用户定制主题聚焦爬虫的设计与实现

传统的聚焦爬虫在主题未知或者缺少相应训练集的情况下无法完成主题爬行。为让聚焦爬虫具有更好的主题适应性,提出基于聚类算法的自适应主题模型,指导聚焦爬虫在只有少量相同主题(主题未知)初始url的情况下完成主题爬行。通过对初始页面聚类得到主题中心向量,寻找相关网页更新主题中心位置;基于best-first策略实现url排序;基于该模型实现用户定制主题聚焦爬虫。通过对比实验验证了使用该模型的爬虫具有较高的收获比(havest rate)。     

极低温度超高压强下纳米多晶镍塑性变形行为与机理的分子动力学研究

采用分子动力学方法研究了极低温度、超高压强条件下纳米多晶镍的塑性变形行为;利用共近邻分析(Common neighbor analysis,CNA)表征了纳米多晶镍的微观结构特征及其演化过程;结合广义层错能计算,揭示了超高压强对纳米多晶镍塑性变形机理的影响.结果表明:在0～300 K范围内,纳米多晶镍的强度随着温度的降...     

改进的应用于交通场景的运动目标检测方法及质量评价*

针对ViBe算法在交通视频检测中出现明显鬼影区域、缓慢目标残影难以消除、检测精确度和鲁棒性不足的问题,本文提出改进算法,利用灰度信息为像素建立生命长度矩阵,使鬼影或残影快速融入背景样本得以消除。结合最大类间方差法设置自适应阈值,加入良好后处理抑制动态噪音。同时本文借鉴分类算法的统计指标,提出质量评价多个要素,以ViBe原算法、混合高斯算法(GMM)、LBP-OTSU相结合的背景差分法和本文改进算法为例,定性、定量对实验结果作出质量评价和分析。实验表明,改进算法在较少帧数内去除了鬼影,抑制了运动目标残影,提高了运动目标检测的准确度和整体性能。     

一种改进的快速聚类算法GLDBSCAN

本文在基于局部密度的空间聚类算法LDBSCAN的基础上提出了一种基于网格和SP-Tree的快速聚类算法GLDBSCAN。改进算法设计了一种新的对数据空间进行划分的网格划分方法,并采用空间索引SP-Tree来组织网格结构。算法同时提出用网格中心对象来代表网格包含的对象集合进行聚类,从而降低聚类时间和I/O消耗,实现快速聚类。实验结果表明,GLDBSCAN算法在不降低LDBSCAN聚类质量的前提下,大大提高了聚类的效率,并且能有效地对大规模数据集进行聚类。     

基于WWW的实时动态答疑系统

以SIP视频会议系统为原型,设计实现了基于WWW的实时动态答疑系统.详细阐述了该系统的功能结构、设计方案及核心技术实现.视频答疑模块采用了会议管理系统和控制系统分离,各子系统分层设计的设计方案,具有良好的可扩充性.系统实现了点到多点的实时答疑,真正实现了教师和学生面对面的交流.     

双频无源超高频实时定位系统研究

提出一种基于双频比相的无源超高频射频识别（UHF-RFID）实时定位系统（RTLS）。与传统射频识别定位系统相比,该方法带宽小,精度高。分析了双频比相测距原理在无源RFID系统中的适用性,通过理论计算得到非理想因素对测距精度的影响,并在Simulink平台上进行建模。仿真结果表明,I-Q相对失配度小于0.08,基带信噪比为21.5 dB时,系统定位精度可小于0.5 m。     

地图自动输入系统中快速输入等值线群的算法

研究地图中等值线群的快速输入问题,给出了自动跟踪提取等值线群的有效算法。该算法在跟踪提取各圈等值线的过程中顺以脱离人工干预,能自动识别并处理相邻等值线的碰撞问题,自动弥合等值线上的缺口。     

Ｌｉ Ｈｏｐｆｉｅｌｄ神经网络用于汉字字符识别

提出了一种Ｌｉ Ｈｏｐｆｉｅｌｄ网络,解决了Ｈｏｐｆｉｅｌｄ神经网络能量函数存在积分项、振荡收敛、计算复杂等问题,并继承了Ｈｏｐｆｉｅｌｄ网络的结构与Ｌｉ网络的优点．同时发现基于部首拆分的汉字字符识别可以忽视甚至利用该网络的虚假稳定点,从而使样本存储量降为传统Ｈｏｐｆｉｅｌｄ网络的１４４％,表明该算法有效且快速．     

同态加密在加密机器学习中的应用研究综述

现有的机器学习算法不能对加密后的数据进行分析计算,而很多领域如医疗、金融等又要求数据保持机密性和安全性,这促进了加密机器学习的产生和发展。同态加密技术是解决这一问题的主要思路,它可以保证在不解密的情况下对密文进行计算,使得解密后的结果与对明文执行相同计算得到的结果相同。文中对同态加密在加密机器学习中的 相关 应用研究进行了综述,主要介绍了目前用同态加密实现加密机器学习的3种算法(加密神经网络、加密k-NN、加密决策树和完全随机森林),并从正确性、安全性、执行效率方面分析了方案设计,总结并对比了不同加密机器学习算法的构造思路,指出了同态加密用于加密机器学习的关键问题和进一步研究需要关注的内容,为同态加密和加密机器学习提供参考。     

基于M估计的有效成比例仿射投影算法

在回声消除中,针对回声路径具有稀疏性的优势,有学者提出基于μ准则记忆的改进型成比例仿射投影算法（μ‐MIPAPA）,但该算法抗脉冲干扰性能较差。为此将稳健估计中的M估计应用于该算法,提出一种基于M 估计μ准则记忆的改进型成比例仿射投影算法（μ‐MMIPAPA）。为使算法具有更好的稳态性能,采用改良的 Huber M 估计函数,改进阈值参数的选取方式。有色输入下的稀疏回声信道辨识结果表明了μ‐M M IPA PA的良好稳态性能和抗脉冲干扰性能。