基于知识模型匹配的公益诉讼案源信息自适应获取系统

针对公益诉讼案源信息自适应获取过程中，受到信息匹配算法的影响，导致信息获取数量较少的问题，设计基于知识模型匹配的公益诉讼案源信息自适应获取系统。针对存储器与预处理器进行设计，为后续系统软件设计提供支撑。通过公益诉讼案源信息的处理，获取诉讼案源信息特征，构建知识模型。利用构建的知识图谱，设计知识模型匹配算法。根据实际需求，实现公益诉讼案源信息自适应获取。实验结果表明系统信息自适应获取性能较高，且随着时间的递增，有效增加了案源信息获取数量。     

自适应窗隔匹配与深度学习相结合的RGB-D SLAM算法

在动态场景的SLAM系统中,传统的特征点法视觉SLAM系统易受动态物体的影响,使得图像前后两帧的动态物体区域出现大量的误匹配,导致机器人定位精度不高。为此,提出一种结合自适应窗隔匹配模型与深度学习算法的动态场景RGB-D SLAM算法。构建基于自适应窗隔匹配模型的视觉SLAM前端算法框架,该框架筛选图像帧后采用基于网格的概率运动统计方式实现匹配点筛选,以获得静态区域的特征匹配点对,然后使用恒速度模型或参考帧模型实现位姿估计。利用深度学习算法Mask R-CNN提供的语义信息进行动态场景的静态三维稠密地图构建。在TUM数据集和实际环境中进行算法性能验证,结果表明,该算法在动态场景下的定位精度和跟踪速度均优于ORB-SLAM2及DynaSLAM系统,在全长为6.62 m的高动态场景中定位精度可达1.475 cm,平均跟踪时间为0.024 s。     

一种新的最小二乘支持向量聚类

针对传统支持向量聚类的低性能和高耗费问题,提出最小二乘支持向量聚类(LSSVC)模型,设计自适应参数化方案。模型中包括两步簇划分算法和快速训练算法。前者对支持向量和非支持向量分别进行划分,后者采用增量方式,每次增量对应聚类模型的双向学习过程。实验结果证明,LSSVC可有效提高同类算法的效率,具有良好聚类能力,当数据增量为工作集大小的10%时,算法可在时间耗费和聚类准确率之间取得良好的平衡。     

自适应混合高斯背景模型的改进

对自适应混合高斯背景模型进行了改进，将背景重构和前景消融时间控制机制整合到传统自适应混合高斯背景模型中，以提高运动分割的质量。背景重构算法从含有运动物体的动态场景视频序列中重构静态背景图像，然后用重构的静态背景图像初始化自适应混合高斯背景模型；而前景消融时间控制机制则使运动物体停止时的前景消融时间独立于背景模型的学习速率，从而可以根据需要调节前景消融的持续时间。实验结果表明了算法的有效性。     

自适应多层次细节信息地表模型生成算法设计

以研究多层次细节信息地表模型快速生成算法为目的，在分析当前多层次细节信息地表模型生成算法的基础上，以四叉树结构作为算法的基本单元，设计和实现了具有自适应能力的多层次细节信息地表模型生成算法；详细描述了算法的设计，给出了算法实现所需的关键公式；最后给出了算法的应用实例和对算法时间效率的分析。此算法的最大特点是具有很强的自适应能力，能够自动根据原始地表数据、视距离、视方向、设备条件等的变化来自动调整输出的三角网模型，并且可以快速地在不同的层次细节模型之间平滑过渡。从算法的理论分析和应用实例可见，该算法有很强的自适应能力，可以满足大的地表模型快速生成和交互的需要。     

基于安全域的复杂网络信息系统设计

设计了基于安全域的复杂网络信息系统，利用防火墙技术、防病毒技术、入侵检测技术以及加密技术构建统一的安全防御体系，实现复杂网络信息的安全性。在系统中设计了网络访问控制的相关技术，采用零信任思想对复杂网络信息系统实施更加系统化、细粒度的访问控制。最后利用数据融合组合算法模型将多种算法运用到复杂网络信息安全检测的大数据融合中，实现网络信息的安全检测。实验结果表明，本文研究的系统在对复杂网络信息系统进行性能测试时，网络传输所需时间最少为0.22 s;在进行网络信息安全检测的可信度测试时，可信度最高为96%。     

基于增量主题模型的微博在线事件分析

为更好地利用微博结构化社会网络方面的信息,提出一种基于增量主题模型的微博在陑事件分析算法。通过设计增量过程,保留已有的训练信息,采用自适应非对称学习算法融入新微博内容与用户关系。实验结果表明,该算法可在短暂的时间内建模,并有效提高事件分析的性能。     

基于区块链技术的铁路项目档案管理信息系统设计

铁路内部系统数据库缺乏访问控制机制和加密处理技术，导致信息系统存在安全性低的情况，为了提高信息数据保密性，设计基于区块链技术的铁路项目档案管理信息系统。应用B/S架构设计系统整体框架体系，结合区块链技术设计登录验证模块、档案信息采集处理模块和档案查询模块，以此完善数据库访问控制能力。利用哈希算法+RSE算法对信息进行加密处理，设置三重安全访问机制，强化访问者行为审查力度。结果表明：经过安全测试模型测试，该系统安全等级达到3级，可以有效保证数据库中档案存储安全。     

高阶无模型自适应迭代学习控制

针对一类非线性非仿射离散时间系统,提出了高阶无模型自适应迭代学习控制方案.控制器的设计和分析仅依赖于系统的输入/输出(I/O)数据,不需要已知任何其他知识.该方法采用了高阶学习律,可利用更多以前重复过程中的控制信息提高系统收敛性,且学习增益可通过"拟伪偏导数"更新律迭代调节.仿真结果验证了所提出算法的有效性.     

常微分方程组的演化建模

利用演化算法的自适应,自组织,自学习的特性,设计了遗传程序设计与遗传算法和相嵌套的常微分方程组混合演化建模算法,以遗传程序设计优化模型结构,以遗传算法优化模型参数,首次实现了常微分方程组建模过程自动化并可进行有效的预测。     

一种基于正向云变换的混合计算神经网络及其应用

针对数值信息与定性领域知识相互融合的计算问题,提出了一种基于云变换的混合计算神经网络模型。利用正向正态云发生器可实现定性概念到量化数值描述之间不确定关系的转换机制,建立基于云变换的混合信息计算逻辑和神经网络模型。将定性概念谓词通过云变换在概率意义下转换为数值变量,把计算规则表示为神经元,利用神经网络的学习性质来实现对定量与定性混合信息的自适应计算和推理。在算法设计中,将网络性质参数整合为一个粒子,利用粒子群算法对混合计算神经网络进行整体优化求解。以石油地质研究中的沉积微相自动识别为例,实验结果验证了模型和算法的有效性。     

基于开源框架的终端安全运维数据信息获取模型

为保证运维管理的高效性与安全性,根据开源框架的基本特征,设计了一种终端安全运维数据信息的获取模型。文章通过Hadoop框架平台和主动学习算法,构建终端安全运维数据信息获取模型,并利用MapReduce框架解算终端安全运维数据信息的获取模型。试验结果表明,设计的模型对5组不同训练数据的获取与处理时间分别为5.618 s、2.154 s、11.504 s、66.217s、24.618 s,具有高效性与可扩展性,获取信息数据集的精度平均值为90.57%,即获取的数据信息具有良好的精度与准度。设计的基于开源框架的终端安全运维数据信息的获取模型,具有高效性、精准性以及可扩展性,能为运维数据信息的管理奠定良好的数据基础。     

一种自适应PID控制及其在发电机性能测试装置中的应用

针对经典PID控制参数整定困难且受时变、非线性等因素影响不能达到预期控制效果的实际情况,设计了一种具有自学习能力的自适应PID控制器,利用Widrow-Hoff学习算法实现系统在线自动调整最佳控制参数,从而提高系统的自适应能力、改善系统的动态性能,并成功地将其应用到发电机性能自动化测试装置中。     

航天数字化空间态势信息保障系统设计与实现

传统信息保障系统存在保障效果差、耗费时间长等问题,为了解决该问题,提出航天数字化空间态势信息保障系统的设计与实现。根据空间态势信息保障系统设计需求,将保障系统整体划分成综合数据库、目标轨道模型、空间要素以及可视化等结构,利用空间态势组成信息设计系统硬件层次结构;将程序作为基本研发单元,设计漫游与缩放数据请求流程,并利用信息保障技术,实现各个应用功能。通过实验验证可知,该系统可有效覆盖秘密时间和空间等要素,对于信息保障效果较好,耗费时间较少。     

自适应学习系统中朴素贝叶斯分类的应用研究

本文研究了自适应学习系统中学习者学习情况诊断的相关文献,设计了一个自适应学习系统模型;给出了学习者情况诊断的一般过程,设计了基于知识点权重的朴素贝叶斯分类预测算法,给出了实现的模型。     

在线自适应测试系统的设计与实现*

针对目前计算机自适应测试系统在远程网络测试中存在的局限性,提出了基于XML的在线自适应测试系统模型.通过题目自反应理论建立计算机自适应测试模型,并提出了一种约束试卷生成的参数模型,利用增量学习算法设计了组卷策略,解决了远程网络自适应测试系统中计算量大、易造成网络交互阻塞瓶颈等技术问题.最后给出了系统的设计模型,并描述了该系统的实现过程.     

基于强化学习的网络时延自动化控制数学建模研究

传统的网络时延控制模型在分析时延原因时,仅从宏观角度分析,缺少建立网络模型的过程,导致时延控制能力差、数据传输时间长、丢包率大的问题。为解决此问题,设计一种基于强化学习的网络时延自动化控制模型。该模型的构建主要分为两部分,先是确定网络模型,具体分析网络时延出现的原因,在此基础上,利用强化学习中的Q学习算法构建自动化控制模型,以解决网络时延问题。实验结果表明:与传统的基于均衡调度的网络时延控制模型相比,该模型对网络时延的控制性能更好,且数据包传输时间缩短3.7 s,数据包丢包率降低5%,应用优势明显。     

结合轮廓与姿态的时空融合步态识别方法

现有的大多数步态识别方法是基于轮廓的步态识别方法，然而轮廓容易受到遮挡的影响，从而导致识别准确率下降。在现实的监控场景下，遮挡几乎是不可避免的，提高遮挡情况下的步态识别精度是算法能够“落地”于实际应用的前提。针对此问题，提出了结合轮廓与姿态的时空融合步态识别方法。利用姿态具有抵抗遮挡的能力，设计多模态空间特征融合模块，利用特征重用策略和模态融合策略以提高空间特征的信息容量；设计多尺度时间特征提取模块，利用独立分支提取不同时间尺度下的时间信息，提出一种基于注意力的特征融合策略以自适应地整合时间信息；设计空间特征集合分支，以深监督方式提高时空特征的表达能力。在公开数据集上的实验结果表明了所提方法的有效性，模型在遮挡情况下具有较好的鲁棒性。     

基于模糊聚类算法的绿地园林养护信息数据整合模型

现有的信息数据整合方法的数据冗余较高，因此文章引入模糊聚类算法，以绿地园林养护信息数据为例，提出了基于模糊聚类算法的数据整合模型研究。首先，清洗处理信息数据；其次，建立信息数据整合模型；最后，利用模糊聚类算法，全方位地整合模型内的信息数据。实验分析可知，提出模型应用后，整合信息数据冗余比明显较低，整合效果优势显著。     

一种改进的自适应文本信息过滤模型

自适应信息过滤技术能够帮助用户从Web等信息海洋中获得感兴趣的内容或过滤无关垃圾信息．针对现有自适应过滤系统的不足,提出了一种改进的自适应文本信息过滤模型．模型中提供了两种相关性检索机制,在此基础上改进了反馈算法,并采用了增量训练的思想,对过滤中的自适应学习机制也提出了新的算法．基于本模型的系统在相关领域的国际评测中取得良好成绩．试验数据说明各项改进是有效的,新模型具有更高的性能．