基于NWD集成算法的多粒度微博用户兴趣画像构建

微博文本特殊性的存在使得微博用户兴趣画像难以有效构建。为此, 提出了一种集成算法——新词发现-双向长短期记忆网络-梯度提升算法。首先针对微博文本的非正式性, 提出了一种基于支持度视角的新词发现(New Word Discovery, NWD)算法, 发掘其中大量存在的网络用语以实现更加准确的分词及语义把握; 其次, 引入Simhash算法使得微博文本中的“信息过载”现象得到改观; 再次, 为改善微博文本的简洁性而引起的特征稀疏问题, 采用双向长短期记忆网络(Bidirectional Long Short-term Memory,Bi-LSTM)模型提取博文语义特征; 最后, 通过融合微博用户静态特征训练梯度提升(extreme Gradient Boosting,XGBoost)模型, 从而有效构建多粒度微博用户兴趣画像。实验结果表明, 粗粒度(一级)兴趣标签模型NWD-Bi-LSTM和细粒度(二级)兴趣标签模型NWD-Bi-LSTM-XGBoost的宏平均F1值(Macro-average F1 score, mF1)和受试者工作特征曲线下面积(Area Under ROC Crave, AUC)分别高达83.6%, 79.7%和70.4%, 63.6%, 相对于基准模型, NWD算法的集成使得模型的mF1值和AUC值均能提升3%～5%, 其促进作用优于现有的新词发现方法。     

多粒度传送网绿色单播路由保护机制

综合业务请求的服务质量（QoS, quality of service）要求、节能要求,以及遭遇单链路或单个节点失效时的生存性要求,提出了一种多粒度传送网中的绿色单播路由保护机制。基于K最短路径算法,计算符合QoS需求的路径;根据最小波长转换次数,在多层辅助图上进行资源分配;根据业务请求的保护等级,提供了三级保护机制。仿真实验基于EON（Europe optical network）拓扑,通过与现有机制在阻塞率、保护/工作资源比和负载均衡度方面的性能对比,表明提出的机制是可行且有效的。     

波带交换光网络中的保护机制

本论文主要对波带交换光网络中的保护机制进行了一定的研究,提出了基于波带通道的专用保护和共享保护机制和算法,其中在共享保护算法中考虑不同的策略提出了三种不同的算法,即只共享逐跳的保护波长通道的WSP算法,只共享嵌入到波带通道中的保护波长通道的BSP算法和能同时共享两者的BWSP算法。最后进行了相应的网络仿真,讨论并得出BWSP算法的性能是最优的。     

智能多粒度交换光网络实现技术方案

以下一代光网络中的多粒度交换技术为核心,重点研究了满足多粒度光交换需求的节点结构和基于GMPLS的智能控制方案等多粒度光网络的实现技术,深入探讨了多粒度交换功能的引入对光网络的生存性、流量工程等系统应用方面的影响。     

三支决策-基于粗糙集与粒计算研究视角

从三支决策3个历史发展阶段出发,通过粗糙集和粒计算两个研究视角对三支决策的发展踪迹和演化过程进行介绍。分析了三支决策与粗糙集理论的历史脉络、内在联系和相互关系,探讨了决策粗糙集、概率粗糙集、粗糙集和三支决策之间的包含关系;探讨了基于多层次粒计算和多视角粒计算下的三支决策方法;提出了一个基于三支决策的粒计算研究框架模型。最后,给出了三支决策的研究现状和未来发展方向。     

考虑多粒度类相关性的对比式开放集识别方法

深度神经网络在分类任务上不断取得性能突破,但在测试中面对未知类样本时,会错误地给出一个已知类预测结果.开放集识别任务旨在解决该问题,要求模型不仅精确地分类已知类,同时对未知类样本进行准确判别.现有方法虽然取得了不错的效果,但由于未对开放集识别任务的影响因素进行分析,因而大多基于某种假设启发式地设计模型,难以保证对于实际场景的适应性.分析了现有方法的共性,通过设计一个新的决策变量实验,发现模型对已知类的表示学习能力是其中的一个关键影响因素.基于该结论,提出了一种基于模型表示学习能力增强的开放集识别方法.首先,由于对比式学习已展示出的强大表示学习能力以及开放集识别任务所包含的标签信息,引入了监督对比式学习方法,提高模型对已知类的建模能力;其次,考虑到类别间的相关性是在类别层次上的表示,且类别之间往往呈现分层结构关系,设计了一种多粒度类相关性的损失函数,通过在标签语义空间构建分层结构并度量多粒度类相关性的方式,约束模型学习不同已知类间的相关关系,进一步提高其表示学习能力;最后,在多个标准数据集上进行了实验验证,证明了所提出方法在开放集识别任务上的有效性.     

大规模网络仿真特性分析及仿真技术适用性研究

随着智能化的普及,网络情况越来越复杂,大规模网络仿真成为了一个研究重点。网络仿真中,基于高性能计算平台的网络仿真技术在特征分析、仿真优化等多个阶段都涌现出制约性能提高的大量问题。为此,本文研究了基于高性能计算平台的大规模网络仿真技术,研究重点涵盖以下三个方面。首先研究了大规模网络仿真的概念和内涵;其次深入分析了大规模网络仿真的特征,以及各特征对高性能计算平台的性能需求;最后从不同角度,研究了多种仿真技术对实现大规模网络仿真的适用性。研究成果能够有效指导大规模网络仿真的高效实现。     

一种高效的多粒度光交换结构及其波带疏导算法

多粒度光交换可以减少密集型光波复用系统中波长交换平面的端口数量,但是传统的多粒度光交换结构中波带交换平面与波长交换平面之间存在着紧密的耦合关系,使得多粒度光交换的结构比较复杂.为此,提出了一种新的多粒度光交换结构.在新的结构中,波长交换平面与波带交换平面完全独立,从而可以有效地简化多粒度光交换的结构,减少波长交换平面的端口数量.为了提高新结构中波带利用率,提出了与新结构相适应的业务疏导算法.仿真结果表明,这种算法可以有效地减少业务阻塞.     

基于梯形模糊数和二元语义需求权重确定方法

质量功能配置(QFD)中,客户需求的权重计算是非常重要的环节。将模糊集理论应用到客户需求权重计算中,采用梯形模糊数表示客户需求的评价信息,解决了客户需求信息在权重计算中模糊性不分明性等问题,结合二元语义的理论,解决了信息集结过程中的信息缺失问题,并且运用到多粒度多语义信息一致化处理中。实验验证了梯形模糊数结合二元语义计算客户需求信息权重的可行性。     

一种模糊多粒度用电行为异常检测方法

异常用电检测旨在识别和定位电力系统中与常规用电行为显著偏离的用户。现有基于机器学习、深度学习的有监督的检测方法通常需要大量人工标记数据,且对于离散型数据需要进行类型转换,因而容易导致重要信息的丢失。模糊粗糙集理论提供了一种处理离散数据的有效工具,并能直接应用于包含连续数据和离散数据在内的异质信息的知识分类。本文在模糊粗糙集理论的基础上提出了一个基于多粒度模糊相对差的无监督异常检测方法,并将其应用于智能电网的异常用电检测。具体而言,首先利用模糊近似空间的信息熵来度量属性在知识分类中的重要性,然后根据属性集重要性构造模糊信息粒序列,接着在此序列上定义样本的模糊相对差,最后构建基于多粒度模糊相对差的异常检测方法,并在公开的数据集上进行验证。实验结果表明了所提检测算法的有效性和优越性。实验相关的代码和数据已在网络上公开（http://www.github.com/chenbaiyang/FRAD）。