一个面向电子政务的信息交换与共享平台的设计与实现*

基于J2EE、XML等技术,设计并实现了一个面向电子政务的信息交换与共享平台.对平台的总体结构、元数据定义与管理、数据交换模式等关键问题进行了论述,最后给出了平台的模块实现.该平台已经应用于北京市信息资源管理中心,实现了遥感信息、区县图层、企业基础信息等资源的交换与共享.     

Desiderata for Languages to be Used in the Defnition of Reference Business Processes

In many modern enterprises, explicit business process de nitions facilitate the pursuit of business goals in such ways as best practice reuse, process analysis, processe ciency improvement, and automation. Most real-world business processes are large and complex. Successfully capturing, analysing, and automating these processes requires process de nition languages that capture a variety of process aspects with a wealth of details. Mostcurrent process modelling languages, such as Business Process Modelling Notation (BPMN),focus on structural control ows among activities while providing inadequate support for other process de nition needs. In this paper, we rst illustrate these inadequacies through our experiences with a collection of real-world reference business processes from the Aus-tralian lending industry. We observe that the most signi cant inadequacies include lack of resource management, exception handling, process variation, and data ow integration.These identi ed shortcomings led us to consider the Little-JIL language as a vehicle forde ning business processes. Little-JIL addresses the afore-mentioned inadequacies with a number of innovative features. Our investigation concludes that these innovative features are e ective in addressing a number of key reference business process de nition needs.     

基于字符级CNN的调水工程巡检文本智能分类方法

日常安全巡检是维护长距离调水工程安全运行的重要手段。目前巡检采集的非结构化文本数据主要依靠人工进行安全等级评判,在工作效率和准确率方面存在明显不足。本研究基于自然语言处理技术,提出了一种面向字符层面的卷积神经网络的巡检安全文本智能分类方法。该方法通过引入预训练的单个字符向量改进卷积神经网络的输入层,使得分类模型直接从原始文本中提取特征信息,不仅避免了传统分类方法对专业词库的依赖,而且不易受文本中出现的口语化表达和错别字的影响。以国内南水北调工程的巡检文本为案例,通过与多种深度学习算法进行全面比较,对比验证了所提方法的有效性和优越性。结果表明,字符级的分类方法明显优于传统基于词的分类方法,且卷积神经网络在巡检文本分类方面明显优于其他深度学习网络。该方法具有较高的分类准确率,以此为调水工程安全维护提供新的智能化手段。     

面向口语统计语言模型建模的自动语料生成算法

在资源相对匮乏的自动语音识别(Automatic speech recognition, ASR)领域, 如面向电话交谈的语音识别系统中, 统计语言模型(Language model, LM)存在着严重的数据稀疏问题. 本文提出了一种基于等概率事件的采样语料生成算法, 自动生成领域相关的语料, 用来强化统计语言模型建模. 实验结果表明, 加入本算法生成的采样语料可以缓解语言模型的稀疏性, 从而提升整个语音识别系统的性能. 在开发集上语言模型的困惑度相对降低7.5%, 字错误率(Character error rate, CER)绝对降低0.2个点; 在测试集上语言模型的困惑度相对降低6%, 字错误率绝对降低0.4点.     

正交拉普拉斯语种识别方法

提出了一种正交拉普拉斯语种识别方法,即在提取语音的i-vector后,采用正交局部保持投影进行子空间映射,将信号整体空间映射到语言信息加信道信息子空间,然后对映射后的矢量进行信道补偿处理,最后用支持向量机进行识别. 尽管i-vector最大限度地保留了语音的声学信息,但是并没有发现这些信息之间的内在结构. 利用正交局部保持投影在去除声学无关信息的基础上,进一步发现声学特征的内在结构,能够有效地提高特征的区分性. 在对NIST LRE 2003测试数据库实验后,发现新方法相较于基线系统来说,平均代价降低了28.91%.     

基于GPGPU的实体表面实时提取

为实时提取三维实体表面,提出一种基于GPGPU并行计算的实体表面实时提取方法。在分析深度剥离算法原理和GPU图形绘制管线的基础上,给出在GPU上利用深度剥离算法实现实时提取三维实体表面的算法;通过OpenGL的高级着色语言GLSL控制GPU的图形绘制管线实现了该算法,给出其伪代码。以龙、叶轮和刀具扫描体的模型为应用实例验证了该算法效果良好,特别是对于刀具扫描体表面的提取,可满足实时性要求。     

基于自然语言生成的关联规则可视化方法

针对传统的关联规则蕴含式表示方式和图形可视化方法对非专家用户来说不易理解的问题,提出了一种新的基于自然语言生成的关联规则可视化方法。该方法将自然语言生成技术引入到关联规则可视化中,通过领域知识库中的解释模式将关联规则中每一项生成简单的自然语言句子,并经过句子规划、表层实现,最终生成流畅的自然语言句子。实验最终得出的结果,便于普通用户理解和应用,从而帮助用户获取更有价值的信息。     

基于灰度化及边缘检测算法的车牌识别技术研究

日益增长的车辆数量给车辆的管理带来前所未有的压力,车辆的智能化、信息化管理问题也愈来愈突出,车牌识别便是解决车辆智能化管理的有效技术手段之一。介绍车牌识别技术体系的整套解决方案,采用MatLab进行程序仿真,运用权值加重法和均值法对所提取车牌进行灰度化预处理,通过局部差分算法实现车牌图像的边缘检测识别。仿真结果表明该技术方案具有较好的可行性。     

Web服务质量建模及其正确性验证

针对现有的Web服务质量模型主要考虑的都是通用的服务质量属性,没有考虑特定的Web服务属性在评价中的作用,提出了一个新的Web服务质量模型,它引入了一个特定领域的服务质量属性,该模型包括三个子模型。模型中建立了相关的服务质量树和目标对象树,通过量化指标子模型对目标对象进行量化,形成相应的服务权重树。该模型既可适应用于单个的Web服务请求,也可以用于多个服务组合而成的请求。通过一个应用实例验证了模型的正确性和可用性。     

精确实验数据曲线方程的求解

针对精确实验数据的曲线拟合方程化处理方法已不再适应高精度测试技术的问题,提出了用三次样条插值函数进行曲线方程化处理的新方法,并创建了用MATLAB语言编写遗传算法程序进行曲线斜率求解的方法,通过实例表明,采用遗传算法求解出的三次样条插值函数非常适合精确实验数据的曲线方程化处理。