所提方法有效提高了检测正确率。"}
{"title": "结合引导滤波的自适应多曝光图像融合", "abst": "针对引导滤波产生的光晕、梯度反转现象,以及图像融合边缘细节丢失的现象,提出一种改进引导滤波的自适应多曝光图像融合算法。在引导滤波中根据梯度信息设定权重函数,并结合图像像素点和一定区域的均值创建函数,共同实现不同区域的纹理特性自适应;利用平均亮度与对比度、饱和度及曝光适中度的关系,设置权值函数,使加权平均融合过程中的权重值不再是固定的数值,而能够根据不同的图像亮度自适应调整,权重值也不同,使得融合后的图像质量更好;将原序列图的细节信息叠加到改进的引导滤波图像中,构建纹理细节层。实验结果削弱了光晕及梯度反转现象,使图像更加真实,细节更加清晰,并且对有小光源的图像处理效果更好。算法结果明显优于多曝光融合算法及引导滤波的多曝光图像融合,在信息熵、互信息和边缘信息评价中分别取得最高2.5%、30%和30%左右的质量提升。"}
{"title": "改进的Faster RCNN煤矿井下行人检测算法", "abst": "针对煤矿井下环境恶劣、光照差、背景混杂、行人模糊、行人多尺度等问题,提出了一种改进的Faster RCNN煤矿井下行人检测方法,使用深度卷积神经网络代替传统的手工设计特征方式自动地从图片中提取特征。利用深度学习通用目标检测框架Faster RCNN,以Faster RCNN算法为基础,对候选区域网络(Region Proposals Network,RPN)结构进行了改进,提出了一种“金字塔RPN”结构,来解决井下行人存在的多尺度问题;同时算法中加入了特征融合技术,将不同卷积层输出的特征图进行融合,增强煤矿井下模糊、遮挡和小目标行人的检测性能。实验结果表明:改进的Faster RCNN可以有效解决井下行人检测问题,在井下行人数据集上获得了90%的检测准确率,并在公测数据集VOC 07上对改进算法进行了验证。"}
{"title": "基于GPU加速的锥束CT重建算法研究", "abst": "锥束计算机断层扫描(Cone-Beam Computed Tomography,CBCT)具有采集速度快和空间分辨率高等特点,被生物医学等领域广泛关注。然而通过CPU串行处理CBCT重建中海量投影数据非常耗时,难以满足实时性的需求。GPU的发展为CBCT重建的并行加速提供了条件。根据三角函数周期性的特点对FDK算法进行了改进,并利用GPU实现了12幅投影数据同时并行计算。实验结果表明,相比于传统基于CPU的重建算法,基于GPU的CBCT重建算法在保证图像质量的前提下,将重建速度提高了超过310倍。"}
{"title": "基于边界特征的三维模型分割", "abst": "点云分割是三维模型检索、分类及重建的基础,为解决点云分割算法存在鲁棒性差、过分割和欠分割问题,提出一种基于边界特征的点云模型分割算法。将点云模型过分割为弱凸区域,利用巴氏距离判断相邻区域的相似性进行区域合并,采用改进的形状直径函数进行最终合并。由主流评价方法及实验证明,大多数模型可以取得良好的分割效果。"}
{"title": "基于全卷积神经网络的林木图像分割", "abst": "针对传统方法进行图像分割易受噪声影响问题,提出了一种基于全卷积神经网络的林木图像分割方法。该方法不需要对图像进行预处理,利用上池化和反卷积层恢复图像分辨率,采用跳跃连接降低网络复杂度,同时避免了梯度消失问题,使用Dropout正则化随机激活网络隐藏单元以防止过拟合,后端结合全连接的条件随机场以恢复对象边缘的细节信息,进一步优化分割结果。该模型能够在林木图像上实现良好的分割。"}
{"title": "面向个性化网站的增量协同过滤推荐方法", "abst": "为了解决个性化网站中很少考虑用户检索意图,检索效果较差的问题,提出了一种有效的增量协同过滤推荐方法。该增量协同过滤推荐模型改进了最流行的推荐算法之一的协同过滤算法,并应用到个性化网站中。通过分析Web日志提取用户的浏览行为,将其归一化为用户对项目的评分值,并利用改进的相似度计算方法得到用户之间的相似度值,从中选择能够表现用户偏好的最近邻集合进行评分预测后对结果排序,将排序后的结果作为推荐列表返回给用户。最后设计增量更新算法实时有效地更新用户的历史偏好数据。实验表明,增量协同过滤推荐模型适用于个性化网站,利用该方法可以使推荐结果更加符合用户意图。"}
{"title": "一种时间最短的交通网络路径求解方法", "abst": "随着科技的不断发展和人民生活水平的不断提高,汽车的保有量日益增加,交通堵塞问题愈加严重,造成了时间的浪费。为了防止城市交通拥堵,节约驾驶员出行的时间,将路网信息表示成矩阵的形式,建立了车辆行驶时间目标函数。运用拉格朗日乘子法求解目标函数,从而得到各车辆的行驶路径。最后,利用MATLAB实验仿真,在目标函数最小的情况下,能得到车辆的行驶路径,当有利他因子时,更节省出行时间。"}
{"title": "多工作日历下流水作业调度遗传优化方法", "abst": "针对多工作日历下的流水作业调度问题,提出了一种遗传优化方法。首先,提出了基于多工作日历的时间推算方法,解决了多工作日历下流水作业调度的关键问题:以Excel为平台设计了“工作制”工作表和“设备”工作表,在“设备”工作表中为每台设备指定工作制并设定工作时段;在此基础上,以Excel VBA为平台设计了5个基于工作日历的时间推算函数。其次,以Excel VBA为平台设计了遗传算法用于求解问题:个体采用整数编码方式,交叉操作采用“交换交叉”方式,变异操作采用“交换变异”方式,解码过程采用基于多工作日历的时间推算方法准确计算各工序开工和完工时刻。最后,通过案例分析验证了所提方法的有效性。"}
{"title": "基于多渠道供应链博弈的线上价格策略", "abst": "对一个开辟线上直销渠道的制造商和一个双渠道零售商组成的供应链系统,考虑线下渠道促销努力及消费者搭便车行为,在零售商主导的Stackelberg博弈下,就线上价格是否一致,研究了各渠道的定价策略。结果表明:当制造商线上渠道基本市场份额较大时,对制造商和零售商来说,线上价格不一致是最优策略。当制造商线上渠道基本市场份额较小时,双方都倾向拥有线上价格的决定权;并且当制造商承担部分促销成本时,零售商能接受制造商决定线上价格。"}
{"title": "3RPS/UPS并联机器人神经网络观测器反演控制", "abst": "为了增强4D互动立体游戏仿真模拟平台的刚度和运动性能,将带冗余结构的3RPS/UPS并联机器人应用其中。首先对其结构进行介绍及逆运动学分析,然后针对传统PID控制在控制精度方面的不足,提出了一种基于神经网络观测器的反演控制方法。最后利用MATLAB对其进行建模以及系统仿真实验,并与传统PID控制以及一般的RBF神经网络自适应控制进行对比。由仿真结果可以看出,根据RBF神经网络观测器估计系统状态值,并应用反演控制理论设计控制器,能实现很好的状态观测,从而实现无需速度信号的位置跟踪。该方法也能够在一定程度上提高精度,且其整体控制效果优于传统PID控制器,相比于一般的RBF神经网络自适应控制也有了一定的改进。"}
{"title": "考虑公平和护士偏好的护士排班研究", "abst": "针对护士排班问题涉及护士满意度的特点,在护士排班过程中加入护士偏好和公平的约束,寻求最优的排班表以增加护士的满意度。根据多目标问题的特点,采用粒子群多目标优化算法。在硬约束条件上,加入N班之后不能上A班和P班的约束,使护士在上N班之后能够得到足够的休息。在算法设计上,加入变异算子,扩大了粒子群的搜索空间。由于各优化目标之间存在一定的矛盾,用多目标决策理论可以更加科学客观地优化护士排班表。在最后的案例分析中,发现护士不同的偏好会产生不同的非劣解,因此在实际排班中,要充分考虑护士的偏好,以求出更加科学合理的排班表。"}
{"title": "自适应确定DBSCAN算法参数的算法研究", "abst": "传统DBSCAN算法需要人为确定Eps和MinPts参数,参数的选择直接决定了聚类结果的合理性,因此提出一种新的自适应确定DBSCAN算法参数算法,该算法基于参数寻优策略,通过利用数据集自身分布特性生成候选Eps和MinPts参数,自动寻找聚类结果的簇数变化稳定区间,并将该区间中密度阈值最少时所对应的Eps和MinPts参数作为最优参数。实验结果表明,该算法能够实现聚类过程的全自动化并且能够选择合理的Eps和MinPts参数,得到了高准确度聚类结果。"}
{"title": "粒子滤波目标跟踪算法综述", "abst": "随着人工智能科学的发展,目标跟踪成为中外学者研究的热点,近年来很多目标跟踪算法相继被提出,其中,经典的卡尔曼滤波算法常被用于目标跟踪领域。然而,在实际情况中,目标跟踪过程常涉及到非线性非高斯问题,由于粒子滤波算法在非线性非高斯系统中有较好的性能,因此将其引入目标跟踪研究领域。针对粒子滤波算法存在的跟踪精度差、实时性不高等问题,近年来国内外学者提出很多改进方法。从特征融合、算法融合和自适应粒子滤波三个方面介绍了相关改进方法的基本思想,展望了粒子滤波算法在目标跟踪领域的发展方向。"}
{"title": "命题逻辑提升到一阶逻辑上的子句消去方法", "abst": "在基于命题逻辑的可满足性问题(SAT)求解器和基于一阶逻辑的定理证明器上,子句集简化一直是必不可少的步骤,而其中子句消去方法在这些子句集简化方法中是非常重要的组成部分。将命题逻辑中的子句消去方法归结隐藏恒真消去方法(RHTE)和归结隐藏包含消去方法(RHSE)提升到一阶逻辑上,并且利用蕴含模归结原则(IMR)证明了这种提升方式在一阶逻辑上具有可靠性(Soundness),即依据这两种子句消去方法删除一阶逻辑公式集中的子句,并不会改变公式集的可满足性或者不可满足性。此外,将这两个方法与一阶逻辑子句消去方法锁子句消去方法(BCE)和归结包含消去方法(RSE)进行组合推广,发展得到一阶逻辑上新型子句消去方法(BC+RHS)E、(RS+RHT)E和(RHS+RHT)E,并且证明了这3种子句消去方法在一阶逻辑上的可靠性。最后,分析比较了这些子句消去方法的有效性,并且证明了这3种新型子句消去方法比组成它们的原始子句消去方法均具有更高的有效性。"}
{"title": "自适应模糊C均值聚类的数据融合算法", "abst": "针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足,为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题,提出了一种自适应模糊C均值聚类的数据融合算法,主要是把自适应模糊C均值聚类应用到数据融合中。该算法首先在改进的模糊聚类中通过引入自适应系数以发现不同形状和大小的聚类子集,使得融合结果更精确;其次将卡尔曼滤波原理和基于多层感知机的神经网络预测法应用到误差协方差估计中,提高了融合可信度。实验结果表明,与7种经典数据融合算法进行对比,该算法在4个模拟数据集与真实数据集上融合结果较好,特别在判别函数与融合误差方面优势更为明显。"}
{"title": "基于概率感知模型的多节点联合网络覆盖算法", "abst": "针对传感网在对关注目标节点进行覆盖过程中出现的非连续性覆盖,将会产生覆盖盲区以及大量冗余数据迫使通信链路出现瓶颈现象,提出了一种基于概率感知模型的多节点联合覆盖算法(Multi-Node Joint NetworkCoverage Algorithm,MNJC)。该算法借助于概率相关知识,给出了多节点联合时覆盖质量期望值计算方法,以减少覆盖盲区的产生,提高了多节点联合网络覆盖率;利用节点动态转换机制对节点部署进行重新优化,抵制了网络能量的快速消耗,延长网络生存周期;该算法与其他三种算法覆盖率、生存周期以及节点存活数量等方面进行了比对实验,其性能指标平均提升了18.11%,15.57%和8.26%,从而验证该算法的有效性和实效性。"}
{"title": "高效求解三维装箱问题的剩余空间最优化算法", "abst": "为实现三维装箱问题的高效求解,提出了一个三维的剩余空间最优化算法(Three-Dimensional Residual-Space-Optimized Algorithm,3D-RSO)。在满足3个著名约束的条件下,该算法将三维问题转化为带有高度约束的二维问题,通过对箱子放置后的剩余空间状态分析,提出了基于概率较优的空间分割方法和箱子布置规则。相比于传统算法,3D-RSO在求解过程中不需要任何的预处理和搜索操作,是一种最坏计算复杂度为O(2n2)的直接求解算法。针对强异构体的实验表明,该算法能够在极短的时间内对算例进行高效求解,适合应用在大规模或者需要被快速求解的三维装箱问题中。"}
{"title": "二维多域弹性问题虚边界无网格伽辽金法分析", "abst": "针对复杂的不同材料属性的多域组合问题(比如复合材料交界面上接触应力的计算),虚边界无网格伽辽金法被进一步研究,提出了二维多域弹性问题虚边界无网格伽辽金法。简要介绍了多域组合思想、子域虚边界元法,详细推导了二维多域弹性问题分析的虚边界无网格伽辽金法,得到具体的离散格式,便于编程,推广研究。方程的加权系数为位移、面力、连续边界上的位移与面力关系式偏导,数值意义明确,公式具体。最后通过计算数值实例为复合材料交界面上接触应力的计算,给出了复合圆盘接触面上的法向、径向应力,分多种方案调整每个子域的虚边界半径值,所得结果与解析解、其他数值方法进行比较。结论是二维多域弹性问题虚边界无网格伽辽金法的方法计算可行、精确性与稳定性好。"}
{"title": "一种Web应用跨浏览器兼容性测试方法", "abst": "随着Web应用的日益普及,及可执行此类应用程序的浏览器越来越多,版本也在不断更新,Web应用的跨浏览器不兼容(Cross Browser Incompatibilities,XBI)已成为Web应用开发者面临的严重问题。提出一种结合DOM(Document Object Model)结构分析和页面元素(Screen Element)的计算机视觉分析方法,实现Web应用的跨浏览器兼容性测试XBCT(Cross-Browser Compatibility Testing),和现有的测试方法比较,实验结果表明了所提方法能够提高测试结果的准确性。"}
{"title": "精分EEG脑网络同步稳定性研究", "abst": "为了深入表征和刻画精神分裂症患者大脑活动时各个电极通道的状态变化,通过利用复杂网络同步稳定理论以及精分工作记忆实验范式对EEG信号进行分析。从复杂网络角度出发构建脑功能网络,并利用特征谱比值法分析脑网络及其同步性随时间的演化过程。对比实验表明精分患者和正常对照组同步能力具有很大差异且差异主要源于对应脑网络的一个局部化区域S的不同,并通过设计对比实验进一步验证此区域对脑网络同步影响的有效性。脑网络同步稳定区域S的发现对研究神经精神性疾病下脑网络的演化过程提供了新的思路。"}
{"title": "基于改进粒子群算法的动态3D实时建模技术", "abst": "针对传统3D建模技术无法满足在脱离专业测量工具的情况下,实时创建出与用户所处房间等比例尺寸的3D模型的需求。提出一种基于陀螺仪传感器结合改进粒子群算法计算房间3D模型尺寸与镜头位置的动态3D建模技术,该技术可以实现实时房间等比例建模,使用者可以预览到整个房间所有方位的装修效果,让用户对房间整体装修效果有直观的印象,操作方便且实时性强。实验结果表明,改进粒子群算法的动态3D实时建模技术解决了国内传统3D建模技术测量不精确的缺陷,具有一定的理论和实际意义。"}
{"title": "路径差异敏感的包散射策略机制", "abst": "数据中心网络中随机包散射设计策略有效地提升了链路的多路径利用率,但是容易造成乱序问题。介绍了由数据包乱序所引起的“伪丢失”现象,设计了基于分类路径的自适应包散射策略(Cparps),根据路径的队列长度对路径进行分类,并将不同数据流隔离在不同类型的路径上进行随机散射。实验结果表明,在对称和非对称拓扑下Cparps协议的乱序次数和数据包个数都相对较少,说明Cparps可以有效缓解数据包的乱序。"}
{"title": "基于LSTM的动态图模型异常检测算法研究", "abst": "传统异常检测模型往往基于内容特征,随着攻击手段的提高,该方法易于被绕过,因此图挖掘技术逐渐成为了国内外学术研究的热点。为了提高异常检测的准确率,提出了一种基于长短时记忆网络的动态图模型异常检测算法。首先通过对动态图的变化特征进行分析,总结了Egonet图结构距离和编辑距离两类特征,高效地表示动态图结构的变化情况。其次,通过基于LSTM的时间序列分类算法,进行模型的训练。最后对抓取的网络数据流进行入侵检测,对超过6万节点和300万条边的拓扑图进行测试。最终实验结果表明,该算法具有更高的准确率和召回率,可以有效地检测出网络入侵事件。"}
{"title": "一种安全的射频识别双向认证协议", "abst": "在RFID系统中,标签与读写器之间采用无线方式进行通信,易被攻击者窃取相关隐私信息,为保证两者之间通信安全,提出一种基于二次剩余定理的双向认证协议。协议采用二次剩余定理对传输数据进行加密,基于大数分解难题,有效保证数据的安全;且加密过程中,随机数的混入,使得消息每次均不相同,增大破解难度;超轻量级按位运算的引入,在一定程度上,能够降低系统整体计算量及成本;数据库端引入随机数查重校验机制,使系统能够抵抗去同步化等攻击。安全性分析表明协议较其他此类经典协议具有更高的安全性,能够保障传输数据的可靠性;性能分析表明协议较其他此类经典协议具有较低的计算量及成本。"}
{"title": "基于d维多粒子纠缠态的(t,n)门限量子秘密共享", "abst": "为了突破Hilbert空间2维度的局限性,解决秘密重建过程中部分参与者缺席的问题,使用d维多粒子纠缠态,提出了一个(t,n)门限量子秘密共享方案。秘密分发者制备n个d维2粒子纠缠对,将第2个粒子分别分发给n个参与者。当秘密分发者选择自己手中t个粒子进行联合投影测量时,纠缠交换使得参与者手中的对应t个粒子坍塌成一个t粒子纠缠态。这t个参与者通过QFT变换和Pauli运算将份额加入t粒子纠缠态。最终,共享的秘密由这t个参与者一起合作恢复。安全性分析表明,该方案能抵抗截获-测量-重发攻击、纠缠-测量攻击、合谋攻击和伪造攻击。"}
{"title": "粒子群属性聚类的位置隐私保护", "abst": "针对基于位置服务中连续查询情况下,用户自身属性信息很容易被攻击者获取,并通过关联获得用户位置隐私的情况,提出了一种利用粒子群聚类加速相似属性用户寻找,并由相似属性匿名实现用户位置泛化的隐私保护方法。该方法利用位置隐私保护中常用的可信中心服务器,通过对发送到中心服务器中的查询信息进行粒子群属性聚类,在聚类的过程中加速相似属性用户的寻找过程,由相似属性用户完成位置泛化,以此实现位置隐私保护。实验结果证明,这种基于粒子群属性聚类的隐私保护方法具有高于同类算法的隐私保护能力,以及更快的计算处理速度。"}
{"title": "新型LeNet-FC卷积神经网络模型算法的研究", "abst": "针对已有的卷积神经网络(Convolutional Neural Network,CNN)在人脸识别训练中出现过拟合、收敛速度慢以及识别准确率不高的问题,提出了新型的LeNet-FC卷积神经网络模型。通过增加网络层、缩小卷积核等结构改进以及采用优化的对数—修正线性单元(Logarithmic Rectified Linear Unit,L＿ReLU)激活函数,该模型在人脸识别训练的准确率达到了99.85%。同时基于LeNet-FC卷积神经网络模型设计了一个人脸识别系统。该系统在ORL人脸库的仿真测试实验中识别准确率达到了96%。"}
{"title": "深度学习模型GoolgeNet-PNN对肝硬化的识别", "abst": "针对传统机器学习人工提取特征耗时耗力,并且提取高质量特征存在一定困难等问题,将基于深度学习的方法,首次结合卷积神经网络和概率神经网络,提出了一种新的模型GoolgeNet-PNN,其自动学习特征,避免了手动提取特征的繁琐性,而且结合了PNN训练容易、收敛速度快等特点,在肝病分类的实验中取得了较好的效果;并使用了迁移学习的方法,通过在自然图像集的预训练,然后应用到医学图像,避免了因样本不足而出现的过拟合问题,实验结果最终表明识别准确率要优于其他方法,达到了98%的客观识别率。"}
{"title": "改进模糊划分聚类的协同过滤推荐算法", "abst": "针对传统协同过滤(CF)推荐算法存在评分矩阵稀疏、扩展性弱和推荐准确率低的缺陷,提出一种改进模糊划分聚类的协同过滤推荐算法(GIFP-CCF+)。在传统基于修正余弦相似度计算方法上,引入时间差因子、热门物品权重因子以及冷门物品权重因子以改善相似度计算结果;同时引入改进模糊划分的GIFP-FCM算法,将属性特征相似的项目聚成一类,构造索引矩阵,同索引间根据项目间的相似度寻找项目最近邻居构成推荐,从而提高协同过滤算法(CF)的精度。通过与Kmeans-CF、FCM-CF和GIFP-CCF算法进行仿真对比实验,证明了GIFP-CCF+算法在推荐结果和推荐精度上具有一定的优越性。"}
{"title": "全卷积神经网络的多尺度人脸检测的研究", "abst": "为实现快速而准确的人脸检测,提出了一种基于全卷积神经网络的多尺度人脸检测的方法,将卷积神经网络模型AlexNet的全连接层改为全卷积层,并将分类层改为人脸与非人脸的二分类,训练之后准确率达到99.16%。将训练好的分类模型用于人脸检测时,待检测图片通过多尺度变换后输入全卷积网络得到特征图的概率矩阵,用非极大值抑制得到最精准的人脸框。检测结果表明,该方法在人脸检测时准确率高,检测时间短,表现出较好的性能。"}
{"title": "基于改进A~*算法的导购路径规划方法", "abst": "大型超市内商品数目繁多,空间环境复杂,顾客在购物的过程中往往需要耗费大量的时间来寻找所需购买的商品。针对这一问题,提出了遗传-改进A*算法来帮助顾客找到一条通往所需购买商品的最短路径。首先利用矩阵对超市的空间环境进行建模,然后通过改进A*算法找到任意两个商品之间的最短路径,再根据顾客的购物列表利用遗传算法优化生成一条包含超市入口,购物列表上的商品以及超市出口的最短路径。最后仿真实验表明,在多楼层的大型超市里,顾客购买多个不同商品时,遗传-改进A*算法寻优能力更强,求解质量更优,并且运行时间更短,能够高效地解决最短路径规划问题。"}
{"title": "字符级卷积神经网络短文本分类算法", "abst": "由于短文本具有长度短、特征稀疏以及上下文依赖性强等特点,传统方法对其直接进行分类精度有限。针对该问题,提出了一种基于字符级嵌入的卷积神经网络(CNN)和长短时记忆网络(LSTM)相结合的神经网络模型进行短文本的分类。该模型同时包括了高速公路网络(Highway networks)框架,用于缓解深度神经网络训练时的困难,提高分类的准确性。通过对几种数据集的测试,结果表明提出的模型在短文本分类任务中优于传统模型和其他基于CNN的分类模型。"}
{"title": "改进CKSAAP结合RFE算法预测蛋白质棕榈酰化位点", "abst": "蛋白质棕榈酰化是一种可逆的蛋白质翻译后修饰,在蛋白质稳定性和亚细胞定位等方面发挥重要作用。构建了一种预测蛋白质棕榈酰化位点的新模型(PSSM-CKSAAP-RFE)。采用蕴含进化信息的k-spaced氨基酸对组分方法表征蛋白质序列,通过递归特征消除法进行特征选择;基于上述特征训练支持向量机分类器,并采用夹克刀交叉验证法测试模型性能。研究结果显示,训练集和独立测试集的预测准确率、马修斯相关系数、特异性、敏感性和受试者工作特征曲线下面积分别为98.44%、0.94、98.95%、95.65%和0.990,以及98.41%、0.93、99.39%、92.31%和0.994,优于文献中报道的相关方法,为蛋白质棕榈酰化位点的预测提供了一种新模型。"}
{"title": "基于属性约简集评价节点重要性研究", "abst": "社会网络成员的重要性确定通常依赖结构属性对网络节点的评价。首先定义了网络中节点排序可区分以及属性约简集的概念,并在此基础上量化了属性聚类的阈值,从而确定了类别的数量。设计了网络节点重要性的属性约简集评价算法。通过与度、介数、全属性评价在人工网络、海豚网上的实现,证明了属性约简集评价节点排序的可行性。通过属性约简集在海豚网、9·11恐怖分子合作网上的节点评价值、网络鲁棒性以及节点可区分性等方面的应用对比分析,发现属性约简集评价节点重要性既兼顾了网络结构的完整性,又避免了单一属性评价的片面性和多个属性之间的属性冗余性,提高了节点评价结果的准确性,降低了算法复杂度。"}
{"title": "融合标签和多元信息的个性化推荐算法研究", "abst": "多数基于标签的推荐算法都存在推荐方式单一的问题,没有充分利用社会关系等其他信息。针对这一问题,提出了一种融合信任关系、时间因子和标签信息的个性化推荐算法TTLMF,该算法在现有基于标签的个性化推荐算法的基础上,充分利用了用户之间的信任关系和当前上下文的时间信息,使得推荐项目更加符合用户的需求。在公共数据集last.fm上进行了实验,结果表明TTLMF算法在准确率、召回率、Fmeasure以及覆盖率这四个指标上具有更好的推荐效果,一定程度上缓解了数据稀疏性和用户的冷启动问题。"}
{"title": "基于个体邻域的改进NSGA-Ⅱ算法", "abst": "带有精英策略的非支配排序遗传算法(NSGA-II)是在NSGA的基础之上,提出拥挤度和拥挤度比较算子,代替了需要指定共享半径的适应度共享策略,是解决多目标优化问题的经典算法之一。但是NSGA-II算法在保持种群多样性时采取的拥挤距离排挤机制有着pareto前沿分布不均匀的缺陷,因此,提出一种基于个体邻域的改进NSGA-II算法SN-NSGA2。SN-NSGA2将密度聚类算法DBSCAN中邻域的思想应用到排挤机制中去,提出一种个体邻域的构建方法,采用相应的淘汰策略去除个体邻域中的其他邻居个体。实验结果表明相对于NSGA-II算法来说,新算法求出的pareto解集有着更好的分布性以及良好的收敛性。"}
{"title": "基于混合运动估计方法的视觉里程计", "abst": "由于RGB-D相机深度信息范围有限且易受噪声影响,为了提高其视觉里程计的精度,提出一种基于混合3D-3D和3D-2D运动估计方法的视觉里程计。使用基于RICP算法(RANSAC-ICP)的3D-3D模型,并结合3D-2D运动模型,将深度信息缺失的二维特征点添加到估计方法中,充分利用了图像信息,提高了匹配准确率。综合考虑了关键帧和前一帧的地图信息进行迭代估计,增加了匹配点对数量,提供了更多约束信息。在该混合运动估计方法的基础上,结合稀疏光束平差法SBA对位姿估计结果进行优化,达到定位精度高、积累误差小的效果。在基于Kinect相机的移动平台上进行了验证,结合离线和在线实验表明,该方法满足实时性同时有效地提高了定位精度。"}
{"title": "深度迁移学习在高光谱图像分类中的运用", "abst": "针对高光谱图像分类中,样本空间特征利用不足的问题。将深层残差网络作为特征提取器运用到高光谱图像分类中,利用深层残差网络更深的网络结构,挖掘样本邻域空间中的深层特征,实验证明此特征具有更好的可分性。同时,针对深层卷积网络有监督训练的过程中,由于有标签样本不足导致的过拟合现象,提出基于深度迁移学习方法的训练策略,通过迁移网络在另一相关数据集中训练得到的网络浅层卷积核参数,再使用目标数据集对深层卷积核参数进行微调,提高了残差网络在少量有标签样本情况下的分类效果。"}
{"title": "基于多尺度轮廓段的形状特征提取与识别", "abst": "形状识别是计算机视觉与模式识别领域的重要研究内容。形状的特征选取与描述是形状识别的研究热点。针对现有识别方法的不足,提出一种通过对不同长度轮廓段进行描述,进行特征提取的方法。对每个形状均在6种尺度下进行特征提取,每种尺度选取5种轮廓段特征参数,实现了对形状的特征描述。在形状识别阶段,使用动态时间规整(DTW)算法度量形状描述子之间的匹配距离,实现形状识别。分别在Kimia99、Kimia216和MPEG-7数据库中进行算法验证,结果表明基于多尺度轮廓段的形状特征描述子具有旋转、缩放、平移和局部遮挡不变性,识别率优于现有算法。"}
{"title": "多信息融合的深度学习人脸表情识别算法研究", "abst": "人脸表情识别作为人机交互系统的重要组成部分,在安防监控、人机交互等领域有广泛的应用,是计算机视觉的研究热点。传统的卷积神经网络方法一般提取单张人脸图像或者人脸标记点作为特征提取的输入数据,未能考虑到人脸全域的表情信息。提出了一种基于三通道多信息融合的深度学习人脸表情识别模型,以人脸图像表情平静到高峰时期标记点坐标的相对位移为输入,提取整个人脸表情图像特征信息,模型融合了稀疏自编码器以提高对边缘特征提取效率。该模型在CK+数据集上进行了训练和测试,实验结果表明,与该领域中的同类算法相比,该算法模型提高了表情识别的准确率。"}
{"title": "基于多字典的单幅图像超分辨率重建", "abst": "对于目前图像超分辨率重建算法中的问题,忽略重建图像结构性和重建过程中丢失高频信息,提出了一种基于多字典的单幅图像超分辨率重建算法。在字典学习阶段根据每个图像块的主方向角,对所有训练图像块进行聚类并训练各类的字典。利用训练得到的字典重建训练样本并计算各类的残差图像块,然后对残差图像块再进行聚类、训练残差字典。用锚定邻域回归方法重建高分辨率图像,实验结果表明,该算法在客观评价和视觉效果上均优于许多优秀的图像超分辨算法。"}
{"title": "新型火焰颜色空间——IFCS", "abst": "针对火焰识别颜色空间模型FCS带来的错判率高问题,基于混沌理论和k-medoids的粒子群算法,提出了一种改进的火焰识别颜色空间——IFCS。利用IFCS颜色空间进行火焰识别,可以在保证计算的简单快捷的同时,相对FCS更加突出火焰/非火焰像素颜色属性差异特性。采用混沌序列初始化粒子、自适应调整惯性权重、动态非线性调整学习因子、混沌搜索跳出局部最优等方法,得到了IFCS火焰识别颜色空间;进一步,在IFCS火焰颜色空间中通过经典Otsu阈值方法得到二值图像,建立了基于IFCS和Otsu的火焰识别算法——IOFR算法。实验结果表明:IOFR算法有效降低了当前基于FCS颜色空间火焰识别算法的火焰错判率。"}
{"title": "多通道图像EMD及应用", "abst": "针对现有的经验模态分解方法(Empirical Mode Decomposition,EMD)对多通道图像(如彩色图像)进行分解时通常忽略各通道图像之间相关性的问题,提出了一种多通道图像EMD方法。该方法采用双拉普拉斯算子插值得到图像上下包络,并建立一个整体筛分停止准则进行筛分来考虑各通道图像相关性,能够将多通道图像自适应分解为数目不多的内蕴模态函数(Intrinsic Mode Function,IMF)分量和一个余量,其中内蕴模态函数分量体现了原始图像不同尺度的特征信息,余量体现了图像的整体变化趋势。该方法可以应用在图像锐化、夜景图像增强等图像分析和处理领域。实验结果显示该方法能够取得较好的效果。"}
{"title": "多启发因素改进蚁群算法的路径规划", "abst": "移动机器人的路径规划不仅要求路径路程短,还要避免路径转弯过多,颠簸程度严重,环境适应性差等问题,为此提出基于路径长度,转弯次数及坡度平滑性三种因素共同影响的改进启发函数,综合计算转移概率;同时改进信息素更新方式,根据三因素综合指标分配各路径上的信息素量,指导蚂蚁向综合性能最好的路径靠近。并提出一种非均匀初始信息素方法,防止过多蚂蚁走入死路。结合改进的地图建模障碍机制,提高路径的安全性。仿真及实验结果表明,改进算法得到的规划路径在三因素综合性能上具有较大提高,且具有较好的全局搜索能力及收敛性,适当调整参数还能得到某一特性表现突出的路径,且迭代次数和计算时间均表现较优。"}
{"title": "下颌骨拼接与导板设计的力反馈虚拟手术研究", "abst": "传统的颅颌面术前规划与手术训练缺少力的触觉反馈,导致医生在手术建模与导板设计的过程效率低下。针对提高医生术前规划效率和训练的效果,设计了一种基于力反馈的颅颌面虚拟手术仿真平台。该系统采用力反馈机制与碰撞检测机制,能够对模型进行选取并移动而达到对下颌骨精确拼接的效果,同时能够设计出相应的导板。实验结果证明使用该平台进行颅颌面手术术前规划和导板设计更有效率,仿真结果的实时性和真实性也较高。"}
{"title": "飞机液压系统故障诊断", "abst": "为有效诊断飞机液压系统故障,根据液压系统压力信号采用了熵权ABC-BP神经网络的故障诊断模型。模型先提取飞机液压系统压力信号的特征值,根据熵权法计算特征值信息熵,选取熵权值较大的作为神经网络的输入,同时利用人工蜂群优化BP神经网络,将BP神经网络的误差函数作为人工蜂群的适应度,选择适应度最优的个体参数作为神经网络的权值和阈值,不仅降低模型输入维度,还提高了诊断精度。最后建立了飞机起落架收放系统仿真模型进行仿真研究,结果表明该诊断模型具有较好的故障诊断效果,为飞机液压系统故障诊断提供一种新思路。"}
{"title": "金融危机前后BDI指数与CBFI指数的多重分形研究", "abst": "针对BDI指数和CBFI指数收益时间序列的相关性特征,运用多重分形去趋势波动分析法(MF-DFA)和多重分形去趋势交叉相关分析法(MF-DCCA),对2004-01-01到2008-09-15(危机前)和2008-09-16到2013-12-31(危机后)BDI指数和CBFI指数自相关的多重分形性以及二者交互相关的多重分形特征进行分析。首先,基于MF-DFA方法分析BDI和CBFI指数收益序列的自相关性,发现金融危机前后,BDI指数和CBFI指数收益序列演变呈现出非平稳性、自相关的多重分形特征,危机后自相关性的多重分形强度大于危机前。其次,基于MF-DCCA方法分析BDI和CBFI指数收益序列的交叉相关性,结果表明两者交叉相关关系具有很强的多重分形特征,呈现出时间序列的长程相关性,危机后互相关的多重分形强度大于危机前。同时也证实多重性归因于时间序列波动的持续性和胖尾分布。"}
{"title": "一种抗运动干扰的实时心率提取方法", "abst": "针对基于容积脉搏波(PPG)提取运动心率时,传统心率提取算法由于运动噪声干扰使测量结果误差大、实时性不好的问题,提出一种抗运动干扰的实时心率提取方法。该方法通过实时小波去噪,同时结合三轴加速度信号(ACC)对运动进行分类训练,计算各运动状态心率增益,对实时心率值进行补偿。实验结果表明,通过与同时采集的ECG信号计算出的实时心率进行对比,绝对误差率仅为1.2%左右。相比传统心率提取算法,该算法具有抗干扰性强,实时准确的特点。"}
{"title": "基于贝叶斯网络的任务共同体识别", "abst": "随着武器平台打击能力的提高,武器平台的打击目标范围不断扩大,需要根据武器平台可能打击的目标对武器平台进行分类,区分任务共同体,增强对态势的认知,辅助作战决策。因此,就任务共同体识别问题进行初步探讨。对任务共同体的概念进行了介绍。探讨了任务共同体识别的思路和方法框架。讨论了基于贝叶斯网络的目标企图评估方法,对贝叶斯网络模型的结构进行了分析。构建了仿真示例验证了方法的可行性与有效性。"}
{"title": "S-BYOA:一种基于SDK的安全移动办公方案——企业文件安全编辑", "abst": "在分析现有Bring Your Own Apps(BYOA)方案安全问题的基础上提出了一种基于SDK的安全移动办公方案(简称S-BYOA)。该方案通过在App中嵌入SDK的方式,允许用户自由使用第三方App对企业文件进行安全编辑;企业无需修改原文件系统,无需维护App白名单即可实现安全移动办公,而且S-BYOA具有部署和维护成本低的特点。另外,在iOS系统下实现了该方案,并进行了实现效果测试与安全分析,结果显示,该方案是稳定且安全的。"}
{"title": "草图直接成图的外业房产测量算法研究", "abst": "传统的房屋测量外业纸质草图无法被计算机直接处理,内外业分离,效率低,易出错。针对上述问题,首先研究了触摸功能生成草图的方法,系统将草图自动规整并生成规则且符合实际情况的房屋图形;然后研究了基于矢量图形的轮廓跟踪算法,设计了水平和垂直两个复合链表动态构建尺寸链,实现了草图约束的求取和自动参数化重绘,从而实现了房屋面积的自动计算、图文自动关联和报表自动生成,并确保外业成果可直接导入计算机。最后在Android系统上开发了一个支持上述功能的软件系统,并验证了前述算法的有效性。"}
{"title": "面向多源数据融合的稀疏表示目标跟踪", "abst": "传统的基于稀疏表示的目标跟踪方法主要利用目标的灰度特征构建稀疏表示模型。由于灰度特征对光照变化敏感,这会影响目标跟踪在复杂场景下的鲁棒性。基于多源数据融合的目标跟踪可以明显提升目标跟踪鲁棒性,但如何有效融合不同维度,不同类型的多源目标特征成为基于多源数据融合的目标跟踪所要解决的关键问题。提出了一个基于目标状态以及灰度特征的稀疏表示目标跟踪方法。所提出的方法可通过基于核函数表示的稀疏表示模型,在探究目标状态以及灰度特征相关性的基础上,将两种不同维度的特征进行有效融合,提升目标跟踪在复杂场景下的鲁棒性。"}
{"title": "多维数据判别分析的非参核密度算法研究", "abst": "判别分析在数据挖掘、识别中有着广泛的应用,其中充分利用训练集的信息,改进判别规则算法,降低误判率一直是众多研究关注的焦点。传统的一些判别算法中,往往事先假定数据的分布类型来建立判别规则,但多维数据结构往往存在违背假定的情形,从而导致较高的误判率。针对此类问题,提出采用非参核密度算法建立多维数据的判别规则,同时通过Iris数据和Seeds数据进行实证分析。结果表明,与现有的判别分析算法相比较,所提判别算法利用样本资料信息更充分,显著提高了多维数据的判别精度,并且该算法不受分布假定的限制,具有广泛的适用性。"}
{"title": "Attention-YOLO:引入注意力机制的YOLO检测算法", "abst": "实时目标检测算法YOLOv3的检测速度较快且精度良好,但存在边界框定位不够精确、难以区分重叠物体等不足。提出了Attention-YOLO算法,该算法借鉴了基于项的注意力机制,将通道注意力及空间注意力机制加入特征提取网络之中,使用经过筛选加权的特征向量来替换原有的特征向量进行残差融合,同时添加二阶项来减少融合过程中的信息损失并加速模型收敛。通过在COCO和PASCAL VOC数据集上的实验表明,该算法有效降低了边界框的定位误差并提升了检测精度。相比YOLOv3算法在COCO测试集上的mAP@IoU[0.5:0.95]提升了最高2.5 mAP,在PASCAL VOC 2007测试集上达到了最高81.9 mAP。"}
{"title": "基于BP神经网络的故障诊断模型研究", "abst": "滚动轴承是旋转机械中最常用的部件之一。滚动轴承很容易损坏,而它的工作条件通常比较复杂,很难对其故障进行准确判断。为了提高滚动轴承故障诊断的有效性,构建了一种新的基于改进量子蜂群算法和BP神经网络的滚动轴承故障诊断模型(IQABC-BP)。首先针对量子蜂群算法在种群初始化和进化过程中存在的问题,提出了一种改进量子蜂群算法,然后利用改进量子蜂群算法对BP神经网络的初始权值、阈值和隐含层单元数进行优化,建立了一种具有超并行超高速的基于改进量子蜂群算法的BP神经网络模型,并应用于滚动轴承的故障诊断中。实验结果表明,IQABC-BP模型收敛速度更快,故障诊断效果更好,具有很好的应用价值。"}
{"title": "大数据背景下粗糙集属性约简研究进展", "abst": "在大数据时代,数据不仅类型多样、结构复杂还具有动态变化的特点,传统的分析工具已经不能满足大数据分析的需求。如何快速有效地从大规模数据中获取有价值的信息成了一个具有挑战性的问题。一些学者将粗糙集属性约简理论与其他理论相结合,从而可以有效地处理高维动态的海量数据。重点对基于并行计算、增量学习、粒计算的属性约简算法进行分类总结,分析了它们各自的特点,剖析了当前研究中存在的问题,展望了未来研究的重点关注方向。"}
{"title": "推广规则后一阶逻辑公式的准真度", "abst": "计量逻辑理论是逻辑概念程度化研究方向的一个重要分支。但目前计量谓词逻辑的相关研究中,都不曾涉及推广规则。一阶逻辑公式的准真度理论是计量谓词逻辑的一个重要的研究成果,讨论经过推广规则后,一阶逻辑公式准真度的变化情况,证明经过推广规则后,一阶逻辑公式在基于准真度的一阶逻辑公式集的分类中类别不变。"}
{"title": "Lipschitz聚合算子的模糊推理鲁棒性研究", "abst": "模糊推理中,输入和推理规则发生摄动时,内部连接算子的选择是影响推理输出的主要因素。给出了模糊Lipschitz聚合算子的定义,论证了满足Lipschitz条件的三角模算子和蕴涵算子,研究了一类稳定的Lipschitz聚合算子对模糊推理的鲁棒性影响,指出了当系统发生输入摄动和规则摄动时,内部连接算子为1-Lipschitz算子,能有效地抑制模糊推理的输出摄动,特别是当内部连接算子既是1-k∞-Lipschitz又是quasi-copulas时,模糊推理输出更稳定安全可行,模糊推理的鲁棒性得到更好调控;另外,从实验结果看,规则摄动对推理输出影响较大。实验部分既是对文中所提理论的很好验证,同时也是该理论在图像处理和人脸联想方面的具体应用。"}
{"title": "集值映射的拟阵结构及其与覆盖粗糙集的关系", "abst": "集值映射是拓扑学中的一个重要的概念。基于论域中的各个元素之间的关系,利用集值映射的原理在论域上导出了一种拟阵结构,对该类拟阵的独立集、相关集、极小圈、秩函数、闭包和闭集等性质进行了研究,给出了该类拟阵的对偶拟阵的独立集和极小圈的等价刻画。利用覆盖粗糙集模型中邻域和近似算子的概念建立了集值映射下的拟阵结构和粗糙集之间的联系。"}
{"title": "Linux系统调用跟踪和进程错误退出分析", "abst": "现有的Linux系统调用跟踪工具存在跟踪上下文信息不全、无法高效地对通过网络通信的多进程应用程序进行跟踪以及跟踪结果缺少图形化展现的问题。通过扩展Linux系统调用跟踪工具strace,实现了启发式跟踪工具heuristic-strace,其能够实时发现和自动跟踪应用程序中通过网络通信的进程,形成进程创建关系图、进程网络通信关系图,并结合系统调用的栈回溯信息,定位进程的错误退出原因。实验结果表明,此工具对能对典型的GUI和网络应用软件进行跟踪,引入的性能开销比较低,并能保证被跟踪软件的正常交互。"}
{"title": "适用网络的W态双服务器盲量子计算协议设计", "abst": "结合实际的网络环境,为提高盲量子计算协议的执行效率和减少客户端占用量子服务器的时间,利用Bell态与W态的纠缠交换原理,提出了一种适用网络的双服务器盲量子协议方案。方案中客户端将计算任务分为两部分,并分别与Bob1和Bob2按照单服务器盲量子计算步骤执行完成。因为制备分别用于构造两台量子服务器中砖墙态的量子比特,只由一台量子计算机、执行一次制备过程就可以完成,与单服务器BQC相比并没有增加额外的量子服务器资源投入。方案可以实现客户端完全经典,协议具有无条件安全性。"}
{"title": "分布式混合压缩感知无线传感器网络数据收集", "abst": "在传感器网络数据收集过程中,降低网络传输量对于网络传输效率和生命周期的延长具有重要意义。结合压缩感知思想,设计了一种分布式混合压缩感知的无线传感器网络数据收集方法。首先通过基于k-means++的方法均匀聚类形成簇,各簇进行基于混合压缩感知的分布式数据收集,完成后通过建立骨干树将数据传输至sink节点。仿真结果表明,在给定的仿真工况下(压缩率为10,节点数为800),与最短路径树混合压缩感知和最优树混合压缩感知算法相比,分别能减少40%和10%以上的传输量,与不使用混合压缩感知的收集方法相比减少70%以上的传输量;同时,节点传输量标准差由14.07和14.37和降低至11.85,置信区间大小由322.66和131.75降低至39.12,证明网络鲁棒性和负载均衡度均有提升。"}
{"title": "基于QoE的LTE多业务资源分配算法", "abst": "高效地利用无线频谱资源和保证用户体验质量是未来无线网络的主要目标。基于此,提出一种基于QoE的LTE多业务资源分配算法。在考虑信道信息、QoS要求及公平性的基础上,引入QoE来计算的用户优先级。特别的,引入最小QoE约束来保证RT用户QoE要求;提出一种次优资源块(Resource Block,RB)分配算法来解决复杂的资源分配优化问题,该算法主要分为两步:保证RT用户最小QoE要求;最大化系统加权和速率。仿真结果表明,相较现有的RT/NRT资源分配算法,该算法在用户分组丢失率、平均QoE和小区频谱效率方面性能都有所提升。"}
{"title": "应用改进卷积神经网络的网络安全态势预测方法", "abst": "针对神经网络态势预测模型训练复杂度高的问题,提出了一种基于改进卷积神经网络的态势预测方法。结合深度可分离卷积与分解卷积技术的优点,提出了一种基于复合卷积结构的改进型卷积神经网络安全态势预测模型,实现了态势要素和态势值的映射。实验仿真结果证明,相比于已有的典型预测方法,该方法明显降低了复杂度,减少了预测时间,并提升了预测准确率。"}
{"title": "考虑内容异构5G无线网络云对边混合缓存策略", "abst": "现有大多数内容缓存算法需要对内容流行度的准确估计,这在动态移动网络环境中是较难实现的。提出考虑内容异构5G无线网络云对边混合缓存策略,设计优化了内容缓存位置,其可以是原始内容服务器、云单元(CUs)和基站(BSs)。采用Lyapunov优化方法解决了NP-hard缓存控制问题与CU缓存和BS缓存控制决策之间的紧密耦合问题,有助于改善和识别网络体系结构的层次性和Cus缓存与BSs缓存之间的隶属关系,同时新的分层网络架构能够通过机会性地开发以云为中心和以边缘为中心的缓存来提高内容缓存性能,支持高平均请求的内容数据速率。采用李雅普诺夫优化技术,可实现恒定分数的容量区域的所有到达率的有限服务延迟,进而实现缓存数据的快速读取。仿真结果显示,所提缓存策略在平均端到端服务延迟和负载降低率方面具有较为显著的优势。"}
{"title": "面向人机交互的快速人体动作识别系统", "abst": "针对在Kinect平台利用人体动作进行人机交互的时效性问题,提出了一种基于时间序列相似性的快速人体动作识别方法。通过Kinect获取人体全身20个关节点,提取关键点的空间三维坐标,转化成特征向量,该特征向量模型能很好地对全身动作进行表示;在动作识别方面提出了一种快速动态时间弯曲距离(Fast Dynamic TimeWarping,F-DTW)算法,解决了因动作速度不同导致的两时间序列在时间轴上不一致的问题,通过引入下界函数和提前终止技术对算法进行加速优化,解决动作识别的时延问题,从而能快速地控制机器人;定义20种动作进行识别,平均识别速度较传统算法大大提高,验证了方法的有效性,满足与机器人交互的要求。"}
{"title": "基于特征选取与LSTM模型的股指预测方法研究", "abst": "为了更好地研究股指预测问题,提出了基于特征选取与LSTM模型的股指预测方法,该方法从优化特征参数选取角度对模型预测能力进行提升,包含全面选取特征参数、应用系统聚类法进行特征分类、应用主成分分析对分类特征进行降维三个步骤。在实证论证中,应用LSTM模型对纳斯达克股票指数数据和标普500指数数据进行预测,实验结果表明所提出的方法计算量小,预测结果在速度和准确度两方面分析均得到显著提升。"}
{"title": "应用机器学习方法的设计模式挖掘研究", "abst": "从源码中挖掘设计模式实例具有重要意义,它能够提升软件系统的可理解性和可维护性。基于机器学习方法,提出了一个设计模式挖掘方法。其中,使用类关系图表示软件系统和设计模式,采用子图匹配的方法从软件系统中提取出候选设计模式实例,过滤了大量非设计模式实例组合,提高了设计模式挖掘效率;提出了度量指标,将软件系统和设计模式向量化,采用机器学习的方法对候选设计模式实例进行分类,提高了设计模式挖掘的准确率。实验结果证明此方法效率和有效性上得到了一定的提升。"}
{"title": "商空间中半序结构的拓扑合成方法", "abst": "粒度转换是粒计算理论的重要内容之一。在总结讨论拓扑商空间的粒度转换的基础上,进一步讨论了半序结构的粒度转换,提出新的半序结构的拓扑合成方法。介绍了商空间理论中的粒度转换方法,引出半序空间的相关概念,主要提出了一种对多个半序空间进行合成的方法,并对合成后的结果进行了讨论,举例具体说明了该方法的使用步骤,说明了该方法的实用价值和意义。"}
{"title": "基于结构化低秩恢复的鲁棒人脸识别算法", "abst": "由于数据本身的自表示特性,当给定一个字典时,同类样本理论上具有相似的线性表示,所以所有样本的表示矩阵具有块对角结构。但在由于样本中存在的各种污损,数据子空间结构可能会被破坏。为了解决这一问题,很多基于低秩表示的恢复算法相继提出,但是仅有对表示的低秩约束并不能很好地将原始训练样本转化到理想的低秩子空间。因此,提出了一个鲁棒的结构化低秩恢复算法(Robust Structured Low-Rank Recovery,RSLRR)。RSLRR利用理想的标签矩约束阵促进低秩表示趋近于块对角结构,以此挖掘更多的潜在结构信息。同时,为了减少严格的趋近0-1标签矩阵造成的结构信息损失,RSLRR增加了一个正则化项用来减弱非块对角系数的负面影响。通过RSLRR算法可以得到一个判别的结构化字典,并可计算出一个低秩投影矩阵将所有测试样本有效的投影到其相应的低秩子空间。在AR和CMU PIE数据库上的实验结果验证了RSLRR算法的有效性和鲁棒性。"}
{"title": "考虑多粒度属性约简的关联规则挖掘研究", "abst": "大数据时代,人们获取所需信息的困难度提高,而数据挖掘是当下解决此问题的关键技术。Apriori算法作为数据挖掘中的常用算法,通过挖掘数据背后的潜在关联规则。考虑到传统Apriori算法执行过程中,数据扫描频繁、候选集获取繁琐等问题,提出采用加权Apriori算法,即将冗余记录存储一次,并将记录的重复次数占全部记录数的比值作为权重,压缩空间;采用二进制的布尔矩阵替代原有数据集,通过矩阵内部“与运算”,获取最大频繁集,降低时间复杂度。考虑到原始数据冗余性以及粗糙集属性约简的不精确性,在提取关联规则前,提出采用多粒度粗糙集的属性约简算法,通过知识粒度细化属性值来提高约简精度,降低空间复杂度。最后,将所提方法与基于频繁矩阵的Apriori算法以及原始Apriori算法进行比较,验证所提方法的实用性和有效性。"}
{"title": "基于ε邻域的三支决策聚类分析", "abst": "传统的聚类方法大都是二支决策,即决策一个元素属于一个类或者不属于一个类。然而在处理不确定性信息时,强制将其中的元素划分到一个类中,往往容易带来较高的决策风险。三支决策聚类将确定的元素放入核心域中,将不确定的元素放入边界域中延迟决策,可以有效地降低决策风险。利用数学形态学中膨胀与腐蚀的思想,提出了一种使用样本的ε邻域将二支聚类转化为三支聚类的方法。该方法在二支聚类的结果上,利用每个类中元素的ε邻域收缩得到核心域,扩张得到边界域。在UCI数据集上的实验结果显示该方法可以降低聚类结果的DBI,提高聚类结果的平均轮廓系数和准确率。"}
{"title": "序列信息融合与两阶段特征选择的膜蛋白预测", "abst": "膜蛋白的功能与其类型密切相关,因此膜蛋白类型的预测具有重要意义。针对膜蛋白特征表达过程中出现的特征维数高的问题,结合最大信息系数与遗传算法提出一种两阶段特征选择(MIC-GA)。抽取膜蛋白序列信息中的伪氨基酸组成、二肽组成和位置特异性分数矩阵等特征融合后作为特征参数,并在融合过程中提出一种改进的ReliefF算法(FReliefF)得到更有效的特征分数。基于Stacking集成学习框架,两次使用极端随机树对膜蛋白类型进行合理化预测。结果表明该方法能够有效提高膜蛋白预测的准确率。"}
{"title": "基于蜂群k-means算法的遥感图像聚类应用研究", "abst": "在遥感领域,获取用于训练的标记数据耗费巨大且困难,因此许多非监督技术逐渐被发展和应用于标记样本有限的遥感图像。将k均值和蜂群算法相结合,提出一种新的非监督聚类算法。使用灰度共生矩阵和小波变换提取遥感图像特征,对特征数据集进行蜂群k-means聚类。整个聚类过程首先使用最大最小距离积邻域均值法产生初始聚类中心,将蜂群算法和k-means算法交替执行,实现遥感图像的聚类。通过UCI数据集和凉水国家级自然保护区的遥感数据的实验结果表明,该算法具有较高的聚类准确率,满足遥感图像聚类的应用需求。"}
{"title": "结合局部熵能量泛函与非凸正则项的图像分割", "abst": "为了克服灰度不均匀对图像分割的影响,结合CV模型的全局能量项和LBF模型的局部能量项,引入图像局部熵信息和非凸正则项,构造新的能量泛函,提出了结合局部熵的局部能量泛函与非凸正则项的图像分割算法。该算法首先采用CV模型中的全局能量泛函得到图像的大致演化轮廓;通过构建具有局部熵信息的局部能量泛函,实现对图像的精确分割。然后,利用非凸正则项作为图像演化过程中零水平集逼近目标的又一驱动力驱动曲线演化和边缘保护。该算法利用变分水平集方法将这一新构建的能量泛函进行最小化,通过迭代更新水平集函数,完成曲线演化。最后,对比实验表明,所提出的算法可以高效、准确地分割灰度不均匀图像。"}
{"title": "基于改进的R-FCN带纹理透明塑料裂痕检测", "abst": "为了解决利用传统的机器学习方法来检测带纹理透明塑料裂痕的检测精度和识别率不高的问题,提出一种改进的基于区域的全卷积网络(Region-based Fully Convolutional Networks,R-FCN)检测方法,通过对R-FCN中的残差网络(Residual Network,ResNet)特征提取网络进行混合尺度感受野融合处理,弥补了原网络对微小裂痕敏感度不高的缺点。实验表明,改进后的R-FCN检测方法的裂痕检测精度比基于传统机器学习支持向量机(Support Vector Machine,SVM)检测方法的裂痕检测准确率高20%左右,比未改进的R-FCN检测方法的检测准确率高8%,证明了该方法的有效性。"}
{"title": "基于生成对抗网络的运动模糊图像复原", "abst": "针对相机成像时相机抖动、物体运动等导致图像产生运动模糊这一十分具有挑战性的问题,提出基于生成对抗网络的深度卷积神经网络来复原模糊图像的解决方案。该方案省略了模糊核估计的过程,采用端对端的方式直接获取复原图像;通过引入生成对抗网络思想的对抗损失和对残差网络进行改进,有效地复原了图像的细节信息。最后通过训练此深度卷积神经网络模型并在相关模糊复原基准数据集上测试,证明了该方案取得了较好的结果。"}
{"title": "多特征与边缘校正融合的天际线检测算法研究", "abst": "针对天际线的高鲁棒性与高准确率检测问题,提出了一种多特征提取与边缘校正融合的天际线检测算法。采用Gabor纹理特征和颜色特征提取天空与非天空区域随机训练像素点的多特征值,接着采用支持向量机(SupportVector Machine,SVM)对多特征值训练得到分类器,从而检测出天际线的初始坐标位置;接着采用Canny算子对灰度化图像进行边缘检测,并利用线性五邻域搜索算法对初始坐标位置进行校正,最终得到天际线坐标位置。最后将所提算法在Web数据集和Basalt Hills数据集上进行测试,实验结果表明:提出的算法能有效地检测出较复杂图像场景中的天际线位置,在一定程度上减少了图像中相关像素点的干扰,使检测出的天际线更加平滑。"}
{"title": "Hadoop平台下新型图像并行处理模型设计", "abst": "Hadoop在处理海量小图像数据时,存在输入分片过多以及海量小图像存储问题。针对这些问题,不同于采用HIPI、SequenceFile等方法,提出了一个新型图像并行处理模型。利用Hadoop适合处理纯文本数据的特性,本模型使用存储了图像路径的文本文件替换图像数据作为输入,不需要设计图像数据类型。在Map阶段直接完成图像的读取、处理、存储过程。为了简化图像处理算法,将OpenCV和Map函数结合并设计了对应的存储方法,实现小图像文件的存储。实验表明,在Hadoop分布式系统平台下,模型不论在小数据量还是在大数据量的测试数据环境中,都具有良好的吞吐性能和稳定性。"}
{"title": "利用信息熵的高光谱遥感影像降维方法", "abst": "高光谱遥感影像以其众多的波段数目,为地表观测提供近乎连续的波谱数据;然而海量的高光谱遥感影像存在着大量的信息冗余,为数据的处理带来了挑战。因此在对高光谱遥感影像进行存储、分析及可视化等操作之前,对高光谱遥感影像降维处理成为预处理的关键环节之一。利用信息熵理论,将高光谱遥感影像的各波段抽象为具有相关性的独立个体,设计了高光谱遥感影像的决策表矩阵,进而计算各波段的信息熵,量化各波段的信息量,从而将各波段根据信息增益进行排序。用户可根据高光谱遥感影像应用的精度需求,按排序选择波段组合,从而达到降维目的。以遥感分类结果的精度评价为例,对高光谱遥感降维方法的可行性和优越性进行评价。实验结果表明,该方法相较其他特征选取降维方法,能获得更高的分类精度。"}
{"title": "图正则化迁移稀疏概念编码的跨域图像分类", "abst": "为克服不同图像域之间的特征“差异”,跨越分布“鸿沟”,提出了一种基于正则化迁移稀疏概念编码的跨域图像分类方法。将图像域间的分布差异性和标签相关性信息融入稀疏编码模型中,以学习跨域图像的鲁棒性稀疏表示,从高维的图像特征空间中挖掘图像低维流形结构,形成基向量集,构造跨域图像的迁移稀疏概念编码。该方法挖掘不同图像域之间的共同特征表达,实现了图像标签的跨域迁移。通过在多个图像数据库中的比较实验表明,该方法获得更为鲁棒的图像特征表达,其分类性能显著优于其他相关比较方法。"}
{"title": "基于改进的Chan-Vese模型与边缘转换的图像分割算法", "abst": "为了实现物联网环境下果园飞鸟的自动驱离,使其复杂条件下能够准确驱赶空中的飞鸟,提出了一种基于改进的Chan-Vese模型与边缘转换的空中飞鸟分割算法。通过准确识别飞鸟,为系统自动发出超声波驱离飞鸟提供准确的信息。利用Canny算子获取飞鸟图像的边缘信息;使用欧氏距离计算得到二进制边缘的距离映射;引入S形函数,构建边缘转换图;引入自动局部比,对Chan-Vese模型进行改进,以准确分割边缘映射图。实验结果表明:与SBGFRLS算法、G-CV算法和FAST EDGE算法相比,该算法具有更高的分割精度,在面对单目标图像分割时,其区域匹配率最高,约为70%,而均方根误差比率只有13%;对于含双目标的图像分割时,其区域匹配率最高,约为85%,而均方根误差比率只有5%。"}
{"title": "Cordova-NodeJS混合式物联网信息服务系统", "abst": "针对传统物联网信息服务系统不能实现物联网终端汇聚节点和物联网应用服务器兼容,无法利用现有的互联网生态圈这两大问题,提出了一种新型Cordova-NodeJS混合式物联网信息服务系统。该系统由基于改进内核的Cordova框架构成的物联网终端汇聚节点和基于Node.js并配合最优点产生算法构成的物联网应用服务器所组成。结合所提出的混合式信息服务架构,该系统运行良好。实验仿真结果也表明,使用该系统架构的物联网信息服务系统相关数据指标较传统信息服务系统表现优异,接近于互联网信息服务系统数据指标,证明该系统具有研究价值。"}
{"title": "改进遗传算法求解走班制下的排课问题", "abst": "针对新高考政策背景下课程安排的问题,分析了走班制制度下排课的特点,结合现实中学校的资源条件以及学生和教师对课程安排的偏好,设计了有针对性的生成可行解方法和适应度函数,克服了传统遗传算法无法适用于走班制下排课的问题。使用改进后的遗传算法分别对走班课程和非走班课程进行排课,其中对于走班课程,将每个年级的班级分为若干个组,同一个组中的所有相同课程安排在相同的时间。实验结果证明了该算法可以得到合理的排课方案。"}
{"title": "多次抢占项目调度问题的混合遗传算法", "abst": "研究多次抢占式资源受限的项目调度问题,假设任意时间点可作为资源抢占节点且抢占次数不受限制,建立满足多次资源抢占的线性整数规划模型并提出改进遗传算法对其进行求解。为克服遗传算法(GA)局部搜索能力缺陷,在算法中引入禁忌搜索(TS)进一步优化子代。针对性地设计了允许多次抢占的基于工作优先级编码策略以及串行调度方案生成机制。通过测试算例集实验调试算法参数,并以标准算例集(Project Scheduling ProblemLibrary,PSPLIB)对算法进行可行性检验。实验结果表明,资源受限项目调度问题中引入多次抢占机制能有效缩减项目工期,设计的算法对问题求解效果良好。"}
{"title": "事件驱动Markov型网络系统的输出反馈H_∞控制", "abst": "针对事件驱动马尔可夫型网络系统的输出反馈H_∞控制问题,通过构造包含事件驱动和量化输出信息的李雅普诺夫函数,采用Wirtinger’s不等式估计李雅普诺夫函数的弱无穷小算子的上界,从而获得事情驱动马尔可夫型网络闭环系统稳定性判据,并给出满足H_∞扰动抑制水平的输出反馈控制器设计方法,有效地克服了扰动给系统带来的影响。数值例子验证所提出的方法的有效性。"}
{"title": "城市出租车乘客出行特征可视化分析方法", "abst": "可视化技术通过图形表现数据的内在规律,并可利用交互的形式实现数据的层次化展示,其在分析交通数据、发现交通问题以及辅助决策中扮演着越来越重要的角色。为了更加清晰、直观地展示城市出租车GPS轨迹数据传递的信息,解决因其数据量庞大和时空信息复杂而带来的分析难题,提出一种集成聚集可视化、特征可视化对出租车GPS轨迹数据进行可视化分析的方法。首先,通过数据处理得到可用于可视化的特征数据,而后对乘客上下车点进行聚集可视化,并利用多视图协同交互的方法对轨迹数据进行了特征可视化;最后,根据可视化结果对城市出租车乘客出行特征时空分布情况进行了分析。在此基础上,设计了一个交互式可视分析系统,并通过真实数据集案例验证了系统的有效性。"}
{"title": "STL模型特征信息的自适应分层的研究", "abst": "模型的分层是3D打印前处理的一个重要环节,针对目前分层算法效率低、不能有效保留模型细微特征的问题,提出了一种新的基于STL模型特征信息的思想。首先提取模型的特征边,对特征边内实体表面采用区域增长算法进行表面分割,然后对分割后的表面判断其类型,最后对于不同的表面类型采用不同的分层求交处理算法。利用VC++6.0平台和OpenGL显示技术,依据模型表面几何特征自适应地变动层厚,减小台阶效应,加快分层效率,同样能很好地保留模型局部特征,且该算法可以根据实际模型的成型方向,实现分层方向的改变,保证成型零件的精度。"}
{"title": "带多软时间窗VRP及其禁忌搜索算法", "abst": "分析了带多软时间窗VRP实际应用背景和特点,以使用的车辆数、行驶费用和偏离时间窗的惩罚费用为优化目标,结合车辆载重、最大路长等限制,建立该问题的数学模型,并设计求解该问题的自适应禁忌搜索算法。为增强算法的全局寻优能力,设计了多邻域结构并在算法中嵌入一种有限地接受不可行解的自适应机制。分别用文献中的算例和以Solomon标准算例为基础构建的新算例测试该算法,并将结果与其他方法进行对比分析。对比结果表明,所提出的算法性能较好,能在可接受的时间内求出运输成本更少、满意度更高的解。"}
{"title": "混合蝗虫优化算法求解作业车间调度问题", "abst": "作为新兴的智能算法,蝗虫优化算法在作业车间调度问题中的应用符合智能制造的趋势。但由于全局寻优能力不足,基本蝗虫优化算法(GOA)在解决作业车间调度问题(JSP)时容易陷入局部最优,导致收敛精度较低。为了克服上述缺陷,利用量子旋转门操作对其进行改进,提出了一种基于量子计算思想的混合蝗虫优化算法(HGOA)。此外,对混合蝗虫优化算法进行了计算复杂度分析与全局收敛性证明,并利用11个作业车间标准测试问题进行了仿真实验。通过与基本蝗虫优化算法(GOA)、鲸鱼优化算法(WOA)、布谷鸟搜索算法(CS)、灰狼优化算法(GWO)的比较发现,混合蝗虫优化算法在平均值、最小值、寻优成功率及迭代次数方面存在较优结果。研究表明,混合蝗虫优化算法具有更强的全局搜索能力,更好的收敛精度,能够有效跳出局部最优。"}
{"title": "考虑运输中断的可靠三级供应链网络设计", "abst": "现实供应链网络中每条运输路径都存在中断风险,只有合理地选择供应设施及其运输路径才能在一定程度上保证整个网络的运输可靠性。在设施能力约束下,为了保证总运营成本的最小化和整个网络的运输可靠性的最大化,提出了一个新的三级供应链网络设计的两目标混合整数规划模型。利用改进的非支配排序遗传算法(NSGA-II)求解提出的模型,并根据决策变量之间的关系设计新的染色体解码方法。通过路径可靠度对比实验和算例规模对比实验,不仅分析了模型的灵敏度和算法的有效性,还讨论了设施能力约束对算例结果的影响。构建的LRP模型及算法的研究能有效地帮助决策者设计出低成本、高可靠性的三级供应链网络。"}
{"title": "2018年中国高性能计算机发展现状分析与展望", "abst": "根据2018年11月发布的中国高性能计算机TOP100排行榜的数据,文中从总体性能、制造商、行业领域等方面对国内高性能计算机的发展现状进行了深入分析。中国TOP100的平均Linpack性能继续保持高于国际TOP500平均Linpack性能的局面,且TOP100的入门性能门槛仍然超过TOP500。中国TOP100上的超级计算系统均是国产超算系统,曙光和联想并列为数量冠军,曙光、联想和浪潮三强争霸的局面继续保持和加强。在此基础上,根据十七届排行榜的性能数据,对未来中国大陆高性能计算机的发展趋势进行了分析和预测。根据新的数据,笔者认为:峰值Exaflops的机器将在2019-2020年间出现;峰值10Exaflops的机器将在2022-2023年间出现;峰值100Exaflops的机器将在2024-2025年间出现。"}
{"title": "面向云环境的多关键词密文排序检索研究综述", "abst": "随着云计算的广泛应用,面向数据或计算的外包服务模式越来越被业界所接受。为了保护数据拥有者外包数据的私密性,具备隐私保护能力的高效密文排序检索技术逐渐成为目前备受关注的一个研究热点。文中以面向云环境的多关键词密文排序检索技术为关注重点,介绍了现有研究工作的系统模型和威胁模型,并描述了模型中关于隐私保护、检索效率与准确率、检索结果完整性等的问题;全面分析了现有工作中典型的多关键词密文排序检索方法及相关扩展研究,讨论并梳理了这些方法的核心思想;最后,对现有研究工作进行了总结,并给出了该研究领域中待解决的关键性问题和未来的研究方向。"}
{"title": "基于SDN的内容中心网络研究综述", "abst": "内容中心网络(Content Centric Network,CCN)在实际部署过程中面临诸多挑战,而近年来软件定义网络(Software Defined Networking,SDN)发展迅速,开放可编程与集中化控制等特性为CCN的部署带来了新的方向,基于SDN实现CCN的方案逐渐受到关注。首先概述了相关背景,归纳出结合SDN的CCN部署中的关键问题,由此分析二者融合的优势及困难;然后介绍国内外的研究现状,将现阶段各种融合网络方案归纳为纯集中式方案和半集中式方案两类,并对有代表性的设计方案进行了介绍与评价,对比总结了各类型方案的特点;最后展望了未来的研究方向。"}
{"title": "时间序列预测方法综述", "abst": "时间序列是按照时间排序的一组随机变量,它通常是在相等间隔的时间段内依照给定的采样率对某种潜在过程进行观测的结果。时间序列数据本质上反映的是某个或者某些随机变量随时间不断变化的趋势,而时间序列预测方法的核心就是从数据中挖掘出这种规律,并利用其对将来的数据做出估计。针对时间序列预测方法,着重介绍了传统的时间序列预测方法、基于机器学习的时间序列预测方法和基于参数模型的在线时间序列预测方法,并对未来的研究方向进行了进一步的展望。"}
{"title": "基于shapelet的时间序列分类研究", "abst": "时间序列是随时间次序变化的高维实值数据,广泛存在于医学、金融、监控等领域。因为传统的分类算法在时间序列上的分类效果不佳且不具备可解释性,而shapelet为时间序列中最具辨别性的连续子序列,具有可解释性,所以基于shapelet的时间序列分类已成为时间序列分类研究的热点之一。首先,通过归纳总结,将现有的时间序列shapelet发现算法分为空间搜索发现shapelet和目标函数优化学习shapelet两类,并介绍了shapelet的相关应用;然后,从分类的对象出发,重点阐述了基于shapelet的一元时间序列和多元时间序列的分类算法;最后,指出了基于shapelet的时间序列分类在未来的研究方向。"}
{"title": "基于压缩感知的心脏磁共振快速成像的应用现状与发展趋势", "abst": "为了改善心脏磁共振成像(Cardiac Magnetic Resonance,CMR)在实际应用中成像时间长且存在运动伪影等不足,将压缩感知理论(Compressed Sensing,CS)引入其中,充分利用K空间信息冗余的特性,实现由部分K空间数据重构心脏组织影像,在减少伪影、保证精度的同时加快成像速度。结合近3年的国内外文献,首先对CMR现状、常用序列和技术以及采样模式、压缩感知理论框架分别进行阐述;其次对CMR的最新成果及应用现状进行综述和概括;然后介绍压缩感知图像重构的相关定量评价指标,给出作者在CS-CMR图像重构方面的研究进展;最后总结当前研究中的不足,并展望未来的发展方向。"}
{"title": "层次粒结构下粗糙模糊集的不确定性度量", "abst": "众所周知,经典粗糙集的不确定性来自于边界域,但是对于粗糙模糊集来说,其正域和负域中的元素存在不确定性,从而导致粗糙模糊集的不确定性不仅来自于边界域,还来自于正域和负域。另外,在粗糙模糊集中,一个模糊概念可以通过层次粒结构中不同的粗糙近似空间进行刻画,随着粒度的变化,模糊概念的不确定性的变化规律如何?对此,文中提出一种基于模糊度的不确定性度量公式,并基于均值模糊集分析了粗糙模糊集模型,得出粗糙模糊集不确定性度量的模型同样适合于度量概率粗糙集的不确定性的结论。其次,采用基于模糊度的不确定性度量方法,揭示了分层递阶的多粒度空间下粗糙模糊集不确定性的变化规律。然后,分析了3个域(正域、边界域和负域)的不确定性,并揭示了它们在分层递阶的多粒度空间下的变化规律。最后,通过实验验证了所提不确定性度量理论的有效性。"}
{"title": "网络维数:一种度量复杂网络的新方法", "abst": "如何对复杂网络进行刻画与度量,一直是人们关注的热点。在研究自相似复杂网络分形维数的基础上,提出了一种度量复杂网络的新方法——网络维数,即复杂网络边权重和的对数值与节点权重和的对数值的比值,可以将边权重及点权重推广到实数域和复数域;同时给出了不同类型权重对应的网络维数的计算方法;最后以几个代表性的经典复杂网络模型为例,讨论了所提出的网络维数的若干性质。"}
{"title": "在线核选择的对抗式多臂赌博机模型", "abst": "在线核选择是在线核方法的重要工作,可分为过滤式、包裹式和嵌入式3种类型。已有在线核选择探索了包裹式方法和嵌入式方法,也经验地采用了过滤式方法,但迄今尚没有一个统一的框架来比较、分析并研究各种在线核选择问题。文中提出一种在线核选择的多臂赌博机模型,该模型可作为一个统一框架,同时给出在线核选择的包裹式方法和嵌入式方法。给定候选核集合,候选集中的一个核对应多臂赌博机模型中的一个臂,在线核选择的每回合依据一个概率分布重复地随机选择多个核,并应用指数加权的方法来更新该概率分布。这样,在线核选择问题本质上可归约为一个非遗忘对手环境下的对抗式多臂赌博机问题,并可应用对抗式多臂赌博机模型统一地给出在线核选择的包裹式方法和嵌入式方法。文中进一步提出一个新的在线核选择后悔的概念,理论证明包裹式方法具有关于回合数亚线性的弱期望后悔界,并且嵌入式方法具有关于回合数亚线性的期望后悔界。最后,在标准数据集上通过实验验证了所提统一框架的可行性。"}
{"title": "概念漂移数据流分类中的多源在线迁移学习算法", "abst": "\"现有概念漂移处理算法在检测到概念漂移发生后,通常需要在新到概念上重新训练分类器,同时\"\"遗忘\"\"以往训练的分类器。在概念漂移发生初期,由于能够获取到的属于新到概念的样本较少,导致新建的分类器在短时间内无法得到充分训练,分类性能通常较差。进一步,现有的基于在线迁移学习的数据流分类算法仅能使用单个分类器的知识辅助新到概念进行学习,在历史概念与新到概念相似性较差时,分类模型的分类准确率不理想。针对以上问题,文中提出一种能够利用多个历史分类器知识的数据流分类算法——CMOL。CMOL算法采取分类器权重动态调节机制,根据分类器的权重对分类器池进行更新,使得分类器池能够尽可能地包含更多的概念。实验表明,相较于其他相关算法,CMOL算法能够在概念漂移发生时更快地适应新到概念,显示出更高的分类准确率。\""}
{"title": "基于迁移学习的图像检索算法", "abst": "近年来,随着互联网的发展和智能设备的普及,网络上存储的图片数量呈现爆发式增长,同时,不同类型的社交网络、媒体的用户数量也连续增长。在这种情况下,网络上的多媒体数据类型也发生了变革,在包含其本身携带的视觉信息的同时,也包含用户为其设定的标签信息、文本信息。在这种多模态信息杂糅的环境下,如何向用户提供快速准确的图像检索结果,是多媒体检索领域的一个新挑战。文中提出了一种基于迁移学习的图像检索算法,在对图像的视觉信息进行学习的同时,也对图像的文本信息进行学习,并将学习到的结果迁移到视觉信息领域,进行跨模态信息融合,进而产生包含跨模态信息的图像特征。经实验证明,所提算法能够实现更优的图像检索结果。"}
{"title": "数据集分类可用性评估的置信区间方法", "abst": "如何有效评价训练数据集的可用性,一直是困扰智能分类系统应用的难点问题。针对机器学习领域的数据分类问题,提出了一种基于区间分析和信息粒化的数据集分类可用性的评估方法,用于评价数据集的可分程度。该方法将待评估的数据集定义为分类信息系统,提出了分类置信区间的概念,通过区间分析进行信息粒化。在此信息粒化策略下,定义分类可用性的数学模型,并进一步给出单个属性以及整体数据集的分类可用性的计算方法。选择18个UCI标准数据集作为评估对象,给出了部分数据集分类可用性的评估结果,并且选取3种分类器对所选数据集进行分类实验,最终通过对上述实验结果的分析证明了该评估方法的有效性和可行性。"}
{"title": "基于改进逆滤波的衍射成像光谱仪图像复原方法", "abst": "针对在衍射光谱仪(DOIS)成像中离焦谱段对准焦谱段成像造成干扰而导致的图像模糊问题,提出一种改进的逆滤波复原方法,旨在解决逆滤波中存在的不适定问题,并利用该方法对衍射光谱图像进行复原。改进的逆滤波算法通过引入正则化矩阵来改变原始问题的求解形式,将逆滤波函数进行正则化,从而减弱噪声对图像复原效果所产生的影响。通过将图像复原过程转换为矩阵求逆的过程,并在SVD算法求解过程中添加规则滤波器的方法,来调节正则化矩阵的形式以及参数的大小,达到了减弱矩阵的病态性并取得较优的复原效果的目的。实验结果表明,该方法能够有效地对衍射成像光谱仪图像进行复原,在一定程度上提高了拉普拉斯梯度以及图像质量指数(QI)值,同时减小了均方根(RMSE)值。所提方法能够抑制噪声干扰,增强图像清晰度,复原出与参考图相似度更高的单谱段图像,并能够获得更好的光谱曲线,有助于分析出地貌特征。"}
{"title": "样本自适应的不平衡分类器", "abst": "大数据时代,不平衡数据分类在实际应用场景中频繁出现。以二分类为例,传统分类器由于较难学习少数类数据集内部的本质结构,容易将少数类样本错误分类。针对这一问题,一种有效的解决方法是在传统的方法中引入代价敏感机制,为少数类样本赋予更高的误分代价以提升其预测精度。这类方法同等对待了同类样本集中的数据,然而同一类内的不同样本可能对训练过程有不同程度的贡献。为了提升代价敏感机制的有效性,样本自适应的代价敏感策略为不同的样本赋予不同的权重。首先,通过考察样本局部的类分布情况,判断其距离两类样本边界的远近;然后,根据边界分布理论,即距离决策面越近的样本对决策面位置的影响越大,为距离两类样本边界越近的样本赋予越高的权重。实验过程中,通过将样本自适应代价敏感策略应用于LDM,并在标准数据集上进行一系列对比实验,验证了样本自适应代价敏感策略在处理不平衡数据分类问题上的有效性。"}
{"title": "不同纹理复杂度图像生成中CycleGAN循环一致损失系数优化选择方法", "abst": "高质量的图像生成一直是计算机视觉等领域探索的难点和热点。通过使用循环一致损失,CycleGAN在无监督图像生成任务中取得了良好效果。但是面对不同纹理复杂度的图像生成任务,CycleGAN的循环一致损失系数是默认不变的,使得生成图像存在纹理变形甚至消失等弱点,不能很好地保证生成图像的质量。文中融合图像的空间维度和时间维度来度量图像的纹理复杂性,阐明循环一致损失函数在优化目标函数中的重要性,发现并解释循环一致损失系数的大小与不同纹理复杂度图像生成质量的关联性:纹理复杂度越高,应选择越大的循环一致损失系数;反之,应取越小的循环一致损失系数。文中使用基准和自采集的图像数据集,引入了基于迁移学习的分类准确性等生成图像质量评估指标。实验结果表明,优化选择大小合适的循环一致损失系数,可有效提高生成图像的质量。"}
{"title": "基于区间分类的螺旋图可视化边绑定方法", "abst": "在时序数据可视化领域,螺旋图是一种常用的可视化方法,它既能将多个阶段的数据同时展示在一个平面空间内,又能在有限的空间内展示任意时长的数据。针对现有的螺旋图可视化方法在展示大量的时间序列数据时会出现因螺旋线交叉而导致视觉杂乱的问题,研究螺旋图可视化方法意义非凡。首先将状态圆环上的数据点进行分类;然后在相邻的状态圆环之间设置虚拟绑定圆环,通过边绑定的函数将状态圆环上的数据点映射到其对应的虚拟绑定圆环上;最后在状态圆环与其对应的虚拟绑定圆环之间绘制Bézier曲线,在虚拟绑定圆环与虚拟绑定圆环之间绘制螺旋线,从而实现边绑定的效果。实验结果表明,该边绑定算法能够有效地对大规模数据进行可视化,并能有效地缓解视觉杂乱的问题。"}
{"title": "基于状态转移和模糊思考的迁徙优化算法", "abst": "基于现有的动物迁徙算法(AMO),提出基于状态转移和模糊思考的迁徙优化算法(SMO)来解决全局优化问题。SMO算法中引入了状态模型和模糊对立模型。首先,状态模型中使用两种状态(分散状态和集中状态)来描述种群分布。在分散状态下,群体随机分布于解空间中,因此,使用概率决策的方式探索解空间,这个过程属于空间探索;随着个体之间的相互学习,个体之间的差异已经很小,群体进入集中状态,此时使用基于步长的搜索策略来调节个体位置,这个过程属于局部勘探。因此,将二者结合可以平衡空间探索和局部勘探功能。其次,算法使用了模糊对立模型,充分利用个体的模糊对立位置,增加了群体的多样性,提高了算法的收敛精度。然后,从理论上证明了该算法的收敛性,并且使用12个基准测试函数来验证算法的性能。最后,将该算法与其他优化算法进行比较,实验结果验证了该算法在优化问题上的有效性。"}
{"title": "基于多视图集成的网络表示学习算法", "abst": "现有的网络表示学习算法主要为基于浅层神经网络的网络表示学习和基于神经矩阵分解的网络表示学习。基于浅层神经网络的网络表示学习又被证实是分解网络结构的特征矩阵。另外,现有的大多数网络表示学习仅仅从网络的结构学习特征,即单视图的表示学习;然而,网络本身蕴含有多种视图。因此,文中提出了一种基于多视图集成的网络表示学习算法(MVENR)。该算法摈弃了神经网络的训练过程,将矩阵的信息融合和分解思想融入到网络表示学习中。另外,将网络的结构视图、连边权重视图和节点属性视图进行了有效的融合,弥补了现有网络表示学习中忽略了网络连边权重的不足,解决了基于单一视图训练时网络特征稀疏的问题。实验结果表明,所提MVENR算法的性能优于网络表示学习中部分常用的联合学习算法和基于结构的网络表示学习算法,是一种简单且高效的网络表示学习算法。"}
{"title": "一种基于深度学习的混合推荐算法", "abst": "推荐系统在电子商务的发展中发挥着越来越重要的作用,但用户对物品评分数据的稀疏性往往是推荐精度较低的重要原因。目前通常采用推荐技术对辅助信息进行处理,以缓解用户评价的稀疏性,并提高预测评分精度。通过相关模型,可以利用文本数据来提取物品的隐藏特征。最近,深度学习算法快速发展,因此文中选用了一种具有强大特征提取能力的新型深度网络架构——变分自编码器(Variational AutoEncoder,VAE)。通过将无监督变分自编码融合到概率矩阵分解(Probability Matrix Factorization,PMF)中,构建了一种感知上下文的新型推荐模型——变分矩阵分解(Variational AutoEncoder Matrix Factorization,VAEMF)。首先使用TD-IDF对物品的评价文档进行数据预处理,然后对处理后的数据使用VAE捕获物品的上下文信息特征,最后使用概率矩阵分解进一步提高预测评分精度。在两个真实数据集上的实验结果验证了所提方法相较于自编码算法及概率矩阵分解算法的优势。"}
{"title": "基于犹豫模糊可信度的知识推理", "abst": "针对不确定性推理中的可信度估值不精确的问题,将犹豫模糊集引入可信度不确定性推理中。提出犹豫模糊可信度的定义,并基于可信度的知识表示给出犹豫模糊可信度的知识表示方式。为解决专家在推理过程中出现的信息缺失问题,提出求解平均值的信息补全方法。构建犹豫模糊可信度的单条规则和多条规则并行关系的运算法则,并给出基于犹豫模糊可信度的知识表示与推理的具体步骤。最后,运用实例验证了所提算法的可行性及有效性。"}
{"title": "一种基于置信度稳定性的SCMA多用户检测算法", "abst": "稀疏码分多址(即非正交多址)(Sparse Code Multiple Access,SCMA)技术,具有在有限频谱资源下过载通信的特点,能够显著提升频谱利用率。得益于稀疏码分多址码本的稀疏性,消息传递算法(Message Passing Algorithm,MPA)成为经典多用户检测算法。在传统MPA方法中,尽管与最大似然译码具有相近的误比特率(Bit Error Ratio,BER)性能,但指数运算的复杂度仍然很高。据此,设计一种基于置信度的动态边缘选择更新方法,以减少不必要的节点运算。每次迭代中,利用因子图模型中功能节点到变量节点的置信度稳定性信息,动态判定是否需要节点更新运算。仿真结果表明,动态边缘选择方案使得算法的复杂度得到显著降低,并且能够与BER取得良好的均衡。"}
{"title": "基于优化链路权值的域内路由保护方案", "abst": "目前,互联网部署的域内链路状态路由协议,如开放最短路径优先(Open Shortest Path First,OSPF)和中间系统到中间系统(Intermediate System-to-Intermediate System,IS-IS),采用被动恢复方案应对网络故障。随着网络的发展,大量的实时应用部署在互联网上,OSPF的收敛时间无法满足这些实时应用对收敛时间的需求。因此,学术界和工业界提出采用路由保护方案来应对网路中出现的故障。然而,已有的路由保护方案存在两个方面的问题:1)默认路径和备份路径的交叉度较高,如LFA;2)为了计算两条交叉度低的路径,对默认路径加以限制,即默认路径不采用最短路径,如Color Tree。为了解决上述两个问题,首先将上述问题归结为整数规划模型,接着利用启发式方法计算近似最优解,最后在实际网络和模拟网络中对所提算法进行了大量实验。实验结果表明,所提算法可以降低默认路径和备份路径的交叉度,极大地提高网络的可用性。"}
{"title": "基于WSAN的物联网软件分布式知识框架及其实现方法", "abst": "随着物联网的深入发展和智能传感器的出现,传统软件逐渐暴露出自身性能的不足。为满足设备自治的需求和利用边缘网络的计算资源,分析了物联网软件的特征,提出了物联网软件的分布式知识框架及其具体实现方法。通过识别物联网软件的环境逻辑并定义环境逻辑的演化规则,使环境逻辑可以嵌入底层无线节点。依靠智能传感器监控环境变化、触发软件逻辑,实现软件的正确执行。最后依据现实场景的运行情况及相关指标的分析,来说明所提方法的适用性。"}
{"title": "基于局部社团和节点相关性的链路预测算法", "abst": "基于网络拓扑结构信息的链路预测算法是预测网络未知连边或未来连边的有效方法。在实际应用中,通过进一步提取网络结构信息可以提高网络链路预测结果的精度。文中提出了一种基于局部社团和节点相关性的链路预测算法(HCRP)。该算法把种子节点对的一阶局部社团扩展到二阶局部社团,获得了比一阶局部社团更多的网络结构信息;在用皮尔逊系数计算两个种子节点的相关系数时,该算法也考虑了二阶局部社团的最短路径、边聚类系数和连边密度对两个种子节点相似度的影响,获得了良好的预测网络连边的效果。实验采用了10个真实网络的数据,并对比了HCRP算法和11种知名算法,数值实验结果表明所提算法具有优良的链路预测性能。"}
{"title": "一种为地面WSN充电的无人机碰撞规避路径规划方法", "abst": "多个无人机为大面积分布的地面传感器节点无线充电的应用中,飞行路线的规划关系着无线传感器网络的覆盖率及生命周期,但无人机有限的续航时间及规避碰撞等约束增加了路径规划的难度。文中首先提出一种集中式逐次贪婪路径规划算法(Sequential Geedy Route Planning Scheme,SGRP),令无人机在已知节点位置信息的情况下,根据自身的资源逐个将节点纳入任务集并放置在路径的最合适顺序上。理论证明,SGRP算法在最差情况下也能获得最优规划算法50%的性能。接着在SGRP算法的基础上,基于改进的CPA碰撞检测模型设计了逐次贪婪碰撞规避路径规划算法SGACRP。该算法每次迭代选择一个节点、无人机及路径顺序的最佳匹配组合,在最大化收益的同时满足了无人机资源受限及碰撞规避的要求。最后以时间折扣型函数作为无人机收益函数,通过仿真验证了碰撞规避措施的有效性,同时验证了碰撞规避算法虽然增加了无线传感器网络的总充电完成时间,但并不影响其监测率。另一方面,仿真证明了根据与目标点的距离设置节点的固定收益,能有效改善地面无线传感器网络的监测概率。"}
{"title": "无线蜂窝网中用于D2D多播簇的高效多播方案", "abst": "在无线蜂窝网中使用设备到设备(Device-to-Device,D2D)通信技术,可以有效卸载基站的流量。文中研究基站到某个小区域(如一幢办公楼)内多个设备的基于D2D通信的高效数据多播,提出了一种基于D2D通信的包接收率(Packet Reception Ratio,PRR)和包平均转发次数(Average Packet Retransmission times,APRT)可控的多播方案,并分别以PRR下限约束下的APRT最小化(PRR constrained APRT minimization,APRT-M)和APRT上限约束下的PRR最大化(APRT constrained PRR maximization,PRR-M)为目标,最优化中继节点最大转发次数。相比于传统方案,所提方案可显著降低BS的多播负载。APRT-M方式以尽可能降低PRR(但不小于给定值)为代价来最小化APRT,而PRR-M方式以尽可能增大APRT(但不大于给定值)为代价来最大化PRR。"}
{"title": "基于智能卡的扩展混沌映射异步认证密钥协商协议", "abst": "身份认证是确保信息安全的重要手段,混沌映射身份认证协议因其高效性而成为近期研究的热点。2015年,Zhu提出了一个改进的混沌映射协议,声称其可以抵抗冒充攻击、字典攻击,并且提供用户匿名性;然而,Tong等指出Zhu的协议存在离线字典攻击、冒充攻击等问题且无法确保用户匿名性,并提出了一个新的改进协议(简称TC协议)。针对Zhu和TC协议方案,文中指出了其不能确保前向安全性以及容易遭受拒绝服务攻击等安全性缺陷,并提出了一个新的基于智能卡的混沌映射协议方案。安全性分析及同其他相关方案的比较结果表明了所提协议的高安全性和实用性。"}
{"title": "基于云的轻量级RFID群组标签认证协议", "abst": "射频识别技术(Radio Frequency Identification,RFID)作为物联网中标识物品的关键技术,其因低成本、易携带等优势而得到了广泛的应用。基于云存储的RFID技术相较于传统RFID技术更具有应用市场,但其安全隐私问题也更为严重。另外,现有的很多群组标签认证协议不仅不符合轻量级要求,还具有密钥失同步的问题。文中提出一种基于云的轻量级RFID群组标签认证协议。该协议基于Hash函数而设计,它不仅解决了上述安全隐患,还能在群组认证过程中筛除无效标签和假冒标签。最后,利用BAN逻辑对该协议进行了分析。安全目标分析表明,该协议可以抗多重DOS攻击以及其他基本攻击,并满足前向安全性。"}
{"title": "基于轨迹多特性的隐私保护算法", "abst": "现有基于聚类的轨迹隐私保护算法在衡量轨迹间的相似性时大多以空间特征为标准,忽略了轨迹蕴含的其他方面的特性对轨迹相似性的影响。针对这一情况可能导致的匿名后数据可用性较低的问题,提出了一种基于轨迹多特性的隐私保护算法。该算法考虑了轨迹数据的不确定性,综合方向、速度、时间和空间4个特性的差异作为轨迹相似性度量的依据,以提高轨迹聚类过程中同一聚类集合中轨迹之间的相似度;在此基础上,通过空间平移的方式实现同一聚类集合中轨迹的k-匿名。实验结果表明,与经典隐私保护算法相比,在满足一定隐私保护需求的前提下,采用所提算法实施隐私保护之后的轨迹数据整体具有较高的数据可用性。"}
{"title": "基于DCT域相关性的非对称JPEG隐写", "abst": "目前用于JPEG隐写的失真代价函数对同一DCT系数的加一与减一操作分配相同的代价值。但由于JPEG图像中DCT域的相关性,加一与减一修改对图像内容的影响不同,因此其对应的代价值也理应不同。文中基于DCT域相关性,提出了一种适用于JPEG隐写的通用代价值优化方法,主要考虑JPEG图像中相邻DCT块相同位置上系数的相关性。利用八邻域块中相同位置的DCT系数求平均的方法给出当前DCT系数的预测值。对现有的JPEG失真代价函数,按照向预测值靠拢的原则区分加一和减一的代价值。经过调整的代价值能引导隐写修改后的DCT系数最大程度地向预测值靠拢,增强DCT域相关性,从而提高隐写的安全性。该方法可以与任何现有的JPEG隐写失真代价函数结合使用。实验表明,所提方法几乎不增加原始算法的时间复杂度,同时能有效提高现有JPEG隐写方法的安全性,可使当前隐写分析工具的测试误差平均提升2.4%。"}
{"title": "一种数据流相关过滤器自动插入的注入入侵避免方案", "abst": "注入类漏洞是动态Web应用程序中广泛存在的漏洞。文中对注入漏洞产生和利用的必要条件进行分析,并利用相关方法针对注入变量的不同类型(数字型、字符型和搜索型)进行区分防范;对宿主语言和对象语言进行分析,定位出了SQL语句中的查询变量及其类型;在控制流图的基础上,构建了包含source点和sink点的数据依赖关系子图;针对该子图,设计了过滤器插入算法,定义了不同输入数据类型和查询类型的过滤策略;随后,实现了基于数据流分析以及在相关数据库操作之前自动插入过滤器的方案;最后对提出的方案进行了分析测试,结果验证了所提方案的有效性。"}
{"title": "面向医疗数据发布的动态更新隐私保护算法", "abst": "随着信息技术的发展,医疗数据发布中的隐私保护技术一直是数据隐私研究的热点,医疗数据发布的同步更新是其中一个重要问题。为解决医疗数据匿名发布的同步问题,提出了一种建立在(α,k)-匿名数据基础上的支持数据动态更新的算法——(α,k)-UPDATE。该算法通过对语义贴近度的计算,在(α,k)-匿名数据集中选择最贴近的等价类,再进行相应的更新操作。更新后的匿名数据集满足(α,k)-匿名约束,可有效地保护患者的隐私信息。实验结果表明,该算法能在实际环境中稳定、有效地运行,在满足医疗数据实时一致性的同时,具有运算时间短、信息损失度小的优点。"}
{"title": "考虑用户行为和排错延迟的软件运行可靠性增长模型", "abst": "传统的软件可靠性模型大多都假设软件测试环境和运行环境相同,也就是使用软件测试阶段的失效数据来预测软件运行可靠性。众所周知,软件固有故障的排除能提高系统可靠性,然而另一种现象就是随着用户对软件熟悉程度的提高,软件的失效率也会降低。文中研究了软件固有故障检测过程、固有故障纠正过程和外在失效过程的特征,建立了考虑用户行为和排错延迟下的软件运行可靠性增长模型。通过一组来自于开源软件用户缺陷跟踪系统中的真实数据进行数值分析,实验结果表明提出的模型具有较好的效果。"}
{"title": "基于方法约束关系的代码预测模型", "abst": "最新的研究表明,从大量源代码中提取代码特征,建立统计语言模型,对代码有着良好的预测能力。然而,现有的统计语言模型在建模时,往往采用代码中的文本信息作为特征词,对代码的语法结构信息利用不充分,预测准确率仍有提升空间。为提高代码预测性能,提出了方法的约束关系这一概念;在此基础上,研究Java对象的方法调用序列,抽象代码特征,构建统计语言模型来完成代码预测,并研究基于方法约束关系的代码预测模型在Java语言中的适用范围。实验表明,该方法较现有的模型提高了8%的准确率。"}
{"title": "基于线性时间算法的故障树模块扩展分解方法", "abst": "故障树分析被广泛应用于核工业、航空航天和交通控制等安全攸关领域的安全性分析中。然而,像核电站等大型工业所使用的大型故障树的分析需要耗费大量的计算资源,导致分析效率低下,时间消耗过多。为了解决此问题,对现有的线性时间算法进行改进,提出新的故障树简化规则和模块扩展分解算法。首先提出等效事件的概念,扩展线性时间算法所分解的模块数;在考虑时间复杂度和资源利用率的基础上,提出一套新的简化规则,以合理地去除故障树中的冗余信息。实验证明,提出的分解方法能有效地优化故障树分析,进一步减少大型故障树分析的计算时间和内存消耗。"}
{"title": "时间依赖路网中反向k近邻查询", "abst": "在现存的反向k近邻查询方案中,比较高效的研究大多集中在欧氏空间或者静态路网,对时间依赖路网中的反向k近邻查询的研究相对较少。已有算法在兴趣点密度稀疏或者k值较大时,查询效率较低。对此,提出了基于子网划分的反向k近邻查询算法mTD-SubG。首先,将整个路网划分为大小相同的子网,通过子网的边界节点向其他子网进行扩展,加快对路网中兴趣点的查找速度;其次,利用剪枝技术缩小路网的扩展范围;最后,利用已有时间依赖路网下的近邻查询算法,判定查找到的兴趣点是否为反向k近邻结果。实验中将mTD-SubG算法与已有算法mTD-Eager进行对比,结果表明mTD-SubG算法的响应时间比mTD-Eager算法减少了85.05%,遍历节点个数比mTD-Eager算法减少了51.40%。"}
{"title": "基于双语主题模型和双语词向量的跨语言知识链接", "abst": "跨语言知识链接是指在描述相同内容的不同语言的在线百科文章之间建立联系。跨语言知识链接可分为候选集选择和候选集排序两部分。首先,把候选集选择问题转换为跨语言信息检索问题,提出一种将标题与关键词相结合从而生成查询的方法,该方法将候选集选择的召回率大幅提高至93.8%;在候选集排序部分,提出一种融合双语主题模型及双语词向量的排序模型,实现了英文维基百科和中文百度百科之间军事领域的跨语言知识链接。实验结果表明,该模型取得了75%的准确率,显著提高了跨语言知识链接的性能,并且提出的方法不依赖于语言特性和领域特性,因此可以很容易地扩展至其他语言和其他领域的跨语言知识链接。"}
{"title": "基于S型函数的自适应粒子群优化算法", "abst": "针对粒子群算法求解精度低和后期收敛速度慢等问题,提出了一种基于S型函数的自适应粒子群优化算法SAPSO (S-shaped function based Adaptive Particle Swarm Optimization)。该算法利用倒S型函数的特点,实现了对惯性权重的非线性调整,从而更好地平衡算法的全局搜索能力和局部搜索能力;同时,在算法的位置更新公式中引入S型函数,并利用个体粒子自身的适应度值与群体平均适应度值的比值自适应地调整搜索步长,从而提高算法的搜索效率。在若干经典测试函数上的仿真实验结果表明,与已有的几种改进粒子群算法相比,SAPSO在收敛速度和求解精度方面均有较大优势。"}
{"title": "iBTC:一种基于独立森林的移动对象轨迹聚类算法", "abst": "移动对象轨迹聚类在城市规划、公共空间设计、移动对象行为预测等领域具有重要的理论指导意义和实际应用价值。针对传统聚类算法(如k-means,DBSCAN)在移动对象轨迹方面聚类效果不佳的问题,提出一种新的轨迹聚类算法iBTC。该算法首先对轨迹进行分段,根据最小描述长度原理,将轨迹分段问题转换为求无向图的最短路径问题,使用Dijkstra算法求得轨迹的最佳分段;然后将轨迹聚类问题转换为一种特殊的异常检测问题,并基于独立森林的思想,使用细分-合并过程对轨迹数据进行聚类;最后在模拟数据集和监控视频记录的行人轨迹公开数据集上进行实验,结果表明该算法能够取得较好的聚类效果。"}
{"title": "结合瓶颈特征的注意力声学模型", "abst": "目前基于注意力机制的序列到序列声学模型成为语音识别领域的研究热点。针对该模型训练耗时长和鲁棒性差等问题,提出一种结合瓶颈特征的注意力声学模型。该模型由基于深度置信网络(Deep Belief Network,DBN)的瓶颈特征提取网络和基于注意力的序列到序列模型两部分组成:DBN能够引入传统声学模型的先验信息来加快模型的收敛速度,同时增强瓶颈特征的鲁棒性和区分性;注意力模型利用语音特征序列的时序信息计算音素序列的后验概率。在基线系统的基础上,通过减少注意力模型中循环神经网络的层数来减少训练的时间,通过改变瓶颈特征提取网络的输入层单元数和瓶颈层单元数来优化识别准确率。在TIMIT数据库上的实验表明,该模型在测试集上的音素错误率降低至了17.80%,训练的平均迭代周期缩短了52%,训练迭代次数由139减少至89。"}
{"title": "一种基于地形因素的空气质量空间估计方法", "abst": "空气质量监测对于污染评估、危害降低和环保治理等具有重要的指导意义。然而,由于空气质量监测站点的数量十分有限,且空气质量随位置的变化是非线性的,因此空气质量空间估计(即估计任意无空气质量监测站点位置的空气质量)是一项具有挑战性的工作。目前最先进的空气质量空间估计方法考虑了交通、人流、POI等因素,并基于机器学习技术建立估计模型。然而,这些方法仍存在如下不足:1)由于考虑的因素主要反映城区的特性,因此只能局限在城区范围内使用;2)直接使用从各类因素中提取的特征建立模型,没有对特征进行更深层次的提炼。针对上述问题,提出了一种基于地形因素的空气质量空间估计方法。在该方法中,首先建立地形数据库并提取地形特征,然后基于集成决策树模型对地形特征进行深层转换,最后基于因子分解机建立回归模型。基于真实数据的实验表明,该方法对估计自然地形(如高原、森林、水域等)区域中的空气质量有明显的优势。"}
{"title": "基于出租车GPS大数据的城市区域间可达性评估模型", "abst": "区域间可达性的评估对城市地面交通出行效率的提高有着重要作用。传统区域间可达性评估方法使用区域间直线距离计算区域间的平均旅行时间,其平均值与实际值的偏差较高,而且基于出租车乘降热点统计的区域间可达性量化方法对于旅行目的地分布不均的区域量化结果过低。针对以上两点不足导致的区域间可达性评估不准确的问题,文中构建了基于GPS的区域间可达性评估模型,从出租车GPS数据中提炼出完整的旅行来计算实际的旅行时间,以提高平均旅行时间的准确性。在此基础上还提出了一种基于四维OD矩阵的可达率计算模型,并以此可达率作为可达性量化标准,从而解决部分区域因发生旅行的目的地分布不均而导致的区域可达性评估不准确的问题。实验表明,提出的可达性评估模型较传统方法而言评估的准确性提高了9.4%～28.7%,特别是在旅行目的地分布不均的结果区域中,可达性评估准确性的提高更为显著。"}
{"title": "基于深度卷积神经网络的三维模型检索", "abst": "为了更有效地利用三维模型数据集进行特征的自主学习,提出一种使用自然图像作为输入源,以三维模型的较优视图集为基础,通过深度卷积神经网络的训练提取深度特征用于检索的三维模型检索方法。首先,从多个视点对三维模型进行视图提取,并根据灰度熵的排序选取较优视图;然后,通过深度卷积神经网络对视图集进行训练,从而提取较优视图的深度特征并进行降维,同时,对输入的自然图像提取边缘轮廓图,经过相似度匹配获得一组三维模型;最后,基于检索结果中同类模型总数占检索列表长度的比例对列表进行重排序,从而获得最终的检索结果。实验结果表明,该算法能够有效利用深度卷积神经网络对三维模型的视图进行深度特征提取,同时降低了输入源的获取难度,有效提高了检索效果。"}
{"title": "基于放射组学特征的胃肠道间质瘤的分类预测", "abst": "胃肠道间质瘤(GastroIntestinal Stromal Tumors,GIST)是常见的胃肠道肿瘤,具有非定向分化特征,缺乏特异性,且具有恶性潜能,所以GIST的良恶性诊断是临床较为关注的问题。然而,病理活检及CT检查等临床鉴别手段在研究肿瘤异质性方面存在一定困难。文中提出一种基于CT图像提取大量量化的放射组学特征并利用SVM分类器对GIST良恶性进行分类预测的非侵入式方法。首先,应用放射组学方法对120个患有GIST的病人的CT图像肿瘤区域分别提取4个非纹理特征和43个纹理特征。然后,应用基于ReliefF的前向选择算法进行特征选择,再用最佳特征子集训练得到的SVM分类器来对GIST良恶性进行分类预测。实验中,共有14个纹理特征入选最佳特征子集,且SVM分类模型对GIST良恶性分类的AUC、准确率、敏感性、特异性在训练集中分别为0.9949,0.9277,0.9537,0.9018;在测试集中分别为0.8524,0.8313,0.8197,0.8420。该方法以放射组学的研究方法建立的模型,为GIST良恶性预测提供了一种非入侵式的检测手段,有望成为一种辅助诊断工具,以提高临床GIST良恶性诊断的准确率。"}
{"title": "基于加权非局部相似性的视频压缩感知多假设重构算法", "abst": "分布式视频压缩感知(Distributed Compressed Video Sensing,DCVS)多假设重构算法将传统视频编码中的多假设预测运动估计思想引入到分布式压缩感知视频编码系统中,改善了对视频序列的重构质量。在该算法中,大变化块采用本帧邻域块信息作为参考,而当本帧邻域块含有较多纹理和细节时,算法性能有待提高。为此,对非局部相似性的思想进行改进,提出基于加权非局部相似性的分布式视频压缩感知多假设重构算法。在该算法中,对大变化块中的纹理块采用加权非局部相似性在相邻已重构帧中寻找自相似块,最终生成辅助重构信息块;对于非纹理块,则简单利用加权非局部相似性生成相似块。对不同特点的视频序列的仿真实验结果表明,改进后的算法有效改善了视频序列的重构质量,具有较优的重构SSIM,PSNR指标,其中PSNR约提高1dB。"}
{"title": "基于FPDEs与CBF的红外与可见光图像融合", "abst": "针对传统红外与可见光图像融合结果中的对比度不足、块状效应、伪影以及边缘区域信息失真等问题,文中提出一种基于四阶偏微分方程(FPDEs)和交叉双边滤波器(CBF)的红外与可见光图像融合方法。首先,分别使用FPDEs和CBF方法从源图像中获取近似层和细节层;其次,针对多尺度分解获得的近似层含有残余低频信息导致融合图像的整体视觉反差较大的问题,采用基于视觉显著性映射(VSM)的方法对近似层进行融合;然后,对细节层使用改进的Karhunen-Loeve变换获得权重,而后进行细节层融合;最后,通过线性组合方式将近似层与细节层融合,从而产生融合图像。实验结果表明,经基于FPDEs与CBF的方法融合后,相较于基于主成分分析和基于交叉双边滤波器的方法,基于FPDEs与CBF的方法所得融合图像的标准差平均提高了43.73%左右;相较于基于引导滤波器和基于视觉显著性最小二乘优化的方法,融合图像的平均梯度提高了约9.46%,空间频率平均提高了19.79%左右。"}
{"title": "基于级联多任务深度学习的卡口识别引擎研究", "abst": "针对在将卡口非结构化视频图像数据转化为智能结构化信息的过程中存在环境的复杂性、需求的多样性、任务的关联性和识别的实时性等问题,提出了一种级联多任务深度学习网络的卡口识别引擎方法,其通过充分利用分割、检测、识别等任务之间的相互联系实现了高精度的、高效的、同步实时的卡口车辆多种基本信息的识别(车型、品牌、车系、车身颜色以及车牌等识别任务)。首先,利用深度卷积神经网络自动完成车型的深度特征学习,在特征图上进行逻辑回归,从卡口道路复杂背景中提取出感兴趣区域(包括多车辆对象);然后,利用多任务深度学习网络对提取出来的车辆对象实现多层次的多任务识别。实验结果表明,提出的方法在识别精度和效率上都明显优于传统计算机视觉方法和现有的基于深度学习的识别引擎技术,该方法对车型、品牌、车系及车牌的识别与检测精度均达到98%以上,检测效率提升了1.6倍。"}
{"title": "有向图k顶点导出子图的DNA粘贴算法", "abst": "在经典的电子计算中,有向图k顶点导出子图是一个高度复杂的问题。DNA计算是近年来发展的以DNA为载体求解计算问题的非经典计算技术。文中研究了使用DNA计算解决有向图k顶点导出子图的问题,从而提出了一种在粘贴机上运行的子图生成算法。首先,以粘贴机的标准生化元操作作为算法调用的基本算子;其次,使用顺序与循环等程序结构,把上述基本算子按照一定的逻辑方式组织起来;最后,读取生化反应结果,即可获得给定有向图的所有k顶点导出子图。仿真实验结果表明,与经典算法相比,新算法在理想条件下大幅缩短了子图生成时间。"}
{"title": "众核平台上广度优先搜索算法的优化", "abst": "图算法在多个领域具有重要的应用价值。随着社会信息化程度的提高,需要处理的图数据量越来越大,图算法的性能已成为研究热点。广度优先搜索算法是一种重要的图算法,研究它的性能优化技术可以为其他图算法的性能优化提供借鉴。目前,在新一代Xeon Phi众核处理器上的工作均基于自顶向下算法且没有考虑到非均匀访存(NUMA)对性能的影响。文中以混合广度优先搜索算法为基础,结合NUMA拓扑结构,从任务分配、向量化和数据预处理3个方面展开优化,在Xeon Phi平台上设计并实现了高性能并行广度优先搜索算法。一系列实验结果表明,优化后的算法在不同规模的测试数据上与Graph500官方优化的算法相比取得了50%～145%的性能提升。"}
{"title": "向量数学库的向量化方法研究", "abst": "SIMD技术的出现使得基础数学库扩展到向量数学库成为必然趋势。基础数学库中多数函数存在代码实现复杂、分支判断多的特点,增加了向量化的难度,同时SIMD指令的不完备导致函数中的部分功能无法直接向量化,频繁的拆分和拼接操作降低了函数的性能。针对这些问题,提出了向量数学库的向量化方法,通过确定核心代码段、数据预处理过程向量化及指令向量化3个步骤,可以快速有效地对基础数学库进行向量化。实验表明,运用该方法,exp,pow,log10等典型函数的性能平均提高了24.2%。"}
{"title": "大力推进数据科学的理论研究", "abst": "\"目前,数据科学是一个人们既\"\"熟悉\"\"又\"\"陌生\"\"的领域。\"\"熟悉\"\"是因为人类已进入\"\"大数据时代\"\",大数据正在改变着我们的生活、工作和思维模式。对于理工科,尤其是计算机科学与技术而言,以统计学和机器学习为基础发展起来的新学科——数据科学,似乎离我们很近,每个人或许对其略知一二。\"\"陌生\"\"是因为人们至今对数据科学的学术研究相对较少,尤其是缺少深层次、系统性和突破性的认识,数据科学的理论研究仍停留在起步阶段。\""}
{"title": "供应链金融大数据分布特征的分析与洞见", "abst": "半结构、非结构化、海量的供应链金融数据使得大数据环境下金融数据分析的模式和方法相对复杂。面向大数据样本研究,如何将大样本相比于小样本的独有特征体现在分类模型中值得深入探索。文中从供应链金融数据分布特征入手,分析影响信用风险分类模型的主要因素;对多年来的相关研究成果进行归类分析,概括信用数据分布特征,包括信用数据非均衡与不对称性、信用数据噪声和离群点的存在以及信用数据的非线性多维特征,并探讨了进一步的解决策略。供应链金融大数据分布特征的分析旨在助力挖掘隐含在海量金融数据背后的知识信息,为信用风险模型的构建奠定了坚实的基础。"}
{"title": "质量嵌入的大数据产品生产系统超图模型及其生产线决策研究", "abst": "大数据产品(Big Data Product,BDP)在原材料、用户需求、加工工艺等方面具有不同于实体产品的特征,而现有BDP生产系统的研究仍停留在概念模型阶段。为了解决该问题,提出BDP生产线的概念,基于生产线特征研究了生产线决策要素,强调了质量作为关键决策要素在BDP生产中的作用机理;采用超图理论建立了嵌入质量、质量传递函数和质量聚集函数的BDP生产系统模型,设计了BDP生产线决策流程;提出了供给侧稳定和需求侧稳定的BDP生产线决策模式。实例验证结果表明,所提出的模型和决策方法能够满足用户对BDP质量的要求。"}
{"title": "BioPW+:基于Linked Data的生物途径数据可视化系统", "abst": "自Linked Data项目被提出以来,大量的开放关联数据被发布到语义Web上,这其中就包含了许多的生物途径数据集。为了使生物学家能够有效地利用这些开放的数据集,对基于Linked Data的生物途径数据可视化系统进行研究,提出了生物途径可视化模型和展示布局方案,并且采用标识符动态映射实现了多源生物途径数据的浏览,最终开发了基于Linked Data的生物途径数据查询可视化系统——BioPW+。该系统应用语义Web技术,依靠SPARQL查询来定位生物途径的基本信息,然后基于Open PHACTS平台获取生物途径元素的详细信息,最终Web界面采用力导向图布局、Sankey图布局对生物途径数据进行展示并提供多种交互操作。与已有的仅仅基于某一特定数据库的生物途径工具相比,BioPW+系统基于Linked Data,可以同时一次性展示多个数据集中的生物途径数据及与其相关的其他生物化学数据,极大节省了时间并增强了数据的完整性。"}
{"title": "一种基于混合布局策略的高校教师业绩数据可视化方法", "abst": "高校教师的业绩数据对于教师的考核评优、薪资提升、岗位聘任和职称晋升等人事决策具有十分重要的作用。针对其兼具复杂层次特征和多维属性的特点,提出了一种基于圆形嵌套图和平行坐标的VPM(Venn Parallel Coordinates Mixing)混合可视化方法。该方法首先采用基于D3布局算法的圆形嵌套图表示层次结构,而后划分叶子节点的圆周为不同的属性轴,通过布局设计、属性映射、属性点连接及缩放、高亮等用户交互来实现层次结构中多维属性的可视化。将该方法用于教师业绩数据,实现了对学院、研究所、教师各层级结构的可视化,可清晰展示数据项的细节信息。实验结果表明,提出的VPM方法能有效地展示教师的业绩数据,评价结果亦符合实际情况,能帮助系统用户——院校管理者对教师进行更好的管理及业绩考核。"}
{"title": "重复数据中关键属性值缺失填补的改进ROUSTIDA算法", "abst": "随着数据分析研究的兴起,数据预处理越来越得到研究者的重视,其中缺失数据填补问题的重要性也逐渐显现。在ROUSTIDA数据补齐算法的基础上,针对具有关键属性的重复数据的特点,文中提出了一种改进的ROUSTIDA算法——Key&Rpt_RS算法。Key&Rpt_RS算法继承了ROUSTIDA算法的优势,同时考虑了目标数据的重复性特点,分析了关键属性对填补效果的影响,得到了更加准确且有效的填补结果。"}
{"title": "基于城市安全知识图谱的多关键词流式并行检索算法", "abst": "我国智慧城市安全概念的普及和建设的逐渐落地,以及大数据在智慧城市安全建设方面的深度应用,对关键词检索的处理响应速度提出了更高的要求。针对这一问题,提出了基于城市安全知识图谱的流式知识图谱多关键词并行检索算法(MKPRASKG),该算法能够根据用户输入的查询关键字,通过关联类图的构建、剪枝和融合操作实时构建基于知识图谱实体的查询子图集,再结合评分函数,以高评分的查询子图为指引,在知识图谱实例数据中进行并行搜索,最终返回Top-k查询结果。实验结果证明,该算法在实时搜索、响应时间、搜索效果以及可扩展性等方面均具有较大的优势。"}
{"title": "大数据环境下基于公共服务平台的资源多级智能寻租与匹配策略和价值创造", "abst": "资源的高效寻租与匹配是其价值创造的关键。文中研究大数据环境下基于公共服务平台的资源寻租与匹配问题,针对公共服务资源的非结构化特点,考虑本体树的路径距离、连接深度和广度,重新定义了语义距离,提出了基于语义距离的五元组形式化描述模型,消除了公共服务资源在底层结构和类型上的复杂性;针对公共服务平台上资源及其相关数据信息规模巨大的问题,提出了资源多级智能寻租与匹配策略,首先通过对参数相对较少且简单的Scategory和Sstatus进行粗粒度过滤,大幅缩小资源寻租的范围,快速提高算法的匹配速度,再通过对Sability和SQoS的细粒度匹配,最终得到符合需求方匹配阈值要求的资源排序集合。实验算例表明,该方法的计算效率显著高于传统的多线程算法,且与目前常用的资源寻租与匹配算法相比,查准率和查全率更优。实验结果证明,该方法有效可行,不仅能够实现公共服务平台上资源的快速寻租和高效匹配,而且还能够在大数据的驱动下实现资源的价值创造。"}
{"title": "一种基于质心空间的不均衡数据欠采样方法", "abst": "针对目前的分类算法在不均衡数据集上的分类效果不理想的问题,将监督学习和无监督学习相结合,提出了一种基于质心的欠采样——ICIKMDS。在现实应用中,一些数据并不容易获得,或者不同类型的数据本身在数量上就存在着差异性,因此造成了数据集分布的不均,如疾病检测中疾病患者和正常人比例的不均、信用卡欺诈中欺诈用户和正常用户比例的不均等。所提方法很好地解决了数据集不均衡的问题,首先通过求解样本之间的欧氏距离得到初始质心,然后采用k-means算法在大类样本集上进行聚类,使不均衡数据集在分布上更加均衡,有效地改善了分类器的分类效果。所提方法使分类器在测试集小类上的分类准确率远远高于随机欠采样和SMOTE算法,在整个测试集上的准确率几乎与其他算法相同。"}
{"title": "基于知识图谱和频繁序列挖掘的旅游路线推荐", "abst": "大数据在提供海量多源信息的同时,也带来了信息过载问题,这在旅游领域内表现得尤为突出。针对当前游客在制定旅行路线时需要花费大量时间和精力的现状,首先,提出一种融合多源旅游数据构建知识图谱的方法,有效地抽取相关旅游领域知识;其次,利用知识图谱及大量旅行游记生成旅游路线数据库,并提出一种能够根据游客类型生成海量候选路线的频繁路线序列模式挖掘算法;最后,设计了一种多维度路线搜索和排序机制来为用户推荐个性化的旅游路线。基于真实旅游大数据的实验结果表明,该方法可以同时考虑旅行天数、人物类型和景点类型喜好等多方面因素,帮助游客快速制定个性化的旅行路线,有效提升游览体验。"}
{"title": "基于核函数的稀疏属性选择算法", "abst": "鉴于传统属性选择算法无法捕捉属性之间的关系的问题,文中提出了一种非线性属性选择方法。该方法通过引入核函数,将原始数据集投影到高维的核空间,因在核空间内进行运算,进而可以考虑到数据属性之间的关系。由于核函数自身的优越性,即使数据通过高斯核投影到无穷维的空间中,计算复杂度亦可以控制得较小。在正则化因子的限制上,使用两种范数进行双重约束,不仅提高了算法的准确率,而且使得算法实验结果的方差仅为0.74,远小于其他同类对比算法,且算法更加稳定。在8个常用的数据集上将所提算法与6个同类算法进行比较,并用SVM分类器来测试分类准确率,最终该算法得到最少1.84%,最高3.27%,平均2.75%的提升。"}
{"title": "F-OFDM系统中的自适应EM相位噪声抑制算法", "abst": "滤波正交频分复用技术(Filtered Orthogonal Frequency-Division Multiplexing,F-OFDM)是针对下一代移动通信的新技术,它在保持4GOFDM技术强抗干扰能力等诸多优点的基础上,能够适应未来各种灵活的业务配置;但其对相位噪声更加敏感,相噪会导致其出现子带共同相位误差(Sub-Band Common Phase Error,SCPE)和子带载波间干扰(Sub-Band Inter-Carrier Interference,SICI),严重降低系统性能。基于最大期望准则(EM),提出一种自适应EM相噪抑制算法(AEM-PNS),其中包含EM-SCPE和EM-SICI两个子算法,算法通过在符号帧中插入的相噪指示符(Phase Noise Instruction Symbol,PNIS)和导频指示符(Pilot Instruction Symbol,PIS)自动选择子算法。仿真结果表明,新提出的算法能自适应跟踪相噪的变化,有效降低相位噪声的影响,同时具有较低的计算复杂度和较高的频谱效率。"}
{"title": "基于网络熵的域内节能路由方案", "abst": "减少网络能耗和建立绿色网络已经成为学术界和工业界研究的关键科学问题。已有的节能方案均在已知流量矩阵的前提下展开研究,但是获得实时流量数据并不容易。因此,文中研究了如何在未知流量矩阵的情况下降低网络能耗,提出了一种基于网络熵的域内节能路由方案(Intra-domain Energy Efficiency Routing Scheme Based on Network Entropy,EERSBNE),该方案通过关闭网络中的链路来实现节能的效果。首先提出了链路关键度模型和网络熵模型,然后根据链路关键度计算网络中所有链路的重要程度,最后根据链路的重要性和网络熵模型依次关闭网络中的链路。实验结果表明,该算法在降低网络能耗的同时不会引入较大的路径拉伸度。"}
{"title": "移动社会网络中基于多维上下文匹配的数据转发算法", "abst": "通过研究移动社会网络中的多种上下文信息对节点移动模式的影响,提出了基于多维上下文认知的数据转发算法MCMF。该算法综合考虑物理邻接性、社会相似性以及社会交互性3个维度的上下文信息来进行动态数据转发决策。首先消息携带者节点通过物理邻接匹配获得邻居节点集合;然后通过社会相似性匹配在邻居节点集合中选出候选节点子集,并基于社会网络的社群特征,采用马尔可夫预测方法在候选节点子集中选出最优中继节点;最后设计高效的数据转发算法。仿真实验表明,相比于其他3种著名算法,该算法在交付比率和开销比率方面具有较好的性能。"}
{"title": "无线车载网络中一种基于跨层优化的网络编码TCP协议", "abst": "无线车载网络(Wireless Vehicular Networks,WVN)具有研究价值和重要应用价值,目前关于WVN中的网络编码TCP协议的研究并不多,且对跨层的优化也没有被重视。文中首先针对无线车载网络中不同的丢包原因,给出了一种基于随机线性网络编码的跨层联合优化方法 VC-TPC/NC,可以针对不同丢包原因采取不同的处理方式;进一步,重新设计了网络编码层发送端的发送策略,并通过理论分析说明了VC-TCP/NC在时延和网络吞吐量方面的优势;最后,在不同场景下的仿真结果表明,VC-TCP/NC的性能相比于传统TCP与TCP/NC等性能有较大提高。"}
{"title": "多维敏感特征的Android恶意应用检测", "abst": "应用程序的行为语义在Android恶意应用检测中起着关键作用。为了区分应用的行为语义,文中提出适合用于Android恶意应用检测的特征和方法。首先定义广义敏感API,强调要考虑广义敏感API的触发点是否与UI事件相关,并且要结合应用实际使用的权限。该方法将广义敏感API及其触发点抽象为语义特征,将应用实际使用的权限作为语法特征,再利用机器学习分类方法自动检测应用是否具有恶意性。在13226个样本上进行了对比实验,实验结果表明,该方法的分析速度快且开销小,选取的特征集使Android恶意应用检测得到很好的结果;经机器学习分类技术的比较,我们选择随机森林作为检测方案中的分类技术,所提特征策略的分类准确率达到96.5%,AUC达到0.99,恶意应用的分类精度达到98.8%。"}
{"title": "一种针对无线传感网中黑洞攻击的检测与防御方法", "abst": "无线传感器网络WSN(Wireless Sensor Networks)被广泛应用于军事、生产、医疗等各个方面,而当下的许多传感器网络都部署在恶劣、开放的环境中,存在各种各样的威胁。黑洞攻击是一种典型的路由攻击,在这种攻击中恶意节点声称自己是剩余能量多、能够一跳到达目的节点的节点或者声称自己就是目的节点,因此很多节点会把要发送的数据发给该恶意节点,而恶意节点吸引数据包后,并不将数据包转发而是丢弃,这就造成传输空洞。针对这种特性,文中提出了一种基于位置信息的诱捕检测算法BTCOLI(Blackhole Attack Detection Algorithm Based on Location Information),以实际不存在的目的节点为诱饵,找到黑洞节点,对其进行身份验证以及位置检测,从而剔除该恶意节点。同时,还提出了相应的防御方案:在网络中加入预共享对称密钥,并提供HMAC(Hash-based Message Authentication Code)消息验证机制,以防止恶意节点加入网络。最后通过搭建NS-2下的仿真平台,验证了该算法在检测率方面的优越性。"}
{"title": "一种基于特征提取的访问控制方法", "abst": "当前,细粒度的授权控制是访问控制中的研究热点,它能够在单一固定的环境下合理地调整访问策略以满足工作流安全。然而,一旦其迁移到新场景,遭遇访问策略未设定的授权,它就可能难以给出正确判断,只能依靠人工审查来确认是否授权,但人工审查授权耗时耗力,在大数据环境下成本过高。因此,引入一种基于过去经验学习的自动化判别机制势在必行。文中尝试给出一种针对基于角色的多级访问控制模型的自动化审查方法,通过采样已有的正确和错误授权的时间、空间等特征来刻画出该访问控制的一般化特征表达,从而使得已有的访问控制模型在迁移环境下面对新情况依然能够给出正确判断,降低人工审查的工作量。实验表明,该分析机制对用户的访问请求有较高的正确评判率。"}
{"title": "基于密钥共享的分层混合认证模型", "abst": "随着信息时代的迅速发展,云计算数据访问安全已经成为了用户最关心的问题。身份认证技术是确保参与者在开放的网络环境中实现安全通信的一种重要手段,如何利用身份认证技术为云环境安全保驾护航,成为学者研究的热点。文中通过公钥基础设施(Public Key Infrastructure,PKI)颁发CA证书以在不同云服务间建立信任,将多个采用身份密码体制(Identity-Based Encryption,IBE)的云联合起来;采用分层身份加密体系,引入共享密钥技术,通过选取成环结构,提出一种PKI-IBE混合认证模型方案,并对方案的安全性进行分析,从理论上证明了云环境下PKIIBE(Public Key Infrastructure-Identity-Based Encryption)同层成环模型提供服务的可行性。同时文中设计了一种基于该模型的签密技术,通过公私密钥对实现云内认证以及跨云认证。安全性理论证明与性能分析表明,该方案在计算量稍增加的前提下,保证了足够的安全性,更加满足云环境下的用户分属不同云域的认证以及用户安全访问的需求,有效解决了云环境中数据访问的安全问题。"}
{"title": "面向差分隐私保护的聚类算法", "abst": "大数据时代的数据挖掘技术在研究和应用等领域取得了较大发展,但大量敏感信息披露给用户带来了众多威胁和损失。因此,在聚类分析过程中如何保护数据隐私成为数据挖掘和数据隐私保护领域的热点问题。传统差分隐私保护k-means算法对其初始中心点的选择较为敏感,而且在聚簇个数k值的选择上存在一定的盲目性,降低了聚类结果的可用性。为了进一步提高差分隐私k-means聚类方法聚类结果的可用性,研究并提出一种新的基于差分隐私的DPk-means-up聚类算法,同时进行了理论分析和比较实验。理论分析表明,该算法满足ε-差分隐私,可适用于不同规模和不同维度的数据集。此外,实验结果表明,在相同隐私保护级别下,与其他差分隐私k-means聚类方法相比,所提算法有效提高了聚类的可用性。"}
{"title": "基于符号执行的Return-to-dl-resolve利用代码自动生成方法", "abst": "Return-to-dl-resolve是一种可突破复杂防护机制的通用漏洞利用技术,目前主要以手工方式实现,研究人员需要深入分析并理解ELF动态链接原理,泄露并解析任意库函数的地址,拼装攻击载荷,效率非常低。文中提出了一种基于符号执行的Return-to-dl-resolve自动化实现方法,该方法为ELF可执行文件提供符号执行环境,对程序崩溃点的符号状态进行约束,通过约束求解器对约束进行求解,实现了Return-to-dl-resolve利用代码自动生成系统R2dlAEG。实验结果表明,R2dlAEG可快速构造利用代码,并能够在NX和ASLR防护机制同时开启的条件下劫持程序的控制流。"}
{"title": "云环境下SNS隐私保护方案", "abst": "社交网络存储的数据实际都是外包给并不完全可信的云服务商。针对社交网络隐私安全和属性更新问题,提出一种云环境中具有策略隐藏和属性撤销的属性基加密方案。通过分解密钥产生方式降低用户端的计算量,引入合数阶的双线性群实现访问策略隐藏,并利用令牌树和陷门机制灵活且高效地完成属性撤销。而且,该方案在标准假设下可被证明是安全的。因此,将该方案运用于社交网络,将数据加密存储于云服务端是安全可行的。与其他方案相比,该方案既保护了访问策略的隐私,又具有多样的访问控制功能,在计算和存储等方面更有优势。"}
{"title": "信息流格模型的非法流分析", "abst": "随着互联网的发展以及网络空间地位的上升,信息的重要性与日俱增。为确保信息安全,对非法信息流的控制显得尤为重要。文中分析了信息流格模型中信息流动的安全性,为更好地对模型内部的信息流进行分类,首先,对信息流格模型进行线性化分析,使得模型被线性化表述,并将其称为线性信息流格模型。接着,引入马尔科夫链,并利用马尔科夫链的常返态属性和瞬时态属性的概率变化,来量化表示模型中主体和客体之间的转换状态,从而检测出模型内部的各个信息流。进一步地,根据模型内部的主体和客体分别对应的常返态与瞬时态的概率对比,分析每个信息流的安全状态,即:当模型检测中同时出现两个常返态时,违反了安全模型,从而导致非法信息流的出现。由于概率变化存在同一性,该方法会产生误差并影响其检测结果。为弥补这一不足,介绍了SPA语言,然后对线性信息流格模型进行了SPA语言的描述,并采用形式化中的无干扰方法对马尔科夫链模型内概率同一性的不足进行补充说明。最后,检测出其中隐藏的非法信息流,判断出含误差下各个信息流的安全状态,并得出结论:符合安全模型但违反安全策略的信息流不满足无干扰属性。这对信息流安全检测软件的设计及硬件应用具有重要意义。"}
{"title": "基于N-gram的Android恶意检测", "abst": "随着Android系统的广泛应用,Android平台下的恶意应用层出不穷,并且恶意应用躲避现有检测工具的手段也越来越复杂,亟需更有效的检测技术来分析恶意行为。文中提出并设计了一种基于N-gram的静态恶意检测模型,该模型通过逆向手段反编译Android APK文件,利用N-gram技术在字节码上提取特征,以此避免传统检测中专家知识的依赖。同时,该模型使用深度置信网络,能够快速而准确地学习训练。通过对1267个恶意样本和1200个善意样本进行测试,结果显示模型整体的检测准确率最高可以达到98.34%。实验进一步比较了该模型和其他算法的检测结果,并对比了相关工作的检测效果,结果表明该模型有更好的准确率和鲁棒性。"}
{"title": "Github中开发人员的行为特征分析", "abst": "开源环境下开发人员的行为特征分析是促进开源社区协作开发的重要问题之一。文中以Github开源社区的数据为研究对象,结合可视化分析的技术,分析了Github上开发者贡献度的影响因素,探索了开发者之间的协作关系,进一步分析了开发者所属地域与开发者协作之间的关系。通过研究结果发现了一些具有重要理论和时间价值的现象与结论,从一个新的视角揭示了开发人员的部分行为特征。"}
{"title": "基于梦境粒子群优化的类集成测试序列生成方法", "abst": "类集成测试序列的确定是面向对象类集成测试技术中的一个重要课题。合理的类集成测试序列可以降低为其构造测试桩的总体复杂度,从而减小测试代价。针对粒子群优化算法容易早熟的缺陷,文中提出一种基于梦境粒子群优化算法的类集成测试序列生成方法。首先把每个类集成测试序列映射为一维空间中的一个粒子,然后将粒子看作有做梦能力的个体。每个迭代周期分为白天和夜间两个阶段,在白天阶段粒子正常移动,而在夜间阶段粒子根据各自的做梦能力扭曲当前位置。如此,粒子有机会在当前位置附近进行搜索,使得算法减缓收敛速度,避免过早陷入局部最优。实验结果表明,多数情况下该方法可以得到测试代价更小的类集成测试序列。"}
{"title": "软件网络分形结构特征研究", "abst": "随着互联网技术的发展,软件系统的规模也在日益扩大,软件功能的变化使得软件网络的结构呈现差异化。软件网络的分形结构体现出软件网络整体和局部对象类之间依赖调用的自相似性,可以从代码层面上对软件系统结构以及功能进行分析。文中对软件网络分形结构特征进行研究:首先,综合类之间的依赖关系,对软件网络进行加权;然后利用基于网络中心性的盒子算法计算加权软件网络结构的分形维度,以分析其分形结构特征;最后,利用上述方法对spring和struts2这两款具有代表性的java软件框架进行分析。实验表明,这两款软件以及它们的子模块都具有分形结构特征,软件网络的分形维数随着模块功能复杂程度的增加而增加,功能综合性较强的软件网络分形维数要大于功能专一的软件网络;并且在版本演化过程中,软件网络的分形维数随着软件功能的丰富也呈现上升的趋势。"}
{"title": "基于CAN的地理语义数据存储与检索机制", "abst": "语义技术能够更智能、更精确地检索信息,辅助工作人员进行科学决策,已被应用于地理信息处理,并形成了基于RDF(Resource Description Framework)数据的地理查询语言GeoSPARQL。然而,基于地理语义信息处理的应用平台多采用中心化的存储和检索服务,使得这些平台存在单节点失效、扩展性差等缺陷。尽管已有研究人员提出了多种方法,试图利用对等网络技术来解决语义数据的分布式处理,从而提升应用系统的可靠性和扩展性,但这些方法并没有考虑地理语义数据自身的特征。针对上述问题,文中利用地理语义数据的特征在对等网络上对其进行存储,提出基于CAN(Content Addressable Network)的地理语义存储和检索方案,根据位置信息将地理语义数据映射到对等网络中,从而提高了语义数据的检索效率。实验结果表明,所提方案不仅具有良好的扩展性,而且地理信息的拓扑关系查询效率优于现有方案。"}
{"title": "因果信息在不同粒度上的迁移性", "abst": "知识与粒度相关,在不同粒度上对现象的解释不同,而因果性描述的是现象的本质特征。因果性与粒度之间存在着怎样的关联,一个粒度上的因果关系是否可移植到其他不同粒度上,是目前人工智能研究亟待解决的问题。针对由观测数据构成的信息系统,从数据中直接抽取因果变量所需满足的基本图形结构,估算变量间的因果关系;再通过向系统中添加新属性以及合并多个信息系统,改变原系统中信息的粒度,研究所识别的因果关系在新系统中的可迁移性。若新属性作用于结果变量,则原系统中的因果关系不可迁移至新系统;若新属性对结果变量无影响,则原系统中的因果关系可移植至新系统。"}
{"title": "求解Web服务组合QoS优化的多属性决策及自适应遗传算法", "abst": "随着面向服务计算(Service-oriented Computing,SOC)的不断发展,基于服务质量(Quality of Service,QoS)的Web服务组合研究成为了必然趋势。鉴于QoS属性的多维性及相互矛盾性,提出将基于QoS的Web服务组合优化问题转化为多属性决策问题进行求解。采用折中系数对每个组合服务实例到正负理想点的距离进行累加求和,最终得到一组最优服务排序结果,用户可以根据自身偏好进行选择。传统的多属性决策方法无法有效地处理大规模的组合服务搜索空间,因此,为了有效地解决Web服务组合优化这一NP难题,提出一种结合多属性决策方法和自适应遗传算法的新型优化算法来解决该问题。实验采用真实的QoS综合服务数据集进行验证,实验结果表明,该方法能够在较短时间内找到全局近似最优解,且解集的排序结果接近于实际的最优服务排序。同时,该方法对于解决大规模的Web服务组合优化问题具有良好的可伸缩性。"}
{"title": "基于类别随机化的随机森林算法", "abst": "随机森林是数据挖掘和机器学习领域中一种常用的分类方法,已成为国内外学者共同关注的研究热点,并被广泛应用到各种实际问题中。传统的随机森林方法没有考虑类别个数对分类效果的影响,忽略了基分类器和类别之间的关联性,导致随机森林在处理多分类问题时的性能受到限制。为了更好地解决该问题,结合多分类问题的特点,提出一种基于类别随机化的随机森林算法(RCRF)。从类别的角度出发,在随机森林两种传统随机化的基础上增加类别随机化,为不同类别设计具有不同侧重点的基分类器。由于不同的分类器侧重区分的类别不同,所生成的决策树的结构也不同,这样既能够保证单个基分类器的性能,又可以进一步增大基分类器的多样性。为了验证所提算法的有效性,在UCI数据库中的21个数据集上将RCRF与其他算法进行了比较分析。实验从两个方面进行,一方面,通过准确率、F1-measure和Kappa系数3个指标来验证RCRF算法的性能;另一方面,利用κ-误差图从多样性角度对各种算法进行对比与分析。实验结果表明,所提算法能够有效提升集成模型的整体性能,在处理多分类问题时具有明显优势。"}
{"title": "基于子组与社会行为的缩小群组推荐列表方法", "abst": "以多个用户为推荐对象的组推荐系统已成为研究热点。目前,组推荐系统大多考虑如何充分挖掘用户偏好来尽可能满足所有用户的需求,但这也造成了推荐列表规模过大的问题,从而导致群组成员无法快速做出决定。针对该问题,文中提出了一种缩小群组推荐列表的方法(Recommendation Method based on Sub-Group and Social Behavior,RMSGSB)。该方法通过划分子组来缩小群组规模并减少群组偏好属性数量,利用成员的社会行为,从容忍度与利他行为两方面为子组分配权重,以保证推荐公平性。在真实数据集上的实验对比结果表明,该算法具有更好的群组推荐效果。"}
{"title": "融合Jensen-Shannon散度的推荐算法", "abst": "为充分利用所有评分,缓解数据稀疏性问题,将概率统计领域的Jensen-Shannon(JS)散度引入相似性度量中,提出了一种新的项目相似性度量算法。该算法将项目的评分信息转化为评分值密度,并依据评分值的密度分布来计算项目相似性。同时,引入评分数量因子,进一步提升了基于JS的相似性度量方法的性能。最后,以基于JS的相似性度量方法为基础,设计了相应的协同过滤算法。在MovieLens数据集上的实验结果表明,所提算法在预测误差和推荐准确性方面均有良好的表现。因此,该算法在推荐系统中具有很好的应用潜力。"}
{"title": "基于综合优先度和主机信息的暴雨灾害主题退火爬虫算法", "abst": "如今,互联网集成的与暴雨灾害相关的信息多种多样,然而人工搜索网页信息的效率不高,因此网络主题爬虫显得十分重要。在通用网络爬虫的基础上,为提高主题相关度的计算精度并预防主题漂移,通过对链接锚文本主题相关度、链接所在网页的主题相关度、链接指向网页PR值和该网页主题相关度的综合计算,提出了基于网页内容和链接结构相结合的超链接综合优先度评估方法。同时,针对搜索过程易陷入局部最优的不足,首次设计了结合爬虫记忆历史主机信息和模拟退火的网络主题爬虫算法。以暴雨灾害为主题进行爬虫实验的结果表明,在爬取相同网页数的情况下,相比于广度优先搜索策略(Breadth First Search,BFS)和最佳优先搜索策略(Optimal Priority Search,OPS),所提出的算法能抓取到更多与主题相关的网页,爬虫算法的准确率得到明显提升。"}
{"title": "面向大坝变形监测的时空一体化预测算法", "abst": "大坝变形的时空演变预测分析有助于大坝管理人员及时掌握大坝空间的整体变形状态。目前,大坝变形预测研究分为两个方面:1)通过仅对分布变形仪器部位进行时间序列预测,得出下一时刻的变形值(如BP神经网络);2)利用周围变形数据进行空间插值,得到当前时刻未分布仪器点的变形值。单独使用上述任何一种方法都无法利用历史变形数据预测下一时刻未分布仪器部位的变形状况。针对该问题,结合空间预测模型时空克里金方法(STKriging,STK)与神经网络模型即BP神经网络及门限循环神经网络(Gated Recurrent Unit,GRU)各自的优势,构造了一种新型时空序列预测算法(BP-STK-GRU),实现了对未分布监测仪器部位的变形值预测。主要步骤包括:1)GRU优化单个测点的历史时间序列变形值;2)BP拟合测点下一时刻数据的整体趋势;3)利用STK拟合BP预测结果的稳定部分;4)结合空间插值及BP空间整体预测值,得出未分布仪器点的变形值。实验结果表明,所提方法是有效的,并且在对未知点的变形预测稳定性及精确度方面都有很好的表现。"}
{"title": "新型软粗糙集:软粗糙半群", "abst": "为进一步简化处理不确定性问题的方法,在半群上研究了一种新型的软粗糙集(MSR-半群)。首先,基于软集、粗糙集和半群的一些基本理论,对它们之间的关系进行深入研究,并讨论了软粗糙集的运算和基本性质;接着,为了进一步了解软逼近空间,应用了下软粗糙逼近和上软粗糙逼近的概念;同时,在半群上提出了两种特殊软集即G-软集和GG-软集的概念,对其做相应的运算,并给出实例进行了证明;接着,对MSR-逼近空间的粗糙性进行讨论,提出了MSR-半群的概念,并且研究了上MSR-半群和下MSR-半群的基本特征;最后,通过实例进行比较分析,说明了软粗糙半群的研究价值。"}
{"title": "一种新的基于粒度重要度的三支决策模型", "abst": "粒度重要度是多粒度粗糙集中的一项重要研究内容。针对现有粒度重要度只考虑单个粒度对决策的直接影响而忽略了其他粒度对决策综合影响的问题,结合多粒度粗糙集近似质量的概念,通过研究粒度重要度的构造方法,提出了一种新的多粒度间的粒度重要度的计算方法,并给出了基于该方法的粒度约简算法。同时,为减少冗余决策信息,将约简集与三支决策理论相结合,构建了基于粒度重要度的三支决策模型,给出了决策规则。最后通过实例证明,新的粒度约简算法可以获得具有更高区分度的数据,且缩小了延迟域范围,使最终决策更合理。"}
{"title": "优势-等价关系下序贯三支决策的属性约简", "abst": "序贯三支决策方法是一种能够表示问题中的多重层次粒度,并将多粒度结合起来解决不确定决策问题的有效途径。优势-等价关系粗糙集则是针对条件属性具有偏好关系的分类问题,提取有序信息,对目标概念进行近似,从而形成决策知识。利用传统的优势关系粗糙集方法进行知识约简和提取的效率低下,而目前大部分序贯三支决策方法则局限在符号值属性的信息系统中,对连续值和有序值不能进行有效处理,造成一定程度的信息丢失。因此,将序贯三支决策的思想应用于优势关系粗糙集模型中,定义了一种新的基于序贯三支决策的属性约简及相应的属性重要度,对具有偏好值属性的信息系统进行更加高效的处理,通过多粒度的表示和关系的研究,加速了知识约简过程。选取了多组UCI数据进行实验,结果表明所提出的基于优势关系的序贯三支决策方法能够在保证约简质量的基础上明显降低时间耗费。"}
{"title": "基于多源特征后融合的分层目标检测算法", "abst": "目标检测是计算机视觉领域的热门研究课题,是视频内容分析的基础。文中提出了一种基于图像多源特征后融合的分层目标检测算法。在该算法中,使用多级决策的思想对目标检测任务进行粗细两个粒度的划分。在粗粒度层面,先使用HOG特征对图像进行分类,根据分类器的置信度分数,将测试图像分为正例、负例和不确定例。在细粒度层面,使用多种视觉特征以及多种核函数后融合的方法对不确定域中的图像做进一步分类。在同一数据集上设置了3组对比实验。实验结果表明,所提算法在各个评价指标上都有出色的表现,且在实际视频的目标检测中的效果优于Faster-RCNN。"}
{"title": "基于视觉特性的手机屏幕亮度自适应调节算法", "abst": "人工智能技术的发展促使人们通过智能手机进行交互,因此设置适宜的手机屏幕亮度对于保护人眼健康至关重要。针对该问题,文中结合人眼视觉特性对手机屏幕自适应亮度调节算法进行了优化。首先,设计了两款测量工具来采集和分析相关的数据。然后,采用主观评价的方法对室内外不同环境照度条件下的手机亮度值进行了研究。实验结果显示,用户理想的手机屏幕亮度远远低于现有自动亮度调节下的手机屏幕亮度。最后,根据用户的体验和人体视觉的特性设计了相应的算法,并对算法进行了评估。"}
{"title": "基于线性判别分析的Choquet积分的符号模糊测度提取", "abst": "在解决分类问题时,建立在Choquet积分上的分类器以其非线性和不可加性的特点,扮演着越来越重要的角色。由于Choquet积分中的符号模糊测度可以描述各特征对结果的影响,因此Choquet积分在解决数据分类及融合问题方面具有显著的优势。但是,关于Choquet积分符号模糊测度值的求解,学术界一直缺乏有效的方法。目前最常用的方法是遗传算法,但是遗传算法在解决符号模糊测度值的优化问题时存在算法较为复杂、耗时较长等缺陷。由于符号模糊测度值在Choquet积分分类器中是决定性的重要参数,因此设计出一种有效的符号模糊测度提取方法十分必要。文中提出基于线性判别分析的Choquet积分符号模糊测度的提取方法,推导出在分类问题下Choquet积分的符号模糊测度值的解析式表达,其能够有效、快速地得出关键性参数。分别在人工数据集及基准实际数据集上进行测试与验证,实验结果表明所提方法能有效解决Choquet积分分类器中符号模糊测度的优化问题。"}
{"title": "自适应邻域选择的FPFH特征提取算法", "abst": "在使用点云FPFH(Fast Point Feature Histograms)特征进行三维物体识别或配准时,人为主观调整邻域半径计算FPFH特征描述符具有随意性、低效性,整个过程不能自动化完成。针对该问题,提出了自适应邻域选择的FPFH特征提取算法。首先,对多对点云估算点云密度;然后,计算多个邻域半径以提取FPFH特征用于SAC-IA配准,统计配准性能最优时的半径与点云密度值,使用三次样条插值拟合法求出函数表达式,形成自适应邻域选择的FPFH特征提取算法。实验结果表明,该算法根据点云密度自适应选择合适的邻域半径,提升了FPFH特征匹配的性能,同时加快了运算速度,具有指导价值。"}
{"title": "基于HEVC压缩域的镜头边界检测方法", "abst": "镜头边界检测是智能视频检索的一个重要环节。现有的检测方法主要是在像素域进行处理,切变检测精度不高,计算复杂度过大。针对这些问题,文中利用解析HEVC码流得到的编码信息,提出了一种基于HEVC压缩域的镜头边界检测方法。首先统计每帧编码信息中各类预测模式的PU个数,并根据CU深度对运动矢量进行幅值滤波;然后采用PU预测模式、运动矢量和帧比特数对切变候选帧进行两级筛选,再对其进行自适应阈值的镜头切变检测;接着根据切变帧对视频序列进行分段,并在时域上对帧比特数进行平滑滤波;最后使用PU预测模式和经滤波平滑后的帧比特数对分段视频进行镜头渐变检测。实验结果表明,该方法具有良好的镜头边界检测效果,并具有较低的计算复杂度。"}
{"title": "基于深度学习的交互似然目标跟踪算法", "abst": "针对传统的视频跟踪算法对视频跟踪的精度不足以及主成分分析(PCA)的非线性拟合能力较弱的问题,将卷积神经网络与交互似然(IL)算法相结合,在深度学习的基础上对粒子滤波算法进行了优化改进。将核主成分分析(KPCA)网络应用于视频跟踪来获取目标的深层次特征表达,并采用一种新的交互似然图像跟踪器,非迭代地计算,对不同区域进行跟踪取样来减少数据之间的关联需求。在图像集上将所提算法与多种改进算法进行评估对比,结果表明所提算法具有非常好的鲁棒性及精确性。"}
{"title": "点线特征融合的误匹配剔除算法", "abst": "特征匹配作为计算机视觉的一项关键技术而备受关注。近年来,基于描述子的特征点匹配技术取得了一系列突破性进展,但曲线长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,导致了曲线匹配研究依旧是一个极具挑战性的热点研究课题,且现有曲线匹配方法大多出现匹配总数少、匹配正确率低的问题。为增加特征匹配的总数和正确率,利用特征点和特征曲线的位置关系提出一种点线特征融合的误匹配剔除算法(Point Line feature Fusion,PLF)。首先定义点到曲线的距离,利用点、曲线描述子提取图像的点、线特征;其次确定落入匹配曲线对应支撑区域内的匹配点对,并根据匹配点组和曲线间的距离约束剔除错误曲线匹配;最后利用点线距离约束剔除匹配曲线支撑区域内的错误点匹配。实验选取了3种不同的点线组合,即SIFT技术提取的点特征分别与IOCD曲线描述子、IOMSD曲线描述子、GOCD曲线描述子提取的曲线特征相融合,验证算法对多种点、线描述子具有适用性,且该算法不仅适用于特征点与特征曲线的融合,亦适用于特征点与特征直线的融合,从而验证了其对多种图像特征具有适用性。实验结果表明,在旋转、视角变化、光照变化、压缩、噪音、模糊等变换条件下,该算法均能有效提高曲线特征匹配的匹配总数和匹配正确率,同时提高点匹配的正确率。"}
{"title": "一种基于同配性的重叠蛋白质复合体检测算法", "abst": "蛋白质复合体在生物过程中具有重要的作用,从蛋白质互作用网络中进行蛋白质复合体检测是后基因时代的一项具有挑战性的任务。种子扩展方法是一种从蛋白质互作用网络中进行重叠蛋白质复合体检测的有效技术。然而,现有方法面临两方面的问题:1)在选择种子结点时通常仅仅考虑了网络中结点的直接邻居之间的连接紧密度,难以充分体现结点在局部邻域子图内的重要性;2)在簇的扩展过程中假设候选结点之间是相互独立的,忽略了候选结点的添加顺序可能对聚类结果带来的影响。为了解决以上问题,文中基于生物网络同配性提出了一种重叠蛋白质复合体检测算法。该算法利用结点的二阶邻域信息来度量结点的重要性,进而选择种子结点,在簇扩展过程中利用同配性实现多个候选结点的批量添加。为了对重叠聚类结果进行评价,提出了一种重叠复合体评价指标F-overlap。与其他复合体检测算法在蛋白质互作用数据集上的对比实验结果表明,所提算法能够有效地进行重叠蛋白质复合体检测。"}
{"title": "基于彩色编码技术的准种重建算法", "abst": "求解病毒准种单体型有助于了解其基因结构特点,对疫苗的研制及抗病毒治疗具有重要意义。文中通过引入模糊距离,构造一种带权的片段冲突图,并提出了基于彩色编码技术的病毒准种单体型重建算法CWSS。CWSS算法先根据给定阈值对片段冲突图进行预处理;然后根据顶点的边权和及饱和度取值为图中顶点着色,着色遵循相邻顶点颜色相异的原则,直至所有顶点完成着色;最后将相同颜色的顶点片段进行组装,得到准种单体型。CWSS算法的时间复杂度为O(m~2n+mn)。采用模拟测序片段数据进行实验测试,对CWSS算法和Dsatur算法的重建性能和质量进行对比分析。实验结果显示,相比于Dsatur算法,CWSS算法能获得更准确的准种单体型,具有更高的重建性能。"}
{"title": "面向GPU计算平台的归约算法的性能优化研究", "abst": "归约算法在科学计算和图像处理等领域有着十分广泛的应用,是并行计算的基本算法之一,因此对归约算法进行加速具有重要意义。为了充分挖掘异构计算平台下GPU的计算能力以对归约算法进行加速,文中提出基于线程内归约、work-group内归约和work-group间归约3个层面的归约优化方法,并打破以往相关工作将优化重心集中在work-group内归约上的传统思维,通过论证指出线程内归约才是归约算法的瓶颈所在。实验结果表明,在不同的数据规模下,所提归约算法与经过精心优化的OpenCV库的CPU版本相比,在AMD W8000和NVIDIA Tesla K20M平台上分别达到了3.91～15.93和2.97～20.24的加速比;相比于OpenCV库的CUDA版本与OpenCL版本,在NVIDIA Tesla K20M平台上分别达到了2.25～5.97和1.25～1.75的加速比;相比于OpenCL版本,在AMD W8000平台上达到了1.24～5.15的加速比。文中工作不仅实现了归约算法在GPU计算平台上的高性能,而且实现了在不同GPU计算平台间的性能可移植。"}
{"title": "模糊多目标进化的社会团队形成方法", "abst": "目前,基于社会网络的团队形成问题研究大多采取0-1规则度量专家技能。针对人们通常使用自然语言描述专家技能的情况,提出模糊多目标进化的社会团队形成方法。该方法研究模糊环境下如何从专家社会网络中查询出合适的个体并组成规模一定的团队,实现最小的通信代价和最优的团队绩效。其采用模糊语言变量代替以0-1规则为代表的精确参数来描述专家技能,使用团队绩效的概念衡量团队对任务P的技能表现力。鉴于标准SPEA2算法在进化初期收敛速度慢的缺点,引入档案精英学习策略生成优良个体。另外,考虑到专家技能的模糊性,文中提出了细粒度Dominance判断作为判断个体间支配关系的新准则。仿真实验结果证明,改进算法的收敛速度快,获得的近似Pareto前沿更加逼近真实解集,可有效求解团队形成问题。"}
{"title": "基于Petri网行为紧密度的有效低频行为模式分析", "abst": "低频行为模式分析是流程管理的重要内容之一,有效区分低频日志和噪音日志在业务流程过程挖掘中显得尤为重要。目前已有的研究大部分是将流程模型中的低频行为当作噪音直接过滤,但有些低频行为对模型是有效的。文中提出了基于Petri网行为紧密度的有效低频模式分析方法。首先,根据给定的事件日志建立合理的流程模型;然后,通过迭代扩展初始模式来发现流程模型中的所有低频日志序列,并在此基础上计算日志与模型的行为距离向量,利用日志与模型的行为紧密度找出有效的低频行为模式;最后,通过实例分析验证了所提方法的可行性。"}
{"title": "迭代学习控制的最优学习律和简化学习律的频域研究", "abst": "为了在线性时不变MIMO系统中得到迭代学习控制的最优学习律和便于工程实现的简化学习律,在频域上对其进行了相关研究。以系统的传递函数矩阵为基础,依据Parseval定理,将时域误差关联为频域误差,再利用Jordan标准形矩阵等矩阵性质,得到了学习律的通适收敛条件。通过分析该条件,得出了收敛速度最快的一次迭代就能完成的最优学习律。由于高阶导数不利于消除噪音,因此文中还讨论了导数的降阶,给出了简化学习律算法。仿真结果表明,最优学习律和简化学习律是有效的。"}
{"title": "基于SysML的嵌入式软件系统建模与验证方法研究", "abst": "嵌入式软件系统由于广泛采用分布式异构网络,使得软件系统复杂性呈现几何增长,因此需要在系统设计的论证阶段,对系统需求和设计方案进行正确性和充分性验证,进而发现系统性设计缺陷,避免可能引发或导致的严重系统性问题。为此,提出一种基于SysML的嵌入式软件系统结构与行为需求建模方法。通过对嵌入式软件系统的结构和逻辑行为进行层次化建模,并利用Modelica离散与连续融合的仿真特点,在系统需求论证阶段,基于建立的仿真模型对系统关键功能指标进行仿真,结果表明,该方法对系统需求论证具有可行性。"}
{"title": "基于知识图谱的医疗病历数据存储研究", "abst": "基于关系数据库的资源描述框架(RDF)存储方案多数未考虑领域特性而造成查询性能不足。为此,提出一种改进的病历图谱存储方案。根据原始病历数据具有多元关系的特征,设计多元关系到RDF三元组的转化方案。基于原始病历数据具有空值多、谓词数量多且谓词不固定等特性,采用基于改进三元组表的存储方案,将病历RDF三元组的实体和属性进行ID化。在此基础上,设计实体类型表,面向病历图谱使用SPARQL-to-SQL查询转换算法。实验结果表明,与基于类型的存储方案相比,该方案具有较高的查询效率。"}
{"title": "面向移动平台的轻量级卷积神经网络架构", "abst": "针对深度神经网络在移动平台上存在准确度低、过拟合等问题,提出一种轻量级的卷积神经网络架构。将3×3的深度可分离卷积替换SqueezeNet网络模型基本模块Fire中的标准3×3卷积核,并构建SparkNet的网络结构,替换模型卷积得到网络变形结构。实验结果表明,与SqueezeNet网络结构相比,该架构可以提高网络模型的计算速度,有效降低网络模型规模并减少参数数量。"}
{"title": "混合关键性系统寿命优化的任务调度算法", "abst": "为延长混合关键性系统的设备寿命,考虑瞬时性、永久性2种故障并采取容错方案满足安全需求,提出一种两阶段解决方案。利用动态电压频率调整技术为每个任务确定运行频率,确保热循环对设备寿命的损害最小。使用重执行技术,在可靠性约束和可调度性约束下对设备寿命进行分析,构建一个多目标非线性规划问题,从而得到最优解。仿真结果表明,与RAND、MFPR、MRPF、DPAS 4种算法相比,该算法在保证系统可调度与可靠性的前提下,可使系统寿命最多延长47%。"}
{"title": "基于TFPCM与随机模型的交通滞留量预测", "abst": "交通滞留量预测是实现智能交通灯自动配时的前提,准确的交通滞留量预测可以为交通信号的动态调配提供支持,从而缓解城市交通拥堵问题。为此,提出一种交通滞留量预测系统。利用基于时间序列分割与极限学习机结合的交通流量预测算法,设计道路系统的模拟方案,将得到的预测流量进行仿真,构建扩展的二级马尔科夫随机模型,计算交通滞留量的预测值。实验结果表明,与BP神经网络相比,该系统能够准确预测交通滞留量,可为城市交通疏导和控制提供理论依据。"}
{"title": "基于RSSI与移动锚节点运动轨迹的定位算法", "abst": "无线传感器网络获取消息节点的位置需进行实时定位,但由于传感器节点存在能量有限、可靠性差等不足,考虑到能耗和硬件的限制,提出一种基于接收信号强度指示(RSSI)的定位算法。利用未知节点从锚节点处接收到的RSSI值序列估计未知节点的位置,锚节点在监测区域中按照特定的轨迹运动,以覆盖区域内所有的点。仿真结果表明,该算法是可行的,且具有较高的定位精度。"}
{"title": "面向多层异构网的最大和谐均值用户对级联方案", "abst": "针对中继异构网中基站负载不均衡的问题,提出一种中继协作的多层异构网用户对级联方案,以实现最佳用户对级联(UPA)。在中继协作异构网中,利用等效的端到端偏置接收功率为每层中一个特定的移动用户对定义最佳中继,基于此给出最大和谐均值用户对级联(MHM-UPA)准则,并假设所有网络元素的位置建模为独立泊松点过程,通过随机几何分析方法推导相应的UPA概率以及统计描述。分析结果表明,该方案充分考虑了中继系统中两跳的联合影响,能够有效克服双跳中继系统的瓶颈效应,改善系统性能。"}
{"title": "基于多属性决策TOPSIS的簇头选择", "abst": "针对LEACH协议中因簇头数目和分布位置不合理导致网络能耗不均衡的问题,利用多属性决策逼近理想解排序法(TOPSIS)进行簇头选择。综合考虑节点的剩余能量、邻居节点数量、到基站的距离和传输范围,使用Pareto最优解选择一组簇头,进而通过TOPSIS算法进行排序选出最佳簇头。仿真结果表明,TOPSIS在剩余节点数和网络能耗上优于LEACH和AHP算法,能够有效延长网络生命周期,使网络能耗更均衡。"}
{"title": "以用户为中心的基站与波束自适应选择算法", "abst": "根据信道环境选择最优的微基站与波束时存在非自适应问题。为此,基于随机向量量化码本的限制反馈波束赋形技术,推导出最大化平均有效信噪比的表达式,提出以用户为中心的分布式毫米波蜂窝小区基站与波束的自适应选择算法。根据用户在蜂窝内的位置,以平均有效信噪比为代价函数,自适应地选择最优的微基站。仿真结果表明,在反馈比特数为6 bit以及信噪比大于12 dB的情况下,该算法的误码率和遍历容量性能都优于固定数目的微基站,能够获得2 dB～4 dB的信道增益。"}
{"title": "超密集网中基于分簇的功率优化控制方案", "abst": "超密集网(UDN)的组建可增加热点地区的系统容量,但由于网络中存在严重区间干扰,限制了UDN的部署。为此,提出一种基于小区分簇的功率优化控制方案。通过预先设定的系统平均干扰阈值进行分簇,将系统中干扰较大的小区分到一个簇中,当簇中的小区对其他小区用户的干扰低于设定的阈值时,将此小区从这个簇中去除。该方案的功率控制由控制器根据簇内基站所占的权重值为各个基站分配相应的功率值,从而达到控制目的。仿真结果表明,该方案能够有效抑制网络中的干扰,提高系统吞吐量。"}
{"title": "利用三阶特征信息的多速率LC-DS-CDMA信号扩频码估计", "abst": "针对多速率长码直扩码分多址(LC-DS-CDMA)信号的扩频码估计问题,提出一种利用三阶相关特征信息的匹配估计法。利用m序列三阶相关函数峰值点具有唯一性的特点,构建周期与非周期多速率LC-DS-CDMA信号的三阶相关特征信息矩阵。根据接收信号的长度判断信号的周期性,估计相应接收信号的延迟三阶相关列向量。与相应的特征信息矩阵作匹配运算并对匹配结果进行归一化,完成接收信号中各用户的扩频码估计。仿真结果表明,该方法能够有效估计多速率LC-DS-CDMA信号的扩频码,相比盲源分离法具有更高的正确估计率。"}
{"title": "一种负载均衡的RPL多路径数据传输机制", "abst": "低功耗有损网络路由协议(RPL)由于负载不均衡导致节点能耗失衡。为此,提出一种RPL多路径数据传输机制。在网络拓扑构建过程中依据数据传输代价选出每个节点的最优多父节点集。结合无线链路质量、节点剩余能量、节点缓存占用率以及中继节点的子节点数量等度量,设计一种数据流量分配度量标准,基于该度量标准提出能够最大化均衡网络负载的流量分配策略,以获得最优数据传输方案。仿真结果表明,相对RPL、ELT-RPL机制,该机制能够最大化地实现负载与节点能耗均衡,延长网络生存时间并提高路由可靠性。"}
{"title": "SDN中应用网络分区的控制器部署策略", "abst": "鉴于大型软件定义网络中控制器部署的复杂性特点,以最小化控制时延为优化目标,提出一种改进的K-均值网络分区算法。通过聚类划分建模控制器部署问题,考虑在真实网络环境中节点的连通性,采用节点间的最短路径代替传统的欧氏距离计算传输时延。实验结果表明,与基于K-means算法相比,该算法可以有效减小网络的最大时延和平均时延,准确部署控制器。"}
{"title": "基于Voronoi图划分的节点模糊信息定位算法", "abst": "针对基于接收信号强度的无线传感器网络节点定位算法精度低的问题,提出一种基于Voronoi图划分的节点模糊信息定位算法。根据锚节点个数对定位区域进行Voronoi图划分,将整个定位区域划分为不同的Voronoi区域,同时获得各个Voronoi区域的顶点坐标。使用高斯滤波方法筛选出可以作为参考节点的顶点坐标,通过顶点坐标和锚节点联合定位未知节点。利用模糊信息定位方法计算出未知节点的最终位置。实验结果表明,相比M ANLFI算法和FINL-DT算法,该算法能够有效提高节点定位精度,降低网络能耗。"}
{"title": "移动数据收集器在WSN中的运动策略研究", "abst": "在无线传感器网络中引入移动数据收集器(MDC)可以缓解传统静态网络能耗不均衡与能量空洞等问题。为使MDC对网络的节能效果达到最佳,通过算法设计使节点在远离或靠近sink的不同方向上拥有移动概率,在网络节点密度不同的地方建立大小各异的数据收集树平衡网络能耗,数据收集前调整收集器的位置,以减少数据传输能耗。给出MDC运动策略,并与DSDV路由协议相结合,提出带有移动数据收集器的路由协议MDSDV。实验结果表明,MDSDV能够提高网络的数据传输成功率,延长网络的生存期。"}
{"title": "QARMA算法的相关密钥不可能差分攻击", "abst": "QARMA算法是一种代替置换网络结构的轻量级可调分组密码算法。研究QARMA算法抵抗相关密钥不可能差分攻击的能力,根据QARMA-64密钥编排的特点搜索到一个7轮相关密钥不可能差分区分器,在该差分区分器的前、后各添加3轮构成13轮相关密钥不可能差分攻击。分析结果表明,在猜测52 bit密钥时,与现有中间相遇攻击相比,该相关密钥不可能差分攻击具有攻击轮数较多、时间复杂度和空间复杂度较低的优点。"}
{"title": "基于LSH的隐私保护POI推荐算法", "abst": "基于位置的社交网络利用用户的签到数据进行兴趣点(POI)推荐,但是出于对数据隐私的考虑,各种社交平台之间不愿意直接共享数据。为综合各个社交平台的数据从而提供更好的POI推荐服务,提出一种基于局部敏感哈希(LSH)的隐私保护POI推荐算法。通过LSH选取相似用户集合,极大地减少计算量,满足用户的快速响应需求。利用LSH和Paillier同态加密技术,在计算过程中保护数据隐私不被泄露。真实数据集上的实验结果表明,在响应时间和预测准确度上,该算法优于传统基于用户的协同过滤推荐算法。"}
{"title": "云存储中基于拼音相似度的密文模糊搜索方案", "abst": "中文关键词模糊密文搜索方案依赖预定义的关键词模糊集,存在搜索复杂度高和存储空间大等不足。为此,提出一种应用于云存储的基于拼音相似度的多关键词密文模糊搜索方案。运用拼音相似度和欧氏距离衡量汉字的相似度,以布隆过滤器为基础,利用p-稳定分布的局部哈希函数构造索引,实现多个中文关键词的密文模糊搜索。实验结果表明,与基于关键词的加密云数据模糊搜索方案相比,该方案搜索效率较高,存储代价较小,且能够保证信息安全。"}
{"title": "SWIFFT算法效率分析", "abst": "以SWIFFT算法为重要组成部分的SWIFFTX杂凑算法因实现效率问题未能进入SHA-3第二轮竞选。为此,研究提高SWIFFTX杂凑算法效率的方法,分析SWIFFT算法的实现过程。通过绘制快速傅里叶变换(FFT)流向图,估算实现SWIFFT算法的加/减、乘法运算量。此外,还提出一种计算中间参数ω的方法。分析结果表明:当存储空间较少时,选用16点FFT实现SWIFFT算法效率更高;当存储空间充足时,选用8点FFT实现SWIFFT算法效率更高。"}
{"title": "基于安全三方计算的密文策略加密方案", "abst": "针对现有密文策略属性加密方案存在用户密钥易泄露的问题,提出一种基于安全三方计算协议的密文策略方案。通过属性授权中心、云数据存储中心及用户之间进行安全三方计算构建无代理密钥发布协议,使用户端拥有生成完整密钥所必需的子密钥。安全分析表明,该方案能够有效消除单密钥生成中心及用户密钥在传输给用户过程中易泄露所带来的威胁,增强用户密钥的安全性。"}
{"title": "基于快速响应码约束的光学图像加密算法", "abst": "为提高光学图像加密算法的安全性与解密质量,方便密钥的存储、管理与传输,提出一种基于快速响应(QR)码约束与混沌Gyrator变换的图像加密算法。引入二维耦合混沌系统,利用明文像素对其进行迭代后输出2个随机相位掩码。通过2个混沌序列来计算2个Gyrator变换的旋转角度,然后利用明文生成相应的QR码,并将其置于2个随机相位掩码结构的输入平面,通过两级Gyrator变换输出一个实值密文。同时,借助QR码的支撑约束条件对传统的相位检索技术进行改进,最终从密文中检索到初始的QR码后解密图像。实验结果表明,与借助圆谐分量展开与Gyrator变换实现光学图像加密的算法相比,该算法具有较高的安全性与解密质量,在噪声攻击下,其复原图像的失真度较低。"}
{"title": "支持代理重加密的基于身份可搜索加密方案", "abst": "现有的基于身份可搜索加密算法多数无法实现搜索权限的共享。为此,提出一种在云环境下支持代理重加密的基于身份的可搜索加密(IBPKS)方案。将基于身份的加密算法应用到可搜索加密中,并以代理的形式实现搜索权限的高效共享。同时,给出IBPKS方案的形式化定义和安全游戏。实验结果表明,该方案安全高效,在随机预言模型下满足一致性,并能抵抗适应性选择身份和选择明文攻击。"}
{"title": "基于身份的动态可搜索加密方案", "abst": "可搜索加密技术节省用户的本地存储资源,简便用户对所要查询加密文件的搜索操作,但是多数可搜索加密方案都只是静态搜索。为此,提出一种基于双线性对的可以删除指定身份文件的动态可搜索加密方案。引进认证技术,在服务器删除文件之前对删除用户的合法性进行认证,以防止非法用户的恶意删除。分析结果表明,该方案在实现删除功能基础上,具有选择明文攻击下的不可区分安全性。"}
{"title": "基于LPN的抗擦除攻击认证协议", "abst": "针对计算资源受限设备易遭受擦除攻击的问题,在HB协议的基础上提出2种改进方案,使基于带噪声的校验学习的加密认证协议能够抵抗擦除攻击。第1个方案为共享密钥增添一位校验位,从而检测并避免擦除攻击。第2个方案将密钥编码成汉明码,即使在擦除攻击发生的情况下也能恢复密钥。实验结果表明,2个方案都能在保证原协议安全性的基础上,增加抗擦除攻击的属性。"}
{"title": "硬件木马旁路检测方法的影响因素研究", "abst": "旁路检测方法通过采集电路功耗、延迟、电磁场等物理参数特性筛查硬件木马电路,但其检测性能会受到工艺波动的严重影响,且工艺的不确定性会随着芯片工艺尺寸缩小和亚阈值泄漏电流增大而增加。为此,研究硬件木马旁路检测的影响因素。通过构建旁路检测模型,在中芯国际130 nm和65 nm标准CMOS工艺下对ISCAS’85 c880基准和木马电路进行实验,结果表明,优化测试向量和适当降低电源电压能够降低工艺波动的影响,平均综合灵敏度分别提升5. 60%(130 nm)和0. 40%(65 nm)。同时,利用静/动态测试向量组的绝对差异比作为辅助判别依据,可降低测试向量筛选迭代次数。"}
{"title": "基于卷积双向长短期记忆网络的事件触发词抽取", "abst": "传统事件触发词抽取方法在特征提取过程中过分依赖自然语言处理工具,容易造成误差累积。为解决该问题,在卷积双向长短期记忆网络的基础上,提出一种事件触发词抽取方法。通过卷积操作提取单词上下文语境信息,同时利用长短期记忆网络保留句子级别特征,从而提高事件触发词的抽取性能。在ACE2005英文语料上的实验结果表明,该方法在事件触发词识别与分类阶段的F值达到69. 5%,具有较好的抽取性能。"}
{"title": "基于改进遗传算法的社区挖掘研究", "abst": "传统遗传算法应用于社区挖掘时初始种群划分精确度不高,且容易降低算法整体搜索性能。为此,提出一种改进的遗传算法,并将其引入到社区挖掘研究中。结合结构相似度与轮盘赌选择法,使染色体的每个基因趋向于选择结构相似度较大的邻居节点,提高初始种群的社区划分质量并加速算法收敛速度。实验结果表明,在人工基准网络中,该算法的初始种群划分精确度和模块度比传统遗传算法平均提高18%和12%,整体划分精确度比FEC和FN算法平均提高24. 02%和22. 01%,在真实世界网络中,社区划分精确度均优于FN、FEC和LPA算法,从而验证该算法具有较好的社团挖掘性能。"}
{"title": "基于语义扩展与注意力网络的问题细粒度分类", "abst": "针对问题文本细粒度分类中文本特征稀疏、文本整体特征相似、局部差异特征较难提取的特点,提出基于语义扩展与注意力网络相结合的分类方法。通过依存句法分析树提取语义单元,在向量空间模型中计算语义单元周围的相似语义区域并进行扩展。利用长短期记忆网络模型对扩展后的文本进行词编码,引入注意力机制生成问题文本的向量表示,根据Softmax分类器对问题文本进行分类。实验结果表明,与传统的基于深度学习网络的文本分类方法相比,该方法能够提取出更重要的分类特征,具有较好的分类效果。"}
{"title": "基于图模型的中文多谓词语义角色标注方法", "abst": "针对语义角色标注中的多谓词现象,从图模型角度出发,提出一种中文多谓词语义角色标注方法。对句中的多个谓词进行联合语义分析,并采用随机爬山算法优化图模型。利用句中多个谓词之间的全局特征,提升语义角色的区分度。在中文命题库上的实验结果表明,该方法可以明显提高语义角色标注的分类效果。"}
{"title": "基于多源融合特征提取的在线广告预测模型", "abst": "针对智能移动终端应用平台上的广告点击率(CTR)预测问题,在传统PC端Web平台在线广告CTR预测方法的基础上,提出一个新的智能移动终端在线广告投放业务架构。基于此架构,构建基于机器学习的在线广告预测模型,对用户基本信息、广告内容、用户使用环境等多源特征进行融合提取,实现在线广告CTR的精确预测。结合移动APP应用环境的特点,将用户历史行为数据加入预测模型进一步提高CTR预测性能。实验结果表明,该模型具有较高的CTR预测准确率。"}
{"title": "基于区域与分类回归融合的AU强度估计算法", "abst": "脸部动作编码系统为人脸表情信息定义了脸部动作单元(AU)的概念,但在AU强度的检测上由于各级别之间的区分度较低且个体间人脸表情差异较大,导致检测效果较差。为此,挖掘AU激活和区域之间较强的相关特性,提出一种新的基于区域和特征融合的特征提取算法,并同时给出一种AU强度计算方法,即在对高AU强度和低AU强度二分类后根据有序回归判断AU最终的强度。该算法利用强AU和弱AU较强的可分性,考虑不同AU强度间的相关性,发挥分类和回归方法在AU强度检测方面的优势。在DISFA、FERA2015数据集上的实验结果表明,该算法具有较高的鲁棒性,AU强度的计算效果优于CNN、VGG16等方法。"}
{"title": "变样本量学习最小二乘支持向量机算法", "abst": "为增加最小二乘支持向量机(LS-SVM)算法解的稀疏性,提高其运算效率,提出一种变样本量学习LSSVM算法。从训练集中随机抽取部分样本作为初始工作集,在学习阶段将样本训练过程分为样本增量和样本减量2个阶段。在样本增量阶段,按KKT条件选取特定样本加入工作集并进行训练,在样本减量阶段,采用负松弛变量剪枝策略与基于对偶目标函数差的剪枝策略实现剪枝。在此基础上,采用工作集中的剩余样本构造学习分类器。实验结果表明,相对SMO、SMO-new、ISLS-SVM算法,该算法具有稀疏性高、运算速度快、无精度损失等优点。"}
{"title": "基于深度学习的个性化网吧游戏推荐", "abst": "与传统推荐模型相比,深度学习可以更好地理解用户需求、项目特征及用户与项目之间的互动性,从而更有效地发现用户和项目之间的匹配关系。将深度神经网络应用于网吧游戏推荐场景,分析用户的个人偏好,根据时间推移兴趣的变化,对用户历史游戏行为记录进行建模训练,为用户提供个性化Top-N游戏推荐。基于深度神经网络设计训练模型,输入层采用对用户历史行为数据处理后的用户偏好向量,隐藏层运用ReLU激活函数的多层网络,输出层则采用逻辑回归的Softmax结构,最终运用带L2规范项的代价函数评估学习到的模型可靠性。在真实数据集下的实验结果表明,随着隐藏层的增加,该方法能明显降低均方根误差,且能提高召回率。"}
{"title": "基于双词语义扩展的Biterm主题模型", "abst": "针对Biterm主题模型短文本文档的双词产生过程中词对之间缺乏语义联系的情况,提出一种融入词对语义扩展的Biterm主题模型。考虑双词的语义关系,引入词向量模型。通过训练词向量模型,判断词与词之间的语义距离,并根据语义距离对Biterm主题模型进行双词语义扩展。实验结果表明,与现有Biterm主题模型相比,该模型不仅具有较好的短文本主题分类效果,而且双词间的语义关联性能及主题词义聚类性能也得到明显提升。"}
{"title": "超深卷积神经网络的图像超分辨率重建研究", "abst": "针对VDCN网络结构在大尺度因子上超分辨率效果较差的缺点,提出一种高精度单图像超分辨率重建方法。将ReLU激活函数更换为PReLU激活函数,增加网络层数,使用25个带PReLU激活函数的卷积层进行训练和测试。实验结果表明,与VDCN方法相比,该方法耗费时间较少,且性能更稳定。"}
{"title": "融合前景信息的背景模板优化显著性检测算法", "abst": "当显著目标位于图像边界时,已有显著性检测模型往往将显著性区域误检为背景模板,导致检测效果不佳。为此,提出一种背景模板优化的显著性检测算法。设计一种选择策略移除图像边界区域的显著超像素模块,建立改进的背景模板后计算基于背景的显著图,从该显著图中得到紧凑的前景区域,描述显著目标的外观和位置后计算基于前景的显著图。在此基础上,将2个显著图进行融合,通过一种能量函数对其进行改善,得到最终平滑和精确的显著图。实验结果表明,相对SEG、CA等算法,该算法能提高目标检测的精确率与召回率。"}
{"title": "基于改进容差机制的图像去雾算法", "abst": "传统容差机制图像去雾算法中的容差参数选取受图像是否含天空区域影响,且修正后的透射率容易出现分层现象。为此,提出一种基于颜色衰减先验的容差机制透射率纠正算法。通过判断图像每一像素点的亮度-饱和度差值与原始透射率的比值大小提取天空等明亮区域,根据原始透射率值以及亮度-饱和度差值对该区域透射率进行放大修正,使其趋近于真实值。实验结果表明,在不改变容差参数的情况下,相对基于暗原色先验的图像去雾算法,该算法色调还原度值、峰值信噪比值均有所提升,复原图像质量更好。"}
{"title": "基于深度特征融合的中低分辨率车型识别", "abst": "针对中低分辨率车型识别问题,建立一种改进的卷积神经网络(CNN)特征融合模型。采取特征融合策略对CNN中的不同低层特征进行融合重复利用。为防止出现过拟合现象,结合网络模型稀疏化的结构,使用数据增强方法优化训练数据。分析和实验结果表明,该模型不仅能产生更具区分性的特征,而且能避免由环境等因素引起的干扰,与传统CNN模型相比,具有更高的识别准确率。"}
{"title": "一种基于改进FCN的多光谱图像建筑物识别方法", "abst": "多光谱图像的建筑物目标在不同尺度下具有不同特征,利用传统全卷积神经网络(FCN)进行识别时精度较低。为此,提出一种基于改进FCN的多光谱图像建筑物识别方法。通过旋转图像进行训练集扩充,从网络的第1层～第12层提取图像在4个旋转角度和不同尺度下的低层特征,将其归一化为同样尺寸的图像后提取更高层特征,以实现对多光谱图像建筑物的精确识别。实验结果表明,相比传统FCN方法,该方法能够提高识别的精确率与召回率。"}
{"title": "基于独立空谱残差融合的联合稀疏表示高光谱图像分类", "abst": "针对高光谱图像分类中存在的空间信息与光谱信息融合问题,提出一种基于独立空谱残差融合的联合稀疏表示高光谱图像分类算法。使用类独立的光谱角初分类图像,获得像元初始标记后按特定条件进行筛选再构造像元邻域空间。提取图像的全局空间信息,并将其引入到空谱联合稀疏表示模型中,使用单独的光谱信息字典与空间信息字典分别进行图像光谱与空间的联合稀疏表示残差计算。在此基础上,使用残差融合算法确定图像类别。实验结果表明,相对SVM、KNN等算法,该算法能够提升高光谱图像的分类精度,且分类结果更稳定。"}
{"title": "基于改进三维Otsu法的森林冠层图像分割", "abst": "运用传统三维最大类间方差(Otsu)法进行森林冠层图像分割时,存在抗噪声能力差、计算复杂度高等问题。为此,基于三维Otsu法,提出一种改进的森林冠层图像分割方法。通过三维直方图重建实现去噪并保留边缘信息。将重建后的三维直方图经过降维处理分解为3个一维直方图,以降低计算复杂度,减少运行时间和存储空间。实验结果表明,相对传统三维Otsu法,该方法能够有效分割森林冠层图像,且具有更好的分割鲁棒性、准确性与实时性。"}
{"title": "基于3D卷积神经网络的人体动作识别算法", "abst": "由于人体动作的多样性、场景嘈杂、摄像机运动视角多变等特性,导致人体动作识别的难度增加。为此,基于3D卷积神经网络,提出一种新的人体动作识别算法。以连续的16帧视频为一组输入,采用视频图像的灰度、x方向梯度、y方向梯度、x方向光流、y方向光流做多通道处理,训练网络参数,经过5层3D卷积、5层3D池化增加提取特征中时间维度的动作信息,最终通过2层全连接与softmax分类器得到识别分类结果。在UCF101数据库上进行实验,结果表明,相比iDT、P-CNN、LRCN算法,该算法具有较高的识别准确率,且运行速度更快。"}
{"title": "基于最优传输的网格参数化序列簇生成方法", "abst": "利用Ricci曲率流将原曲面上的面元测度前推到目标参数域上形成初始面元测度,对初始面元测度或目标面元测度进行变换,以构造一系列连续变换的面元测度序列,然后计算面元测度间的最优传输映射并构建连续变换的参数化序列簇。通过莫比乌斯变换、曲率强化和重要性驱动3种方式对面元测度进行变换实验,结果表明,相比拟等积方法,该方法可以构造出多种不同的参数化序列簇,并能取得较好的特殊参数化效果。"}
{"title": "Welsch M-估计在视频重构与背景减除中的应用", "abst": "针对监控视频在压缩采样过程中混入冲击噪声后的背景减除问题,提出一种基于Welsch M-估计与张量分解正则化的鲁棒视频重构与分解模型。为削弱冲击噪声对重构性能的影响,引入Welsch M-估计替代均方差作为衡量重建误差的代价函数。在张量框架下,将背景在不同维度、不同场景下的低秩差异性先验引入背景建模,得到重构与分解模型,并基于半二次理论和多块交替方向乘子方法给出相应的优化求解算法。实验结果表明,与SpaRCS、CS-L1PCA等算法相比,该算法在混入冲击噪声情况下,仍能保持视频重构与分解的鲁棒性。"}
{"title": "基于危险理论的地震预测方法", "abst": "采用机器学习算法进行地震预测存在过拟合且需要大量训练集的问题。为此,将危险理论引入地震预测的应用中,在分析大量地震历史源数据和结合领域专家经验知识的基础上,提出一种利用地震学获取特征指标的地震预测方法。通过Gutenberg-Ricthter规则、特征地震震级分布和近期地震预测研究的结论提取9个地震特征指标,采用具有动态性的危险理论预测未来一个月内发生大地震事件的概率。同时,通过分析四川省地震历史数据,应用危险理论对地震特征指标进行分析和预测,并与现有的地震预测方法 BP神经网络进行比较。实验结果表明,该方法的检查概率、准确率及R得分均高于BP神经网络,表明在采用较少的样本集时其可靠度更高。"}
{"title": "面向智慧商圈的多源数据采集与综合评价系统", "abst": "针对智慧商圈建设过程中各类数据需求,设计一个多源数据采集与综合评价系统。利用Pyspider框架采集数据,基于二分思想和多边形规则对采集的数据进行商圈边界探测、商圈内点判定,通过构建一套兴趣点与商圈的映射规则,解决不同数据源对商圈定义不同的问题。利用融合后的数据,从60多个维度进行商圈结构分析和对标分析。实验结果表明,该系统能为各类分析模型提供数据支持,从而为各类商业行为提供决策支撑。"}
{"title": "基于标记边的城市轨道交通网络KSP算法", "abst": "城市轨道交通网络票务清分和客流分配都需要以路径搜索作为基础。由于城市轨道交通网络拓扑结构图不适用标记点的路径搜索算法,如对其拓展将导致路径搜索时间延长。为此,基于标记边的思想,考虑进出站时间对路径选择的影响,提出适用于城市轨道交通网络的K最短路径(KSP)搜索算法,以实现无须拓展网络的KSP搜索。在北京城市轨道交通网络上的应用结果表明,与传统的标记点Yen算法相比,该算法计算效率显著提高,在搜索同一OD对之间的KSP时能够节省至少一半时间。"}
{"title": "非完整机器人目标跟踪控制器的设计与实现", "abst": "为基于视觉定位与超声波测距的非完整履带式机器人设计一款快速稳定的目标跟踪控制器。根据机器人的实际参数和执行能力,对现有控制器的未知参数进行整定,使机器人能够平滑且渐进地到达理想位姿,并且在不增加控制器复杂度的基础上,通过先调整机器人航向角再缩短其与目标之间的距离,提高机器人执行能力。实验结果表明,该控制器能够驱动机器人快速平稳地跟踪目标。"}
{"title": "基于加权无标度的伪分形网络研究", "abst": "基于伪分形网络,研究幂率分布的加权与网络随机游走性质的关系,提出一种带参数的加权方法。通过分析网络构造特征与性质,构建网络相邻2代特征值的递推关系,得到特征值及重数。在此基础上,计算网络上带偏好随机游走的随机目标搜索时间,利用特征值给出网络的加权生成树计数。分析结果表明,该方法能够应用到确定性转移矩阵的网络,且具有较好的适用性。"}
{"title": "基于情感空间的用户阅读兴趣模型研究", "abst": "现有多数新闻推荐方法将用户兴趣划分为感兴趣和不感兴趣,难以对用户兴趣实现更精细的描述。针对该问题,将情感空间的思想融合到推荐系统中,提出一种以情感为依据的阅读兴趣表述方法。采用广义回归神经网络对眼动追踪数据的分析,提取阅读兴趣和眼动追踪数据之间的关系,建立基于眼动数据的用户兴趣模型。实验结果表明,该模型预测准确率达到86%,比PLSR模型高7%,具有较高的实用性。"}
{"title": "基于PIT相似性的VANET混合协同缓存策略", "abst": "针对车载自组织网络存在内容重复传输和访问时延长的问题,设计一种基于待处理请求表(PIT)相似性的混合协同缓存策略。依据中心节点PIT相似度,给出自适应构建缓存社区的方法。采用虚拟分布式哈希表实现相似区域的缓存调度,并在区域外采用下游节点保留副本策略实现混合协同。实验结果表明,与ICN经典缓存算法相比,该策略能够以较低的通信开销和存储代价,降低网络负载和节点缓存操作频度,提高缓存利用率。"}
{"title": "基于传感器距离的实时用户活动识别建模方法", "abst": "针对传统的用户活动识别建模方法在实时性要求下精度较低的缺点,提出一种改进的实时用户活动识别建模方法。利用已标注的传感器事件流数据建立传感器触发概率矩阵,并计算出传感器距离,作为建模的先验知识,在后续建模过程中赋予每个传感器事件不同的权重。根据传感器距离的内在含义判断活动转移发生的位置,通过概率矩阵推测上次活动作为新的特征维度来建模当前活动。在Aruba、Tulum2010和HH106 3个公开数据集上的实验结果表明,与SWMI、SWMIex等方法相比,该建模方法在精度和F1 2个指标上最大提升可超过10%。"}
{"title": "基于路网与QoS模型的GPSR改进协议", "abst": "针对传统GPSR协议在城市交通条件下多数存在链路质量低、投递率受速度影响大、低节点密度适应性差等问题,提出一种LRGR路由协议。利用道路和路口位置等信息建立路网模型,引入服务质量评估优化路径,并给出携带转发机制。选取实际道路电子地图作为实验仿真场景,并通过SUMO和NS3仿真工具对GPSR协议和LRGR协议进行不同节点密度或速度下的比较仿真,结果表明,在实际交通场景中,车辆密度与速度对路由协议投递率、端到端时延和端到端跳数影响较大,尤其在低密度和高速度情况下,协议各性能明显下降。在不同车辆密度和速度条件下,LRGR协议比GPSR协议投递率提高20%～35%,端到端时延降低5 ms～10 ms,端到端跳数减少2跳～4跳,能够适应城市车载自组织网络。"}
{"title": "基于改进猫群算法的物联网感知层路由优化策略", "abst": "针对物联网感知节点能量受限造成的数据传输瓶颈问题,提出一种基于改进猫群算法的路由优化策略。通过对猫群优化算法进行改进,根据迭代次数、路径节点能量与适应度值动态调整猫的分配率、记忆池和惯性权重,使其具有动态自适应性。在生成路径时综合考虑路径剩余能量方差、节点能量、节点负载、节点间距离等因素,并引入备份路由思想,保证数据传输的实时性。仿真结果表明,该优化策略能够有效减少最优路径建立时间并均衡网络能耗,延长物联网感知层网络的生命周期。"}
{"title": "基于CSI相位差值矫正的室内定位算法", "abst": "针对现有基于信道状态信息的室内无源指纹定位方法在复杂场景中多数存在相位误差偏移、指纹噪声大、样本分类精度低的问题,提出一种基于相位差值矫正的室内指纹定位算法。在离线阶段通过计算相位差值矫正通信链路中的相位误差和偏移,建立鲁棒的指纹数据库,使用BP神经网络对指纹特征数据进行训练,得到指纹特征信息与物理位置的映射关系模型。在线阶段相位采样值经过差值矫正后作为模型的输入,计算得到最终的精确定位结果。实验结果表明,与现有基于指纹的定位方法相比,该方法具有去噪效果显著、定位精度高的优点。"}
{"title": "基于图着色的密集D2D网络资源分配算法", "abst": "蜂窝设备到设备(D2D)网络通过D2D用户与蜂窝用户的上行链路复用,可大幅提高网络的频谱效率,但当D2D用户数大于蜂窝用户数时,即在D2D密集部署场景下,传统的资源复用算法不能满足D2D用户的频谱资源需求。针对该问题,提出基于图着色理论的D2D网络干扰协调频谱资源分配算法,可实现信道资源在多个D2D用户对间的多重复用,从而提升网络负载能力,改善网络吞吐量。在此基础上,给出一种改进的资源分配算法,以提高D2D用户的公平性。仿真结果表明,该算法在降低D2D用户获取信道资源“饥饿”概率的同时,能够提升网络信道资源的空间复用率及系统吞吐量。"}
{"title": "基于道路分段的车载自组织网络路由协议", "abst": "针对城市车载自组织网络中由于车辆运行速度快、网络拓扑结构变化频繁导致的路由链路不稳定问题,提出一种基于道路分段的车载路由协议RSRP。考虑交通灯对车辆速度和空间分布的影响,对不同区域的道路进行分段,选择路段上骨干节点,建立稳定的道路骨干网。在交叉路口选择桥节点,连接相邻路段上的骨干节点,获取路段上传输包所产生的延迟,并更新路段上的网络拓扑信息,通过桥节点获取的车辆状态信息,对路段分配相应权重,并选择最低权重所对应的路段作为路由路径,进而提高数据包传输的投递率,减小端到端时延。在NS2实验仿真平台下模拟真实的城市道路与车辆交通场景,结果表明,与GPSR、GyTAR等路由协议相比,RSRP协议能更好地适用于城市道路场景。"}
{"title": "基于PUF函数的轻量级双向认证协议", "abst": "为保障系统内车辆与车辆以及车辆与基础设施的无线通信安全,根据车联网特点,在不借助可信第三方的情况下,引入物理不可克隆函数,提出一种轻量级双向认证协议。利用GNY逻辑进行形式化分析,并通过安全性分析和效率分析,证明该协议在有效保护隐私的情况下完成双向认证,且能够抵抗克隆、窃听、重放、中间人等攻击,满足车联网的安全需求。效率及安全性分析结果表明,与同类协议相比,该协议具有较高的安全性和认证效率。"}
{"title": "工业物联网密集场景中的演进型时隙分配机制", "abst": "随着工业无线传感器设备数量的增加,传统IEEE 802. 15. 4 CSMA/CA协议已不能满足工业无线传感器网络密集场景。为此,提出一种演进型时隙分配机制,为密集场景下的工业无线传感器网络提供合理的时隙分配策略。基于当前最大时隙数构建可分配的时隙集合,根据退避状态指数和随机退避数计算位置指数,从而得到时隙分配方程,并依据该方程分配时隙数。通过不断演进CSMA/CA协议,建立状态转移模型。仿真实验结果表明,该机制可提高密集场景中时隙分配的公平性和传输命中率,降低数据发送延迟。"}
{"title": "基于碰撞点时间估计的车辆碰撞预警算法", "abst": "针对十字路口处的车辆碰撞现象,提出一种基于碰撞点时间估计的车辆碰撞预警算法,以降低交通事故发生概率,提高十字路口处车流的流畅程度。在考虑交通信号灯控制的情况下,分析十字路口处车辆碰撞的不同场景,并给出碰撞点位置和车辆到达碰撞点时间的估计方法。MATLAB实验结果验证了该算法的正确性和可行性,同时表明车辆速度和位置的变化都会对车辆碰撞情况造成影响。"}
{"title": "基于网络编码的车联网D2D视频分发技术研究", "abst": "为在车联网中实现高可靠性、低时延、高速率视频分发,面向设备与设备通信提出一种基于随机线性网络编码(RLNC)的视频分发方案。源节点将要分发的视频文件通过RLNC进行分片编码,编码后的数据片分发给道路上的移动设备。每个移动设备接收到数据片后,经过再编码向其他设备分发。当设备在接收到一定数量的线性无关的数据后,对数据片进行解码得到原始数据。设计模式切换、无线接入点选择、主动式再编码3种策略减少视频分发的延迟。实验结果表明,与传统基于复制的传输方案和基于即时可解的网络编码传输方案相比,该方案具有更高的分发效率。"}
{"title": "基于Q-learning的虚拟网络功能调度方法", "abst": "针对现有调度方法多数未考虑虚拟网络功能在实例化过程中的虚拟机选择问题,提出一种新的虚拟网络调度方法。建立基于马尔科夫决策过程的虚拟网络功能调度模型,以最小化所有服务功能链的服务延迟时间。通过设计基于Q-learning的动态调度算法,优化虚拟网络功能的调度顺序和虚拟机选择问题,实现最短网络功能虚拟化调度时间。仿真结果表明,与传统的随机虚拟机选择策略相比,该方法能够有效降低虚拟网络功能调度时间,特别是在大规模网络中调度时间可降低约40%。"}
{"title": "蜂窝异构网络中的最优频谱分配算法", "abst": "异构网络通过在宏基站的覆盖范围内密集地部署低功率的节点,使小区得到分化,提升信道增益。但由于频谱资源有限,资源分配在带有中继节点的蜂窝异构网络中变得较为复杂。为改善信道的频谱效率,研究在带有中继节点异构网络中的最优频谱分配策略以及对应的用户接入策略,提出一个基于乘子法的高效算法,通过在乘子法迭代中寻找一组有限的频谱复用模式,得到最优的频谱分配和用户接入策略,实现最优的比例公平性。数值仿真结果表明,该算法可有效利用有限的频谱资源,相对于传统的频谱分配策略,网络性能明显提升。"}
{"title": "基于业务优先级划分的虚拟网可靠性映射算法", "abst": "现有研究在重映射失效虚拟网过程中未对不同类型的虚拟网承载业务进行有效区分,导致资源收益较低。为此,提出一种基于业务优先级划分的虚拟网可靠性映射算法。定义虚拟节点和虚拟链路的重要性指标,运用混合整数线性规划方法将基于业务优先级划分的虚拟网可靠性映射问题建模为最优化问题。在此基础上,提出快速可扩展的启发式虚拟网可靠性映射算法,以提高失效虚拟网的重映射效率。实验结果表明,该算法在虚拟网请求接受率、服务提供商收益和利润成本比3个指标上,表现优于FD-EVN、APG-TABU和MW-AC算法。"}
{"title": "可见光通信中有照明限制的广义空间调制算法", "abst": "可见光通信中的照明需要考虑光功率变换以及照明均匀性。为此,利用多天线脉冲幅度调制(PAM)信号空间域和幅度的特点,提出一种多天线激活的广义空间调制算法。根据不同光功率自适应改变PAM信号形式以及激活天线数。同时,利用一致界技术推导出任意光功率下该算法的误比特率上界。仿真结果表明,该算法可以在不改变传统照明性能的前提下,有效提升系统的误比特性能,且其理论模型在高信噪比条件下可以很好地预测系统的误码率。"}
{"title": "大规模MIMO系统中基于Lanczos方法的低复杂度预编码", "abst": "针对大规模MIMO系统中因基站天线数与用户数过大导致迫零(ZF)预编码矩阵求逆复杂度较高的问题,提出一种基于迭代子空间投影算法的Lanczos方法低复杂度预编码方案。根据大规模MIMO系统信道矩阵具有对角占优特性,将信道大矩阵求逆诺依曼级数的第1项作为迭代的初始值,从而加快算法的收敛速度,使得ZF预编码的复杂度从O(K~3)降低到O(K~2)。仿真结果表明,该算法以较快的收敛速度逼近传统ZF预编码方案的信道容量与误码率性能。"}
{"title": "基于众包感知的移动网络小区信息侦测方法", "abst": "基站信息表是电信运营商进行移动网络运营和维护的核心数据资产,对于位置服务提供商具有重要的商业价值,但其存在基站信息更新不及时、不准确、第三方无法获取等问题,限制了基站信息表的应用范围和效果。针对该问题,提出一种基于移动众包感知数据的移动网络小区信息侦测方法。借助于众包感知的方式从海量普通用户智能终端上采集用户真实在网信息,利用数据挖掘算法对各基站小区关键参数进行估算,从而构建能够反映网络真实状态的基站信息表。基于现网真实数据的计算结果表明,与现有移动网络小区信息侦测方法相比,该方法具有更高的准确性和较强的信息侦测能力。"}
{"title": "基于发送时延自适应抖动的多信道MAC协议", "abst": "为保障机载自组网中各类飞行器在执行情报侦察、态势感知等任务时业务的低时延、高可靠、大容量的需求,提出一种新的多信道媒质接入控制协议。该协议采用时延抖动算法并根据信道负载自适应动态调整抖动窗口,利用多信道机制,使协议在有效保障系统稳定吞吐量的同时降低分组接入时延。通过建立分组排队阶段的M/G/1/K模型及信道接入阶段抖动状态的二维马尔科夫链模型,得到任一时隙有分组接入信道的概率,最终推导出分组成功传输概率、端到端时延和系统吞吐量的数学表达式。仿真结果表明,该协议可满足机载自组网传输业务的性能需求,验证了所建模型和理论推导的正确性。"}
{"title": "一种缓解能量空洞的数据聚合算法", "abst": "针对影响无线传感器网络(WSN)生命周期的能量空洞(EH)问题,以实际测量的数据为依据,综合考虑在数据传输过程中最大传输单元的影响因素,提出一种解决能量空洞的数学模型。该模型通过数据聚合的方式使每个节点发送数据时以最大的分片数进行传送,采用节能的方式对WSN能耗进行优化,以减小EH的区域,使全网能耗最低。仿真实验结果表明,与EHMS方案相比,该模型能够最大程度地优化WSN的能量,缓解能量空洞的形成,延长无线传感器网络的生命周期。"}
{"title": "复杂环境下一种多移动节点的WSN三维覆盖算法", "abst": "依据现实环境中对于复杂的山丘、沟壑等空间立体目标进行监测的需要,提出一种多移动节点的无线传感器网络三维覆盖算法。通过在三维空间中选取目标监测点,采用基于误警率的节点感知模型感知目标监测点,计算目标监测点的三维联合探测概率进行覆盖空洞分析,找出移动节点最优移动路径,调整移动节点移动位置实现对目标监测点的全覆盖,解决三维环境中恶劣复杂情况下的监测问题。仿真结果表明,该算法可有效探测覆盖空洞,并能够利用移动节点对其进行修复,在满足目标监测节点全覆盖的同时使移动节点的移动距离最优,降低网络能耗。"}
{"title": "基于多目标遗传的频谱切换目标信道序列设计算法", "abst": "信道容量与切换时延是次级用户选择目标信道的2个重要性能指标,目前的目标信道设计方法多数没有同时考虑这2个指标,存在一定的局限性。为此,基于多目标遗传算法,提出2种综合考虑累积时延和信道容量的目标信道序列设计算法:离散非支配排序遗传算法和离散的基于Pareto包络选择算法,并设计离散的种群编码和更新方式。仿真结果表明,与传统随机顺序访问方法相比,所提算法的信道容量提高24%以上,时延减少9%,能够兼顾网络实时性和高吞吐率。"}
{"title": "基于LPN具有一般中间人安全的两轮认证协议", "abst": "基于LPN设计的认证协议结构简单、计算量低且抗量子攻击,适用于射频识别等轻量级设备,但无法同时满足低成本和强安全性要求。为此,对具有s-MIM安全的两轮认证协议的通用构造方法进行改进,使其能够达到可证明的一般中间人安全。利用改进的构造方法,实例化一个基于LPN的抗一般中间人攻击的两轮认证协议Auth-Hash。实验结果表明,与LPNAP协议相比,该协议具有较小的密钥存储空间和通信开销。"}
{"title": "一种改进的安全RFID群组标签所有权转移协议", "abst": "针对现有无线射频识别群组标签所有权转移协议中出现的后向隐私泄露、暴力破解等安全问题,提出一种改进的所有权转移协议。通过字合成、循环移位简单位运算加密随机数,以抵抗攻击者的暴力破解攻击。利用可信第三方的参与,在不经过原所有者的条件下直接向新所有者和标签下发初始密钥,进而同步更新密钥,保证协议的后向隐私安全性。使用标签所有权归属标识位定义群组标签归属权,防止出现双重所有权,同时给出协议的GNY逻辑证明。分析结果表明,该协议具有安全、低成本特性。"}
{"title": "一种快速的SDN规则冲突检测机制", "abst": "软件定义网络架构中流表项的无意识性使攻击者可对其进行篡改,导致网络中出现规则冲突。针对现有规则冲突检测机制检测时间过长的问题,提出一种快速的规则冲突检测机制。通过压缩流表项,建立基于端口的规则拓扑,根据该拓扑计算端到端的可达性,从而快速检测网络中的规则冲突。仿真结果表明,在网络拓扑和流表项数量相同的条件下,相比现有的Netplumber检测机制,该机制的检测时间可降低约15%。"}
{"title": "基于DLP的可选择链接可转换环签名方案", "abst": "已有多数可链接可转换环签名方案不具备强匿名性。为此,提出一种基于离散对数问题的环签名方案。实际签名者通过随机选取秘密参数建立关联标签,以增强方案的匿名性。分析结果表明,该方案同时具备链接性、转换性和强匿名性,可抵抗转换性攻击,且在随机预言模型中具有安全性。"}
{"title": "基于中继联合优化选择的物理层安全方案", "abst": "针对认知无线电(CR)网络中的安全传输问题,提出基于传输中继和干扰中继联合优化选择的物理层安全方案。在主用户网络和次用户网络共存的环境中,通过优化选取协作传输中继和协作干扰中继实现信息的安全传输,并分析推导出瑞利衰落环境下该方案保密中断概率的闭式表达式。仿真结果表明,在不同参数场景下,该方案均可实现较低的保密中断概率,提升CR网络的信息传输安全性能。"}
{"title": "基于网络表示学习的miRNA功能相似性研究", "abst": "miRNA是一类重要的非编码小RNA分子,与癌症等疾病有密切的关系。目前研究者已经识别大量miRNA,但是多数miRNA的功能仍然未知。为此,提出一种网络表示学习的miRNA功能相似性计算方法。通过miRNA的相关数据集如目标基因和关联疾病可以有效地计算miRNA的功能相似性,从而预测疾病相关的候选miRNA。利用不同类型生物数据集构建miRNA相关多源网络,采用网络表示学习的方式为网络中的每一个miRNA节点学习一个特征向量,进而使用特征向量来衡量miRNA的相似性。实验结果表明,与DeepWalk方法相比,该方法在同一家族的miRNA中能够取得较高的得分,并且可以在已有的数据库中找到疾病候选miRNA验证记录。"}
{"title": "基于深度高斯过程的多元类别数据分布估计", "abst": "多元类别数据的可能取值会随向量长度的增长呈指数级增长,从而造成数据稀疏性问题。通过将观察数据嵌入到连续空间中训练识别数据之间的相似性,构建多元类别数据的线性高斯隐变量模型和类别隐高斯过程(CLGP)。在CLGP模型基础上,建立小样本多元类别数据分布估计的多元类别深度隐高斯过程模型,并结合蒙特卡洛采样的变分推断方法对模型进行参数优化。实验结果表明,与CLGP模型相比,该模型分布估计精确度有所提升。"}
{"title": "基于参考点的改进k近邻分类算法", "abst": "基本k近邻(kNN)分类算法具有二次方的时间复杂度,且分类效率和精度较低。针对该问题,提出一种改进的参考点kNN分类算法。依据点到样本距离的方差选择参考点,并赋予参考点自适应权重。实验结果表明,与基本k NN算法及kd-tree近邻算法相比,该算法具有较高的分类精度及较低的时间复杂度。"}
{"title": "基于Lasso稀疏学习的径向基函数神经网络模型", "abst": "传统径向基函数(RBF)神经网络模型使用完整的隐含层节点进行模型构建时,会因缺乏隐含层节点抽取机制而使得受训模型的泛化性能下降,导致模型更加复杂。为此,提出一种改进的RBF神经网络模型。通过Lasso稀疏约束对隐含层节点和输出层连接权值进行稀疏表示,去除冗余和不相关隐含层节点的同时保留重要的隐含层节点,并使用交叉验证和网格搜索确定收缩参数以优化模型分类性能。实验结果表明,与现有RBF神经网络模型相比,该模型具有更低的计算复杂度和更高的分类精度。"}
{"title": "基于智能手机的跌倒行为识别算法研究", "abst": "利用智能手机的感知和计算能力,对跌倒行为识别算法进行研究。分析使用多特征传感器识别跌倒行为的必要性,并根据传感器对跌倒行为敏感程度的不同,提出基于主成分分析的多特征选择方法。针对传统K-means算法不能反映数据分布差异的问题,设计基于相对熵的跌倒行为识别算法,利用数据集分布距离进行跌倒行为识别。在真实环境下采集跌倒行为数据对算法性能进行评估,结果表明该算法能较好地识别跌倒行为,识别准确率高达96. 7%。"}
{"title": "基于网页空间进化算法的暴雨灾害主题爬虫策略", "abst": "针对单目标优化算法求解爬虫问题时难以获得最优加权因子和易于陷入局部最优的缺点,将多目标优化算法引入主题爬虫,提出一种基于多目标优化的网页空间进化算法。通过计算测试链接与种子链接库中链接的最短距离,将其与种子链接库中所有链接间的平均距离进行比较来更新种子链接库。针对多目标优化中Pareto最优解的选取问题,给出一种最近最远候选解法。实验结果表明,与宽度优先搜索等算法相比,该算法具有较高的爬准率和稳定性。"}
{"title": "基于加权字典对学习的人脸年龄估计方法", "abst": "针对现有人脸年龄估计方法多数将人脸各部分同等对待或忽视部分特征的问题,提出一种基于加权字典对学习(DPL)的人脸年龄估计方法。将人脸进行分块,使用局部二值模式算法对人脸的主要特征区域和次要特征区域分别进行特征提取,得到人脸的主要特征和次要特征,再利用这2种特征分别训练DPL模型,并赋予不同的权重,使用训练好的加权DPL模型对目标人脸图像进行年龄分类。在MORPH和FG-NET数据集上的实验结果表明,该方法具有较高的分类准确率。"}
{"title": "基于相似度指标的社团划分算法", "abst": "为快速准确地找到复杂网络的社团划分结果,引入相似度指标,提出一种改进的社团划分算法。将网络节点拓扑结构信息作为节点的多维属性,在不改变网络连边的情况下,使输入网络转换为节点多属性网络,并定义节点之间的混合相似度与社团相似度,运用层次聚类思想得到最终的社团划分结果。在真实网络、计算机生成网络上的实验结果表明,该算法能够发现明显的社团结构,并且具有较高的社团划分准确率。"}
{"title": "基于MFF-GAN的图像集视觉总结", "abst": "现有图像集视觉总结方法主要使用浅层视觉特征,或者直接应用已训练的卷积神经网络模型提取图像深层特征,选取的图像不具代表性。为此,分析并研究图像集视觉总结的图像特征表示方法,提出多特征图融合生成对抗网络(MFF-GAN)模型。该模型中的判别器通过多特征图融合的方式提取图像特征,使提取的特征能表示图像细节和高层语义信息,并在多特征图融合层后添加自编码网络对特征进行降维,避免特征维度灾难问题。NUS-WIDE数据集上的实验结果验证了M FF-GAN模型的有效性,并表明其能有效提升图像集视觉总结多样性。"}
{"title": "基于慢特征分析的智能拼图算法", "abst": "现有拼图算法对背景单一、存在大量相似物的图片进行组合拼接时,不能精确分辨拼图块间的微小差异,还原的图片存在偏差。为此,提出一种智能拼图算法,通过计算相邻拼图块边缘的慢特征值选择正确的拼图块,利用贪婪算法根据拼图块的邻近关系实现图片智能拼接。实验结果表明,与MGC算法相比,该算法具有更高的拼图准确率及稳定性。"}
{"title": "基于分数阶微分差与高斯曲率滤波的边缘检测算法", "abst": "应用梯度变化检测遥感图像纹理边缘信息时存在过检、漏检、错检和弱抗噪性等问题。为此,结合分数阶微分差和高斯曲率滤波,提出一种边缘检测算法。通过分数阶微分差运算对全色遥感图像的梯度场进行非线性增强,利用高斯曲率滤波平滑图像非线性扩散部分,并寻找正则化能量最速下降点,优化微分过程中的分数阶次和迭代次数,改善有噪图像的边缘信息提取质量。实验结果表明,该算法可抑制遥感图像纹理边缘提取过程中噪声非线性放大和扩散产生的背景伪噪声,保留图像纹理边缘信息,具有较好的图像增强和边缘检测效果。"}
{"title": "基于邻近交替线性化的稀疏非负矩阵分解算法", "abst": "结合稀疏约束与邻近交替线性化(PALM),提出稀疏非负矩阵分解算法(SNMF＿PALM)。将非凸的平滑剪切绝对偏差函数作为稀疏正则项,获得逼近L0范数的最佳凸松弛,并利用PALM算法对非凸问题进行求解,得到SNMF＿PALM算法的局部稳定最优解。在人脸数据库上将SNMF＿PALM算法与SNMF、NMF算法进行实验对比,结果表明SNMF＿PALM算法具有更好的聚类性能。"}
{"title": "一种优化树状模型的肝脏自动分割方法", "abst": "针对CT图像的复杂性与肝脏形态的多样性,提出一种优化的肝脏自动分割方法。通过基于部件共享池的混合树状模型(TSPM)捕获肝脏边界的拓扑形态变化,利用凹凸点算法根据肝脏形变自动筛选TSPM中的关键点,避免冗余点对肝脏边界的错误定位,并将不同颜色空间应用于肝脏图像分割中提高分割精度。实验结果表明,与现有分割方法相比,优化方法可获得更准确的肝脏分割结果。"}
{"title": "基于图像区域像素重构的聚焦形貌恢复", "abst": "为提高三维形貌图像的恢复精度,提出一种基于最大最小算子与区域像素重构的聚焦形貌恢复方法。利用最大最小算子判定图像序列中的噪声像素点,并采用中值滤波方法消除图像噪声。对图像序列进行区域像素重构,根据重构图像相邻像素的灰度差值设计聚焦评价函数,确定区域聚焦等级,实现聚焦形貌恢复。实验结果表明,该方法恢复的三维形貌图像精度优于传统形貌恢复方法,并对含噪图像具有较好的鲁棒性。"}
{"title": "基于纹理相似栈的超声图像分割方法", "abst": "超声图像高噪声、低对比度的特点使其含噪图像的纹理信息较难提取。为此,提出一种基于自适应相似栈的聚类分割方法。对超声图像进行自适应去噪获得估计图像,结合超声图像和估计图像建立基于非局部搜索的相似栈列,应用相似栈列对超声图像纹理特征值进行修正,并使用K-means聚类将超声图像划分为互不重叠的区域。实验结果表明,该方法分割结果与人工分割结果的重合度达到93. 28%,在差异较大的样本下重合度标准差为2. 07%,从而验证其可对超声图像实现稳定有效的分割。"}
{"title": "基于双稀疏优化的空域错误隐藏", "abst": "现有空域错误隐藏算法通常利用线性插值或者常规稀疏表达恢复丢失像素,但线性插值在恢复不平滑图像时因邻域信息不一致导致恢复图像模糊,而常规稀疏表达因字典构建不当造成丢失像素重建效果较差。为此,提出一种改进的空域错误隐藏算法,采用动态阈值搜索潜在集合和模板集合提高字典构建精度,利用典型相关分析获得双稀疏优化的初值,通过稀疏重建恢复丢失像素。实验结果表明,与现有主流算法相比,该算法的峰值信噪比至少提高1. 23 dB,具有较好的错误隐藏效果。"}
{"title": "基于多特征融合与动态阈值的语音端点检测方法", "abst": "在低信噪比及非平稳的噪声环境下,传统基于特征的语音端点检测方法检测正确率低、稳定性差。为此,提出一种新的语音端点检测方法。通过对含噪语音进行谱减法降噪,提取谱减后的语音信号与前导无话帧的M FCC倒谱距离特征,计算均匀子带频带方差特征,并对阈值进行动态更新,利用双参数双门限法对带噪语音进行端点判定。实验结果表明,与基于DWT-MFCC倒谱距离、基于谱减法和均匀子带频带方差的端点检测方法相比,该方法具有较高的检测正确率及较低的漏检率与误检率。"}
{"title": "改进的SAMF目标跟踪算法", "abst": "在基于视觉的目标跟踪过程中,当目标被遮挡时,跟踪算法精度往往下降。针对该问题,在SAMF跟踪算法基础上,提出一种基于图像分块重检测的改进算法。通过寻找最佳目标位置的方法优化SAMF算法,提高目标跟踪的准确率。利用图像分块及样本逐一测试的方法设计重检测模块,当目标因遮挡而无法稳定跟踪时,启动重检测模块,根据重检测后的最大响应值找出目标中心点,并引入模型自动更新策略对目标位置进行更新,避免出现跟踪漂移的现象。采用9个目标跟踪标准测试集进行对比实验,结果表明,该算法较SAMF算法平均距离精度提高了38%,且优于KCF、CN、CSK等其他目标跟踪算法。"}
{"title": "基于视频图像的车辆实时检测系统", "abst": "针对道路车辆的实时监测系统检测效率和精度较低的问题,设计一套实时监测系统。对视频图形进行灰度化、滤波及增强,并分割出统计区域。在分割出的图像中,设计统计众值法构建背景模型,设置阈值获得前景图像,采用Canny算子检测车辆边缘,将前景图像与车辆边缘叠加进行形态学运算以获取车流量统计结果。实验结果表明,该系统准确率高达98. 45%,能够满足智能交通系统对检测效率和精度的需求。"}
{"title": "多尺度空间金字塔池化PCANet的行人检测", "abst": "针对非理想条件下行人检测的性能和效率问题,提出多尺度空间金字塔PCANet。将空间金字塔作为网络的特征池化层,通过分层池化特征的方式获得图像的显著性特征,并将底层特征和高层特征级联以获得样本的多尺度特征的向量表示,输入SVM分类器。在INRIA和NICTA数据库中,与HOG、CNN等算法进行行人检测对比实验,结果表明,该算法有更高的正确检测率、更低的漏检率和误检率。"}
{"title": "基于PSO混合特征选择算法在疲劳驾驶中的应用", "abst": "基于多源生理信号的驾驶员疲劳检测研究存在特征信息冗余以及佩戴多种传感器影响驾驶员操作的问题。为此,提出一种结合粒子群优化算法和序列后向选择的特征选择算法。在适应度函数中加入信号源数的惩罚项,在降低特征维度的同时减少传感器的使用数量。根据所使用分类器的特点对适应度函数进行简化,提高特征选择算法的运行效率。在粒子定义中加入信号选择位,提高信号的筛选力度。实验结果表明,该算法平均使用2种信号和16. 1种特征,能够获得95. 3%的疲劳驾驶检测正确率。"}
{"title": "基于GPU的并行Cholesky分解及其应用", "abst": "在OpenCL并行计算框架的clMAGMA库中,Cholesky分解算法采用大尺寸分块并行方法,不能充分利用GPU的高速局部存储器,且在计算过程中存在多次GPU-CPU间的数据传递。为此,提出采用小尺寸分块并行方法,充分利用GPU中的高速局部存储器,使矩阵子块的逆矩阵得到复用,完成对称正定矩阵的高效Cholesky分解,并且其能够应用于三维视觉光束平差问题中的大型正定矩阵的分解。实验结果表明,该方法的Cholesky分解速度比clMAGMA提升50%以上,针对光束平差问题,比Ceres Solver中使用的Eigen库速度提升约38倍。"}
{"title": "基于优化ID3的井漏类型分类算法", "abst": "决策树算法用于井漏分类时,由于井漏数据离散化后多值属性占比较大,且具有多值偏向的缺点,分类效果不理想。为此,提出一种基于改进ID3的AFIV-ID3算法。在ID3的基础上引入属性重要度计算新的信息熵,属性重要度大小由决策者依靠先验或领域知识决定。在信息增益计算中加入关联度函数比,对信息增益值做出修正。AFIV-ID3算法克服了ID3多值偏向的缺点,提高了数据中重要属性的权重,从而提升井漏类型分类精度。4组UCI数据集和真实井漏数据测试结果表明,该算法的分类精度优于ID3和C4. 5算法,并能够将人工经验法不稳定的分类精度提高至约72. 23%。"}
{"title": "蛋白质系统发育分析并行计算方法研究", "abst": "在目前系统发育学研究中,多数系统发育分析工具不能在GPU架构上分析蛋白质序列。为此,提出一种大规模系统发育分析方法 tgpMC~3。以添加虚字符的形式重新构造条件似然概率矩阵,降低由于多线程分支发散导致的时间消耗。设计粒度适中的半任务间并行策略,增加流多处理器上活跃的线程块数量。通过简单的键值对应方法传输含有模糊状态的转移概率矩阵,实现数据访问速度的提升。实验结果表明,与MrBayes v3. 1. 2串行版本方法相比,该方法最高可实现117的加速比,与taMC~3方法相比,该方法的并行分析性能更好。"}
{"title": "基于差分进化的两阶段文本特征选择算法", "abst": "为降低文本特征空间维度,提高数据挖掘处理数据的效率,提出两阶段文本特征选择算法。结合方差和平均中位数2种方法构建高相关性的特征子集进行初步降维,并将其作为差分进化算法的初始特征种群。利用特征词的累计词频和文档频率设计适应度函数,将多个特征差向量和局部最优特征引入变异操作中,增加特征子集的扰动性,加快差分进化算法的收敛速度,获得最优特征子集。在WebKB和Reuters-21578数据集上进行实验,结果表明,该算法在准确率、召回率和F1值上均优于TDM5、MADAC等算法,能够降低文本特征空间的维度,提高文本聚类效果。"}
{"title": "面向智慧社区基于可信联盟的服务推荐算法", "abst": "针对现有推荐算法同等看待每个用户评价信息的问题,提出一种面向智慧社区的基于可信联盟的服务推荐算法。引入用户的信誉度和服务使用频率,改进传统相似度计算公式,建立基于用户信任模型的信任关系。在此基础上,面向智慧社区用户,引入社区因子,构建可信联盟,从而对目标用户进行个性化推荐。实验结果表明,与基于云模型的链式推荐等算法相比,该推荐算法的精确度更优。"}
{"title": "结合表面纹理与断裂轮廓的碎片拼接方法", "abst": "陶土制文物在自然环境及人为发掘等过程中,碎片易受损缺失,断裂部位难以保证完整性,传统采用几何驱动的拼接方法受到限制。为此,针对断裂部位几何信息缺失的陶制文物碎片,提出一种结合表面几何纹理及断裂轮廓的拼接方法。使用Splatting lines生成方法提取碎片纹理特征线,对三维模型密集点采样,用不同参数溅射渲染2个深度图像,由两图像间差值生成线图。计算纹理形状边角信息,构造破损纹理约束条件,完成初步匹配。对断裂边界轮廓上的离散点集,利用遗传算法计算匹配点对,得到最终结果。实验结果表明,该方法能够实现缺损文物碎片的拼接,匹配度稳定在0. 53以上,且对纹理特征显著及缺损严重的碎片拼接效果较优。"}
{"title": "移动设备交互环境下的注视点感知计算方法", "abst": "为了提高移动设备上眼动跟踪的精度和效率、降低硬件成本,提出基于注视点回忆的眼动数据感知计算方法.首先利用人的短时记忆特性建立注视点回忆和自我报告机制,要求用户点击移动设备屏幕来提交注视点位置数据;然后基于支持向量回归方法建立注视点数据误差补偿模型,对用户回忆和提交的注视点数据进行校正,进一步提高数据精度.为了验证数据误差补偿模型的效果,设计并开展了用户实验,结果表明,使用数据误差补偿模型后,对于不同类型的测试任务和测试图片,注视点回忆数据精度提高15%～40%."}
{"title": "面向自动扫描的三维形状多层次局部匹配算法", "abst": "为了让机器人在对未知场景的扫描与重建过程中同时获得对该场景的理解,需要基于目前已有的部分信息进行物体分割与识别,解决基于不完整点云的局部匹配问题.针对已有的局部匹配方法面临着匹配准确度低、计算复杂度高等问题,提出三维形状的多层次局部匹配算法.在粗层次上,通过使用改进的词袋方法进行降维加速;在细层次上,通过精细地筛选三维特征点对之间的对应关系提升精度.首先使用基于深度学习描述子的多尺度SVM方法对数据库中模型上的特征点进行聚类,然后采用基于空间关系的视觉词袋方法在数据库中检索候选模型,最后基于全局和局部等距性对不完整点云与候选模型间的特征点对对应关系进行筛选.文中对于各部分算法分别进行验证,并与相关算法进行对比和评估,实验结果表明,该算法显著提高了局部匹配的准确性,为机器人在线场景扫描、分析、重建等相关工作提供了十分有意义的参考和支持."}
{"title": "图像驱动的三维人脸自动生成与编辑算法", "abst": "针对图像驱动的三维人脸建模这个计算机图形学中的研究热点问题,提出一种采用三维人脸形变模型的三维人脸自动生成与编辑算法.首先建立三维人脸形变模型,由三维人脸数据库统计学习得到线性混合人脸模型,用一个低维的参数向量来描述一个人脸;然后通过人脸检测、人脸对齐、边缘提取等方法从人脸图像中提取人脸的特征,根据这些特征实现三维人脸形变模型与图像的匹配,重建出与图像对应的三维人脸模型;最后,通过改变参数向量的值实现人脸的编辑.对5个输入人脸照片进行了三维人脸模型重建和编辑并且将重建的人脸模型和真实人脸模型进行了对比,实验结果表明,该算法可实现真实化的人脸重建效果."}
{"title": "点到NURBS曲线最近距离的快速计算方法", "abst": "点/曲线的最近距离在几何造型中有着较广泛的应用,特别是在实时性要求很高的应用中,最近距离计算的效率也相应地面临越来越高的要求.为此,提出混合基于控制多边形的细分位置快速估算、分类剔除,以及渐进求根法等技术的点到NURBS曲线最近距离的快速计算方法.首先将平方距离函数转化为Bézier形式;然后根据对应的控制多边形信息来快速估算细分位置,并根据分类技术进行剔除;最后使用高阶收敛的渐进求根方法计算出相应的最近点.该方法只需要一次Bézier形式的转换,具有比圆裁剪更好的裁剪效果.数值实例结果表明,与已有的圆裁剪等方法相比,混合的快速计算方法可以具有更高的裁剪效率和计算效率."}
{"title": "面向强连接网络图的无损压缩算法", "abst": "幂图分析技术将所有具有相同邻居的节点集合汇聚成单个模块以大幅压缩网络图,被广泛地应用于网络图无损压缩与可视化中.然而获取最优的幂图是难点.针对此问题,提出面向强连接网络图的无损压缩算法.首先,证明了含有单个模块的最优幂图问题为NP难问题,进而扩展为一般地最优幂图问题为NP难问题;其次,在梳理现有整数线性规划模型和约束规划模型等问题的基础上,提出基于回溯策略的波束搜索算法,使有限的回溯策略提供启发信息,比已知启发式方法更快速地得到更优的结果.通过生成的随机无标度图,验证了该算法的有效性."}
{"title": "针对密集点云的快速自适应四边形网格生成算法", "abst": "为了能够从密集点云直接获得四边形网格,而不需要通过三角形网格重构获得,提出针对密集点直接构造的四边形网格生成算法.首先进行点云数据体素化得到体素模型,建立体素和点云的索引关系,并对体素做精细化操作,以提高映射效果;然后通过体素模型外表面的顶点与原始点云的映射得到四边形网格模型,并对四边形网格进行优化.在斯坦福的数据集上进行实验,并使用MeshLab软件进行效果展示,结果表明,该算法可以基于密集点云直接生成四边形网格模型,同时可以通过调整体素大小来自适应地改变算法效率和四边形网格的大小."}
{"title": "五次单参复多项式映射构造具有高周期吸引轨道的IFS", "abst": "为了采用复解析多项式映射的广义M集的高周期参数构造非线性迭代函数系,提出利用复映射f(z)=z~5+c的高周期参数构造生成分形或奇怪吸引子的非线性迭代函数系构造方法.在参数平面上的M集中,在每个高周期参数区域的变形4瓣结构的周期芽苞上构造一个连结4个花瓣区域顶点的椭圆;在椭圆附近或椭圆内挑选k≥2个参数;在每个参数下的充满Julia集内由拓扑共轭关系定义5个迭代映射;由5k个迭代映射定义了具有旋转对称特性的迭代函数系,在其公共吸引域内随机迭代生成分形.实验结果表明,在复映射f(z)=z~5+c的M集高周期参数区域的椭圆附近或椭圆内挑选参数,可以用于构造有效的非线性迭代函数系;采用文中方法可以生成结构各异的具有5旋转对称特性的分形或奇怪吸引子."}
{"title": "基于手绘轮廓图的移动端图像检索", "abst": "针对传统利用图像特征信息进行图像检索中难以从语义层次上理解图像相似性的问题,基于深度学习框架,提出一种结合类别分类和精确特征匹配的基于手绘轮廓图的移动端图像检索方法.首先在预处理阶段建立具有输入层、隐藏层以及Softmax输出层的神经网络分类模型,并利用训练数据集对模型进行训练,使其不断优化网络结构权值,实现输入图像的分类预测并提取分类图像标签;然后利用VGG16模型与ResNet50模型分别提取各个分类图像集下的精确特征,得到精确特征向量;最后将归一化并经组合后的特征向量与各个分类图像标签建立映射关系,实现移动端图像检索.采用移动端-服务器架构,用户在移动端输入手绘轮廓图后,系统进行自动预处理并与图像服务器实现交互,图像服务器进行分类预测和精确特征匹配得到检索结果,移动端展示最终检索结果.基于Keras深度学习开发框架,结合VGG16模型与ResNet50模型,实验结果表明,该方法能够根据手绘轮廓图高效、便捷地检索得到目标图像."}
{"title": "面向双目立体视觉的迭代式局部颜色校正", "abst": "在双目立体视觉中,由于相机参数设置差异、环境光照变化、拍摄物体表面非理想漫反射等因素,拍摄获得的立体图像对可能存在颜色差异,进而降低视差计算的准确性.针对这一问题,提出一种面向双目立体视觉的迭代式局部颜色校正方法.首先使用Meanshift算法以不同粒度对2幅图像进行分割,并基于SIFT特征匹配、区域分布及颜色差异初步建立2幅图像中物体间的对应关系;然后使用加权局部颜色校正方法,逐区域进行颜色校正,由于双目图像中物体遮挡范围不同,初步的区域对应存在误差,因此利用校正的双目图像计算视差图,基于视差图像对之间稠密的像素对应,优化立体图像对的区域分割,建立更准确的对应关系,并再次进行颜色校正;迭代地进行立体匹配、优化图像区域对应和颜色校正,直至获得最佳的立体匹配结果.与已有颜色校正方法对基准测试图像集的处理结果表明,文中方法可以有效地提升立体图像对的颜色相似度,提高立体匹配视差结果的准确性."}
{"title": "单幅航片的薄云去除方法", "abst": "与匀质的雾霾不同,航摄像片中的絮状薄云形态多变、厚薄不均,航片的薄云去除比图像去雾更具挑战性.针对单幅航片中的薄云,提出一种基于分治思想的云去方法.首先设计一种基于颜色衰减先验、表征薄云覆盖程度的遮罩指数,并依据该指数将含云航片分割为遮罩层次不同的区块,使区块内的薄云近乎均匀、满足传输率光滑的假设;然后以改进的颜色线方法分别计算各区块内的大气光值,构成整幅图像的大气光图;再应用基于边界约束的传输率估算法计算粗略传输图;最后以加权L1范数作规则化项对粗略传输图进行优化,获得精细传输图,结合含云图像、大气光图与精细传输图反求理想条件下的航摄图像.在单机环境下进行单幅航片的薄云去除的实验结果表明,该方法能够大幅消减甚至完全去除絮状薄云对航片的遮罩影响,有效地增强图像可见性."}
{"title": "多元线性回归引导的立体匹配算法", "abst": "深度图像中视差跳变的像素点匹配一直是立体匹配的挑战性问题之一.基于引导滤波的局部立体匹配算法通过考虑匹配图像内容,可以在保持深度图像边缘的同时提高匹配精度、加快匹配速度,但引导滤波会产生图像光晕,在图像边缘区域也会引入大量的噪声.为此,将引导滤波的岭回归扩展到多元回归,提出一种基于多元线性回归的立体匹配算法.首先将引导滤波中只含图像像素值这一单变量的回归方程扩展为基于图像像素值和梯度信息等多个变量的多元回归方程,对初始代价值进行滤波聚合,并与单独进行引导滤波的匹配代价聚合值进行加权组合提高图像边缘的匹配效果;然后根据代价聚合最小值与次小值之间的相互关系定义了视差选择可信度,解决了视差选择时的歧义问题.在Middlebury测试平台进行了实验的结果表明,文中算法有效地提高深度图像中视差跳变像素点的匹配精度,降低了匹配噪声;与最新的高性能立体匹配算法相比,该算法可以以较小的计算复杂度获得高质量的视差图."}
{"title": "基于多示例学习的颈椎健康评分方法", "abst": "为解决颈椎健康评分及数据标注困难的问题,提出一种基于多值输入多示例学习的颈椎健康状态在线评分算法,仅需在训练阶段对颈椎运动数据长时序列的简单评分标注,即可估计颈椎短时状态的健康评分.首先将多值输入的多示例学习模型划分为多个二值输入的子分类器并分别进行训练,然后使用高斯模型将各个子分类器训练得到的示例分值融合,最后以一种新的包得分机制计算包的分值并完成颈椎健康状态的实时评分.通过包的分值预测准确率计算、示例可视化显示与分析、包得分曲线显示与分析和实时分值评分分析这些定性和定量实验,说明了该算法评估用户颈椎健康的有效性."}
{"title": "基于标签分布学习的视频摘要算法", "abst": "针对现有监督视频摘要算法中存在的模型训练复杂问题,提出一种新的基于标签分布学习(LDL)的视频摘要算法,采用非参数监督学习的方式生成视频摘要,利用标签传递的方法将摘要结构从带有注释的视频转移到相同类型的测试视频中.首先提取视频的卷积神经网络特征和颜色特征,将两者融合后进行降维得到特征矩阵;然后将特征矩阵与训练样本的标签分布一起输入到LDL模型中;最后根据模型输出的标签分布选取关键帧,生成视频摘要.在基准数据集上与其他算法的实验表明,该算法生成的摘要与用户创建的摘要一致性很高,明显优于其他算法."}
{"title": "基于深度神经网络的烟码智能识别方法", "abst": "卷烟条码是烟草局对卷烟是否串货销售的主要判断依据,针对当前人工录码方式操作烦琐、效率低、成本高的问题,提出一种基于深度神经网络的烟码智能识别方法.首先通过迁移学习技术构建区域检测模型,实现对烟码区域的准确定位;然后采用基于角点检测的切割算法将烟码区域切分为待识别的小块;再构建字符识别模型,对小块进行多字符识别;最后按顺序拼接各小块的识别结果输出完整烟码.实验结果表明,该方法准确率高、运行速度快,能够替代人工录码方式,满足实际应用需求."}
{"title": "改进的块匹配五台山壁画修复算法", "abst": "针对五台山壁画破损区域形状不规则、大小不均匀,采用Criminisi算法修复时易出现错误填充的问题,提出一种改进的块匹配五台山壁画数字化修复算法.首先在计算优先权,除置信度与数据项之外引入分散度项,确保信息最丰富的块被优先修复;然后结合图像块结构的整体性将协方差因子引入相似度计算中,以减少错误填充率.对五台山破损壁画进行数字化修复的实验结果表明,该算法较好地解决了Criminisi算法的错误填充问题."}
{"title": "结合YOLO检测和语义分割的驾驶员安全带检测", "abst": "为了通过交通监控自动检测驾驶员是否佩戴安全带,提出一种结合目标检测与语义分割的驾驶员安全带检测算法.首先通过设计轻量化目标检测算法完成驾驶员区域快速定位;然后利用经过剪枝加速的语义分割模型对驾驶员区域进行分割,得出安全带连通域;最后通过判断安全带连通域面积检测驾驶员是否佩戴安全带.在驾驶员区域定位和安全带检测2个数据集上进行训练和测试,实验结果表明,驾驶员区域定位算法在精准度为99.96%时速度为73帧/s,安全带检测算法在准确率为94.87%时速度为305帧/s;该算法在兼顾速度的同时具有较好的精准度."}
{"title": "基于层级循环神经网络的术中X线图像腰椎自动识别", "abst": "针对图像引导微创脊柱手术中移动C型臂X线成像特点,通过学习人体腰椎的曲率特征实现腰椎识别,提出一种基于层级循环神经网络的X线图像腰椎自动识别方法.首先为解决X线图像中腰椎纹理混叠的问题,提取腰椎三维模型与二维X线图像中共有的曲率特征作为模型的输入;其次为模拟术中移动C型臂多角度成像的特点,采用双向循环神经网络学习腰椎曲率特征,刻画腰椎曲率特征在不同成像角度下的关联性;最后为解决病理情况下腰椎部分信息缺失的问题,提出一种层级循环神经网络模型,通过逐层融合的网络架构对人体腰椎间天然的上下文关系进行建模,提高模型在病理情况下的腰椎识别率.在开源数据集和术中移动C型臂X线图像上的实验结果表明,文中方法在正常情况和病理情况下的腰椎识别率均优于其他4种方法,且由于使用了数据量较少的二维曲率特征,该方法在训练和测试阶段的计算效率更高,更适合于术中图像引导的应用."}
{"title": "基于语义DCNN特征融合的细粒度车型识别模型", "abst": "针对深度卷积神经网络模型缺乏对语义信息的表征能力,而细粒度视觉识别中种类间视觉差异微小且多集中在关键的语义部位的问题,提出基于语义信息融合的深度卷积神经网络模型及细粒度车型识别模型.该模型由定位网络和识别网络组成,通过定位网络FasterRCNN获取车辆目标及各语义部件的具体位置;借助识别网络提取目标车辆及各语义部件的特征,再使用小核卷积实现特征拼接和融合;最后经过深层神经网络得到最终识别结果.实验结果表明,文中模型在斯坦福BMW-10数据集的识别准确率为78.74%,高于VGG网络13.39%;在斯坦福cars-197数据集的识别准确率为85.94%,其迁移学习模型在BMVC car-types数据集的识别准确率为98.27%,比该数据集目前最好的识别效果提高3.77%;该模型避免了细粒度车型识别对于车辆目标及语义部件位置的依赖,并具有较高的识别准确率及通用性."}
{"title": "面向硬件的帧内预测模式选择快速算法与实现", "abst": "新一代视频编码标准HEVC硬件实现的复杂性较之以前的标准有大幅提高.在保证编码性能的前提下,为了降低硬件实现的复杂度和资源消耗,提高硬件的处理速度与并行度,提出一种面向硬件实现的HEVC帧内编码快速算法.首先在Hadamard-SATD基础上引入头比特估计,简化了率失真代价计算过程;然后使用同层相邻块的最佳模式作为最有可能模式列表的输入,解除计算预测值时对重构数据的依赖性,提高了硬件的处理速度;最后采用新的预测单元处理顺序和基于16点的硬件复用结构,使之更利于硬件实现的情况下减少硬件资源的使用.实验结果表明,与参考软件HM16.7相比,文中算法可以降低约40%的编码复杂度,且没有明显性能损失;在Xilinx的Virtex6综合结果表明,硬件面积比已有算法减少了45%左右,并且可以达到30帧/s 1 080p视频序列的实时编码要求."}
{"title": "基于概率分布的流程工厂模型拓扑相似度计算", "abst": "为了解决流程工厂模型拓扑相似度计算问题,提出基于概率分布函数的相似度计算方法.首先利用隐马尔可夫建模及状态序列推断,从工厂拓扑结构中挖掘隐含的拓扑语义;然后通过隐含狄利克雷分配模型将拓扑语义映射成长度固定的特征向量;最后用概率模型描述全体特征向量分布,并用分布函数计算2个拓扑结构间的相似度.依据流程工厂专家设计建模的专业知识及从业经验,验证了该方法的准确性和有效性."}
{"title": "各向异性滤波器的硬件实现", "abst": "在计算机图形学中,通常采用各项同性滤波器逼近异性滤波器以减少纹理映射中发生纹理走样,逼近算法中实现MIP-MAP层级包含计算覆盖区域边长以及求对数等操作,用二次逼近或者Cordic算法等实现时电路较大.为了易于算法的硬件实现,提出用线性逼近计算覆盖区域边长和对数的算法.该算法用一次移位和一次加法实现覆盖区域边长计算,用一次加法实现对数计算,降低了硬件实现成本.在Xilinx的ZC706开发板上实现了文中算法,实验结果表明,该算法所计算MIP-MAP的层级数与原算法的计算误差绝对值为1的概率为7%."}
{"title": "面向3D CT影像处理的无监督推荐标注算法", "abst": "在3D CT影像分析上应用深度学习技术时,通常需要采用交互标注工具标注一组训练数据.针对3D CT影像一般包含数量较多的切片,医学影像交互标注工作量非常巨大且标注成本非常高的问题,提出一种面向3DCT影像数据交互标注的无监督推荐标注算法,通过构造稠密深度自动编码器DCDAE (densely-connected deep auto encoder)提取3D影像的高层特征,同时采用密度-谱聚类来筛选最具标注价值的影像,从而极大减少需要标注的数据量.算法提出了全自动的推荐标注流程,在提取图像特征时采用稠密连接结构改进DCDAE,减少了参数量并使得提取的特征更有区分度,同时对特征采用密度-谱聚类算法进行孤立点鉴别,并依据相关性矩阵自适应调整聚类个数;在肺结节语义分割任务上采用LIDC-IDRI数据集对算法进行了实验."}
{"title": "面向HARDI模型的脑纤维三维可视化系统", "abst": "脑纤维是大脑各区域间信息交互的重要通道,而高角度分辨率扩散成像是表征人脑复杂神经纤维通路的有效方法,能对多种神经性疾病的诊断提供参考.但脑纤维分布错综复杂,如何对局部区域进行直观展示是可视化领域的研究难点.通过设计脑纤维三维可视化系统,实现对HARDI脑纤维数据的追踪和处理,并将处理结果在三维空间中呈现出来,实现光照技术以增加脑纤维可视化的空间层次感.文中提出基于散布矩阵的纤维筛选方法以降低三维可视化效果的视觉混杂性,并在此基础上实现2种算法对纤维进行聚类,增强了局部区域的直观展示,为临床诊断提供辅助分析工具."}
{"title": "基于蓝噪声采样的多维标准井筛选可视分析", "abst": "面向石油矿区大规模的测井数据,有效地抽取少量的钻井(即标准井)进行置信度较高的专家人工匹配,进而对全局钻井进行有监督的自动或半自动匹配,对于石油开采矿区的地质构造精确解释具有重要的意义.然而,标准井筛选是一个复杂而耗时的过程,和钻井的空间分布以及钻井之间的地质特征密切相关.因此,综合考虑钻井的地理空间位置和多维地质属性特征,提出一种基于蓝噪声采样的多维标准井筛选可视分析方法.首先,根据大量钻井的地理空间位置,利用蓝噪声采样算法自适应地确定标准井采样率及其采样范围;然后在标准井的局部采样范围内,设计基于动态规划的地层匹配算法,计算钻井之间的多维属性差异以度量钻井之间的地质特征相似度,进而利用MDS算法对钻井的匹配关系进行降维投影,将钻井的空间分布与多维属性差异协同可视化,支持标准井的自动或交互筛选;进一步设计属性视图和矩阵视图,直观地呈现钻井的原始多维属性数据和匹配关系,引导领域专家对标准井的筛选过程进行探索分析和迭代优化.最后,集成便捷的用户交互模式,开发基于蓝噪声采样的多维标准井筛选可视分析系统,帮助用户交互式地探索和分析多维属性测井数据,在综合考虑钻井空间分布及多维属性特征的基础上,有效筛选具有代表性的标准井,为后续的地质构造解释提供准确而可靠的数据资料和经验支持.大量实验结果进一步验证了文中算法的有效性和实用性."}
{"title": "基于游标模型的沉浸式医学可视化非接触式手势交互方法", "abst": "在高度沉浸式的虚拟环境中,由于用户的整体视觉空间被渲染的可视化映射所覆盖,传统鼠标、键盘以及触控屏幕等交互方式无法直接应用到沉浸式环境下,大大影响了分析和理解3D医学数据的效率与准确性.为实现沉浸式虚拟环境下对3D医学数据的交互操作,提出一种基于游标模型的非接触式手势交互方法.首先借助游标模型快速确定手势状态,定义4种手势动作实现位移、缩放、旋转以及剖切4种医学可视化交互操作,并借助弹簧模型改善手势抖动问题;最后以HTC VIVE+Leap Motion构建沉浸式医学可视化系统,定义6项分析任务,对比鼠标、手柄等交互方式,从训练时间、完成时间、操作难度和用户反馈4个方面验证文中方法的有效性."}
{"title": "动物群体逃生行为实验和群体虚拟仿真研究综述", "abst": "群体虚拟仿真能够以三维可视化方式直观呈现紧急情况下的人群逃生行为,对人群的安全管理具有重要的指导价值.由于真实紧急事件案例样本的数据往往不够全面,很难用于虚拟仿真模型的系统验证,而逃生演习也很难重现真实的紧急情景.近年来,人们开始引入动物逃生实验来辅助发现人群逃生规律.文中总结了以蚂蚁和老鼠为主要代表的动物群体逃生行为实验,针对已有的典型群体行为仿真模型,探讨了用动物逃生实验来辅助群体仿真模型验证的可行性;并讨论了动物逃生实验的局限性,提出了动物逃生实验的改进建议,为更好地开展群体行为模型研究提供一些借鉴."}
{"title": "基于工况划分的大规模电厂机组控制数据可视化探索", "abst": "对电厂控制过程中的历史数据进行有效展示与探索,能帮助用户快速深入理解机组的运行状况.由于历史数据涉及时间跨度长,具有多尺度和高密度的特点,并且包含高维多元的复杂参数集合,为可视化设计带来了很大挑战.从机组运行工况和参数相关性角度研究时序数据空间和高维参数空间的集成可视化映射方法,设计了多角度概览视图和多分辨率层次化工况视图用于导航机组的整体运行状态,有效地支持多层次运行工况的展示与探索;然后,设计了高维多元参数分层导航视图,实现了机组参数的灵活筛选和过滤,并与工况视图联动支持用户对不同时段和不同系统层级的参数特征进行探索.基于上述方法,开发了可视化工具iDCS,并将其应用于实际机组控制数据的可视化与分析中,验证了该系统的有效性和适用性."}
{"title": "基于多维时空数据可视化的传染病模式分析", "abst": "近年来,诸如非典型性肺炎、甲型H1N1、手足口病等传染病在社会各界引起了广泛关注,传染病的暴发往往具有季节性、空间性和相关性.为此提出了传染病可视分析系统,以直观分析传染病的时空模式,交互挖掘不同疾病、地区之间的关联性和相似性.时间模式通过时序折线图、季节变化堆叠图可视化不同传染病的长期趋势、季节消长规律,同时通过构建时序平行坐标系,交互利用地区分布对比图进行异常值分析.空间模式通过地图分类图以及交叉对比热力图来反应疾病在不同省份的空间分布规律、空间聚类结果以及相似性分析.通过对39种法定传染病的整体、个别趋势以及其中异常值的分析结果,表明所提系统能够综合考虑传染病数据的多维时空特性,可有效帮助用户挖掘传染病传播的时空模式,快速寻找传染病暴发时间节点和空间分布转移事件,从而更好地进行预防、把控和分析."}
{"title": "虚实融合交互系统辅助脑卒中后失语症康复训练", "abst": "\"脑卒中后失语症是一个普遍的致残性疾病.研究表明,虚拟现实及实物交互技术对该疾病的康复训练具有重要意义.然而现有的计算机辅助言语康复系统很少能将这2类技术有效结合并发挥它们各自的优势,且没有对言语训练素材进行合理编排以适应实际的康复训练需求.提出了一种虚实融合辅助的言语康复训练系统,构建了一个\"\"超市购物\"\"的虚拟场景,基于语义网络理论编排言语训练素材,实现了对操作实物的实时跟踪和识别;并将其映射到虚拟购物场景中,使得脑卒中后失语症患者可以通过对实物的操作去完成在虚拟空间的购物任务;患者在虚实融合辅助的言语康复训练系统中的任务完成时间和行为表现结果表明了系统的可用性,问卷调查结果表明,系统得到了康复治疗师的普遍认可,患者和治疗师在用户访谈中提出的多项建议对未来在这一方面的研究工作具有指导意义.\""}
{"title": "基于FBS的卧室在线自动布局算法", "abst": "针对室内布局计算时间较长、无法在网页上在线自动放置家具的问题,提出一种基于FBS(功能—行为—结构)的卧室移动网页在线自动布局算法.该算法从卧室家具的功能出发,分析其使用行为,确定家具摆放顺序,构建面向卧室布局的FBS模型.首先根据家具功能设计初始静态能量函数,然后针对用户在线家具编辑设计动态布局能量函数,并设计了增量式家具自动布局算法.实验结果表明,文中算法的布局结果与实际案例相符,其适应性、多样性与轻量性均良好,可达到网页在线卧室自动布局."}
{"title": "兼顾采样与光照影响的改进多通路Metropolis光照传播算法", "abst": "为了解决多通路Metropolis光照传播算法局部明暗混合位置采样数量和光照分布不对称的问题,提出一种兼顾采样数量和光照影响的改进算法.首先记录采样数量和光照强度;其次当采样数量达到阈值,根据采样数量和光照强度计算出当前像素八邻域位置的采样权重;最后,以采样权重来影响不同位置的采样比重.采用不同算法在不同光照和材质场景下进行实验,结果表明,该算法改进了明暗混合位置的对称性问题,提升了渲染逼真度."}
{"title": "基于眼部追踪技术的产品意象草图认知差异研究", "abst": "情感匹配度是评价设计草图品质的重要指标,设计师的认知在其心理意象外显为草图的过程中起着关键作用.分析其认知差异可提高设计协作效率,并高效筛选出情感匹配度较高的优质草图.针对此问题,首先提出了循环设计流程,筛选感性意象语汇并定义意象属性;其次运用Tobii眼动仪采集设计师阅读任务文本、创作草图时眼动指标数据;然后拆分草图计算情感匹配值再择优组合为意象草图;最后对比分析设计师观察意象草图进行感性评价时的眼动指标.结果表明,草图组合法则可获得情感匹配度较高意象草图,设计师自身经验与信息资源调用的数量、维度、回视次数和方案质量成正比,与作业时间和评判准确度成反比."}
{"title": "深度非对称跳跃连接的图像降噪方法", "abst": "图像降噪可有效地改善图像质量,提升感官效果,也是图像特征提取与理解的前提.针对目前比较流行的卷积神经网络降噪方法中顺序连接的卷积层-反卷积层会使图像在梯度反传过程中逐渐弱化图像噪声的学习问题,提出一种深度非对称跳跃连接的方法用于图像降噪.该方法设计多组非对称跳跃连接卷积-反卷积算子,以有效学习图像细节及噪声信息,并对不同深度的卷积操作进行权重量化,以加强图像降噪及恢复;通过非对称跳跃连接可使图像噪声信息能够直接反传到对应的多个卷积层中,对梯度扩散有良好的抑制作用.采用伯克利分割数据集BSD300进行实验的结果表明,文中算法比基准方法在结构相似性(SSIM)和峰值信噪比(PSNR)2种指标上都有提升."}
{"title": "基于卷积神经网络和投票机制的三维模型分类与检索", "abst": "针对现有基于深度学习的三维模型多视图分类算法利用最大池化、平均池化等像素级运算完成视图信息的融合,可能造成模型有益信息淹没和混淆的问题,提出一种基于卷积神经网络和投票机制的三维模型分类检索算法.首先将三维模型转化为一组二维视图,然后基于丰富的数字图像库ImageNet和成熟的图像深度学习模型CaffeNet完成二维视图的分类,最后利用加权投票的方式完成三维模型的分类;同时基于投票机制,提出4种三维模型距离度量算法,支持三维模型的检索.将文中算法应用于刚性三维模型库ModelNet10,ModelNet40,非刚性三维模型库SHREC10, SHREC11和SHREC15中,分类准确率分别为93.18%, 93.07%, 99.5%, 99.5%和99.4%,检索性能突出;并通过实验验证该算法的有效性."}
{"title": "基于樽海鞘群体优化非负矩阵分解的高光谱图像解混算法", "abst": "针对鲁棒非负矩阵分解应用于高光谱图像处理时,存在对初始值的敏感性,求解目标函数时易陷入局部最优的缺点,提出基于樽海鞘群体优化鲁棒非负矩阵分解的高光谱图像解混算法.该算法基于鲁棒线性混合模型,在RNMF框架下,采用樽海鞘群体算法取代乘法迭代策略,以增强算法全局搜索能力,在约束空间内随机搜索满足目标函数的全局最优解,可有效地完成非线性高光谱图像解混.仿真数据与真实遥感数据实验结果表明,本文算法在处理高光谱图像时,能够有效地避免RNMF算法易陷入局部最优解的局限性,具有更好的解混性能."}
{"title": "高效深度特征提取及其在显著性检测中的应用", "abst": "针对卷积神经网络(CNN)中间层特征维度高,含噪声较多的问题,提出一种CNN特征降维的方法,首先利用主成分分析(PCA)对CNN特征进行降维,在数据层面和人类感知层面证明了其有效性;然后将降维后的CNN特征作为区域特征向量,利用多水平超像素分割和随机森林回归构建了一个融合手工特征及降维CNN特征的显著性检测模型;最后选取了10个显著性检测传统模型进行对比,构建的融合模型性能优于仅使用传统手工特征的方法,降维后的CNN特征能够改进显著性模型的性能."}
{"title": "Faster R-CNN行人检测与再识别为一体的行人检索算法", "abst": "为了缩小目前行人再识别算法与真实世界中行人检索任务之间在应用上的差距,将行人检测与再识别这2个模块融为一体,提出一种基于改进的FasterR-CNN的行人检索算法.首先采用对边框进行迭代回归的方法改进原FasterR-CNN中的候选行人边框精度;然后利用包含欧氏距离和余弦距离的混合相似性距离函数来增强网络对于行人相似度的辨识能力;最后利用中心损失函数对网络的损失函数进行改进,通过提高不同行人特征的可区分度,实现更加精准的目标行人检索功能.基于CUHK-SYSU数据集的仿真实验结果表明,该算法的累积匹配特性(CMC top-1)、平均精度均值(mAP)分别为81.6%和78.9%;与相关行人检索算法相比, CMC top-1提升3.0%～18.0%, mAP提升3.0%～23.0%."}
{"title": "基于Ordered-RAMP模型的热固耦合结构多材料拓扑优化方法", "abst": "针对传统单材料热固耦合拓扑优化设计难以实现结构材料与性能综合最优的问题,提出一种基于变密度理论有序材料属性有理近似模型的多材料拓扑优化方法.该方法通过搭建比例系数与平移系数,将多种材料属性采用[0,1]连续分布的单设计变量进行描述,并研究和比较与有序固体各向同行惩罚微结构模型的优缺点;其次借助归一化加权方法定义以结构柔度最小化和散热弱度最小化为目标函数的数学模型.结合设计变量敏度分析,详细推导多材料、多目标条件下热固耦合结构拓扑优化的迭代公式.通过数值算例分析对比了不同权系数以及不同材料属性组合对优化结果的影响;结果表明,所提出的优化方法在热固耦合结构多材料多目标拓扑优化设计中具有可行性和有效性."}
{"title": "数字孪生五维模型及十大领域应用", "abst": "数字孪生(Digital Twin)作为践行智能制造、工业4.0、工业互联网、智慧城市等先进理念的使能技术与手段,近期备受学术界和企业界关注,尤其是数字孪生的落地应用更是关注热点。模型是数字孪生的基础与核心,而传统数字孪生三维模型已无法满足现阶段技术发展与应用需求。在此背景下,为推动数字孪生技术在相关领域和行业的进一步应用,在数字孪生车间研究过程中,提出了数字孪生五维模型的概念,以适应新需求。基于前期相关研究,在进一步阐述数字孪生五维模型后,结合相关合作企业实际应用需求,重点探讨了数字孪生五维模型在卫星/空间通信网络、船舶、车辆、发电厂、飞机、复杂机电装备、立体仓库、医疗、制造车间、智慧城市10个领域的应用思路与方案,以期为相关领域践行数字孪生理念与技术提供参考。"}
{"title": "人工智能视角下的智能制造前世今生与未来", "abst": "以大数据和深度学习为代表的新一代人工智能将对制造业产生颠覆性影响,为了更好地理解人工智能和智能制造之间的关系以及把握智能制造发展演化规律和趋势,从人工智能发展角度来探讨智能制造的过去、现在与未来,将智能制造发展分为以符号逻辑推理为基础的第一代智能制造和以物联网、云计算、信息物理系统、社会信息物理系统、大数据和深度学习等新一代信息通讯技术为基础的第二代智能制造,并对两者进行了关联对比分析,最后展望了未来人工智能与智能制造的发展。"}
{"title": "基于节点敏感波动分析的质量状态稳定性评估", "abst": "针对制造过程的质量状态波动难以评估和分析的问题,提出一种基于节点敏感波动分析的质量状态稳定性评估方法。对产品制造过程的复杂关系机理进行分析,通过对其层次结构进行等级划分构建制造节点波动的多级关系网络模型;分析其质量状态节点的动力学波动特性,并基于节点波动控制图进行质量状态的稳定性监控;在此基础上研究各误差影响因素对质量状态波动的影响规律,通过计算误差因素的敏感波动率实现异常质量状态的敏感波动分析,并通过叶轮加工实例验证了所提方法的有效性。"}
{"title": "批—离散机重入车间调度与设备维护联合优化", "abst": "针对现实生产活动中生产计划和设备维护计划由不同部门制定,易造成方案冲突、计划变动成本高的问题,为统筹生产调度和设备预防性维护计划,研究了半导体制造中批—离散机重入车间调度与设备预防性维护联合优化。该问题中同时存在多台批处理机和离散机,其中批处理机能同时加工多个工件,离散机一次只能加工一个工件,且存在大量的重入工序。提出一种求解该问题的基于信息熵的自适应差分进化算法,该算法将个体与解空间中潜在最优解之间的距离映射为信息,通过对信息的度量调整个体变异的程度,从而有效缩小搜索空间。与其他4种算法进行比较,结果表明,该算法无论是求解质量还是收敛速度均优于其他算法。"}
{"title": "航空发动机叶片自适应修复目标曲面重构", "abst": "航空发动机叶片修复往往先采用激光熔覆,然后精密铣削。叶片变形和破损可能造成熔覆材料不足或铣削结果超差。为了给叶身熔覆和铣削提供足够的余量和满足设计要求的目标加工曲面,提出镜像模型驱动的叶身自适应修复曲面重构方法。以叶身设计曲面作为理论模型,以实际待修复叶身的测量值作为实作模型,引入叶身形状公差约束和叶身变形对熔覆和铣削加工的约束,建立了保证叶身曲面设计要求的目标曲面优化模型,并基于镜像模型优化处理熔覆阶段与铣削阶段的目标曲面。通过实例验证了所提优化模型的有效性和必要性。"}
{"title": "网格曲面上自由形状特征交互式阵列设计", "abst": "为了提高设计效率、便于后续布局设计优化,提出一种流形网格曲面上自由形状特征可参数驱动的阵列重用设计方法,引入场向参数化方法获得网格曲面上的等值分布线,再由两组不同角度的等值分布线的交点确定特征的阵列位置;以阵列位置点的法矢和方向矢量构建局部坐标标架,用以确定阵列特征的朝向,并交互式确定各特征大小;最后采用基于旋转不变量的拉普拉斯网格变形方法,使得各阵列特征和目标曲面自然过渡,实现自由形状特征的有序多重复制。将位置阵列和特征变形分开处理,使得阵列特征的变形不依赖于场向参数化,仅与其所在的局部区域有关而与曲面整体无关,既保证了各特征和目标网格的融合效果,也为实施并行计算、降低时间成本提供了条件。试验结果表明,所介绍方法可行、有效,能满足自由形状特征在曲面上的阵列式交互设计要求。"}
{"title": "基于FFSM的数控机床加工状态建模方法", "abst": "\"为描述数控机床加工过程中的刀具状态,提出一种基于模糊有限状态机的建模方法。由该方法建立的模型通过\"\"状态叠加\"\"机制定量刻画了刀具的临界属性,从而预测刀具未来状态。围绕建模步骤、模型参数优化和预测方法进行了详细讨论,定性分析了状态转换规则及输入变量,设计了一种基于遗传算法的模型参数定量优化方法,并揭示了当刀具分别处于稳态与临界态时的预测原理。实验表明,在一定预测步长内,其预测误差小于低阶线性自回归模型,同时该模型具有连续预测刀具状态的能力。\""}
{"title": "数控机床热误差预测模型的评估方法", "abst": "数控机床热误差产生机理复杂,通常使用温度场监测数据数学建模对热误差进行预测,加工工况和所处环境的复杂使得数据驱动建模方法的优劣难以全面评价,因此建立了一套热误差预测模型的评价指标体系,并提出了相应的评估方法,从热误差预测模型的鲁棒性、准确性、有效性、稳定性与相关性方面对预测模型的性能进行了综合评价。以ZK5540A型重型数控机床在空转工况下所监测的温度场数据为例,采用所提评价指标和评估方法分别对3种不同的数据驱动建模方法的性能指标进行了计算与分析,验证了评估指标和方法的有效性。"}
{"title": "基于背板的双面数控渐进成形方法", "abst": "为了解决双面数控渐进成形中板材件无支撑悬空区域存在变形的问题,提出一种背板辅助的双面数控渐进成形方法。该方法以背板对板材的支撑作用,抑制板材件非成形区的非理想变形,进而提高成形质量。研究了面向复杂板材件基于背板的双面数控渐进成形策略和对于一个给定待成形板材件标准模板库模型自动生成所需背板计算机辅助设计模型的算法。该算法根据板材件类型的不同,通过提取待成形板材件标准模板库模型的特征轮廓,采用顶点偏置方法生成出背板计算机辅助设计模型,并采用数值模拟和实际成形实验对所提背板辅助双面数控渐进成形方法进行了验证和评估。有限元分析和实验结果表明,双面数控渐进成形中背板的使用能够有效提高成形件的成形质量,具有可行性和可应用性。"}
{"title": "考虑不确定加工时间的炼钢—连铸过程柔性调度方法", "abst": "针对加工时间存在不确定性的炼钢—连铸调度问题,构造了一种基于有向图网络的柔性调度模型,并提出一种基于分布估计的优化算法。在柔性调度模型中,使用有向图网络描述调度解的柔性决策,然后设置时间缓冲以保护不确定条件下调度解的性能指标和可行性;在优化算法中,使用基于工序关联的概率模型描述决策变量之间的关联关系以产生高质量的新种群,并采用随机仿真方法对柔性调度解的期望性能进行评价。在仿真过程中,运用最优计算量分配技术对有限计算资源进行动态分配以提高种群的评价效率。通过基于实际生产数据的问题实例和数值实验验证了所提柔性调度方法的有效性。"}
{"title": "多目标炼钢—连铸生产调度的改进带精英策略的快速非支配排序遗传算法", "abst": "针对炼钢连铸调度的特殊工艺要求,在考虑炉机匹配原则和多重精炼的情况下,建立了以炉机匹配度、炉次间等待时间、浇次的开浇提前/拖期时间为评价指标的多目标约束满足优化模型,并针对其多目标特征,提出一种基于自适应网格法的择优策略来改进带精英策略的快速非支配排序遗传算法,有效克服了使用传统Pareto支配法择优策略在解决离散问题时容易丢失有用信息的缺陷。基于多种规模的实际生产数据进行仿真实验,结果表明所提算法在收敛性、最优解集多样性和计算效率方面优于传统带精英策略的快速非支配排序遗传算法。"}
{"title": "考虑能耗的多目标拆卸线平衡优化与层次分析法决策", "abst": "针对拆卸过程中能耗浪费和负荷不均衡现象,以最小化拆卸能耗、工作站数目、平滑指数、危害指数和需求指数为优化目标,建立了多目标拆卸线平衡模型。结合拆卸线平衡问题的特点,设计了一种基于Pareto的离散果蝇算法,在嗅觉搜索阶段,采用单点变异操作;在视觉搜索阶段,筛选最优邻域解以更新个体;为了增加算法的全局寻优能力,用两点交叉操作执行全局协作机制。为了提高收敛效果,采用精英保留策略对外部档案中的非劣解进行维护。通过求解不同规模的拆卸算例,并与现有多种算法进行对比,验证了所提算法的有效性。以27项任务的某型电视机为拆卸实例,通过所提算法求得12个非劣解,采用层次分析法对Pareto解集进行排序,筛选最满意解,结果表明了所提方法和模型的可行性和有效性。"}
{"title": "基于协同效应的并行制造云服务组合算法", "abst": "为了解决并行结构下制造云服务的组合优化问题,从协同效应的角度提出一种基于反向和局部学习的蚁群算法。该算法以服务质量作为信息素构建协同效应评价模型,求解并行服务的协同效应值,作为启发函数参数。利用协同关系矩阵计算组合协同效应值,并将其与组合服务质量相结合,求解综合评价值最高的服务组合。实验结果表明,该算法能有效求解并行制造云服务的组合优化问题,并能较快地得到最优解。"}
{"title": "换轨机器人共融悬臂算子分裂输运原理", "abst": "为优化共融悬臂柔顺特性,提升换轨精度,以自动换轨装备悬臂算子多体系统为对象,针对换轨机器人龙口悬臂在无载荷、吊轨及施工过程中的末端振动现象,建立在不同模态频率、静力荷载和剪切效应作用下的混阶时空输运模型;引入Bezier插值离散方法,求解机器人共融悬臂混阶时空算子分裂输运变化,得到悬臂末端空间尺度上载荷冲击、惯性偏移与时间尺度上温变梯度、轴向变形等因变参数对悬臂振动特性的影响规律,为共融悬臂的优化设计提供指导。实验结果表明,混阶时空载荷、制动约束与模态频率、惯性偏移呈正比关系,且理论数值分析、仿真模型结果与实验标定数据具有一致性与互证性。"}
{"title": "基于多目标遗传算法的虚拟人作业姿态仿真", "abst": "针对虚拟人作业姿态仿真操作复杂和仿真所得姿态逼真性不足的问题,提出一种基于多目标遗传算法的虚拟人作业姿态仿真方法。建立了作业环境中虚拟人的人机因素目标函数与姿态参数的映射关系,在此基础上构建了面向虚拟人作业姿态仿真的多目标优化问题。通过多目标遗传算法计算得出该虚拟人作业姿态参数优化问题的Pareto最优解集,根据各人机因素权重对解集排序并挑选最优值对应的姿态参数方案作为最佳姿态解。仿真结果表明,该方法可以生成自然逼真的虚拟人作业姿态,在多样化的作业环境下表现出良好的适用性。"}
{"title": "结合偏好和不均衡语义评价的顾客满意度测定", "abst": "顾客满意度测评由顾客评价语言量化和数据处理分析获得满意度两部分组成,但前者的研究在均衡量化上不符合实际,存在结果偏态分布等问题。鉴于此,建立了不均衡评价标度,利用偏好语义表达顾客评价态度,并用反映模糊性和克服集成偏差的二元不确定语义对评价语义进行量化,解决了满意度偏态分布、顾客真实评价难以测度的问题。以某手机产品研发满意度测评为例对所提方法进行了验证,结果分析与方法对比表明,该方法更能表现顾客情感倾向,有助于企业获知顾客真实满意度。"}
{"title": "面向工业设计云服务平台的多目标创意设计评价方法", "abst": "为完善云服务平台应用,改善现有多目标设计评价方法效率低的问题,提出一种面向工业设计云服务平台的多目标创意设计评价方法。结合已有的多目标评价方法和设计云服务平台的特点,对网络化协同设计过程中的设计目标重要度进行了准确量化,引入客户参与设计决策过程方式、冲突消除机制和模糊评价机制,遵循科学性与系统性相结合的原则,建立了一套层次性的多目标创意设计评价过程模型。建立了多目标创意设计的评价目标体系,进一步生成面向工业设计云服务平台的创意设计方案。构建了基于质量功能配置的方案参数优化的定量模型,若产生冲突则利用决策偏好的多目标粒子群优化算法对其进行冲突消解。以云服务平台上游艇设计的评价为例,通过与其他方法进行实例对比,验证了所提方法的可行性和有效性。"}
{"title": "基于离散化成本—公差模型的多目标公差优化设计", "abst": "针对现阶段工厂普遍采用数控加工的现状,对原有基于普通机床提出的公差模型进行改进,提出了一种新的多目标公差设计优化模型。在考虑加工时间、夹具和刀具磨损等因素的影响下,建立了离散化的成本—公差模型。以加工成本、公差敏感性和质量损失为目标,装配功能和加工能力为约束条件,建立了基于离散化成本—公差模型和差分进化—全局蜂群混合算法的多目公差设计优化模型。以特里科型高速经编机编花部件为例,运用所提优化模型快速地得到了公差最优解,降低了产品的制造成本,提高了产品质量,验证了该模型的有效性。"}
{"title": "基于模板映射的个性化接骨板快速设计", "abst": "为快速设计符合特定个体患骨的个性化接骨板,提高接骨板与患骨的贴合性,提出了基于骨骼模板映射关系的个性化接骨板快速设计。首先,基于已有骨骼平均化曲面模型进行表面区域分割成骨骼模板,并建立接骨板类型与模板之间的对应信息;然后,将已修复受损骨骼(目标骨骼)模型映射到模板上,在模板上选出适合此受损形状的接骨板类型;最后,通过模板到目标骨骼反映射获取一组新的语义参数,自适应生成适用于受损骨骼的个性化接骨板。实验结果表明,所提方法能有效提升个性化接骨板的设计质量与效率,并通过三维打印对接骨板与目标骨骼贴合性进行有效验证,为后期的接骨板的制造提供了有力保障。"}
{"title": "食物链传导响应算法在齿轮箱优化中的应用", "abst": "为改善齿轮箱的耦合优化性能,依据食物链中生物能层层传导的机制,拟将层级富集传导优化与变异的粒子群算法相融合,提出一种基于食物链传导响应粒子群算法。为弥补算法多样性保持和寻优能力的不足,对算法种群进行变异化处理,获取变异序列作为搜索初始解,调整搜索位置。在搜索机制中融合高斯差商变异算子、惯性权重变异算子对粒子进行自适应更新,对适应度较低的粒子施加惩罚变异,以保持算法的搜索能力和多样性。通过对风力机齿轮箱优化问题的研究,验证了该方法解决多变量耦合优化问题的有效性。"}
{"title": "基于企业地位不平等的供应链脆弱性分析", "abst": "企业地位不平等使得供应链节点间存在双向强弱关系,导致中断风险传递过程中出现分配不均匀的情况,地位较低的节点将受到更大的威胁,整个过程强调动态分配,传统静态的供应链脆弱性研究方法无法适用。针对中断风险传递过程的动态分配行为,基于不平等供应链拓扑网络,利用联失效理论,建立中断风险动态传递模型,包括节点承受能力与风险传递机制,并运用改进的信息熵确定供应链脆弱性评估指标。算例分析发现,平等网络并非供应链组建的最佳策略,改变企业间的双向强弱关系可以有效地降低供应链脆弱性,为供应链网络的建立策略提供理论依据。"}
{"title": "竞争环境下供应链网络生产与外包决策优化", "abst": "为研究生产与外包决策问题,构建了多制造商、多承包商服务于多市场的复杂供应链网络,制造商可内部生产也可选择外包;分析制造商间的Nash-Cournot均衡及承包商间的Bertrand-Nash均衡,建立了碳减排、产量及价格竞争下的供应链网络均衡模型,模型中考虑了碳减排意识与碳税,并引入碳减排声誉成本。为分析产品碳减排的声誉,给出了平均碳减排水平的量化公式,提出均衡模型的求解算法,并通过算例分析了碳减排意识及碳税对制造商生产与外包决策的影响。结果表明,无碳税约束下,随着碳减排意识的提高,承包商减排积极性低于制造商。由于制造商对声誉的重视,其会选择增加内部生产量,减少外包量;在碳税制约下,制造商和承包商均会提高对碳减排的关注,部分制造商为避免支付高额的碳税,会选择减少内部生产量并增加外包量。"}
{"title": "不同公平关切参照点下两制造商竞争的供应链决策模型", "abst": "为研究公平关切行为对竞争供应链最优决策的影响,构建了由两个竞争制造商、一个零售商组成的供应链模型,研究了两竞争制造商公平中性、对等诱导公平关切以及分配公平关切3种不同参照点情形下的供应链决策,并对以上均衡结果进行了比较。研究表明,零售商的利润在制造商具有对等诱导公平关切时最优,其次是制造商公平中性时,最后是制造商具有分配公平关切时;而制造商及供应链的整体利润变化则依赖于竞争强度与公平关切程度的变化。"}
{"title": "危险货物铁公联运办理站选址问题多目标优化", "abst": "为提高铁路部门开展危险货物运输的效率和安全性,研究了具有多品类多批次运输需求、办理站能力限制和货物运到时限的多目标危险货物铁公联运办理站选址问题,从给定候选点中选择各类型危险废物办理站的位置,并确定各批危险货物在构造联运网络中的运输路径,同时以运输、转运和选址过程中的总费用和总风险最小为目标,构造了基于点—弧多商品网络设计的双目标0-1线性规划模型。相比于既有研究常构建的hub选址模型,所提模型可显著缩减模型规模,且结构更为紧凑。根据问题特点,定制增广ε-约束算法对两目标进行折中,以寻找若干代表性非支配解。设计了大规模切实案例,对所提方法的效果和效率进行测试。结果表明,基于所提模型,增广ε-约束算法可在合理时间内寻找到高质量的代表性非支配解,且在不同非支配解的数量和均匀度上优于既有文献普遍采用的线性加权求和算法。"}
{"title": "多载具自动化立体仓库货位分配与作业调度集成优化", "abst": "为提高多载具自动化立体仓库进出库作业效率,提出货位分配与作业调度集成优化方法。从指令分组、货位分配及子行程作业模式与顺序3方面进行分析,结合堆垛机实际运作规律,构建以最小化行程时间为目标函数的集成优化数学模型。针对二者相互反馈的特点,设计了双层遗传搜索算法对模型进行求解,该算法使优化形成一个闭环,可得到比较理想的解。仿真实验结果表明,双层遗传算法在不同的订单规模和载具数量下均能获得满意解;与分别优化相比,所提方法能够有效缩短作业时间。"}
{"title": "基于生鲜品多中心联合配送的半开放式车辆路径问题", "abst": "针对生鲜品的物流配送问题,提出一种半开放式的多配送中心联合配送模式。考虑到生鲜品运输的时效性要求,设计了相应的时间窗及惩罚成本,构建了以车辆运输成本、派遣成本、时间惩罚成本及生鲜损耗成本等总和最小的优化模型,并设计了蚁群算法对其进行求解。通过算例对比验证了模型与算法的有效性。算例实验表明,半开放式多配送中心联合配送模式优于以往单配送中心独立配送模式,能快速对客户的生鲜需求做出响应,提高物流配送效率,减少生鲜品的损耗,进而降低总的物流配送成本,促进生鲜物流的快速发展。"}
{"title": "自顶向下聚集型代数多重网格预条件的边权选择", "abst": "针对基于图划分的自顶向下聚集型代数多重网格预条件,考察了利用METIS软件包进行多重网格构建的方法,并就该软件包只能处理整型权重,不能处理实型权重的问题,提出了一种将实型边权转化为整型边权的有效方法。之后将这种转化方法应用到METIS图划分软件中的边权选择,并用其给出了对自顶向下聚集型代数多重网格预条件的一种改进算法。通过对二维与三维模型偏微分方程离散所得稀疏线性方程组的数值实验表明,带边权的改进型算法大大提高了多重网格预条件共轭斜量法的迭代效率,特别是对各向异性问题,改进效果更加显著。"}
{"title": "大数据环境下基于元模型控制的数据质量保障技术研究", "abst": "数据集成环节,越来越丰富的异构源数据给集成后数据质量的提升带来了新的挑战和困难。针对传统ETL模型在数据集成后出现的数据冗余、无效、重复、缺失、不一致、错误值及格式出错等数据质量问题,提出了基于元数据模型控制的ETL集成模型,并对数据集成过程中的各种映射规则进行了详细的定义,通过将抽取、转换、加载环节的元模型和映射机制相结合,能够有效地保证集成后数据的数据质量。提出的元模型已经应用到科技资源管理数据集成业务中。通过科技资源管理数据集成实例分析,验证了此数据集成方案能够有效地支撑大数据环境下数据仓库的构建和集成后数据质量的提升。"}
{"title": "基于权重堆排序的NAND Flash静态磨损均衡机制", "abst": "磨损均衡机制作为闪存转换层的基础机制之一,其主要功能是延长闪存块使用寿命和提高存储数据的可靠性。现有的磨损均衡机制着重于减少闪存块的擦除次数,忽略了在磨损均衡操作过程中选择擦除脏块的不合理所带来的不必要数据迁移开销,从而影响了固态硬盘的整体读写性能。针对该问题,提出了一种基于权重堆排序的NAND Flash静态磨损均衡机制WHWL。首先,提出一种基于页数据访问频率和块擦除次数的权重的热度计算方法,有效地提高擦除次数少(冷块)且数据访问频率低(冷数据)的目标块命中率,避免了多余的数据迁移操作;其次,提出了一种基于权重的堆排序目标块选择算法,以加快目标块的筛选。实验结果表明,与现有的PWL和BET算法相比,在使用相同映射机制的条件下,WHWL能够分别提升固态硬盘寿命1.28、5.83倍,数据迁移次数也有明显的降低。"}
{"title": "高维数据的增量式聚类算法的距离度量选择研究", "abst": "合适的距离度量函数对于聚类结果有重要的影响。针对大规模高维数据集,使用增量式聚类算法进行距离度量的选择分析。SpFCM算法是将大规模数据集分成小样本进行增量分批聚类,可在有限的计算机内存中获得较好的聚类结果。在传统的SpFCM算法的基础上,使用不同的距离度量函数来衡量样本之间的相似性,以得出不同的距离度量对SpFCM算法的影响。在不同的大规模高维数据集中,使用欧氏距离、余弦距离、相关系数距离和扩展的杰卡德距离来计算距离。实验结果表明,后3个距离度量相对于欧氏距离可以很大程度地提高聚类效果,其中相关系数距离可以得到较好的结果,余弦距离和扩展的杰卡德距离效果比较一般。"}
{"title": "支持多种传输模式的双通路串行RapidIO设计与实现", "abst": "传统的串行RapidIO2.1接口支持3种通道模式(1×、2×、4×)。在2×或1×模式下,4条物理链路只有2条或1条在进行数据传输,其余链路被闲置,造成带宽浪费;另外,一个RapidIO接口只能与一个目的端互连。基于传统的串行RapidIO2.1接口协议,设计了一种支持双通路传输的串行RapidIO接口,通过PCS层的可配置交叉开关共实现14种传输模式,双通路模式下可同时和两个串行RapidIO接口互连。双通路RapidIO提高了RapidIO系统互连的灵活性和传输带宽。实验结果表明,在1×或2×模式下,双通路传输的传输带宽是传统设计的两倍;4×模式下,双通路RapidIO的有效带宽与传统单通路RapidIO的相同。"}
{"title": "大规模三角线性方程的高效求解", "abst": "大规模三角线性方程求解是科学与工程应用中重要的计算核心,受限于处理器的缓存容量和结构设计,其在CPU和GPU等平台上的计算效率不高。大规模三角线性方程的分块求解中,矩阵乘是主要运算,其计算效率对提升三角线性方程求解的计算效率至关重要。以矩阵乘计算效率较高的矩阵乘协处理器为计算平台,针对其结构特点提出了矩阵乘协处理器上大规模三角线性方程分块求解的实现方法和性能分析模型。实验结果表明,矩阵乘协处理器上大规模三角线性方程求解的计算效率最高可达85.9%,其实际性能和资源利用率分别为同等工艺下GPU的2.42倍和10.72倍。"}
{"title": "自适应狼群算法优化ELM的模拟电路故障诊断", "abst": "为了能够更加高效地检测和诊断模拟电路中的故障元件,提出了自适应狼群算法优化极限学习机的方法。该方法采用自适应遗传算法对特征参数进行选择,从而生成最优特征子集,然后利用最优特征子集构造样本输入极限学习机ELM网络对故障进行分类。针对极限学习机的输入层和隐含层之间的连接权值、隐含层的偏差都将会使其学习速度和分类正确率受到影响的问题,采用本文方法对它们进行优化并选择相应的最优值,提高了极限学习机网络训练的稳定性与故障诊断的成功率。通过2个典型模拟电路的诊断实例,给出了这些方法的具体实现过程,故障诊断率均在99%以上。仿真结果表明使用该方法进行模拟电路故障诊断时具有良好的正确率和稳定性。"}
{"title": "基于最简子图的链接表示及预测", "abst": "稀疏网络的传统链接预测准确率低,为了捕捉稀疏网络节点间建立链接的可能性,提出基于节点间最短路径的最简子图概念。最简子图反映了节点间的拓扑紧密关系,在采用node2vec节点向量化方法的基础之上,实现了基于最短路径的链接表示,并采取长短期记忆循环神经网络(LSTM)学习长链接节点序列的特征,最终实现链接的分类。实验结果表明,该方法与已有方法相比,在4种不同数据集上的预测AUC值平均提高了11.6%,AP值平均提高了13.3%。"}
{"title": "网络功能虚拟化技术综述", "abst": "无论是企业网还是数据中心,为实现相关应用功能、提升网络性能和加强网络安全等部署了大量的网络功能设备,但这些网络功能设备大多基于硬件,存在功能固化、扩展能力差、统一管理困难等问题。为解决上述问题,学术界和工业界不约而同将目光投向了网络功能虚拟化NFV技术。通过解耦网络功能和物理设备,使网络功能不受物理设备的约束,便于网络设备服务的升级更新,同时,NFV为新的体系结构、系统和应用的产生提供了可能。首先介绍了NFV技术,并与云计算和SDN进行对比,然后从VNF的系统结构、数据平面、控制平面、部署方式、实现语言和应用6个维度详细阐述了当前的研究成果,最后总结并展望了NFV未来的研究发展方向。"}
{"title": "二次栅格扫描与三角形质心迭代的定位算法", "abst": "为了提高无线传感器网络的定位精度,在Grid-Scan算法的基础上提出一种改进的二次栅格扫描定位算法,再利用三角形质心迭代法进一步提升定位精度。首先通过比较未知节点的所有邻居锚节点到该未知节点的信号强度,找到最近邻居锚节点,利用最近邻居锚节点对可再定位的未知节点所在的估计区域进行二次栅格扫描,再利用PIT法则对定位区域进一步缩减,最后对质心三角形质心进行迭代计算得到最终定位点。仿真结果表明,在相同的网络环境下,与传统算法相比,改进算法明显提高了平均相对定位精度。"}
{"title": "基于动态内容流行度的NDN缓存决策和替换策略研究", "abst": "命名数据网络(NDN)中的路由器节点具有缓存能力,这就极大地提高了网络中的数据发送与检索效率。然而,由于路由器的缓存能力是有限的,设计有效的缓存策略仍然是一项紧迫的任务。为了解决这个问题,提出了一种动态内容流行度缓存决策和替换策略(DPDR)。DPDR综合考虑内容流行度和缓存能力,利用一个和式增加、积式减少(AIMD)的算法动态调节流行度阈值,并将超过流行度阈值的内容存入缓存空间;同时提出了一个缓存替换算法,综合考虑了缓存空间中内容的流行度和内容最后被访问时间等因素,将替换值最小的内容移出内容缓存。大量仿真结果显示,与其他算法相比,本文所提的算法能够有效提高缓存命中率,缩短平均命中距离和网络吞吐量。"}
{"title": "一类线性码的完全重量分布", "abst": "构造一类新的带有定义集的线性码,应用有限域上的指数和的计算技巧以及有限域上的分圆数理论,确定出这类线性码的完全重量分布以及重量分布,这类线性码是二重码,可应用于构造强正则图和秘密共享方案。"}
{"title": "基于势博弈的认知全双工中继选择策略研究", "abst": "在对主用户干扰功率限制、自干扰限制和总功率干扰限制的网络中,针对认知中继选择算法复杂度较高的问题,提出基于势博弈理论的认知全双工协作网络下中继选择策略。认知中继选择问题被建模为使用认知协作网络的系统速率作为共同效用函数的势博弈模型,并分析出在没有不可行策略集信息的前提下,所提的博弈可以保证纯策略纳什均衡(NE)的存在性和可行性条件。在此基础上,给出全双工中继选择迭代算法,并对算法的复杂度进行讨论。仿真分析表明,所提算法在较低复杂度的情况下,能够获得最优或者接近最优速率的性能,并与传统的半双工中继模式相比,性能也有明显提升。"}
{"title": "基于KCF相似度的TLD目标跟踪算法", "abst": "研究持续单目标跟踪算法时,TLD的架构是一种值得借鉴的方式,但由于其本身的一些缺陷,当跟踪的目标在出现遮挡、快速移动以及光照变化等复杂情况下,TLD跟踪算法容易发生目标跟丢的情况,并造成误差的逐渐累积。鉴于TLD跟踪算法以中值流跟踪算法作为跟踪器存在局限性,本文提出一种基于KCF相似度的TLD目标跟踪算法(TLD-KCFS)。采用KCF算法对TLD跟踪进行实时监督,通过跟踪结果计算出相似度,利用相似度进行检测模块切换的判断,并结合两种结果调整目标跟踪框。通过对多类型的视频序列进行测试后可知,TLD-KCFS算法在遇到模糊和快速移动、目标遮挡、光照变化等复杂情况时,可以稳定且良好地输出跟踪结果,鲁棒性较好,适用于长时间目标跟踪。"}
{"title": "双摄像机模组的组合式标定和校正方法", "abst": "提出了双摄像机模组的组合式标定和校正方法,能够将传统的标定和校正2道工序合并为1道工序,不需要借助于外部测量设备,仅利用双摄像机同时对目标模板拍摄的1幅图像,即可实现双摄像机模组的标定和校正。先基于交比不变性计算摄像机的径向畸变系数,将摄像机畸变成像模型转换为线性模型,利用线性模型分别对2个摄像机进行标定;然后计算2个摄像机之间的位姿偏移参数,调节右摄像机位姿,进行双摄像机之间的位姿校正;最后标定2个摄像机之间的位姿参数。实际应用结果表明,所提出的双摄像机模组校正和标定方法,校正和标定精度高,缩短了工艺时间,提高了工艺效率,能够满足双摄像机模组封装生产工艺的要求。"}
{"title": "各向异性带宽自适应水面运动目标跟踪算法", "abst": "传统Mean-Shift跟踪算法缺少核函数带宽更新策略,故无法解决无人艇跟踪的水面运动目标轮廓变化各向异性问题,提出一种各向异性带宽自适应的Mean-Shift跟踪算法。先用黎曼积分将特征子模型概率密度的归一化常数Ch近似为积分形式,从而获得不同尺度参数h对应的Ch间关系式。然后用梯度上升法使目标模型和目标候选模型之间的相似度函数达到局部最大,由此估计目标在下一帧的带宽与位置。最后为防止带宽更新时结果过小或过大,引入两个正则化参数修正尺度参数。实验结果表明,所提算法对外形轮廓非同比变化的水面运动目标跟踪具有各向异性的带宽自适应调节能力,型心位置准确率较传统Mean-Shift和各向同性带宽自适应Mean-Shift提高了约77.2%和31.1%,运行速度可达20.7 fps,显示了其鲁棒性和实时性。"}
{"title": "基于子句的动态检查强制文字的SAT求解器", "abst": "检查强制文字是一种重要的预处理方法。结合学习子句,提出一种在求解过程中使用的策略—基于子句的动态检查强制文字(CNL),并且设计了一种易实现低成本的数据结构。分别实现了两个不同版本的求解器:Glucose_PRE和Glucose_CNL,前者在求解初始时将检查强制文字作为预处理,后者实现了基于子句的动态检查强制文字策略。实验测试结果表明,与Glucose_PRE和Glucose3.0求解器相比,求解器Glucose_CNL在求解2015年和2016年SAT竞赛的应用类型的实例时,求解实例个数更多,耗时更少,说明所提策略和所设计的数据结构均可提高求解器的求解性能。"}
{"title": "普通立体仓库的货位优化模型与算法研究", "abst": "\"在物流仓储的总成本中,库存成本占很大比重。企业为了减少库存成本,不断设法去改进和优化仓库\"\"存储\"\"的过程。针对普通立体仓库的入库过程,在考虑叉车载重、货位容量和存储策略等限制条件下,建立了以入库作业过程中工作人员行走总路程最小为目标的货位优化模型。根据问题和模型特点,将货位优化问题分为两层优化:货位选择优化层和货位顺序优化层;然后将传统遗传算法同启发式算法相结合对模型进行求解;最后通过仿真实验验证了模型和算法的合理性和可行性。该成果可用于解决多数普通仓库的货位优化问题。\""}
{"title": "集成学习算法在中医证型分类预测中的应用", "abst": "为提高中医诊断的智能化以及辩证的准确度,提出一种基于多模态扰动策略的集成学习算法(MPEL算法)。首先,在样本域多次抽样产生不同的样本子空间;其次,在属性域采用改进的层次聚类特征选择算法,划分不同的属性子空间,进而训练出具有较大差异性的基分类器;然后,采用贪心策略选取最优的基分类器组合,提高算法整体性能。选择中医哮喘病症状-证型病案进行验证,并与其它集成学习算法对比,实验结果表明,改进的集成学习算法在哮喘病症状-证型分类预测中训练速度较快、识别准确率更高,最高识别率高达98.16%。"}
{"title": "基于精英种群策略的协同差分进化算法", "abst": "针对差分进化算法在处理函数优化时存在的过早收敛和易陷入局部最优的问题,提出了一种基于精英种群策略的协同差分进化算法。在优化过程中,首先对种群进行适应度值评估和排序,提取前N个优秀个体组成精英种群,其余个体随机分为3个等大的子种群,每个子种群采取不同的进化策略,以此来保证种群的多样性;然后每隔一定代数,根据新的适应度值更新精英种群和其余3个子种群,这样可以有效地避免算法陷入局部最优;最后,将所提出的算法与4个先进的差分进化算法在CEC2014的30个标准测试函数上进行对比实验。实验结果表明,所提出的算法能够有效提高收敛速度,具有较高的收敛精度和较好的优化性能。"}
{"title": "基于注意力机制的文本情感倾向性研究", "abst": "社交媒体上短文本情感倾向性分析作为情感分析的一个重要分支,受到越来越多研究人员的关注。为了改善短文本特定目标情感分类准确率,提出了词性注意力机制和LSTM相结合的网络模型PAT-LSTM。将文本和特定目标映射为一定阈值范围内的向量,同时用词性标注处理句子中的每个词,文本向量、词性标注向量和特定目标向量作为模型的输入。PAT-LSTM可以充分挖掘句子中的情感目标词和情感极性词之间的关系,不需要对句子进行句法分析,且不依赖情感词典等外部知识。在SemEval2014-Task4数据集上的实验结果表明,在基于注意力机制的情感分类问题上,PAT-LSTM比其他模型具有更高的准确率。"}
{"title": "基于二次网格优化的粒子群模糊聚类算法", "abst": "针对模糊C均值聚类算法易受初始聚类中心影响且收敛速度慢的缺陷,提出一种基于二次网格优化的粒子群模糊聚类算法Grid-PFcm。该算法首先将数据空间网格化,依据深度优先遍历规则,连通相邻密集网格单元,计算连通网格的相对密度,选取相对密度值最大的连通网格,计算中心位置,初始化聚类中心。然后,按照基于网格空间的单维向量变化原理,实现最佳粒子全局寻优,进一步优化初始聚类中心,以降低初始聚类中心选取对聚类效果的影响度。最后,通过实验表明,该算法能够加快寻优收敛速度,提高聚类效率和效果。"}
{"title": "基于机器学习的能力评价与匹配研究", "abst": "目前,高校学生就业形势严峻,针对企业看重的能力对学生做出评价,有助于企业选拔人才,同时也能提高学生的竞争力。采用层次分析法和模糊评价相结合的方式对高校学生的综合能力进行评价。为了解决模糊系统无法自动调整隶属函数参数的问题,有效结合模糊理论和神经网络架构的优点,提出了引入神经网络的综合评价改进算法;并设计具有时频局域化特性的小波神经网络,能够更好地模拟非线性函数,用于预测学生适合的职位。分析实验结果表明,基于改进模糊神经网络算法的能力评价模型与小波网络职位匹配模型,能够提升系统精度与自适应能力,评价结果客观,对学生的能力评价及就业选择具有指导意义。"}
{"title": "微博社区的动态节点自适应增量交互优化", "abst": "大多数的社区发现方法是基于网络拓扑结构和边缘密度来进行最佳社区确定,但是这些方法具有非常高的计算复杂度,对网络的形式和类型非常敏感。为解决这些问题,提出基于动态节点自适应增量模型的微博社区交互优化算法,该算法在优化每个社区内成员的交互作用的基础上,利用贪婪算法有效地搜索最优社区的候选,无需遍历所有节点。该模型可快速、准确地测量社区内部和社区之间的交互作用差异。最后,在基准测试网络和搜狐微博平台抓取数据上的仿真测试显示,所提算法在召回率、准确率、算法计算时间以及网络覆盖率等指标上,要优于选取的对比算法。"}
{"title": "基于语义特征空间上下文的短文本表示学习", "abst": "文本表示是自然语言处理中的基础任务,针对传统短文本表示高维稀疏问题,提出1种基于语义特征空间上下文的短文本表示学习方法。考虑到初始特征空间维度过高,通过计算词项间互信息与共现关系,得到初始相似度并对词项进行聚类,利用聚类中心表示降维后的语义特征空间。然后,在聚类后形成的簇上结合词项的上下文信息,设计3种相似度计算方法分别计算待表示文本中词项与特征空间中特征词的相似度,以形成文本映射矩阵对短文本进行表示学习。实验结果表明,所提出的方法能很好地反映短文本的语义信息,能对短文本进行合理而有效的表示学习。"}
{"title": "集成学习的泛化误差和AUC分解理论及其在权重优化中的应用", "abst": "集成学习是机器学习领域的一个重要分支,其通过整合多个学习器以获得比单个学习器更好的学习效果.多样性和间隔被认为是影响集成学习效果的两个关键因素.现有研究大多是对这两个因素的影响单独进行分析.该文的研究集中于泛化误差、AUC、多样性和间隔之间关系及其在基分类器的权重优化中的应用.该文首先在泛化误差分解理论的基础上,给出了AUC的分解定理.进一步地,该文讨论了泛化误差、AUC、多样性与间隔之间的关系,并指出常用的最大化间隔方法在降低经验误差的同时,也会降低基分类器之间的多样性,进而导致过拟合问题.基于这些理论结果,该文提出了两种新的基分类器的权重优化算法,通过求解一个二次优化问题,实现在准确性和多样性之间的最佳平衡.在35个公开数据集上的实验结果表明,该文所提出的算法在绝大多数情况下都优于现有常用的集成方法."}
{"title": "MN-HDRM:长短兴趣多神经网络混合动态推荐模型", "abst": "动态推荐系统通过学习动态变化的兴趣特征来考虑推荐系统中的动态因素,实现推荐任务随着时间变化而实时更新.该文提出一种携带历史元素的循环神经网络(Recurrent Neural Networks,简称RNN)推荐模型负责用户短期动态兴趣建模,而利用基于前馈神经网络(Feedforward Neural Networks,简称FNN)的推荐模型对用户长期兴趣建模.通过两种神经网络的融合,该文构建了一个兼顾用户短期动态兴趣和稳定长期兴趣的多神经网络混合动态推荐模型(Hybrid Dynamic Recommendation Model based on Multiple Neural Networks,简称MN-HDRM).实验结果表明相对于目前比较流行的多种动态推荐算法:TimeSVD++、基于HMM(Hidden Markov Model)的推荐模型、基于RNN(Recurrent Neural Networks)的推荐模型、基于LSTM(Long Short-Term Memory)的推荐模型和STG(Session-based Temporal Graph)推荐模型,MN-HDRM在精确率、召回率和平均倒数排名等多项评价指标上展现出更加优越的性能."}
{"title": "一种基于Shapelets的懒惰式时间序列分类算法", "abst": "近些年,时间序列分类问题研究受到了越来越多的关注.基于shapelets的时间序列分类技术是一种有效的方法.然而,其在提取最优shapelet的过程中要建立包含大量冗余元素的候选shapelets集合,一般所获得的shapelets只在平均意义上具有某种鉴别性;与此同时,普通模型往往忽略了待分类实例所具有的局部特征.为此,我们提出了一种依据待分类实例显著局部特征的懒惰式分类模型.这种模型为每个待分类实例构建各自的数据驱动的懒惰式shapelets分类模型,从而逐步缩小了与其分类相关的时间序列搜索空间,使得所获得的shapelets能够直接反映待分类实例的显著局部特征.实验结果表明该文提出的模型具有较高的准确率和更强的可解释性."}
{"title": "一种基于数据流分析的冗余变异体识别方法", "abst": "变异测试是一种基于故障的软件测试技术,广泛用来评估测试用例集的充分性与软件测试技术的有效性.尽管变异测试具有较强的故障检测能力,但由于数量庞大的变异体导致了计算开销大的问题,阻碍了变异测试在实践中的广泛应用.为了增强变异测试的实用性,该文从减少变异体数量和缩短变异测试执行时间的角度出发研究变异测试的优化技术,提出冗余变异体的概念和一种基于数据流分析的冗余变异体识别方法.采用11个C程序以经验研究的方式评估了所提冗余变异体识别方法的可行性与有效性.实验结果表明,该文提出的冗余变异体识别方法不仅可以识别出大量的冗余变异体,有效地减少了变异测试执行时间,还提供了一种评价变异算子质量的方法.该文提出的冗余变异体概念及其识别方法可以有效地提高变异测试的效率,并为资源受限的情况下如何选择变异算子进行变异测试提供了指导方针."}
{"title": "基于局部后悔的在线核选择", "abst": "在线核选择是在线核学习的关键问题.不同于离线核选择,在线核选择需要在保证亚线性收敛率的同时单趟(one-pass)地进行核选择和假设更新,并且现有在线核选择方法的时间复杂度至少是关于回合数平方的,计算效率较低.针对这些问题,该文提出了一种新的基于局部后悔的在线核选择方法.该方法具有亚线性的后悔界和关于回合数对数的时间复杂度.首先,定义了基于局部后悔的核选择准则(LRC),证明该准则是假设序列期望风险的上界.然后,应用相干性来度量新实例与缓冲区中实例的相关性,并结合蓄水池采样来设计缓冲区实例的添加和删除策略.最后,构造LRC的增量更新方法,并应用在线梯度下降方法来更新假设,实现具有亚线性后悔界的在线核选择和在线核学习的高效算法.实验结果表明,该文所提出的在线核选择方法在保证精度的同时可显著提高核选择的计算效率."}
{"title": "基于异构哈希网络的跨模态人脸检索方法", "abst": "该文提出一种基于异构哈希网络的跨模态人脸检索方法.异构哈希网络能够将位于不同空间的人脸图像和人脸视频映射到一个公共且有判别力的二值空间上,以获得有效的二值哈希表示.该网络包含图像分支、视频分支和哈希函数三个部分,首先图像和视频分支分别将人脸图像和人脸视频映射到一个公共空间,然后在公共空间中学习非线性哈希函数.网络的训练使用了三种损失函数:Fisher损失、softmax损失和三元排序损失(triplet ranking loss),其中的Fisher损失关注于公共空间的判别力,softmax损失强调公共空间上表达的可分性,三元排序损失旨在提升最终的检索性能.在多个人脸视频数据集上的跨模态人检索实验结果表明了所提出方法的有效性."}
{"title": "知识系统中全粒度粗糙集及概念漂移的研究", "abst": "概念漂移探测是数据流挖掘的一个研究重点,不确定性分析是粗糙集理论的研究核心之一.大数据、数据流中存在不确定变化和概念漂移现象,但是,除F-粗糙集外,几乎所有的粗糙集模型都是静态模型或半动态模型,专注于各种不确定性研究,难以处理不确定性变化,也难以探测概念漂移.结合量子计算、数据流、概念漂移和粗糙集、F-粗糙集的基本观点,以上、下近似为工具,定义了知识系统中的全粒度粗糙集和上、下近似概念漂移,上、下近似概念耦合等概念,探讨了全粒度粗糙集的性质,分析了知识系统内概念的全局变化.全粒度粗糙集继承了Pawlak粗糙集和F-粗糙集的基本思想,以上、下近似簇为工具表示了概念在知识系统内的各种可能变化.用嵌套哈斯图表示了概念不同情况下的同一性和差异性:同一层内的表示没有发生概念漂移,不同层内的表示发生了概念漂移.以正区域为工具,定义了决策表中的全粒度正区域和概念漂移、概念耦合等概念,探究了全粒度正区域的性质,分析了决策表内整体概念的全局变化.全粒度正区域表示了决策表中各种可能情况下的正区域,用嵌套哈斯图表示了正区域簇的同一性和差异性:同一层内没有发生相对于正区域的概念漂移,不同层内发生了相对于正区域的概念漂移.在全粒度粗糙集意义下,定义了全粒度绝对约简、全粒度值约简、全粒度Pawlak约简等属性约简,并探讨其性质.与大部分的属性约简不同(仅仅与并行约简和多粒度约简类似),全粒度属性约简要求概念的所有可能表示不发生概念漂移.进一步探讨了属性约简的优缺点,属性约简使得概念的表示变得单一,冗余属性的存在增加了概念表示的丰富性、多样性.在认识论方面,以粗糙集和粒计算为工具分析了人类认识世界的局部性与全局性,对人类认识世界的方式进行了进一步探讨.全粒度粗糙集在一定意义下能够表示人类认识的复杂性、不确定性、多样性、层次性和动态性,在量子计算的帮助下能够从一个粒度转跳到另一个粒度并且毫无困难.全粒度粗糙集的研究及其中的概念漂移探测为各种条件下的概念漂移探测和人类智能的模拟提供了有益的启示."}
{"title": "基于联合概率矩阵分解的群推荐方法研究", "abst": "近年来随着互联网的快速发展,各种虚拟社区不断涌现,用户组成群共同活动的现象逐渐增多,人们开始逐渐关注面向群的推荐.已有的群推荐方法大多是在基于内存的协同过滤推荐方法上进行改进,或是认为组内成员相互独立,忽略了群内成员间的关联关系对群推荐结果的影响.为此,该文提出了一种基于联合概率矩阵分解的群推荐方法,更好地对群推荐问题进行建模.首先,利用用户加入的群的信息计算用户之间的相关性,其次,将用户相关性矩阵融入到概率矩阵分解过程中,得到个人预测评分,最后,利用面向群推荐问题中常用的合成策略对个人预测评分进行融合,得到群对项目的预测评分.进一步将该文提出的方法与现有常用的群推荐方法进行比较,在CiteULike数据集上进行实验,实验结果表明,该文所提出的方法在准确率、召回率等多种评价指标上都取得了更好的推荐结果."}
{"title": "手语计算30年:回顾与展望", "abst": "手语的自然语言处理是计算机学科中的一项重要任务.目前随着信息技术的飞速发展,以文本和语音为主要载体的传统语言计算的工作重点已从编码、输入方法和字音的研究逐渐转移到语法层面,并进入深度计算的阶段.然而手语信息处理却严重滞后,处于空白起步阶段.究其原因,主要是缺乏用于机器学习的具有一定规模的手语语料库资源,同时传统的语言计算技术也存在不足,这些都阻碍了手语机器翻译、手语问答系统、手语信息检索等信息处理的应用研究.该文首先阐述了手语计算与传统语言计算的本质差异在于空间建模,这种差异导致了前者核心任务是单信道与多信道转换,后者根本任务是消歧.从词法、句法、语义、语用、应用等层面对手语计算进行了回顾,重点介绍了手语机器翻译和分类词谓语计算,指出分类词谓语是手语计算的关键以及取得突破的切入点.从展望的角度,认为互联网时代体感设备的出现、认知神经科学的兴起、深度学习的进展等新技术为手语计算带来了新的机遇.将手语计算与传统语言计算进行比较,分析了手语计算的趋势和未来的研究方向,手语的认知计算是从手势的物理特征到语义表征的映射转换过程,其计算趋势是填补音韵特征、语义单元这样的中间步骤,避免直接从底层特征得到语义概念,关注在手语行为与语言特征的关系上进行机器学习,建立融合空间特征的统计学习模型.未来研究方向包括资源建设、文景转换、隐喻理解,其中文景转换有助于实现空间信息抽取,即物体的空间方向、位置等信息,结合知识库消除自然语言的模糊性,进而实现三维场景构建.指出手语计算正从萌芽期过渡到发展期,若取得重大突破,手语计算将扩展语言计算体系,推动人工智能的发展."}
{"title": "标签增强的中文看图造句", "abst": "图像数据飞速增多,而计算机与人对图像数据的理解间存在语义鸿沟.如何有效地理解、管理和组织图像数据是学术界和工业界面临的一个重大挑战.利用计算机自动生成能够描述图像内容的自然语言描述有助于弥合语义鸿沟,从而提升对图像数据的理解.现有工作致力于英文句子生成.与之不同的是,该文实现了一个面向中文的看图造句系统.通过大规模机器翻译克服了中文训练数据缺乏的问题,同时提出了结合中文标签自动预测,对深度模型预测句子进行重排序的增强方法,改善句子生成质量.在两个中文图像句子数据集Flickr8k-cn和Flickr30k-cn上的实验表明,该文提出的标签增强方法可以有效改善现有两种看图造句模型(Google模型和Attention模型)所生成句子的质量.标签增强使得Google模型在Flickr8k-cn测试集上的CIDEr指标从0.474提高到0.503,Flickr30k-cn测试集上的CIDEr指标从0.325提高到0.356.通过标签增强,Attention模型在这两个数据集上的CIDEr分别从0.510提高到0.536,从0.392提高到到0.411."}
{"title": "一种新的基于三维卷积共生梯度直方图和多示例学习的特殊视频检测算法", "abst": "已有的基于梯度方向直方图信息的视频内容检测算法侧重在二维的视频帧上提取特征,忽略了视频内容在时间维度上的相关性.提取局部梯度间潜在的共生关系特征可一定程度上提高算法的检测准确率;同时,对相邻特征池化可有效减少特征降维过程中的信息丢失.基于此,利用视频帧间结构信息通过卷积运算构建共生梯度直方图的三维结构,然后对相邻特征池化实现描述特征的有效降维,解决了忽略帧间信息影响识别准确率以及高维度特征难以训练的问题;将视频特征映射到多示例学习中的示例和包,非常容易地实现了对不同长度视频的检测.在公开测试数据集Hockey、Movie上进行测试,实验结果显示,Hockey数据集上算法的检测准确率高于现有最优算法3%,Movie数据集上的检测准确率高于现有最优算法0.5%,验证了新特征与算法的有效性."}
{"title": "语义耦合相关的判别式跨模态哈希学习算法", "abst": "基于哈希的跨模态检索以其存储消耗低、查询速度快等优点受到广泛的关注.跨模态哈希学习的核心问题是如何对不同模态数据进行有效地共享语义空间嵌入学习.大多数算法在对多模态数据进行共享空间嵌入的过程中忽略了特征表示的语义判别性,从而导致哈希码表示的类别区分性不强,降低了最近邻搜索的准确性和鲁棒性.该文提出了基于语义耦合相关的判别式跨模态哈希特征表示学习算法.算法在模型的优化目标函数设计上综合了线性判别分类器的思想和跨模态相关性最大化思路,通过引入线性分类器,使得各模态都能够分别学习到各自具有判别性的二进制哈希码.同时利用耦合哈希表示在嵌入语义空间中最大化不同模态之间的相关性,不仅克服了把多种数据投影到一个共同嵌入语义空间的缺陷,而且能够捕捉到不同模态之间的语义相关性.算法在Wiki、LabelMe以及NUS_WID三个基准数据集上与最近相关的算法进行了实验比较.实验结果表明该文提出的方法在检索精度和计算效率上有明显的优势."}
{"title": "轻量级的软件定义网络数据包转发验证", "abst": "软件定义网络(Software Defined Network,SDN)引入控制层与转发层分离简化了网络管理和功能部署,近年来得到了广泛的关注.然而,SDN无法检测由于网络攻击或者转发规则的错误实施导致的数据包被错误转发.例如,SDN中转发的数据包会被异常的规则或攻击者丢弃、篡改或注入虚假数据包.此外,由于处于数据层的SDN交换机仅提供了简化的数据转发功能,因此作者无法简单地部署传统IP网络中的数据转发验证方案.因此,作者需要提出一个适用于SDN的有效数据转发验证方案以确保数据包的正确转发.已有SDN转发验证的方案通常通过逐跳验证或者对比全部流的统计信息,这会带来巨大的计算和通信开销.文中基于OpenFlow协议提出了一个轻量级的SDN数据包转发验证方案LPV(Lightweight Packet Forwarding Verification).由于LPV利用SDN本身提供的Packet-in消息机制以及组表读取转发结点的流转发统计值,在检测转发异常行为以及定位异常行为结点的同时,避免了大量读取转发结点状态而引入的计算和通信开销.LPV利用流表规则对入口和出口交换机进行采样,将采样信息的消息验证码MAC(Message Authentication Code)值和相应的流统计信息上报给控制器.由此,控制器可以通过对比包的MAC值和统计信息来检测网络中的异常转发行为.与此同时,LPV可以通过分析收集的信息找出篡改或丢弃包的结点以定位异常行为的结点.通过基于随机化采样的转发验证机制,LPV有效降低控制器和交换机中引入的处理和通信开销.同时,随机化采样实现了交换机转发状态的一致性检测,任何攻击者都无法通过推断采样来绕过LPV的检测.作者在开源Floodlight控制器和ofsoftware13软件交换机中实现了LPV并在Mininet中进行了仿真实验,实验结果表明LPV能够检测及定位数据包篡改、流量劫持等转发异常行为,同时仅引入了大约10%的平均转发延迟和小于10%的通信开销."}
{"title": "一种基于模糊选项关系的关键属性提取方法", "abst": "模糊分析方法已广泛应用于医学实践包括对心理疾病的辅助诊断.属性约简方法在过滤冗余信息并提取关键信息时起到了重要作用,使整个临床决策过程更加准确和高效.这些方法抽取的有价值信息可以从新的视角揭示深层次医学知识.很多未经培训的参与者很难识别心理量表中选项间模糊的界线,即很难区分拥有相同意义但程度不同的选项.临床心理学自身的模糊性和心理测量数据的模糊性都将带来噪声.如果将心理测量数据中的属性看作信息系统的条件属性,利用降维算法可提取关键属性,从而简化对疑似患者的临床筛查过程.实际使用时,可对提取的关键属性或者拥有高权重的属性进行重点关注,从而迅速定位拥有异常关键属性的患者,对其优先处理.由此该文提出一种称为FOAD(Fuzzy-Option based Attribute Discriminant method)的基于模糊选项关系的关键属性提取方法,包括三个主要步骤:数据获取、模糊选项的选择与约简以及关键属性的排序与提取.每个参与者样本包含若干身体症状属性,为每个属性都选择一个程度选项.选择模糊选项时须同时考虑选择该选项的样本数量和选项的程度含义.而模糊选项约简算法作为整个方法的核心,可以将模糊选项合并到其他选项,以降低心理测量数据中选项的模糊度.实验中采用两个真实临床数据集验证FOAD算法的性能.首先使用各种属性提取算法对测试数据集进行处理,获取关键属性,然后将输出的关键属性作为条件属性,以诊断结论作为分类标签,利用逻辑回归方法对样本数据进行分类.实验结果表明:FOAD算法在不增加时间复杂度的前提下能将分类准确率普遍提高3.3%～14.1%.虽然选项约简操作造成部分信息的损失,但是合并模糊选项使选项分布更加清晰.FOAD作用下的LDA(Linear Discrimination Analysis)对各种参数敏感,尤其是对保留属性的个数.LDA的预测准确率从保留最少属性时提高6.7%,上升到保留最多属性时提高14.1%.PCA(Principal Component Analysis)算法选择的投影方向会使数据方差最大,保留的信息量最多,但分类效果差.因此FOAD算法很难应用于提高PCA的预测准确率,甚至在个别情况下,出现了FOAD引起PCA分类准确率降低的情况.此外,实验发现基于FOAD的LDA算法比其他属性模糊提取算法具有更高预测准确率.心理诊断数据具有明显的模糊性,一般的统计分析方法往往不能得到需要的结果.而利用最新的模糊集和粗糙集等特殊的数据预处理方法可以消除这种数据噪声,提高临床诊断效果."}
{"title": "自编码神经网络理论及应用综述", "abst": "自编码器是深度学习中的一种非常重要的无监督学习方法,能够从大量无标签的数据中自动学习,得到蕴含在数据中的有效特征.因此,自编码方法近年来受到了广泛的关注,已成功应用于很多领域,例如数据分类、模式识别、异常检测、数据生成等.该文对传统自编码基础理论、自编码方法、改进技术以及应用领域进行了比较全面的综述.首先,该文介绍传统自编码基础理论与实现方法,分析自编码器的一般处理框架.然后,讨论现有各种改进的自编码器,分析这些方法的创新点、所要达成的目的和可能存在的问题.随后,该文介绍自编码器的实际应用领域,分析这些领域的代表性自编码算法,并详细地分析、比较和总结这些方法的特点.最后,总结现有方法存在的问题,并探讨了自编码器的将来发展趋势和可能挑战."}
{"title": "基于WiFi信号的人体行为感知技术研究综述", "abst": "随着计算技术的发展,以机器为中心的计算模式正朝着以人为中心的计算模式转变.让人成为计算环节的一部分,促进物理世界和信息世界的融合,实现高层次人机交互是未来的发展方向.对人体行为的准确感知和理解则是必不可少的技术支撑.近年来,随着WiFi热点部署数量的不断增多以及WiFi在感知尤其是定位领域的广泛运用,基于WiFi信号的人体行为感知技术引起了人们的广泛关注.其基本原理为当WiFi信号在传播过程中遇到人体,发生反射、折射、衍射以及散射等现象,这些现象对信号的正常传播产生扰动,通过分析接收信号,检测信号扰动变化特征,便可感知信号传播过程中所遇到人体的状态.WiFi行为感知基于已有通信设备,利用环境中广泛存在的WiFi信号,具有良好的普适性和扩展性.与传统的人体行为感知方法,如计算机视觉感知技术、红外感知技术以及专用传感器感知技术等相比,基于WiFi信号的人体行为感知技术具有非视距、被动感知(无须携带传感器)、成本低、易部署、不受光照条件限制、扩展性强等一系列优势.为进一步提升对WiFi感知技术的关注和理解,推动WiFi感知技术的不断发展,该文对WiFi行为感知技术进行了详细的介绍和分析.该文首先详细回顾了WiFi感知技术从2000年至今的发展历程,分别介绍了WiFi信号室内传播的静态模型、动态模型以及人体建模方法.依据WiFi感知的流程,按照信号采集,预处理,特征提取到训练与分类的步骤,详细阐述了WiFi行为感知的工作原理及方法.针对WiFi感知在日常行为感知、手势识别、生理信号感知、身份认证、群体感知以及摔倒检测等六个方面的工作和应用现状进行了详细的介绍和分析.最后,基于最新研究动态提出了WiFi感知未来的研究方向,包括抗干扰感知、高层特征提取、去中心化感知、迁移感知、并发感知以及协作感知等."}
{"title": "节点位置信息驱动的物联网终端缓存管理机制的研究", "abst": "物联网通过物体、传感设备与网络的关联来实现物体自动、实时的识别、定位、追踪和监控,并触发相关事件.面对持续采集或到达的数据流,物联网的移动终端间需要进行大量的数据交互.在节点缓存空间有限的条件下,合理的节点缓存管理机制可以在提高消息投递成功率的同时减少网络开销、降低终端能耗.然而,现有缓存管理机制都是从消息队列特征或静态属性方面展开研究,忽视了节点的位置、移动方向等特征,从而导致消息在网络中无方向性的扩散;或虽考虑了节点移动特征,但集中于时间维度,且对节点间相遇规律做了诸多假设,如节点间相遇服从独立同分布等,这些都限制了算法的实际应用场景.考虑到物联网中节点移动的空间规律性,该文在研究节点移动模型的基础上提出了节点位置信息驱动的终端缓存管理机制.在消息目的位置已知的情况下,该机制根据节点在随机移动模型和车载移动模型两种场景下位置和方向的移动特征,结合节点对网络态势的感知,分别计算消息的优先级;依据该优先级,设计节点间进行数据交换时的消息调度策略及节点缓存空间不足时的消息丢弃策略;并通过对移动方式随机(如人和动物的随机移动)和移动方式受限(如城市道路中车辆移动)两种场景的仿真结果分析,评估算法的性能表现.仿真实验表明,相比于Drop Oldest(DO)等传统缓存管理策略,该文提出的缓存管理机制在不同缓存大小和不同程度网络拥塞的情况下体现出较高的性能优势,并在提升消息投递率的同时保持了较低的平均时延、网络负载率和平均跳数."}
{"title": "大规模动态RFID系统中针对热门标签类别的TOP-k查询协议", "abst": "在动态多类别RFID(Radio Frequency Identification)系统中,某类标签的缺失数量能够反映该类别的“热门”程度.因此,如何快速准确地找出缺失数量最多的k类标签对制定合理的营销策略具有重要意义.为此,该文首次定义了动态多类别RFID系统中针对热门标签类别TOP-k查询问题,并提出了符合EPC C1G2标准的快速查询协议Hot TOP-k Query(HTKQ).其核心思想是,先用阅读器监听当前系统中所有标签参与帧时隙阿罗哈协议的过程,并记录每个时隙的状态,从而获得真实时隙帧向量;然后在服务器端保存的每类标签ID集合上分别虚拟执行阿罗哈协议,为每个标签类别分别得到虚拟时隙帧向量.该文利用概率统计的方法,通过对比两类时隙帧的差异,分别估计每类标签的缺失数量.该文提出了大量理论分析,在保证查询结果准确性的同时优化参数使得算法时间代价最小.大量的仿真实验结果表明,该文提出的HTKQ协议能够在不同实验条件下满足预定的查询精度,并且当RFID系统中标签类别较多时,HTKQ协议的时间效率比现有协议可以提升80%."}
{"title": "软件定义网络中基于匹配动作表的IP隧道", "abst": "当前基于IP层的隧道技术在网络虚拟化、构建覆盖网络、连接异构网络等方面有着广泛的应用,但是这些传统IP隧道在管理配置方面存在不易维护、管理复杂、效率低等问题.软件定义网络是一种新型网络管控体系结构,它将网络的控制和管理逻辑从网络设备中抽离出来,并提供了开放统一的编程接口,从而大大提升了网络的管理效率.但作为软件定义网络的重要标准,OpenFlow原生并不支持IP隧道的建立,因此在SDN网络中建立隧道依然依赖于传统的配置方式.该文采用SDN中数据平面的匹配动作表编程模型,提出了一种新的IP隧道机制——MAT隧道.MAT隧道可以通过下发流表规则对隧道报文直接进行封装和解封,不再通过配置隧道端口的方式.该文基于开源软件交换机Open vSwitch和开源控制器Floodlight完成了MAT隧道原型的实现,并利用DPDK对于其性能做了一定优化.该文还根据真实拓扑搭建了仿真环境,对MAT隧道与Open vSwitch原有的隧道进行了对比评估,结果显示MAT隧道可以将隧道的平均时延降低10%左右,而采用DPDK加速后可以进一步降低20%左右.而通过隧道进行路径切换的测试表明,MAT隧道将隧道切换过程中的最大抖动降低3个数量级,同时将对吞吐量的影响降低50%."}
{"title": "群智感知中基于公交系统的任务分发机制研究", "abst": "任务分发作为实现群智感知的重要环节,为了激励更多用户参与数据的采集和共享,已有研究通常利用机会网络进行任务扩散并降低参与者的执行成本,但在节点选择过程中并未充分考虑感知任务的多样性将对节点接触时间、参与数量、感知区域类型等带来的挑战.基于此,该文利用城市中公交载体的轨迹可预测、活动覆盖范围大、乘客节点自主聚集且交互时间有保证等优势,提出了一种基于公交系统的任务差异化分发方法.首先,利用泰森多边形的划分思想,实现感知任务与目标区域的合理覆盖.其次,对感知区域内一定预算约束下的任务差异化分发问题进行分析,并分别提出了两种分发算法:基于覆盖差异的分发算法(COV-DA)和基于扩散差异的分发算法(SPR-DA).最后,利用真实数据集,通过仿真实验从分发准确性和平均移动距离对两种算法的性能进行比较分析.实验结果表明,SPR-DA算法具有更好的分发准确性,而使用COV-DA算法时,移动节点在完成任务时则需要更短的移动距离."}
{"title": "视觉传感器网络边界部署k-覆盖数量估计", "abst": "覆盖是评价视觉传感器网络对感兴趣区域(Field of Interest,FoI)监测质量的重要指标.与传统的全向传感器节点不同,视觉传感器节点的感知区域为扇形区域,其覆盖估计问题也更加复杂.目前,大量视觉传感器网络的研究工作主要假设同构节点随机部署在感兴趣区域内以对其实现覆盖.该文假设所有节点随机部署在感兴趣区域的外部边界以对FoI实现覆盖监测,同时研究异构部署的k-覆盖率估计问题.针对此应用场景,该文首次提出k-覆盖率估计模型,通过仿真对场景k-覆盖率,仿真值及模型理论值进行比较分析,结果表明模型理论值与场景仿真值的平均绝对覆盖误差基本保持在6%以内.该文的研究对边界部署的视觉传感器网络具有重要的指导意义."}
{"title": "基于软件定义网络和多属性决策的Ceph存储系统节点选择方法", "abst": "云存储中的Ceph分布式文件系统以其开原性和提供统一存储能力的特点在企业和科研领域得到广泛关注和应用.CRUSH算法是Ceph分布式文件系统中的伪随机数据分布算法,能实现在异构大规模层级结构化存储集群中高效分布数据对象及其副本.经典Ceph云存储系统中在副本模式下选择存储节点时该系统仅以节点存储容量作为唯一选择条件,并没有考虑到网络和节点的负载状况,这影响了系统在网络性能差和节点高负载的情况下的读写性能.因此,在CRUSH算法中加入网络状态和节点负载的测量对提高负载均衡性具有非常重要的作用.但在传统的网络构架中要获取网络状态需要繁琐的配置和大量的测量开销.为解决这些问题,该文设计了基于软件定义网络技术的Ceph云存储系统模型和存储节点选择策略,首先利用软件定义网络技术实时获取网络和负载状况,以简化网络配置和减小测量开销,然后通过建立并求解出综合考虑了多种因素的多属性决策数学模型来确定存储节点位置.通过在实际环境中对设计的存储节点选择方法进行读写操作的测试,测试结果表明,与现有的CRUSH算法相比,提出的存储节点选择方法可以在保持与原有Ceph系统相同的写操作性能的同时,读小文件操作时的吞吐量和读大文件的响应时间得到明显改善."}
{"title": "基于距离测量和位置指纹的室内定位方法研究", "abst": "随着WiFi网络在世界范围内的迅速普及和广泛部署,基于WiFi的室内定位技术由于成本低、易于实现受到了广泛关注.其中,基于WiFi的被动式指纹室内定位由于可直接利用现有的商业WiFi设备,且不需要待定位目标携带任何设备,因此部署成本低、易扩展,同时还具有良好的非侵入性,故已逐渐成为室内定位技术研究者们广泛关注的热点.目前,已有基于WiFi的被动式指纹室内定位技术,如Nuzzer和Pilot等,其定位过程一般可分为离线和在线两个阶段.离线阶段采集相应的信号,并存储所有参考点生成的指纹数据以构建离线指纹数据库.在线阶段则通过采用与离线阶段相同的处理方式得到待测位置的在线实测指纹,然后将其与离线指纹库中的已有指纹进行匹配,从而估计目标位置.然而,现有工作由于存在两个重要问题,导致定位的实时性和精度都不能令人满意.其一,现有指纹匹配定位方式由于需要在在线阶段将实测指纹与指纹库中的所有指纹进行一一匹配,所以计算量大从而导致定位过程的实时性较差;其二,由于离线指纹库中存在与目标当前位置相隔较远但相似的指纹,而这些指纹很可能会对指纹匹配过程造成干扰,进而导致定位误差较大.针对上述两个问题,该文结合位置指纹定位技术和距离测量算法,提出了一种新的位置指纹室内定位方法ILLFRM.该方法在在线阶段中加入了粗定位,并在进行指纹匹配之前,通过粗定位来过滤离线指纹库中与目标当前位置不相关的指纹,以减少匹配过程中的计算量和避免不相干指纹的干扰,从而同时达到改善定位精度和实时性的目的.通过在空旷大厅和走廊的真实场景进行实验,结果表明,该文提出的方法与Pilot和Nuzzer相比,定位精度分别提高了约28%和51%.此外,由于一次匹配过程的总耗时不足200ms,因此ILLFRM可以很好地满足实时性要求."}
{"title": "无人机骨干网分布式组网及接入选择算法", "abst": "用无人机充当空中基站并组成骨干网为地面用户提供通信服务,在临时大型活动、抗震救灾、应急通信等方面有广阔应用前景.在无人机骨干网研究中有两个重要问题:一是如何对无人机集群进行合理部署,使其能够在对地面用户进行覆盖的同时维持骨干网的连通性;二是如何引导用户进行合适的接入选择,该选择既能使用户接入无人机骨干网后满足通信需求,又能最大化网络的负载均衡和接入成功率.为此,该文提出无人机骨干网分布式组网以及接入选择算法.部署算法通过感知地面用户,在虚拟力牵引下实现按需覆盖并维持稳定的双连接拓扑结构,同时还能记录无人机的最终位置和运动轨迹;接入选择算法分别侧重于信干噪比和无人机接入度数(负载数),提出三种无人机网络接入选择算法:最大信干噪比接入、满足信干噪比的随机接入以及满足信干噪比的最小度数接入,旨在最大化网络负载均衡和接入成功率.该算法在仿真实验中得到了验证,在双连接、按需覆盖之上更提高了网络整体性能.部署算法适用于用户和无人机聚集或分散、动态用户以及障碍等场景,且静态部署时间平均不超过300s;三种接入选择方法都收获了不小于78%的接入公平性以及92%以上的接入成功率,其中最小度数接入方法以额外的交互代价换取了86%以上的接入公平性和95%以上的接入率."}
{"title": "低占空比传感网中面向自适应性能需求的高效广播调度算法", "abst": "无线传感器网络中的节点普遍采用低占空比的工作模式,该工作模式极大地减少了由于空闲侦听所带来的能量浪费,但也给网络中的广播问题带来了新的挑战.该文主要考虑如何解决低占空比传感网中的高效广播调度问题.大多数现有工作通常采用低效的传统广播传输模型,即任意局部单跳广播通过多次单播来实现.实际上,文中发现即使对于低占空比网络,无线媒介的广播属性依然能够为广播能效的提升提供潜在的机会.该文提出了一个新颖的机会式广播传输模型,该模型能够充分利用无线媒介固有的广播属性减少广播的总能耗.在单跳情形下,该模型允许发送者向它的任意接收者发送一个较小的beacon控制包,该beacon控制包将会通知接收者推迟自己的工作时隙去机会式地接收由发送者发送给其它节点的广播消息.在多跳情形下,该模型采用了一个有效的预推迟机制,即允许任意转发者在收到来自上游节点的beacon控制包后就可以预先向下游节点发送beacon控制包.文中发现采用机会式广播传输模型能够减少广播总能耗,但是可能会带来平均端到端广播延迟的增加.当前的许多现有工作考虑了延迟约束下的广播能耗优化问题,尽管如此,很多实际应用通常并不需要广播延迟一定要约束在一个限定的范围内,更多的广播应用关注的是能耗与延迟性能的权衡.该文定义了一个具有普适性的广播代价函数,该函数能够对广播延迟和广播能耗两者的权衡关系提供一个自适应的控制以刻画各种不同的广播性能需求,该文的目标是在低占空比传感网中基于机会式广播传输模型找到一个有效的广播调度,以最小化该广播代价函数.首先,文中考虑了单跳情形下的目标问题,并且提出了一个多项式时间复杂度的最优解决方法.接着,文中将单跳情形下的解决方法扩展到多跳情形下.具体地说,我们先定义了一个约束性最小代价单跳广播问题,并且证明了该问题可以在多项式时间内利用动态规划算法求出最优解,然后文中将其扩展到多跳情形下的目标问题并且提出了一个高效的自底向上的解决方法.文中发现通过自适应地调节广播代价函数中权衡因子参数的值,文中的方法可以适用于各种广播性能需求的应用场景.进一步地,该文还讨论了如何将我们提出的解决方法扩展到更加一般化的情形下,即允许少部分相邻节点具有相同的工作调度.仿真实验结果表明在低占空比的网络环境下,文中的解决方法相比较于其它方法而言总是能够获得较大的性能优势."}
{"title": "链路不可靠下稀疏投影无线传感器网络数据收集研究", "abst": "基于压缩感知的无线传感器网络数据收集被认为是一种有效的网内数据压缩技术,其具有网络通信代价小与均衡网络能量消耗的特点.现有基于压缩感知数据收集方案主要针对可靠无线传感器网络环境,即链路不存在网络丢包现象.然而现实网络运行结果表明网络丢包是一种常见现象,网络丢包会导致这些方案数据恢复性能易受干扰.为了提高压缩感知在不可靠链路下数据的鲁棒性,该文提出一种联合路由的稀疏投影数据收集方案,其可以有效降低网络丢包对感知数据质量的影响.该方案主要是通过两个方面技术来提高不可靠链路下数据的鲁棒性.首先,根据路由设计稀疏投影矩阵,降低网络丢包对测量值数据的破坏;其次,进行稀疏投影矩阵限制下的低相干稀疏表示基设计,保证被压缩数据有效恢复与重构.为了满足稀疏表示基与稀疏投影路由矩阵之间的低相干性,该文给出一种稀疏表示基学习算法.除此之外,该文还给出分布式网络环境下稀疏随机投影数据收集实现算法.真实网络数据实验结果表明,文中提出的稀疏表示基学习算法得到的稀疏表示基可以有效压缩网络数据,同时即便在丢包率为20%情况下网络感知数据仍能被有效恢复.能量仿真结果表明,对比现有压缩感知数据收集方案,文中提出的方案可以有效减少网络能量消耗."}
{"title": "面向多重应用的高鲁棒被动式定位模型研究", "abst": "基于无线信号的被动式目标定位技术由于具备无需目标携带设备、便于实施、对视线和监测视角要求不高等优势,因此在老人监护、家居自动化以及野生动物监测等应用领域具有巨大的潜力.传统的被动式定位方法为保证定位精度,要么需要大规模训练学习,导致勘测代价大;要么只针对于某些专用设备或特殊应用,导致普适性差.对此,文中提出一个面向多重应用的高鲁棒被动式定位模型MaLoc:无需大规模训练学习,并且可在廉价商用设备上实现.MaLoc的主要特点在于:(1)通过获取接收端从不同天线接收信号的稳定相位差,结合参考阵列天线的位置来实现基于到达角度的目标定位,保证了商用设备下的定位精度;(2)为了实现高鲁棒的到目标反射信号到达角度估计,MaLoc首先利用静止干扰源的角度误差补偿来缓减信号到达角度随时间产生的偏移;其次利用不同种类反射信号之间的相干与非相干性,对环境中移动干扰源和静止干扰源反射信号的到达角度进行消除.如此进一步提升了定位的鲁棒性和精度.最后通过实际环境下的多种实验验证了MaLoc的有效性和鲁棒性."}
{"title": "网络功能虚拟化技术研究进展", "abst": "企业通常部署各种网络功能设备来实现企业网络所需的网络功能.例如,防火墙和入侵检测系统可以加强企业网络的安全性;缓存代理和广域网优化器可以提升企业网络的性能.然而,企业部署、更新和维护网络功能设备需要大量开销.不同网络功能设备之间的差异使得企业需要庞大的专业团队来管理网络设备.物理设备固定的位置和处理能力使得企业网络无法有效解决网络拥塞带来的设备失效问题.随着企业网络规模的增长,网络功能设备管理、维护和更新产生的开销急剧上升.面对日益增长的网络功能设备运维开销和管理难度,网络功能虚拟化(Network Function Virtualization,NFV)技术提出将网络功能和物理硬件设备解耦,通过在通用商用服务器上部署和管理网络功能,为企业降低了网络设备管理难度,减少了网络功能设备开销,提供了灵活的网络服务部署策略,例如,动态回收/扩展.尽管NFV技术能为企业带来便捷和利益,但是实现一个实用而高效的NFV系统存在很多挑战.针对NFV系统实现中存在的问题和挑战,学术界和工业界已投入大量精力对NFV技术进行研究和尝试.该文首先介绍欧洲电信标准协会制定的NFV技术标准结构,并根据其分类总结NFV系统实现中存在的问题和挑战,将当前研究成果分为网络功能虚拟化、网络功能虚拟化设施和管理、网络编排三个部分.软件定义网络(Software Defined Network,SDN)和NFV技术可以相互弥补促进,该文对其之间的关系进行了研究.然后,该文着重从虚拟化网络功能(Virtual Network Function,VNF)构建及运行环境优化、NFV管理系统设计及优化、策略实施与验证、资源分配和迁移策略、NFV负载均衡和状态管理技术、NFV架构中的安全问题几个方面来深入分析NFV技术当前的学术研究成果.最后介绍了NFV技术在云计算、移动通讯以及家庭网络中的应用场景实例,同时对NFV技术进行总结并展望未来研究发展方向."}
{"title": "一种基于数据聚合的传感器网络可调模型", "abst": "该文主要面向上行汇聚流量为主的传感器网络应用场景,针对现有优化方案在灵活性和计算开销等方面的问题进行了分析,包括优化目标单一、节能方法对于多重寿命标准难以适应、计算复杂度与求解近似比难以取舍、环境突变或管理需求的调整无法快速响应等等,对当前流行的传感器硬件进行了数据收发的功耗测试后,根据其射频耗能特性,以提高网络可靠性的最小化“最大链路利用率”和单纯功耗优化的最小化“网络连通支配集”为优化目标,引入加权绿色因子,建立了功耗和性能可以调节的模型RES-WSN(Reliability and Energy Steerable WSN).该模型的求解复杂度较低,当网络有数百个节点时,问题依然可以较快求解,为传感器网络提供了一种在能量消耗和可靠性及多重寿命准则间柔性调节的方案.根据该文方案求得的路由关系和数据流传输的分配结果,以“Multiple Instances”的思路和拓展选项的方式在RPL路由协议的基础上给出了部署方案.通过实验验证,该文模型对网络的可靠性的调控比例最高为52.08%,对能量消耗的调控比例最高为60.51%,特别是在仅考虑节能优化且允许部分节点死亡的情况下,网络存活时间相比只考虑可靠性的情况延长了42.54%,与近期相关研究“MinST”模型相比延长了9.23%～15.38%."}
{"title": "基于组合双向拍卖的云资源调度方法", "abst": "针对跨数据中心的资源调度问题,提出了一种基于组合双向拍卖(PCDA)的资源调度方案。首先,将云资源拍卖分为三个部分:云用户代理报价、云资源提供商要价、拍卖代理组织拍卖;其次,在定义用户的优先级及任务紧迫度的基础上,在拍卖过程中估算每一个工作发生的服务等级协议(SLA)违规并以此计算云提供商的收益,同时每轮竞拍允许成交多项交易;最终达到根据用户等级合理分配云资源调度的效果。仿真实验结果表明该算法保证了竞拍成功率,与传统一次拍卖成交一项的组合双向拍卖方案相比,PCDA在竞拍时间段产生的能耗降低了35. 00%,拍卖云提供商的利润提高了约38. 84%。"}
{"title": "基于云雾协作模型的任务分配方法", "abst": "针对在云雾协作下实现移动用户任务请求的合理分配与调度的问题,提出了一种基于云雾协作模型的任务分配算法——IGA。首先,采用混合编码的方式对个体进行编码,并采用随机的方式产生初始种群;其次设定服务商的花费作为目标函数;然后进行选择、交叉、变异操作产生出符合条件的新个体;最后,根据染色体中的任务请求类型分配到相应的资源节点上,并更新迭代计数器,直到迭代完成。仿真结果表明,在处理移动用户请求时,与传统的云模型相比,云雾协作模型在时延上降低了近30 s,服务水平目标(SLO)违规率上降低了约10个百分比,在服务提供商花费上亦有所减少。"}
{"title": "基于压缩感知的移动群智感知任务分发机制", "abst": "针对移动群智感知任务中区域全覆盖感知成本过高问题,提出基于压缩感知的移动群智感知任务分发(CS-TD)机制。首先提出了感知任务整体成本模型,该模型综合考虑了参与感知任务的节点个数、节点的感知次数与数据上传次数;然后基于成本模型,分析感知节点的日常移动轨迹,结合压缩感知数据采集技术,提出了一种基于感知节点轨迹的压缩感知采样方法;其次通过区域全覆盖最少节点(RCLN)算法,选出最佳节点集合,对节点进行任务分配,利用压缩感知技术恢复节点数据;最后在多次感知任务的迭代中对感知节点的可信程度进行评定,保证任务方案的最优性。对CS-TD分发模型进行多次实验验证,与已有的Crowd Tasker算法相比,CS-TD算法平均成本降低了30%以上。CS-TD模型能有效降低感知节点的消耗,能在全覆盖感知任务中降低整体感知成本。"}
{"title": "增强现实场景下移动边缘计算资源分配优化方法", "abst": "针对高速数据传输及计算所带来时延和终端设备能耗问题,提出了一种在上行链路采用等功率分配的传输方案。首先,依据增强现实(AR)业务的协作属性建立了针对AR特性的系统模型;其次,详细分析了系统帧结构,建立以最小化系统消耗总能量为优化目标的约束条件;最后,在保障延迟和功耗满足约束的条件下,建立了基于凸优化的移动边缘计算(MEC)资源优化求解数学模型,从而获得最优的通信和计算资源分配方案。与独立传输相比,该方案在最大延迟时间分别为0. 1 s和0. 15 s时的总能耗降幅均为14. 6%。仿真结果表明,在相同条件下,与基于用户独立传输的优化方案相比,考虑用户间协作传输的等功率MEC优化方案能显著减少系统消耗的总能量。"}
{"title": "ERC~2:具有拥塞控制策略的DTN传染路由方法", "abst": "针对延迟容忍网络(DTN)拓扑结构动态变化和节点存储空间有限的问题,提出一种具有拥塞控制策略的DTN传染路由(ERC~2)方法。该方法基于一种动态存储状态模型(DSSM),节点可通过感知网络状况动态调整节点半拥塞状态的门限降低网络发生拥塞的可能性,增加ACK索引以及消息管理队列,使节点存储状态随着网络负载的随机变化而动态更新并主动删除冗余包,并根据不同拥塞状态结合传染路由和Prophet路由的优点选择单一或混合模式进行消息转发,从而达到预防、避免、解除拥塞的目的,实现节点自适应缓存管理以及网络的动态拥塞控制。在模拟器ONE上采用Working Day Movement模型进行仿真,其中与Prophet相比,ERC~2方法在消息递交率上提高66. 18%,平均时延降低48. 36%,转发次数提高22. 83%。仿真结果表明,在拥塞程度不同的场景中,ERC~2与Epidemic、Prophet路由算法相比具有更好的网络性能。"}
{"title": "LTE系统多小区上行联合功控算法", "abst": "针对传统的小区内开环功率控制算法通常以提升本小区的吞吐量性能为目标,忽略了当前小区用户对邻小区用户同频干扰的问题,为提升边缘用户性能的同时兼顾系统整体性能,提出了一种LTE系统小区间上行联合功率控制(UJPC)算法。该算法采用单基站三扇区为系统模型,以最优化系统吞吐量比例公平函数为目标,首先根据最小信干噪比(SINR)约束值和用户最大发射功率这两个约束条件得到相应的数学优化模型,然后采用连续凸近似的方法求解优化问题得出各个基站所管辖的小区内所有用户的最优发射功率。仿真结果表明,与基准的开环功控方案相比,联合功控方案在保证系统平均频谱利用率的情况下能够较大幅度地提高小区边缘频谱利用率,其最佳性能增益能达到50%。"}
{"title": "基于索引的子图查询技术研究进展", "abst": "图作为表示实体间的数据结构,在社区发现、生物化学分析、社会安全分析等数据关联性要求较高的领域有着广泛的应用。对于大规模数据下进行实时的图查询问题,通过构建合适的索引可以有效降低查询响应时间,提高查询精确度。首先介绍基于索引的子图查询算法的基本结构;然后按索引的构建方式将主流算法分为基于枚举的方法和基于频繁模式挖掘的方法两大类,分别从索引特征、索引结构、应用数据集等方面进行介绍和分析;最后对基于索引的子图查询算法面临的主要问题进行总结和分析,阐述了最新的分布式系统下图查询技术,并对未来趋势进行展望。"}
{"title": "SQM:基于Spark的大规模单图上的子图匹配算法", "abst": "针对大规模数据图下基于回溯法的子图查询算法的准确率低、开销大等问题,为提高查询准确率,降低大图下的查询开销,提出一种基于Spark的子图匹配(SQM)算法。首先根据结构信息过滤数据图,再将查询图分割成基本查询单元;然后对每一个基本查询单元分别匹配后进行Join操作;最后运用并行化提高了算法的运行效率,减小了搜索空间。实验结果表明,与Stwig、Turbo ISO算法相比,SQM算法在保证查询结果不变的情况下,速度提高了50%。"}
{"title": "支持高并发访问的新型NVM存储系统", "abst": "I/O系统软件栈是影响NVM存储系统性能的重要因素。针对NVM存储系统的读写速度不均衡、写寿命有限等问题,设计了同异步融合的访问请求管理策略;在使用异步策略管理数据量较大的写操作的同时,仍然使用同步策略管理读请求和少量数据的写请求。针对多核处理器环境下不同计算核心访问存储系统时地址转换开销大的问题,设计了面向多核处理器地址转换缓存策略,减少地址转换的时间开销。最后实现了支持高并发访问NVM存储系统(CNVMS)的原型,并使用通用测试工具进行了随机读写、顺序读写、混合读写和实际应用负载的测试。实验结果表明,与PMBD相比,所提策略能提高1%～22%的读写速度和9%～15%的IOPS,验证了CNVMS策略能有效提高NVM存储系统的I/O性能和访问请求处理速度。"}
{"title": "基于相似连接的多源数据并行预处理方法", "abst": "大规模网络环境和大数据相关技术的发展对传统数据融合分析技术提出了新的挑战。针对目前多源数据融合分析过程灵活性差、处理效率低的问题,提出了一种基于相似连接的多源数据并行预处理方法,该方法采用了分治和并行的思想。首先,通过对多源数据中的相似语义进行统一、对个性语义进行保留的预处理方法提高了灵活性;其次,提出了一种改进的并行MapReduce框架,提高了相似连接的效率。实验结果表明,所提方法在保证数据完整性的基础上,使总的数据量减小了32%。与传统的MapReduce框架相比,改进后的框架在耗费时间方面减小了43. 91%,因此该方法可以有效提高多源数据融合分析的效率。"}
{"title": "并发程序中数据竞争检测方法", "abst": "针对数据竞争检测过程中的误报和漏报问题,提出一种静态数据竞争检测方法。首先,使用控制流分析自动构造线程内和线程间函数调用图;然后,收集线程内变量访问事件信息,定义竞争产生条件并分析检测出所有可能的竞争;其次,为了提高检测的准确率,进行别名变量和别名锁的分析降低漏报和误报;最后,通过控制流分析来抽象访问事件之间的时序关系,并结合程序切片技术对访问事件的发生序关系进行判断,以此避免因忽略线程交互带来的误报。依据该方法,使用Java语言在Soot软件分析框架下实现了一个数据竞争检测工具。在实验中,对JGF和IBM Contest基准测试套件中的raytracer和airline等程序进行数据竞争检测,并与目前已有的数据竞争检测算法和工具(HB算法和RVPredict)进行对比。实验结果表明,与HB算法和RVPredict工具相比,该方法检测到的数据竞争总数分别增加了81%和16%,数据竞争检测的准确率分别提升了约14%和19%,有效地避免了数据竞争检测中的漏报和误报现象。"}
{"title": "大规模生物网络马尔可夫聚类的并行化算法", "abst": "马尔可夫聚类算法(MCL)是在大规模生物网络中寻找模块的一个有效方法,能够挖掘网络结构和功能影响力较大的模块。算法涉及到大规模矩阵计算,因此复杂度可达立方阶次。针对复杂度高的问题,提出了基于消息传递接口(MPI)的并行化马尔可夫聚类算法以提高算法的计算性能。首先,生物网络转化成邻接矩阵;然后,根据算法的特性,按照矩阵的规模判断并重新生成新矩阵以处理非平方倍数矩阵的计算;其次,并行计算通过按块分配的方式能够有效地实现任意规模矩阵的运算;最后,循环并行计算直至收敛,得到网络聚类结果。通过模拟网络和真实生物网络数据集的实验结果表明,与全块集体式通信(FCC)并行方法相比,平均并行效率提升了10个百分点以上,因此可以将该优化算法应用在不同类型的大规模生物网络中。"}
{"title": "生物复杂网络motif发现的并行算法", "abst": "生物复杂网络motif发现是一种研究生物网络的重要方法,它基于复杂网络的理论研究,以新的视角来研究生命现象和生命机制,但是在处理较大的网络规模或者需挖掘较大的motif时计算效率低。针对这个问题,在现有串行网络motif发现算法ESU的基础上,提出一种基于消息传递接口(MPI)的并行化ESU算法。该方法在ESU计算过程中优化了节点值以解决节点值依赖问题,并以ESU算法的子图发现策略统计各节点子图数,利用动态规划策略寻找最佳节点分配策略以解决负载不均衡问题。模拟网络数据和真实生物网络数据的实验结果表明,并行化ESU算法优化了节点值依赖问题,实现了基于动态规划的负载均衡策略,其运行时间比串行算法缩短了90%,并且该并行算法对不同类型不同规模的网络都具有较强的适用性,有效地提高了网络motif发现问题的计算效率。"}
{"title": "分层式三维室内地图分类方法及更新机制", "abst": "针对现有的地图更新方法,在室内地图环境下的效果并不理想的问题,提出了一种分层式的室内地图更新方法。首先以室内物体的活动性为参数,然后进行层次的划分来减少更新数据的数量,最后利用卷积神经网络(CNN)对室内数据进行归属层次的判定。实验结果表明,与版本式更新方法相比,所提算法的更新时间降低了27个百分点;与增量式更新方法相比,其更新时间在更新项大于100后逐渐降低。与增量式更新方法相比更新包大小降低了6. 2个百分点,且在数据项小于200之前其更新包一直小于版本式更新方法。所提方法可以显著提高室内地图的更新效率。"}
{"title": "基于八叉树的三维室内地图数据快速检索方法", "abst": "针对室内三维地图中数据检索效率不高的问题,提出了一种基于八叉树的室内三维地图数据检索方法。首先,根据八叉树的场景分割方法对数据进行存储;然后,对数据进行编码以方便寻址;其次,为数据添加房间隔断约束条件对检索数据进行筛选;最后,对室内地图数据进行检索。与不具有约束条件的搜索方法相比,搜索代价平均降低了25个百分点,且搜索时间更加稳定。所提方法可以显著地提高室内三维地图数据的应用效率。"}
{"title": "面向高速公路大数据的短时流量预测方法", "abst": "针对高速公路传统的短时交通流预测方法适用数据规模小、全网预测效率较低、数据的时空关系被忽视等问题,提出一种结合了K近邻(KNN)模型且面向高速大数据的短时交通流预测方法。首先,对模型的K值和距离度量进行调优,利用交叉验证进行模型参数的对比实验;然后,考虑数据内在的业务时空关联,建模基于时空特性的特征向量;最后,在大数据环境下建立回归预测模型,以最优参数的模型实现预测。实验结果表明,与传统时间序列模型相比,所提方法一次可预测出全站点的流量,单次运行速度快,效率提高了77%,平均绝对百分比误差(MAPE)和绝对百分比误差中位数(MDAPE)均有明显减低,且具有良好的水平扩展性。"}
{"title": "基于YOLO的道路车辆拥堵分析模型", "abst": "针对当前交通运行出现的拥堵问题,提出一种新型的道路状态判断模型。首先,模型基于YOLOv3目标检测算法,然后结合图片对应的特征值矩阵,通过相邻帧之间的特征矩阵作差并将差值逐项求和得到的结果与预设值进行比较来判断当前道路是处于拥堵状态还是正常通行状态,其次再将当前计算出的道路状态与前两次计算出的道路状态进行比较,最后运用模型里的状态统计法来统计道路某状态(拥堵或通畅)的持续时间。该模型能够同时对一条道路的三个车道进行状态统计分析,经过实验,模型对单条车道状态判断的平均准确率能达到80%以上,并且白天与夜晚的道路均适用。"}
{"title": "基于粒子群优化和支持向量机的花粉浓度预测模型", "abst": "为了提高花粉浓度预报的准确率,解决现有花粉浓度预报准确率不高的问题,提出了一种基于粒子群优化(PSO)算法和支持向量机(SVM)的花粉浓度预报模型。首先,综合考虑气温、气温日较差、相对湿度、降水量、风力、日照时数等多种气象要素,选择与花粉浓度相关性较强的气象要素构成特征向量;其次,利用特征向量与花粉浓度数据建立SVM预测模型,并使用PSO算法找出最优参数;然后利用最优参数优化花粉浓度预测模型;最后,使用优化后的模型对花粉未来24 h浓度进行预测,并与未优化的SVM、多元线性回归法(MLR)、反向神经网络(BPNN)作对比。此外使用优化后的模型对某市南郊观象台和密云两个站点进行逐日花粉浓度预测。实验结果表明,相比其他预报方法,所提方法能有效提高花粉浓度未来24 h预测精度,并具有较高的泛化能力。"}
{"title": "基于大规模船舶轨迹数据的航道边界提取方法", "abst": "传统的道路数据获取方法成本高、更新慢等无法适用于海洋航道的获取,从众源轨迹数据中提取道路或航道信息具有成本低、更新快等特性,然而,由于船舶轨迹数据噪声多、数据量大、不同区域分布不均使得航道边界提取面临较大挑战。针对该问题,提出一种基于大规模船舶轨迹数据进行航道边界提取的方法。首先对大规模的船舶轨迹数据进行并行化去噪、插值、轨迹分段;然后,基于并行化及基于Geohash编码的空间聚类,将轨迹数据化简为多个方形区域的点集数据;其次,对其进行窗口划分,对传统的Ni Black方法进行扩展,提出Spatial Ni Black算法,对方形区域进行航道识别;最后,提出一种新的提取算法del-alpha-shape,基于航道识别结果获得航道边界。理论分析与实验结果表明,所提方法在最大密度值是200,最小密度值是10,窗口长和宽分别为5和5时,可同时达到86. 7%的准确率和79. 4%的召回率。实验结果表明,该方法可以从大规模的轨迹数据中提取有价值的航道边界,是一种有效的航道提取方法。"}
{"title": "面向港口停留区域识别的船舶停留轨迹提取方法", "abst": "针对港口停留区域识别时船舶轨迹大数据的精度低、稀疏、漂移等问题,提出了一种多约束条件下的船舶停留轨迹提取(MPTSSE)方法。首先,结合船舶轨迹数据特点,给出了用于停留区域识别与提取的停留段概念的定义;其次,建立了基于速度、时间差、停留时长、距离等多约束的轨迹停留段提取模型和并行化轨迹停留段提取算法;最后,基于Hadoop框架给出了船舶轨迹大数据集上的轨迹停留段提取算法实现。基于真实船舶轨迹数据的实验结果表明,与基于Stop/Move模型的轨迹停留提取方法相比,MPTSSE方法在三个港口泊位的提取中准确率提高了22%。MPTSSE方法能有效避免轨迹停留段误分割情况,同时在大规模船舶轨迹数据下具有较高的执行效率。"}
{"title": "基于位重排变换的超轻量级RFID双向认证协议", "abst": "针对目前无线射频识别(RFID)系统中阅读器与标签之间开放、不安全的无线信道易遭受恶意攻击的安全问题,提出一种基于位重排变换的超轻量级RFID双向认证协议——RRMAP。首先,位重排变换对两组二进制数组进行第一阶段逆序自组合变换达到自身位混淆效果;其次,将得到结果用于第二阶段奇偶相邻交叉异或操作,这样就完成了整个位重排变换;最后,通过新定义位重排变换操作,并结合左循环移位运算和模2的m次方加运算对认证过程中的秘密通信数据进行加密,可以有效解决目前RFID系统中存在的安全问题。BAN逻辑形式化安全性分析和性能对比分析表明:RRMAP具有比较完备的安全和隐私保护属性,能够抵抗RFID系统所面临的典型恶意攻击方式。"}
{"title": "针对多种处理痕迹的数字语音取证算法", "abst": "现有的数字语音取证研究主要集中于对单一的某种操作进行检测,无法对不相关的操作进行判断。针对该问题,提出了一种能够同时检测经过变调、低通滤波、高通滤波和加噪这四种操作的数字语音取证方法。首先,计算语音的归一化梅尔频率倒谱系数(MFCC)统计矩特征;然后通过多个二分类器对特征进行训练,并组合投票得到多分类器;最后使用该多分类器对待测语音进行分类。在TIMIT以及UME语音库上的实验结果表明,归一化MFCC统计矩特征在库内实验中均达到了97%以上的检测率,且在对MP3压缩鲁棒性测试的实验中,检测率仍能保持在96%以上。"}
{"title": "基于权限的Android应用风险评估方法", "abst": "\"针对Android权限机制存在的问题以及传统的应用风险等级评估方法的不足,提出了一种基于权限的Android应用风险评估方法。首先,通过对应用程序进行逆向工程分析,提取出应用程序声明的系统权限、静态分析的权限以及自定义的权限,和通过动态检测获取应用程序执行使用到的权限;然后,从具有恶意倾向的组合权限、\"\"溢权\"\"问题和自定义权限三个方面对应用程序进行量性风险评估;最后,采用层次分析法(AHP)计算上述三个方面的权重,评估应用的风险值。对6 245个软件样本进行训练,构建自定义权限数据集和具有恶意倾向的权限组合数据集。实验结果表明,与Androguard相比,所提方法能更精确地评估应用软件的风险值。\""}
{"title": "基于显著性语义区域加权的图像检索算法", "abst": "针对计算视觉领域图像实例检索的问题,提出了一种基于深度卷积特征显著性引导的语义区域加权聚合方法。首先提取深度卷积网络全卷积层后的张量作为深度特征,并利用逆文档频率(IDF)方法加权深度特征得到特征显著图;然后将其作为约束,引导深度特征通道重要性排序以提取不同特殊语义区域深度特征,排除背景和噪声信息的干扰;最后使用全局平均池化进行特征聚合,并利用主成分分析(PCA)降维白化得到图像的全局特征表示,以进行距离度量检索。实验结果表明,所提算法提取的图像特征向量语义信息更丰富、辨识力更强,在四个标准的数据库上与当前主流算法相比准确率更高,鲁棒性更好。"}
{"title": "深度导向显著性检测算法", "abst": "针对目前基于深度卷积神经网络的显著性检测算法存在对复杂场景图像目标检测不完整、背景噪声多的问题,提出一种深度特征导向显著性检测算法。该算法是基于现有底层特征与深度卷积特征融合模型(ELD)的改进,网络模型包含基础特征提取、高层语义特征跨层级引导传递两个部分。首先,根据不同层级卷积特征的差异性,构建跨层级特征联合的高层语义特征引导模型;然后,用改进的网络模型生成初始显著图,利用高层语义特征引导的方式进行显著性聚类传播;最后,用完全联系条件随机场对聚类传播的结果进行优化,使其能够获取更多结构边缘信息和降低噪声并生成完整显著图。在ECSSD上和DUT-ORMON两个数据集上进行实验测试,实验结果表明,所提算法的准确率和召回率(PR)优于ELD模型,其F-measure(F)值分别提升了7. 5%和11%,平均绝对误差(MAE)值分别降低了16%和15%,说明了所提算法模型能够在目标识别、模式识别、图像索引等复杂图像场景应用领域得到更加鲁棒的结果。"}
{"title": "基于分层自主学习的改进粒子群优化算法", "abst": "针对粒子群优化(PSO)算法容易陷入局部最优、收敛精度不高、收敛速度较慢的问题,提出一种基于分层自主学习的改进粒子群优化(HCPSO)算法。首先,根据粒子适应度值和迭代次数将种群动态地划分为三个不同阶层;然后,根据不同阶层粒子特性,分别采用局部学习模型、标准学习模型以及全局学习模型,增加粒子多样性,反映出个体差异的认知对算法性能的影响,提高算法的收敛速度和收敛精度;最后,将HCPSO算法与PSO算法、自适应多子群粒子群优化(PSO-SMS)算法以及动态多子群粒子群优化(DMS-PSO)算法分别在6个典型的测试函数上进行对比仿真实验。仿真结果表明,HCPSO算法的收敛速度和收敛精度相对给出的对比算法均有明显提升,并且算法执行时间和基本PSO算法执行时间差距在0. 001量级内,在不增加算法复杂度的情况下算法性能更高。"}
{"title": "基于空间合作关系的基站流量预测模型", "abst": "针对传统的自回归积分移动平均(ARIMA)模型和长短时记忆(LSTM)单元在基站流量预测中没有利用基站(BS)间合作关系的问题,提出一种利用由用户群体在不同基站下访问产生的基站合作关系的流量预测(TPBC)算法。首先,通过基站之间的合作关系构建基站合作网络,并对此合作网络进行社区划分得到基站社区;然后,通过格兰杰因果关系检验方法寻找与目标基站同一社区且关系最紧密的若干基站,作为目标基站的合作基站;最后,使用LSTM和词嵌入层(Embedding)搭建混合神经网络,并根据目标基站和合作基站的流量信息进行流量预测。实验结果表明,TPBC在基站流量预测上的均方根误差(RMSE)相比ARIMA和LSTM分别减小了29. 19%和27. 47%。TPBC能有效提高基站流量预测准确率,在流量卸载和绿色节能等领域具有重要意义。"}
{"title": "基于多注意力长短时记忆的实体属性情感分析", "abst": "属性情感分析是细粒度的情感分类任务。针对传统神经网络模型无法准确构建属性情感特征的问题,提出了一种融合多注意力和属性上下文的长短时记忆(LSTM-MATT-AC)神经网络模型。在双向长短时记忆(LSTM)的不同位置加入不同类型的注意力机制,充分利用多注意力机制的优势,让模型能够从不同的角度关注句子中特定属性的情感信息,弥补了单一注意力机制的不足;同时,融合双向LSTM独立编码的属性上下文语义信息,获取更深层次的情感特征,有效识别特定属性的情感极性;最后在Sem Eval2014 Task4和Twitter数据集上进行实验,验证了不同注意力机制和独立上下文处理方式对属性情感分析模型的有效性。实验结果表明,模型在Restaurant、Laptop和Twitter领域数据集上的准确率分别达到了80. 6%、75. 1%和71. 1%,较之前基于神经网络的情感分析模型在准确率上有了进一步的提高。"}
{"title": "多特征融合的抑郁倾向识别方法", "abst": "近些年,抑郁倾向趋于年轻化和常态化,虽然相关研究已取得一定成果,但仍缺乏更为客观、准确的抑郁倾向识别方法,也缺乏从不同角度研究抑郁倾向,因此,提出将心理健康自查表和眼动追踪结合作为识别抑郁倾向的方法,并且创新地从多角度对抑郁倾向进行研究,即将眼动特征、记忆力特征、认知风格特征以及网络行为特征多种类型特征融合。为了处理复杂的特征关系,提出扫描过程来处理复杂的特征关系,并将扫描过程与堆叠法结合提出抑郁倾向识别模型——扫描堆叠模型。为了全面客观评价扫描堆叠模型的性能,对扫描过程和堆叠法的独立贡献进行了实验。实验结果显示扫描过程独立贡献为0. 03,堆叠法独立贡献为0. 02,并且扫描堆叠模型与多种模型从参数R平方、均方误差、平均绝对误差进行比较,结果为扫描堆叠模型的预测效果较好。"}
{"title": "信任社交网络中基于图熵的个性化推荐算法", "abst": "随着社交网络的飞速发展引起了人们对推荐系统(RS)的广泛关注。针对社交网络中现有推荐方法仍存在冷启动问题以及未考虑用户所处的社交网络信息的情况,提出了在信任社交网络中基于图熵的个性化推荐算法(PRAGE)。首先,根据用户物品和它们之间的反馈信息建立用户物品图(UIG),同时引入信任机制建立用户信任图(UTG);其次,通过对两个图使用随机游走算法得到用户与物品的初始相似度和基于信任机制的新的用户物品相似度;重复随机游走过程直至相似度稳定到收敛值;然后,使用UIG和UTG的图熵对两组相似度进行加权并最终相应地得出目标用户的最终推荐列表。在真实的数据集Epinions和Film Trust上的实验结果表明,相比经典的基于随机游走算法,PRAGE的精确率分别提高了34. 7%和19. 4%,召回率分别提高了28. 9%和21. 1%,能够有效地缓解推荐的冷启动问题且在精确率和覆盖率指标上均优于对比算法。"}
{"title": "在线商品评论可信性评价方法", "abst": "针对现有商品评论存在数量大、质量参差不齐、可信度差,导致用户难以快速获取有效信息并制定高效的决策,而现有评论可信性评估主要考虑评论来源和投票形式的支持度等问题,提出了一种从评论内在质量角度实现评论可信度评估方法,即通过融合评论者等级、评论支持度和评论观点一致性等实现评论可信性评估。首先基于规则库和方法库完成了评论数据的预处理;然后基于商品特征库、通用词典、情感词典以及方法库,完成了商品特征识别和特征值提取及标准化;最后基于建立的模型完成评论可信度评估。实验结果验证了该方法的可行性,该方法可以应用于其他电商平台实现商品评论可信性自动评估。"}
{"title": "基于级联网络的行人检测方法", "abst": "针对复杂环境下行人检测不能同时满足高召回率与高效率检测的问题,提出一种基于卷积神经网络(CNN)的行人检测方法。首先,采用CNN中的单步检测升级版网络YOLOv2初步检测行人;然后,设计一个网络与YOLOv2网络级联。设计的网络具有目标分类和边界框回归的功能,对YOLOv2初步检测出的行人位置进行再分类与回归,以此降低误检,提高召回率;最后,采用非极大值抑制(NMS)处理的方法去除冗余的边界框。实验结果显示,在数据集INRIA和Caltech上,所提方法与原始YOLOv2相比,召回率提高3. 3个百分点,准确率提高5. 1个百分点,同时速度上达到了11. 6帧/s,实现了实时检测。与现有的流行的行人检测方法相比,所提方法具有更好的整体性能。"}
{"title": "基于小型Zynq SoC硬件加速的改进TINY YOLO实时车辆检测算法实现", "abst": "针对TINY YOLO车辆检测算法计算量过大,且在小型嵌入式系统中难以达到实时检测要求的问题。利用小型Zynq So C系统的架构优势以及TINY YOLO的网络权值中存在大量接近零的权值参数这一特点,提出硬件并行加速的改进算法,称为浓缩小型深度网络(Xerantic-TINY YOLO,X-TINY YOLO)车辆检测算法。首先对TINY YOLO中网络结构进行压缩;其次采用高效多级流水线、流水线内全并行的方式对卷积计算部分进行算法加速;最后提出与网络结构相配合的数据切割和传输方案。实验结果表明,X-TINY YOLO仅消耗50%的片内硬件资源,可在相对于GPU和CPU性价比更高更适合嵌入式场景的Zynq So C系统上实现,且其检测速度达到24帧/s,满足车辆检测的实时性要求。"}
{"title": "基于多尺度多任务卷积神经网络的人群计数", "abst": "在智能监控领域,实现人群计数具有重要价值,针对人群尺度不一、人群密度分布不均及遮挡等问题,提出一种多尺度多任务卷积神经网络（MMCNN）进行人群计数的方法。首先提出一种新颖的自适应人形核生成密度图描述人群信息,消除人群遮挡影响;其次通过构建多尺度卷积神经网络解决人群尺度不一问题,以多任务学习机制同时估计密度图及人群密度等级,解决人群分布不均问题;最后设计一种加权损失函数,提高人群计数准确率。在UCFCC50和World Expo’10数据库上进行了评估,验证了自适应人形核的有效性。实验结果表明:所提算法比Sindagi等的方法 （SINDAGI V A,PATEL V M. CNN-based cascaded multi-task learning of high-level prior and density estimation for crowd counting. Proceedings of the 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance. Piscataway,NJ:IEEE,2017:1-6）在UCFCC50数据库上平均绝对误差（MAE）数值和均方误差（MSE）数值分别降低约1. 7和45;与Zhang等的方法（ZHANG Y,ZHOU D,CHEN S,et al. Single-image crowd counting via multi-column convolutional neural network. Proceedings of the 2016 IEEE Conference on Computer Vision and Pattern Recognition. Washington,DC:IEEE Computer Society,2016:589-597）相比,在World Expo’10数据库上所提算法的MAE值降低约1. 5,且在真实公共汽车数据库上仅0～3人的计数误差,表明其实用性较强。"}
{"title": "基于SSD数据库负载的SQL能耗感知模型", "abst": "面对大数据带来的能耗及环境方面的严峻问题,构建节能的绿色数据库系统已成为关键需求和重要挑战。针对现有数据库系统主要以性能优化为目标,缺少对能耗的感知及优化的问题,提出基于数据库负载的能耗感知模型,并将模型应用于基于固态硬盘(SSD)的数据库系统中。首先,将数据库负载执行过程中对主要系统资源(CPU、固态硬盘)的消耗解析为时间开销和功耗开销,并基于SSD数据库负载的基本I/O类型构建时间开销模型和功耗开销模型,实现为数据库构建资源开销单位统一的能耗感知模型;然后,利用多元线性回归实现对模型的求解,并分别在独占环境和竞争环境下,验证模型对不同I/O类型的数据库负载能耗估算的准确性;最后,分析实验结果,并讨论了影响模型准确性的因素。经实验验证模型准确度较高,在DBMS独占系统资源情况下的平均误差为5. 15%,绝对误差不超过9. 8%;竞争环境下的准确率相对下降,但平均误差也低于12. 21%,可有效构建能耗感知的绿色数据库系统。"}
{"title": "面向微博话题的用户影响力分析算法", "abst": "微博用户影响力分析作为社交网络分析的重要组成部分,一直受到研究人员的关注。针对现有研究工作分析用户行为时间性的不足和忽略用户与参与话题之间关联性等问题,提出了一种面向微博话题的用户影响力分析算法——基于话题和传播能力的用户排序(TSRank)算法。首先,基于微博话题分析用户转发行为时间性,进一步构建用户转发和用户博文转发两种话题转发关系网络,预测用户话题信息传播能力;然后,分析用户个人历史微博和背景话题微博文本内容,挖掘用户与背景话题之间的关联性;最后,综合考虑用户话题信息传播能力以及用户与背景话题间关联性计算微博用户影响力。爬取新浪微博真实话题数据进行实验,实验结果表明,话题关联度更高用户的话题转发量明显大于关联度很低的用户,引入用户转发行为时间性相比无转发时间性,TSRank算法的捕获率(CR)提高了18. 7%,进一步与典型影响力分析算法WBRank、TwitterRank和PageRank相比,TSRank算法在准确率和召回率上分别提高了5. 9%、8. 7%、13. 1%和6. 7%、9. 1%、14. 2%,验证了TSRank算法的有效性。该研究成果对社交网络的社会属性、话题传播等理论研究以及好友推荐、舆情监控等应用研究具有支撑作用。"}
{"title": "共享交通的时空轨迹检索与群体发现", "abst": "为解决共享交通下的共乘用户群体发现效率低、准确率不高问题,依据R-树原理建立Geo OD-Tree索引,并在此基础上提出以最大化共乘率为目标的群体发现策略。首先,对原始时空轨迹数据进行特征提取与标定处理,挖掘有效出行起讫点(OD)轨迹;其次,针对用户起讫点轨迹的特征,建立Geo OD-Tree索引进行有效的存储管理;最后,给出以最大化共乘行程为目标的群体发现模型,并运用K最近邻(KNN)查询对搜索空间剪枝压缩,提高群体发现效率。采用西安市近12 000辆出租车营运轨迹数据,选取动态时间规整(DTW)等典型算法与所提算法在查询效率与准确率上进行性能对比分析。与DTW算法相比,所提算法的准确率提高了10. 12%,查询效率提高了约15倍。实验结果表明提出的群体发现策略能有效提高共乘用户群体发现的准确率和效率,可有效提升共乘出行方式的出行率。"}
{"title": "基于词法特征的恶意域名快速检测算法", "abst": "针对互联网中恶意域名攻击事件频发,现有域名检测方法实时性不强的问题,提出一种基于词法特征的恶意域名快速检测算法。该算法根据恶意域名的特点,首先将所有待测域名按照长度进行正则化处理后赋予权值;然后利用聚类算法将待测域名划分成多个小组,并利用改进的堆排序算法按照组内权值总和计算各域名小组优先级,根据优先级降序依次计算各域名小组中每一域名与黑名单上域名之间的编辑距离;最后依据编辑距离值快速判定恶意域名。算法运行结果表明,基于词法特征的恶意域名快速检测算法与单一使用域名语义和单一使用域名词法的恶意域名检测算法相比,准确率分别提高1. 7%与2. 5%,检测速率分别提高13. 9%与6. 8%,具有更高的准确率和实时性。"}
{"title": "二维反三角超混沌系统及其在图像加密上的应用", "abst": "\"为了进一步提高混沌系统的混沌特性,为图像加密算法提供更可靠的混沌系统,增强图像加密算法的安全性,提出了一种基于二维反三角超混沌系统的新型图像加密算法。首先,在一维三角混沌函数的基础上构建了一个二维反三角超混沌系统,通过分岔图和Lyapunov指数等仿真实验,验证了该系统具有更广的混沌区间和更强随机性的迭代序列,遍历性更加优秀;然后,基于此混沌系统,采用\"\"置乱-扩散\"\"策略,根据不同密钥生成的不同超混沌序列,对图像矩阵进行无重复置乱和循环移位扩散,循环三次得到密文,完成加密过程;最后,对图像加密方案进行了直方图分析、密钥空间分析、相邻像素相关性分析、明文敏感性分析和信息熵分析等性能测试。其中密文图像的相关指标参数像素变化率(NPCR)和统一平均变化强度(UACI)的测试值非常接近于它们的理想期望值,信息熵的测试结果约为7. 997,也非常接近于理想期望值8。实验结果表明,此图像加密系统具有更可靠的安全性,抵抗攻击能力强,在图像安全领域具有较好的应用前景。\""}
{"title": "支持检索关键词语义扩展的可排序密文检索方案", "abst": "针对云计算环境下已有的密文检索方案不支持检索关键词语义扩展、精确度不够、检索结果不支持排序的问题,提出一种支持检索关键词语义扩展的可排序密文检索方案。首先,使用词频逆文档频率(TF-IDF)方法计算文档中关键词与文档之间的相关度评分,并对文档不同域中的关键词设置不同的位置权重,使用域加权评分方法计算位置权重评分,将相关度评分与位置权重评分的乘积设置为关键词在文档索引向量上相应位置的取值;其次,根据Word Net语义网对授权用户输入的检索关键词进行语义扩展,得到语义扩展检索关键词集合,使用编辑距离公式计算语义扩展检索关键词集合中关键词之间的相似度,并将相似度值设置为检索关键词在文档检索向量上相应位置的取值;最后,加密产生安全索引和文档检索陷门,在向量空间模型(VSM)下进行内积运算,以内积运算的结果为密文检索文档的排序依据。理论分析和实验仿真表明,所提方案在已知密文模型和已知背景知识模型下是安全的,且具备对检索结果的排序能力;与多关键字密文检索结果排序(MRSE)方案相比,所提方案支持关键词语义扩展,查询准确率比MRSE方案更加准确可靠,而检索时间则与MRSE方案相差不大。"}
{"title": "基于环分块的能耗均衡分簇路由算法", "abst": "针对无线传感器网络(WSN)中节点能耗不均衡和能量效率低而影响网络生命周期的问题,提出了基于环分块的能耗均衡分簇路由算法(EBCR-RP)。首先,计算网络能耗最低的单跳距离,并将其作为环间距;然后,优化每环的簇数目,并对每环进行均匀分块,且在每块中选取能量最高的节点担任簇头,以均衡网络能耗;最后,设计传输代价函数,搜索簇头和汇聚节点之间数据的最佳传输路径,以提高网络能量效率。仿真结果表明,EBCR-RP与模糊理论簇形成协议(FLCFP)和改进的非均匀分簇路由(IUCR)算法相比,网络的生命周期分别延长了51. 4%和8. 6%。EBCR-RP能够有效地延长网络生命周期,均衡网络能耗,提高能量效率。"}
{"title": "基于谱回归核判别分析的候机楼室内快速定位算法", "abst": "针对机场候机楼客流量大、室内环境复杂多变的特点,提出了一种基于谱回归核判别分析(SRKDA)的室内定位算法。在离线阶段,采集已知位置的接收信号强度(RSS)数据,使用SRKDA算法提取原始位置指纹(OLF)的非线性特征生成新的特征指纹库;在线阶段,先使用SRKDA对待定位点的RSS数据进行处理,进而使用加权K最近邻(WKNN)算法进行位置估计。定位仿真实验中,在两个不同的定位场景中,所提算法在1. 5 m定位精度下的误差累积分布函数(CDF)和定位准确率分别达到91. 2%和88. 25%,相对于核主成分分析法(KPCA)+WKNN模型分别提高了16. 7个百分点和18. 64个百分点,相对于KDA+WKNN模型分别提高了3. 5个百分点和9. 07个百分点;在大量离线样本(大于1 100条)的情况下,该算法数据处理时间远小于KPCA和KDA。实验结果表明,所提算法能够提高室内定位精度,同时节省了数据处理时间,提高了定位效率。"}
{"title": "具有光照鲁棒的图像匹配方法", "abst": "\"针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题,提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色(RTCP)算法灰度化图像,然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点,最后采用局部强度顺序模式建立特征点描述符,根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上,所提算法与尺度不变特征变换(SIFT)算法、加速鲁棒特征(SURF)算法、\"\"风\"\"(KAZE)算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明:随着图像亮度差异的增加,SIFT算法、SURF算法、\"\"风\"\"(KAZE)算法和ORB算法匹配正确率下降迅速,所提算法下降缓慢并且正确率均高于80%;所提算法特征点检测较慢和描述符维数较高,平均耗时为23. 47 s,匹配速度不及另外四种算法,但匹配质量却远超过它们。对实时性要求不高的系统中,所提算法可以克服光照变化对图像匹配造成的影响。\""}
{"title": "基于多孔卷积神经网络的图像深度估计模型", "abst": "针对在传统机器学习方法下单幅图像深度估计效果差、深度值获取不准确的问题,提出了一种基于多孔卷积神经网络(ACNN)的深度估计模型。首先,利用卷积神经网络(CNN)逐层提取原始图像的特征图;其次,利用多孔卷积结构,将原始图像中的空间信息与提取到的底层图像特征相互融合,得到初始深度图;最后,将初始深度图送入条件随机场(CRF),联合图像的像素空间位置、灰度及其梯度信息对所得深度图进行优化处理,得到最终深度图。在客观数据集上完成了模型可用性验证及误差估计,实验结果表明,该算法获得了更低的误差值和更高的准确率,均方根误差(RMSE)比基于机器学习的算法平均降低了30. 86%,而准确率比基于深度学习的算法提高了14. 5%,所提算法在误差数据和视觉效果方面都有较大提升,表明该模型能够在图像深度估计中获得更好的效果。"}
{"title": "基于结构自相似性和形变块特征的单幅图像超分辨率算法", "abst": "针对单幅图像超分辨率(SR)复原样本资源不足和抗噪性差的问题,提出一种基于结构自相似和形变块特征的单幅图像超分辨率算法。首先,该方法通过构建尺度模型,尽可能地扩展搜索空间,克服单幅图像超分辨率训练样本不足的缺陷;接着,通过样例块的几何形变提升了局限性的内部字典大小;最后,为了提升重建图片的抗噪性,利用组稀疏学习字典来重建图像。实验结果表明:与Bicubic、稀疏字典学习(Sc SR)算法和基于卷积神经网络的超分辨率(SRCNN)等优秀字典学习算法相比,所提算法可以得到主观视觉效果更为清晰和客观评价更高的超分辨率图像,峰值信噪比(PSNR)平均约提升了0. 35 d B。另外所提算法通过几何形变的方式扩展了字典规模和搜索的准确性,在算法时间消耗上平均约减少了80 s。"}
{"title": "多因子判定与渗流模型相结合的裂缝检测算法", "abst": "针对传统的基于渗流模型的裂缝检测算法效率过低且检测结果易存在断裂的问题,提出一种多因子判定与渗流模型相结合的裂缝检测算法。首先,提出了一种改进的渗流加速算法,通过减少大量参与渗流处理的冗余像素点,提高渗流处理效率;然后,对提取到的渗流点进行渗流处理;最后,提出了一种结合裂缝走向的多因子判定连接算法,算法通过四个判定因子对裂缝连接的合理性进行分析,以提高裂缝连接的准确性。对背景中存在不同干扰物的不同形态裂缝图像进行实验,与传统渗流模型检测算法以及原渗流加速-骨架连接算法相比,所提算法中渗流点数量分别平均减少了99. 7%与38. 1%,精确率分别平均提高了60. 5%与6. 4%,召回率分别平均提高了10. 5%与4. 0%。实验结果表明,所提算法能够明显提高渗流处理效率,同时提高裂缝检测的准确性。"}
{"title": "巡检机器人中指针式仪表示数的自动识别方法", "abst": "针对巡检机器人室外自主识别仪表示数易受到光照影响的问题,在研究了基于二维伽马函数的仪表图像光照不均匀自适应校正算法的基础上,提出了基于最大稳定极值区域(MSER)提取指针区域的算法。首先,通过三尺度高斯函数提取光照分量,构造二维伽马函数自动地调整图像反光区域或过暗区域的亮度;然后,通过MSER的两次稳定区域检测提取指针区域;接着,以指针通过仪表轴心为条件,用细化算法和累计概率霍夫变换(PPHT)精确地定位到指针,提高了定位直线的准确度;最后,通过PPHT检测的直线两个端点与轴心位置比较,直接可以判断指针指向,更加方便了计算示数。实验结果表明,所提的仪表示数识别方法能够适应不同光照下、不同类型仪表的指针定位,且识别示数的正确率达到94%以上。"}
{"title": "煤炭运输公路网络可靠性仿真分析", "abst": "针对突发事件对煤炭运输公路网络中节点或边的破坏,引起煤炭运输公路网络堵塞的问题,基于复杂网络理论,建立原始法和对偶法构建的网络模型,并用Matlab软件对其可靠性进行仿真分析。首先,对比分析了两种网络的基本特征,然后提出网络效率相对变化量对网络中的关键路段进行识别。基于此,建立网络可靠性评价模型,并提出网络效率、最大连通子图相对大小和网络离散度三个可靠性评价指标,对在随机毁坏和蓄意毁坏两种毁坏模式下的网络可靠性进行仿真分析。实验结果表明:在蓄意毁坏模式下,当10%的节点失效时,三种可靠性指标值分别为10%、20%、20,而随机毁坏模式下的指标值仍维持在较高的水平,因此,煤炭运输网络对随机毁坏具有鲁棒性,对蓄意毁坏具有脆弱性,应加强对网络中重要节点的保护工作。"}
{"title": "面向农业应用的无人机遥感影像地块边界提取", "abst": "针对无人机(UAV)影像农田场景地块边界提取过程中由于大幅面、高分辨率和地块尺寸大小不一致等带来的过分割问题,提出了一种基于多尺度分割的地块边界自动化提取流程。该流程采用分块分割策略,在多尺度组合聚合(MCG)分割方法框架下,通过对比实验研究并选取最佳地面采样距离和分析边界提取准确率关于尺度变化曲线选择最优分割尺度,进而实现了地块边界自动提取。以湖北省仙桃市为数据源进行的实验结果表明:面向地块边界提取的最佳地面采样距离为30 cm,最优分割尺度为[0. 2,0. 4],整场景总体地块边界提取准确率可达90%以上。该方法不仅能准确提取大幅面的农业地块边界,也可为后期农业无人机航拍规划提供参考依据。"}
{"title": "二维Logistic分数阶微分方程的离散化过程", "abst": "针对二维Logistic分数阶微分方程的求解问题,引进了一种离散化方法对其进行离散求解。首先,将二维Logistic整数阶微分方程推广到分数阶微积分领域;其次,分析相应具有分段常数变元的二维Logistic分数阶微分方程并应用提出的离散化方法对模型进行数值求解;然后,根据不动点理论讨论该合成动力系统不动点的稳定性,给出了在参数空间内二维Logistic分数阶系统发生第一次分岔的边界方程;最后,借助Matlab对模型进行数值仿真,并结合Lyapunov指数、相图、时间序列图、分岔图探讨模型更多复杂的动力学现象。仿真结果显示,所提方法成功对二维Logistic分数阶微分方程进行离散。"}
{"title": "基于深度学习的文本自动摘要方案", "abst": "针对自然语言处理(NLP)生成式自动摘要领域的语义理解不充分、摘要语句不通顺和摘要准确度不够高的问题,提出了一种新的生成式自动摘要解决方案,包括一种改进的词向量生成技术和一个生成式自动摘要模型。改进的词向量生成技术以Skip-Gram方法生成的词向量为基础,结合摘要的特点,引入词性、词频和逆文本频率三个词特征,有效地提高了词语的理解;而提出的Bi-MulRnn+生成式自动摘要模型以序列映射(seq2seq)与自编码器结构为基础,引入注意力机制、门控循环单元(GRU)结构、双向循环神经网络(BiRnn)、多层循环神经网络(MultiRnn)和集束搜索,提高了生成式摘要准确性与语句流畅度。基于大规模中文短文本摘要(LCSTS)数据集的实验结果表明,该方案能够有效地解决短文本生成式摘要问题,并在Rouge标准评价体系中表现良好,提高了摘要准确性与语句流畅度。"}
{"title": "基于毕达哥拉斯模糊Frank算子的多属性决策方法", "abst": "针对毕达哥拉斯模糊环境下的多属性决策问题,提出一种基于毕达哥拉斯模糊Frank算子的多属性决策方法。首先将毕达哥拉斯模糊数和Frank算子相结合,给出了基于Frank算子的运算法则;然后提出了毕达哥拉斯模糊Frank算子,包括毕达哥拉斯模糊Frank加权平均算子和毕达哥拉斯模糊Frank加权几何算子,并讨论了这些算子的性质;最后提出了基于毕达哥拉斯模糊Frank算子的多属性决策方法,将该方法应用于绿色供应商的选择中。实例分析表明,运用该方法可以解决实际的多属性决策问题,并可以进一步应用到风险管理、人工智能等领域。"}
{"title": "基于知识相似度的产品开发任务分配方法", "abst": "针对产品开发的任务分配中知识不对等问题,提出一种基于任务与人员双边匹配的产品开发任务分配方法。首先,从知识量化的角度把任务与人员的匹配转化为任务与人员之间的知识相似度,建立序值矩阵,转换成任务对人员匹配的满意度矩阵;其次,根据人员在不同任务属性下对任务的偏好程度,获得人员对任务满意度的序值矩阵;然后,以双方之间的满意度最大为原则,构建基于双边匹配的任务分配多目标优化模型,采用基于隶属度函数的加权和方法转化为线性规划,并通过Matlab编程求解该模型;最后以某企业生产曲轴连杆机构为例,求解4项任务与7名人员双方满意度最大的匹配结果,确定最终的分配方案,与基于聚类分析和双边匹配的产品开发任务分配方法相比,结果显示人员3和人员7之间的知识相似度、人员偏好存在明显差值,表明所提方案能更高效地分配任务。"}
{"title": "基于定期竞争学习的多目标粒子群优化算法", "abst": "为提高种群的多样性和算法的收敛性,提出一种基于定期竞争学习机制的多目标粒子群算法。该算法将多目标粒子群算法和竞争学习机制相结合,即每隔一定迭代代数便使用一次竞争学习机制,很好地保持了种群的多样性;同时,该算法不需要全局最优粒子的外部存档,而是从当前代种群中选取一部分优秀的粒子,再从这些优秀的粒子中随机选取一个作为全局最优粒子,能够有效提升算法的收敛性。将提出的算法与基于分解的多目标粒子群算法(MPSOD)、基于竞争机制且快速收敛的多目标粒子群(CMOPSO)算法、参考向量引导的多目标进化算法(RVEA)等8个算法在21个标准测试函数上进行了比较,结果表明,所提算法的帕累托(Pareto)前沿更加均匀,在世代距离(IGD)上会更加小。"}
{"title": "基于广义反向学习的磷虾群算法及其在数据聚类中的应用", "abst": "针对磷虾群(KH)算法在寻优过程中因种群多样性降低而过早收敛的问题,提出基于广义反向学习的磷虾群算法GOBL-KH。首先,通过余弦递减策略确定步长因子平衡算法的探索与开发能力;然后,加入广义反向学习策略对每个磷虾进行广义反向搜索,增强磷虾探索其周围邻域空间的能力。将改进的算法在15个经典测试函数上进行测试并与KH算法、步长线性递减的磷虾群(KHLD)算法和余弦递减步长的磷虾群(KHCD)算法比较,实验结果表明:GOBL-KH算法可有效避免早熟且具有较高的求解精度。为体现算法有效性,将GOBL-KH算法与K均值算法结合提出HK-KH算法用于解决数据聚类问题,即在每次迭代后用最优个体或经过K均值迭代一次后的新个体替换最差个体,使用UCI五个真实数据集进行测试并与K均值、遗传算法(GA)、粒子群优化(PSO)算法、蚁群算法(ACO)、KH算法、磷虾群聚类算法(KHCA)、改进磷虾群(IKH)算法进行比较,结果表明:HK-KH算法适用于解决数据聚类问题且具有较强的全局收敛性和较高的稳定性。"}
{"title": "基于并行跟踪检测框架与深度学习的目标跟踪算法", "abst": "在空地协同背景下,地面目标的移动导致其在无人机视角下外观会发生较大变化,传统算法很难满足此类场景的应用要求。针对这一问题,提出基于并行跟踪和检测(PTAD)框架与深度学习的目标检测与跟踪算法。首先,将基于卷积神经网络(CNN)的目标检测算法SSD作为PTAD的检测子处理关键帧获取目标信息并提供给跟踪子;其次,检测子与跟踪子并行处理图像帧并计算检测与跟踪结果框的重叠度及跟踪结果的置信度;最后,根据跟踪子与检测子的跟踪或检测状态来判断是否对跟踪子或检测子进行更新,并对图像帧中的目标进行实时跟踪。在无人机视角下的视频序列上开展实验研究和对比分析,结果表明所提算法的性能高于PTAD框架下最优算法,而且实时性提高了13%,验证了此算法的有效性。"}
{"title": "基于滑动窗口和动态规划的连续动作分割与识别", "abst": "针对现有动作识别中对连续动作识别研究较少且单一算法对连续动作识别效果较差的问题,提出在单个动作建模的基础上,采用滑动窗口法和动态规划法结合,实现连续动作的分割与识别。首先,采用深度置信网络和隐马尔可夫结合的模型DBN-HMM对单个动作建模;其次,运用所训练动作模型的对数似然值和滑动窗口法对连续动作进行评分估计,实现初始分割点的检测;然后,采用动态规划对分割点位置进行优化并对单个动作进行识别。在公开动作数据库MSR Action3D上进行连续动作分割与识别测试,结果表明基于滑动窗口的动态规划能够优化分割点的选取,进而提高识别精度,能够用于连续动作识别。"}
{"title": "基于多注意力多尺度特征融合的图像描述生成算法", "abst": "针对图像描述生成中对图像细节表述质量不高、图像特征利用不充分、循环神经网络层次单一等问题,提出基于多注意力、多尺度特征融合的图像描述生成算法。该算法使用经过预训练的目标检测网络来提取图像在卷积神经网络不同层上的特征,将图像特征分层输入多注意力结构中,依次将多注意力结构与多层循环神经网络相连,构造出多层次的图像描述生成网络模型。在多层循环神经网络中加入残差连接来提高网络性能,并且可以有效避免因为网络加深导致的网络退化问题。在MSCOCO测试集中,所提算法的BLEU-1和CIDEr得分分别可以达到0. 804及1. 167,明显优于基于单一注意力结构的自上而下图像描述生成算法;通过人工观察对比可知,所提算法生成的图像描述可以表现出更好的图像细节。"}
{"title": "基于资源描述框架图切分与顶点选择性的高效子图匹配方法", "abst": "在SPARQL查询过程中,含有复杂结构的资源描述框架(RDF)图的查询效率低下。为此,通过分析几种RDF图的基本结构与RDF顶点的选择性,提出RDF三元组模式选择性(RTPS)——一种基于RDF顶点选择性的图结构切分规则,以提高面向RDF图的子图匹配效率。首先,根据谓词结构在数据图与查询图中的通性建立RDF相邻谓词路径(RAPP)索引,将数据图结构转化为传入-传出双向谓词路径结构以确定查询顶点的搜索空间,并加快顶点的过滤;接着,通过整数线性规划(ILP)问题计算建模将复杂RDF查询图结构分解为若干结构简单的查询子图,通过分析RDF顶点在查询图中的相邻子图结构与特征,确立查询顶点的选择性以确定最优切分方式;然后,通过RDF顶点选择性与相邻子图的结构特征来缩小查询顶点的搜索空间范围,并在数据图中找到符合条件的RDF顶点;最后,遍历数据图以找到与查询子图结构相匹配的子图结构,将得到的子图进行连接并将其作为查询结果输出。实验采用控制变量法,比较了RTPS、RDF子图匹配(RSM)、RDF-3X、Gra SS与R3F的查询响应时间。实验结果充分表明,与其他4种方法相比,当查询图复杂度高于9时,RTPS的查询响应时间更短,具有更高的查询效率。"}
{"title": "基于深层长短期记忆网络与批规范化的间歇过程故障检测方法", "abst": "传统的基于数据驱动的间歇过程故障诊断方法往往需要对过程数据的分布进行假设,而且对非线性等复杂数据的监控往往会出现误报和漏报,为此提出一种基于长短期记忆网络(LSTM)与批规范化(BN)结合的监督学习方法,不需要对原始数据的分布进行假设。首先,对间歇过程原始数据运用一种按变量展开并连续采样的预处理方式,使处理后的数据可以向LSTM单元输入;然后,利用改进的深层LSTM网络进行特征学习,该网络通过添加BN层,结合交叉熵损失的表示方法,可以有效提取间歇过程数据的特征并进行快速学习;最后,在一类半导体蚀刻过程上进行仿真实验。实验结果表明,所提方法比多元线性主成分分析(MPCA)方法故障识别的种类更多,可以有效地识别各类故障,对故障的整体检测率达到95%以上;比传统单层LSTM模型建模速度更快,且对故障的整体检测率提高了8个百分点以上,比较适合处理间歇过程中具有非线性、多工况等特征的故障检测问题。"}
{"title": "基于深度学习的海底观测视频中鱼类的识别方法", "abst": "针对海底环境恶劣、海底观测视频品质差导致视频中的海洋鱼类识别难的问题,提出一种基于深度学习的海洋鱼类识别方法。首先,将海底观测视频分解为图片,由于海底观测视频中存在较大比例的空白数据,使用背景差分法过滤不包含鱼类的图片,缩短处理全部数据的时间;然后,考虑到海底拍摄环境亮度低、场景模糊的实际情况,对图片基于暗通道先验算法进行预处理提高品质;最后,以卷积神经网络(CNN)为基础构建深度学习模型,并且提出了权重化特征的卷积过程,提高模型的鲁棒性。实验结果表明:面对较差品质的海底观测视频图片,在深度学习模型结构相同的条件下,与普通卷积神经网络模型相比,使用权重化卷积作为隐层并且加入预处理过程后,对海洋鱼类识别准确率的提升幅度达到23%,有助于实现对海底观测视频图片中海洋鱼类的精准识别。"}
{"title": "改进的基于深度学习的遥感图像分类算法", "abst": "针对传统的基于深度学习的遥感图像分类算法未能有效融合多种深度学习特征,且分类器性能欠佳的问题,提出一种改进的基于深度学习的高分辨率遥感图像分类算法。首先,设计并搭建一个七层卷积神经网络;其次,将高分辨率遥感图像样本输入到该网络中进行网络训练,得到最后两个全连接层输出作为遥感图像两种不同的高层特征;再次,针对该网络第五层池化层输出,采用主成分分析(PCA)进行降维,作为遥感图像的第三种高层特征;然后,将上述三种高层特征通过串联的形式进行融合,得到一种有效的基于深度学习的遥感图像特征;最后,设计了一种基于逻辑回归的遥感图像分类器,可以对遥感图像进行有效分类。与传统基于深度学习的遥感图像分类算法相比,所提算法分类准确率有较高提升。实验结果表明,该算法在分类准确率、误分类率和Kappa系数上表现优异,能实现良好的分类效果。"}
{"title": "基于VGGNet和多谱带循环网络的高光谱人脸识别系统", "abst": "为了提高光谱人脸数据表征人脸特征的有效性,提出一种基于VGGNet和多谱带循环训练的高光谱人脸识别方法。首先,在光谱人脸图像的预处理阶段,采用多任务卷积神经网络(MTCNN)进行高光谱人脸图像的精确定位,并利用混合通道的方式对高光谱人脸数据进行增强;然后,基于卷积神经网络(CNN)结构建立一个面向高光谱人脸识别的VGG12深度网络;最后,基于高光谱人脸数据的特点,引入多谱带循环训练方法训练建立的VGG12网络,完成最后的训练和识别。在公开的UWA-HSFD和Poly U-HSFD高光谱人脸数据集的实验结果表明,所提方法取得了比其他深度网络(如Deep ID、Deep Face、VGGNet)更好的识别性能。"}
{"title": "基于多尺度密集网络的肺结节图像检索算法", "abst": "现有基于内容的医学图像检索(CBMIR)算法存在特征提取的不足,导致图像的语义信息表达不完善、图像检索性能较差,为此提出一种多尺度密集网络算法以提高检索精度。首先,将512×512的肺结节图像降维到64×64,同时加入密集模块以解决提取的低层特征和高层语义特征之间的差距;其次,由于网络的不同层提取的肺结节图像信息不同,为了提高检索精度和效率,采用多尺度方法结合图像的全局特征和结节局部特征生成检索哈希码。实验结果分析表明,与自适应比特位的检索(ABR)算法相比,提出的算法在64位哈希码编码长度下的肺结节图像检索查准率可以达到91. 17%,提高了3. 5个百分点;检索一张肺切片需要平均时间为48μs。所提算法的检索结果在表达图像丰富的语义特征和检索效率方面,优于其他对比的网络结构,适用于为医生临床辅助诊断提供依据、帮助患者有效治疗。"}
{"title": "基于密度峰值与密度聚类的集成算法", "abst": "针对快速搜索和发现密度峰值聚类(CFSFDP)算法需人工在决策图上选择聚类中心的问题,提出一种基于密度峰值和密度聚类的集成算法。首先,借鉴CFSFDP思想,将局部密度最大的数据作为第一个中心;接着,从该中心点出发采用一种利用Warshall算法求解密度相连改进的基于密度的噪声应用空间聚类(DBSCAN)算法进行聚类,得到第一个簇;最后,在尚未被划分的数据中找出最大局部密度的数据,将它作为下一个簇的中心后再次采用上述算法进行聚类,直到所有数据被聚类或有部分数据被视为噪声。所提算法既解决了CFSFDP选择中心需人工干预的问题,又优化了DBSCAN算法,即每次迭代都是从当前最好的点(局部密度最大的点)出发寻找簇。通过可视化数据集和非可视化数据集与经典算法(CFSFDP、DBSCAN、模糊C均值(FCM)算法和K均值(K-means)算法)的对比实验结果表明,所提算法聚类效果更好,准确率更高,优于对比算法。"}
{"title": "混合的密度峰值聚类算法", "abst": "密度峰值聚类(DP)算法是一种新的基于密度的聚类算法,当它处理的单个聚类包含多个密度峰值时,会将每个不同密度峰值视为潜在聚类中心,以致难以在数据集中确定正确数量聚类,为此,提出一种混合的密度峰值聚类算法C-DP。首先,以密度峰值点为初始聚类中心将数据集划分为子簇;然后,借鉴代表点层次聚类算法(CURE),从子簇中选取分散的代表点,将拥有最小距离的代表点对的类进行合并,引入参数收缩因子以控制类的形状。仿真实验结果表明,在4个合成数据集上C-DP算法比DP算法聚类效果更好;在真实数据集上的Rand Index指标对比表明,在数据集S1上,C-DP算法比DP算法性能提高了2. 32%,在数据集4k2_far上,C-DP算法比DP算法性能提高了1. 13%。由此可见,C-DP算法在单个类簇中包含多密度峰值的数据集中能提高聚类的准确性。"}
{"title": "基于谱分析的密度峰值快速聚类算法", "abst": "针对密度峰值快速聚类(CFSFDP)算法对不同数据集聚类效果的差异,利用谱聚类对密度峰值快速聚类算法加以改进,提出了一种基于谱分析的密度峰值快速聚类算法CFSFDP-SA。首先,将高维非线性的数据集映射到低维子空间上实现降维处理,将聚类问题转化为图的最优划分问题以增强算法对数据全局结构的适应性;然后,利用CFSFDP算法对处理后的数据集进行聚类。结合这两种聚类算法各自的优势,能进一步提升聚类算法的性能。在5个人工合成数据集(2个线性数据集和3个非线性数据集)与4个UCI数据库中真实数据集上的聚类结果显示,相比CFSFDP算法,CFSFDP-SA算法的聚类精度有一定提升,在高维数据集的聚类精度上最多提高了14%,对原始数据集的适应性更强。"}
{"title": "基于子序列全连接和最大团的时间序列模体发现算法", "abst": "针对时间序列模体发现算法计算复杂,并且无法发现多实例模体的问题,提出基于子序列全连接和最大团的时间序列模体发现(TSSJMC)算法。首先,使用快速时间序列子序列全连接算法求得所有子序列之间的距离,生成距离矩阵;然后,设置相似性阈值,将距离矩阵转化为邻接矩阵,构造子序列相似图;最后采用最大团搜索算法从相似图中搜索最大团,最大团的顶点对应的时间序列为包含最多实例的模体。在公开的时间序列数据集上进行实验,选用已有的能够发现多实例模体的Brute Force和Random Projection算法作为对比对象,分别从准确性、效率、可扩展性和鲁棒性对TSSJMC算法进行分析并获得了客观的评判结果。实验结果表明,与Random Projection算法相比,TSSJMC算法在效率、可扩展性和鲁棒性法方面均有明显优势;与Brute Force算法相比,TSSJMC算法发现的模体实例数量虽略低,但其效率和可扩展性都优于Brute Force算法。因此,TSSJMC是质量和效率相平衡的算法。"}
{"title": "基于时滞特征的时序依赖情节发现", "abst": "对于事件序列中的时序依赖发现,传统的频繁情节发现方法一方面使用时间窗口机制挖掘事件之间简单的关联依赖,另一方面无法有效处理事件的交叉时序关联。针对以上问题,提出了时滞情节发现的概念,在频繁情节发现的基础上,设计了一种基于相邻事件匹配集(AEM)的时滞情节发现算法。首先,引入时滞的概率统计模型进行事件序列匹配,避免预先设定时间窗口,处理可能存在的交叉关联;然后,将时滞挖掘转化为最优化问题,使用迭代的方式得到时滞情节之间的时间间隔分布;最后,利用假设检验区分串行时滞情节和并行时滞情节。理论分析与实验结果表明,与目前最新的时滞挖掘方法迭代最近事件(ICE)算法相比,基于AEM的时滞情节发现算法模拟的时滞分布与真实时滞分布的平均KL距离为0. 056,缩短了20. 68%。基于AEM的时滞情节发现算法通过时滞的概率统计模型衡量事件多种匹配情况的可能性,获得一对多的相邻事件匹配集,比ICE算法中的一对一匹配更加有效地模拟了实际情况。"}
{"title": "基于Spark与粒子滤波算法的公交到站时间预测系统", "abst": "针对公交车到站时间预测准确性不高的问题,选用具有流式计算特点的粒子滤波(PF)算法,建立了一个公交到站时间预测模型。为更好地解决使用PF算法过程中存在的预测误差及粒子优化选择问题,通过引入上一趟公交车的行驶速度和构造观测值的方法对预测模型进行改进,使之具有更贴近实际路况的公交到站时间预测精度,并且能同时预测多个公交到达时间。基于该模型和Spark平台实现了一套公交到站时间实时预测软件系统,所有到站时间预测结果与实际相比,平峰的最大绝对误差为207 s,平均绝对误差为71. 67 s;高峰的最大绝对误差为270 s,平均绝对误差为87. 61 s,而预测结果的平均绝对误差在2 min以内是公认的理想结果。实验结果表明,所提模型及实现系统能准确预测公交到站时间,满足乘客实际需求。"}
{"title": "基于SparkR的水文传感器数据的异常检测方法", "abst": "为了高效地从海量的水文传感器数据中检测出异常值,提出一种基于SparkR的水文时间序列异常检测方法。首先,对数据进行清洗后,采用滑动窗口配合自回归积分滑动平均模型(ARIMA)在SparkR平台上进行预测;然后,对预测的结果计算置信区间,将在区间范围以外的判定为异常值;最后,基于检测结果,利用K均值算法对原数据进行聚类,同时计算其状态转移概率,对检测出的异常值进行质量评估。以在滁河获取的水文传感器数据为实验数据,分别在运行时间和异常值检测效果这两个方面进行了实验。结果显示:利用SparkR对百万级数据进行计算时,利用双节点计算的时间要长于单节点;但是对千万级数据进行计算时,双节点比单节点计算时间上更少,最多减少了16. 21%,且评估过后的灵敏度由之前的5. 24%提高到了92. 98%。实验结果表明,在SparkR下,根据水文数据的特点并结合预测检验和聚类校验的方法对千万级水文时间序列进行检测时,能有效提高传统方法的计算效率,并且在灵敏度方面相比传统方法也有显著提升。"}
{"title": "基于重构的改进自然排序树算法", "abst": "针对自然排序树(CAN-tree)算法构建的树结构节点个数过多、压缩性不高等问题,提出一种基于重构的改进CAN-tree算法。首先,使用自然排序法直接构建树结构,将频繁项集挖掘算法实现中数据库扫描次数减少至1;然后,对构建的树结构以支持度降序方式结合剪枝操作实现树结构的重构,得到高压缩性的树结构;最后,对重构的树结构进行频繁项集挖掘。实验结果表明,基于重构的改进CAN-tree算法所构建的树结构节点个数减少至原来的20%以下,执行效率提高了4至6倍,在频繁项集挖掘中有效地压缩了树结构,缩短了算法的执行时间。"}
{"title": "基于安全威胁预测的5G网络切片功能迁移策略", "abst": "随着虚拟化技术的发展,同驻攻击成为窃取用户敏感信息的重要攻击手段。针对现有虚拟机动态迁移方法对同驻攻击反应的滞后性,在5G网络切片背景下,提出了一种基于安全威胁预测的虚拟网络功能迁移策略。首先,通过隐马尔可夫模型(HMM)对网络切片运行安全进行建模,利用多源异构数据信息对网络安全威胁进行威胁预测;然后,根据安全预测结果,采用相应的虚拟网络功能迁移策略迁移以使迁移开销最小。仿真实验结果表明:利用HMM能对安全威胁进行有效的预测,同时该迁移策略能够有效减少迁移开销与信息泄漏时间,具有较好的同驻攻击防御效果。"}
{"title": "软件定义广域网中控制器部署与交换机动态迁移策略", "abst": "在软件定义广域网(SD-WAN)部署中,由于广域网(WAN)覆盖范围极大这一特性,单控制器部署策略无论在容量、负载还是安全方面都无法满足其需求,多控制器的部署成为必然趋势。而多控制器部署后整体网络的静态配置很难适应动态的网络流变化,从而造成控制器的负载不均衡,整体网络性能降低。针对上述问题,提出一种多控制器部署算法SC-cSNN,以有效减小控制器和交换机之间的传播时延;并提出一种基于时延、控制器容量以及控制器安全等特征的交换机动态迁移算法,以有效解决控制器超负载问题。仿真实验结果表明,SC-cSNN控制器部署算法的平均最大时延优于现有的基于k-means和基于谱聚类的控制器部署算法,交换机动态迁移算法从多特征的角度有效地解决了SD-WAN控制器负载不均衡的问题。"}
{"title": "基于区块链技术的物联网信息共享安全机制", "abst": "针对物联网(IoT)信息共享中存在的源数据易被篡改、缺乏信用保障机制以及信息孤岛问题,提出一种基于区块链技术的轻量级物联网信息共享安全框架。该框架采用数据区块链和交易区块链相结合的双链模式:在数据区块链中实现数据的分布式存储和防篡改,并通过改进的实用拜占庭容错(PBFT)机制共识算法,提升数据登记效率;在交易区块链中实现资源和数据交易,并通过基于部分盲签名算法的改进算法,提升交易效率、实现隐私保护。仿真实验部分分别针对抗攻击能力、双链的处理能力和时延进行了验证分析,结果表明该框架具有安全性、有效性和可行性,可应对现实物联网中的大部分场景。"}
{"title": "基于物联网设备指纹的情境认证方法", "abst": "针对物联网设备中因非法设备接入带来的远程控制安全问题,提出一种基于设备指纹的情境认证方法。首先,通过提出的对交互流量中单个字节的分析技术,提取物联网设备指纹;其次,提出认证的流程框架,根据设备指纹在内的六种情境因素进行身份认证,设备认证通过才可允许访问;最后,对物联网设备进行实验,提取相关设备指纹特征,结合决策树分类算法,从而验证情境认证方法的可行性。实验中所提方法的分类准确率达90%,另外10%误判率为特殊情况但也符合认证要求。实验结果表明基于物联网设备指纹的情境认证方法可以确保只有可信的物联网终端设备接入网络。"}
{"title": "卫星网络中支持策略隐藏的多授权访问控制方案", "abst": "卫星网络具有信道开放、节点暴露、星上处理能力受限等独有特征,但现有的基于密文策略的属性加密(CP-ABE)的访问控制不支持策略完全隐藏且属性授权方式不适用于卫星网络,为此,提出支持策略隐藏的多授权访问控制方案。该方案采用更灵活的线性秘密共享(LSSS)矩阵访问结构,不仅能有效保证数据机密性,而且能通过混淆访问结构实现策略完全隐藏;采用多授权机构实现细粒度的属性管控,能消除中心授权机构的性能瓶颈;各属性授权机构独立工作且密钥生成分权,能有效抵抗合谋攻击。安全性及性能分析表明,所提方案满足数据机密性、抗合谋攻击和完全策略隐藏的安全需求,比对比方案更适合卫星网络。"}
{"title": "面向Ad Hoc网络的无证书认证组密钥协商协议", "abst": "安全和效率是影响无证书认证组密钥协商协议能否在Ad Hoc网络中得到实际应用的两个关键因素。针对这两个关键因素,以提高Ad Hoc网络安全组通信的安全性和效率为目标,提出一个无证书认证组密钥协商协议,基于椭圆曲线密码体制(ECC)点乘运算实现无配对的无证书认证组密钥协商和身份认证;并使用Huffman密钥树优化通信轮数,以降低计算量和通信量,提高组密钥协商效率。安全分析和性能分析表明,与现有基于无证书的组密钥协商协议相比,所提方案在组密钥协商时具有较高的效率和安全性,可以满足资源受限条件下组密钥建立以及组成员变动带来的密钥更新问题。"}
{"title": "基于单向预测误差扩展的三维医学图像可逆水印算法", "abst": "对于可逆水印技术在三维医学图像中的应用问题,提出一种基于单向预测误差扩展的三维医学图像可逆水印算法。首先根据像素间的三维梯度变化预测像素从而得到预测误差;然后结合磁共振成像生成的三维医学图像的特征,采用单向直方图位移与预测误差扩展相结合的方法将外部信息嵌入至三维医学图像;最后,重新预测像素,提取外部信息,恢复原始三维图像。实验结果表明,在MR-head和MR-chest测试数据体上,与二维梯度预测相比,所提算法预测误差的平均绝对偏差分别降低1. 09和1. 40,每个像素的最大嵌入容量分别增加0. 045 6比特和0. 129 1比特,从而能够更准确地预测像素值,嵌入更多的外部信息。该算法可应用于对三维医学图像的篡改检测以及患者隐私保护。"}
{"title": "基于内容挖掘的广域信息管理系统业务数据安全", "abst": "针对广域信息管理系统(SWIM)服务共享中的数据安全问题,分析了SWIM业务流程中的安全隐患,提出了一种基于潜在狄利克雷分配(LDA)主题模型和内容挖掘的恶意数据的过滤方法。首先对SWIM四种业务数据进行大数据分析,然后通过LDA模型对业务数据进行特征抽取完成内容挖掘,最后利用KMP匹配算法在主串中查找模式串,从而检测出含有恶意关键字的SWIM业务数据。在Linux内核中对该检测方法进行测试,实验结果表明该方法能够有效地对SWIM业务数据进行内容挖掘,与潜在语义分析(LSA)和基于概率统计的潜在语义分析(p LSA)的方法相比也具有更好的检测性能。"}
{"title": "基于李雅普诺夫优化的容器云队列在线任务和资源调度设计", "abst": "为在保证任务服务质量(QoS)的条件下提高容器云资源利用率,提出一种基于李雅普诺夫的容器云队列任务和资源调度优化策略。首先,在云计算服务排队模型的基础上,通过李雅普诺夫函数分析任务队列长度的变化;然后,在任务QoS的约束下,构建资源功耗的最小化目标函数;最后,利用李雅普诺夫优化方法求解最小资源功耗目标函数,获得在线的任务和容器资源的优化调度策略,实现对任务和资源调度进行整体优化,从而保证任务的QoS并提高资源利用率。CloudSim仿真结果表明,所提的任务和资源调度策略在保证任务QoS的条件下能获得高的资源利用率,实现容器云在线任务和资源优化调度,并且为基于排队模型的云计算任务和资源整体优化提供必要的参考。"}
{"title": "基于并行强化学习的云机器人任务调度策略", "abst": "为了解决机器人完成大规模状态空间强化学习任务时收敛慢的问题,提出一种基于优先级的并行强化学习任务调度策略。首先,证明Q学习在异步并行计算模式下的收敛性;然后,将复杂问题根据状态空间进行分割,调度中心根据所提策略将子问题和计算节点匹配,各计算节点完成子问题的强化学习任务并向调度中心反馈结果,实现在计算机集群中的并行强化学习;最后,以CloudSim为软件基础搭建实验环境,求解最优步长、折扣率和子问题规模等参数,并通过对实际问题求解证明在不同计算节点数的情况下所提策略的性能。在使用64个计算节点的情况下所提策略相比轮询调度和随机调度的效率分别提升了61%和86%。实验结果表明,该策略在并行计算情况下有效提高了收敛速度,并进一步验证了该策略得到百万级状态空间控制问题的最优策略需要约1. 6×10~5s。"}