面向大规模数据流处理的偏最小二乘法

用光谱分析鉴别生物特征,导致数据量大,而实际需要必须实时处理。偏最小二乘法是使用最广泛的鉴别算法,但是对于大规模数据流该算法无法达到实时性。为了解决这个应用矛盾,提出了一种基于NVIDIA CUDA架构下的并行计算策略,利用具有大规模并行计算特征的图形处理器（GPU）作为计算设备,结合GPU存储器的优势实现了偏最小二乘算法。实验的测试结果表明,在GPU上使用CUDA实现的偏最小二乘算法比在CPU上实现该算法快了47倍,性能得到了显著提高,从而使偏最小二乘算法应用于大规模数据流处理成为可能。     

众包环境下基于用户兴趣的玩伴匹配模型

如今,外出旅行占据了人们解压方式的很大比重.拥有一个(些)志同道合的旅行玩伴成为了旅行能否舒心的一个重要因素.结合众包思想,用户发布结伴需求(用户可成为众包的任务发布者也可以成为任务的执行者),平台为用户匹配志同道合的玩伴,用户及其玩伴共同执行出去游玩任务,这样,在保证旅行质量的前提下,可以节省用户的金钱,实现资源共享,具有很好的现实意义.因此,本文提出了一个基于用户兴趣的玩伴匹配算法CGA(Car Group Allocation),根据仿真的用户历史访问数据为用户匹配具有相似兴趣的其他用户,且提出了用户根据意愿选择是否提供交通工具,也可以选择是否服从调剂,同时提供车辆的用户可以根据需求决定车辆剩余位置等现实因素.该算法采用真实的POIs(points of interest)点,仿真用户兴趣以及结伴需求,结合现实情况下的约束,运用蚁群算法迭代,为用户匹配相似度最高的群体.实验证明了本模型的有效性.     

面向财务应用的软件设计课程教学模式

为了培养既懂财务又懂软件开发技术的复合型人才,根据金融财务类应用的需要,本文提出了一个面向软件课程设计的教学模型。融合计算机基础理论、软件开发技术、软件工程学原理以及CMM软件过程体系,构建了教学模式框架。该模型具有良好的课程总体结构以及动态适应新技术发展的能力,该模型适合财务类院校软件复合性人才培养的需要。     

面向企业应用的“算法设计与分析”课程建设改革探索

“算法设计与分析”是计算机科学与技术专业的一门核心课程,是一门理论性与实践性相结合的课程.学生在这门课程的学习过程中过分注重基础理论的学习,动手能力差,不具备算法创新的思想,无法适应世界著名的IT公司大对软件人才的要求.文章讨论了企业用户对员工算法分析与设计能力的需求,针对目前该课程教学中存在的问题,就教学目标、教学内容、教学方法及考核评价等方面进行教学改革,以提高学生的综合能力和教学质量.     

WSN中基于可调感知半径的节点睡眠算法

讨论在无线传感器网络中节点的感知半径可调的情况下,如何合理设计节点的拓扑结构,实现网络的能量负载均衡、延长网络的生存周期。在保证覆盖和连通的前提下,分析当感知半径可调时节点的分布特征和拓扑结构,并对现有的冗余节点移除算法进行改进,提出一种自适应调节感知半径冗余节点睡眠算法(AASRS)。实验结果表明,该算法可以提高网络的能量负载均衡水平,并能最大化节点的感知覆盖区域,且使用的活动节点较少。     

融合时间和邻域信息的矩阵分解算法

矩阵分解通过降维的方式可以在一定程度上解决数据的稀疏性问题。考虑时间信息可以根据时间信息的变化来预测用户对物品的兴趣趋势。考虑邻域关系可以产生以共同兴趣为基础的推荐。但是,现在所研究的矩阵分解当中很少综合考虑时间信息和邻域关系对用户评分预测的影响。本文提出一种融合时间和邻域信息的矩阵分解算法,此算法把时间信息与领域关系直接映射到用户-物品-时间的三维空间,通过隐含特征直接寻找他们之间的潜在关系。在MovieLens上的实验结果表明,本文提出的推荐算法在一定程度上提高了推荐结果的准确性。     

基于边缘节点的深度神经网络任务分配方法

随着边缘计算的发展,边缘节点的计算规模不断增加,现有的边缘设备难以搭载深度神经网络模型,网络通信与云端服务器承受着巨大压力。为解决上述问题,通过对Roofline模型进行改进,借助新模型对边缘设备的性能与网络环境进行动态评估。根据评估指标,对神经网络模型进行分离式拆分,部分计算任务分配给边缘节点完成,云端服务器结合节点返回数据完成其它任务。该方法基于节点自身性能与网络环境,进行动态任务分配,具有一定兼容性与鲁棒性。实验结果表明,基于边缘节点的深度神经网络任务分配方法可在不同环境中利用设备的闲置性能,大幅度降低中心服务器的计算负载。     

面向恒压腹腔镜手术的云控制过程模型

在手术操作中人体腹腔压强需要保持恒定,适量充入或释放CO₂以达到维持人体腹腔压强恒定的目的,CO₂的充入是通过阀门开度进行控制。对此,本文提出一种面向恒压腹腔镜手术的云控制过程模型,将病人的生理信息进行分类,并筛选出对应的手术过程数据集,数据集采用DTW算法,计算各类病人的多台手术中阀门开度随时间变化的曲线相似性,筛选出曲线变化较为相似的手术过程,再使用Apriori进一步挖掘强相关的手术过程;利用引起阀门开度变化的事件进行切割手术过程,形成手术过程控制片段;最后使用多项式曲线拟合的方法对手术过程片段进行拟合,获得各类病人手术中事件-过程控制段键值对集合,从而建立病人腹腔镜手术的云控制过程模型。通过前端模型仿真实验表明,该模型能够保证在腹腔镜手术过程中腹腔压强恒定时长在90%左右。     

群组推荐系统:现状与展望

目前,个性化推荐系统的研究已经成为一个热门领域,其技术在各行各业得到了广泛应用.在现实生活中,人们可以划分成不同的群组,人们也经常以群组的形式一起参加各种形式的活动,所以对群组推荐也具有实际的应用价值,群组推荐系统已经吸引了越来越多的关注.本文对群组推荐系统的相关研究进行了梳理,将群组推荐的核心技术分为5个方面:群组识...