一种自适应抗噪声的PPM预测模型

基于Web浏览特征提出了一种自适应抗噪声的PPM预测模型。模型在构造过程中,利用描述用户浏览深度特征的逆高斯分布及Web流行度特征,对噪声页面及过期数据进行动态移除,分别从纵向和横向上对PPM预测模型规模进行控制。实验表明,该模型对噪声数据的影响有较大的改善,能较好地动态预测用户的Web浏览特征,不仅预测准确率和存储复杂度都有一定程度的提高,而且有效控制了由预取引起的网络流量。     

CGGA:一种CNN与并行门控机制混合的文本分类模型

针对中文文本分类准确率低、单一的卷积神经网络模型难以提取多方面特征的问题,本文提出一种基于CNN的并行门控机制的混合文本分类模型——CGGA(Convolutional Neural Network with parallel gating unit and attention mechanism).利用卷积提取文本的局部特征,并加入双向门控循环单元对数据进行上下文数据建模,提取关系特征,同时,引入门控Tanh-ReLU单元进行进一步的特征筛选,从而控制信息向下层流动的力度,并且减轻梯度弥散,提高模型分类准确率.最后,使用多头注意力机制进行权重更新计算,以提高在相应文本类别上的输出,进而优化模型分类性能.实验结果显示,本文提出的文本分类模型和分类算法,在THUCNews数据集和搜狐数据集上,比基线模型的宏平均精确率分别提高了2.24%、6.78%.     

基于剪枝技术的自适应PPM预测模型

建立有效的用户浏览预测模型,对用户的浏览行为进行准确的预测,是Web预取的关键。标准PPM预测模型由于存在存储复杂度高、执行效率低等缺点,影响了其推广和应用。文章基于剪枝技术,依据Zipf法则及Web对象访问特征对标准PPM预测模型进行预先剪枝和后剪枝,构造出一种自适应PPM预测模型。实验表明,该模型不仅能动态预测用户的Web浏览特征,而且在预测准确率和存储复杂度方面都有一定程度的提高。     

PAPPM:一种自适应Web预测模型

提出了一种自适应PPM（Prediction by Partial Match）预测模型：PAPPM。该模型能在预测过程中使用基于熵的自适应选阶策略选择最优阶,降低了预测开销。而且,它能根据当前用户访问的Web序列实时地更新预测模型,保证了预测模型的新鲜度。实验表明,PAPPM提高了预测精度和预测命中率,适用于在线Web预取。     

米曲霉固态发酵豆粕生产大豆肽

采用米曲霉A-9005固态发酵豆粕,研究所产蛋白酶的活力。结果表明其较优工艺为：发酵原料中豆粕含量为87%,初始pH值6.4,发酵温度为33℃,发酵时间为102 h,测得蛋白酶活为1 789.47 U/g。试验为米曲霉固态发酵豆粕产大豆肽的研究提供了相应的工艺参数和一定的理论依据。     

基于深度卷积神经网络的车型识别

传统的基于卷积神经网络的车型识别算法存在识别相似车型的准确率不高,以及在网络训练时只能使用图像的灰度图从而丢失了图像的颜色信息等缺陷。对此,提出一种基于深度卷积神经网络(Deep Convolution Neural Network,DCNN)的提取图像特征的方法,运用深度卷积神经网络对背景较复杂的车型进行网络训练,以达到识别车型的目的。文中采用先进的深度学习框架Caffe,基于AlexNet结构提出了深度卷积神经网络的模型,分别对车型的图像进行训练,并与传统CNN算法进行比较。实验结果显示,DCNN网络模型的准确率达到了96.9%,比其他算法的准确率更高。     

淮安市 村庄规划建设的基本情况及推进建议

根据组织安排,笔者从2011年9月下派江苏淮安市住房和城乡建设局挂职锻炼,负责分管村镇建设工作。利用挂职时间,重点对淮安市的村庄规划建设情况进行了调研和总结。     

通信中间件的随机Petri网模型及性能分析

通信中间件由于其在屏蔽网络通信复杂性和提高系统性能等方面所起到的重要作用而被越来越广泛地应用。文章运用随机Petri网对通信中间件系统进行了描述,建立了一个实时通信中间件的同步及消息队列的模型。并对该模型的系统吞吐量、请求的平均延时等性能进行了评价,为系统的进一步设计和配置提供了理论依据。     

固态发酵豆粕制备大豆肽的研究

大豆肽是大豆蛋白水解后的产物,功能性的大豆肽由3-6个氨基酸组成,其必需氨基酸组成与大豆蛋白质完全一样,近年来,大豆肽的开发研究已成为国内外研究的热点。随着人们对大豆肽功能特性和营养价值的认识的加深,越来越多的专家开始研究发酵法生产大豆肽,近年来有些学者用固态发酵生产蛋白饲料,但米曲霉固态发酵法生产大豆肽的研究未见报道。本文对米曲霉固态发酵豆粕生产大豆肽的发酵过程中大豆肽的转化率、发酵条件进行了研究,并对工艺进行优化。结果表明,最适的发酵原料（由豆粕和麸皮组成）中豆粕含量为93%,发酵温度35℃,初始pH为6.8,发酵时间102h。在此条件下,发酵得到的大豆肽转化率达62.37%。     

异构环境下云计算数据副本动态管理研究

针对现有HDFS(Hadoop Distributed File System)数据副本数目固定,副本放置时未考虑节点异构性问题,本文提出一种异构环境下云计算数据副本动态管理模型DMDR.在副本创建时,DMDR根据节点性能选择最优副本放置节点;在系统运行过程中,基于灰色预测技术,DMDR根据数据的最近访问特征预测数据访问热度,并动态调整副本数目.实验表明,在异构环境下,较之现有HDFS副本管理机制,DMDR可有效减少节点之间数据传输,提高负载均衡,降低作业执行时间.