重构约束的离散矩阵因式分解跨模态哈希

针对目前跨模态哈希方法中存在的哈希码鲁棒性不足、量化误差较大的问题,提出一种重构约束的离散矩阵因式分解哈希算法.通过矩阵因式分解直接学习多模态数据的离散深层潜在语义,避免松弛-量化产生的大量误差;将学习的深层语义重构回原始数据,降低数据中冗余信息的影响,加强哈希码的鲁棒性与可区分性.该算法在Wiki、NUS-WIDE和MirFlickr-25 k这3个公开的基准数据集上与最近相关的算法进行实验比较,实验结果表明,所提方法在检索精度和效率上有明显优势.     

多周期家庭护理的路径规划与调度算法

在家庭护理服务质量方面,现有研究大多考虑老人的服务需求是否得到满足、服务是否及时、老人对服务是否满意等因素,忽略了老人在选择护工上的偏好习惯。提出带服务约束的多周期家庭护理路径规划与调度问题,并将其归约为多车场车辆路径优化问题,证明该问题的NP难解性。为了在老人提供的黑名单、必选服务技能、服务价格等约束下最优化家庭护理机构的服务质量,提出贪心算法,优先为服务开始时间早的老人提供服务,为老人安排最高服务质量的护工。以贪心算法求得的结果作为初始解,并针对该问题的多周期性质,定制一个遗传算法对初始解进行优化,以获得更优的多周期护工路径规划方案。在3组不同规模的开源数据集上进行实验,结果表明,与基准算法和随机算法相比,所提出的贪心算法将服务质量分别提高了31.7%和79.8%,定制的遗传算法将服务质量分别提高了65.7%和126.3%。     

车联网中改进粒子群算法的任务卸载策略

当前,多数车联网任务卸载工作仅考虑时延因素将任务卸载至边缘服务器执行(LOCAL-MEC),但是,车载单元仍有一定的计算能力可以利用.针对上述问题,研究了任务卸载的总代价即时延和能耗两个目标,提出一个将车辆自身的计算单元、附近车辆的计算单元与边缘服务器协同计算的任务卸载模型.该模型既考虑了任务的优先关系,又同时考虑了系统的时延和能耗.通过借鉴模拟退火算法思想并引入压缩因子改进粒子群算法来实现任务卸载.实验结果表明:与其他任务卸载策略相比,提出的任务卸载策略优化效果明显,TPSO算法的总代价为传统粒子群算法的53.8％、LOCAL-MEC策略的27.1％、DCOS(distributed computation offloading scheme)算法的78％,并且适用于多种现实场景.     

基于跨模态门控机制和改进融合方法的多模态情感分析

如何有效挖掘单模态表征并实现多模态信息的充分融合是多模态情感分析研究的重点之一。针对多模态情感分析中的模态间噪声和多模态特征融合不充分等问题,提出一种基于跨模态门控机制和改进融合方法的多模态情感分析模型。首先,利用跨模态门控机制去除模态间噪声,提取互补信息以增强模态表示。然后,利用权重和相似约束分别关注不同模态情感贡献的差异性和情感表达的一致性。最后,结合模态的多层次表示获得情感分析的结果。在三个公开数据集上的实验结果表明,所提模型是有效的,相比已有一些模型取得了更好的性能。     

基于差异频度的类别空间模型的二值分类

针对目前文本分类中对向量空间模型的依赖以及文档频率（DF）特征提取方法在二值分类方面的不足,提出了基于差异频度的类别空间模型的二值分类方法,该方法突破了向量空间模型的限制,采用改进DF的差异频度方法进行特征提取,实现了二值分类功能。实验结果表明,改进的方法是有效的,其分类结果中精确率、召回率、F1测试值均有改善,提高了分类的准确率。并且本文的方法在其他领域的二值分类中同样值得借鉴。     

基于情感极性与SMOTE过采样的虚假评论识别方法*

为了有效识别商品虚假评论,提出一种基于情感极性与SMOTE过采样的虚假评论识别方法。首先,根据在线虚假评论的特点,构建一个多维虚假评论特征模型。其次,在情感极性算法中增加了情感极性均值和情感极性标准差等统计指标来全面刻画虚假评论。最后,针对虚假评论中的类不平衡问题,使用SMOTE算法优化随机森林分类模型,从而提高虚假评论识别效果。基于大众点评网的真实评论数据进行了多组实验,实验结果表明该方法在正负样本不平衡的虚假评论数据集中具有更高的准确率、召回率及F值。综合考虑情感极性和正负样本不平衡等因素可帮助电商平台有效过滤虚假评论,为消费者提供更加真实可靠的评论数据。     

一种基于数据库去除网页噪音的有效方法

由于网页中大都包含有如广告、版权信息、导航链接等噪音,严重影响了网页数据的自动收集和挖掘.通过一种基于数据库去除网页噪音的有效方法,对网页噪音的处理不用将内容全部放入内存中,而是根据数据库中保存的table和div容器包含内容重复度进行消除噪音操作,一定程度上达到了净化网页的目的.将此方法应用于基于差异频度的类别空间模型的二值分类,结果表明本文提出的网页去噪方法是有效的,并且分类的正确率有了一定的改进.     

无线传感器网络中基于扇形的非匀均分簇路由协议

针对无线传感器网络分簇多跳路由协议中靠近基站的簇头节点容易死亡的缺点,提出一种基于扇形的能量匀衡的非匀均分簇路由协议EBUCBS(Energy-Balancing Unequal Clustering Routing Protocol Based on the Sector).EBUCBS协议采用固定分簇方式能减少重复分簇给网络带来的额外能量损失,且靠近基站的簇的规模小于远离基站的簇规模,使靠近基站的簇头有足够的能量转发信息而不容易死亡,均衡了网络能量负载.Matlab仿真实验表明:与LEACH协议、EEUC协议相比EBUCBS协议有效延长了网络生存时间.     

基于Android手机的电波信号强度采集分析系统

区域信号覆盖是无线通讯需要解决的关键问题,本文设计了一种基于Android平台的无线信号强度采集及分析系统,为覆盖优化提供依据。本系统基于3S技术获取采集点及信号源定位,采用flody算法设定采集路径,通过GIS直观地反映区域信号覆盖情况。经过测试表明,设备方便携带,系统稳定,有很好的可移植性,具有较大实用价值。     

基于预测与排序的大容量可逆水印算法

针对大多数情况下可逆水印算法需要位图的情况,提出了一个不需要位图的可逆水印算法。该算法使用一种新的基于高效排序的全邻预测算法,经过排序以后形成预测误差集合,可以在很低失真度的情况下嵌入数据。实验的结果表明,该算法优于现有的可逆水印算法,并可以在具有较小失真度的情况下嵌入大量的数据。