面向大数据分析的在线学习算法综述

大数据时代,越来越多的领域出现了对海量、高速数据进行实时处理的需求.如何对大数据流进行抽取转化成有用的信息并应用于各行各业变得越来越重要.传统的批量机器学习技术在大数据分析的应用中存在许多限制.在线学习技术采用流式计算模式,在内存中直接进行数据的实时计算,为流数据的学习提供了有利的工具.介绍了大数据分析的动机与背景,集中展示经典和最新的在线学习方法与算法,这种在线学习体系很有希望解决各种大数据挖掘任务面临的困难与挑战.主要技术内容包括3方面: 1) 线性模型在线学习;2) 基于核的非线性模型在线学习;3) 非传统的在线学习方法.各类方法尽量给出详细的模型和伪代码,讨论面向大数据分析的大规模机器学习研究与应用中的关键问题;给出大数据在线学习的3种典型应用场景,并探讨现今或将来在线学习领域进一步的研究方向.     

面向大数据流的多任务加速在线学习算法

多任务在线学习框架采用直接数据处理的流式计算模式,是大数据流分析很有前途的一种工具.然而目前的多任务在线学习算法收敛率低,仅为O(1/〖KF(〗T〖KF)〗),T为算法迭代次数.提出一种新颖的多任务加速在线学习算法ADA-MTL(accelerated dual averaging method for multi-task learning),在保持多任务在线学习快捷计算优势的基础上,达到最优收敛率O(1/T\\+2).对多任务权重学习矩阵W\\-t的迭代闭式解表达式进行了推导,对提出算法的收敛性进行了详细的理论分析.实验表明,提出的多任务加速在线学习算法能够更好地保障大数据流处理的实时性和可伸缩性,有较广泛的实际应用价值.     

省略识别及恢复联合模型研究

省略现象在对话中十分普遍,它的存在导致了语句成分的缺失.问答系统往往不能正确理解这些缺省的表述,这样就会产生错误的问答结果,所以,省略恢复在问答系统中是十分必要的.省略恢复通常分为零代词类别恢复、零代词指代消解2个步骤,已有工作主要是将二者顺序执行,因此会造成错误的累加.为了克服上述问题,提出了1种零代词类别恢复和零代词指代消解联合模型(joint model)的方法,旨在通过联合模型融合省略恢复的2个步骤,进而提高恢复效果.实验结果表明,相比较已有的方法,引入联合模型后,省略恢复的性能得到了显著的提升.     

自适应安全的外包CP-ABE方案研究

属性基加密(attribute-based encryption, ABE)体制是身份基加密(identity-based encryption, IBE)体制的一种扩展,在ABE体制中,密钥产生中心根据用户拥有的属性为用户颁发密钥,加密者可以针对某个访问策略对消息进行加密,当且仅当用户拥有的属性满足相应的访问策略时,能够成功解密. 由于ABE体制可以实现对密文灵活的访问控制,因此有着良好的应用前景,尤其适用于保障云存储环境中信息的机密性. 然而,计算效率较低却一直是阻碍各类ABE方案被实际应用的主要问题. 针对这一问题,研究了借助外部资源降低ABE方案本地计算量的思想和方法,给出了外包ABE方案的形式化定义,并根据实际的敌手环境、安全目标制定了相应的安全模型. 随后,利用合数阶双线性群构造了一个具体的外包密文策略属性基加密(ciphertext-policy ABE, CP-ABE)方案,并利用双系统加密技术在标准模型下证明其满足自适应安全性.     

Self-adaptive Green-Ampt infiltration parameters obtained from measured moisture processes

The Green-Ampt(G-A) infiltration model(i.e., the G-A model) is often used to characterize the infiltration process in hydrology. The parameters of the G-A model are critical in applications for the prediction of infiltration and associated rainfall-runoff processes. Previous approaches to determining the G-A parameters have depended on pedotransfer functions(PTFs) or estimates from experimental results, usually without providing optimum values. In this study, rainfall simulators with soil moisture measurements were used to generate rainfall in various experimental plots. Observed runoff data and soil moisture dynamic data were jointly used to yield the infiltration processes, and an improved self-adaptive method was used to optimize the G-A parameters for various types of soil under different rainfall conditions. The two G-A parameters, i.e., the effective hydraulic conductivity and the effective capillary drive at the wetting front, were determined simultaneously to describe the relationships between rainfall, runoff, and infiltration processes. Through a designed experiment, the method for determining the GA parameters was proved to be reliable in reflecting the effects of pedologic background in G-A type infiltration cases and deriving the optimum G-A parameters. Unlike PTF methods, this approach estimates the G-A parameters directly from infiltration curves obtained from rainfall simulation experiments so that it can be used to determine site-specific parameters. This study provides a self-adaptive method of optimizing the G-A parameters through designed field experiments. The parameters derived from field-measured rainfall-infiltration processes are more reliable and applicable to hydrological models.     

Distributed hydrological models for addressing effects of spatial variability of roughness on overland flow

In this study, we investigated the origin of the overland flow roughness problem and divided the current overland flow roughness research into three types, as follows: the first type of research takes into account the effects of roughness on the volume and velocity of surface runoff, flood peaks, and the scouring capability of flows, but has not addressed the spatial variability of roughness in detail; the second type of research considers that surface roughness varies spatially with different land usage types, land-cover conditions, and different tillage forms, but lacks a quantitative study of the spatial variability; and the third type of research simply deals with the spatial variability of roughness in each grid cell or land type. We present three shortcomings of the current overland flow roughness research, including(1) the neglect of roughness in distributed hydrological models when simulating the overland flow direction and distribution,(2) the lack of consideration of spatial variability of roughness in hydrological models, and(3) the failure to distinguish the roughness formulas in different overland flow regimes. To solve these problems,distributed hydrological model research should focus on four aspects in regard to overland flow: velocity field observations, flow regime mechanisms, a basic roughness theory, and scale problems.     

无线传感器网络的协议再工程与方法研究

基于协议工程和软件再工程的相关概念,提出一种针对无线传感器网络协议定制行为的规范化工作流程,命名为协议再工程.阐明了协议再工程产生的背景、定义、生命周期和工作流程;同时提出一种将统一建模语言和着色Petri网的U-CPN相集成的方法,用于协议再工程中的形式化描述模型的建立与验证,并对U-CPN和统一建模语言模型的等价性作出了基于网射的证明.最后,通过一个Zigbee相关的实例表明,在U-CPN方法基础上使用协议再工程指导协议修改,在可控性和描述力上具有优势,尤其加强了协议再工程中的形式化分析能力,可以很好地保证协议的修改质量.     

有色-时间Petri网航班延误模型与波及分析

基于有色Petri网和时问Petri网理论,给出了单个机场起飞的多架飞机执行航班的有色Petri网模型,建立了多机场多航班有色-时间Petri网模型,提出了航班延误波及分析方法,用于判断当源机场发生航班延误时,从源机场起飞的各个飞机的下游机场是否出现航班延误,并分析和预测延误时间。仿真实验表明,松弛时间越大,越能够有效吸收延误波及;初始延误时间越长,波及下游机场个数越多。     

饱和土体中椭圆孔扩张弹塑性解

针对软黏土中的打桩问题,提出一种包含完全排水和完全不排水的柱孔扩张通用求解方法,并基于该方法,采用不排水柱孔扩张理论模拟静压桩打桩过程,并采用修正剑桥模型模拟软黏土的本构关系,同时联立扩孔运动学方程、应力平衡方程、质量守恒方程等建立弹塑性孔扩张偏微分控制方程组,利用相似变换的技术求解该方程组,从而获得半解析解.通过与文献中的解答对比,验证了解答的正确性.

     

两跨连续GFRP-混凝土空心组合板受力性能试验研究

为研究高延性混凝土(HDC)加固钢筋混凝土梁的受剪性能,该文对7根HDC加固梁及4根未加固梁进行静力试验,研究剪跨比、配箍率、加固层厚度和加固层附加箍筋对钢筋混凝土梁破坏形态、荷载-挠度曲线、受剪承载力以及裂缝的影响。结果表明：采用HDC面层对钢筋混凝土梁进行受剪加固,可以显著提高梁的受剪承载力;HDC面层可以代替部分箍筋的受剪作用,改善钢筋混凝土梁的剪切破坏形态;加固试件在达到极限位移之后,试件的完整性较好,剩余承载力较高。基于试验结果,利用桁架-拱模型,提出了HDC加固钢筋混凝土梁的受剪承载力计算公式,计算值与试验值吻合较好。