基于布谷鸟搜索优化马尔可夫的文件热度预测

针对现有分布式文件系统中静态副本管理机制的不足,提出一种基于布谷鸟搜索优化马尔可夫模型的算法进行文件热度预测.根据文件最近的访问特征采用无偏灰色模型预测下一时刻文件访问热度,利用布谷鸟搜索优化马尔可夫模型,对预测结果进行误差修正,根据新陈代谢思想对预测序列进行等维处理,通过最新数据趋势得到预测结果.实验结果表明,MAPE值达到3.08％,与其它模型相比,MAPE值平均降低了2.26％.该方法对文件热度预测达到了较好结果,为文件副本的动态管理提供依据.     

对称核主成分分析及其在人脸识别中的应用

核主成分分析(KPCA)没有充分利用人脸的对称性特征,在人脸识别中缺少训练样本,致使其识别率较低。为此,提出一种对称KPCA算法。利用人脸的镜像对称性,通过对训练样本进行镜像变换,得到奇对称样本和偶对称样本,分别提取各奇/偶对称样本的特征分量,使用最近邻距离分类器完成分类。实验结果表明,该算法能扩大样本容量,当多项式阶数为2时,该算法的识别率高于KPCA算法,识别时间短于KPCA算法。     

新工科背景下“术道并重”的课程思政教学模式设计与实践——以物联网导论课程为例

面对学科交叉融合度不够、课程思政教学实效性不高、课程思政育人资源利用率不足等问题,以物联网导论课程为例,围绕课程思政建设与立德树人为根本任务,按照确定课程目标、深挖思政元素、创新教学模式的思路开展教学设计,从知识内容和实践育人两方面阐述具体建设路径,最后结合雨课堂等线上平台说明教学效果。     

改进RoBERTa、多实例学习和双重注意力机制的关系抽取方法

针对远程监督关系抽取不能充分利用句子上下文高层信息、易带来噪声标注的问题,提出一种基于改进鲁棒优化的双向编码器表征预训练模型(robustly optimized bidirectional encoder representations from Transformers pretraining approach, RoBERTa)、多实例学习(multiple-instance learning, MI)和双重注意力(dual attention, DA)机制的关系抽取方法。在RoBERTa中引入全词动态掩码,获取文本上下文信息,获得词级别语义向量;将特征向量输入双向门控循环单元(bidirectional gated recurrent unit, BiGRU),挖掘文本深层次语义表征;引入多实例学习,通过学习实例级别特征缩小关系抽取类别范围;引入双重注意力机制,结合词语级注意力机制和句子级注意力机制的优势,充分捕捉句子中实体词语特征信息和对有效语句的关注度,增强句子表达能力。试验结果表明,在公开数据集纽约时报(New York Times, NYT)数据集和谷歌IISc远程监督(Google IISc distant supervision, GIDS)数据集中,关系抽取方法的F₁值分别为88.63%、90.13%,均优于主流对比方法,能够有效降低远程监督噪声影响,实现关系抽取,为构建知识图谱提供理论基础。