<?xml version="1.0" encoding="gb2312"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[计算机应用 -->最新文章目次]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[2016年度CCF活动计划(部分)]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC0901F2057CCDE11&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=2D207DE75533FA7E&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name></atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC0901F2057CCDE11&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=2D207DE75533FA7E&referenced_num=0&reference_num=0]]></guid><cfi:id>52</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于图非均衡划分的软件定义网络异构控制器负载优化部署]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADB9ADE96D88E5D6EA&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=899CC9158FC43EF4&eid=52257F5CE6C89DF7&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[大规模软件定义网络(SDN)往往需要逻辑上集中的控制器在物理上分布式部署。针对控制器部署中控制器负载不均衡的问题,提出一种基于图非均衡划分的SDN异构控制器负载优化部署方法。首先,分析控制器部署要求以及部署带来的控制器负载均衡和时延问题;其次,利用图论和余弦相似度,量化描述和计算异构控制器情况下的控制器负载均衡和时延,并运用图划分理论将控制器负载优化部署问题转化为一个具体的图划分问题;最后,基于多级划分的图划分思想,提出控制器负载优化部署方法。对实际网络拓扑的模拟实验结果表明,提出的部署方法可以有效实现接近最优的控制器负载分布。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[王也夫,曾国荪,丁春玲]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>王也夫,曾国荪,丁春玲</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADB9ADE96D88E5D6EA&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=899CC9158FC43EF4&eid=52257F5CE6C89DF7&referenced_num=0&reference_num=0]]></guid><cfi:id>51</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[面向网络能效优化的动态权重队列管理算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD48EA86E16D17205F&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=BF6EDE6C10074464&eid=3DC9CEF02B8360EE&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对流量传输过程中能效优化的问题,提出一种面向网络能效优化的动态权重队列管理算法DW_WFQ。该算法在加权公平队列(WFQ)的基础上通过动态地分配各类业务流的权重,以更加灵活的方式分配各类业务流的服务速率,进而与连续流速度缩放模型的能效函数相结合,推导出了该调度算法的能耗模型并且对其进行了能效优化。通过Matlab仿真,进行了DW_WFQ、先到先服务(FCFS)和WFQ三种算法的能耗对比,仿真结果表明:所提的流量调度算法在满足业务流服务质量(QoS)约束的基础上,能够有效降低系统能耗。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[谢泽华,周金和,唐志军]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>谢泽华,周金和,唐志军</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD48EA86E16D17205F&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=BF6EDE6C10074464&eid=3DC9CEF02B8360EE&referenced_num=0&reference_num=0]]></guid><cfi:id>50</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于资源整合的节能虚拟网络重配置算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD314B1E4F749B345E&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=117143DBED3B4430&eid=6A130DFE52B4E6AC&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对虚拟网络映射中能耗过高、接收率偏低和负载不够均衡等问题,提出一种基于虚拟资源整合的综合性重配置算法——HEAR算法。该重配置算法分为两个阶段:节点重配置阶段优先将映射虚拟节点最少的物理节点上的虚拟节点及其相连虚拟链路迁移,挂起或关闭空负载的物理节点来达到节能的目的;此外对这些迁移节点的目标物理节点进行筛选,避免选择过度拥塞的物理节点达到提高接收率和均衡负载的目的。链路重配置阶段采用能耗感知的方法选择可用于迁移的物理链路集合,再用Dijkstra算法选择最短物理路径并将相关路径迁移过去。实验结果表明,HEAR算法比启发式重配置算法平均能耗下降约20%,接收率提高约10%。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吕新亮,郑向伟]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吕新亮,郑向伟</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD314B1E4F749B345E&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=117143DBED3B4430&eid=6A130DFE52B4E6AC&referenced_num=0&reference_num=0]]></guid><cfi:id>49</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于用户预算和服务质量的动态频谱接入]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD8C0C47C3533E3005&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=7E7F5B01D43BD73F&eid=46CB56AABC2765FF&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在动态频谱接入网络中,如何通过频谱地图有效地获得频谱的使用是一个亟待解决的问题。目前主要通过频谱运营商将可用频段销售给用户的方式实现频谱接入。针对用户的实际支付能力和服务质量(QoS)需求不同,提出联合预算和功率控制方案。将运营商和用户建模成两阶段的Stackelberg博弈模型,运营商根据用户的预算和QoS需求动态调整频谱价格,用户根据频谱价格改变自己的需求,最后证明了用户和运营商最大收益的纳什均衡解的存在性和唯一性。仿真结果表明:在多次交换信息后,用户预算的总和是整个网络收益的上限,用户和运营商均能获得最大收益且达到纳什均衡。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[廖云峰,陈勇,孙爱伟,邵鸿翔]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>廖云峰,陈勇,孙爱伟,邵鸿翔</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD8C0C47C3533E3005&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=7E7F5B01D43BD73F&eid=46CB56AABC2765FF&referenced_num=0&reference_num=0]]></guid><cfi:id>48</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于故障传播模型与监督学习的电力通信网络故障定位]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD2BF5512B3834BE42&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=FE2777263ADBA5FE&eid=BA11C7A4B8FC3FCA&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对电力通信网络中的故障定位问题,分析了一种网络设备或链路故障引发的大范围连通片故障告警情形,提出一种基于故障传播模型和监督分类学习方法的故障定位算法。首先使用改进的故障传播模型求得初步定位结果,用最少的故障数目解释当前告警;然后通过故障源-故障告警向量分解将故障定位问题转化为监督分类问题,定位告警区域内部故障;最后加入猜测的故障设备和故障链路完善定位结果以提高定位准确率。模拟结果表明提出的故障定位算法的故障检测率达到84%~95%,具有较高的故障定位可靠性。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[赵灿明,李祝红,陶磊,张信明]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>赵灿明,李祝红,陶磊,张信明</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD2BF5512B3834BE42&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=FE2777263ADBA5FE&eid=BA11C7A4B8FC3FCA&referenced_num=0&reference_num=0]]></guid><cfi:id>47</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[井下巷道机车无线接入通信策略]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD31B0AC1BE8517AC0&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=E21B79B0E72C27CC&eid=8637B749179B02B3&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对基于视频监控/识别的井下机车无人驾驶系统中机车动态无线接入传输网络的问题,提出一种串行干扰消除(SIC)区域划分策略。首先,建立基站通信覆盖范围内的非线性区域划分模型;其次,根据理论推导可得区段划分数与基站通信覆盖范围的关系,机车位置与发射功率的关系;最后给出SIC区域划分策略。仿真实验结果表明:SIC区域划分策略使得一个基站可以同时接入3辆机车,机车总通过时间和基站覆盖范围利用率的整体优化效果提高50%以上。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[魏臻,张晓旭,陆阳,卫星]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>魏臻,张晓旭,陆阳,卫星</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD31B0AC1BE8517AC0&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=E21B79B0E72C27CC&eid=8637B749179B02B3&referenced_num=0&reference_num=0]]></guid><cfi:id>46</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于贝叶斯模型的云服务服务质量预测]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD75C675F7F7507B74&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=FE68044BBD4BDA5F&eid=4172076490137F4E&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对如何分配一个未来一段时间内满足QoS要求的云服务和感知可能将要发生的QoS违规的问题,提出一种基于时间序列预测方法的云服务QoS预测方法。该预测方法利用改进的贝叶斯常均值(IBCM)模型,能够准确地预测云服务未来一段时间内的QoS状态。实验通过搭建Hadoop集群模拟云平台并收集了响应时间和吞吐量两种QoS属性的数据作为预测对象,实验结果表明:相比自回归积分滑动平均(ARIMA)模型和贝叶斯常均值折扣模型等时间序列预测方法,基于改进的贝叶斯常均值模型的云服务QoS预测方法的平方和误差(SSE)、平均绝对误差(MAE)、均方误差(MSE)和和平均绝对百分比误差(MAPE)均比前两者小一个数量级,因此具有更高的预测精度;同时预测结果对比图说明提出的预测方法具有更好的拟合效果。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[陈伟,陈继明]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>陈伟,陈继明</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD75C675F7F7507B74&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=FE68044BBD4BDA5F&eid=4172076490137F4E&referenced_num=0&reference_num=0]]></guid><cfi:id>45</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于节点集计算能力差异的Hadoop自适应任务调度算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD8848E4116B793FD9&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=C45B504FED793340&eid=55434AEC30CBAE6B&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对异构集群任务推测式执行算法存在的任务进度比例固定、落后任务被动选取等问题,提出基于快慢节点集计算能力差异的自适应任务调度算法。该算法量化节点集计算能力差异实现分集调度,并通过节点与任务速率的动态反馈及时更新快慢节点集,提高节点集资源利用率与任务并行度。在两节点集中,利用动态调整任务进度比例判别落后任务,主动选择采用替代执行方式为落后任务执行备份任务的快节点,从而提升任务执行效率。与最长近似结束时间(LATE)算法的实验对比结果表明,该算法在短作业集、混合型作业集、出现节点性能下降的混合型作业集执行时间上比LATE算法分别缩短了5.21%、20.51%、23.86%,启用的备份任务数比LATE算法明显减少。所提算法可使任务主动适应节点差异,在减少备份任务的同时有效提高作业整体执行效率。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[朱洁,李雯睿,王江平,赵红]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>朱洁,李雯睿,王江平,赵红</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD8848E4116B793FD9&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=C45B504FED793340&eid=55434AEC30CBAE6B&referenced_num=0&reference_num=0]]></guid><cfi:id>44</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于迭代式MapReduce的误差反向传播算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD714DFF8AA45A018E&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=3019419AF3C0F2FB&eid=BD0BCC5CD284A664&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对误差反向传播(BP)算法计算迭代的特点,给出了迭代式MapReduce框架实现BP算法的方法。迭代式MapReduce框架在传统MapReduce框架上添加了传送模块,避免了传统框架运用在迭代程序时需要多次任务提交的缺陷。通过对K/TGR146对空台射电开关控制系统进行仿真得到BP算法训练样本,并在Hadoop云计算环境下,分别在基于传统框架和迭代式框架的BP算法中进行训练。实验结果表明,基于迭代式MapReduce框架的BP算法训练速度达到了基于传统MapReduce框架的BP算法训练速度的10倍以上,正确率提升了10%~13%,能有效解决算法训练时间过长和迭代计算中多次任务提交的问题。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[赵虎,杨宇]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>赵虎,杨宇</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD714DFF8AA45A018E&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=3019419AF3C0F2FB&eid=BD0BCC5CD284A664&referenced_num=0&reference_num=0]]></guid><cfi:id>43</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于FPGA改进电路的高性能正则表达式匹配算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD470A971FA9A8463B&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=8B6586F75D2B256A&eid=8587C7CAA7A3D0DB&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对正则表达式匹配过程中吞吐率低及逻辑资源占用数多的问题,提出一种完全基于现场可编程门阵列(FPGA)逻辑电路的改进确定有限自动机(DFA)匹配算法。首先,该算法统计了DFA中每个状态的大多数转移边都会集中指向相同状态特征的结果,随后根据正则表达式的转移矩阵为DFA的每个状态设置一条默认的转移边,最后进行逻辑电路简化处理,并采用L7-filter规则集进行实测。实验结果表明,改进后的DFA方案与非确定有限自动机(NFA)方案相比,有10%~60%的规则获得了更高的吞吐率,62%~87%的规则占用了更少的逻辑资源。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[卓艳男,刘强,姜磊,戴琼]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>卓艳男,刘强,姜磊,戴琼</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD470A971FA9A8463B&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=8B6586F75D2B256A&eid=8587C7CAA7A3D0DB&referenced_num=0&reference_num=0]]></guid><cfi:id>42</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[集成直觉模糊信息的主观信任模型]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD18F3A9F793582670&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=AB8B0EE7E1A96CB2&eid=3C4551DF8C77ACFF&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对复杂的在线服务环境下存在的主观性和不确定性,且缺乏从信任程度、不信任程度和不确定性程度三方面描述信任的方法,提出一种集成直觉模糊信息的主观信任模型。首先,给出了一种改进的集成精确数为直觉模糊数的方法,并结合K均值聚类算法,计算实体的直接信任和间接信任;然后,根据基于直觉模糊熵的权重分配策略计算综合信任;最后进行了仿真实验验证。结果表明该方法能有效抑制信用欺诈行为,且当恶意节点达到35%的情况下仍然维持一个较低的误差水平。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[徐军]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>徐军</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD18F3A9F793582670&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=AB8B0EE7E1A96CB2&eid=3C4551DF8C77ACFF&referenced_num=0&reference_num=0]]></guid><cfi:id>41</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于多元属性特征的恶意域名检测]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC56E81ECB177ECFB&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=27A5865B8C0B85C3&eid=236D0EBD31E6F5C7&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[域名系统主要提供域名解析功能,完成域名到IP的转换,而恶意域名检测主要用来发现以域名系统为屏障的非法行为,来保障域名服务器的正常运行。总结了恶意域名检测的相关工作,并采用基于机器学习的方法,提出一种基于多元属性特征的恶意域名检测方法。在域名词法特征方面,提取更加细粒度的特征,比如数字字母的转换频率、连续字母的最大长度等;在网络属性特征方面,更加关注名称服务器,比如其个数、分散度等。实验结果表明,该方法的准确率、召回率、F1值均达到了99.8%,具有较好的检测效果。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[张洋,柳厅文,沙泓州,时金桥]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>张洋,柳厅文,沙泓州,时金桥</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC56E81ECB177ECFB&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=27A5865B8C0B85C3&eid=236D0EBD31E6F5C7&referenced_num=0&reference_num=0]]></guid><cfi:id>40</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于跳数差的无线传感器网络安全定位方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADD95C15C088796D41&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=D4A72ABDCEDCE1BD&eid=9822743C2D2BE348&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对无线传感器网络(WSN)中女巫攻击使距离矢量跳数(DV-HOP)等算法的定位结果产生偏差的问题,提出基于跳数差值的距离矢量跳数算法(HDDV-HOP)及其增强型算法(EHDDV-HOP)。首先,检测节点通过可控泛洪方式获取其他节点的邻居节点列表;其次,检测节点通过分析邻居节点列表检测虚假节点并建立白名单;最后,节点根据白名单选择性转发接收到的数据包并进行安全定位。两种算法的区别在于它们使用不同的检测方式,HDDVHOP算法中检测节点分析邻居节点列表是否相同,而EHDDV-HOP算法中检测节点分析邻居节点列表交集与并集中元素个数之比。仿真结果表明,在信标节点比例达到20%和信号覆盖不对称时,与无女巫攻击时DV-HOP算法相比,HDDV-HOP定位误差相对大133.4%,EHDDV-HOP在相似度阈值合适时只高出7.3%,但都低于有女巫攻击时DVHOP的定位误差。两种算法都能抵御女巫攻击,但EHDDV-HOP更优。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[肖继清,刘震宇,肖江]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>肖继清,刘震宇,肖江</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADD95C15C088796D41&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=D4A72ABDCEDCE1BD&eid=9822743C2D2BE348&referenced_num=0&reference_num=0]]></guid><cfi:id>39</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于Birkhoff插值的可验证多等级秘密共享算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADFE70DF96582738F9&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=793F041A4288469A&eid=7FE49FDC1813B88A&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[分布式密钥生成(DKG)协议是分布式加密系统的重要组成部分,其允许一群参与者共同产生私钥和公钥,但只有授权的参与者子集才能重构私钥。然而,现有的基于DKG协议均是假定参与者等级相同。为此,提出基于Birkhoff插值的可验证多等级秘密共享BI-VHTSS算法。BI-VHTSS算法考虑了DKG问题,并由等级门限访问结构定义授权子集。利用Birkhoff插值和离数对数问题,验证了BI-VHTSS算法的正确性和安全性。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[许晓洁,王力生]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>许晓洁,王力生</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADFE70DF96582738F9&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=793F041A4288469A&eid=7FE49FDC1813B88A&referenced_num=0&reference_num=0]]></guid><cfi:id>38</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[格上基于身份的广播加密方案]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADE6972676E00B03B8&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=7A7A8B1000B9FF84&eid=6D947E6CDDEFFBDE&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对Wang等(WANG J,BI J.Lattice-based identity-based broadcast encryption.https://eprint.iacr.org/2010/288.pdf.)在随机预言机下提出的格基广播加密方案安全性较低且实用性较差的问题,利用盆景树扩展控制算法和一次签名算法构造了一个标准模型下基于格上错误学习(LWE)问题的身份基广播加密方案。首先利用一个编码函数替换随机预言机,将方案置于标准模型下;然后运行盆景树扩展控制算法生成用户的私钥和广播公钥;最后在加密阶段加入一次签名算法,提高方案的安全性。分析表明,相对于已有同类方案,新方案安全性较高达到了适应性攻击下选择密文安全(IND-ID-CCA)且方案具有动态扩展特性,能够通过用户身份矩阵的伸缩来实现用户的添加或删除,因此实用性较强。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[黄文真,杨晓元,王绪安,吴立强]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>黄文真,杨晓元,王绪安,吴立强</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADE6972676E00B03B8&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=7A7A8B1000B9FF84&eid=6D947E6CDDEFFBDE&referenced_num=0&reference_num=0]]></guid><cfi:id>37</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于环上容错学习和GSW的层次型全同态加密方案]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADCFAEF8EEE3486F66&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=CFC2B32D03D9F610&eid=78AF84DBB4041008&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对目前全同态加密方案效率不高的问题,对GSW同态加密方案进行改进,提出基于环上容错学习和GSW的层次型全同态加密方案。首先,构造基于环上容错学习困难问题的基本公钥加密方案,利用近似特征向量方法使其具有加法、乘法同态性,进一步为简化噪声增长过程的分析而引入随机化函数技术;其次,证明了基本加密方案的正确性、安全性,并详细分析了同态加法、同态乘法和同态与非门操作的正确性;最后,根据密文对应噪声项的增长情况及困难问题的安全性设置方案安全参数,并利用快速傅里叶变换降低多项式乘法运算的计算复杂度,构造出层次型（Leveled）全同态加密方案。与GSW方案相比,新方案具有更小的公钥尺寸,且同态计算每个与非门的复杂度从O(（nL）<sup>2.37</sup>)降低到O（nL<sup>2</sup>）。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[王曌,丁勇,王会勇]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>王曌,丁勇,王会勇</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADCFAEF8EEE3486F66&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=CFC2B32D03D9F610&eid=78AF84DBB4041008&referenced_num=0&reference_num=0]]></guid><cfi:id>36</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于混沌动态随机分组与调制分数阶FFT旋转因子的图像加密]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD1E88936432253941&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=7EEA6F8DDD9FAD6E&eid=8115E88DD41C4B46&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对分数阶傅里叶变换（FRFT）图像加密中,由于FRFT旋转因子单一性和分组单一性而引起的安全性问题,提出一种新的加密方法——混沌动态随机分组与随机调制FRFT旋转因子。该方法采用3个混沌子系统:用子系统1（密钥）对明文进行无损预加密,得到（一次）密文;然后,用子系统2对FRFT进行动态分组;用子系统3对FRFT旋转因子进行随机调制。接着,用经动态分组、随机调制旋转因子后的FRFT对（一次）密文进行二次加密。相邻像素相关性、像素改变率等测试结果表明,该算法对统计攻击和差分攻击具有较强的抵御能力;实时性、还原性测试表明,一次加密中,采用无损方式与有损相比,其解密用时减少了52.5%,解密后明文相似度提高了4.5%,由此,免除了去噪处理,降低了系统开销。安全性测试表明,与单纯调制旋转因子方法相比,随机分组与调制旋转因子方法的信息熵提高了1.7%,抵御穷举法攻击的能力提高了10<sup>3635</sup>倍。由此表明,该方法在实时性、还原性、安全性等方面,均优于混沌密钥单纯调制FRFT旋转因子算法。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[金建国,肖莹,邸志刚]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>金建国,肖莹,邸志刚</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD1E88936432253941&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=7EEA6F8DDD9FAD6E&eid=8115E88DD41C4B46&referenced_num=0&reference_num=0]]></guid><cfi:id>35</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于行为的Android恶意软件判定方法及其有效性]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD1B20764293BCC09E&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=1B519D9EB22393DB&eid=32491EEEE0A8C927&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对当前Android平台资源受限及恶意软件检测能力不足这一问题,以现有Android安装方式、触发方式和恶意负载方面的行为特征为识别基础,构建了基于ROM定制的Android软件行为动态监控框架,采用信息增益、卡方检验和Fisher Score的特征选择方法,评估了支持向量机(SVM)、决策树、k-邻近(KNN)和朴素贝叶斯(NB)分类器四类算法在Android恶意软件分类检测方面的有效性。通过对20 916个恶意样本及17 086个正常样本的行为日志的整体分类效果进行评估,结果显示,SVM算法在恶意软件判定上准确率可以达到93%以上,误报率低于2%,整体效果最优。可应用于在线云端分析环境和检测平台,满足海量样本处理需求。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[孙润康,彭国军,李晶雯,沈诗琦]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>孙润康,彭国军,李晶雯,沈诗琦</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD1B20764293BCC09E&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=1B519D9EB22393DB&eid=32491EEEE0A8C927&referenced_num=0&reference_num=0]]></guid><cfi:id>34</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[结合容量伪装和双文件系统的文件隐藏方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD4F6DB622946F5297&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=CA0B5EEC0BAD621A&eid=CEA1F7DC6B978724&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对现有基于通用串行总线(USB)移动存储设备的文件隐藏方法存在的鲁棒性差及隐藏强度低的问题,提出一种结合容量伪装和双文件系统的文件隐藏方法。在分析Nand flash芯片的特点及其管理机制的基础上,该方法通过篡改命令状态包(CSW)中的设备容量值,实现容量伪装,达到欺骗主机的目的;利用闪存转换层(FTL)存储管理机制,通过在物理块冗余区标记不同的内容把物理块分成两部分,划分隐藏区和普通区,利用格式化功能建立双文件系统;用户通过写特定数据发送切换文件系统请求,设备进行用户认证后完成文件系统切换,实现隐藏区的安全访问。理论分析和实验结果表明,该方法实现了对操作系统透明的文件隐藏;相对于挂接应用程序编程接口(API)、基于文件分配表(FAT)的修改以及加密等实现的文件隐藏方法,该方法不受系统对设备操作的影响,具有更好的鲁棒性和更高的隐藏强度。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[王康,李清宝]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>王康,李清宝</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD4F6DB622946F5297&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=CA0B5EEC0BAD621A&eid=CEA1F7DC6B978724&referenced_num=0&reference_num=0]]></guid><cfi:id>33</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[扩展知识图谱上的实体关系检索]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD326A364DED8291F5&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=80B081C203919926&eid=243DE6042D93E88B&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[现有文本数据集上的实体搜索和自然语言查询方法无法处理需要将分散在不同文档中的信息碎片链接起来以满足有复杂实体关系的查询,而知识库上的查询虽然可以表示实体间的复杂关系,但由于知识库的异构性和不完全性,通常查全率较低。针对这些问题,提出使用文本数据集对知识库进行扩展,并设计相应的含文本短语的三元组模式查询以支持对知识库和文本数据的统一查询。在此基础上,设计并实现了查询放松机制和对结果元组的评分模型,并给出了高效的查询处理方法。使用YAGO、Clue Web09和其上的FACC1数据集,在三个不同的查询测试集(实体检索、实体关系检索和复杂的实体关系查询)上与两个典型相关工作作了比较。实验结果显示,扩展知识图谱上使用查询放松规则的实体关系检索系统的检索效果大大超出了其他系统,具体地在三个查询测试集上,其平均正确率均值(MAP)比其他系统分别提升了27%、37%和64%以上。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[王秋月,覃雄派,曹巍,覃飙]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>王秋月,覃雄派,曹巍,覃飙</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD326A364DED8291F5&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=80B081C203919926&eid=243DE6042D93E88B&referenced_num=0&reference_num=0]]></guid><cfi:id>32</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于间隔链表改进的频繁项集挖掘算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD1CA29559A2EA2AAE&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=71EC92B56215521C&eid=FC20C40D27903A85&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对PrePost算法中需要建立复杂的前序和后序编码树(PPC-tree)和节点链表(N-list)的问题,提出一种基于间隔链表(I-list)改进的高效频繁项集挖掘算法。首先,该算法采用了比频繁模模式树(FP-tree)更加压缩的数据存储结构间隔编码的频繁模式树(IFP-tree),无需迭代地建立条件FP-tree;其次,该算法利用更简洁的I-list代替了PrePost中复杂的N-list,从而提高了建树和挖掘速度;最后,对于单分支路径的情况,该算法通过组合的方法,直接求得某些频繁项集,以提高算法的时间性能。实验结果表明:一方面,对于同一数据集在相同支持数下挖掘的结果相同,验证了改进算法的正确性;另一方面,无论在时间还是空间上改进算法的整体性能均比PrePost算法提高约10%;且对于稀疏型数据库或密集型数据库的挖掘都有较好的应用。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[徐永秀,刘旭敏,徐维祥]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>徐永秀,刘旭敏,徐维祥</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD1CA29559A2EA2AAE&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=71EC92B56215521C&eid=FC20C40D27903A85&referenced_num=0&reference_num=0]]></guid><cfi:id>31</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于多线程的并行实例恢复方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD072176271942521C&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=15A3E3A739C4EF3F&eid=C1FD47373C9783CC6F6456CE42D09996&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对数据库实例恢复串行化执行效率低的问题,以神通数据库为基础提出一种基于多线程的并行实例恢复方法。首先,在数据库原有实例恢复模型基础上,增加"构建脏页表"和"脏页预取"两个步骤,得到改进后的实例恢复模型;其次,结合多线程并发处理思想,提出并行实例恢复方法,对改进的实例恢复模型进行并发处理;最后,由于采用回滚段进行undo日志管理,可以实现undo日志的正常数据化管理,提前结束实例恢复。通过进行TPC-C基准测试,并行实例恢复方法的读取、解析redo日志效率与原有方法相比提高了2~7倍,重做redo日志效率提高了4~9倍,整体所用时间减少为原有方法的20%~40%。实验结果表明,并行实例恢复方法实现了各阶段的并行化,减少了实例恢复所需时间,保证了数据库在实际应用中的高效性。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[卢栋栋,何清法]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>卢栋栋,何清法</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD072176271942521C&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=15A3E3A739C4EF3F&eid=C1FD47373C9783CC6F6456CE42D09996&referenced_num=0&reference_num=0]]></guid><cfi:id>30</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于粒子滤波重采样与变异操作的改进粒子群算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD3F5FB9039EFBA10B&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=82BCA4C44409DD5C&eid=512771C17A2FFC1B&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对标准粒子群优化(PSO)算法在求解过程中存在求解精度低、搜索后期收敛速度慢等问题,提出一种基于粒子滤波重采样步骤与变异操作相结合的改进PSO算法——RSPSO。该算法充分利用重采样中具有较大权值的粒子被保留和复制、较小权值的粒子被舍弃的特点,并利用已有的变异操作方法克服粒子匮乏的缺点,大大增强了PSO算法中后期搜索阶段的局部搜索能力。在不同基准函数下对RSPSO算法和标准PSO算法以及文献中其他改进算法进行对比。实验结果表明,RSPSO算法的收敛速度较快,同时其搜索精度和解的稳定性均有所提高,且能够全局地解决多峰问题。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[韩雪,程奇峰,赵婷婷,张利民]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>韩雪,程奇峰,赵婷婷,张利民</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD3F5FB9039EFBA10B&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=82BCA4C44409DD5C&eid=512771C17A2FFC1B&referenced_num=0&reference_num=0]]></guid><cfi:id>29</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[流水车间调度问题的快速多目标混合进化算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD7DEB0AF3F6C30EBE&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=C368DFEE1EA2C91D&eid=3D2DBE965A0EBA0D2FD075511D88FFEF&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对最大完工时间最小和总流经时间最小的双目标流水车间调度问题,提出一种快速多目标混合进化算法。算法将矢量评价遗传算法的采样策略与一种新的基于Pareto支配与被支配关系的适应度函数的采样策略进行了融合。新的采样策略弥补了矢量评价遗传算法(VEGA)采样策略的不足。VEGA善于搜索Pareto前沿面的边缘区域,但却忽略了Pareto前沿面的中心区域,而新的采样策略则倾向于Pareto前沿面的中心区域。这两种机制的融合保证了混合算法能够快速平稳地向Pareto前沿区域收敛。此外,由于混合采样策略不需要考虑距离,使得算法效率也得到了很大的提升。在对Taillard基准测试集进行的仿真实验结果显示,相对于非支配排序遗传算法(NSGA-Ⅱ)和强度Pareto进化算法(SPEA2),该快速多目标混合进化算法在收敛性和分布性两方面都有所提高,并且算法的效率也得到了改进。所提出的混合算法能够更好地解决双目标的流水车间调度问题。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[张闻强,卢佳明,张红梅]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>张闻强,卢佳明,张红梅</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD7DEB0AF3F6C30EBE&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=C368DFEE1EA2C91D&eid=3D2DBE965A0EBA0D2FD075511D88FFEF&referenced_num=0&reference_num=0]]></guid><cfi:id>28</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于中心解的改进人工蜂群算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC67CEA80DF6B6675&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=92CE31955C2FC520&eid=8E4B4A74C5BF6530&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了解决人工蜂群(ABC)算法在用于函数优化时所具有的局部探索能力不强、收敛精度不高的问题,提出一种基于中心解的人工蜂群算法。该算法结合中心解和当前最优候选解的优点,并将中心解引入到跟随蜂的局部变异策略中。跟随蜂采用轮盘赌的形式,选择某些适应度值较好的蜜源,在雇佣蜂中心解的基础上深度局部寻优,并在每次迭代中逐维更新蜜源每一维度的值。为了验证该算法的有效性,选择六个基准测试函数对三种算法进行仿真对比实验。与标准ABC算法和Best-so-far ABC算法相比,改进的ABC算法的求解精度有较大幅度提高,特别是对于Rastrigin函数,两种不同维数下均达到了理论最优值。实验结果表明:所提算法在收敛速度和寻优精度上都有明显改善。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[宋月振,裴腾达,裴炳南]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>宋月振,裴腾达,裴炳南</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC67CEA80DF6B6675&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=92CE31955C2FC520&eid=8E4B4A74C5BF6530&referenced_num=0&reference_num=0]]></guid><cfi:id>27</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[求解两物种小系统发育问题的模拟退火算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD08A643369A456080&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=4E3F821C82005C21&eid=31CCC5D591A72A74&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对复制-丢失比对问题模型,提出求解复制-丢失演化模型下两物种小系统发育问题(SPP)的模拟退火算法(SA2SP)。SA2SP引入比对算法用于构造问题初始解;引入标记算法用于构建问题解的目标函数,以得到问题解的进化代价;同时还引入3种智能邻域函数,利用基因序列的进化特性,指导性地产生邻域解。利用4种真实菌属的核糖体核糖核酸(rRNA)和转运核糖核酸(tRNA)基因数据对算法的性能进行测试,实验结果表明,SA2SP能够获得较伪布尔线性规划(PBLP)求解算法更小的进化代价,是求解复制-丢失演化模型下两物种小系统发育问题的一种有效方法。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吴璟莉,李先成]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吴璟莉,李先成</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD08A643369A456080&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=4E3F821C82005C21&eid=31CCC5D591A72A74&referenced_num=0&reference_num=0]]></guid><cfi:id>26</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于多尺度分块卷积神经网络的图像目标识别算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD4024FF43E906FC42&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=BE9F677535B03A98&eid=11924CB7A7AEB526&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对图像在平移、旋转或局部形变等复杂情况下的识别问题,提出一种基于非监督预训练和多尺度分块的卷积神经网络(CNN)目标识别算法。算法首先利用不含标签的图像训练一个稀疏自动编码器,得到符合数据集特性、有较好初始值的滤波器集合。为了增强鲁棒性,同时减小下采样对特征提取的影响,提出一种多通路结构的卷积神经网络,对输入图像进行多尺度分块形成多个通路,每个通路与相应尺寸的滤波器卷积,不同通路的特征经过局部对比度标准化和下采样后在全连接层进行融合,从而形成最终用于图像分类的特征,将特征输入分类器完成图像目标识别。仿真实验中,所提算法对STL-10数据集和遥感飞机图像的识别率较传统的CNN均有提高,并对图像各种形变具有较好的鲁棒性。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[张文达,许悦雷,倪嘉成,马时平,史鹤欢]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>张文达,许悦雷,倪嘉成,马时平,史鹤欢</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD4024FF43E906FC42&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=BE9F677535B03A98&eid=11924CB7A7AEB526&referenced_num=0&reference_num=0]]></guid><cfi:id>25</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于块稀疏贝叶斯学习的人体运动模式识别]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD3E66EA2EDA91EC89&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=C7A7E1E32985D389&eid=3F10405738B4D004&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在人体运动模式识别中,传统稀疏表示分类算法未考虑待测试样本相应稀疏系数向量内在块结构相关性信息,影响了算法识别性能。为此,提出一种基于块稀疏模型的人体运动模式识别方法。该方法充分利用人体运动模式内在块稀疏结构,将人体运动模式识别问题转化为稀疏表示问题,采用块稀疏贝叶斯学习算法,求解基于样本训练集优化稀疏表示待测样本的稀疏系数,并根据稀疏系数重构残差判定待识别动作类别,能有效提高人体运动模式识别率。选用包含多类别人体动作行为模式的USC-HAD数据库对所提算法性能进行了验证。实验结果表明,所提算法能够有效捕获不同运动模式内在差异信息,平均动作识别率达到97.86%,比传统动作识别方法平均提高近5%,有效提高了动作识别准确率。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吴建宁,徐海东,凌雲,王佳境]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吴建宁,徐海东,凌雲,王佳境</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD3E66EA2EDA91EC89&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=C7A7E1E32985D389&eid=3F10405738B4D004&referenced_num=0&reference_num=0]]></guid><cfi:id>24</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[征订启事]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD0B125ED3A9F33B17&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=AE9D5375B9B2D7F2&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[本刊于1981年创刊,系中国计算机学会会刊。本刊多次荣获全国优秀科技期刊奖、国家期刊奖提名奖,被评为中国期刊方阵"双奖"期刊,被列为中文核心期刊、中国科技核心期刊。被《中国科学引文数据库》、《中国科技论文统计源数据库》等国家重点检索机构列为引文期刊,并被英国《科学文摘》、俄罗斯《文摘杂志》、日本《日本科学技术振兴机构数据库》、美国《剑桥科学文摘:材料信息》、波兰《哥白尼索引》、德国《数学文摘》等国际重要检索系统列为来源期刊。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name></atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD0B125ED3A9F33B17&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=AE9D5375B9B2D7F2&referenced_num=0&reference_num=0]]></guid><cfi:id>23</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于评分差异度和用户偏好的协同过滤算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADCCA6B2569201D137&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=208AC7DC28BD1EC6&eid=A2F6BF314826AC1BE3E996D8CFD17DF9&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对传统协同过滤推荐算法仅通过使用用户评分数据计算用户相似度以至于推荐精度不高的问题,提出一种改进的协同过滤推荐算法。首先,以用户评分的平均值作为分界点得出用户间的评分差异度,并将其作为权重因子计算基于评分的用户相似度;其次,依据用户项目评分和项目类别信息挖掘用户对项目类别的兴趣度以及用户项目偏好,并以此计算用户偏好相似度;然后,结合上述两种相似度加权产生用户综合相似度;最后,融合传统项目相似度和用户综合相似度进行评分预测及项目推荐。实验结果表明,相对于传统的基于用户评分的协同过滤推荐算法,所提算法在数据集下的平均绝对误差值平均降低了2.4%。该算法可在一定程度上提高推荐算法精度以及推荐质量。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[党博,姜久雷]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>党博,姜久雷</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADCCA6B2569201D137&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=208AC7DC28BD1EC6&eid=A2F6BF314826AC1BE3E996D8CFD17DF9&referenced_num=0&reference_num=0]]></guid><cfi:id>22</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于灰色关联分析的分布式协同过滤推荐算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD3A0A63250D475CD9&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=1A775ABEB80E436B&eid=A326383D2F3B3AB0&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对原始的基于用户(User-based)或基于评分项目(Item-based)的协同过滤推荐算法(CFR)大多采用"硬分类"式聚类,且具有数据稀疏性和可扩展性的问题,提出一种基于灰色关联分析的分布式协同过滤推荐算法。算法使用Hadoop分布式计算平台,首先,计算评分矩阵中每个评分项目的灰色关系系数;然后,计算各评分项目的灰色关联度(GRG);最后,根据GRG获得每个评分项目的近邻集合,对不同用户的待预测项目用对应的近邻集合对其评分进行预测。通过在Movie Lens数据集上进行实验,与User-based和Item-based的CFR算法相比,该算法平均绝对误差分别下降了1.07%和0.06%,而且随着数据规模的扩展,通过增加集群节点,算法运行效率有相应的提升。实验结果表明,该推荐算法可以有效地实现大规模数据的推荐,并能解决数据可扩展性的问题。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[邱桂,闫仁武]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>邱桂,闫仁武</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD3A0A63250D475CD9&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=1A775ABEB80E436B&eid=A326383D2F3B3AB0&referenced_num=0&reference_num=0]]></guid><cfi:id>21</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[面向问答社区的中文问题分类]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADDCD3E690EC1ABB24&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=6B1D468AD7B8ADD8&eid=4CB3DBBCE4B39661&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统的问题分类体系大都基于事实类问题,传统的问题分类方法也比较依赖于疑问词这一分类特征,但问答社区(CQA)中非事实类问题居多,且许多问题并不包含疑问词,为此,提出一种面向问答社区的粗粒度分类体系,并在此基础上提出一种基于疑问词的层次化结构问题分类方法。该方法首先自动识别问题中的疑问词,若疑问词存在,则用支持向量机(SVM)模型进行分类;而对没有疑问词的问题,则用所构造的基于焦点词的分类器进行分类。通过在从中文问答社区知乎中所爬取的问题数据集上进行实验,与传统的基于SVM模型的分类方法相比,该方法的分类准确率提高了4.7个百分点。实验结果表明,这种根据问题是否含有疑问词而选择不同分类器的方法,减轻了分类方法对疑问词的依赖,能有效提高问答社区中问题分类的准确率。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[董才正,刘柏嵩]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>董才正,刘柏嵩</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADDCD3E690EC1ABB24&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=6B1D468AD7B8ADD8&eid=4CB3DBBCE4B39661&referenced_num=0&reference_num=0]]></guid><cfi:id>20</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于检测域划分的虚拟机异常检测算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD04F4541C99FEF670&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=63025EFC6CC49145&eid=81A5772701933E75&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[虚拟机的正常运行是支撑云平台服务的重要条件,由于云平台下虚拟机存在数量规模大、运行环境随时间动态变化的特点,管理系统难以针对每个虚拟机进行训练数据采集以及统计模型的训练。为了提高在上述环境下异常检测系统的实时性和识别能力,提出基于改进k中心点聚类算法的检测域划分机制,在聚类迭代更新步骤上进行优化,以提升检测域划分的速度,并通过检测域策略的应用来提高虚拟机异常检测的效率和准确率。实验及分析表明,改进的聚类算法拥有更低的时间复杂度,采用检测域划分机制的检测方法在虚拟机异常检测中拥有更高的效率和准确率。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吴天舒,陈蜀宇,张涵翠,周真]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吴天舒,陈蜀宇,张涵翠,周真</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD04F4541C99FEF670&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=63025EFC6CC49145&eid=81A5772701933E75&referenced_num=0&reference_num=0]]></guid><cfi:id>19</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于失效聚集度改进自适应随机测试算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC2D19882865125A3&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=A50445FB05D4B1A0&eid=6A21CD97476A2ACCE3E63A9DCA81C661&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[对于现有的自适应随机测试(ART)算法针对点状失效模式普遍存在有效性和效率均比随机测试(RT)差的问题,提出一种基于失效聚集度的自适应随机测试(CLART)算法,对传统的ART——固定候选集(FSCS)、区域排除随机测试(RRT)等算法进行改进。首先,根据被测程序的输入域估计主失效聚集度,确定局部搜索区域;然后,在区域内使用传统ART算法生成若干测试用例(TC)进行测试;若未发现错误,重新选择局部区域生成TC;重复这一过程直至发现错误。仿真实验显示在点状失效模式和块状失效模式下CLART算法的有效性比FSCS算法提高约20%,效率比FSCS算法提高约60%。实验结果表明CLART算法利用多个局部区域依次搜索可以快速锁定引发失效输入分布密集高的失效区域,从而提高测试的有效性和效率。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[侯韶凡,于磊,李志博,李刚]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>侯韶凡,于磊,李志博,李刚</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC2D19882865125A3&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=A50445FB05D4B1A0&eid=6A21CD97476A2ACCE3E63A9DCA81C661&referenced_num=0&reference_num=0]]></guid><cfi:id>18</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[多传感器彩色纹理色彩差异修正方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD973D2FBA3BB3B283&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=6A12B9FCEF71AE29&eid=E062BF8B95A95FD2&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对三维彩色扫描仪多个传感器获得的彩色纹理图像存在色彩差异,导致重建的三维彩色模型表面出现色彩分块现象的问题,提出一种基于色彩迁移的纹理图像色彩修正方法。首先,利用综合质量图像评价函数(CAF)进行图像质量评价,从多个传感器获得的彩色纹理图像中选出一幅质量最佳的作为标准图像;然后,参照该图像调整其他纹理图像各个色彩通道的色彩均值、方差等统计量。将所提方法用于三维人体彩色扫描仪的纹理图像色彩修正,结果表明,色彩修正后纹理图像间的色彩差异减小,得到的三维人体彩色模型色彩分块现象得到明显改善,色彩更加均衡自然。与经典色彩变换方法、改进色彩变换方法、基于最小角度选择的融合方法相比,实验的主观效果和客观图像综合质量评价值都表明了该方法的优越性。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[马倩,葛宝臻,陈雷]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>马倩,葛宝臻,陈雷</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD973D2FBA3BB3B283&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=6A12B9FCEF71AE29&eid=E062BF8B95A95FD2&referenced_num=0&reference_num=0]]></guid><cfi:id>17</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于非均匀量化的小波域分布式深度图视频编码]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD65B014F9D9945582&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=4AB97D697AC3192E&eid=FBF817B1E8A20479&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对分布式多视点加深度格式(DMVD)的视频编码中深度图视频解码质量问题,提出一种结合子带层及子带系数的小波域分布式深度视频非均匀量化方案,通过给边缘分配更多比特来提升深度图的边缘质量。结合深度图经小波变换后系数分布特性,对第N层的低频小波系数采用均匀量化方案,对其他层高频小波系数采用非均匀量化方案。针对高频系数的非均匀量化,对处于"0"左右的高频系数采用较大的量化步长,随着高频系数幅度值的增大,量化步长逐渐减小,量化逐渐精细,从而提升深度图中的边缘细节质量。实验结果表明,对于边缘较多且变化较明显的"Dancer"和"Poznan Hall2"深度序列,该算法能够有效地提高二者的边缘信息质量从而提高其率失真(R-D)性能,最高可达1.2 d B;而对于边缘区域较小且较为模糊的"Newspaper"和"Balloons"深度序列,系统的R-D性能也能被提升0.3 d B左右。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[陈真真,卿粼波,何小海,汪芸]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>陈真真,卿粼波,何小海,汪芸</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD65B014F9D9945582&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=4AB97D697AC3192E&eid=FBF817B1E8A20479&referenced_num=0&reference_num=0]]></guid><cfi:id>16</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于纹理特性与空域相关的高效视频编码帧内分级快速算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD5CEFF03BC34683A6&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=126825C4749D880D&eid=4B87E6790C4FD73D&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为了降低高效视频编码(HEVC)标准的编码复杂度,提出一种基于纹理特性与空域相关性的帧内分级快速算法。首先,采用最大编码单元(LCU)级的快速算法,通过利用相邻LCU的编码深度值加权预测得到当前LCU的预测深度,并利用块标准差和自适应阈值策略确定当前LCU的纹理复杂度,将当前LCU的预测深度和纹理复杂度相结合来预测当前LCU的最有可能深度范围(MPDR);其次,采用编码单元(CU)级的深度判决快速算法(CUDD-FA),将基于边缘图的CU深度预判策略和基于率失真(RD)代价相关性的CU提前中止策略相结合,实现了CU级深度的提前确定,进一步降低了帧内编码复杂度。与原始HEVC算法相比,所提算法在全I帧编码模式下编码时间平均减少41.81%,BD-rate(Bjφntegaard Delta bit rate)仅上升0.74%,BDPSNR(Bjφntegaard Delta Peak Signal-to-Noise Rate)仅降低0.038 d B;与代表性文献算法相比,所提算法在编码时间节省更多的情况下率失真性能更好。实验结果表明,在率失真性能损失可以忽略不计的前提下,所提算法能有效降低HEVC帧内编码复杂度,特别是高分辨率视频序列,有利于HEVC的实时视频应用。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[李鹏,彭宗举,李持航,陈芬]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>李鹏,彭宗举,李持航,陈芬</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD5CEFF03BC34683A6&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=126825C4749D880D&eid=4B87E6790C4FD73D&referenced_num=0&reference_num=0]]></guid><cfi:id>15</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[多阶导数自适应视频超分辨率重建]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD36027020B67CA5E1&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=8AF49F1519D8BF1E&eid=119FE85703FA02B4891CCEDD63B16FA1&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[传统视频超分辨率重建算法在去除噪声的同时,很难有效保持图像边缘细节信息。针对该问题,构建了一种结合多阶导数数据项和自适应正则化项的视频超分辨率重建算法。在正则化重建模型的基础上,该算法对数据项进行改进,引入能更好描述噪声统计特性的噪声多阶导数,并利用去噪效果较好的全变分(TV)和非局部均值(NLM)正则化项对视频超分辨率重建过程进行约束。此外,为了更好地保持图像细节信息,采用区域空间自适应曲率差分算法提取结构信息,从而对正则化系数进行自适应加权。实验结果表明:在噪声方差为3时,与核回归算法和聚类算法相比,该算法重建视频主观效果边缘更加锐化,局部结构更加正确、清晰;重建视频的均方误差(MSE)平均下降幅度分别为25.75%和22.50%;峰值信噪比(PSNR)分别平均提升了1.35 d B和1.14 d B。所提算法能够在去除噪声的同时有效保持图像的细节特征。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吉晓红,熊淑华,何小海,陈洪刚]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吉晓红,熊淑华,何小海,陈洪刚</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD36027020B67CA5E1&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=8AF49F1519D8BF1E&eid=119FE85703FA02B4891CCEDD63B16FA1&referenced_num=0&reference_num=0]]></guid><cfi:id>14</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[稀疏系数独立可调的单图超分辨率重建]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC4D3D9562AD0E1E0&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=BE1F29C193C78397&eid=EFABFA441141D1908BD0F18CAEC21161&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对基于学习的超分辨率重建图像边缘锐度较好但伪影较明显的问题,提出一种改进的稀疏系数独立可调的超分算法以消除伪影。由于字典训练阶段高分辨率图像和低分辨率图像均已知,认为高维图像空间和低维图像空间对应的稀疏系数不同,故此阶段运用在线字典学习方法分开训练生成较精确的高分字典和低分字典;而在图像重建阶段低分图像已知而高分图像未知,认为两空间的稀疏系数是近似相同的。通过在这两个阶段设置不同的正则化参数,可独立地调整相应的稀疏系数以获得最好的超分效果。实验结果表明,目标高分图像峰值信噪比(PSNR)相比稀疏编码超分方法平均提高了0.45 dB,同时结构相似性(SSIM)指标增加了0.011。超分图像有效地抑制了伪影,并能够较好地恢复图像边缘锐度和纹理细节,提升了超分效果。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[倪浩,阮若林,刘芳华,王建峰]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>倪浩,阮若林,刘芳华,王建峰</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADC4D3D9562AD0E1E0&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=BE1F29C193C78397&eid=EFABFA441141D1908BD0F18CAEC21161&referenced_num=0&reference_num=0]]></guid><cfi:id>13</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[结合改进扩散和双边滤波的低剂量CT重建]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD8229C6129BBE9C45&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=D7B9DD9E919B6180&eid=9236E752FE2887AD&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对低剂量计算机断层扫描(CT)重建图像时出现明显条形伪影的现象,提出一种结合非局部均值模糊扩散和扩展邻域双边滤波的中值先验(MP)重建算法。首先,使用基于非局部均值模糊扩散方法对中值先验分布的最大后验(MAP)重建算法进行改进,以减少重建图像中的噪声;然后,采用基于扩展邻域的双边滤波方法对重建图像进行处理,以保持图像的边缘和细节信息,进一步提高重建图像的信噪比。采用Shepp-Logan模型和胸腔模型来验证算法的有效性,实验结果表明,与滤波反投影(FBP)、中值根先验(MRP)、非局部均值模糊扩散的MP重建(NLMMP)算法和非局部均值双边滤波的MP重建(NLMBFMP)算法相比,所提新算法的归一化均方距离和均方绝对误差最小,且信噪比最高,分别为10.20 d B和15.51 d B。该重建算法可以在对重建图像进行降噪的同时保持了图像的边缘和细节信息,改善了低剂量CT图像质量退化的问题,获得高信噪比和高质量的重建图像。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[张鹏程,张权,张芳,陈燕,韩建宁,郝慧艳,桂志国]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>张鹏程,张权,张芳,陈燕,韩建宁,郝慧艳,桂志国</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD8229C6129BBE9C45&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=D7B9DD9E919B6180&eid=9236E752FE2887AD&referenced_num=0&reference_num=0]]></guid><cfi:id>12</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于负修正和对比度拉伸的快速去雾算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD6A82B3D3B11A1255&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=2D52C01434B71375&eid=CEBE8025959B35C7&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对目前主流去雾方法算法复杂度高而难以满足实时性需求的问题,提出一种提高雾天图像对比度、保持图像颜色的快速算法。对输入图像的负像进行对比度拉伸间接提升雾天图像的对比度,达到了节约运算时间的效果。针对由Lipschitz系数得到的图像结构信息设置自适应的参数,参数设置由关于Lipschitz系数的函数和关于局部像素块亮度平均值的函数两部分组成,最后利用Sigmoid函数自适应地拉伸图像,能够得到色彩自然、细节清晰的无雾图像,相对于He算法,所提算法在速度方面提升了约90%。实验结果表明,该算法在保证实时性的同时达到了较好的主观视觉愉悦性,更符合实际工程应用的要求。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[王琳,毕笃彦,李晓辉,何林远]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>王琳,毕笃彦,李晓辉,何林远</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD6A82B3D3B11A1255&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=2D52C01434B71375&eid=CEBE8025959B35C7&referenced_num=0&reference_num=0]]></guid><cfi:id>11</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于灰度平均梯度和粒子群优化的散焦图像模糊参数估计]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD2CA77F36A00B0B4F&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=A6B1729CC57A879A&eid=5348E91DA94080DE&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对散焦模糊图像的复原问题,提出一种基于灰度平均梯度与粒子群优化(PSO)算法相结合的散焦图像模糊参数估计方法。首先,利用PSO算法随机生成一群不同模糊半径的点扩散函数,分别用维纳滤波算法处理模糊图像,得到一系列复原图像,并计算其对应的灰度平均梯度值;然后,利用图像清晰度与图像灰度平均梯度值成正变关系这一特点,以复原图像的灰度平均梯度值作为粒子群算法的适应度函数值,找出使适应度函数最大的粒子所对应的模糊半径作为最后的估计结果。实验结果表明,与频谱估计方法和倒频谱估计方法相比,所提算法能够更精确地估计出模糊参数,尤其是在大尺度模糊半径的情况下,所提算法估计的精度更高。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吴章平,刘本永]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吴章平,刘本永</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD2CA77F36A00B0B4F&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=A6B1729CC57A879A&eid=5348E91DA94080DE&referenced_num=0&reference_num=0]]></guid><cfi:id>10</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于先验置信传播的图像修复改进算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADEAD7CCA5224CD2A8&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=CA10C709B736BBEA&eid=686A7F42052FA8E3210D81AF3860B906&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[先验置信传播(priority-BP)算法很难在实际中达到实时处理的要求,计算效率也有很大的提升空间。针对先验BP算法在图像修复上的应用,改进算法主要在信息传递以及标签搜索方面提出改进措施。在信息传递方面,改进的算法在初次迭代前利用图像的稀疏表示,快速更新目标区域的初始图像信息,为首次迭代提供更为准确的先验值,加速信息传递的收敛速度,并提高标签裁减和传递消息的准确度;在搜索策略方面,改进的先验BP算法舍弃了单一的全局搜索方法,在全局搜索中结合局部搜索方式,提高了标签集的组建效率。最后,将改进算法用于实例验证,待修复图像尺寸越大,改进算法优势越明显,即使在较小的图像尺寸(120×126)下,改进算法修复效果的峰值信噪比(PSNR)相对原算法平均提高了1.1 d B,修复时间减少了接近1.2 s。实例验证结果表明该算法不但可以有效地提高图像修复的精度,而且提高了图像修复的效率。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[王佳君,喻强,张晶晶]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>王佳君,喻强,张晶晶</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADEAD7CCA5224CD2A8&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=CA10C709B736BBEA&eid=686A7F42052FA8E3210D81AF3860B906&referenced_num=0&reference_num=0]]></guid><cfi:id>9</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于显著性密度修正的均值漂移分割算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADED09894DCA8C8377&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=9C76A7541E963918&eid=D3CBA54FACB30BD9&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对固定空间和色彩带宽的均值漂移分割算法无法解决的错分割问题,提出一种基于显著性特征进行密度修正的均值漂移分割算法。首先基于密度估计的主颜色量化结果计算区域视觉显著性;其次,将区域视觉显著性融合像素级显著性作为色彩特征空间聚类的密度修正因子,将密度修正后的融合图像作为输入执行均值漂移分割;最后进行小区域合并获得最终分割结果。实验结果显示,所提分割算法在四种尺度上的真实边界准确率和召回率平均值达到0.64和0.78,与其他方法相比,分割精度有显著的提高;同时,在视觉上有效提高了目标完整性,增强了自然图像中目标分割的鲁棒性。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[赵建贵,司马海峰]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>赵建贵,司马海峰</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADED09894DCA8C8377&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=9C76A7541E963918&eid=D3CBA54FACB30BD9&referenced_num=0&reference_num=0]]></guid><cfi:id>8</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于切线段匹配的快速圆弧检测算法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADA91265CC0590AC76&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=6BF76AE9E086F688&eid=8FC26EAE44BDA92A&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对目前工程图纸矢量化过程中圆弧检测准确率不高、检测时间过长等问题,提出一种基于切线段匹配的快速圆弧检测算法。首先,该方法找出可能位于圆外边界上八方向(0,π/4,π/2,…,7π/4)与圆相切的线段,并记录在切线集合中;然后,对已找到的切线段进行两两配对,估算圆心半径范围,得到候选圆集合;最后,对获取的候选圆集合进行数据合并,对合并后的每一个候选圆进行跟踪检测,最终确定它是一个圆还是一个弧。在切线段寻找过程中进行匹配,对已确定为圆的候选圆,在切线段集合中去除与该圆相对应切线段,有效减少了匹配次数。在对比实验中,所提算法的平均识别率达到了97.250%,平均检测时间为12.290 s,比随机抽样一致性(RANSAC)算法和有效投票算法(EVM)的平均识别率更高,平均检测时间更短。实验结果表明,所提算法能够有效地对低噪声图像中弧长大于1/8圆周长的圆弧进行检测,同时能提高检测准确率、缩短检测时间。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[王永会,李昱鑫,郭耸,袁帅]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>王永会,李昱鑫,郭耸,袁帅</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADA91265CC0590AC76&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=6BF76AE9E086F688&eid=8FC26EAE44BDA92A&referenced_num=0&reference_num=0]]></guid><cfi:id>7</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[野外环境下图像中坑区域的提取方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD1DB610DF875CA6B2&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=9D30FB531DC548C0&eid=BE14F47B38DC36BB&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在野外环境中有很多坑区域,这对野外工作机器人的移动带来了困难,因此引入视觉方法来实现对坑的检测。首先根据工程要求去除掉一部分不满足大小的疑似区域,再利用坑区域边缘梯度去除掉一部分疑似区域,之后计算与椭圆相似度来确定灰度分割阈值,并通过分析坑与椭圆相似度曲线来确定相似度阈值,以从疑似区域中分离出坑区域。经过使用200幅不同角度、场景和坑数量的图像进行测试,结果表明该方法能够在复杂野外环境下很好地提取出坑区域,对坑轮廓的规整度不敏感,能够适应复杂的环境,是一种有效的方法。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[孟令江,王挺,姚辰]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>孟令江,王挺,姚辰</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD1DB610DF875CA6B2&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=9D30FB531DC548C0&eid=BE14F47B38DC36BB&referenced_num=0&reference_num=0]]></guid><cfi:id>6</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[面向视频感知的静电力触觉渲染方法]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD5576C58D5F67BC7D&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=966760CE8B6E636C&eid=31D211CA39EC05CA0F5341CD2987A577&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对视觉障碍的人获取视频等数字媒体信息受限的问题,为扩展视频等数字媒体信息的触觉感知通道,提出一种面向视频感知的静电力触觉渲染方法。首先,采用基于像素点的视频帧处理算法,根据手指触摸位置获取当前视频帧的目标像素点,然后将目标像素点彩色信息从RGB模型转换为HSI模型,利用像素点色调分量来映射静电力激励信号频率参量,结合像素点亮度和饱和度分量来映射静电力激励信号幅度参量,合成静电力触觉激励信号,实现对实时视频的触觉渲染和感知。最后,设计动态色彩感知实验和亮度辨识感知实验,结果表明,该方法可实现对视频中物体信息的触觉感知,动态识别平均正确率达90.6%,色彩辨识平均正确率达69.4%,亮度辨识平均正确率达80.0%,所提方法能有效提取视频中的动态特征信息,增强视频触觉渲染的实时性。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[吴赛文,陈建,孙晓颖]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>吴赛文,陈建,孙晓颖</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60AD5576C58D5F67BC7D&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=966760CE8B6E636C&eid=31D211CA39EC05CA0F5341CD2987A577&referenced_num=0&reference_num=0]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于平均曲率的布料模拟弯曲模型]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADBB34D55B6647888B&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=39B73ADA6F3DD05F&eid=F9AB8F3D624A89DB&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[通过对布料特性及内部结构的研究与分析,针对布料的弯曲特性提出一种非线性弯曲近似模型。首先对实际布料的弯曲属性值进行测量,获得布料的弯曲属性参数;然后,在此基础上建立基于平均曲率的弯曲近似模型来表示弯曲力。其次,利用曲面的平均曲率与高斯曲率对布料的三角网格模型进行分区划分。最后,根据子区域平均曲率的变化对弯曲力进行更新。仿真实验中,在不影响布料模拟质量的前提下,与Volino弯曲模型相比在弯腰时关键帧的速度平均提高了2.7%,抬臂时关键帧的速度平均提高了4.1%。实验结果表明,该模型对弯曲力的计算兼顾了简单性和精确性,能充分表现衣服褶皱细节,生成的衣服褶皱较真实。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[李娜,丁辉]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>李娜,丁辉</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADBB34D55B6647888B&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=39B73ADA6F3DD05F&eid=F9AB8F3D624A89DB&referenced_num=0&reference_num=0]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[顾及主观判断延误的行人路径选择模型]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADAEFF5500057C1E5F&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=D542ADE6529F4059&eid=19E8BB8BE90732B2&referenced_num=0&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[路径选择是人们日常生活中频繁遭遇的现实问题。针对在行人导航系统的辅助下,行人仍然需要通过主观判断识别路径指示信息中的地标和真实地标是否匹配的问题,建立了顾及主观判断延误的行人道路网络模型。通过将主观判断延误时间和路径行程距离引入前景理论中,发展了一种基于前景理论的行人路径选择模型。以中国地质大学(武汉)部分区域为实验对象进行了仿真实验,结果表明所提出的行人路径选择模型给出的最优路径的主观判断延误时间均不超过相同起止点中的最短主观判断延误时间的0.6 s,虽然其给出的行程距离均比最短路径更长,但均不超过16 m。实验结果表明,所提模型符合行人的实际出行需求。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[周沙,王润,甄文杰]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>周沙,王润,甄文杰</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADAEFF5500057C1E5F&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=D542ADE6529F4059&eid=19E8BB8BE90732B2&referenced_num=0&reference_num=0]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[自动化构建的中文知识图谱系统]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADF1A9478C634D79BE&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=E1034A3BCFB43055&eid=1D47C4DB75AF84E5D0388E7CB61B3E48&referenced_num=1&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[为解决当前中文知识图谱构建的准确率低、耗时长且需要大量人工参与的问题,提出一种端到端基于中文百科数据的完整中文知识图谱自动化构建解决方案,并在此基础上开发实现了面向用户的中文知识图谱系统。在此方案中,通过自定义的网络爬虫,原始百科数据的词条属性以及相关的文本信息会不间断地被抓取到本地系统中,并以带扩展属性的三元组形式保存。后端系统则自动通过图数据库Cayley以及MongoDB数据库系统,对三元组文件数据进行导入,转换为庞大的知识图谱系统,从而在前端为用户提供丰富的基于知识图谱的应用服务。通过与其他知识图谱系统的比较,该方案在构建时间上明显减少,并且知识图谱中的实体及关系数量总规模高于YAGO、知网(HowNet)和中文概念词典等中文知识图谱系统至少50%。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[鄂世嘉,林培裕,向阳]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>鄂世嘉,林培裕,向阳</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADF1A9478C634D79BE&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=E1034A3BCFB43055&eid=1D47C4DB75AF84E5D0388E7CB61B3E48&referenced_num=1&reference_num=0]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[存储分割编码技术在移动云安全中的应用]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADD683A620BBEF406D&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=90EAFEE49150CFCD&eid=66973F362693F62B&referenced_num=1&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对移动终端频繁更新数据效率低、安全性不高的问题,提出一种基于加密技术和编码技术的存储分割编码技术。首先,将移动终端的数据进行等分分割后存储在云端,通过编码技术标记每份数据;然后,用户在更新数据时下载相应数据块信息进行更新;最后,更新完的数据块通过重新编码,加密上传到云端相应位置,组合成完整的数据进行存储。实验结果表明,相比传统移动云安全方案(AES加密方案和RC编码),存储分割编码技术在频繁更新云端数据时节省了文件转换时间,同时大幅降低了移动终端的性能消耗。该方案能够显著提高更新数据的效率及移动终端的资源利用率,同时有效增强了移动云数据的机密性和完整性,对于移动终端频繁更新云端数据的需求,具有明显优势。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[张小红,涂平生]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>张小红,涂平生</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADD683A620BBEF406D&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=90EAFEE49150CFCD&eid=66973F362693F62B&referenced_num=1&reference_num=0]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[基于对比散度-受限玻尔兹曼机深度学习的产品评论情感分析]]></title>
<link><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADE29705B88828B865&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=08628F47AB73D65E&eid=AE9D5375B9B2D7F2&referenced_num=1&reference_num=0]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对目前大部分情感分析技术需要人工标注建立情感词典提取情感特征的问题,提出一种基于对比散度-受限玻尔兹曼机(CD-RBM)深度学习的产品评论情感分析方法。该方法在对产品评论时进行数据预处理并利用词袋模型产生产品评论的向量表示,然后通过CD-RBM提取产品评论的情感特征,最后结合支持向量机(SVM)将提取出来的情感特征进行文本情感分类。CD-RBM无需人工标注情感词典,即可获得情感特征,且可以提高特征的情感语义关联性;同时,SVM可以保证产品评论情感分类的准确度。通过实验确定了RBM最优训练周期为10,在此训练周期下对RBM、SVM、PCA+SVM,以及RBM+SVM方法进行了比较。实验结果表明,RBM特征提取和SVM分类结合方法能够获得最好的准确率和F值,并获得较好的召回率。]]></description>
<pubDate>2019/11/13 9:34:14</pubDate>
<category><![CDATA[目次]]></category>
<author><![CDATA[高琰,陈白帆,晁绪耀,毛芳]]></author>
<atom:author xmlns:atom="http://www.w3.org/2005/Atom">
<atom:name>高琰,陈白帆,晁绪耀,毛芳</atom:name>
</atom:author>
<guid><![CDATA[/simple_view_abstract.aspx?pcid=5B3AB970F71A803DEACDC0559115BFCF0A068CD97DD29835&cid=8240383F08CE46C8B05036380D75B607&jid=831E194C147C78FAAFCC50BC7ADD1732&aid=3E166509846D60ADE29705B88828B865&yid=9F915C6F01DE79C5&iid=E158A972A605785F&sid=08628F47AB73D65E&eid=AE9D5375B9B2D7F2&referenced_num=1&reference_num=0]]></guid><cfi:id>0</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>