多源文本数据真值发现方法

针对传统真值发现算法无法直接应用于文本数据的问题,提出基于深度神经网络面向多源文本数据的真值发现算法(NN_Truth)。根据文本答案多因素性、词语使用多样性以及文本数据稀疏性等特点,将“数据源-答案”向量作为网络输入,识别答案真值向量作为网络输出,依据真值发现的一般假设,无监督学习各数据源答案向量间关联关系,并最终获得答案真值。实验结果表明,该算法适用于文本数据真值发现场景,较基于检索的方法及传统真值发现算法效果更优。     

利用循环网络的降落伞开伞载荷补偿方法

为了对降落伞充气展开过程中的开伞载荷进行更加准确的预测,提出一种基于循环神经网络的开伞载荷补偿计算方法,包括模型架构和数据处理方式。该方法将充气时间法计算的预测值代入循环网络进行二次计算,使最终结果能够更加贴近试验真值。使用多层前馈网络、标准循环网络与长短时记忆网络三种网络进行比较,验证了所提模型预测结果的适用性和准确性,研究了学习率、输入层维度和隐层维度等超参数对模型性能的影响,并给出了基于长短时记忆网络的补偿模型最优训练条件。实验结果表明,利用循环网络进行开伞载荷预测具有较好的拟合结果,为机器学习与降落伞工业的学科交叉研究提供了一定的参考方向。     

高性能互连网络中端口阻塞故障预测方法

随着系统规模、芯片功耗和链路速率的提升,高性能互连网络的整体故障率也不断上升,传统运维方式将难以为继,给高性能计算系统整体可靠性和可用性带来了巨大挑战。针对网络端口阻塞这类严重网络故障,提出无监督算法的预测模型。该模型从历史信息中挖掘征兆性规律并形成新的特征向量,应用K-means聚类算法对特征向量进行学习归类。在预测时,结合端口当前状态,利用二次指数平滑算法对未来状态进行预测,将得到的新特征向量使用K-means算法预判是否会发生阻塞故障。利用拓扑结构信息,分别对叶交换机和根交换机构建预测子模型,进而提升预测的精确率。结果表明,该预测模型能保持在召回率为88.2%的前提下,达到65.2%的准确率,可为运维人员提供有效的辅助。     

Visual-simulation region proposal and generative adversarial network based ground military target recognition

Ground military target recognition plays a crucial role in unmanned equipment and grasping the battlefield dynamics for military applications, but is disturbed by low-resolution and noisy-representation. In this paper, a recognition method, involving a novel visual attention mechanism-based Gabor region proposal sub-network (Gabor RPN) and improved refinement generative adversarial sub-network (GAN), is proposed. Novel central–peripheral rivalry 3D color Gabor filters are proposed to simulate retinal structures and taken as feature extraction convolutional kernels in low-level layer to improve the recognition accuracy and framework training efficiency in Gabor RPN. Improved refinement GAN is used to solve the problem of blurry target classification, involving a generator to directly generate large high-resolution images from small blurry ones and a discriminator to distinguish not only real images vs. fake images but also the class of targets. A special recognition dataset for ground military target, named Ground Military Target Dataset (GMTD), is constructed. Experiments performed on the GMTD dataset effectively demonstrate that our method can achieve better energy-saving and recognition results when low-resolution and noisy-representation targets are involved, thus ensuring this algorithm a good engineering application prospect.     

基于统计回归模型的突发事件网络舆情研究

突发事件网络舆情传播速度快,在较短的时间内能够引起社会大众的广泛关注,产生较大的影响.通过利用突发事件网络舆情传播规律和酶促反应相似的机理,构建统计回归模型来研究分析突发事件网络舆情的规律,并通过实例进行论证,以期为政府应对突发事件网络舆情提供参考.     

群体性事件网络舆情传播模式与引导机制研究

近几年,群体性事件发生频率和危害程度明显呈上升趋势,群体性事件网络舆情研究逐渐成为热点课题。在重点分析群体性事件网络舆情两种传播模式的基础上,研究政府引导网络舆情的日常引导机制和应急引导机制,以期为政府治理群体性事件提供参考依据。     

一种基于最小生成树的无线多跳网络信道分配算法

为提高无线多跳网络的吞吐量和传输可靠性,提出一种信道分配算法。该算法优先考虑最小生成树上的可用信道,为每个节点分配信道资源;然后考虑利用生成树外其他可用链路,为节点提供信道资源,以提高吞吐量。算法通过考虑每个用户的通信需求,可以充分利用空闲信道资源。仿真结果显示,相比于不考虑最小生成树外链路时,有效地提高了网络整体吞吐量。     

基于LVQ网络的高校科研能力评估

作为高校核心能力的科研能力,其高低已成为衡量一所高校综合实力的重要指标。如何准确高效的评价高校科研能力成为政府、企业和高校面临的一个十分重要的问题。影响高校科研能力的因素众多,本文选取11个典型指标,建立了基于LVQ的高校科研能力评估模型及算法。首先,介绍了LVQ网络;其次,建立了一种新的基于LVQ的高校科研能力评估模型及算法;最后,利用MATLAB R2009a编程实现了LVQ高校科研能力评估模型及算法。选取25所高校的科研能力数据用于仿真实验,其中20所高校数据作为训练集,其它5所作为测试集,该算法分类正确率为80%,达到了预期目标。仿真结果表明,该模型提高了高校科研能力评价的准确率,评价结果更加客观、公正,对高校科研能力评价具有一定的参考意义。     

词网络的新闻事件关联建模

互联网上每天都会报道许多新闻事件,为了挖掘各事件间的关系,提出一种新闻事件关联建模方法。该方法首先利用TF-IEF和相邻词合并策略对事件的相关报道集提取关键词,然后综合多种词共现度量窗口对事件关键词的关联关系建模,构建事件关键词关联网络,最后依据事件间共有关键词的程度建立事件关联模型,从而建立事件关联网络。实验表明该方法能够较准确地提取报道集的关键词,较好地发现事件间的关联关系。     

地空导弹发控系统寿命预测的组合模型

将灰色系统理论和BP神经网络有效地结合起来,建立了灰色BP神经网络的组合预测模型,并采用遗传算法对该模型进行优化。为了验证优化后模型的有效性,采用灰色BP神经网络的预测结果进行对比分析。实际数据的预测结果表明,优化之后的模型比单独采用灰色BP神经网络,具有更小的均方差(MSE,Mean Square Error),对发控系统剩余寿命(RUL,Remaining Useful Life)也具有更高的预测精度。