一种基于标签的改进主题演化模型

传统主题演化(ToT)模型通常忽略原始数据中的标签元信息。为此,建立一种基于标签的改进ToT模型。针对传统权重算法忽略词汇在文档集类别间和类别内的分布对权重产生影响的问题,结合文档标题特征,使用改进词频-反重力距算法进行权重分析,以扩展模型的生成过程。在ToT模型的基础上引入原始文档的标签属性,构建改进模型并使用吉布斯采样算法估计其参数。实验结果表明,与ToT模型相比,该模型具有较高的泛化能力。     

基于CS优化的双簇头分簇路由算法研究

为了减少无线传感器网络(WSNs)分簇路由中簇头的能量消耗,提出了一种基于布谷鸟搜索(CS)优化的双簇头分簇路由算法.CS通过采用节点的剩余能量和节点之间的位置关系来构造适应值函数并选举出最优双簇头.其中,主簇头将数据进行融合,副簇头将融合的数据发送给基站,缓解了以往单簇头同时负责数据融合和传输的双重压力,使得整体能耗在各个节点的分配更均衡.仿真实验表明:与LEACH算法、粒子群优化(PSO)算法相比,CS算法在减小网络能耗以及延长网络生存周期上更具优势.     

低延迟抖动的证券行情数据解析系统设计与实现

为解决证券行情数据解析处理过程中纯软件解析高延迟、高抖动、易堵塞,FPGA硬件解析哈希存储冲突、维护成本高的问题,提出一种基于OpenCL和HLS的协同开发模式。通过HLS指令级并行流水优化提高并行度、KVS存储优化减少哈希冲突、二分查找并行优化降低延迟、动态键值表存储提升存储利用率等方式在Xilinx Alevo U50 FPGA加速卡中实现了低延迟、低抖动的证券行情数据解析。实验表明,在同时处理80支股票的情况下,相比CPU I9-9900X 10C20T,解析速度提升8倍,单条行情数据解析时间控制在189.8ns,抖动幅度维持在14ns以内,与传统的HDL硬件FPGA开发模式相比,开发效率提升3倍～4倍,能够更好地适应金融市场的迭代需求。     

基于分层与容错机制的云计算负载均衡策略

针对混合动态负载均衡算法应用在云计算中,出现的站点信息交换过于频繁导致处理效率低下以及缺乏容错机制等问题,提出了基于分层与容错机制的负载均衡算法。算法融合集中式和分布式的优点,通过组织邻站点,使站点信息交换控制在邻站点范围之内,在任务调度时携带站点实时负载信息以解决频繁广播负载消息导致网络繁忙与服务器效率低下的问题。算法实现云系统负载均衡,减小请求响应时间,引入容错备份机制,以增强系统鲁棒性。实验结果表明,基于分层与容错机制的云计算负载均衡策略在任务分配时间、任务响应时间方面比传统算法提高20%以上,且在稳定性方面所提算法优于传统算法。     

基于模糊聚类的含风电场发电系统可靠性分析

摘要： 风电出力的随机性和间歇性使得风电在接入发电系统时会对发电系统可靠性造成影响。考虑到风电出力与负荷之间存在一定的相关性,提出了一种基于模糊聚类的风电场多状态可靠性模型。模型根据风电场出力与负荷数据的分布情况,使用两维模糊聚类对数据进行状态划分,并计算各状态之间的转移概率,最后通过序贯蒙特卡罗模拟对含风电场发电系统进行可靠性评估。算例分析结果表明,所建模型能够很好地模拟出风电场出力和负荷的分时序列,且可靠性分析结果准确有效。     

基于融合辅助信息的神经网络组合推荐系统

随着深度学习技术的发展,一些工作把深度学习运用于推荐系统中.为进一步提高推荐质量,提出一种基于融合辅助信息的神经网络组合推荐系统NFR(Neural Fusion Recommender).通过训练多个彼此独立的神经网络模型,连接模型输出前的最后一层,最后用加权的方法将多个模型组合在一起,并给出了算法的实现方法.在现有基准数据集上进行实验,利用命中率和归一化折损累计增益对实验结果进行评估.实验结果证明NFR不仅可以通过其他网络进行扩展,还可以通过融合数据源的辅助信息提高预测能力,相比之前的方法表现更好.     

基于改进蝙蝠算法的无线传感器网络的移动节点部署

针对传统的无线传感器网络(WSNs)中存在的移动节点部署的分布不均匀、网络覆盖度太低等各种问题,提出了一种基于改进蝙蝠算法(BA)的移动节点部署策略,通过蝙蝠算法的收敛特性,不断迭代寻求问题的最优解,从而不断优化传感器节点的部署.Matlab仿真表明:提出的算法可以显著改善传感器节点的覆盖密度,并且节点分布也相对比较均匀.     

基于密度自适应邻域相似图的半监督谱聚类

谱聚类是基于谱图划分理论的一种聚类算法,传统的谱聚类算法属于无监督学习算法,只能利用单一数据来进行聚类。针对这种情况,提出一种基于密度自适应邻域相似图的半监督谱聚类（DAN-SSC）算法。DAN-SSC算法在传统谱聚类算法的基础上结合了半监督学习的思想,很好地解决了传统谱聚类算法无法充分利用所有数据,不得不对一些有标签数据进行舍弃的问题;将少量的成对约束先验信息扩散至整个空间,使其能更好地对聚类过程进行指导。实验结果表明,DAN-SSC算法具有可行性和有效性。     

模块度增量与局部模块度引导下的社区发现算法

社区结构是复杂网络的重要特性之一,基于层次聚类的社区发现算法很好地利用了模块度来挖掘网络中的社区结构,但其局限性也导致算法对社区结构复杂的网络划分不够准确、无法发现小于一定规模的社区。在层次聚类的基础上,提出引入局部模块度来弥补模块度在划分社区时的不足,避免可能出现的划分不合理情况。通过真实数据集和人工网络进行了验证,实验结果证明,该算法具有可行性与有效性。     

酚类化合物抑制黑曲霉毒性与结构关系的数据挖掘

运用HF/6-31G*、HF/6-311G**、DFT-B3LYP/6-31G*、DFT-B3LYP/6-311G**方法全优化计算18种酚类化合物,获得相应的量子化学参数:最高占有轨道能(EHOMO)、最低空轨道能(ELUMO)、前沿轨道能级差(ΔE=ELUMO-EHOMO)、分子偶极距(μ)、各原子净电荷(qi)、...