选择性吸附-催化法处理合成革废水并回用

合成革生产抽出工段产生的废水温度高达80～95℃,生化降解性能极差。通过开发CP-35型催化剂,采用吸附-催化方法,可以从该废水中有选择地除去影响合成革质量的物质,出水回用于生产。工业放大试验结果表明,在回用水达70%～75%时,不影响合成革产品质量。     

基于TCP Vegas拥塞控制算法的研究与改进

网络拥塞已经成为制约因特网发展的瓶颈.在众多TCP拥塞控制算法中,TCP Vegas表现出比其他算法更为优越的性能,但是在特定环境下也存在不足.本文通过对网络拥塞策略的研究和Vegas性能的分析,验证了Vegas整体性能优于Reno的结论,并通过分析Vegas的特点,针对α和β的值对公平性的影响,提出了一种在TCP V...     

基于最大信息系数和近似马尔科夫毯的特征选择方法

最大信息系数（Maximum information coefficient,MIC）可以对变量间的线性和非线性关系,以及非函数依赖关系进行有效度量.本文首先根据最大信息系数理论,提出了一种评价各维特征间以及每维特征与类别间相关性的度量标准,然后提出了基于新度量标准的近似马尔科夫毯特征选择方法,删除冗余特征.在此基础上提出了基于特征排序和近似马尔科夫毯的两阶段特征选择方法,分别对特征的相关性和冗余性进行分析,选择有效的特征子集.在UCI和ASU上的多个公开数据集上的对比实验表明,本文提出的方法总体优于快速相关滤波（Fast correlation-based filter,FCBF）方法,与ReliefF,FAST,Lasso和RFS方法相比也具有优势.     

满足本地差分隐私的分类变换扰动机制

本地差分隐私作为一种隐私保护技术,被广泛用于连续数值型数据的均值估计,使用的扰动机制将直接影响均值的准确度.为进一步提高均值估计的准确性,提出了一种满足差分隐私的分类变换扰动机制.该机制对连续数值型数据划分变换范围并进行分段,根据分段将其变换为1维二元分类数据.转换后使用随机响应机制进行扰动,再根据扰动后的数据标识的数值段从中随机均匀抽取数值作为扰动值.在真实数据和合成数据中的均值估计实验结果表明该机制极大地提高了准确性.除此之外,将分类变换扰动机制用于构建满足本地差分隐私的小批量梯度下降算法,并完成线性回归学习任务,实验结果证明该方法同样优于其他已有机制,可得到更小的均方误差.     

三层虚拟工作流模型的非线性制造工艺多目标优化算法研究EI北大核心CSCD

时间、生产质量和成本是加工制造中相互制约的重要参数,平衡此参数使制造工艺最优是一个NP(Non-deterministic polynomial)难题,对此出现了许多优秀的调度方法.然而这些方法的优化对象均为线性工艺,对于普遍存在的非线性工艺却无法调度优化.针对此不足,本文以非线性工艺为优化对象提出了三层虚拟工作流模型Three-VMG(Three-virtual model graph)及其优化算法Three-OVMG(Three-optimal virtual model graph).该模型和算法首先建立非线性工作流,采用虚拟技术寻找虚拟结点进行重构,将其改造为虚拟线性工作流;其次结合工艺特点对模型进行分段,采用逆向分层串归约来实现段内最优解,采用累积最优解来衔接各段间的值;最后根据优化结果自顶向下完成各层资源的优化调度.实验表明,该过程较传统时间最小化优化调度算法具有显著的优化效果,其性能及可操作性也能满足工程要求.     

针对长视频问答的深度记忆融合模型

长视频问答包含丰富的多模态语义信息和推理信息.当前,基于循环神经网络的视频问答模型难以充分保存重要记忆信息、忽略无关冗余信息和实现记忆信息高效融合.针对该问题,依据记忆网络思想,提出一种深度记忆融合模型.本模型利用记忆网络的记忆组件有效保存视频剪辑及其字幕的融合特征,提出一种多模态相似性匹配方法过滤冗余记忆信息.经过卷...     

基于链路同质性的应用层流量分类方法

随着高速网络链路中数据量的剧增,以及越来越多的流行应用使用动态端口或使用加密流量通信,导致传统的网络流量分类方法失效.本文研究了应用层流量中存在的链路同质性,结合统计关联学习方法和流量传播图挖掘方法,提出了一种基于链路同质性的应用层流量分类方法.我们分析数据集中邻接链路之间的统计依赖关系并应用于网络协议识别,而不依赖于数据包载荷与网络流特征.实验结果表明,本文提出的方法能够实现超过80％的流量识别精度.     

基于子空间聚类的网络流量分类方法

应用层网络流量分类技术对流量控制与管理等研究具有重要意义.针对传统的基于有监督机器学习的分类方法对所有应用程序使用相同的特征,使得某些特征对一种或几种应用类型有区分性,而对其他应用类型的网络流分类产生干扰等问题,提出基于子空间聚类方法的网络流分类框架.利用子空间聚类算法,在总特征集中为每一种类型应用进行特征选择,提取与之相对应的关键特征,自动消除不相关的特征,使得每种应用类型都产生对应的特征签名集,并用这些不同的特征签名对未知的网络流进行分类.实验结果表明:本文提出的方法能够有效地提出每种应用类型的特征签名,并且所提出的特征签名具有明显的可区分性,该方法的分类准确率在93%以上,并且能很好的识别新出现的应用.