采用CNN和Bidirectional GRU的时间序列分类研究

时间序列数据具有非离散性、数据之间的时序相关性、特征空间维度大等特点,当前大多数分类方法需要经过复杂的数据处理或特征工程,未考虑到时间序列具有不同时间尺度特征以及序列数据之间的时序依赖。通过结合卷积神经网络和循环神经网络中的双向门控循环单元,提出了一个新的端对端深度学习神经网络模型BiGRU-FCN,不需要对数据进行复杂的预处理,并且通过不同的网络运算来获取多种特征信息,如卷积神经网络在时序信息上的空间特征以及双向循环神经网络在序列上的双向时序依赖特征,对单维时间序列进行分类。在大量的基准数据集上对模型进行实验与评估,实验结果表明,与现有的多种方法相比,所提出的模型具有更高的准确率,具有很好的分类效果。     

基于GGInformer模型的多维时间序列特征提取与预测研究

随着大数据与物联网技术的迅猛发展,多维时间序列数据的应用范围变得更加广泛。面对大量的非线性、高维冗余特征的复杂时间序列,传统的时间序列分析方法已经不能很好地解决多维时间序列的复杂高维特征问题,从而导致预测效果欠佳。针对以上问题,通过对遗传算法和Informer模型进行改进,并融合GRU网络,提出了GGInformer模型。该模型不仅可以有效提取多维时间序列的关键特征,而且较好地解决了长程依赖问题。为了验证模型的预测能力,选取了2种实际数据集与3种公共基准数据集进行实验,相比较Informer基准模型,GGInformer模型在5种数据集上的MSE分别降低了22%,13%,20%,23%和38%。实验结果表明,GGInformer模型可以有效解决多维时间序列数据的复杂特征提取问题,并可以进一步提高时序预测能力。     

使用孪生注意力机制的生成对抗网络的研究

生成对抗网络(GAN)能够生成逼真的图像,已成为生成模型中的一个研究热点。针对生成对抗网络无法有效提取图像局部与全局特征间依赖关系以及各类别间的依赖关系,提出一种用于生成对抗网络的孪生注意力模型(TAGAN)。以孪生注意力机制为驱动,通过模拟局部与全局特征间的依赖关系以及各类别间依赖关系,对真实自然图像建模,创建逼真的非真实图像。孪生注意力机制包含特征注意力模型和通道注意力模型,特征注意力模型通过有选择地聚合特征,学习相似特征间的关联性,通道注意力模型通过整合各通道维度的相关特征,学习各通道的内部依赖关系。在MNIST、CIFAR10和CelebA64数据集上验证了所提出模型的有效性。     

依赖关系模型的建立及应用

依赖关系是项目系统中广泛存在的一种关系，通过建立依赖关系模型，可以提高系统效率。利用线性代数知识以及多线程等软件知识，建立依赖关系模型。并通过细化系统任务，降低事件之间的依赖性，增加任务量，提高资源利用率等方法，可以提高系统效率。依赖关系模型特别是在仪器开发领域具有广阔的应用前景。     

微处理器复杂流水线管理量化方法

研究微处理器中常见的数据不同步现象和数据依赖造成的流水线阻塞现象，分析它们对微处理器流水线运作的影响以及它们对微处理器流水线管理单元设计提出的挑战．提出一种通用量化分析模型，通过此模型可以快速有效地得出不同系统结构体系下微处理器设计中的流水线管理方案，找出应遵循的准则．在16位定点DSP核-DSP2000的设计中采用此设计方法，发现能有效地指导设计者进行高效和正确的设计，大大缩短了设计和验证周期．     

基于特征模型的软件产品线可变性建模方法

特征建模是软件产品线开发中的一项关键活动,对特征可变性和特征依赖的建模是特征模型中最重要的组成部分。阐述了特征模型的元模型,着重讨论了特征可变性建模过程,详细分析了特征可变性、特征之间关系、特征依赖类型的识别方法和使用特征依赖矩阵的表示方法。在此基础上,还通过一个库房监视系统应用软件的产品线可变性建模实例验证了该方法的有效性。     

面向出租车需求预测的多因素时空图卷积网络

精确地预测出租车需求，有助于缩短司机和乘客的等待时间，缓解交通拥堵状况。然而，目前的研究工作大都忽略了出租车历史流入量以及不同区域间潜在的空间依赖关系对出租车需求的影响。鉴于此，综合考虑多个影响出租车需求的因素，建立多因素时空图卷积网络模型（MFSTGCN），期望精确地预测出租车需求。具体地，MFSTGCN模型设计4个组件，分别建模出租车需求对临近时刻需求序列、日需求序列、出租车历史流入量序列的时间依赖性以及不同区域间的潜在空间依赖性。组件通过时空卷积块捕捉不同因素下的潜在时空表达。为了证明MFSTGCN模型的有效性，与交通预测常用的五种基准模型进行比较，并利用RMSE、MAE和MAPE三个指标进行评估。实验结果表明，融合多因素的MFSTGCN模型能够更精确地预测出租车需求。     

一种基于特征映射的中文专家消歧方法

针对中文专家页面特点,以及用于消歧的基准专家页面中信息涵盖不全的问题,该文提出一种基于特征映射的中文专家消歧方法。首先,采用条件随机场模型,从基准专家页面和待消歧页面中提取出所定义的12维人物属性特征,并利用最大熵分类模型,结合已有消歧结果训练出各属性特征的权重;然后,针对某个专家的基准页面,计算待消歧页面与该页面的相似度,根据设定的阈值判断该页面是否单独成类,若不是单独成类,则利用特征映射,扩充该页面的属性特征,结合模糊聚类方法,得到与该页面为一类的页面。在“自然语言处理”及“机器学习”领域进行中文专家消歧实验,结果表明提出的方法能有效对中文专家页面进行消歧。     

结合注意力机制和图神经网络的CTR预估模型

大多数CTR预测的算法都是将特征嵌入初始化为一个固定的维度，忽略了长尾物品特征的流行度不高。把它和头部物品的嵌入向量设置为相同长度会导致模型训练不平衡，影响最后的预测结果。基于此，本文首先使用一个端到端的可微框架，该框架可以根据特征的流行度自动选择不同的嵌入维度。其次，引入挤压激励网络机制和具有残差连接的多头自注意力机制，分别从不同角度动态地学习特征的重要性以及识别重要的特征组合，然后使用图神经网络代替传统内积和哈达玛积显式建模二阶特征交互。最后为了进一步提高性能，将DNN组件与浅层模型相结合形成深度模型，利用贝叶斯优化算法为深度模型选择一组超参数，避免复杂的调参过程，并且在2个基准数据集上实验，结果验证模型的有效性。     

中文口语语言理解中依赖引导的字特征槽填充模型

意图识别和槽信息填充的联合模型将口语语言理解(Spoken Language Understanding, SLU)技术提升到了一个新的水平,但由于存在出现频率低或未见过的槽指称项(0-shot slot mentions),模型的序列标注性能受限,而且这些联合模型往往没有利用输入序列存在的语法知识信息。已有研究表明,序列标注任务可以通过引入依赖树结构,辅助推断序列标注中槽的存在。由于中文话语由一串字序列组成,在中文口语语言理解中,输入话语的字和槽信息是一一对应的,因而槽信息填充模型往往是字特征模型。基于词的依赖树结构无法直接应用于基于字特征的槽填充模型。为了解决字词之间的矛盾,该文提出了一种基于字模型的依赖引导槽填充模型(Dependency-guided Character-based Slot Filling model, DCSF),提供一种简洁的方法用于解决将词级依赖树结构引入中文字特征模型的冲突,同时通过对话语中词汇内部关系进行建模,保留了词级上下文信息和分词信息。在公共基准语料库SMP-ECDT和CrossWOZ上的实验结果表明,该模型优于比较模型,特别是在未见过的槽指称...     

基于特征和基于样本的EM方法

本文主要讨论在非监督学习中，用EM方法求解有限混合分布(己知类别数)未知参数的问题。由于通过方程式直接求得参数比较困难，一般采用迭代法，但是也存在计算量过大的问题。大多数文献中的计算都是逐个样本进行的(基于样本的EM方法)，我们证明：把特征相同的样本放在一起计算(基于特征的EM方法)和基于样本的EM方法完全等价。这样，EM方法的计算量可以大幅度减少，再加上其他措施(如去除频率为0的特征、适当量化)，其计算速度完全可以达到实际运用的要求。     

基于缓变场景的复杂神经网络非均匀性校正

针对遥感数据定量化应用对多元红外探测器非均匀性校正的高精度需求,提出了一种基于缓变场景的复杂神经网络非均匀性校正算法,在两点校正基础上,进一步降低图像非均匀性。与经典BP神经网络非均匀性校正及其改进算法相比,复杂神经网络非均匀性校正算法突破单一层学习神经元结构限制,采用双层学习神经元结构,第一层学习神经元采用大邻域中值滤波作为期望函数,第二层学习神经元采用小邻域均值滤波作为期望函数,通过多层学习神经元配合,兼顾非均匀性校正效果并避免图像边缘模糊。经实拍红外图像非均匀性校正实验证明,复杂神经网络校正与经典BP神经网络校正相比,取得了更好的非均匀性校正效果,非均匀性评价结果UN=0.75%,次优算法非均匀性评价结果为UN=0.77%,与次优算法相比,复杂神经网络校正算法有更高的像素平均梯度评价值,达到28.49,而次优算法只有28.30,非均匀性评价结果低并且像素平均梯度高说明复杂神经网络校正算法在降低图像非均匀性同时更好地避免了图像边缘模糊：这是复杂神经网络校正算法采用双层学习神经元的特点与优势。方法改善了多元红外探测器非均匀性校正的效果,提高了红外遥感图像的质量,促进了红外遥感的应用。     

基于Kerberos认证的分布式防火墙

随着网络的广泛使用,网络安全问题成为人们关注的焦点,以往采用的安全保护中使用得最多的是传统的防火墙机制。可是随着网络技术的不断发展,传统防火墙已经渐渐不能满足安全的需要。本文针对由传统防火墙所带来的问题,提出了一种基于Kerberos认证的分布式防火墙的新型体系结构。在保留传统防火墙优点的基础上,解决了传统防火墙的不安全隐患。     

基于解释的程序转换

程序转化是软件自动化中具有生命力的一条途径,但目前存在的问题是如何提高转化系统的自动化程度.为此,本文给出了一种基于解释的程序转化方法,通过对实例进行解释推广来指导程序转化的进程.文中给出了一个基于解释的fold/unfold转换算法及其在自学习软件自动化系统NDSAIL中的实现,用来解决多步递归程序的优化问题.     

基于鲁棒方法的图像整合技术

本文讨论了基于圆序列的整合图像问题．由于相机旋转拍摄图片，可避免光源变化、遮挡和 外观变化等出现在一般匹配中的问题, 因此自动生成匹配点要容易得多．我们采用一种鲁棒 的方法，只要输入少量点，就可以自动寻找匹配点对并对投影变换进行求解．整合参数的变 化，可得到不同视点下的整合图像．该方法不需要事先知道摄象机的内、外参数．     

基于位置信息的可扩展PKI模型

在移动通信系统中引入公钥基础设施PKI(Public key infrastructure)所要面临的挑战之一是:如何有效地在不同的地区PKI之间建立证书链(置信关系),同时保持区域自治性.基于位置信息的可扩展PKI模型改进了传统模型在上述方面的性能.     

工作流管理技术在电子政务中的应用

电子政务是我国政府信息化建设的重要内容之一,工作流技术是其中的一项核心技术.工作流技术是近年来计算机应用研究领域中迅速发展的一项新技术,当前,工作流被广泛应用于业务流程的自动化.主要研究工作流管理技术在电子政务中的应用,对工作流技术在电子政务中应用的需求进行了分析,提出了基于Java和XML的工作流引擎设计方案,分析了工作流引擎的实现方法.     

一种局部视角的类别近似质量属性约简加速方法

在利用贪心搜索算法求解类别近似质量约简的过程中,类别近似质量的计算是评估属性重要度的重要步骤,需要考虑论域中所有样本的邻域与当前决策类之间的包含关系.为降低求解类别近似质量约简的时间消耗,从局部的视角出发,提出一种用于求解类别近似约简的加速方法.该方法在计算类别近似质量时仅考虑当前决策类中的样本而不是论域中所有的样本,通过减少计算规模以加快约简求解的过程.在8个UCI数据集上的实验结果表明,该方法在不改变约简结果的情况下,能显著降低求解约简的时间消耗.     

基于CORBA的异地协同工作流模式

为了解决自动化孤岛之间的有效通讯问题。这里提出用Ｊａｖａ在Ｉｎｔｅｒｎｅｔ上开发一种基于ＣＯＲＢＡ的工作流管理系统的方法。并在工作流管理系统中引入了Ａｇｅｎｔ技术。     

基于空间透视不变量的摄象机标定方法

本文给出了一种以空间不变量的数据来计算摄象机外部参数的方法．空间透视不变量是指在几何变换中如投影或改变观察点时保持不变的形状描述．由于它可以得到一个相对于外界来讲独立的物体景物的特征描述，故可以很广泛的应用到计算机视觉等方面．摄象机标定是确定摄象机摄取的２Ｄ图象信息及其３Ｄ实际景物的信息之间的变换关系，它包括内部参数和外部参数两个部分．内部参数表征的是摄象机的内部特征和光学特征参数，包括图象中心（Ｃｘ，Ｃｙ）坐标、图象尺度因子Ｓｘ、有效的焦距长度ｆ和透镜的畸变失真系数Ｋ；外部参数表示的是摄象机的位置和方向在世界坐标中的坐标参数，它包括平移矩阵Ｔ和旋转矩阵Ｒ３×３，一般情况下可以写成一个扩展矩阵［ＲＴ］３×４．本文基于空间透视不变量的计算数据，给出了一种标定摄象机外部参数的方法，实验结果表明该方法具有很强的鲁棒性．