类属数据的贝叶斯聚类算法

针对类属型数据聚类中对象间距离函数定义的困难问题,提出一种基于贝叶斯概率估计的类属数据聚类算法。首先,提出一种属性加权的概率模型,在这个模型中每个类属属性被赋予一个反映其重要性的权重;其次,经过贝叶斯公式的变换,定义了基于最大似然估计的聚类优化目标函数,并提出了一种基于划分的聚类算法,该算法不再依赖于对象间的距离,而是根据对象与数据集划分间的加权似然进行聚类;第三,推导了计算属性权重的表达式,得出了类属型属性权重与其符号分布的信息熵成反比的结论。在实际数据和合成数据集上进行了实验,结果表明,与基于距离的现有聚类算法相比,所提算法提高了聚类精度,特别是在生物信息学数据上取得了5%~48%的提升幅度,并可以获得有实际意义的属性加权结果。     

SW26010处理器上的并行结构化稀疏三角方程组求解器

稀疏三角线性方程组求解(Sp TRSV)在科学与工程计算领域是比较重要的核心计算函数,其中基于结构化网格构造的线性方程组是Sp TRSV求解器经常遇到的一类问题.在国产神威?太湖之光超级计算机所配备的SW26010处理器上,Sp TRSV求解器通常需要结合该平台的架构特点,通过搭建一定的数据路由体系来满足各工作线程对未知量数据的需求.面向与结构化网格相关的稀疏三角方程组问题,提出一套适用于SW26010处理器的并行求解器.该求解器在任务划分阶段将各线程的数据依赖模式限制在相对可控的范围之内,并在无数据路由的条件下解决线程的通信问题,不仅消除了数据路由带来的额外通信开销,而且适用的问题范围也不再受数据路由规则的制约.经测试,针对多种不同类型的结构化网格问题,提出的求解器框架的平均访存带宽利用率达88.2%,部分问题的访存带宽可达平台峰值带宽的94.5%(24.5 GB/s),整体性能相比现有工作有较为明显的提高.     

基于负训练和迁移学习的关系抽取方法

远程监督是关系抽取任务中常用的数据自动标注方法,然而该方法会引入大量的噪声数据,从而影响模型的表现效果。为了解决噪声数据的问题,提出一种基于负训练和迁移学习的关系抽取方法。首先通过负训练的方法训练一个噪声数据识别模型;然后根据样本的预测概率值对噪声数据进行过滤和重新标注;最后利用迁移学习的方法解决远程监督存在的域偏移问题,从而进一步提升模型预测的精确率和召回率。以唐卡文化为基础,构建了具有民族特色的关系抽取数据集。实验结果表明,所提方法的F1值达到91.67%,相较于SENT(Sentence level distant relation Extraction via Negative Training)方法,提升了3.95个百分点,并且远高于基于BERT(Bidirectional Encoder RepresentationsfromTransformers)、BiLSTM+ATT(Bi-directionalLongShort-TermMemoryAndAttention)、PCNN(Piecewise Convolutional Neural Network)的关系抽取方法。     

基于卷积神经网络的火车站语音情感识别方法

近年来,卷积神经网络在图像、文本、语音分类等领域广泛使用,但现有的研究大多忽视了特定场所下语音情感识别的性能。针对上述问题,提出一种基于卷积神经网络(CNN)的火车站语音情感识别模型。模型首先提取每条语音的梅尔倒谱系数(MFCC)特征,然后把提取的特征矩阵送到卷积神经网络训练,最后由网络输出每个语音的所属类别。此外在模型的输出层加入了置信度的设置,认为每一条语音属于某类别的概率大于90%则是可信的,否则不可信。实验结果表明,与循环神经网络(RNN)和多层感知器(MLP)相比,上述模型准确率更高。所提出的方法为深度学习技术在语音情感识别中的应用及火车站等场所危险情况的预警提供了一定的借鉴。     

基于非下采样三通道不可分对称小波的多光谱图像融合

针对IHS变换融合方法不能保持好的光谱信息,张量积小波变换融合方法生成的融合结果图像空间分辨率偏低、且易产生方块效应等不足.提出了一种基于三通道不可分对称小波的多光谱图像融合方法.利用矩阵扩充的方法,给出了三通道不可分对称小波滤波器组的构造方法,用所构造的不可分小波滤波器组分别对多光谱图像的亮度分量和全色图像作非下采样...     

Piccolo算法的差分故障分析

Piccolo算法是CHES 2011上提出的一个轻量级分组密码算法,它的分组长度为64- bit,密钥长度为80/128-bit,对应迭代轮数为25/31轮.Piccolo算法采用一种广义Feistel结构的变种,轮变换包括轮函数S-P-S和轮置换RP,能够较好地抵抗差分分析、线性分析等传统密码攻击方法.该文将Piccolo算法的S-P-S函数视为超级S盒(Super Sbox),采用面向半字节的随机故障模型,提出了一种针对Piccolo-80算法的差分故障分析方法.理论分析和实验结果表明:通过在算法第24轮输入的第1个和第3个寄存器各诱导1次随机半字节故障,能够将Piccolo-80算法的密钥空间缩小至约22-bit.因此,为安全使用Piccolo算法,在其实现时必须做一定的防护措施.     

邻域等价关系诱导的改进ID3决策树算法

经典ID3决策树算法适用于离散型数据分类,但用于连续处理时需要数据离散化容易导致信息损失。提出邻域等价关系从而诱导邻域ID3(NID3)决策树算法,NID3算法改进了ID3决策树算法,能够直接实施连续预测并获取更好的分类效果。在邻域决策系统中,挖掘一种邻域等价关系;基于邻域等价粒化,构建邻域信息度量;基于邻域信息增益,设计NID3决策树算法。实例分析与数据实验均表明,NID3算法具有连续数据分类预测有效性,在分类机器学习中优于ID3算法。     

离散奇异时滞系统时滞依赖稳定性分析与镇定

分别研究了离散奇异时滞系统时滞依赖稳定性分析与镇定问题. 首先给出了一个新的离散奇异时滞系统时滞依赖容许性充分条件. 经过证明, 所提出的方法与现有结论相比, 具有一定的优势. 然后, 运用矩阵理论技巧,设计出状态反馈控制器保证闭环离散奇异时滞系统是容许的. 最后,两个数值例子说明了所用方法的有效性.     

谐振法测量圆管状样品复介电常数典型结构的解析模型

针对圆环形介质元件制作在线监测的需要,提出用谐振法直接测试圆管状绝缘介质复介电常数的思路。提出4种可能的谐振结构形式,其中推演介质加载圆柱腔TM010模式谐振的解析模型,深入分析国外文献关于介质加载圆柱腔TE011模式谐振问题的理论结果,并对介质加载圆形同轴腔的特性方程用于复介电常数测量的问题进行探讨。对各个解析模型进行计算,并相应地与文献的实验结果进行对照,吻合良好。结果表明:TM010模式的解析模型正确;谐振特性参数对加载介质复介电常数(εr=1~80,tanδ=10~(-5)~10~(-4))的敏感性随结构的不同而不同。最终得出:圆柱腔TM010模式可用在谐振法测试圆管状绝缘介质元件的复介电常数中。     

基于核相关滤波器的SAR车辆目标检测与识别

针对合成孔径雷达(Synthetic Aperture Radar, SAR)目标检测与识别方法对目标方位角敏感的问题,该文基于相关滤波器理论与核特征分析方法,提出一种对SAR目标方位角具有较强鲁棒性的核相关滤波器。该滤波器使用特征向量降低了对训练图像的依赖性,利用目标在非线性空间的高维特征提高了识别能力,并利用核函数解决了高维矢量的内积计算问题。MSTAR实测SAR图像数据的对比实验结果表明,该文所提出的滤波器在低虚警概率下,能够保持较高的检测概率,并且对目标方位角失真具有较强的容忍性,不需要存储目标模板和估计目标方位角,就能够实现高准确率的目标检测与识别。