基于拉普拉斯方向的差值线性判别分析

标准的LDA方法通常有3个问题:1)为了确保类内散度矩阵的非奇异性,必须首先通过PCA进行维数约简,这限制了对更多维数空间的使用;2)当每人只有单个训练样本时,类内散度矩阵必然奇异,此时LDA无法工作;3)缺乏对像素间的局部相关性的考虑。为了解决这些问题,提出一种基于拉普拉斯方向的差值线性判别分析方法。该方法通过拉普拉斯方向实现更鲁棒的图像相异性测度,通过引入差值散度矩阵来避免类内散度矩阵的奇异性。实验结果显示,该算法对表情变化、光照改变及不同遮挡情况获得了更高的识别率,尤其针对光照变化,效果更加显著。     

企业云应用演进策略多时段分析

随着云计算技术的发展,企业急需一种有效方法将原本孤立的应用系统向云平台迁移。将网络层次分析法(ANP)及其超级矩阵收敛过程应用于企业云应用演进计划制定,提出一个演进策略的多时段分析方法。通过对企业云应用体系结构的建模与仿真分析,构建ANP多属性决策模型,解析超级矩阵从初始状态到极限状态的收敛过程,挖掘各云应用系统的分时段关键性影响因素,为企业的整体演进策略提供支持。最后,通过一个案例展示多时段分析方法的具体过程,提取出相关关键因素,为企业策略的动态规划提供理论依据。     

微波辐射合成4(3H)-喹唑酮

以邻氨基苯甲酸和甲酰胺为原料,在无溶剂条件下采用微波辐射法合成4(3H) 喹唑酮。实验结果表明:n(甲酰胺)/n(邻氨基苯甲酸)=10,反应物加热预混合,甲酰胺分批加料,微波辐射强度为180W,微波辐射时间为6～8min时,邻氨基苯甲酸的转化率可达96%以上,4(3H) 喹唑酮的收率在94%以上,反应速率比常规加热条件下提高45倍。     

反式—1，4—聚异戊二烯改性聚丙烯的研究

研究了反式－1，4－聚异戊二烯（TPI）的力学性能与交联的关系及不同产联度的TPI对PP的增韧效果。发现TPI能显著提高一种韧性PP（PP／EPDM）的冲击强度，使球晶细化，均一，讨论了其增韧机理。     

流变参数对顺序共注成型芯层熔体最大填充量的影响

基于Hele-Shaw模型，采用有限元数值模拟技术，系统研究了壳层熔体流变指数和零切黏度对顺序共注成型芯层熔体最大填充量的影响规律，并基于流变学理论揭示了其影响机理，最终提出了顺序共注成型芯层熔体最大填充量与壳层熔体流变指数和零切黏度经验关系方程。     

合成方法对NH_4MPO_4·H_2O(M=Mn,Fe,Co,Ni,Cu)颗粒形貌的影响

采用低温固相法与常规液相法合成系列磷酸铵复盐NH4MPO4.H2O(M=Mn,Fe,Co,Ni,Cu),用XRD,FT-IR和SEM对产物进行表征,比较两种合成工艺及产物的颗粒形貌和大小。结果表明,除铜盐为斜方晶系外,其余都为正交晶系。与常规液相法相比,低温固相法不需要使用溶剂,能在低温短时间内合成磷酸铵复盐类化合物,但是需要晶化才能得到良好结晶体,合成的条件较为苛刻,容易有副反应发生,所得产品是片状结构,厚度为纳米尺寸的二维纳米材料,液相反应得到的产物颗粒是层状结构的微米级产品。     

基于信任的云计算身份管理模型设计与实现

随着云计算的发展,身份管理问题已经引起业界高度关注。基于群签名的身份认证机制保证了云服务提供者不能通过外包的数据回溯用户的身份信息,并广泛应用于云计算环境的身份管理中,但它无法阻止恶意用户对云服务的非法访问。针对此不足,改进了现有的身份管理模型,将信任管理与群签名机制相结合,设计了基于信任的身份管理模型。本模型首先计算用户信任度并将其作为群签名分组的依据,再利用群签名机制实现用户认证,在应用中既能保证用户隐私,又能帮助云计算提供者保护资源。实验结果表明,本模型能有效识别恶意用户,帮助云服务提供者阻止恶意用户对资源的访问。     

基于卷积树核的中文微博情感要素识别

情感要素识别是情感分析的关键子任务之一,其目的是识别出文本情感所作用的情感对象。文本情感要素识别属于最细粒度的情感分析,吸引了大量研究者的关注。中文微博由于其语言简短灵活、文本不规范、噪声较大等特点,给中文微博情感分析研究工作带来了新的挑战。目前大部分情感要素识别方法都是基于规则的方法或者基于扁平化特征的统计学习方法,区分噪声的能力不强,性能提升有限。针对中文微博的特点,提出一种基于卷积树核的情感要素识别算法,即首先对句子进行词性标注与依存关系分析,将句子中的名词作为候选情感要素;然后基于两种不同的修剪策略对依存树进行修剪,以获取每个候选情感要素的结构化信息;最后采用卷积树核计算依存树的相似度,并在此基础上识别句子中的情感要素。NLPCC2012和NLPCC2013中文微博情感分析评测任务中的实验验证了该方法的性能,其准确率相比于传统方法有显著提升。     

医疗健康数据的模糊粗糙集规则挖掘方法研究

医疗健康数据通常属性较多,且存在连续型、离散型并存的混合数据,这在很大程度上限制了知识发现方法对医疗健康数据的挖掘效率。以模糊粗糙集理论为基础,研究混合数据上的分类规则挖掘方法,通过引入规则获取算法的泛化阈值,来控制获取规则集的大小和复杂程度,提高粗糙集知识发现方法在医疗健康数据上的分类效率。最后通过对比实验验证了该算法在医疗决策表上挖掘规则的有效性。     

移动平台三维花卉植物触摸反馈可视化模拟

虚拟现实领域中,人们对三维花卉植物可视化及交互感的需求越来越强烈,而触摸力度引起的植物受力形变过程又无法采用现有的植物运动形变方法进行模拟,因为现有方法造成了模拟失真,交互感差。根据植物整株交互需求或单一叶片受力情况,分析不同方式的运动反馈模拟方法,先判断受力情况,根据动力学原理模拟整株受力,根据触摸屏获取数据,结合叶脉骨架旋转模型算法计算出单一叶片因受力而发生的形变,不需手动输入参数,就能模拟不同力度触摸造成的叶片形变。本方法应用在移动平台后,真实感和帧速率情况良好,可视化和交互感大大提升,并可推广到同类结构的物体模拟。