一种面向可重构系统的混合任务调度算法

对于无法应用独立阵列流形误差模型的角度依赖误差,利用矩阵特征分解方法估计出带有误差的阵列流形,在此基础上用修正的MUSIC算法进行DOA估计。仿真及实际数据测试结果均验证,该算法在存在角度依赖误差的阵列中能够准确地估计信号的来向。     

基于集成主动学习策略的需求依赖关系自动提取

由于需求依赖提取是一项认知困难且易出错的任务,因此本文提出了基于集成主动学习策略的需求依赖关系自动提取方法.基于集成主动学习策略,为不确定性概率、文本相似差异度、主动学习变体预测分歧度这3个不同角度的影响因子采用变异系数法确定相应的权重,给出衡量依赖对样本信息价值量的计算公式,从而选取综合评价值最高的前K个依赖对样本作为最优样本.随着最优样本不断加入到初始训练集中,主动学习模型提取需求依赖关系的性能快速提升,从而与其他主动学习策略相比,实现了同等采样数量下更高的需求依赖提取评估度量.最后,通过对比分析了多种方法的实验结果,证明了本方法的可行性.     

基于多属性特征胎记的软件盗版检测

针对传统单属性特征在抗攻击性和检测率方面的不足,提出了基于分类多属性特征的软件盗版检测算法。通过对等价语义变换后的软件集合进行静态分析、提取过滤、分割和度量,最后按相似度构造分类器,在低开销下综合判别未知软件版本信息。给出了算法的描述,刻画了算法的实现过程,实验结果表明,该算法在提高判别的鲁棒性、可信度和抗攻击方面具有适用性,与同类方法比较也具有明显优势。     

基于LS-SVM的多标签分类算法

多标签分类是指部分样本同时归属多个类别.基于数据分解的算法因训练速度快、性能良好而得到广泛的应用.本文采用一对一分解策略,将k标签数据集分解为k(k-1)/2个两类单标签和两类双标签的数据子集.对每一训练子集统一用LS-SVM模型建立子分类器,当出现双标签样本时将其函数值设为0,并确定适当的分类阈值.对情感、景象和酵母数据集的实验结果表明,本文算法的某些性能指标优于现有一些常用的多标签分类方法.     

关系数据库中嵌入型多值依赖的成员问题

对于函数依赖、多值依赖都建立了正确(sound)、完备的(complete)公理系统.对于嵌入型多值依赖的正确、完备的公理系统问题,Sagir、Walacka 已证明它没有有限公理系.但嵌入型多值依赖作为特殊情况包含的型板依赖被定义之后,它的成员问题已有半判定方法.特别是对嵌入型多值依赖集合作一些限制后,它的成员问题可解性已被提出.本文对 Chase过程作了更改后,形成 N-Chase 过程,并利用它对一种嵌入型多值依赖集证明了其成员问题的可解性.     

基于多注意力机制集成的非侵入式负荷分解算法

针对输入负荷特征对分解结果的重要程度不同,以及长短时记忆网络（LSTM）在捕捉长时间用电信息的时间依赖性方面受限导致分解误差高等问题,提出一种基于多注意力机制集成的非侵入式负荷分解算法.首先,利用概率自注意力机制对一维空洞卷积提取到的负荷特征进行优化处理,实现重要负荷特征的遴选;其次,采用时间模式注意力机制对LSTM的隐状态赋予权重,从而增强网络对长时间用电信息之间的时间依赖性的学习能力;最后,利用公开数据集UKDALE和REDD对所提分解模型的有效性和创新性进行验证.实验结果表明,与其他多种现有分解算法相比,基于多注意力机制集成的分解算法不仅具备更好的负荷特征遴选能力,而且能更加精确地建立特征之间的时间依赖关系,有效降低了分解误差.     

融合信任相似度的偏置概率矩阵分解算法

为解决社会化推荐算法推荐效果严重依赖用户信任数据的问题,提出一种融合信任相似度的偏置概率矩阵分解算法(bias probability matrix factorization algorithm fused with trust similarity, TTSPMF)。该算法引入稀疏性更低的信任相似度网络,使用信任关系的相似性弥补用户信任数据的稀疏性。通过用户信任矩阵计算得出信任相似度矩阵,然后将信任相似度矩阵和用户信任矩阵共同进行矩阵分解,同时加入偏置项来表达用户和物品的偏好,从而更好地刻画用户和物品的特征,避免因用户或物品本身因素带来的评分偏差。使用概率矩阵分解模型融合信任矩阵和信任相似度矩阵并迭代求解,得到用户特征矩阵和物品特征矩阵。在多个数据集上的试验证明,在不同评价指标下,该算法的推荐准确度明显高于传统推荐算法,可以有效缓解数据稀疏带来的推荐效果差的问题。     

一组特征矩阵的联合对角化

发展了一组特征矩阵联合对角化的新算法,这个算法利用了左右特征矢量之间的双正交性,定义了用于追踪单个分量的代价函数,找到了快速求解代价函数最优解的迭代算法。通过系统化的多阶段分解和多阶段重构,可以得到全部特征矢量。     

基于灰狼算法和极限学习机的风速多步预测

为了提高风速的多步预测水平,提出了一种基于数据信号分解和灰狼算法优化极限学习机的混合预测模型。首先,使用具有自适应噪声的完全集成经验模态分解算法将原始风速时间序列分解为若干本征模态函数和一个残差序列,并使用偏自相关函数法对模型输入进行特征选择;其次,在分解子序列上分别建立模型并进行预测,构造多输入多输出策略的极限学习机神经网络,使用灰狼优化算法求解其中的最优化隐含层权值和偏置;最后,对子序列进行重构并得到最终的预测结果。使用时间分辨率为15 min的多组实测资料开展模拟实验,所提模型在3个风电场的均方根误差分别为0.859、0.925、0.927 m/s,均低于其他对比模型,验证了该模型在未来4 h风速预测即16步预测中的有效性。     

基于数据依赖特征的软件识别

研究了基于数据流切片的软件特征,为软件识别提供一种新的算法和评判系统。给出与算法相关的定义,如数据流、关系拓扑排序和相似度比较等。详述了算法的关键步骤,包括数据依赖关系、数据依赖图的构成与化简、关系拓扑排序等过程。最后,实现了算法和数据流软件特征评判系统。系统实现和实验分析证明该研究数据分析和理论推导相互验证,对推进基于特征的软件识别研究具有重要的理论和现实意义。     

基于传播的产品属性抽取

针对意见挖掘中产品意见对象的获取问题,提出一种基于传播(propagation)思想的产品属性抽取方法.该方法利用产品属性与意见词(opinion word)之间,以及产品属性本身和意见词本身的关系,通过定义的规则,抽取产品属性.对属性与意见词之间的关系采用依存语法进行描述.产品属性和意见词的抽取过程不断迭代,直至无新的属性可抽取.同时,为消除传播过程中引入的噪音,提出3种相应的噪音消除策略.实验结果表明,该方法比传统的产品属性抽取方法有更高的准确率和召回率.     

特征模型中的特征父子关系图及其应用

提出的特征模型由五块构成：实体模型、测量要素、定形尺寸、定位尺寸、行为约束．建立了特征父子关系算子以便捕捉特征间的依存关系．提出了父子关系图的概念以便表达基于特征的零件模型；给出了访问父子关系图的算法以便实现参数化特征设计．介绍了以本文思想为基础开发的一个应用系统的特点．     

协同特征造型系统中并发控制的研究

针对目前复制式协同特征型系统大都采用并发冲突防止策略的锁机制,使得协同系统的并发度受到很大影响的现状,通过对特征造型过程中并发冲突的分析,提出一种非锁的基于特征依赖关系的并发控制机制,提高了协同设计的并发度,最后采用C＋＋编程语言结合WinSocket技术建立一个实现该并法控制机制的协同特征造型系统.     

一种面向特征增量的软件产品线分析方法

针对现有的面向特征的软件产品线分析方法大多着眼于细粒度的特征,对宏观特征考虑不多,导致对产品线体系结构支持不足的问题,基于逐步精化的思路,提出特征增量概念,试图捕捉和描述产品线中产品的宏观联系与差异,以增强从需求到产品线体系结构再到单个产品体系结构的可跟踪性和可维护性. 分析了特征增量的依赖关系和组合原则,并给出了基于目标场景的面向特征增量分析过程.结合一个可视化建模工具产品线实例对特征增量和分析过程进行说明.实例表明,特征增量的引入提升了产品线分析的粒度,增强了分析过程的层次性,从而系统且有效的支持产品线的开发活动.     

用于人脸情感识别的低冗余稀疏性集成剪枝

为降低噪声和异常值对集成剪枝的影响,并鲁棒性地选择更稀疏的基分类器子集,从而提升人脸情感识别的性能,提出了一种具有依赖分数的鲁棒性稀疏低冗余集成剪枝方法用于人脸情感识别。首先,该方法将样本实例的预测结果视为基分类器特征,分别利用互信息和熵来评估成对基分类器之间的依赖性和它们之间的优先级。其次,将优先级依赖关系添加到基于回归的目标方程中实现冗余基分类器的修剪,此目标方程使用l_2,1范数来增加分类器子集的鲁棒性从而提升算法的泛化性能。然后,将内积正则化项引入到目标方程中,通过计算分类器特征系数向量内积的绝对值的和去选择稀疏和低冗余的基分类器。最后,使用大多数投票法对选择的基分类器子集进行集成从而得到最终的识别结果。结果表明：本文提出的方法在FER2013、JAFFE、CK+和KDEF 4个公共人脸情感数据集上的识别准确率,比所有基分类器进行集成得到的准确率分别高3.29%、10.39%、1.76%和4.89%,表明该方法可以选择出识别效果更好、冗余度更低的分类器子集,提高集成剪枝的泛化能力。     

基于超图的软件产品线形式化模型

特征建模通过领域分析确定共同特征和可变特征,为软件产品开发参与人员提供了领域内唯一可确定的抽象。特征地图及其元模型对特征模型进行扩展,支持特征选取确定可复用框架之上的资产制品快速定位和组装,生成满足依赖关系和约束条件的软件产品家族。通过为特征地图及其元模型分别建立语义超图形式化模型,并提供语义跳转机制实现语义层次之间语义信息的关联,构成纵横交错的语义结构,可满足软件产品线语义多样性表达和一致性验证的需求。     

改进的K最近特征线算法在文本分类中的应用

KNFL算法是一种近年来在人脸识别领域得到广泛应用的算法,这种算法认为类中两点的连线也可以近似代表类的特征,把它应用于文本分类领域可以得到较好的分类效果,但是由于时间复杂度比较高,影响了其实用价值.本文提出了一种应用于文本分类的改进的KNFL算法,计算出类的中心点后再进行两次过滤,分别将离类中心点较远的特征点和特征线过滤掉,减少了训练集样本数目,在对分类精确度影响不大的情况下,改善了KNFL算法的分类效率,最后用实验验证了该算法的有效性.     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.     

基于粗粒度程序切片的软件度量

软件度量是保证软件质量的重要方法,程序切片是一种针对切片标准简化程序的技术。提出了一种基于粗粒度程序切片技术度量面向对象程序模块耦合度和类内聚度的量化方法,扩展了粗粒度程序切片的含义,基于面向对象系统依赖图进行程序切片,给出了对应的算法实现,利用切片技术度量了模块耦合度和类内聚度。     

基于依存关系和最大熵的特征-情感对分类

中文产品评论特征词与关联的情感词的分类是观点挖掘的重要研究内容之一. 该文改进了英文依存关系语法,总结出5种常用的中文产品评论依存关系; 利用最大熵模型进行训练,设计了基于依存关系的复合特征模板. 实验证明,应用该复合模板进行特征-情感对的提取,系统的查全率和F-score相比于传统方法,分别提高到78.68%和75.36%.