个性化广告推荐系统及其应用研究

近年来,随着互联网及智能移动设备的发展和普及,丰富了广告的推送方式和投放平台.但是传统的广告推送无法满足用户对个性化广告的需求,导致用户对广告产生抵触情绪,给广告推送带来极大的挑战.个性化广告推荐系统作为应对这些挑战的有效手段,成为个性化服务领域的研究热点之一.个性化广告推荐系统获取用户兴趣偏好,利用多种个性化广告推荐技术,通过PC端、移动终端等多平台为用户提供个性化广告,并且已经在一些应用系统中取得不错的效果.本文对个性化广告推荐系统的研究进展进行系统地综述,从个性化广告推荐的概述出发,对近年来个性化广告推荐的关键技术进行深入分析,包括数据采集与预处理、用户偏好获取、个性化广告推荐技术等.统计分析了个性化广告推荐中使用的多种数据集和评价指标,总结当前个性化广告推荐在传统互联网、移动服务、数字标牌、IPTV等场景下的应用.最后对个性化广告推荐系统存在问题和未来深入研究的方向进行讨论和展望.     

基于半监督深度学习的木马流量检测方法

针对木马流量检测技术存在人工提取特征不够准确、大量标记样本获取困难、无标记样本没有充分利用、模型对于未知样本识别率较低等问题,提出基于半监督深度学习的木马流量检测方法,利用大量未标记网络流量用于模型训练.首先,采用基于mean teacher模型的检测方法提高检测准确率;然后,为解决mean teacher模型中采用随机噪声导致模型泛化能力不足的问题,提出基于虚拟对抗mean teacher模型的检测方法;最后,通过实验验证所提半监督深度学习检测方法在少标记样本下的二分类、多分类以及未知样本检测任务中具有更高的准确率.此外,基于虚拟对抗mean teacher模型的检测方法在多分类任务中比原始mean teacher模型表现出更强的泛化性能.     

基于图像和视频信息的社交关系理解研究综述

随着多媒体技术的快速发展,互联网上涌现了大量的文本、图像、视频、音频等多媒体数据.多媒体数据的特点表现为形式上多源异构、语义上互相联系.基于多媒体信息的社交关系理解是利用各种手段和方法从海量异构的多媒体数据中挖掘出有价值的信息,帮助人们快速地理解多媒体信息中的社交关系,促进多媒体内容理解、人物追踪、知识图谱的构建等多媒体数据检索和智能商业服务的发展.图像和视频是多媒体信息的重要组成部分,基于图像和视频信息的社交关系理解研究逐渐引起了学术界和工业界的广泛关注.本文主要对近年来基于图像和视频信息的社交关系理解的分类和研究现状进行总结.首先,给出问题定义并对基于图像和视频信息的社交关系理解过程进行介绍.其次,从图像和视频两个角度概括总结社交关系理解的主要研究现状.然后,在介绍已有的图像和视频数据集的基础上,对现有的主要算法进行比较分析.最后,对基于图像和视频信息的社交关系理解中的主要问题和挑战作进一步阐述.本文旨在为感兴趣的研究人员提供有益的参考,帮助其更全面地了解基于图像和视频信息的社交关系理解的研究现状,推动该领域的进一步发展.     

基于刚性平面布局的折痕设计

折叠是近年来柔性机器人领域的研究热点之一.在折痕设计方法中,针对平面布局误差大、分布不均和折痕复杂等问题,提出基于刚性平面布局的折痕设计方法,可在无剪切、拉伸和粘贴的约束下,实现三角网格模型的顶点折痕和边折痕设计.首先,基于ARAP刚性局部参数化拆解三角网格模型,并以最优旋转和平移变换实现刚性平面布局,将三角网格模型拆分为参数平面空间内均匀分布、互不相连的三角面片;然后,构造边折痕,并基于增量法Voronoi和站点约束筛选有效站点,并以其构造顶点折痕;最后,将局部折痕嵌入平面布局,实现三角网格模型完整的折痕设计.在相同环境下对LSCM、均值参数化方法以及文中方法的平面布局误差值进行比对分析,同时对平面布局过程中的能量值,以及平面布局结果的有效值进行分析.结果表明,文中方法平面布局误差较低,稳定性较高,三角面片空间分布较为均匀,适用于较大规模的三角网格模型.     

基于深度学习的3维点云处理综述

深度学习在2维图像等结构化数据处理中表现出了优越性能,对非结构化的点云数据分析处理的潜力已经成为计算机图形学的重要研究方向,并在机器人、自动驾驶、虚拟及增强现实等领域取得一定进展.通过回顾近年来3维点云处理任务的主要研究问题,围绕深度学习在3维点云形状分析、结构提取、检测和修复等方向的应用,总结整理了典型算法.介绍了点云拓扑结构的提取方法,然后对比分析了变换、分类分割、检测跟踪、姿态估计等方向的以构建神经网络为主要研究方法的进展.最后,总结常用的3维点云公开数据集,分析对比了各类方法的特点与评价指标,指出其优势与不足,并从不同角度对基于深度学习的方法处理点云数据所面临的挑战与发展方向进行了讨论.