面向健康问答社区的语义检索技术研究与分析

本文以Axiomatic检索模型为基础,利用Word2Vec在健康问答数据集上训练出的词向量来衡量词语语义相似度,来实现对问答数据的语义检索。此外,实验对比了不同的词义相似度计算方法在不同数据集下的检索效果,并分析了使用外部词典作为词义相似度计算方法时存在不足的原因,结果表明本文的检索方法能够有效地提升检索准确率。     

基于自监督聚类算法的小样本医学图像分类

基于深度学习的医学图像分析是智慧医疗的一个重要方向。但是通常情况下,医学图像数据集数据量很小,而且由于医学图像的标注困难,耗费大量人力物力,所以带标签的训练数据很难获取。如何使用极少的带标签数据和无标签的数据得到一个较好的网络模型是本文的主要研究内容。该文提出基于深度聚类的自监督网络模型作为特征提取器,并且使用标签传播算法对特征进行分类,解决了只有极少量标签(例如1张,5张或者10张)即小样本情况下的医学图像分类问题,在BreakHis数据集上取得了比传统机器学习算法更好的效果,并且接近于全监督学习方法。     

无人机群目标搜索的主动感知方法

为提升蚁群搜索算法在规模大的栅格环境中对未知目标的搜索效率,提出基于蚁群算法的主动感知搜索框架。该框架通过应用历史环境信息来选择无人机的运动方式,并由无人机运动方式和感知域信息得到新的环境信息,从而实现无人机群的智能自动化搜索功能。新方法计算出一种具有探索偏好的未搜索概率,可使无人机搜索时偏向未搜索程度高的栅格,以此来提高算法的搜索能力。同时,以未搜索概率和信息素作为运动方式决策的依据来建立一种新的运动方式选择机制。该机制不仅考虑了目标可能出现的区域,又可兼顾未知区域,从而可实现无目标先验信息条件下的搜索过程。仿真结果表明,此算法在规模大的栅格环境中,与现有算法相比具有更高的搜索效率,并且得到的目标分布信息将更加全面。     

一种快速KNN文本分类算法

KNN(K-Nearest Neighbor)是向量空间模型中最好的文本分类算法之一。但是,当样本集较大以及文本向量维数较多时,KNN算法分类的效率就会大大降低。该文提出了一种提高KNN分类效率的改进算法。算法在训练过程中计算出各类文本的分布范围,在分类过程中,根据待分类文本向量在样本空间中的分布位置,缩小其K最近邻搜索范围。实验表明改进的算法可以在保持KNN分类性能基本不变的情况下,显著提高分类效率。     

基于硬环境的动态FPGA测试平台架构设计

FPGA在可编程嵌入式系统领域起到了至关重要的作用。FPGA不仅内部结构复杂,而且随着电路集成规模和管脚规模的日渐剧增,针对FPGA的测试的难度逐渐加大。在分析和比较主流测试方法的基础上,结合实际项目中的设计,介绍了基于硬环境的FPGA测试平台的整体架构和各模块的功能,突出测试平台的动态性和测试的完备性。     

面向国际工程教育认证的计算机图形学课程设计及其中外案例分析

工程教育是国家现代化的基石,我国于2016年6月正式成为《华盛顿协议》会员,标志着我国的高等教育与国际工程教育接轨,进入一个新的发展阶段。当前高校的许多课程设计教学还无法完全符合工程教育认证的要求,关于以学生为中心、培养目标、毕业要求和持续改进等许多方面亟待提升。因此,目前我国的高等工程教育中机遇和挑战并存。以一门计算机学科的主要专业选修课程《计算机图形学》为例,面向国际工程教育认证的要求探讨如何进行针对性的课程改革和设计,以及其实际授课效果。将实践经验与发达国家一流水平高校(以荷兰代尔夫特理工大学为例)进行对比从而找出差异,并对未来的进一步教学改革提出一些合理化的建议。     

基于TLA的UML模型形式化验证

统一建模语言(UML)不能直接对所建立模型的正确性进行形式化验证。为解决上述问题,从UML模型的静态结构和动态行为 2个方面分别提出结合行为时序逻辑(TLA)的模型形式化方法,在此基础上提出将UML模型转化为TLA+的形式化描述方法,并用TLC工具形式化检测TLA+描述的正确性。通过实例分析证明了该方法的有效性。     

基于编织算法的复线高速磁浮列车运行图铺画方法

根据高速磁浮线路结构和运行控制系统的特点,建立了复线高速磁浮列车运行图编制模型,设计了编织算法对模型进行求解。该算法严格按照列车在各车站的发车时间顺序,对上、下行列车运行线如同“织毛衣”般交叉铺画,在遇到列车冲突时通过更改列车路由和增加发车间隔等方法予以及时化解,逐步得到整体优化的列车运行图。算例分析表明,该方法优化速度快,能够有效地进行高速磁浮列车运行图的铺画。     

主动协同半监督粗糙集分类模型

粗糙集理论是一种有监督学习模型,一般需要适量有标记的数据来训练分类器。但现实一些问题往往存在大量无标记的数据,而有标记数据由于标记代价过大较为稀少。文中结合主动学习和协同训练理论,提出一种可有效利用无标记数据提升分类性能的半监督粗糙集模型。该模型利用半监督属性约简算法提取两个差异性较大的约简构造基分类器,然后基于主动学习思想在无标记数据中选择两分类器分歧较大的样本进行人工标注,并将更新后的分类器交互协同学习。UCI数据集实验对比分析表明,该模型能明显提高分类学习性能,甚至能达到数据集的最优值。     

一种新的基于改进型D-S证据理论的P2P信任模型

在大规模对等网(P2P)文件共享环境中,节点之间信任问题亟需解决。该文提出一种基于改进型D-S证据理论的P2P信任模型,给出了该模型的数学分析和抑制各类恶意节点攻击的措施。实验证明该算法较已有的一些信任机制在系统成功交易率、模型的安全性等问题上有较大改进。