一种新型学位论文智能评价系统

针对目前学位论文自动评价工作缺乏公平性和普适性的问题,构建一个基于专家系统与多级模糊评价机制相结合的学位论文智能评价系统.利用评语模板库和规则库进行知识表示,采用多级模糊评价方法计算中间数据,通过专家系统推理得出论文的最终评语.实验结果表明,在7个学科52个研究方向6 511篇学位论文的自动智能评价中,该系统的有效评价率达96.51％,具有较好的普适性和公正性.     

面向骨干网流量分析与管理的计数器结构

针对高速骨干网流量分析与流量管理对大规模高速统计计数器的需求,提出了一种简单、高效的主动式计数器结构——DALCA,其新颖之处在于对计数器向量进行分层,除第1 层外,其他各层子计数器向量采用多级哈希表的形式进行组织,获得了良好的空间效率和时间效率.与现有的主动式计数器结构BRICK 相比, DALCA 的空间效率与其接近,但是时间效率明显优于BRICK.采用真实的骨干网流量数据,通过仿真实验对DALCA 的性能进行了评估,结果表明:执行查询操作时,DALCA的访存带宽需求约为BRICK 的1/10;执行更新操作时,DALCA的访存带宽需求约为BRICK 的1/6.     

电子商务产品评论多级情感分析的研究与实现

情感分析是得到文本正负中性情感的过程。该论文以电子商务评论为例,对其进行了情感分析。与电子商务中五星打分制相一致,评论最终被划分为：强烈贬意、一般贬意、中性、一般褒扬、强烈褒扬5级的情感强度。实现分为以下两个步骤：（1）句子级情感分析：通过复杂句句法模式和基于词典的算法得到评论中每个句子的情感倾向;（2）篇章级情感分析：即得到评论的总体情感倾向,采用了两种方法进行比较：一种为通过统计和比较评论中正面,负面和中性的句子的数量来得到评论,另一种则是通过SVM监督学习的方法,结果显示SVM方法性能更好。     

基于多级注意力跳跃连接网络的行人属性识别

行人属性识别易受视角、尺度和光照等非理想自然条件变化的影响,且某些细粒度属性识别难度较大。为此,提出一种多级注意力跳跃连接网络MLASC-Net。在网络中间层,利用敏感注意力模块在通道及空间维度上对原特征向量进行筛选加权,设计多级跳跃连接结构来融合所提取的显著性特征。在网络顶层,改进多尺度金字塔池化以融合局部特征和全局特征。在网络输出层,结合验证损失算法自适应更新损失层,加速模型的收敛并提高精度。在PETA和RAP数据集上的实验结果表明,MLASC-Net的识别准确率相较原基准网络分别提高约4.62和6.54个百分点,其在识别效果和模型收敛速度上有明显优势,同时在非理想自然条件下具有良好的泛化能力,可有效提高网络对细粒度属性的鲁棒性。     

基于多级语义的判别式跨模态哈希检索算法

针对大多数跨模态哈希方法采用二进制矩阵表示相关程度,因此无法捕获多标签数据之间更深层的语义信息,以及它们忽略了保持语义结构和数据特征的判别性等问题,提出了一种基于多级语义的判别式跨模态哈希检索算法——ML-SDH。所提算法使用多级语义相似度矩阵发现跨模态数据中的深层关联信息,同时利用平等指导跨模态哈希表示在语义结构和判别分类中的关联关系,不仅实现了对蕴含高级语义信息的多标签数据进行编码的目的,而且构建的保留多级语义的结构能够确保最终学习的哈希码在保持语义相似度的同时又具有判别性。在NUS-WIDE数据集上,哈希码长度为32 bit时,所提算法在两个检索任务中的平均准确率（mAP）比深度跨模态哈希（DCMH）、成对关联哈希（PRDH）、平等指导判别式哈希（EGDH）算法分别高出了19.48,14.50,1.95个百分点和16.32,11.82,2.08个百分点。     

多层次感知残差卷积网络的单幅图像超分重建

目的 单幅图像超分辨率重建的深度学习算法中,大多数网络都采用了单一尺度的卷积核来提取特征（如3×3的卷积核）,往往忽略了不同卷积核尺寸带来的不同大小感受域的问题,而不同大小的感受域会使网络注意到不同程度的特征,因此只采用单一尺度的卷积核会使网络忽略了不同特征图之间的宏观联系。针对上述问题,本文提出了多层次感知残差卷积网络（multi-level perception residual convolutional network,MLP-Net,用于单幅图像超分辨率重建）。方法 通过特征提取模块提取图像低频特征作为输入。输入部分由密集连接的多个多层次感知模块组成,其中多层次感知模块分为浅层多层次特征提取和深层多层次特征提取,以确保网络既能注意到图像的低级特征,又能注意到高级特征,同时也能保证特征之间的宏观联系。结果 实验结果采用客观评价的峰值信噪比（peak signal to noise ratio,PSNR）和结构相似性（structural similarity,SSIM）两个指标,将本文算法其他超分辨率算法进行了对比。最终结果表明本文算法在4个基准测试集上（Set5、Set14、Urban100和BSD100（Berkeley Segmentation Dataset））放大2倍的平均峰值信噪比分别为37.851 1 dB,33.933 8 dB,32.219 1 dB,32.148 9 dB,均高于其他几种算法的结果。结论 本文提出的卷积网络采用多尺度卷积充分提取分层特征中的不同层次特征,同时利用低分辨率图像本身的结构信息完成重建,并取得不错的重建效果。     

基于多层次区块链的医疗数据共享模型

基于区块链的医疗数据共享能够有效地提升医疗数据的可信性,但是面临着链上存储容量有限、缺乏数据隐私保护等问题。针对这些问题,提出一个基于多层次区块链的医疗数据共享模型。对个人医疗数据进行加密后上传到链下的分布式存储中,并将数据索引信息上传到链上,利用多层次区块链协同技术和链上链下混合存储方式提高存储效率;引入差分隐私保护联邦学习中模型参数,提升数据的隐私安全。实验结果表明,相对于以太坊而言,该方案机构存储开销平均下降了60%左右,用户存储开销平均下降30%左右。     

多级卷积神经网络的沥青路面裂缝图像层次化筛选

如何快速准确地识别与评估沥青路面裂缝病害,已成为路面养护和保障道路安全的重要任务之 一。实际采集路面图像中往往存在大量的非裂缝图像,在保证裂缝图像无漏筛的前提下,尽可能提高裂缝图像 的精确率与非裂缝图像的真负例率,则对于降低人工筛选的工作强度,以及后续裂缝自动分割与病害损坏程度 评估具有重要实际意义。故此,提出了一种多级卷积神经网络的沥青路面裂缝图像筛选方法,由训练、微调与 验证三阶段构成,利用微调集获得 softmax 层输入微调增量。为避免裂缝图像召回率增加与精确率下降的问题, 在对比不同卷积神经网络筛除的非裂缝图像异同基础上,采用改进 AlexNet 作为一级筛选网络,VGG16 或 ResNet50 作为二、三级筛选网络的层次化处理模型。对于含噪声及复杂路面图像测试集的实验结果表明,三级 层次化筛选模型能在 100%召回裂缝图像时,达到高的真负例率及准确率。与其他方法的对比实验表明,所提 方法可有效解决沥青路面裂缝图像漏筛问题,且具有更好的检测效果。     

多向散射通信系统构建及组网形式

近几年,由于对多级指挥和多阵地联合作战的需求日益迫切,所以尽快发展多向散射通信系统也成为重申之重。相比于点对点散射通信系统,多向散射通信系统集成度高、通信链路数量多、组网灵活、自动化程度更高,因此研究多向散射通信系统成为一个重要工程技术研究方向。通过采用设备物理叠加的方式构建多向散射通信系统,并讲述了多向散射通信系统的组网形式。     

大学计算机基础课程体系结构改革及分层次教学

从提高大学计算机基础课程教学质量的角度,分析大学计算机基础教育现状面临的问题,在总结河南三所大学联合改革经验的基础上,提出新的三层次课程体系结构,按专业分类设置课程,并进行可扩展学科工具软件教育;指出分层次教学的必要性,进行分层次教学的实践总结。