【图文】协同过滤推荐算法_百度文库
赠送免券下载特权
10W篇文档免费专享
部分付费文档8折起
每天抽奖多种福利
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
协同过滤推荐算法
&&协同过滤推荐算法小结
阅读已结束，下载本文到电脑
想免费下载本文？
登录百度文库，专享文档复制特权，积分每天免费拿！
你可能喜欢推荐算法整理--协同过滤
协同过滤是最早提出、研究最深入、商业应用最广泛的个性化推荐技术。协同过滤的一个重要特点是对象是个体，却利用了所有用户的信息。它的主要思想就是现实生活中我们往往跟与自己“相似”的人会有相同的喜好，比如用户A和用户B都喜欢喜剧这一类电影，那么如果用户A某天看了一部新的喜剧电影对其评价也不错的话，那么我们就很有理由把该喜剧电影推荐给用户B。根据这个“相似”的不同，协同过滤算法常常被分为基于用户的协同过滤和基于商品的协同过滤。
基于用户的协同过滤
协同过滤算法往往是建立在评分矩阵的基础上来进行计算的，一个评分矩阵的例子如下：
无论是基于用户的协同过滤还是基于商品的协同过滤，它们最重要的就是定义所谓的相似性。
余弦相似性
对于上述评分矩阵，我们定义rij表示用户i对商品j的评分,且对于每一个用户，我们可以根据他对商品的评分行为来表示他的特性，对应于评分矩阵，每一行i所组成的向量→即为用户i的特性，于是我们定义用户间的相似性如下：
sim(i,j)=i→?j→||i→||?||j→||
修正的余弦相似性
由于余弦相似性没有考虑用户的评分尺度问题，所谓修正的余弦相似的就是在原余弦相似性向量的基础上减去该用户对所有评分项目的平均值，以此来消除用户评分尺度不同的影响，于是我们定义用户间的修正的余弦相似性如下：
sim(i,j)=(i→-&i→&)(j→-&j→&)||i→-&i→&||?||j→-&j→&||
其中&?&表示求均值(下同)。
Pearson相关系数
另一种常见的相似性度量就是Pearson相关性，它的定义如下：
sim(i,j)=&(i→-&i→&)(j→-&j→&)&σi?σj
其中，σi,σj表示向量i,j的方差。
其实上述的三种相似性其实并不能真正的称作为相似性，应该叫做相关性，因此也存在着这样或那样的问题，所以就有各种衍生的相似性的定义，但是由于其计算的简单及所得结果还可以接受，因此上述三种方法被广泛应用。
当我们得到了各个用户之间的相似性，我们就可以给用户推荐与他“最相似”的用户所购买的产品，这里“最相似”用户的选择常见的由三种方法：(1) 选择相似度最大的前K个用户 (2) 选择相似度大于某个阈值的用户 (3) 选择相似度大于某个阈值的前K个用户。通过上述三种方法的某一种，我们可以得到每个用户的“最近邻居集”，定义NNSi表示用户i的最近邻居集。特别的，对于诸如Movielens这类评分推荐系统的数据集，我们可以根据以下公式来预测某个用户对商品的打分：
Rik=&i→&+∑j∈NNSisim(i,j)(rjk-&j→&)∑j∈NNSi(|sim(i,j)|)
基于用户的协同过滤与基于商品的协同过滤的区别
基于商品的协同过滤是以商品为中心的，也就是说它会分析用户购买过的（已评分）商品，然后向其推荐与曾经购买过的（评分高的）商品相似的商品。这里的相似我们也可以通过上述类似的方法定义，比如把各个用户对该商品的评分（即评分矩阵的列向量）作为商品的特征来计算相似性。当然对于商品的特征不仅仅可以通过评分来定义，另一种常见的方法是基于商品的内容来定义的特征，比如亚马逊的图书推荐便是基于图书内容的相似性来进行推荐，至于怎样根据内容来定义相似性也有很多的方法，比如，这里就不再赘述。
基于商品的协同过滤方法有两个特别的优势：一是方便设计实时响应的算法，因为商品之间的相似度可以离线计算，这样在用户每次浏览新的商品之后就可以实时更新对用户的推荐栏；二是该方法解释性强，因为对用户进行推荐的时候，可以告诉用户推荐这款商品的原因是因为参考了他曾经购买过的若干商品，可解释性可以大大提高用户体验。
与之相对的，基于用户的协同过滤可以挖掘出一些更深层次的潜在关联，帮助提高交叉销售量，从而提高了用户购买的多样性。因为基于用户的协同过滤是基于用户的相似性，所以它很有可能挖掘出甚至是用户自己都不知道会喜爱的商品。
协同过滤的缺点
虽然协同过滤算法得到了广泛的应用，但是它也存在着一些问题：
冷启动。也就是指对于新的用户或商品，由于推荐系统不存在之前的信息，因此协同过滤算法就不能对其进行推荐。
稀疏性问题。因为在实际的推荐系统中，用户很难对各个商品都进行评分，因此导致了评分矩阵会非常稀疏，从而导致计算的时间和空间增加，准确性也降低。由此出现了如矩阵填充和矩阵降维等方法来解决这个问题。
个性化商业的未来。苏萌 柏林森 周涛 著
添加新批注
在作者公开此批注前，只有你和作者可见。
查看更早的 5 条回复基于用户实时反馈的协同过滤算法研究
随着互联网的普及和电子商务的迅猛发展,网络用户正面临着越来越严重的信息过载问题,用户不得不在海量的产品信息中寻找需要的商品。推荐系统可以有效地与用户进行交互,根据用户的喜好进行个性化的商品推荐,对提升用户对电子商务网站的满意度、增加商品销售量有重要影响。但是,精确性问题和实时性问题严重制约了推荐系统的发展。目前应用最为广泛的推荐算法是协同过滤算法,协同过滤主要时间消耗用于相似度计算上。随着用户数量和项目数量的增加,推荐系统需要不断的重新计算相似度,造成推荐系统无法满足用户的需求。基于模型的协同过滤算法从某种程度上解决了这个问题,但由于模型更新周期长而降低了推荐的精确性。针对以上情况,提出一种基于用户实时反馈的协同过滤算法,该算法在用户提交项目评分之后能实现对推荐模型数据的实时更新,从而更精确的反映用户的兴趣变化。本文的主要的研究工作如下：1.对当前推荐系统和推荐算法的发展和研究情况进行了阐述,重点归纳了协同过滤推荐的基本原理以及&
(本文共61页)
权威出处：
0引言随着Internet的普及,电子商务得到快速发展,但由此带来的信息过载[1]问题日益突出。信息过滤技术是解决该问题的有效方法,电子商务推荐系统[2]即是运用信息过滤技术向客户提供购买决策的具体实现。推荐系统通过学习用户兴趣偏好,把适当的商品推荐给目标用户。推荐系统常用的推荐算法有:基于内容的推荐算法、基于人口统计的推荐算法和协同过滤算法(Collaborative Filtering,CF)[3-5],其中协同过滤算法是目前电子商务推荐系统中使用最为广泛、最为成功的一类推荐算法[6]。Breese等人将协同过滤技术分成基于内存的协同过滤和基于模型的协同过滤[6]。基于内存的协同过滤是由商品的评分数据得到目标用户具有相似兴趣爱好的邻居,然后根据邻居的爱好做出推荐。这种技术尽管能够充分利用用户的评分数据,但由于在推荐过程中需要耗费大量时间来计算最近邻居集,因而存在可扩展性问题。基于模型的协同过滤,首先根据用户兴趣信息得出一个用...&
(本文共4页)
权威出处：
引言面对互联网上信息资源的迅速膨胀，人们不得不花费大量时间去搜索自己需要的信息。即使找到了一些所需信息，也经常混有很多“噪音”。针对这一问题，人们提出使用个性化推荐系统，以便帮助用户在大量的信息，快速寻找到感兴趣的内容。将此项技术应用于网站建设中能充分提高站点的服务质量和访问效率，从而吸引更多的访问者。协同过滤推荐是当前最成功的推荐技术。l传统的协同过滤算法及分析协同过滤推荐是基于评分相似的最近邻居的评分数据向目标用户产生推荐。目标用户对未评分项目的评分可以通过最近邻居对该项目评分的加权平均值逼近。它通过构造用户对项目的偏好数据集实现[’一‘了。协同过滤算法的输人数据通常表述为一个m xn的用户一项评价矩阵R，m为用户数，n为项目数，矩阵元素R、表示第。个用户对第j个项的评估值。首先，计算每个用户对以往评价过的信息资源的平均打分‘。=命晨raj其中I。为用户a的评分向量，}I。}为I。的长度，即用户打过分的数字资源数目，目j的评...&
(本文共7页)
权威出处：
0引言进入21世纪以来,电子商务网站和社交网站的快速发展,带来了信息资源的极大丰富,信息资源已从匮乏时代进入了过载时代。当今无论是普通用户还是供应商都遇到了极大的挑战:作为用户来说,如何从浩瀚的网络信息中找到自己感兴趣的信息是一件困难的事情;作为供应商,如何让自己的信息引起广大用户的兴趣也是一件困难的事情。因此,推荐系统也就应运而生来解决这一矛盾。推荐系统的早期研究开始于20世纪90年代中期,传统的推荐系统主要分为以下3类:内容过滤算法[1]分析用户以前感兴趣的信息,在信息集中找到这些指定信息的相似信息,然后推荐这些信息给用户;和内容过滤不同的是,协同过滤算法[2]通过分析用户兴趣,在所有用户中找到与指定用户具有相似兴趣的用户,综合这些相似兴趣用户对某一信息的评分或者评价,形成指定用户对此信息的评分预测或评价预测;混合推荐算法综合前两种算法来对用户进行推荐。近年来随着社交网络的快速发展,社会化过滤[3]渐渐成为研究热点,社会化过...&
(本文共4页)
权威出处：
0引言电子商务系统壮大发展的同时伴随着信息过载的问题,因此推荐系统应运而生。通过分析用户的历史行为数据(如购买记录,对商品的评分等),推荐系统能够向用户推荐其感兴趣的对象,例如电影、书籍、商品等。推荐系统的有效性很大程度上依赖于用户的历史数据。在电子商务推荐技术取得极大成功的同时,电子商务推荐算法也面临着一系列挑战,主要包括实时性差、冷启动以及推荐质量低等问题[1-2]。产生这些问题的原因是用户往往不能产生足够多的有效数据。为了解决上面提到的问题,文献[3]提出了Coordinate System Transfer(CST)模型,基于迁移学习的方法,缓解了矩阵稀疏问题;文献[4]使用LinkedData来解决数据稀疏性问题;文献[5]提出了基于邻居的多源的协同过滤算法,通过传递不同网络中用户和物品的相似性来缓解单个网络中用户或物品的评分数据稀疏问题。用户行为时间也是推荐过程中的一个重要信息,沈键[6]等提出基于滚动时间窗的动态协...&
(本文共7页)
权威出处：
1引言随着互联网的兴起,互联网上的信息呈指数化增长,人类进入了信息爆炸的大数据时代.如何从浩瀚的数据信息中获取自己感兴趣的信息,已成为人类面临的巨大难题.于是无需用户提供明确需求,仅通过用户历史行为主动帮助用户快速有效筛选信息的推荐系统应运而生[1].我们在互联网网站中看到的“猜你喜欢”,“大家都在看”,“看过的也看”,“你可能会感兴趣”等都是推荐技术的实际应用.据报道,早在2002年,在线购物企业Amazon总销售额的20%便源自它的推荐系统.推荐技术在新闻领域更是产生了“今日头条”这样的不生产内容,仅依靠推荐引擎便拥有3.5亿注册用户,3500万活跃用户的新兴科技媒体.协同过滤作为推荐系统的主流技术之一,主要包括基于用户的协同过滤推荐、基于项目的协同过滤推荐和基于矩阵分解的协同过滤推荐[2].而其中基于用户的协同过滤算法是目前在实际应用中最为成功的算法.该算法首先通过用户间的共同评分项计算用户间的相似度,然后根据用户间的相似...&
(本文共5页)
权威出处：
扩展阅读：
CNKI手机学问
有学问，才够权威！
xuewen.cnki.net
出版：《中国学术期刊（光盘版）》电子杂志社有限公司
地址：北京清华大学 84-48信箱 大众知识服务
京ICP证040431号&
服务咨询：400-810--9993
订购咨询：400-819-9993
传真：010-您现在的位置是： &
如何将智能方法和智能技术与案例推理集成来提高案例推理的性能是专家系统研发的一个重要课题。随着计算机科学的飞速发展,智能方法与智能技术与案例推理的集成呈现了新特点。针对近几年案例推理与智能方法和智能技术集成的新进展进行了综述,分析了案例推理与智能方法和智能技术集成的原因,归纳了所应用的集成模型的类别和在案例推理中的具体应用,总结了案例推理与智能方法和智能技术集成的优势;根据当前研究现状,探讨了集成案例推理未来发展的趋势和新方法。
调度规则是解决实际生产中的动态车间作业调度问题的有效方法,但它一般只在特定调度环境下性能较好,当环境发生变化时,就需要进行实时选择和评价。对调度规则的实时选择和评价方法进行综述,以研究实际生产中动态车间的实时调度问题。对调度规则的发展、分类以及特点进行了概述,并对调度规则的选择和评价方法进行了总结;详细介绍了调度规则的选择方法,包括使用较多的稳态仿真方法和表现较好的人工智能方法,并给出了仿真方法、专家系统、机器学习方法以及人工神经网络方法,用于调度规则的选择时所取得的研究成果和结论,以及调度规则的评价指标和评价方法。最后针对调度规则存在的不足,指出了未来的研究方向。
针对于标准二分图网络推荐算法（NBI）的物质扩散机制过于简单的问题,提出了基于聚类系数的改进NBI算法（简称NBICC）。推荐系统可以被抽象为一个有向加权二分图网络,在物质扩散的过程中,考虑到聚类系数因素的影响,重新定义了商品之间的相似度的计算公式,进而获得了更加精确的推荐结果。Ranking score、precison、recall评价指标被应用在提出的新算法中,实验结果表明,在这三样重要指标上,NBICC算法都强于标准NBI算法。
查询推荐已经成为改善用户搜索体验和提高搜索引擎服务质量的重要方法,提高查询推荐串的质量和用户满意度显得尤为迫切。已有研究方法在相似度计算上忽略了命名实体的重要性和搜索日志整体的信息量度,通过对查询串进行聚类后的热度评估,提取查询串中的命名实体;然后融合查询串热度信息和命名实体特征到相似度计算公式中,提出了一种新的查询推荐方法。该方法所得结果的满意度平均值均比最新的三种方法的推荐结果值高,表明了该方法的有效性;该方法在相似度计算上利用了识别出的命名实体,同时考虑了推荐串在全局日志中的热度,提高了推荐词的总体质量,但方法局限于提取特征的精确度,有赖于特征进一步的丰富和优化。
用户兴趣模型是个性化推荐技术的基础与核心，针对现有用户兴趣模型在模型建立阶段用户兴趣评价的不足，提出了一种基于混合行为评价兴趣度值的方法,突出了用户阅读时间的特殊性，在用户阅读时间异常的情况下利用其它浏览行为来量化用户兴趣度，并结合用户的浏览内容提出了用户兴趣模型的表示和更新机制，从而建立用户兴趣模型。实验验证了兴趣度度量方法的有效性，将测试结果与K-Means聚类模型进行比较，该模型的推荐准确度有明显提高。
文本比较是求解两个文本间相似度的过程,文本间的相似度越高代表两个文本越趋于类似。传统的相似度算法主要从字符的角度度量文本的相似性,忽略了文本内多个共同文本串对于文本相似度的影响。针对此问题提出一种基于熵的相似度求解方法,在对文本间字符信息的提取基础上,建立共同子文本串度量维度,然后采用熵的方法进行相似度度量。实验表明,该方法具有更平滑的相似度曲线,从而验证了算法的有效性和准确性。
传统的基于项目的协同过滤算法离线计算项目相似性,提高了在线推荐速度,但该算法仍然不能解决数据稀疏性所带来的问题,计算出的项目相似性准确度较差,影响了推荐质量。针对这一问题,提出了一种结合类别偏好信息的协同过滤算法。定义了类别偏好相似性,采用类别偏好相似性方法为目标项目找出一组类别偏好相似的候选邻居,在候选邻居中搜寻最近邻,排除了与目标项目共同评分较少项目的干扰,从整体上提高了最近邻搜寻的准确性。在Movie Lens数据集上进行了实验,实验结果表明,新算法的推荐质量较传统的基于项目的协同过滤算法有显著提高。
流形学习算法可分为全局流形学习与局部流形学习,它们分别保持了流形上的全局特征信息与局部特征信息,但是实验证明仅基于全局特征或局部特征信息的流形学习算法不能很好地保持真实的流形结构,影响了学习效果。基于流形学习的核的视角,融合了全局流形学习算法ISOMAP与局部流形学习算法LTSA的核矩阵,提出了可以同时保持流形结构的全局特征信息与局部特征信息的流形学习算法。在人工数据集和人脸图像集上的仿真实验验证了该算法的有效性。
针对传统的单种群粒子群优化算法易陷入局部最优、搜索精度低的问题,提出一种异构多子群粒子群算法。算法由自适应子群、精英子群和若干普通子群构成,精英子群由普通子群和自适应子群中的优秀个体组成,每个子群采用不同策略进行进化,根据种群的早熟收敛程度和粒子的适应度值自适应地调整惯性权重;自适应子群根据普通子群的适应度值和速度自适应调整飞行方向,采用免疫克隆选择算子对精英子群进行精细搜索,普通子群、自适应子群与精英子群之间通过迁移操作实现信息的充分交流。针对典型的Benchmark函数优化问题测试,仿真结果表明所提算法能较好地保持粒子多样性,收敛精度高且全局搜索能力强,具有良好的优化性能。
藏文微博具有独特的语法特点,传统方法对藏文文本进行情感分类很难取得较好效果。结合藏文句法结构和语义特征向量构建语义特征空间,提出了一种基于语义空间的藏文微博情感分析方法。首先使用句法树生成句法结构并结合语义特征向量构建特征空间,运用K-means方法聚类形成语义簇质心,将基于簇的TF-IDF值作为最终的微博情感特征值。实验结果表明,该方法的情感分类效果均优于SVM＋TF-IDF和naive Bayes＋最大熵的方法。
在社会网络中,根据已有的连接关系和文本信息发掘社会网络中的社团不但可以将相似的用户划分在一个社团,还可以用来预测网络中潜在的连接关系。为了提高社会网络中社团发现的性能,提出了一种基于LDA的结构—内容联合社团发现模型。首先,对社会网络的图论描述进行转换,使其适用于LDA模型;其次,对LDA模型描述进行扩充,使其包含了用户间交互的文本信息;最后,通过Gibbs采样方法对模型的参数进行估计。实验表明,提出的社团发现模型与其他相关方法相比较,社团发现得到的社团不仅用户间连接的紧密度和用户共享兴趣爱好的强度高,而且可以更好地用于社会网络中潜在连接的预测。
为了提高多维分类的执行效率,同时保持高的预测准确性,提出了一种基于贝叶斯网络的多维分类学习方法。将多维分类问题描述为条件概率分布问题。根据类别向量之间的依赖关系建立了条件树贝叶斯网络模型。最后,根据训练数据集对条件树贝叶斯网络模型的结构和参数进行学习,并提出了一种多维分类预测算法。大量的真实数据集实验表明,提出的方法与当前最好的多维分类算法MMOC相比,在保持高准确性的同时将模型的训练时间降低了两个数量级。因此,提出的方法更适用于海量数据的多维分类应用中。
在社会网络话题模型中,一些频繁出现的单词往往出现在不同的话题中。用户对这些单词感兴趣,因而分析时不能省略,这给话题分析带来了严重的挑战。为了解决这一问题,对话题模型中的节点流行性进行建模,提出了一种考虑节点重要性的LDA（latent Dirichlet allocation）社会网络话题模型。在该模型中,提出了流行性组件的概念,并提出了一种包含了流行性组件的扩展话题模型。通过实验结果表明,提出的包含流行性组件的扩展话题模型具有更好的预测能力,其预测结果的准确性明显优于现有的相关研究。
基于映射神经元模型和Hindmarsh-Rose神经元模型构建小世界神经网络,并施加带有遗忘因子的迭代学习控制算法,以实现神经网络的同步控制。仿真结果表明,迭代学习控制同时适用于离散的和连续的神经网络模型,可以实现神经网络同步和去同步状态的相互转换,其优势在于随着迭代次数的增加,控制信号强度逐渐减弱,从而保持神经元本身的放电特性不变。所得结果为将非线性控制理论应用于帕金森等神经疾病控制提供了新思路。
科研合作关系分析和预测针对网络的结构信息预测未来哪些学者间会产生合作关系进行研究,对于理解网络信息传播和动态变化具有重要的意义。在主流的基于拓扑属性的关系预测算法基础上提出了一种基于社区结构信息的合作关系预测模型。首先分析社区发现算法下科研网络的链接分布规律及给出模型构建的理论依据,然后构造引入社区拓扑结构信息的改进算法,最后采用不同社区发现算法进行实验。该方法在实验效果和性能上要优于一些经典的算法,说明该算法能够有效地引入社区结构信息对真实的科研合作网络关系预测问题建模,并为科研合作关系分析预测这一问题提供一种新的思路。
针对MapReduce数据块处理机制、高维数据分布特征和KNN查询需求,设计一种基于B＋树的高维索引结构（i Partition）,创新性提出基于主成分区分度的优化数据划分策略和邻接数据域分散存储等原则,将数据均匀划分到不同的slave节点,使尽可能多的数据域对计算共同贡献,提升MapReduce任务处理并行性;利用B＋树构造分布式的双层索引实现查询时数据范围快速过滤,降低高维计算代价。实验表明,i Partition在高维数据近似查询环境下,具有良好的性能和扩展性。
针对云计算中平台主机之间工作负载分布的作业调度问题,提出了一种基于近似ε-约束的优化算法。将作业调度问题建模为一个数学决策模型,求出模型的可行工作调度集,利用ε-约束算法获得每个单目标模型的帕累托前沿,从而优化作业的总平均等待时间、最长工作调度中作业的平均等待时间（如调度跨度）和所需主机数目。实验通过建立实例将算法与传统的加权和（WS）算法进行比较,实验结果显示,算法需要更少的平均等待时间和主机数目,找到的非支配解平均数比WS算法多77.8%,表明算法更具多样化,适合用于解决云计算环境下的大规模多目标作业调度问题。
Min-Min任务调度算法的思路总是优先调度执行时间较短的小任务,无法得到理想的最优跨度及资源负载平衡。针对该问题,提出基于资源分级的自适应Min-Min算法。分配任务前,先参考现有资源的属性进行分级处理,再与任务在资源中的最小完成时间作乘积得到的最小任务资源组合进行调度;在任务调度过程中,引入自适应阈值,调节长任务的调度等级,从而达到优化效果。通过模拟仿真实验,表明该算法在时间跨度和负载平衡上均有较好性能。
针对汽车制动器的多目标优化问题进行了研究,建立了以制动效能因数最大、制动鼓体积最小和制动器温升最低的多目标优化模型。针对传统NSGA-Ⅱ算法求解三目标优化问题的不足,引入正交设计策略,提出了一种基于正交设计NSGA-Ⅱ的改进算法。将改进算法同时与NSGA-Ⅱ、PAES、MOCell三种经典的优化算法在DTLZ系列测试函数上进行性能测试,结果表明改进算法在求解三目标优化问题上具有更好的性能。用改进算法和NSGA-Ⅱ两种算法同时求解制动器的多目标优化算例,改进算法得到了分布更好的Pareto前端,表明改进算法对此类多目标优化问题求解行之有效。
针对在应急预案评估决策中,考虑了决策者的个人偏好和决策信息以直觉不确定语言数形式表征的多属性群决策问题,提出了基于诱导集成算子的应急预案评估群决策方法。在直觉不确定语言数的运算法则基础上,构建了诱导型直觉不确定语言有序加权平均（I-IULOWA）算子、诱导型直觉不确定语言有序加权几何（I-IULOWG）算子、诱导型直觉不确定语言混合加权（I-IULHA）算子和诱导型直觉不确定语言混合加权几何（I-IULHG）算子,探讨上述算子的若干性质及一些特例;同时,给出了基于距离测度的方法来确定属性权重。最后,通过具体的应急突发事件案例来验证该方法的可行性和有效性。
大规模RFID应用需要高效的检测协议对RFID标签集合进行管理,而现有的高效检测协议大多基于帧时隙ALOHA方法。为此,在总结已有文献中对于标签集合检测协议的不同描述的基础上,提出了基于帧时隙ALOHA的RFID标签集合检测协议框架：分析了协议时间度量、丢失率估算、已识别标签处理和最优检测效率问题等协议框架中的基本问题,总结了迭代识别、短响应时隙和随机响应三种典型的优化方法。针对基本的帧时隙ALOHA检测协议,进一步利用上述三种方法进行优化,并通过仿真实验对其效率进行了分析对比。实验结果表明,综合利用三种优化方法的协议检测效率高于已知最高检测效率的IIPS-CM协议。
针对当前云计算环境下的资源分配算法不能充分考虑买卖双方利益的问题,提出了一种适用于云计算环境的组合双向拍卖资源分配模型。首先,初始化云经纪人列表和供应商报价列表,拍卖人通知拍卖参与者拍卖开始;然后,根据属性值按升序排序云经纪人请求和云服务供应商报价列表;最后,获胜的云经纪人向相关云服务供应商发送任务并支付费用,云服务商执行任务。利用Cloud Sim的仿真实验表明,提出的模型适用于云环境中的资源分配,在经济上非常有效。相比其他的现有模型,提出的模型更能鼓励参与者在买卖双方公平公正的前提下根据真实估值竞购资源。
传统的最大似然估计定位法无法剔除误差较大或错误的参数,且不适用于多目标情形。结合最大似然估计理论,针对不可区分多目标定位问题,引出了目标位置信息场定位法,通过加入代价函数使得该方法能够剔除错误数据,降低误差大的数据对定位结果估计的影响。仿真结果表明,目标位置信息场定位法具有筛选有用参数信息的能力,且适用于不可区分的多目标定位,能够同时确定目标数目和位置,验证了方法的有效性。
在微博谣言检测中,对微博谣言进行正确标注需要耗费大量的人力和时间,同时数据类别的不平衡也影响了微博谣言的正确识别。为了解决该问题,提出一种基于Co-Forest算法针对不平衡数据集的改进方法,利用SMOTE算法和分层抽样平衡数据分布,并通过代价敏感的加权投票法来提高对未标记样本预测的正确率。该方法只需要对少量训练数据实例进行谣言类别标注即可有效检测谣言。10组UCI测试数据和2组微博谣言的实证实验证明了算法有效性。
针对室内移动机器人自定位算法定位精度不高、定位误差存在波动的问题,提出了一种RTFL（RFID tag floor based localization）定位算法与RSSI定位算法相结合的室内移动机器人自定位方法。由RTFL定位算法给定机器人位置估算初值和机器人所在的范围,通过基于RSSI的机器人自定位系统进行机器人位置的进一步精确定位。求解过程中,通过遗传算法求解极大似然方程组,并提出染色体的筛选和剔除策略。仿真实验结果表明,该方法在有效的时间内完成定位,平均定位误差为0.157 2 m,与传统的改进方法 0.332 14 m的定位误差相比,降低了近一倍。并且新方法受环境影响较小,鲁棒性较好,能够很好地满足室内移动机器人的定位要求。
频繁模式挖掘是一种非常有效地从数据中获取知识的方法,但是随着大数据时代的来临,现有算法及其计算环境的运算速度、内外存容量面临严峻挑战。针对以上问题,紧密结合MapReduce模型提供的高效分布式编程和运行框架,在深入分析H-mine频繁模式挖掘算法的基础上,通过对H-mine算法频繁模式挖掘过程的并行化改进,提出了一种新颖的基于MapReduce模型的H-mine算法（简称MRH-mine）。MRH-mine算法实现了对H-mine算法在分布式运行环境下的改造,实验表明该算法在面对数据大规模增长的情况下具有良好的性能和扩展性。
针对云资源管理者所面临的负载动态变化以及弹性资源需求等问题,提出一种虚拟机资源的自动配置管理技术,把强化学习技术引入云虚拟资源的管理,将虚拟机的配置管理过程建模为马尔可夫决策模型,根据系统的运行状态以及输入负载的动态变化自动决策添加或删除虚拟机的行为。实验结果验证了该技术能够根据负载的动态变化完成云虚拟资源的自动配置管理任务,及时响应终端用户的实时性任务请求,保证了云资源使用者的SLA需求。
针对武器—目标分配（WTA）问题及其特点,提出一种带排序映射的量子粒子群优化算法。首先通过武器系统对目标攻击过程中得到的毁伤收益建立了目标分配模型;然后根据该模型的约束特点,提出一种基于排序映射的编码调整方式,并引入一种非线性扩张收缩因子自适应调整方法;最后在算法中嵌入一种判断和避免搜索早熟和停滞的有效方法。通过仿真对比验证,该算法具有较高的收敛速度与稳定性。实验结果表明所提方法能有效求解WTA问题。
在不确定上下文相关的环境中,图形用户界面测试主要依靠随机测试以及测试人员的从业经验,其有效性低。提高图形用户界面测试的效率是一个未解难题。因此,通过引入离散并行系统的Petri网理论,定义了图形用户界面的事件、事件序列和事件分解等概念,将可达性、有界性、活性以及强连通性等Petri网的重要性质延伸至此领域,以提高图形用户界面测试的覆盖面和效率。并且试图解决不可达、不强连通、死锁、无界、不符合初始模型和跳转错误等六类图形用户界面缺陷问题。实验证明基于Petri网的图形用户界面测试在事件覆盖数、代码行覆盖数以及缺陷发现数等方面均优于其他方法。
对共同变化的识别有利于软件维护人员对软件变化的理解和控制。传统的软件共同变化识别方法通过对软件版本控制系统中的数据挖掘,进而识别源程序文件或者类之间的共同变化,但这种方法不适合对构件化软件中构件间共同变化的识别。为此,在基于构件的软件配置管理模型的基础上,设计了构件化软件演化信息本体模型以及两者间的映射规则,并提出了构件化软件共同变化模式（基本模式和复合模式）和相应的本体推理规则,开发了原型支撑系统。
在大规模道路网络上使用＂分层＂策略构建层次道路网络能够显著降低路径规划算法的搜索空间,对分层道路网络进行分区可改进数据结构,进一步提升算法效率。现有多种网络图分割算法,介绍一类名为METIS的多层分割算法,此类算法通过概化（coarsening phase）、分割（partitioning phase）、还原（uncoarsening phase）三阶段将网络图划分为均等分区,且算法效率高。将两种典型多层分割算法：多层递归二分算法（MLRB）及多层k路分割算法（MLKP）应用于层次道路数据,以检验此类算法是否适用于强调拓扑连通性的道路网络的分区。结果分析表明,多层算法的分区结果并不适合层次道路网络构建,但多层分割的思想值得借鉴。
第四方物流路径问题是复杂的组合优化问题。基本遗传算法在第四方物流路径问题上存在随着问题规模扩大,算法的成功率和准确率不断下降等缺点。针对基本遗传算法存在的这个问题,结合实验分析,提出了一种以遗传算法为全局搜索策略的文化基因算法,并针对第四方物流的问题特点设计了相应的局部搜索策略。实验结果表明,与基本遗传算法相比,该混合算法不仅在求解质量上有了较大的改进,并且在大规模第四方物流问题上也能获得质量较好的解,算法的成功率和准确率明显高于基本遗传算法。因此,基于遗传算法的文化基因算法是解决大规模第四方物流路径问题的一种有效方法。
针对多块结构重叠网格并行装配的问题,设计了支持初始网格系统细分的多块结构重叠网格框架,并在此框架基础上提出了基于局部洞映射的并行挖洞算法、格心网格下可跨块寻点的并行搜索算法,使之可适应大规模并行数值模拟时的分布式计算环境。此算法被模块化地集成到了自主研发的大规模多块结构网格数值求解器（CCFD-MGMB）中,可支持大规模并行非定常多体分离数值模拟。并行测试结果表明,算法具有良好的局部数据结构组织,数据可扩展性强。数值应用模拟结果表明了该算法的有效性及正确性,千核并行非定常数值计算效率（相对于64核）可达58%。
针对云环境下传统关系型数据库在大数据库建模方面存在的问题,描述了一种全新的能适应云计算环境建模的图数据库,定义了图数据库模型的基本概念,给出了图数据库建模元素及组织形式,在关系型数据库概念模型建模理论及方法的基础上提出了图数据库建模的若干规则和方法。以图数据库Neo4j为例,详细描述了现代物料入库管理图数据库的建模过程,并应用Cypher语言实现了该系统模型的增加、删除、更改、查询及统计功能。实践结果表明,图数据库建模技术能使构造的模型语义表达更丰富,更具简易性和可扩展性等优点,对开发基于图模型的智能管理信息系统能够提供一定的参考依据。
针对传统审稿方式所存在的问题,设计了基于TextRank图算法思想的论文推荐系统,以实现论文审稿分配过程的自动化。系统通过加入词与词之间的影响力计算以及多文档集中逆文档频率IDF,实现关键词抽取部分,并使用基于余弦向量值的计算对抽取出的关键词向量进行相似度匹配,最后计算审稿人在各研究领域的影响力,实现论文的推荐。采用了综合考察准确率、召回率的F值作为评测指标,验证了该方法的有效性。在实际使用环境中,该系统具有较高的准确性与可靠性。
针对语义物联网中实体设备所提供的原子服务的资源有限性及其所处环境的动态变化性等问题,提出了一种语义物联网中基于Qo S的动态服务组合方法。该方法依据添加情境的Qo S本体,在对语义物联网中的服务进行动态的语义标注后,对待选择服务集进行动态的选择与组合,并将组合后的新服务通过服务ID映射到对应的实体设备上,最后通过实体设备将结果反馈给服务请求者。通过对具体实例的对比分析表明,该方法可以针对不同的服务对象以及不同的服务环境动态地为服务请求者提供更加准确的服务。
为提高道路交通事故的预测精度以及建模速度,在分析道路交通事故影响因素基础上,提出了基于灰色关联分析的LS-SVM道路交通事故预测模型。该模型采用灰色关联分析完成影响因素的相关性分析,结合关联度值,筛选最小二乘向量机模型的输入变量,简化LS-SVM模型结构;然后运用动态改变惯性权重自适应粒子群算法（DCW-APSO）对模型参数进行优化选取;最后应用模型预测年的综合道路交通事故死亡率,并将预测结果与其他模型进行对比分析。结果表明,相较其他预测模型,该模型具有较快的收敛速度,并能明显提高道路交通事故预测的精度。
在当前通信标准提供的正交信道有限的前提下,针对重叠信道间的干扰问题,提出了一种内部流量感知和干扰优化的半动态分布式信道分配机制。采用启发式算法,根据网络流量进行信道避让,通过多轮随机选取最优信道。模拟仿真实验表明,在网络流量大的前提下,相较几种经典的信道分配算法,该算法在传输成功率及数据传输平均延迟上均有明显的优势。
针对目前内容中心网络在Qo S保证方面研究不足的问题,提出一种基于内容感知传输机制的内容优先级调度算法。该算法利用内容热度值判决内容数据包的优先级概率决定不同内容的调度顺序,能够根据网络环境动态调整传输队列。仿真结果表明,该机制在高优先级内容流量比例为20%的情况下,平均吞吐量相比于NDN常规传输机制性能提高约35%。
采用复杂网络理论研究VANETs网络动态拓扑结构特性,以基于车辆换道功能的智能驾驶移动模型为基础,应用Vanet Mobi Sim仿真软件建立了车辆交通网络,详细分析了VANETs网络瞬时拓扑特征及平均度、聚类系数和调和平均最短路径长度等复杂统计参数随时间的变化特征。通过仿真实验发现VANETs网络动态拓扑不具有无标度属性,只在特定条件下才呈现小世界网络的特征。
为了全面、客观和系统地反映移动僵尸网络运行情况和攻击危害,针对移动僵尸网络评估的性能指标进行了研究。首先,将移动僵尸网络的性能指标进行分类和提取,并给出了数学计算式进行表述;提出了正性指标、负性指标和中性指标的概念,从而更有效地反映性能指标的属性;使用层次分析法对每个性能指标的权值进行了计算,并得出了计算结果。运用该评估性能指标对四个具有典型特点的移动网络进行了评估,验证了该方法的可行性和有效性。结果表明这种评估方法能够对移动僵尸网络的危害性进行综合评估,给防御策略提供了依据。
针对无法预估的节点故障影响无线传感器网络寿命的问题,提出了一种考虑节点磨损的分布式自稳定优化算法。利用韦伯函数拟合网络生命周期的分布,定期唤醒睡眠节点进行故障检测;采用分布式调度,无须知道传感节点的位置信息,使用多个节点同时工作,从而提高效率;最后,通过较低的网络通信代价,及时使用空闲节点替代故障节点,保持网络的连通性。理论分析和仿真实验验证了算法的有效性及可靠性。仿真结果表明,当传感器节点的可靠性随着使用时间与磨损下降时,算法可以更好地延长无线传感器网络寿命,相比分布式多目标概率覆盖协议,在寿命延长、覆盖率、节点唤醒次数等方面均取得了更好的性能。
针对室内可见光异构通信网络中,现有切换算法无法感知不同网络服务质量、不能保证用户始终获得最优网络服务的问题,提出一种基于等效SINR的VLC（visible light communication,可见光通信）与Wi Fi垂直切换算法。算法将达到相同最大传输速率作为转换条件,将VLC SINR转换为等效的Wi Fi SINR,在此基础上实现切换触发和判决。根据目标网络和服务网络SINR差值与设定切换门限的对比结果进行切换触发,考虑到VLC易受遮挡干扰影响的特点,引入驻留定时器进行切换判决,保证判决准确性。仿真实验表明,该切换算法能保证用户接入到提供最大传输速率的网络中,并且对于不同VLC网络布设和室内光环境影响都具有较好的适应性,更加适合室内融合VLC异构通信网络。
针对非确定性防碰撞算法可能出现的标签饥渴问题,提出了一种基于优先级避让的防碰撞算法。该算法将每一轮的标签识别过程分为标签预约和标签读取两个阶段,并根据标签在读写器作用范围内的驻留时间分配优先级。当预约时隙中出现碰撞时,读写器利用碰撞因子估计标签数量,当判断两个优先级不同的标签同时选择一个时隙时,优先级低的标签将在读取过程中主动避让,从而使对应的读取时隙避免碰撞。理论分析和仿真实验表明,该算法不仅可以有效减少碰撞时隙,提高系统的吞吐率,而且可以较好地解决标签饥渴问题,降低标签的漏检率,特别适用于标签数量大且对漏检率有严格要求的RFID系统。
针对异构网络切换问题,综合考虑遗传算法和禁忌算法的优点,结合神经网络及模糊理论,提出了基于遗传禁忌算法（GATS）优化的模糊神经网络垂直切换算法GATS-FNN。在切换过程中加入了预判决模块,通过筛选节点降低系统成本和算法复杂度;将网络信号强度、带宽、负载和用户终端移动速度进行了模糊处理,并采用GATS算法进行优化,调整隶属度函数的参数。仿真结果表明,该算法可以降低页面平均响应时间,为用户提供更好的服务。
针对语音识别中DBN-DNN训练时间过长的问题,提出了一种DBN-DNN网络的快速训练方法。该方法从减少误差反向传播计算量的角度出发,在更新网络参数时,通过交替变换网络更新层数来实现加速;同时,也设计了逐渐减少网络全局更新频率和逐渐减少网络更新层数两种实施策略。这种训练方法可以与多种DNN加速训练算法相结合。实验结果表明,在不影响识别率的前提下,该方法独立使用或与随机数据筛选（stochastic data sweeping,SDS）算法、ASGD算法等DNN加速训练算法相结合,都可以取得较为理想的加速结果。
入侵检测系统产生海量报警数据,造成报警关联时间长、关联结果结构复杂、难以理解。针对上述问题,提出一种基于因果关系的分层报警关联模型。该模型先根据攻击目标聚类报警,在因果关系的指导下以单步攻击作为节点构建主机层攻击路径,定义单步攻击相似度和攻击模式相似度,通过拓扑排序合并主机层攻击路径的相似节点得到攻击模式,计算攻击模式相似度实现预警,并以受害主机作为节点从空间上构建更高层面的网络层攻击场景。实验表明,分层关联结果结构简洁,有助于识别攻击策略、指导安全响应,而且先聚类后关联的方法能够有效提高报警关联效率。
为分析hash函数新标准SHA-3算法的安全性,从算法统计性能和轮函数Keccak-f的对称性两个方面对其进行测试。测试结果表明,SHA-3算法雪崩效应良好,平均变化比特数和平均变化概率都非常接近理想值且方差比较小,具有较高的稳定性和较低的碰撞程度;Keccak-f中添加常数的变换会严重扰乱轮函数的对称性,利用轮函数对称性对SHA-3进行内部差分攻击只适用于轮数较少的情况。
针对Iaa S（infrastructure as a service）环境下虚拟机通信数据在共享网络基础设施中的安全性问题,提出了一种虚拟机无代理通信加密机制。该机制通过加载于虚拟化节点内的加密模块与平台统一加密控制器间的协作,实现了Iaa S环境下虚拟机通信无代理按需加密;同时,引入通信加密策略有效性保障机制,保障了虚拟机全生命周期内的通信加密策略有效性。实验结果表明,该机制在引入较小性能开销的前提下,可以有效实现虚拟机通信加密,并保障虚拟机全生命周期内加密策略的有效性。
针对传统方法在对云存储的加密数据进行检索时效率不高的问题,提出了一种利用属性基加密（ABE）技术的安全数据检索方案。利用ABE提供丰富的索引词表达能力,从而确保数据安全性,通过平衡云服务提供商运行开销和其他用户参与基于云存储的信息检索服务,使用加密运算替代穷尽搜索,使得搜索过程与现存数据库管理系统机制更加兼容。分析结果表明,相比其他几种较新的方案,方案在访问控制和快速搜索中具有更好的性能,且能在数据检索过程中确保数据安全性和用户隐私,适合应用于具有大量数据的云存储系统。
针对现有基于授权域的数字版权保护方法中授权节点间不具备独立性的问题,降低了版权保护的灵活性,从而提出了一种基于授权域的密钥管理模型。模型支持多设备授权并满足授权节点间独立性,即一台设备加入或离开授权域与其他域成员设备无关,提高了版权保护的灵活性。基于该密钥管理模型,提出了应用系统框架以及版权保护协议;进一步,提出了满足该模型的两种密钥管理方法,并分析比较其性能。通过对系统的性能分析,验证了该密钥管理模型的有效性。
为解决量子环境下广播加密的安全和效率问题,结合Agrawal等人提出的维度不变的格基代理生成算法,设计出一种格上基于身份的广播加密方案。该方案采用父格与子格的结构关系来表示系统主私钥与合法用户私钥的对应关系,合法用户可以利用自己的私钥解密广播信息;不同于以往方案,该算法利用系统主私钥生成合法用户私钥的时候,不会增加用户私钥的维度。在随机预言机模型下证明该方案是适应性安全的,其安全性规约到错误学习（LWE）问题。
针对周萍等人的无可信PKG的盲签名方案详细分析了其安全性,指出方案不能抵抗敌手AⅠ伪造攻击,敌手AⅠ可对用户的部分公钥进行替代,生成对任意消息的合法盲签名。为此,提出了相应的改进方案。改进的方案在验证等式中增加了系统参数,有效地证明了签名者拥有合法的SID,从而防止了敌手AⅠ的公钥替代攻击。分析表明,改进的方案是安全的,能抵抗敌手AⅠ,AⅡ,AⅢ的伪造攻击。
为解决在当前信息系统和网络环境日趋复杂的情况下,敏感信息泄露途径多样、隐蔽性高的问题,提出文档敏感信息控制模型DSI-CON。首先在安全属性基础上建立敏感信息泄露威胁模型,分析了其泄露的主要方式,得出安全需求;然后基于使用控制模型提出DSI-CON,并对其进行形式化描述,同时针对安全需求制定了一系列安全策略,对模型安全性进行了研究分析;最后以教研室为例对模型举例应用,设计了模型部署方案。通过方案部署,得出了模型能够对访问前和访问中敏感信息进行实时控制,抵御攻击进程的实验结果;分析结果表明,DSI-CON能很大程度地降低敏感信息泄露风险,对敏感信息起到保护作用。
针对基于角色的访问控制（RBAC）模型在模拟复杂组织结构和权限继承关系方面的不足,提出了基于角色扩展的RBAC模型——MR-RBAC。该模型在角色集和权限集之间引入了最小角色集,并形式化定义了模型的基本集合和相关函数;同时还深入研究了扩展模型中的角色权限类型与角色关系,给出了最小角色的概念及其生成算法。分析表明,MR-RBAC模型改善了传统模型的角色层次结构和权限继承关系,具有授权粒度细、可伸缩性、可扩展性、安全等优点。最后模型性能测试表明原型系统在引入最小角色划分后对于系统时间性能的影响不大。
针对无线传感器网络中的源节点位置隐私安全保护问题进行了研究,设计了一种基于随机角度和圆周路由的源位置隐私保护策略BRACRS。该策略通过三个阶段进行路由,即基于角度的幻影路由阶段、圆周路由阶段和最短路径路由阶段。采用均匀划分法使幻影节点基于不同的角度动态随机产生,传感器节点利用充裕区域的能量形成动态的、路径足够长的路径,从而保护源节点的位置隐私。分析结果表明,与现有PUSBRF和HBDRW等保护方案相比,在不显著增加通信开销的情况下,能大大延长网络的平均安全时间,增强源位置隐私的安全性。
针对Android恶意应用泛滥的问题,提出了一种基于恶意应用样本库的多级签名匹配算法来进行Android恶意应用的检测。以MD5哈希算法与反编译生成的smali文件为基础,生成API签名、Method签名、Class签名、APK签名。利用生成的签名信息,从每一类恶意应用样本库中提取出这类恶意行为的共有签名,通过匹配待检测应用的Class签名与已知恶意应用样本库的签名,将待测应用中含有与恶意签名的列为可疑应用,并回溯定位其恶意代码,确定其是否含有恶意行为。在测试中成功地发现可疑应用并定位了恶意代码,证明了系统的有效性。
为了准确地估计源图像的清晰区域,提高多聚焦图像融合的效率,提出了一种新的基于清晰度估计的图像融合方法。首先利用基于离散小波的清晰度估计方法获取源图像的聚焦区域;然后使用均值滤波和空洞填充进一步优化该聚焦区域;最后结合清晰度估计和相似性特性,将不同聚焦区域合并生成融合图像。该方法获得的融合图像在客观评价和主观质量上都优于以往基于清晰度的图像融合方法。
为了选择有效的图像特征,并将这些特征融合以进行图像的显著区域检测,提出一种基于图像特征稀疏约束的显著性检测算法。该算法首先建立一个包括多种图像特征的特征池,之后假设图像的显著图由特征池中特征的线性组合来表示,并用线性回归的方法从眼动追踪数据库的信息中学习出该线性组合的权重参数;在学习的过程中,对线性回归的系数加一个稀疏约束条件,使得某些不重要特征对应的系数在最优化过程中自动收缩为0,从而达到特征选择的目的。实验结果表明,该模型的检测时间较短,可以得到较高的检测准确率。与传统基于特征融合的显著性检测模型相比,本算法避免了选择特征和构造融合参数的盲目性。
针对基于空域上下采样的深度编码框架中,由边缘信息损失带来的视点绘制质量下降的问题,提出了一种面向视点绘制质量的深度图像分块自适应压缩采样方法。在基于分块压缩感知和光滑Landweber投影重构的BCS_SPL框架下,利用图像块的方差表征其边缘信息,并据此进行自适应采样,以提高深度图像重构和视点合成质量。结果表明,在相同的采样率下,相比上、下采样和BCS_SPL方法,提出的分块自适应压缩感知方法在绘制视点的PSNR和主观质量上都有所提高。
针对基于单幅图像的3D重构因其约束条件的严重匮乏,致使重构结果不确定的原因与机理进行了深入研究。以SFS重构方案为研究对象,提出将SFS问题规划为仅含二次约束的多项式系统,进而递次使用同伦分析法和精确线搜索技术,最后基于变量集构造一个SDP凸松弛。实验结果表明,这种重构方案不仅可以寻找所有全局解,优化迭代过程,加快收敛速度,而且可以避免产生不理想的局部解,彻底摆脱对初始假定的依赖,确保迭代过程收敛于一个全局极小值。借助多项式系统的完备解空间特性,大大提高了3D重构的精确度和唯一性,非常适用于非刚体表面重构。
基于学习的单图超分辨率重建算法能获得较好的超分效果,但存在重建图像伪影较为明显的问题。为解决这一问题,提出了一种基于双正则化参数的在线字典学习超分辨率重建算法。在字典学习过程中运用在线字典学习方法（online dictionary learning,ODL）,并在稀疏字典生成阶段和图像重建阶段分别设置了两个不同的正则化参数。实验中生成的目标高分辨率图像PSNR比经典的稀疏编码超分方法（sparse coding super-resolution,SCSR）平均提高了0.39 d B,在较好地恢复图像边缘锐度和纹理细节的同时有效地抑制了伪影。ODL和双正则化参数的引入,提高了字典训练的精度,使字典训练和图像重建阶段的稀疏系数独立可调,实验中能够有效地消除伪影,提升了超分辨率重建的效果。
检索相关设计方案于复用是提高建筑设计效率的有效手段。针对传统的三维形状检索方法对建筑模型空间结构表达能力不足的问题,提出一种基于拓扑特征的建筑信息模型检索方法。利用Revit API开发插件提取建筑信息模型房间连接拓扑图（room connectivity topology graphs,RCTG）,然后结合空间句法理论构造建筑空间构形节点深度值表（node depth value table,NDVT）并过滤出候选模型,进而将检索模型和候选模型的NDVT转换为标准化的邻接矩阵并提取相应的特征向量,最后通过相似性度量得到检索结果。实验结果表明,该方法能够有效实现建筑模型局部结构的检索,与单一考虑形状特征的传统三维检索方法相比,检索精准度较高,能够实现建筑模型的高效再利用,具有广泛的应用前景。
针对目前图像对象分割方法对图像的特征提取和抽象度不够,导致分割精度低的问题,提出了基于Snake模型和外观模板的组合式图像对象分割研究方法。该方法将改进的外观模板图像对象分割算法得到的分割结果经过预处理作为改进的Snake模型的图像分割算法的输入初始轮廓进行精确处理。该算法在提升对象分割精度的有效性上达到了96%以上。
近年来,深度学习中的卷积神经网络已经广泛运用于图像识别领域,它不仅显著提升了识别准确率,同时在特征提取速度方面也优于许多传统方法。针对高速公路环境下的车型识别问题,引入卷积神经网络（CNNs）理论,设计相应特征提取算法,并结合SVM分类器构建识别系统。通过对高速公路上主要三种车型（小车、客车、货车）的分类实验显示,该方法在识别精度及速度上均取得了较显著的提高。
针对大型人脸数据库中进行人脸匹配识别时存在识别速度时间长、影响实时应用效果的问题,提出了一种基于凸包的人脸粗分类新方法。该方法从几何模式特征出发,以抽取人脸的二维凸包不变量特征为基础,使用层次聚类对人脸的轮廓线进行粗分类,建立人脸数据库的层次索引结构。在实验中,将MUCT和PICS人脸数据库的正面人脸图像粗分为六类,分类的平均准确率约为89%。验证了该方法在人脸数据库上执行快速粗分类是可行的。
如果每类训练样本较充分,基于稀疏表示分类可以取得比较好的识别效果;当训练样本比较少时,它的分类效果可能就不理想。拓展的稀疏分类算法可以较好地解决这一问题,它在表示测试样本时,引入了训练样本的类内变量矩阵,利用它和训练样本集来表示测试样本,从而提高了人脸识别率。然而,该算法并没有考虑训练样本在表示测试样本中所起的作用,即所有训练样本的权重都等于1。采用高斯核距离对训练样本加权,提出用加权的训练样本和类内散度矩阵来共同表示测试样本,即基于加权的拓展识别算法。实验证明所提算法能够取得更好的人脸识别效果。
针对摄像机内部参数的不确定性和投影平面选择难的问题,提出一种新的投影深度算法用于视角不变的动作识别,该算法采用对称镜面平面提取（plane extraction from mirror symmetry,PEMS）策略,有效解决了投影平面选择难的问题。首先通过摄像机组观察获得3D动作姿势,然后运用PEMS策略从场景中提取平面,相对于提取平面估计身体点的投影深度,最后使用这个信息进行动作识别。该算法的核心是投影平面的提取和投影深度组成向量的求解。利用该算法在CMU Mo Cap数据集、TUM数据集和多视图IXMAS数据集上进行测试,精度可分别高达94%、91%和90%,且在较少动作实例情况下,仍然能够准确定义新动作。比较表明,该算法的人体动作识别性能明显优于其他几种较新的算法。
针对医学图像中由于偏移场的存在而导致图像灰度不均匀的问题,提出了一种基于局部区域信息的医学图像分割及偏移场矫正方法,以矫正偏移场使图像变为灰度均匀。该方法利用图像局部区域信息,通过拟合图像和原始图像构造能量函数,采用变分水平集方法进行求解。实验结果表明,该方法能够有效地实现医学图像分割及偏移场矫正,与其他分割及偏移场矫正方法相比,该方法具有较高的分割及偏移场矫正的精度和效率。
针对微视频语义标注问题,提出一种基于半监督聚类的微视频标注方法。从事件驱动的角度,以镜头事件为单位,用事件组来标注微视频。进一步构造半监督K-means聚类算法,优化目标函数,使得最终的聚类结果既体现类间的低耦合及类内的高聚合,又体现类内局部的数据分布密度。该聚类算法实现了诸如微视频等多属性异构数据的聚类,提高了微视频标注效果。实验结果表明,所提微视频标注方法具有很强的语义表达能力,该聚类方法也具有很强的聚类准确度。
利用视频监控系统进行安全头盔佩戴检测,对于安全生产有着重要意义。已有的安全头盔佩戴检测算法有较多的应用场景条件限制,难以同时满足不同场景需求。针对这一问题,提出了一种应用于安全头盔佩戴检测的算法。该方法依托可变形部件模型,提出了基于块的局部二值模式直方图,与梯度方向直方图和颜色特征共同组成特征向量,使用支持向量机进行训练和检测,利用了单一使用梯度方向直方图作为特征时所损失的有效信息。实验结果表明,该方法优于原可变形部件模型,在安全头盔测试集上的平均检测率提高了7.2%,达到86.7%,已接近应用要求。
针对大尺度形变医学图像配准速度慢和精度低的特点,提出一种结合薄板样条（TPS）和B样条的弹性配准方法。该方法采用尺度不变特征变换算法（SIFT）进行图像特征提取与匹配,利用TPS算法将特征点对作为输入进行预处理,以降低浮动图像的形变尺度,从而提高下一步B样条配准的速度与精度。然后使用局部区域细化层次B样条方法将TPS生成的较稀疏的形变网格作为初始网格,结合有限记忆优化算法（L-BFGS）对控制网格作进一步处理,此过程只对形变较大的局部区域进行细化,以实现与参考图像的快速精确配准。实验结果表明,该方法较层次B样条方法有效地提高了配准的速度和精度。
[综述评论](张佰尚;李向阳;王铁男;Shirley Gregor)
(范华丽;熊禾根;蒋国璋;李公法)
[算法研究探讨](许鹏远;党延忠)
(任育伟;吕学强;李卓;徐丽萍)
(邢玲[1,2];宋章浩[1,2];马强[1,2])
(李圣文;凌微;龚君芳;周长征)
(冷亚军;陆青;张俊岭)
(刘元;吴小俊)
(林国汉[1,2];章兢;刘朝华)
(袁斌;江涛;于洪志)
(叶娟;陈启买)
(陈池梅[1,2];张林)
(叶娟;陈启买)
(李树楠;李冬辉;王江)
(伍杰华[1,2];朱岸青[1,3])
(梁俊杰;肖瑶;余敦辉)
(高燕;陈小辉;任勇军)
(巩子杰;张亚平;张铭栋)
(张屹;陈平;万兴余)
(赵树平[1,2];梁昌勇[1,2];罗大伟[1,2])
(梁雪萍[1,2,3];马存庆[1,2,3];梁颖升[1,2,3])
(马同伟;解瑞云;廖晓飞)
(马贤同;罗景青;刘兴华)
(路同强[1,2];石冰;闫中敏;周珮)
(董永峰[1,2];王安娜[1,2];周艳聪[2,3];顾军华[1,2])
(冯兴杰;赵杰)
(薛涛;刘龙)
(刘琨;何建华;黄炎;梁云;张烨)
[软件技术研究](林涛;高建华)
(钟林辉[1,2];朱小征;宗洪雁;程柏良)
[系统应用开发](撖志恒[1,2];芮小平;董承玮;宋现锋;王静;徐江)
(林艳;全渝娟;王磊;吴祖剑;韦炜)
(马文鹏[1,2];陆忠华;袁武;梁姗[1,3])
(邱胜海;王云霞;樊树海;贾晓林)
(谢玮[1,2];沈一[1,2];马永征)
(李玲玉;刘宁;李冠宇)
[网络与通信技术](张绳武;曾锋;陈志刚)
(陶勇;程东年)
(冯慧芳;孟玉如)
(李娜[1,2];杜彦辉;陈光宣)
(明勇[1,2];王华军)
(郑浩天;季新生[1,2];黄开枝;赵华)
(丁治国;雷迎科)
(郭强;朱若函;张晓萌)
(李轩;李春升)
[信息安全技术](朱丽娜[1,2];张作昌)
(王淦[1,2];张文英[1,2])
(胡亮;陈兴蜀;陈林;韩贞阳)
(杜朝晖[1,2];朱文耀)
(张欣威;张串绒;张柄虹)
(李莎;李虓;何明星;罗大文)
(苏赢彬[1,2];杜学绘[1,2];曹利峰[1,2];夏春涛[1,2];范毅凯)
(蔡婷;聂清彬;欧阳凯;周敬利)
(贾宗璞;魏晓娟;彭维平)
(秦中元;王志远;吴伏宝;吴颖真;游雁天;徐倩怡)
[图形图像技术](费春;张萍;李建平)
(刘立;樊镕;吴煜;王建)
(王旭;王国中;范涛)
(于永彦;王志坚)
(倪浩;阮若林;刘芳华)
(张颉;李昌华[1,2];李智杰[1,2])
(林克正;李慧;李新元)
(邓柳;汪子杰)
(邢昌元[1,3];熊忠阳;杨超;吴雪刚;张光华;黄仕建[2,4])
(康利攀;陈方福;范自柱)
(杨建;刘述木;王晓林)
(梁爽;彭亚丽;刘侍刚;梁新刚)
(彭太乐[1,3];张文俊;蓝建梁;谢志峰)
(贾峻苏[1,2];鲍庆洁;唐慧明[1,2])
(史悦;王阳萍;党建武)
主管单位：四川省科学技术厅
主办单位：四川省计算机研究院
主　　编：张钢
地　　址：成都市成科西路3号
邮政编码：610041
电　　话：028-
电子邮件：
国际标准刊号：issn
国内统一刊号：cn 51-1196/tp
邮发代号：62-68
单　　价：30.00
定　　价：360.00
金月芽期刊网 2018