位置信息记录中基于期望最大化的名称消重算法

在包含位置信息的签到记录中,每条记录仅包含名称和位置(经纬度)两个属性。传统的名称消重算法通过匹配实体的属性值或者计算实体间的名称相似性进行消重,忽略了位置信息的特殊性。为了提高位置信息记录中名称消重的质量,提出了一种基于期望最大化的位置名称消重算法。首先,提出了一种包含核心单词和背景单词的文本名称模型,并给出了计算模型参数值的期望最大化算法。其次,在文本名称模型中引入位置信息,将整个地图划分为若干个网格,分别计算每个网格中核心单词和背景单词的分布情况,并提出了一种考虑位置的文本名称模型。最后,将位置文本名称模型用于位置信息记录中的名称消重,并给出了相应的名称消重算法。实验表明, 与传统的名称消重模型相比,提出的位置名称消重模型可以更好地识别出名称中包含的核心词汇,因而在名称消重时具有更好的性能。     

有监督核化邻域投影分析算法

通过将鉴别邻域嵌入分析算法扩展到非线性场景,提出了一种有监督核化邻域投影分析算法。该算法在目标函数中引入类别标签和线性投影矩阵,并利用核函数处理非线性数据。通过两种不同策略优化目标函数,可将该算法进一步细分为有监督核化邻域投影分析算法一及有监督核化邻域投影分析算法二。其中,在有监督核化邻域投影分析算法一中应用拉普拉斯搜索方向达到了较快的收敛速度并降低了计算复杂度。实验结果表明,所提算法对于复杂的数据流形具有较高的识别率,且与鉴别邻域嵌入分析等相关算法相比在有效性和鲁棒性方面的表现更为出色。     

基于语义技术的软件用户访问控制方法

在应用软件中广泛使用的访问控制模型不能根据用户上下文来动态改变资源的访问权限。针对上述问题提出一种基于语义技术的访问控制方法,实现了对用户的动态授权。提出基于语义信息的用户模型和资源模型并构建面向用户模型和资源模型的基础本体,定义一组与访问控制相关的语义规则及推理规则,并设计基于语义推理过程的判定算法。访问控制过程是接收并分析访问请求,根据语义规则从显示的本体知识中获取相关联的用户信息,调用判定算法得出用户与资源间的访问权限关系。最后通过某综合减灾应用系统案例来验证该方法的有效性。     

一种结合上下文语义的短文本聚类算法

短文本因具有特征信息不足且高维稀疏等特点,使得传统文本聚类算法应用于短文本聚类任务时性能有限。针对上述情况,提出一种结合上下文语义的短文本聚类算法。首先借鉴社会网络分析领域的中心性和权威性思想设计了一种结合上下文语义的特征词权重计算方法,在此基础上构建词条-文本矩阵;然后对该矩阵进行奇异值分解,进一步将原始特征词空间映射到低维的潜在语义空间;最后通过改进的K-means聚类算法在低维潜在语义空间完成短文本聚类。实验结果表明,与传统的基于词频及逆向文档频权重的文本聚类算法相比,该算法能有效改善短文本特征不足及高维稀疏性,提高了短文的本聚类效果。     

通用和修正D-H法在运动学建模中的应用分析

通用D-H法在机器人运动学标准建模中虽然已被广泛研究和应用,但其存在一个根本缺陷就是,对于两个相邻的平行关节,通用D-H法得到的齐次变换矩阵将是一个奇异矩阵,不能得到正确的模型,这样便无法对这部分关节运动进行正确的运动分析.而修正的D-H法是正对通用D-H所存在的缺陷进行了改进,保证了模型准确性.本文研究了通用的运动学建模方法D-H法和该方法的应用缺陷,以及修正的D-H法对通用D-H法存在的缺陷进行的改进,并对修正的D-H法在自由度串联机器人正逆运动学中建立模型的正确性进行了验证.     

基于程序分析的分布式应用自动化追踪方法

提出了一种零配置的端到端细粒度追踪的方法-EasyTrace,应用于分布式系统发生性能降级时的问题诊断.传统工具往往存在监测粒度与服务组件源码紧耦合或配置信息复杂、修改代价高等不足,EasyTrace能够做到零配置下性能问题的准确定位.基于开源电子商务系统的实验结果表明,EasyTrace相对传统监测工具对系统造成的扰动很小.     

小麦产量实时测报系统

针对当前河南地区小麦产量估测信息滞后问题,集成传感技术、GPS和无线通信技术,对接农机收获装备,构建基于多传感器技术的小麦产量测报信息服务系统,实现小麦收割与产量测报同步进行.系统的应用实验于2015年6月在许昌市长葛县800亩试验田进行,实验结果表明,系统的产量测报误差小于5%,可以满足小麦产量测报的实际需求.系统的推广应用为河南及全国的小麦产量测报提供数据参考,为获知农田信息的时空差异性提供数据支撑,为实施“精细农作”提供决策依据.     

主成分和BP神经网络在粮食产量预测中的组合应用

粮食产量的变动受到多种因素的共同影响,各因素之间往往具有十分复杂的非线性关系,传统的预测方法大多无法反映这种变化规律而影响了预测的准确性.BP神经网络模型具有很好的非线性逼近能力,对中国粮食产量能实现比较准确的预测;主成分分析可以对具有模糊关联的变量数据进行降维,其与BP神经网络的组合能优化模型的网络结构,提高预测精度.实证结果表明,组合模型预测结果的精度提高了3%,网络训练的收敛速度和效率也得到不同程度的改善.     

A heuristic approach to discovering user correlations from organized social stream data

Multimedia Tools and Applications - Recently, with the widespread popularity of SNS (Social Network Service), such as Twitter, Facebook, people are increasingly accustomed to sharing feeling,...     

Social recommendation based on trust and influence in SNS environments

The development of social media provides convenience to people’s lives. People’s social relationship and influence on each other is an important factor in a variety of social activities. It is obviously important for the recommendation, while social relationship and user influence are rarely taken into account in traditional recommendation algorithms. In this paper, we propose a new approach to personalized recommendation on social media in order to make use of such a kind of information, and introduce and define a set of new measures to evaluate trust and influence based on users’ social relationship and rating information. We develop a social recommendation algorithm based on modeling of users’ social trust and influence combined with collaborative filtering. The optimal linear relation between them will be reached by the proposed method, because the importance of users’ social trust and influence varies with the data. Our experimental results show that the proposed algorithm outperforms traditional recommendation in terms of recommendation accuracy and stability.