基于共同语境的近义词/同义词短语查找模型

为了实现大型语料库中近义词/同义词短语的查找,提出了一种基于共同语境的近义词/同义词短语查找模型,它通过[n]-gram分布式方法捕获语义相似性,不需要解析就能隐式地保存局部句法结构,使底层方法语言独立;具体实现分为两个阶段：第一阶段是上下文收集和过滤,即用围绕查询短语的本地上下文作为条件模型的特征来捕获语义和语法信息。第二阶段是候选词短语收集和筛选,即对数据中的每个“左”“右”和“配对”的全部实例进行迭代,以收集一组近义词/同义词候选短语;还给出了构成模型的要素和用于评价模型性能的评分函数;基于不同大型语料库的实验结果表明,提出的建模方法在总的统计评分查找性能和整体可扩展性方面都优于常用的其他查找方法模型。     

基于改进NSGA-II的车间排产优化算法研究

针对NSGA-II算法在处理车间排产优化问题中出现的子代种群多样性差、收敛能力差等问题,提出了一种改进NSGA-II的车间排产优化算法。改进NSGA-II算法主要对传统NSGA-II算法的交叉和变异环节,提出新的改进自适应交叉和变异算子,通过对个体拥挤度与种群平均拥挤度进行对比,并结合种群迭代进化过程,将遗传概率与种群个体及种群进化迭代次数关联,避免盲目导向性,提高种群的收敛速度;提出新的均匀进化精英保留策略,通过自适应分层次选取种群个体,解决子代种群多样性差的问题。针对车间排产问题,选择“最大化最小交货提前期”和“最小化最大理想加工时间偏差”作为目标函数,运用改进NSGA-II算法进行实际工程的仿真分析,对比改进前后算法优化的结果,验证了算法的有效性,同时证明了其应用于实际生产排产调度问题的价值参考性。     

基于改进SSD的道路交通标志检测

针对复杂环境下交通标志检测精度低的问题,设计了一种检测精度更高的目标检测算法,对SSD深度学习目标检测算法进行了优化改进;将深度特征表征能力较强的Resnet50网络模型融入于SSD算法中;采用K-means++聚类算法确定SSD中先验框的尺寸,提高交通标志的检测率;分别利用SSD模型和改进的SSD模型做检测对比实验,结果表明,改进算法对各类型交通标志的检测精度比原SSD算法更高;改进的SSD方法对交通标志进行检测能取得较好效果,弥补了原算法的不足.     

一种面向水下传感器网络的监测系统设计方法

当前水下监测系统缺乏统一的开发规范,软件可复用性低,难以快速、高效地进行系统设计与实现;提出了基于水下传感器网络的监测系统设计方法,将系统结构分为观测平台、本地观测服务器、数据服务器,从数据获取、数据管理、数据展示方面给出了软件的总体开发流程,并提出了统一的软件数据模型和软件开发模型;在数据模型中,对监测元数据以及监测数据进行规范化描述;在软件开发模型中,构建了可扩展的功能组件库,通过对组件进行配置,可快速生成满足用户需求的监测系统;通过在不同的应用开发中进行验证,证明该方法能够在保证系统质量的前提下,显著提高开发效率.     

小型无人机发动机温度监控系统设计

为了实时监控小型油动无人机的发动机工作温度,设计开发了基于K型热电偶的4路温度监控系统;该系统采用模拟开关CD4052作通道切换,选通的热电偶信号经放大调理,由STM32F103控制器片上A/D采集,经DS18B20数字温度传感器作冷端补偿,最终以Modbus RTU协议将温度值发送到485总线上;经调试校准,该温度监控系统在蚊子直升机MZ202型发动机正常工作温度范围内与原机温度仪表相差±3℃,数据刷新率大于2 Hz,且工作稳定抗干扰能力较强,为发动机调校提供了可靠的依据,有效地保障了发动机安全稳定运行;该温度监控系统也可用于Rotax582,Rotax912/914等小型活塞航空发动机缸头及排气温度的采集与监控。     

虚拟现实技术在涂鸦中应用的评估

随着虚拟现实技术的逐步发展与趋于成熟,其在以涂鸦绘画为载体的艺术创作领域的应用也越来越普遍,因此对VR技术在涂鸦中应用的可行性及影响因素和效果进行分析势在必行。本文通过研究虚拟现实技术与涂鸦结合的特点,分析了其具有的优势及存在的问题,为虚拟涂鸦进一步研究推广提供了一定的借鉴与参考。     

基于图嵌入的自适应多视降维方法

随着监控摄像头的普及和数据采集技术的快速发展,多视数据呈现出规模大、维度高和多源异构的特点,使得数据存储空间大、传输慢、算法复杂度高,造成“有数据、难利用”的困境。到目前为止,国内外在多视降维方面的研究还比较少。针对这一问题,本文提出一种基于图嵌入的自适应多视降维方法。该方法在考虑视角内降维后数据重构原始高维数据的基础上,提出自适应学习相似矩阵来探索不同视角之间降维后数据的关联关系,学习各视数据的正交投影矩阵实现多视降维任务。本文在多个数据集上对降维后的多视数据进行了聚类/识别实验验证,实验结果表明基于图嵌入的自适应多视降维方法优于其他降维方法。     

标准模型下前向安全的格基有序聚合签名

在前向安全有序聚合(FssAgg)签名系统中,签名人以分层的"洋葱式"的方式,将不同时段不同密钥下的签名逐步有序地聚合成一个签名.其中,最内层的签名是第一个签名.另外,与普通的有序聚合签名相比,前向安全有序聚合签名是对同一个签名人不同签名的聚合,而非对不同签名人签名的聚合,因而签名验证者使用一个公钥即可完成对所有聚合过程的验证.前向安全的有序聚合签名兼具前向安全签名和聚合签名的优点,自2007年提出以来,已被广泛应用于日志系统、区块链等众多应用场景中.目前现存的几个前向安全的有序聚合签名都是基于传统数论问题的,而这一问题在后量子时代将会变得不再困难.因而,寻找量子计算环境下前向安全的有序聚合签名已迫在眉睫.基于格上的小整数解问题,构造了标准模型下前向安全的格基有序聚合签名方案.为达到高效率目的,方案借助于固定维数格基委派技术实现密钥更新,达到前向安全性;随后通过消息添加技术和原像采样算法分别将待签消息和格上困难问题嵌入到签名中,使得签名在标准模型下是不可伪造的.     

基于OGC标准的水利一张图关键技术解析

为解决水利空间数据共享困难的问题,江苏省基于开放地理信息标准,采用去中心化技术路线,构建水利一张图。利用OGC(开放地理空间信息联盟)提供空间数据交换和服务互操作协议,具体接口可以在业务领域定制化实现,提出以OWS(OGC网络服务)融合异构空间数据,实现地图局部更新和统一风格展示;通过URI定位属性并与Solr搜索引擎结合,扩展WFS实现基于语义的空间信息查询;基于服务链和工作流整合水利空间功能;结合LDAP协议实现CSW服务,构建跨部门、级别、业务的细粒度空间信息目录;通过服务负载均衡,实现云端GIS等方案。从技术上实现水利一张图平台框架,可满足水利空间信息公共服务的功能、性能需求,并为基于水利一张图整合全省水利信息资源,提供理论参考和技术借鉴。     

Incremental join view maintenance on distributed log-structured storage

Modern database systems desperate for the ability to support highly scalable transactions and efficient queries simultaneously for real-time applications. One solution is to utilize query optimization techniques on the on-line transaction processing (OLTP) systems. The materialized view is considered as a panacea to decrease query latency. However, it also involves the significant cost of maintenance which trades away transaction performance. In this paper, we examine the design space and conclude several design features for the implementation of a view on a distributed log-structured merge-tree (LSMtree), which is a well-known structure for improving data write performance. As a result, we develop two incremental view maintenance (IVM) approaches on LSM-tree. One avoids join computation in view maintenance transactions. Another with two optimizations is proposed to decouple the view maintenance with the transaction process. Under the asynchronous update, we also provide consistency queries for views. Experiments on TPC-H benchmark show our methods achieve better performance than straightforward methods on different workloads.