一种基于邻居信息的最大派系过滤算法

最大派系问题(Maximal Clique Problem, MCP)是组合优化中经典而重要的问题之一,在信息抽取、信号传输、计算机视觉、社会网络及生物信息学等众多领域有着重要的应用。学者们根据不同的思想策略,提出了许多方法求解最大派系问题,如分支定界、遗传算法、模拟退火、交又嫡及DNA方法等。现根据派系的部居信息提出一种基于派系邻接顶点和邻接边的派系过滤算法。算法从一个已知派系(初始为一个单独顶点)出发,每次考察派系的部接顶点,并以派系的邻接边为基础,扩展已有派系而得到更大的派系。用两个大规模的科学家合作网络对提出的算法进行了分析,并讨论了大规模社会网络中的派系分布情况。实验表明,提出的算法可有效地抽取网络中的最大派系。     

基于选择性集成的最大化软间隔算法?

当前,boosting 集成学习算法研究主要集中于最大化弱学习器凸组合的间隔或软间隔,该凸组合几乎使用了生成的所有弱学习器,然而这些弱学习器间存在大量的相关性和冗余,增加了训练和分类过程的时空复杂度.针对这一问题,在LPBoost基础上提出了一种选择性boosting集成学习算法,称为SelectedBoost.在每次迭代生成新的弱学习器以后,通过计算新生成的弱学习器与已有弱学习器的相关度和差异度,并结合当前集成的强学习器的准确率来判断是否选择该弱学习器.另外,当前的一系列boosting算法(如AdaBoost,LPBoost,ERLPBoost等),本质上是基于已生成的1个或者多个弱学习器来更新样本权重,但与弱学习器相比,强学习器更能代表当前的决策面.因此, SelectedBoost 通过在带约束的间隔最大化问题中引入更加严格的强学习器边界约束条件,使得该算法不仅参考弱学习器边界,同时还参考已生成的强学习器来更新样本权重,进而提高算法的收敛速度.最后,与其他有代表性的集成学习算法进行实验比较,结果表明,该方法在收敛率、分类准确性以及泛化能力等方面均具有比较明显的优势.     

基于前景提取的复杂背景图像检索算法

基于内容的图像检索提供给使用者一种更直观、更精准的检索方式。用户在进行此类检索时,往往更关注图像的主体部分。为了消除背景信息对检索效果的影响,提出一种基于前景提取的复杂背景图像检索算法。实验证明,在H-S颜色直方图、LBP纹理特征以及颜色纹理混合特征上,该算法可以得到较优化的性能。     

基于快速ICA的混合语音信号分离

介绍了独立分量分析的原理、算法及其特点。考虑到在语音分离中，声音信号复杂多样，但是不同语音源信号保持相对独立的特点，利用盲信号分离的思想，使用改进的FastICA方法用于语音信号分离，以获得独立的声音文件。文中使用两个声音文件做实验，取得了比较满意的效果。     

基于集成学习的个性化推荐算法

在2009年结束的Netflix推荐大赛中,由于顶级参赛小组均使用集成学习算法,使得基于Bagging和Stacking的Ensemble方法得到了广泛的关注,而基于Boosting的集成学习方法相对来说却无人问津。首先分析了基于Boosting的集成学习算法在分类问题中的优势,以及在推荐问题上的缺陷。通过对用户评分矩阵的简化和分解,将问题转换为简单的分类问题,使得Boosting的集成学习算法能够应用到推荐问题中,提出了基于KNN的集成学习推荐算法,通过集成多个不同的相似度计算方法来提高最终的推荐准确率。在大规模真实数据集上的实验说明,基于Boosting的学习框架可以较大提升单个推荐算法的性能。     

Internet数据库访问技术

讨论并比较了Internet数据库访问的两层和三层两种模式,描述了实现Internet数据库的CGI、API、JDBC三种方式。通过理论分析和数据测试,说明了在对Internet数据库访问性能上,JDBC方式优于CGI方式,API方式优于JDBC方式。     

基于自增长型多级自组织映射网络的模式识别

以自组织映射网络为主要研究对象，描述了自组织映射网络的基本模型。在传统自组织映射网络的基础上，提出了基于自增长型多级自组织映射网络的模式识别方法，能够解决传统自组织映射网的静态结构带来的诸多问题，如在进行训练前必须预先确定网络的模型和神经元数目及其排列方式，若一次分类不准确将严重影响分析结果，等等。而且这种多级结构，还能将输入数据中存在的分级信息直观地表示出来，对于高维数据的分析尤其有利，因此自增长型多级自组织映射网络对大规模模式识别的研究一定会产生极大的促进作用。     

并行编程模式及分析

讨论了主从模型、单控制流多数据流、分治策略、数据流水线、投机策略、混合模型六种并行编程模型的结构和工作方式、性能及特点,分析统计了大量应用程序。指出了并行程序设计中,并行编程模式的选择直接影响了并行程序的正确性和效率,而主从模型和单控制流多数据流在整体性能上最优,程序执行效率也最好,是两种最常用的并行编程模型。     

主机身份标识协议在异质无线网络中的应用

未来的无线通信网络是一种不同无线技术和网络体系相结合的异质网络环境,同质无线网络的技术已不适合异质网络的发展。该文论述异质网络的移动管理和通信安全,利用主机身份标识协议(HIP)与上层协议的结合来实现技术要求,提出用HIP-SIP模型进行移动管理,在TCP-HIP模型上利用IPsec机制来保障通信安全。     

基于模板的Web信息自动提取方法*

为了解决传统Web信息提取过程中准确率和效率相矛盾的问题,提出了一种基于模板与机器自动识别相结合的Web信息自动提取方法。该方法先利用一组启发式规则自动识别HTML文本中不同属性信息之间的分隔符,再把它们配置到模板中,然后根据模板分析相同类型的网页,最后以话题线索的方式存储。实验结果表明,与传统的Web信息提取方法相比,本方法能够处理多种结构类型的网页,同时能够在很大程度上提高准确率、召回率和效率;并且可以在不需要修改算法的情况下根据用户需求动态提取相关信息,满足各方面研究的需要。