粒计算综述

1引言 信息粒化(Information Granulation)的基本思想出现在许多领域[1],如Rough集、Fuzzy集、证据理论、聚类分析、数据库、机器学习、数据挖掘等.从1979年L.A.Zadeh[2]在世界上首次提出并讨论了模糊信息粒化问题之后,信息粒化得到人们越来越多的关注.     

缓冲区溢出攻击模式及其防御的研究

借助统一建模语言,概括近十年来利用缓冲区溢出进行攻击的攻击模式,从预防、发现、抵御缓冲区溢出攻击以及攻击后的程序恢复等方面对目前有代表性的防御、检测方法和攻击恢复技术进行了归纳、分析和比较,指出这些方法和技术的弊端以及可能采取的规避手段。提出了在攻击技术不断发展的情况下,彻底、有效地解决缓冲区溢出所面临的问题,编写安全的程序是解决缓冲区溢出的关键,并对将来解决缓冲区溢出可采用的有效方法和手段进行了讨论。     

纳米孔硅质绝热材料

简述了纳米孔硅质绝热材料的发展历史，现状及绝热机理，介绍Ｋｉｓｔｌｅｒ法、焚烧法、“一步法”等３种纳米孔硅质绝热材料的生产工艺，并对其热工性能、加热线收缩等、电工性能、应力腐蚀效应作了分析。     

公平性机器学习研究综述

随着机器学习在社会中的广泛使用,带来的歧视问题引发广泛的社会争议,这逐步引起了产业界和学术界对机器学习算法公平性问题的浓厚兴趣。目前对公平性度量和机器学习公平性机制的研究仍然处于初级阶段。本文对公平性机器学习的研究进行了调研,首先从公平性的定义出发,比较了衡量公平性指标的方法,然后调研了公平性数据集,对公平性问题的产生进行了分析,接下来对现有的公平性机器学习算法进行归类和比较,最后总结了当前公平性机器学习研究中存在的问题,并对关键问题和重大挑战进行了讨论。     

抗好词攻击的中文垃圾邮件过滤模型

针对当前中文垃圾邮件过滤领域面临的好词攻击威胁,提出了一种鲁棒的中文垃圾邮件过滤模型。该模型基于多示例学习机制,并结合中文分词和特征选择方法,将一封邮件转化为若干示例的组合,然后应用多示例逻辑回归模型进行学习和分类。对多示例学习而言,当一封邮件中至少有一个示例为垃圾信息时,该邮件为垃圾邮件,否则为正常邮件。分别对训练数据集和测试数据集进行好词攻击,在多个大规模中文垃圾邮件过滤公开数据库上进行了测试。实验结果表明,在中文邮件过滤领域对抗好词攻击,分类器使用多示例反击策略较之于单示例反击策略有更强的鲁棒性。     

二氧化氯在纯生啤酒生产中的应用

纯生啤酒无菌灌装过程中的用水要求非常严格。本文主要阐述应用二氧化氯制备无菌水的效果。     

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。     

冷屏结构与冷屏效率

红外探测器中,冷屏结构设计直接影响其杂散辐射抑制能力。为进一步提高冷屏效率,针对冷屏高度、外壳结构对冷屏杂散辐射抑制的影响进行分析。分析采用数学建模的方式,对计算结果与探测器组件测试结果进行比较,总结规律。当冷屏高度为25 mm,探测器组件测试结果为5.46%,当冷屏高度增高到29 mm,冷屏的非有效抑制杂散辐射结构和有效抑制杂散辐射结构组件测试结果分别为6.11%和4.87%。提出了一种冷屏结构设计的新思路,仅增加冷屏高度,不一定可以提高冷屏效率;挡光环有效抑制杂散辐射时,随着冷屏高度增高,杂散辐射抑制能力变强,冷屏效率随之增高,红外探测器性能有所改善,此时调整冷屏外壳结构不会影响冷屏效率。     

卫星用高光谱红外焦平面读出电路设计

研制出一款高性能卫星用高光谱红外焦平面CMOS（complementary metal oxide semiconductor）读出电路ROIC（readout integrated circuit）芯片。读出电路设计包括任意行选择功能以及行增益单独调制功能,满足高光谱应用对读出电路提出的新要求。读出电路7档增益可选,适用于中波与短波碲镉汞HgCdTe（MCT）芯片;其他功能包括边积分边读出IWR（integration while reading）,抗晕,串口功能控制以及全芯片电注入测试功能。读出电路采用0.35 m曝光缝合工艺,电源电压5 V,测试结果表现出良好的性能:在77 K条件下,全帧频可达450 Hz,功耗可调且典型值为300 mW。本文介绍了在读出电路设计的基本架构,提出设计中遇到的问题以及相应的解决方法,在文末给出了电路的测试结果。     

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。