基于非负矩阵分解的半监督动态社团检测

如何有效融合不同时刻的网络结构信息,是影响复杂网络中动态社团检测算法检测性能的关键和难点。基于此,提出了一种基于非负矩阵分解的半监督动态社团检测方法SDCD-NMF,该方法首先有效提取了历史时刻所包含的稳定结构单元,然后将其作为正则化监督项,指导当前时刻的网络社团检测。在真实网络数据集上的实验表明,所提方法与已有方法相比具备更高的社团划分质量,更有利于探索网络的演变与发展规律。     

基于语义路径的异质网络社区发现方法

社区发现是社会网络研究的热点问题,综合利用社会网络中不同对象间的异质信息,可以更加有效地挖掘网络中的社区结构。针对传统的社区发现方法无法有效地利用异质信息的问题,本文提出了一种基于语义路径的异质网络社区发现方法,该方法首先定义网络中的语义路径,通过语义路径来衡量不同类型对象间的异质信息相似度,然后以此构造可靠性矩阵,作为半监督非负矩阵分解的正则化约束项,进而实现异质网络的社区划分。在真实数据集上的实验结果表明,所提出的方法能够更准确地发现异质网络中的社区结构。     

一种多路实时语种识别系统设计与实现

对语种识别系统的算法运算量和复杂度进行分析可知：其前端特征提取和预处理部分运算量较小, 且算法相对灵活; 而后端建模分类部分算法运算量较大且算法相对稳定, 是系统实现大规模并行处理的瓶颈。基于此, 提出了一种DSP+FPGA的系统实现架构, 对前端特征提取采用浮点DSP进行算法实现, 而后端则采用FPGA设计进行算法实现, 并对系统进行了性能测试和资源分析, 验证了设计的合理性。     

基于图流在线非负矩阵分解的社团检测

针对现有的在线社团检测方法大多仅从增量相关的节点和边出发,难以有效挖掘社团结构的动态变化特性问题,提出了一种基于图流在线非负矩阵分解的社团检测方法.首先将网络中持续到达的图数据按照流式数据进行存储和预处理,然后借鉴梯度下降思想,采用在线非负矩阵分解架构,根据不同时刻达到的图流序列,实时迭代更新社团归属矩阵,并通过有效的学习率和缓存策略设置,保证了图流处理的收敛性和合理性.实验结果表明,相比于已有在线社团检测方法,该方法具备更高的社团检测精度.     

基于交互行为和连接分析的社交网络社团检测

社交网络的迅猛发展极大地方便了人们的日常生活、工作和学习,但也带来了大量复杂的交互行为和连接模式。如何有效地综合分析网络中的交互信息和网络节点之间存在的连接信息,进而完成高效的社团检测,是在当前网络多维属性的复杂背景下进行网络分析所面临的关键难题。基于此,从有效融合两类不同的异质信息研究出发,提出了一种基于交互行为和连接分析的社交网络社团检测(CDUILS)方法。该方法基于两类信息能够从不同的角度反映网络同一个社团归属的假设,采用联合非负矩阵分解架构,以迭代更新的方式,同时利用两类信息进行社团结果的获取。在真实网络数据集上的实验表明,与已有方法相比,所提方法能够有效融合两类信息进行社团检测,取得了更好的社团划分质量。     

一种基于遗传算法的片上网络电压岛划分方法

针对片上网络电压岛划分的低能耗问题,提出一种基于遗传模拟退火算法的低能耗电压岛划分方法。该方法通过改进遗传算法的编码方法将电压岛划分融入到IP核映射中,综合考虑电压岛划分和IP核映射对片上总能耗的影响,通过遗传算法罚函数的设计保证了算法准确运行。仿真分析表明,在满足时间约束的条件下,相比于经典的方法,该方法的总能耗更低。     

一种层次化空间分析方法在语种识别系统中的应用

在针对电话语音的自动语种识别系统中,训练和测试语料之间存在不同说话人、信道等因素差异带来的不匹配,是影响识别性能提高的关键因素。为了消除此类影响,提出一种层次化空间分析方法,首先对前端部分MFCC+SDC特征进行HLDA(异方差线性判别分析),增大了语种各个类的类间差异;然后对经自适应得到含有冗余信息的GSV进行PCA特征选择,有效地去除了信道等冗余信息的干扰。实验结果表明,此方法能有效消除信道等噪声影响,从而提升了原有系统的识别性能。     

基于嵌入式MPMC接口的内存访问机制

为满足用户不同的设计需求,采用将MicroBlaze软核的嵌入式子系统与综合软件环境设计相结合的设计方式。在现场可编程门阵列设计中,需要反复访问较大数据模板,在板级调试时因板上资源限制,数据模板不能进行板级功能验证。为此,利用嵌入式系统提供的多端口存储控制器(MPMC)接口将数据文件下载到目标板的指定位置,访问已下载的数据并完成功能验证。实验结果表明,该架构设计合理,板上资源占用少,能够满足设计的时序和逻辑要求,较好地完成内存调度。     

一种结合支持向量机训练的锚模型语种识别方法

在针对电话语音的语种识别系统中,训练语音和测试语音之间存在不同说话人的个性差异带来的干扰,是影响系统识别性能的一个重要因素.基于此,本文首先对当前语种识别系统中消除此影响的方法进行研究,对比分析它们各自的优缺点,选择将锚模型方法引入语种识别系统中,该方法将语料映射至说话人无关的锚超矩阵进而消除说话人相关信息.针对锚超矩阵的选择存在语种混淆和信息冗余等问题,本文并提出一种结合支持向量机的锚模型训练算法,该方法下得到的锚超矩阵更具语种区分性,并去除了混淆信息的影响,增强了矩阵的紧致性.实验结果表明,新方法下的锚模型映射方法能有效提高基线系统的识别性能,并降低了语种识别系统训练和识别时的计算量.