基于APC的次协调自动推理系统的设计与实现

次协调逻辑用于解决在含有矛盾的系统中如何进行有效推理的问题,基于扩充真值的APC是对经典谓词演算的扩展,APC归结能够用于次协调系统的自动推理.设计了既能在协调的环境下,也能在不协调的环境下进行有效推理的自动推理系统,实现了提高推理效率的多种策略.     

结合半监督与主动学习的时间序列PU问题分类

目前基于PU问题的时间序列分类常采用半监督学习对未标注数据集[U]中数据进行自动标注并构建分类器,但在这种方法中,边界数据样本类别的自动标注难以保证正确性,从而导致构建分类器的效果不佳。针对以上问题,提出一种采用主动学习对未标注数据集[U]中数据进行人工标注从而构建分类器的方法OAL（Only Active Learning）,基于投票委员会（QBC）对标注数据集构建多个分类器进行投票,以计算未标注数据样本的类别不一致性,并综合考虑数据样本的分布密度,计算数据样本的信息量,作为主动学习的数据选择策略。鉴于人工标注数据量有限,在上述OAL方法的基础上,将主动学习与半监督学习相结合,即在主动学习迭代过程中,将类别一致性高的部分数据样本自动标注,以增加训练数据中标注数据量,保证构建分类器的训练数据量。实验表明了该方法通过部分人工标注,相比半监督学习,能够为PU数据集构建更高准确率的分类器。     

基于支持向量机的两阶段模糊聚类在视频检索中的应用

针对视频检索应用中面临的高维特征分析问题,提出了一种能提高查全率和查准率的两阶段模糊聚类方案.该方案首先在保证查全率的前提下用颜色距离直方图进行粗粒度的视频切分,得到包含冗余信息的关键视频帧;然后通过模糊支持向量机进行细粒度聚类,以提高查准率;最后运用全局关联的数据挖掘方法去除冗余得到与用户语义相关的信息.实验表明,算法在实时视频检索的应用中能显著提高查全率和查准率.     

基于熵正则L0梯度最小化模型的图像平滑方法

图像平滑是计算机图像和视觉领域中的一项基本任务,L0梯度最小化模型是该领域效果较好的图像平滑处理方法之一.但是该方法存在着严重的阶梯效应,且缺乏对噪声的鲁棒性.为了克服这些缺点,本文提出了一种基于熵正则的L0梯度最小化模型的图像平滑方法.首先,采用快速局部均值滤波算法预处理图像,并将处理后的图像运用到L0梯度最小化模型中,以此减少噪声点对图像平滑的影响;然后,为更好地刻画处理后图像与原始图像的相似度,保护其边缘信息,引入熵因子作为模型正则项,以减轻阶梯效应对图像平滑效果的影响;最后,运用交替迭代寻优方法,求解能量函数的最优解,继而得到最终平滑图像.为验证所提方法的有效性,利用大量图像进行实验,实验结果表明:与L0梯度最小化模型、RTV模型、DTV模型、Super-pixel L0模型相比,所提模型能够获得更好的平滑效果的同时,较好地克服阶梯效应,且对噪声的鲁棒性也有一定程度的提高.     

复杂网络的重叠社区及社区间的结构洞识别

大数据环境下如何有效地、准确地识别复杂网络的重叠社区是近年来学者关注的重点.本文提出一种基于多标签传播方式MLPS（Multiple Label Propagation Strategy）的重叠社区识别算法,该算法首先利用影响力最大化模型选取初始种子集合并赋予它们唯一的标签,然后采用结点间的相似性和影响传播特性共同作用于标签的传播迭代过程,迭代停止后将具有相同标签的结点划分为同一社区.通过合成网络和真实网络的实验验证了MLPS算法具有较高的准确度和模块度,且具有接近线性的时间复杂度.另外,在对MLPS算法输出的重叠结构进行分析的基础上,本文提出社区间的结构洞识别算法SHCDA（Structural Holes Between Communities Detection Algorithm）,该算法通过分析重叠结构和重叠结点的位置特征,计算重叠结点作为结构洞的得分,最后输出top-k结构洞.本文在不同特性的数据集上进行实验,结果证明了SHCDA算法具有最好的准确度.     

多芯超模光纤放大器增益均衡设计(内封底文章)

多芯超模光纤(MCSMF)的芯间距较小,多个芯子共同形成芯区支持多个超模传输,与普通单芯少模光纤相比,其具有较大的有效模场面积和较小的模式串扰,备受关注。MCSMF用于长距离传输时,与其相匹配的新型增益均衡放大器是实现信号中继并保持信号稳定传输的必要器件。文中提出了一种基于粒子群优化算法的19芯超模光纤增益均衡放大器,该光纤支持10个超模共同传输。通过粒子群算法分别优化各纤芯内掺铒浓度来降低不同超模的交叠积分因子,从而减小模式增益差(DMG)。结果表明,在包层泵浦条件下,最大DMG从1.33 dB (各纤芯均匀掺杂)降低至0.20 dB,在1 550 nm信号波长处10模式的平均增益为27.79 dB,且该放大器在整个C波段的增益平坦度低于1 dB。     

Ada中实时结构的Petri网建模与分析

本文从一般时间网出发，派生出一种简单时间网，并建模了延迟，分支选择，异步选择，优先权等Ada实时结构，特别是把优先权处理为一种时间特性，这样不仅扩充了Petri网在Ada中的建模能力，同时可以更加准确刻画Ada程序行为。     

基于微博交互关系算法的敏感舆情研究

传统的敏感舆情模型中,不论是基于文本或是数据挖掘的分析方法都是直接处理网络舆情,未结合网络传播特性分析.针对上述问题,研究并采用基于微博交互关系算法:通过量化微博的敏感程度,分析用户的交互关系来构建微博敏感舆论传播模型.实验基于新浪微博,搜索到一定数量的敏感用户,对用户的交互行为进行分析,得到未来有发表敏感舆论倾向的用户并进行监控.实验结果证明,与传统的舆情模型相比,该方法可行且有效,开拓了舆情分析思路,适用于当前网络舆情研究.     

基于Skip-gram模型的社区查询算法

社会网络的巨大规模和复杂结构使得探索整个网络的社区结构的代价变得高昂。因此,着眼于网络局部结构特征的社区查询有着重要的应用意义。常见的社区查询算法易将与查询无关的子结构合并到目标社区中。利用Skip-gram模型将序列化后的社会网络映射到连续的向量空间以求解节点之间的相似度,并结合节点的度这个属性特征修正了原有的社区尺度,以此作为标准进行节点聚类,从而得到查询节点所属的社区结构。经过在真实数据集上的实验,改进的社区查询算法的准确性和查询一致性较已有算法有了较大提高。     

基于二维可变邻域编码方式的混合遗传算法

针对现有混合遗传算法无法兼顾有效性及高效性的问题,提出一种基于二维可变邻域编码方式的新型混合遗传算法(VNHGA)。首先提出了一种将个体“基因型”与“邻域型”分开编码、同步遗传的新型编码方式,以替换传统二进制编码方式;然后设计了一种稳定变异算子,以替换传统变异算子来提高效率。通过多维函数最小值问题对VNHGA进行测试:首先验证采用所提二维可变邻域编码方式后,使用“鲍德温(Baldwin)效应”作为将局部搜索嵌入传统遗传算法策略时,相对于基于“拉马克(Lamarckian)进化”的嵌入策略,仍然具有采用传统二进制编码方式时的特性,即具有良好有效性但高效性不足;其次验证引入稳定变异算子后,算法在保持其有效性的同时提升了效率,运行时间缩短到之前的50%左右;最后,与两种改进混合遗传算法进行比较,验证所提算法优势。结果表明VNHGA兼具有效性与高效性特点,可用于解决最优化问题。