自下而上建设智慧城市

目前,智慧城市的创新始终由科技公司主导,鼓励创造革新技术,让居民被动消费而非主动创造。为扭转这一局面,笔者研究了一种通过软件来运转的替代模式,对技术连接城市涉及的规划法规、经济运作、实体结构进行编码,并允许公民(甚至那些技术能力有限的公民)参与智慧城市的建设。这些软件是在MVRDV的维尼·马斯(Winy Maas)和研究机构"The Why Factory"的引导下开发的,演示了智慧城市将如何从政府和科技公司创造的自上而下的单一产品,转变为由智慧市民通过不懈努力主导的自下而上的智慧城市新产物。     

金属储氢系统热控制仿真分析

金属储氢材料十分适合于车载储氢.由于储氢材料在吸放氢过程中,伴随有大量的反应热,而反应热的释放与传播速率会直接影响储氢装置效用的发挥.因此,在使用过程中有必要对金属储氢系统内部的温度场实施适当的控制.本文利用Matlab编写金属储氢材料放氢过程实时热仿真程序,用于计算不同车辆运行工况下储氢罐内的温度分布,以便得到当前情...     

面向专业文献知识实体类型的抽取和标注

知识实体的类型标注是专业文献的结构化管理和知识脉络挖掘中的一个重要问题。然而,由于知识实体具有专业性强、类型多样等特点,传统的实体抽取方法并不能很好地实现知识实体的类型标注。为了解决这一问题,该文从数据中发现并总结出知识实体类型的独有特性,根据这些特性首先提出一种基于启发式规则的类型抽取方法、实现部分知识实体的类型标注,进而通过多标签加权的标签传播方法实现对所有知识实体的类型标注。与传统方法相比,该方法能够从数据中获得最有可能的类型标签,在无需人工标注的情况下获得有效的知识实体类型标注。实验结果表明,所提出方法具有较好的灵活性,更适用于专业文献知识实体的类型标注。     

面向图像数据集的高斯过程分类

高斯过程分类是近年机器学习领域引起广泛关注的一类有监督的学习算法。该算法在高斯过程的先验假设下,以后验概率最大化的为目标,获得对新样本的预测值及属于该值的概率。针对图像数据的特性,提出一种将高斯过程应用于图像分类的方法,同时在此基础上给出对图片进行排序的一种方案。在公开的图像数据集上进行了实验,并与支持向量机分类器进行对比,证实了其有效性,为改进图像分类技术提供一条可供参考的途径。     

猪链球菌微滴数字PCR定量检测方法的建立

根据猪链球菌(Streptococcus suis,SS)gdh基因的保守序列设计特异性引物和Taq Man探针,通过反应条件优化和特异性、敏感性、重复性试验以及临床样品的检测,建立可对其准确定量的微滴数字PCR(droplet digital PCR,dd PCR)检测方法,并与实时荧光定量PCR(Quantitative real-time PCR,qPCR)检测方法进行比较分析。结果表明,该方法特异性良好,与猪传染性胸膜肺炎放线杆菌、副猪嗜血杆菌、大肠杆菌、沙门氏菌、金黄色葡萄球菌、猪圆环病毒2型和伪狂犬病毒无交叉反应;灵敏度优于qPCR,线性相关系数(R2)为0.991,呈良好线性关系,最低可检测到2.692 copies/μL的阳性质粒;稳定性好,变异系数为1.66%。临床样品定量检测结果表明,dd PCR具有敏感性高、特异性好等优点,能对qPCR检测的可疑样品进行精确定量。本研究建立的dd PCR能够准确定量检测SS,将为SS相关研究提供有益参考。     

副猪嗜血杆菌微滴数字PCR定量检测方法的建立

根据副猪嗜血杆菌(Haemophilus parasuis,HPS)OMP P2基因的保守序列设计特异性引物和Taq Man探针,通过反应条件优化和特异性、敏感性、重复性试验以及临床样品的检测,建立可对其准确定量的微滴数字PCR(droplet digital PCR,ddPCR)检测方法,并与实时荧光定量PCR(Quantitative real-time PCR,qPCR)检测方法进行比较分析。结果表明,该方法与猪传染性胸膜肺炎放线杆菌、猪链球菌、枯草芽孢杆菌、大肠杆菌、沙门氏菌、金黄色葡萄球菌以及猪圆环病毒2型、猪瘟病毒无交叉反应;其灵敏性优于qPCR,线性相关系数(R2)为0.996,呈良好线性关系,最低可检测到2.647 copies/μL的阳性质粒,变异系数为3.29%。临床样品定量检测结果表明,ddPCR具有敏感性高、特异性好等优点,其检出率稍高于qPCR。本研究建立的ddPCR能够准确定量检测HPS,将为HPS相关研究提供有益参考。     

基于图网络嵌入及BPR的推荐算法

通过构建一个能够体现不同用户-项目交互信息和项目属性信息的图网络,将推荐问题转化为异构图网络的节点嵌入问题并提出一种用于生成用户-项目表示的联合学习算法.在该联合学习算法中,采用带权的个性化排序算法体现用户对于不同项目的喜好程度的差异,融合项目信息拓展用户的行为模式,更好地找到用户的喜好.实验结果表明,该算法在多种不同的推荐评价指标上比基准算法具有明显的优势.     

基于用户潜在状态及依赖关系学习的时序行为推荐

如何捕捉用户行为的动态变化及依赖关系是当前时序推荐领域的一个重要问题,主要面临着行为事件空间庞大、行为的时序依赖关系复杂等挑战。针对以上挑战,提出了一种基于行为序列潜在状态及其依赖关系学习的时序推荐算法。首先,利用最大池化层级结构获得行为序列潜在状态的低维表征;然后,通过图神经网络捕捉和描述潜在状态之间的依赖关系以实现用户行为变化模式的学习,从而获得更准确的时序推荐效果。实验结果表明,所提算法在节目点播（IPTV）、纽约（NYC）和东京（TKY）这3个数据集上与近年的分层门控网络（HGN）基线算法相比,在性能评估指标召回率上分别提高了30.03%、29.48%和33.75%,在归一化折损累计增益（NDCG）指标上分别获得了37.20%、43.47%和40.34%的相对提升,且消融实验结果表明了时序状态的依赖关系学习的有效性,因此所提算法尤其适用于解决时序推荐中单一时间片中行为稀疏以及行为依赖关系复杂的问题。     

基于贝叶斯网络与语义树的隐私数据发布方法

为在隐私预算相同的条件下提高发布数据的可用性,在PrivBayes的基础上,提出一种改进的隐私数据发布方法PrivBayes_Hierarchical。基于贝叶斯网络隐私数据发布方法的思想,引入语义树对含有层次关系的数据属性进行抽象,使用贝叶斯网络描述数据属性之间的依赖关系。利用格雷码减少随机噪声对数据精度的影响,并对贝叶斯网络结构学习方法进行优化,以减少不必要的隐私预算消耗,提高数据可用性。实验结果表明,该方法在公开数据集下可以获得比PrivBayes更高的数据精度,从而提升隐私数据集的可用性。     

差分隐私保护k- means聚类方法研究

研究了基于差分隐私保护的k-means聚类隐私保护方法。首先介绍了隐私保护数据挖掘和隐私保护聚类分析的研究现状,简单介绍了差分隐私保护的基本原理和方法。为了解决差分隐私k-means聚类方法聚类结果可用性差的问题,提出了一个新的IDP k-means聚类方法,并证明了其满足e-差分隐私保护。最后的仿真实验表明,在相同隐私保护级别下,IDP k-means聚类方法与差分隐私k-means聚类方法相比,聚类可用性得到了较大程度的提高。