图像垃圾邮件中文本区域的自动提取方法

图像中的文本区域为判别图像垃圾邮件提供了重要依据。为了获得图像中的文本区域信息,提出了基于Hough变换提取图像中倾斜文本区域的算法和降低图像背景干扰的八邻域细小边缘去除算法,实现了一种不受图像中文本颜色、字体、大小、位置、方向限制的文本区域的自动提取方法。在包含100幅垃圾图像的数据集上进行提取图像文本区域的实验。实验结果显示,新方法具有良好的文本区域提取性能。     

敌手分类的Stackelberg博弈分析

在实际电子测量分类系统中,随着机器学习技术的广泛应用,它面临着来自对抗性环境中敌手攻击的巨大挑战。利用非合作二人Stackelberg博弈,并结合实际存在的跟随者反应时延问题,对敌手和数据挖掘者之间的交互行为进行了建模。和以前工作不同之处,在于本模型中考虑了跟随者反应时间对领导者和跟随者收益的影响。首先对Stackelberg博弈问题进行了形式化描述,然后对敌手分类问题进行了博弈建模,重点分析了此条件下博弈双方的收益,最后测试了本模型的正确性和有效性。实验结果表明,应该密切注意异常数据的变化,从而更好的对抗敌手攻击。     

基于联合训练的蛋白质互作用信息抽取方法*

摘 要: 针对生物文献库中人工标注样本数量缺乏的问题,提出一种半监督类型的基于联合训练的方法。在样本预处理的基础上,基于词特征的机器学习方法和基于模式学习的方法选择样本的不同特征子集,并被合成到联合训练方法中。在训练过程中每种方法能够利用少量初始标注样本和大量未标注样本进行学习,并用另一方法的学习结果扩充标注样本集。该方法在AIMED语料库中获得了63.9%的F1值,比较实验结果表明,该方法性能优于监督方法,且能有效利用未标注样本以适应实际抽取任务。     

能量建筑的身份转型——爱尔兰“大岛发电站”国际设计竞赛方案

介绍了爱尔兰"大岛发电站"再生的国际设计竞赛得奖方案,通过保留代表旧发电工业的地标建筑,植入新功能、新形式,塑造多方位、多体验的新景观、新地标,使新厂区、周围社区都能参与重构工业景观的生活乐趣。     

基于切比雪夫多项式的HRWS星载SAR成像算法

提出了一种新的适用于高分辨率宽测绘带的chirp scaling(CS)成像算法。该算法通过引入切比雪夫多项式插值代替了传统CS算法中的泰勒级数展开,得到了新的二维频谱信号的近似,并在此基础上推导出了完整的成像流程。详细分析了切比雪夫多项式插值得到的二维频谱近似和传统形式的区别,比较了两者在相同展开阶次下的残余误差大小和空变性,并分析了新的二维频谱近似带来的成像质量和距离向分块数方面的性能差异。分析表明该算法具有精度高、误差小、误差空变性弱等特点,能提升成像质量同时减少距离向分块数,适用于高分辨率宽测绘带应用场景。最后,通过仿真实验结果验证了算法的有效性。     

复层固液分离膜的制备及性能研究

采用聚丙烯（PP）粉末在非织造布表面烧结的方式来制备多孔质复层固液分离膜,并通过粘合剂及烧结时间2个变量来控制分离膜的孔径、渗透率等性能。结果表明：随着粘合剂的增加,分离膜的渗透性能下降明显,孔径变小;同时热压时间的延长也会影响分离膜各项性能,但比粘合剂影响小。     

宏观网络安全预警与应急响应系统

随着互联网络的发展,为了提高宏观网络对各种安全事件的及时检测能力、应急反应能力以及总体控制能力,该文提出了一种宏观网络安全预警与应急响应系统,有效地解决了基于局部网络的入侵检测系统已不能适应宏现网络安全需求的问题,为建立宏观网络的信息安全保障体系提供了有力的支撑．     

应急策略自动化研究

在总结现有应急响应步骤方法的基础上提出适应应急响应自动化的策略系统。该系统由策略对象(PO)和策略模板(PP)数据库构成,在网络异常发生时可按实时生成策略实例,并交由各网络设备自动执行,为应急响应自动化打下了良好基础。     

作融合浅层句法分析的蛋白质互作用信息抽取方法*

摘 要: 针对传统基于机器学习方法在蛋白质互作用信息抽取中的缺陷,提出融合浅层句法分析的信息抽取方法,该方法首先将候选的句子进行浅层句法分析,包括对短语切分、同位语分析、并列结构分析、句子切分的处理。经过该步骤,句子被划分为多个单独的语法单元。然后,对每个语法单元采用基于最大熵的分类方法进行蛋白质互作用信息抽取。该方法在BC-PPI语料库中获得了62.1%的F1性能。比较实验结果表明,该方法能有效减少误判和漏判,提高信息抽取的性能。     

多策略改进的蛇优化算法

为改进蛇优化算法(Snake Optimizer, SO)在探索方式、变量计算、空间搜索方式和种群更新方式等方面存在的不足,提出了一种多策略改进的蛇优化算法(Improved Snake Optimizer, ISO)。首先,提出探索寻优策略,根据个体相对于优势个体的位置更新自身的位置,使种群在前期快速收敛到最优解附近。其次,优化变量计算方式,将SO算法中的指数运算改进为多项式运算,提高SO的时间效率。同时引入动态调整搜索空间的机制,随种群进化迭代次数的增加逐步扩展搜索范围以提高寻优能力。最后,引入优势进化策略,淘汰适应度较差的个体并结合优势个体的基因产生新个体,快速提高种群优势基因比例以增加收敛速度。对不同基准测试函数进行寻优实验,分别与经典SO算法和5种启发式算法进行对比,结果表明ISO具有较强的寻优能力。为进一步验证所提算法的高效性和实用性,将ISO应用于全连接神经网络的优化问题,结果表明基于ISO优化的神经网络具有更优的分类效果。