基于时序特征和集成算法的用户购买预测

大数据时代,电商平台积累了大量用户在平台上的行为数据,比如浏览、点击、下单和加入购物车等等.如何使用机器学习算法去探索大数据背后的用户消费喜好和习惯成为了一个新的研究热点.本文主要在特征工程和模型搭建两个方面对用户购买预测的效果做出提高.通过深入理解电商业务知识,利用统计学知识,分别从用户、商品和评论数据等多个方面的数据构建了115个特征;在模型搭建方面,主要设计了一个两层融合模型,第一层采用了XGBoost、CatBoost和逻辑回归作为基分类器,从不同的角度考虑用户购买预测,第二层采用加权平均的方法对基类模型的预测结果进行融合,其权重由线性分类器学习生成.实验结果表明该融合模型的F1评分要高于个体分类器,并且多次实验证明,融合模型的稳定性也要比个体分类器好.     

基于改进HRNet的眼底视网膜血管分割算法

针对现有眼底视网膜血管分割算法普遍存在的微小血管细节丢失和病灶信息误判等问题,提出一种基于改进HRNet的血管分割算法.在预处理阶段,利用限制对比度自适应直方图均衡化和自适应的Gamma矫正提高血管与背景对比度;在编码阶段,将HRNet原始卷积替换为可变形卷积,提升卷积对复杂血管形态结构的适应能力;在多尺度特征融合阶段,引入空间金字塔池化和多尺度卷积,扩大感受野同时增强对目标局部特征关注度,改善血管伪影和细微信息丢失的问题.该算法在DRIVE数据库上仿真实验,其准确率、灵敏度和特异性分别为95.79％、80.33％和98.12％.     

基于熵度量的人群模型评估方法

人群模型评估是虚拟人群仿真研究的关键问题,现有的研究多通过个体仿真轨迹与真实轨迹之间的误差来评估人群模型.然而人群行为本质上是复杂的随机系统,简单的轨迹对比并不能有效反映模型能力.本文应用熵度量的模型评估方法,通过估计真实人群状态与仿真人群状态的误差分布实现了精确的人群仿真定量评估.同时引入失真情况的判断和处理规则,使得评估方法在仿真失真情况下能够保持准确性.实验结果表明,本文提出的算法及规则能有效地实现人群仿真模型的定量评估并给出模型参数选择的指导.     

基于t-SNE降维预处理的网络流量异常检测

网络流量中大多数流量都是正常的,但经常会出现偏离正常范围的异常流量,主要由DDOS攻击、渗透攻击等恶意的网络行为引起,这些异常行为通常会导致网络质量下降,甚至网络直接瘫痪。因此引入网络安全态势的预测,在仅知道正常网络流量的情况下判断网络中的异常。异常检测是一种网络安全态势的预测方法,用来判断网络中是否有异常。现有的异常检测算法由于无法准确提取网络数据包的低维特征导致算法的性能不佳,因此,需要找到网络数据包的准确的低维特征表示,该低维特征表示能够区分网络数据包是正常的还是有攻击的。为此,本文引入基于t-SNE降维的NLOF异常检测算法。该算法采用t-SNE算法自动预处理网络数据包以获得低维的网络数据包特征,之后将得到的低维的网络数据包特征作为NLOF算法的输入进行异常检测。其中,本文的NLOF算法首先采用k-means算法将网络数据包聚类成为K个簇,并将网络数据包数量小于N个的簇标记为异常簇,之后将未被标记为异常簇的网络数据包作为LOF算法的输入进行异常检测。在ISCX2012数据集上的实验结果表明,基于t-SNE降维的LOF算法达到最优性能时,准确率为98.46%,精确度为98.38%,检测率为98.54%,FAR为0.66%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.18个百分点、0.02个百分点和0.01个百分点。基于t-SNE降维的NLOF算法达到最优性能时,准确率为98.53%,精确度为98.86%,检测率为98.86%,FAR为0.32%。该算法比基于现有最新算法的准确率、检测率和F1分别高3.25个百分点、0.34个百分点和0.41个百分点。这是异常检测中首次采用t-SNE算法自动提取低维的网络数据包特征。此外,LOF算法仅能捕获异常点,而本文的NLOF算法能够同时捕获异常点和异常簇。     

基于LDA和Word2vec的微博标签生成算法

针对基于传统LDA主题模型的标签生成算法对用户兴趣主题描述不完整的问题,提出一种基于主题嵌入表示的微博用户标签生成算法TopicERP.该算法在LDA模型的基础上,通过引入Word2vec词嵌入模型,对用户兴趣主题进行全面描述,并对匹配度计算方法进行改进.首先利用LDA主题模型对用户微博进行主题分析,生成用户兴趣主题;然后利用Word2vec词嵌入模型将主题文本转换为主题向量,用于匹配度计算;最后,利用余弦相似度和主题在文档中的条件概率,计算主题向量与候选标签匹配度,选取Top-Q的候选标签作为目标用户标签.本文在公开微博数据集microPCU上进行实验,实验结果表明,该算法在总体性能上高于基于传统LDA主题模型的微博标签生成算法,生成的用户标签能够较为准确地描述用户的兴趣偏好.     

改进在线词对主题模型的微博热点话题演化

话题演化分析是舆情监控的研究热点之一,面向微博热点话题进行演化分析,对于网络用户以及网络监管部门都有很重要的现实意义。针对在线词对主题模型（On-line Biterm Topic Model,OBTM）新旧主题混合、冗余词概率相对较高的问题,对OBTM进行改进,提出基于话题标签和先验参数的OBTM模型（Topic Labels and Prior Parameters OBTM,LPOBTM）。根据微博热点话题的话题标签,将微博文本集区分为含话题标签和不含话题标签的两类数据集,并设置不同的文档-主题先验参数;在前一时间片文档-主题概率分布的基础上,借鉴Sigmod函数对所有主题进行强度排名,从而优化当前时间片上主题-词分布的先验参数计算方法。实验结果表明,LPOBTM能够更准确地描述话题的内容演化情况,并且有更低的模型困惑度。     

溢洪道闸墩后水翅的水力特性及消减措施研究

为研究如何避免溢洪道泄洪过程中,闸墩后生成的水翅会给泄洪安全带来诸多不利的影响。本文利用量纲分析和物理模型试验方法,对溢洪道闸墩后水翅的水力特性和消减措施开展研究。试验结果表明,影响水翅长度和高度的主要因素有闸墩尾部出口处的弗劳德数Fr_0、溢洪道坡度i、闸墩宽度等;在相同泄流条件下,若泄槽坡度变小,水翅长度也随之减小,而水翅高度却相应增加;当弗劳德数Fr_0介于2.3与2.8之间时,闸墩后的水翅长度和高度均显著增大。试验还发现水翅的长度、高度与闸墩后泄流下跌角度α有关,当α增大时,水翅长度和高度也随之增大;当α较小时,水翅现象明显减弱或消失。研究结果为实际工程消除水翅现象提供了新思路,提出的复合式斜尾墩比传统四棱台型尾墩能更好地避免水翅发生,对改善溢洪道、泄洪洞闸墩后的水流流态具有参考价值。     

天然气互换性多组分配气计算及软件开发

随着我国天然气行业的发展,城市天然气多气源供气现象将长期存在。在天然气互换性问题基础上,为满足互换性实验的要求,在实验室得不到供应各地方实际气源气的前提下,以北京地区为例,对各气源天然气进行多组分配气计算并编写相关软件,得到不同配气方案下各气源天然气的实验配制气。通过分析不同配气方案下配制气的燃烧特性参数,并结合天然气互换性实验系统的要求甄选出了最佳配气方案。     

基于改进轮盘赌策略的反馈式模糊测试方法

针对随机模糊测试方法测试盲目效率低下的问题,提出一种反馈式模糊测试方法,目的是通过流程优化来提高测试效果。首先,通过网络爬虫收集原始样本文件,确保原始样本的多样性。其次,通过代码覆盖率分析来从大量样本文件中筛选用于变异的最佳种子文件,在保证足够的测试空间的同时避免冗余测试。接下来通过变异种子文件的部分比特来生成测试用例,并根据测试结果基于改进轮盘赌策略不断调优种子文件的变异范围,以期发现尽可能多的软件故障。实现了一个原型系统OSSRWSFuzzer,在实验中发现了国产软件WPS Office的56个故障,体现了较强的漏洞检测能力。     

Noncovalent Functionalized Graphene-Filled Polyimides with Improved Thermal,Mechanical, and Wear Resistance Properties

A facile method is proposed to prepare poly-o-phenylenediamine (PoPD) noncovalent functionalized graphene (G)-reinforced polyimide (PI) nanocomposites. PoPD-G exhibited excellent dispersibility in various organic solvents. The structures of PoPD-G were characterized by Raman and UV spectrum, which verified the π–π interactions between PoPD and G. The effective exfoliation of graphene nanosheets was investigated by observation of the morphology of PoPD-G with SEM, SPM, and TEM. Compared to PI/G composites, the interfacial adhesion between graphene nanosheets and PI matrices promoted efficient stress transfer from PI chains to PoPD-G nanofillers. Polyimide nanocomposites with different incorporations of PoPD-G exhibited outstanding thermal properties. It is interesting to note that only 0.5 wt% PoPD-G-reinforced PI composites increased by 20.8% in hardness, enhanced by 84.0% in storage modulus, and reduced by 72.8% in wear rate compared with neat PI. The eminent enhancement was attributed to the facile dispersion of graphene nanosheets and strong interface adhesion between PI and PoPD-G.