基于卷积神经网络和用户信息的微博话题追踪模型*

为了解决微博文本特征抽取及特征稀疏问题,提出基于卷积神经网络的微博话题追踪模型(CNN-TTM).基于微博用户信息,又提出融合微博用户信息及卷积神经网络的微博话题追踪模型(CNN-UserTTM),利用微博用户信息提高话题追踪准确率.实验表明,在新浪微博数据集上,CNN-TTM和CNN-UserTTM分别获得较高的微博话题追踪准确率.     

基于隐马尔科夫模型的胎盘植入产前诊断方法*

胎盘植入是产科严重的并发症之一,作为金标准的产后病理检验存在的滞后性和局限性问题,文中将病史和彩超数据等产前多特征关联作为观测显状态序列,将产后病理诊断作为隐状态,构建基于隐马尔科夫模型的胎盘植入产前诊断方法.采用Gini方法提取患病关联因素的特征集合,通过转化特征集合构建隐马尔科夫模型,结合Baum-Welch和Viterbi算法计算求解,通过显隐状态关系,实现胎盘植入产前诊断.实验表明,文中方法具有较好的准确率、特异度和灵敏度     

基于示例的组合预测方法*

本文提出了一种基于示倒的组合预测方法，强调知识方法和数学方法的结合，提出了种算法和组合预测框架，并结合实验数据讨论了预测结果．分析了不同预测方法的不足．     

基于连续密度隐马尔可夫模型的人体步态识别*

人体步态识别作为一种远距离和非侵犯性的识别技术在视频监控等领域具有广泛的应用前景.基于此原因,文中提出基于连续密度隐马尔可夫模型(CD-HMM)的人体步态识别算法.首先,提出基于自然步态周期的特征提取算法,并在此基础上构造观测向量集.然后,使用从训练样本集中提取的步态向量集对CD-HMM进行参数估计.最后,提出基于Cox回归分析的渐进自适应算法对训练过的步态模型进行参数自适应和步态识别.实验表明,相比现有的其它步态识别算法,文中算法具有更高的识别率.     

刻画基于模型的中心诊断*

虽然对基于模型的诊断存在一系列不同的逻辑定义,但所幸的是存在一个统一的抽象定义,它概括了以往的不同定义.在该定义基础上提出了基于模型的中心诊断的概念.通过刻画基于模型的中心诊断过程,论证了基于模型的中心诊断与本原蕴含/蕴含式的直接关系,从而将其理论结果与ATMS(assumption-based truth maintenance system)这类算法联系起来.进一步指出,对基于一致性中心诊断的刻画仅仅是文中所给出的刻画的一个特殊情形.     

基于卷积神经网络的中文微博观点分类*

针对现有中文微博观点分类方法对上下文利用不足、数据表示稀疏和特征依赖于人工设计等问题,提出基于卷积神经网络的中文微博观点分类方法.首先利用交互上下文扩充不同主题下的微博内容,使用低维密集向量初始化微博文本.然后构造卷积神经网络模型,实现特征抽取和组合.最后基于softmax分类函数估计中文微博观点类别.实验表明,相比基准方法,文中方法在精确度和F1值上的效果更好.     

对象形式语义模型*

在面向对象的软件构造中，对象被视为软件系统的基本构件本文给出一个对象形式语义模型，对象被定义为封装属性和行为的实体，对象行为必须满足给定的静态约束和时序约束；基于对象态射，本文给出对象聚合、特化、继承和对象类等概念在此语义模型框架中的解释。     

基于形状参数回归的人脸对齐算法*

针对传统人脸对齐算法效率较低等问题,提出基于形状参数回归的人脸对齐算法.首先,采用人脸形状空间约束人脸,以低维形状参数刻画人脸形状.然后,在二级形状参数回归算法框架下,结合明确形状特征索引方法和多重随机特征选择方法,学习一系列形状参数回归量,最终刻画对齐的人脸形状.文中算法减少数据存储量,提高人脸对齐速度,在复杂人脸数据库上取得较好效果.此外,该算法能直接应用于手机、平板电脑等低端设备上.     

基于知识的数据自动分布模型*

基于松散耦合的多处理机系统(DMS)的发展，要求有相应的并行软件工具的支持，而在目前的大多并行软件系统中，用户必须显式给出顺序执行程序的划分方法以及在DMS中不同处理器上的分配算法．针对这一问题，本文首先介绍了一种基于知识的数据自动分布模型(KBDM)，以期对程序的划分和分布问题提供自动的支持，然后讨论了KBDM设计的主要思想，并给出该模型主要部件的详细描述。     

不确定推理的支持度*

在引进的不确定性支持度的基础上,提出了不确定推理的一个可操作模型.定义了不确定推理的概念,引进了不确定推理的支持度,讨论了它们的初步性质.所有这些都是建立在经典的二值逻辑的基础上的,因而具有较牢固的基础.最后是该方法与当今流行方法的比较.     

对象的RSBO表示模型*

对象的内部表示决定了对象的存储方式和访问方式,文章介绍了RSBO(refined synchronous buffers of objects)表示方法,是SBO(synchronous buffers of objects)对象表示法的改进.RSBO表示法利用解析对象结构方式,把对象的复杂结构分解为具有相对简单结构的对象节.RSBO在SBO表示法的基础上引入了指针节的机制.指针节结构是对象指针的扩展,并能同时支持在复杂对象的集合上的访问和计算.另外介绍了基于RSBO对象的访问方式和索引结构,传统数据库中     

基于标记关系的模糊粗糙集模型*

多标记分类任务中的数据通常是高维的,直接利用高维数据建模可能导致训练效率低下,模型复杂,同时可能影响分类效果.针对多标记数据,文中提出属性-标记矩阵的概念,建立基于标记关系的模糊粗糙集模型,设计此类模型的约简算法,用于多标记数据分类任务的特征选择.在8个公开的数据集上实验验证文中算法的有效性.     

基于深度自编码器的单样本人脸识别*

由于每个目标仅有一幅已知样本,无法描述目标的类内变化,诸多人脸识别算法在解决单样本人脸识别问题时识别性能较低.因此文中提出基于深度自编码器的单样本人脸识别算法.算法首先采用所有已知样本训练深度自编码器,得到广义深度自编码器,然后使用每个单样本目标的单个样本微调广义深度自编码器,得到特定类别的深度自编码器.识别时,将识别图像输入每个特定类别的深度自编码器,得到包含与测试图像相同类内变化的该类别的重构图像,使用重构图像训练Softmax回归模型,分类测试图像.在公共测试库上进行测试,并与其它算法在相同环境下进行对比,结果表明文中算法在获得更优识别率的同时,识别一幅图像所需平均时间更少.     

基于半监督集成学习的软件缺陷预测*

在软件缺陷预测中,标记样本不足与类不平衡问题会影响预测结果.为了解决这些问题,文中提出基于半监督集成学习的软件缺陷预测方法.该方法利用大量存在的未标记样本进行学习,得到较好的分类器,同时能集成一系列弱分类器,减少多数类数据对预测产生的偏倚.考虑到预测风险成本问题,文中还采用训练样本集权重向量更新策略,降低有缺陷模块预测为无缺陷模块的风险.在NASA MDP数据集上的对比实验表明,文中方法具有较好的预测效果.     

强弱混合一致性语义模型*

80年代末出现的分布式共享存储(DSM)技术为解决可扩展性和易编程的矛盾提供了一种可行的方案．但是，由于DSM建立在消息传递机制的基础之上，而且存在对本地内存访同和对远程内存访问的差异，简单地照搬多处理机Cache一致性语义往往效率很低．因此，人们提出了一些弱化的、放松的一致性语义，这些语义与用户采用的顺序一致性语义差别较大，给用户在程序设计、调试上造成很大困难．本文提出了一种强弱混合一致性语义模型．解决了假共事问题，提供了进一步开发时甸、空间局部性的可能性，而且还可以保证顺序一致性．试验结果证明，强弱混合一致性语义与严格一致性语义相比，消除了“颠簸”现象，大大改善了系统性能．     

自组织决策树的联想记忆在线学习模型*

针对多源数据在线学习环境下的联想记忆建模问题,并综合考虑计算高效性、噪声鲁棒性等目标,提出基于自组织决策树的联想记忆在线学习模型.首先根据模式数据内在结构进行类内信息增强和噪声约简,然后基于信息熵增益的决策树算法对约简后数据进行子域划分,最后通过子域关系学习建模多源数据的联想关系.理论分析模型的学习稳定性.实验表明,文中模型在含噪数据在线分类学习和异联想建模问题上具有优良性能.     

管理信息系统中的面向对象体系模型*

本文采用面向对象的思想提出了描述管理信息系统(MIS)的一种体系模型，给出了在软件开发过程中如何获取体系模型中各组成部分的准则和方法，并应用于实际开发项目中．     

基于降噪关系正则化的微博用户标签推荐*

现有微博用户标签推荐方法大多依靠好友关系或内容进行推荐,并不能解决微博中存在的从众关系(噪音关系)及用户标签稀疏问题.因此,文中提出基于降噪关系正则化的微博用户标签推荐算法.通过LDA对用户的博文进行主题分析,衡量用户好友兴趣相似度,降低无共同兴趣的好友对目标用户的影响.将得到的降噪关系作为正则化项引入到用户标签非负矩阵分解模型中,解决用户标签稀疏问题.通过拉格朗日乘子法和KKT条件对模型进行优化和约束,最终得到近似的用户标签矩阵,为用户进行标签推荐.实验表明文中算法推荐质量较优.     

基于规则的市场分析方法*

本文叙述了基于规则的市场分析方法，结合随机性市场分析的特点，讨论了规则应具有的表达能力，引用s—表达式的概念，建立了归一化存储结构，提出了变量环境的概念，实现了合一过程，建造了一个基于规则的市场分析报告生成系统．