基于向量地址的数据中心网络数据面模型的研究

软件定义网络（Software Defined Network, SDN）是目前构建数据中心网络的一个研究热点,SDN可满足数据中心的集中管控、虚拟机部署与迁移等需求。但实现SDN优势的最大难题在于流量超大规模的优化问题,采用三态内容寻找存储器（TCAM）存储和查找流表带来了数据中心扩展性、成本和能耗的问题。为此,提出一种基于向量交换的数据中心数据面模型,即VADC(Vector Address Data Center),以一种源路由地址——向量地址（Vector Address,VA）作为数据包交换标签,VA定义了完整的通信路径。根据VA即可完成数据转发操作。VADC具有如下优点：（1）数据转发过程不再需要查表操作,交换机不必引入TCAM进行流表操作,解决了数据中心扩展性问题,交换机的复杂度和成本大幅度降低;（2）VADC简化了流的建立过程,新数据流建立时,无需下载流表至交换机,其消耗的控制信令数量约减少73%;（3）设计并实现了基于NetFPGA平台的VADC交换机,实验结果表明VADC交换机的硬件资源消耗约是OpenFlow交换机的28%。     

博斯腾湖流域水资源管理决策支持系统设计与实现

为了提高博斯腾湖流域水资源管理水平,设计开发了针对该流域的水资源管理决策支持系统。系统基于Microsoft.NET平台,采用Visual Studio、SQL Server、ArcGIS工具集开发,在流域“地-云-空”一体化监测体系和系统架构的基础上,构建了地图要素管理、基本水文信息、流域生态流量等主要模块,实现了流域空间可视化查询、实时流量动态模拟、流域生态基流计算以及水资源管理配置等功能。结合博斯腾湖流域1956—2019年水文资料及目前数据获取情况,系统可为不同发展模式下水资源管理提供多方面参考信息和技术支撑,能有效提高水资源管理部门决策效率。     

基于改进SBF模型的类比设计过程研究

类比设计是利用已有系统的问题解决方案或过程解决相似系统目标问题的创新设计方法。知识表征是类比设计的重要环节,为类比源检索和类比映射提供基础。针对结构-行为-功能(SBF)模型的不足,提出了改进的SBF建模规则,以更合理地表征设计知识。在此基础上,提出功能相似匹配和行为相似匹配的类比源检索方法,及以行为和结构映射为核心的4种类比映射路径,从而形成系统化的类比设计过程模型。该方法有助于设计者扩展设计空间,提高产品创新设计的效率。最后,以双导梁式架桥机的改进设计为例,验证上述研究的可用性和有效性。     

嵌入式Forth虚拟机架构的多任务调度算法设计与实现

针对嵌入式应用领域对操作系统在重构、扩展、移植、交互、安全、高效等方面日趋苛刻的现实需求及Forth系统所固有的特性,采用Forth虚拟机技术,对基于Forth虚拟机架构的嵌入式操作系统关键技术进行探索,提出一种具有良好扩展和移植特性、高效精简的基于Forth虚拟机架构的嵌入式多任务操作系统调度算法。该算法采用了以Forth虚拟机指令同步的协同式多任务调度机制,缩短了任务切换时间,将上下文切换操作简化为只需保存数据堆栈指针。实验结果表明,基于Forth虚拟机架构的多任务调度算法发挥了Forth系统所固有的特性,针对特定应用,提高了效率,适合资源有限的嵌入式环境。     

基于LDA和word2vec的英文作文跑题检测

针对目前国内的英语作文辅助批阅系统缺少准确而高效的跑题检测算法的问题,提出了一种结合LDA和Word2vec的跑题检测算法。该算法利用LDA模型对文档建模并通过Word2vec对文档训练,利用得到的文档主题和词语之间的语义关系,对文档中各主题及其特征词计算概率加权和,最终通过设定合理阈值筛选出跑题作文。实验中通过改变文档的主题数而得到的不同F值,确定了最佳主题数。实验结果表明所提出的方法比基于向量空间模型的方法更具有效性,可以检测到更多的跑题作文并且准确率较高,F值达到89%以上,实现了作文跑题检测的智能化处理,可以有效地应用在英语作文教学中。     

基于加权网络和局部适应度的蛋白质复合物识别算法

蛋白质复合物识别对分析蛋白质网络的结构特征和模块功能具有重要意义。通常在蛋白质网络中挖掘稠密子图或模块来识别其中的蛋白质复合物,限制了其应用范围和识别的准确性。针对该问题,提出了一种基于加权网络和局部适应度的蛋白质复合物识别算法,该算法综合稠密子图的密度指标和模块性定义了新的局部适应度函数,并基于边聚集系数构建加权的蛋白质网络,根据权值选择边,在加权蛋白质网络中将种子边不断聚类扩展,从而获取具有最大综合适应度的子图作为蛋白质复合物。在酵母蛋白质等多个实际网络中试验表明,该算法能够有效提升蛋白质复合物识别的准确性。     

基于图像分层树的图像语义分割方法

针对传统语义分割模型缺乏空间结构信息,无法准确地描述对象轮廓的问题,提出了一种基于图像分层树的图像语义分割方法。分层树模型采用结构森林方法生成轮廓模型,为防止过度分割,运用超度量轮廓图算法得到多尺度轮廓图,然后利用支持向量机训练多尺度轮廓图生成图像分层树,通过随机森林精炼分层树,最终输出图像语义分割结果。在测试实验中,像素精确度达到82.1%,相比区域选择方法(Selecting Regions)提升了2.7%。并在较难区分的树和山脉的预测精确度上,相比层次标记方法(Stacked Labeling)分别提升了16%,25%,具有更高的稳定性。实验结果表明,在复杂的室外环境下,对图像语义分割的精确度、稳定性和速率均有明显改善。     

基于ADASYN与AdaBoostSVM相结合的不平衡分类算法

对于平衡数据集支持向量机(support vector machine,SVM)通常具有很好的分类性能和泛化能力,然而对于不平衡数据集,SVM只能得到次优结果,针对该问题提出了一种基于SVM的AS-Ada Boost SVM分类算法.首先,通过使用ADASYN采样,提高少类样本在边界区域的密度;然后,使用基于径向基核支持向量机(radial basis function kernel mapping support vector machine,RBFSVM)模型弱分类器的Ada Boost SVM算法训练得到决策分类器.通过将该算法在各种不平衡数据集上的测试结果与单纯运用ADASYN技术、Ada Boost SVM、SMOTEBoost等其他分类器进行比较,验证了该算法的有效性和鲁棒性.     

用于文本情感极性分析的动态卷积神经网络超限学习算法

为改善动态卷积神经网络在文本情感分类方法中的泛化能力,提出了一种动态卷积超限学习算法.对动态卷积神经网络的输出层加以改进,使用浅层随机神经网络替代全连接层,利用参数随机生成的扰动性能,降低分类端对训练样本的依赖,避免过拟合,提升分类性能.在公共数据集上的实验证明:相对改进前的动态卷积学习算法以及超限学习机,所提出的方法在准确率、F1测度等多个标准指标上均体现了更优的分类性能.     

抗病毒类化合物结构与离解速率的关系

为了解决如何筛选出更加有效的抗病毒类化合物的问题,研究了离解速率(k_(off))与抗病毒类药物结构的关系,理论依据是k_(off)常用于评价药物在人体开放性系统中的活性.首先,应用分子描述符软件计算出每个抗病毒类化合物的分子描述符,并使用多元逐步回归分析法、偏最小二乘法和遗传算法3种方法对描述符进行筛选.然后,分别采用支持向量机和BP神经网络方法建立抗病毒类化合物的k_(off)的预测模型,并用测试集对模型进行了验证.结果表明:筛选出了具有良好预测能力的描述符,建立的2个预测模型经验证均合理,对未来抗病毒类药物的研制具有指导意义.