基于超像素和最近邻图合并的彩色图像分割

针对传统的分水岭算法在分割图像时存在过分割的问题,提出了一种基于多尺度形态学梯度重建与最近邻图合并准则的分水岭图像分割方法.该方法首先使用基于标记符控制的多尺度形态学梯度重建进行图像预处理,消除冗余的区域极值和噪声;然后通过构建最近邻图合并准则进一步对分水岭变换产生的超像素区域进行合并,提高了对目标特征的描述能力,使得...     

基于插值的高维稀疏数据离群点检测方法

离群点检测问题中的数据可被看作是正常点与异常点在空间中的高度混合，在减少正常点损失的前提下，离群点通常包含在离聚类中心最远的样本集中。受这种思想启发，提出一种针对高维稀疏数据的基于插值的离群点检测方法，该方法在K-means基础上应用遗传算法对原始数据进行插值处理，解决了K-means聚类中稀疏数据容易被合并的问题。实验结果表明，对比基于传统K-means聚类的离群点检测方法以及几种典型的基于改进K-means的检测方法，本文 方法损失的正常点更少，提高了检测的准确率和精确率。     

关于Matsumoto度量和Kropina度量间的射影等价性

研究了Finsler几何中2类重要的(α,β)-度量——Matsumoto度量和Kropina度量间的射影等价性,得到了这2个度量射影等价的充分必要条件。     

一种科学工作流的云数据布局与任务调度策略

云计算环境下,数据密集型科学工作流的数据文件在多数据中心间的合理布局,对科学工作流的执行效率具有很大的影响。根据科学工作流各数据集之间的依赖关系,并聚焦于运行科学工作流的各数据中心的处理能力差异和网络性能差异,提出一种可提高科学工作流执行性能的数据布局以及数据布局敏感的任务调度策略。分析和实验表明,上述策略可有效减少科学工作流运行时跨数据中心的数据传输,降低科学工作流的运行时间,从而提高科学工作流整体运行效率。     

虚拟桌面操作系统灾难离线检测与恢复

针对虚拟桌面操作系统在遭受恶意攻击后灾难文件的检测和恢复问题,设计了基于Xen虚拟化技术的虚拟桌面操作系统引导文件和关键文件灾难恢复系统.该系统在离线状态下计算被检测镜像中引导文件和关键文件的特征码,将其与特权虚拟机中对应备份文件的特征码比对,对灾难文件进行精确定位,再使用备份文件进行快速恢复.实验结果表明,该系统能快速有效性的检测和恢复虚拟桌面操作系统灾难文件.     

基于输入分片扰乱的BP神经网络MapReduce训练方法

BP神经网络的MapReduce训练中,每个map训练任务产生的中间权阵只对该训练节点上的输入分片收敛,为提高BP神经网络的训练效率,保证MapReduce训练的全局收敛性,提出一种基于输入分片扰乱的MapReduce训练方法。通过对训练样本集进行系统抽样来扰乱输入分片,并产生新的输入分片,依靠新的输入分片以map任务的原权阵为基础进行迭代训练,可加速MapReduce训练达到收敛的进程;为提高map训练任务的局部收敛速度,在每轮次的训练完成后,选取map任务产生的权阵中全局误差最小者,作为下轮次各map训练任务的初始权阵。在Hadoop集群上的实验表明,该方法可使MapReduce训练BP神经网络的效率得到很大提升。     

基于抽象服务模型提高Web服务匹配的适应性

为提高Web服务匹配方法对业务需求变化性和服务差异性的适应性,提出一种抽象服务模型以及该模型驱动的Web服务匹配方法.模型通过对多样性和具有差异性的服务的统一描述,刻画了影响服务具体能力的接口和行为属性,可基于模型检验思想,有效支撑适应性的服务匹配.本方法已应用于构建面向科学计算领域的问题求解环境.实验和应用表明基于本模型可以提高服务匹配的适应性.     

基于非负矩阵分解的群组推荐算法

近年来,随着媒介技术的快速发展,人们成组活动的现象逐渐增多,群组推荐系统也逐渐受到关注。现有的群组推荐系统往往将不同的成员视为同质对象,忽视了成员专业背景和项目固有属性之间的关系,无法真正地解决融合过程中的偏好冲突问题。为此,提出一种基于非负矩阵分解的群组推荐算法,通过非负矩阵分解将群组评分信息分解为用户矩阵和项目矩阵,针对2个矩阵分别利用隶属度和专业度权值计算得到项目隶属度矩阵和成员专业度矩阵,并由此获得各成员在不同项目上的贡献度来构建群组偏好模型。实验结果表明,所提算法在不同群组规模和组内相似度的情况下依然具有较高的推荐准确度。     

面向领域的可定制服务模型

提出一种面向领域、可定制的业务级服务模型,模型利用特征分析技术描述业务领域中相似服务资源及用户需求的变化性。具体领域业务服务由领域专家通过分析领域通用业务活动建模得到,最终用户使用时选择相应领域业务服务并对其进行个性化定制,实现对Web服务资源的自主、有效利用。通过在生物信息领域的试用,初步证明了模型的可行性、有效性。     

融合偏置的动态专家信任推荐算法

针对协同过滤推荐算法中数据稀疏、冷启动与噪声用户对推荐质量的严重影响,该文将用户-项目评分数据与用户信任关系数据相结合;提出一种融合偏置的动态专家信任推荐算法(BDETA),首先根据用户信任关系数据进行社区划分,获取用户间显式信任值;其次从社区中用户-项目评分数据获取可信度、隐式信任值;通过结合用户间可信度、显式信任值、隐式信任值动态确定专家信任因子,根据用户的推荐能力为每个社区确定专家数据集;最后结合用户不同评分标准进行评分预测.在真实数据集FilmTrust的实验结果中,能够有效地解决协同过滤中冷启动与数据稀疏问题,可更好地满足用户的个性化推荐需求,并且在推荐系统常用评价指标MAE与RMSE中有着不错的表现.