基于支持向量机技术的垃圾邮件过滤系统

使用基于统计学习理论的支持向量机(Support Vector Machine,SVM)技术来构造垃圾邮件过滤系统.利用2个公开的邮件语料PU1和PU2来训练和测试过滤系统的性能.实验首先测试了语料的6种数据子集对过滤系统的分类错误率的影响情况,随后考察了采用不同类型核函数的SVMs准确率性能,最后考察了采用不同特征规模的数据集对过滤系统的影响.实验结果表明SVM技术是解决垃圾邮件过滤问题的一种很有效的方法.     

基于Modbus双层网络的智能设备控制系统

为解决远程控制系统实时性弱、可靠性差、操作复杂和资源不能有效共享等问题,以及实现自动化系统的双向式、数字化及多层次通信网络,本项目基于Modbus/TCP与Modbus/RTU协议的双层网络通信结构,开发了一种自动化控制系统。     

基于多种群的自适应迁移PSO算法

针对标准PSO中单一社会学习模式造成的算法容易陷入局部最优和后期收敛速度慢等问题,提出了一种基于多种群的自适应迁移PSO算法（Multi-population based self-adaptive migration PSO,MSMPSO）.通过融合两种常用的邻居拓扑结构,赋予个体更多的信息来源;在多个子种群并行进化的基础上,利用不同加速因子的组合赋予各子种群不同的搜索特性,进而通过周期性对子种群的历史性能进行评估,以此为基础指导个体的迁移操作,实现子种群间的协作与计算资源的合理分配,并最终提升算法的综合性能.对CEC2013测试函数的优化结果表明,MSMPSO在求解精度、收敛速度等方面均表现出较好的性能.     

基于主动样本精选与跨模态语义挖掘的图像情感分析

图像情感分析是机器视觉领域的研究热点,它面临的关键问题是:标注者的主观差异导致情感标签明确的高质量样本匮乏,且异构图像特征间跨模态语义未有效利用.为此,提出基于主动样本精选与跨模态语义挖掘的图像情感分析模型ASRF²(active sample refinement & feature fusion):融合主动学习与样本精选思想,设计主动样本精选策略,优选情感标签明确的样本;对异构图像特征执行判别相关分析,生成能准确刻画图像情感内容的低维跨模态语义;采用跨模态语义训练Catboost模型,实现图像情感分析.在TwitterI与FI数据集上验证ASRF²模型,识别准确率分别达90.06%和75.77%,优于主流基线且实时效率良好.与基线相比,ASRF²模型仅需两类特征,参数调制简单,更易复现.ASR策略还具备一定的泛化性,可为基线模型提供优质训练样本,以改善识别性能.     

基于差分进化的因子分解机算法

因子分解机(Factorization Machine,FM) 算法是一种基于矩阵分解的机器学习算法,可用于求解回归、分类和排序等问题。FM模型中的参数求解使用的是基于梯度的优化方法,然而在样本较少的情况下,该优化方法收敛速度慢,且易陷入局部最优。差分进化算法(Differential Evolution,DE)是一种启发式的全局优化算法,具有收敛速度快等特性。为提高FM模型的训练速度,利用DE计算FM模型参数,提出了DE-FM算法。在数据集Diabetes、HorseColic以及音乐分类数据集Music上的实验结果表明,改进后的基于差分进化的因子分解机算法DE-FM在训练速度和准确性上均有所提高。     

城市路网多路口路径动态实时选择方法

为了缓解城市交通拥堵问题,如何充分利用现有的道路资源进行有效的路线导航,一直是学者们关心的热点问题.现有的研究方法包括：优化交通灯信号周期以增大交通流量;对个别车辆的行驶路线进行优化;利用历史交通数据或者通过路网中心和车辆之间的主从式博弈进行路径导航等.然而,这些研究并没有考虑到微观行驶车辆的个性化交通需求以及多车辆彼此之间的路线选择冲突,对于城市路网中交通状况的动态不确定性也没有充分考虑.基于以上问题,提出了城市交通路网动态实时多路口路径选择模型DR²SM（dynamic and real-time route selection model in urban traffic networks）,结合车辆对前方可选路线的偏好以及可选路线的实时交通状况,并利用自适应学习算法SALA（self-adaptive learning algorithm）进行博弈,以使得各行驶车辆的动态路线选择策略达到Nash均衡.     

基于深度学习的人群计数研究综述

人群计数旨在估计图像或视频中人群的数量、密度或分布,属于目标计数(object counting)领域的研究范畴,广泛应用于人群行为分析、公共安全管理之中,以便及时发现人群拥挤或异常行为,避免事故发生.鉴于人群计数系统强大的实用性,自21世纪以来,研究者对其方法及应用进行了大量广泛的研究.近年来,深度学习技术发展迅猛,很多工作发现深度学习技术可以有效地解决人群计数系统存在的一系列关键问题,例如跨场景计数、透视畸变、尺度变化等.因此,对基于深度学习的人群计数这一研究领域进行回顾、分析和展望.具体地,首先从概念、步骤、方法等维度详细介绍人群计数模型,分析基于传统方法和基于深度学习方法这2类人群计数模型的差异.然后,从计数网络结构、ground-truth生成、损失函数、评价指标这4个方面阐述基于深度学习的人群计数模型的研究现状.最后,比较分析了各种人群计数数据集的特点,并探讨和展望人群计数领域未来可能的研究方向.     

基于区块链的用电数据存储方案

针对智能电网用电数据存储系统中用电数据的安全问题,结合区块链共识机制、加密机制、对等网络和云存储技术,提出一种基于区块链的用电数据云存储方案,以确保用电数据的安全存储和共享.通过实用拜占庭协议,实现网络节点的共识,访问控制机制实现用电数据信息的共享,区块链存储用电数据的公共信息,并将用电数据的真实数据加密存储在数据库或云存储中,方便有效地实现敏感用户用电数据的存储和系统间的信息共享.在联盟链的环境下选取若干网络节点进行性能测试,通过安全性分析表明,该方案能安全、可靠地存储用电数据并且大大降低了网络节点的计算开销.     

高校辅导员胜任力的评估与研究

为了探讨高校辅导员的胜任力模型,从高校辅导员胜任力评估的内涵和特点,分析部分高校辅导员胜任力评估方案,从中提炼出辅导员选聘、培训、管理和奖惩的胜任力模型,在实证研究基础上,重构高校辅导员的胜任力评估方案.高校辅导员胜任力评估由潜在的个人素质和显现的业绩数据组成,增进辅导员职业态度、知识技能和人格魅力等隐性胜任力,比其结果考核更为重要.