基于图卷积神经网络的完全图人脸聚类

人脸聚类是根据不同身份对人脸图像进行分组的方法,主要用于人脸标注和图像管理等领域.针对现有方法中存在大量冗余数据的问题,文中使用一种基于完全图约束和上下文关系进行链接预测的方法.该聚类算法基于图卷积神经网络进行链接预测,结合完全图约束筛选数据,同时在预测的过程中对链接关系进行不断的更新.实验结果显示,结合完全图约束的人脸聚类方法能够在减少冗余数据、加快运行速度的同时,提升聚类的准确率,从而提高聚类的整体效果.     

计算机类专业创新型人才培养探索

面向新工科背景下计算机类专业创新型人才培养的迫切需求,确立创新型人才培养目标,阐述如何以人工智能为核心重构计算机类专业知识体系、培养创新思维;以科研训练为载体提升创新能力;以专业前沿为导向并以国际研修为依托拓展创新视野,培养能够提出并解决挑战性问题的计算机类专业创新型人才。     

一种Anchor Free的无人机检测方法

目前几乎所有最先进的目标检测方法都依赖于预先定义的anchor,但是由于anchor的存在,网络会增加与anchor相关的计算开销,而且在现实世界中,目标尺度多种多样,比如地对空拍摄的无人机目标,预先定义的anchor不可能穷举所有的无人机尺度。因此,该文抛弃预先定义的anchor,采用anchor free的方法来检测无人机。该anchor free方法以目标中心区域的像素为训练样本来逐像素预测边界框的偏移量。针对地对空拍摄的无人机目标大部分都是小尺度的情况,采用高分辨率网络HRNet作为主干网络来提取小目标细粒度的特征,从而提高小目标检测的精度。相对于基于anchor的目标检测方法,该网络框架简单、灵活,并且可以自适应地预测无人机目标的边界框。在自己设计的无人机数据集上,该方法获得了更高的召回率和精确率。     

代码特征自动提取方法

神经网络在软件工程中的应用极大程度上缓解了传统的人工提取代码特征的压力。已有的研究往往将代码简化为自然语言或者依赖专家的领域知识来提取代码特征,简化为自然语言的处理方法过于简单,容易造成信息丢失,而引入专家制定启发式规则的模型往往过于复杂,可拓展性以及普适性不强。鉴于以上问题,提出了一种基于卷积和循环神经网络的自动代码特征提取模型,该模型借助代码的抽象语法树(AST)来提取代码特征。为了缓解因AST过于庞大而带来的梯度消失问题,对AST进行切割,转换成一个AST序列再作为模型的输入。该模型利用卷积网络提取代码中的结构信息,利用双向循环神经网络提取代码中的序列信息。整个流程不需要专家的领域知识来指导模型的训练,只需要将标注类别的代码作为模型的输入就可以让模型自动地学习如何提取代码特征。应用训练好的分类编码器,在相似代码搜索任务上进行测试,Top1、NDCG、MRR的值分别能达到0.560、0.679和0.638,对比当下前沿的用于代码特征提取的深度学习模型以及业界常用的代码相似检测工具有显著的优势。     

基于模糊逻辑的环境感知无线网络切换方法研究

传统网络切换仅依赖于数据链路层接收的信号强度。最近的研究尝试综合网络各个层次的信息做出更为智能的决策,然而这些参数不容易测量和量化。为了找到最优切换策略,将这些与切换相关的信息分为基本信息、网络信息和用户信息,并提出了基于模糊逻辑的无线网络切换算法,以对不同网络层次的参数进行收集、处理和保存,同时根据这些参数所属类型,设置不同的权重值来适应不同的应用场景,以达到良好的环境感知和符合用户个人偏好的智能选择。系统仿真结果显示,切换准确率和用户期望契合度进一步提高。     

面向多服务交互的相容性分析与适配器生成

针对已有服务适配方法大多只考虑两个服务交互的简单场景且不支持BPEL代码的自动生成的问题,提出了一种面向多个服务交互的适配器自动生成方法。在通过对有限自动机进行扩展以建模服务的签名和行为信息的基础上,给出了分析多个服务之间相容性的方法。对于不相容的情况,定义了适配器模型的语法和操作语义,给出了适配器模型的自动生成算法,并对得到的适配器模型进行约简以支持适配器BPEL代码的自动生成。通过一个实例分析说明本文所提方法的可行性。     

一种需求驱动的服务行为适配方法

现有服务行为适配方法通常侧重于如何消除服务之间行为上的不相容而往往没有考虑用户的需求,因而需要对基于适配器的服务组合进行需求的可满足性验证,这使得基于适配器的服务组合过程复杂且低效.针对此问题,本文在适配器生成过程中考虑用户的需求,提出一种需求驱动的服务行为适配方法,并给出用于描述用户需求的形式模型的语法及语义.证明了利用本文方法所生成的适配器不仅可以消除服务之间行为上的不相容,并且保证基于适配器的服务组合的行为满足需求给出的时序约束,避免了对基于适配器的服务组合进行验证.通过一个贯穿全文的实例分析表明了方法的可行性和有效性     

一种使用四叉树分割的分形信息隐藏算法

目前的正交分形信息隐藏算法在进行正交分形编码时都是等分割原始图像,这样无法自适应图像内容且耗时,并且在处理彩色图像时没能考虑分量之间的相关性以及拼贴误差,因此鲁棒性较差。提出一种采用四叉树分割的正交分形信息隐藏算法。该算法能够根据图像特征实现原始图像的四叉树分割,同时考虑彩色图像R、G、B三个分量的相关性,提取亮度分量进行分形编码,并利用拼贴误差特性,动态调整分型参数的修改量来嵌入秘密图像。实验及应用表明,该算法编码时间短、具有很好的透明性以及对JPEG压缩、加噪、滤波、几何形变等具有较好的鲁棒性。     

本体评估方法研究综述

本体是知识共享的重要工具,也是语义Web的支柱.本体的使用是以保证其质量为前提.本体评估为本体构建的质量及本体的选择重用提供了技术支持.分析了本体评估的必要性;对本体评估的现状进行综述,主要包括归纳总结了本体评估的方法及本体评估的基本思路,介绍了本体评估的指标体系,比较分析了本体评估工具;最后提出本体评估存在的问题和进一步研究方向.     

一种基于密度的不确定数据离群点检测算法

不确定数据普遍存在于如移动计算、RFID技术和传感器网络等大量应用之中.由于不确定数据的离群点检测算法可以提高服务质量,提出一种基于密度的不确定数据离群检测算法RLOF.该算法引入一种R2-tree结构,有效降低了计算局部离群因子时的时间复杂度,同时降低了不确定数据集中的数据更新成本以及海量数据维护成本.理论分析和实验结果充分证明了该算法是有效可行的.