计算机
针对网购评论命名实体识别中重要词汇被忽略的问题,在评论短文本处理基础上,借鉴多头注意力机制、词汇贡献度和双向长短时记忆条件随机场提出一种基于MA-BiLSTM-CRF模型的网购评论命名实体识别方法。首先,用词向量和词性向量的组合来表示评论文本语义信息;其次,用BiLSTM提取文本特征;然后,引入多头注意力机制从多层面、多角度提升模型性能;最后,用条件随机场(CRF)识别命名实体。实验结果表明,该方法能提升网购评论实体识别效果。
针对传统的网络可靠度挖掘精确度较低,且过程较为复杂的问题,提出一种灰色系统理论下复杂网络可靠性度量挖掘方法,首先利用优化、动态优化、量化、因素分析以及思想开发构建灰色系统理论模型,并计算复杂网络的广播与单播模式的连通可靠度,再通过周期数据延时所确定的可靠度、周期数据的正确可靠度、非周期数据的延时确认可靠度、非周期数据的确认可靠度、数据延时的确认可靠性、数据延时的确认可靠性和流数据信息的完整可靠度,利用7个可靠性参数,对复杂网络的可靠性度量挖掘。仿真结果表明,所提方法挖掘的准确度较高、过程简单,具有较好鲁棒
Web开发过程中,固定的数据库关系模型设计往往难以满足数据库应用系统中多变的用户需求;本文提出一种用户自适应关系模型,利用主、从两个静态关系表来实现数据库动态表结构,主表用于存储用户自定义关系表信息,从表则用于存储所有用户自定义数据;利用该关系模型设计的数据库应用系统中,用户仅通过Web浏览器即可自定义数据类型和动态管理数据,从而在一定程度上实现了用户需求变化的自适应;以烟草业的数据共享平台为例,说明了模型的使用方法,实际应用结果表明该模型显著提高了数据库应用系统的用户适应性,改善了Web站点的性能。
特征表达是图像显著性检测的关键,现有方法所提取的特征缺乏一定的可辨识性.为此,提出多尺度上下文特征提取机制和注意力循环机制来解决这一问题.多尺度上下文特征提取机制通过空洞卷积增大高层特征的感受野来获取丰富的上下文语义特征,并采用向量聚合策略对特征进行融合.为增强融合特征的可辨识性,利用注意力机制自适应地对卷积特征增加权重以区分每个像素的重要性,使注意力集中于显著性区域,并抑制背景中的干扰信息.在此基础上,采用循环网络能够有效地在空间位置上对卷积特征进行逐步细化,进一步调整了显著性区域及其边缘,从而生成精确的显著图.该方法在5个常用的数据集上与8种相关方法进行了比较.实验结果表明,该方法不仅能够生成更加准确与完整的显著图,而且其MAE和最大F-measure量化性能也有所提升.
针对当前多数治安数据管理系统存在的缺点,基于社区治安情报数据,通过创建治安情报综合分析数据仓库,确立治安情报分析主题与挖掘模型,提出了基于数据分析的治安情报研判系统的设计方案。论文详细介绍了系统的总体结构、整体流程、多种分析功能,为开展社会治安情报分析研判和决策支持提供了可行的解决方案。
为了解决针织机橡筋输送装置速度固定,单路输送,输送速度与织机转速不匹配等问题,提出了基于12C(inter-in-tegratedcircuit)通信的多路橡筋输送控制系统设计方案,该方案通过主从单片机的12C总线通信,实现控制主机与PWM(pulsewidthmodulation)信号输出从机的实时通信,从机经过细分电路、驱动电路控制步进电机,运用步进电机升降速微分算法与转速匹配算法,实现具有良好速度匹配的多路可变速橡筋输送装置控制系统,同时,由于12C总线具有易扩展性,通过单片机I/0口间的总线模拟通信与扩展,实现多路输送。最后通过设置仿真实验,验证了该系统步进电机与针织机针筒的转速匹配效果较好,当步进电机驱动器(TB6600)为32细分、PWM信号的占空比为60%时,电机转速平稳、振动较小,系统噪声低;该系统能够在提高织物松紧度、提高织物生产效率与调节织物形态方面产生积极作用。
为了提高加固混凝土梁截面开裂弯矩的自动计算能力,提出基于连续梁桥负弯矩区叠合应力评估的加固混凝土梁截面开裂弯矩自动计算方法。构建加固混凝土组合梁截面开裂弯矩荷载模型,根据弯曲变形引起的叠合面滑移参数进行应力评估,通过应力评估结果建立连续梁中的内支座反力控制模型:采用双面组合梁截面构造方法分析梁截面开裂弯矩的滑移应变特征,进行加固混凝土组合梁截面开裂参数优化计算。将参数优化计算转换成截面惯性矩方程,结合截面受力平衡理论评估连续梁桥负弯矩区叠合应力,完成梁截面开裂弯矩自动计算。仿真结果表明,采用上述方法进行梁截面开裂弯矩计算的准确性较高,自动性较好。
烟尘黑度是工业污染监测中的一项重要指标,针对用计算机图像识别技术在基于林格曼烟气黑度烟尘自动监测中如何将烟尘目标区域从背景中有效分割,以及工业烟尘具有形状不固定和云相似度高等特点,导致现有方法在复杂场景下分割烟尘的结果不准确,提出了一种改进全卷积网络模型.结合多尺度卷积操作,增强网络的特征提取能力;通过在交叉熵的基础上添加动态权重,增强对分类不准确点的训练,进一步提升分割的准确度.在实际工厂烟尘排放图像数据集上的实验结果表明,所提方法比原有模型在复杂场景下对烟尘的分割结果更准确,F1度量和交并比2项指标提升显著.
TrustZone技术已广泛应用于各种智能系统的安全防护,例如数据加解密、指纹登录、DRM版权和电子支付等。TrustZone技术为程序提供了一个同主机环境相隔离的可信执行环境(TEE),对重要的代码和数据提供运行时保护,因此基于TrustZone的安全应用程序调用过程发生了变化,增加了安全和非安全世界之间数据共享、消息传递等过程,带来了额外性能开销。通过对基于TrustZone的安全应用运行过程进行深入剖析,发现了影响应用程序性能的4个关键要素:世界切换、中断、共享内存管理和数据内存拷贝,在此基础上针对关键要素分别提出性能优化方法。通过基于TrustZone技术的AES加密服务,对比测试性能优化方法,验证了方法的有效性。实验表明:(1)通过合理设置参数,最大可以实现31%的性能提升;(2)屏蔽外部中断,最大可以实现4.5%的性能提升;(3)内存复用最大可以实现37%的性能提升;(4)减少内存数据拷贝最大可以实现39%的性能提升。
全球导航卫星系统(Globalnavigationsatellitesystem,GNSS)是目前普遍使用的定位手段,其利用多种定位卫星为用户提供全球范围内的高精度位置信息.但由于城市密集区或室内环境对卫星信号的遮挡和吸收作用,使得常用导航方案在这些地区存在定位精度差等问题.机会信号导航(Navigationviasignalofopportunity,NAVSOP)通过接收、处理空间中已存在的信号实现对用户的定位,在克服这些问题上优势十分突出,近年来得到学术界的广泛关注.鉴于此,对NAVSOP常用定位方法进行总结,并分析其在不同系统中的适用性,详述不同类型NAVSOP系统的技术特点和研究现状.针对单一导航系统鲁棒性差的问题,从系统工作方式等方面分析NAVSOP在组合导航中应用的优势.最后指出该研究领域中仍然存在的问题,并对进一步的研究方向进行展望.
为建设更美好的市容市貌, 降低运输车辆的空车率, 实现源头追溯与全流程透明化管理, 结合目前通用的软件开发方式与数据库技术, 给出了以智能化, 绿色为主的城市垃圾清运系统. 该系统以北斗定位数据为基础, 辅助以高德开放平台来进行设计开发. 系统的开发采用基于PHP语言的ThinkPHP框架以及B/S架构设计模式, 客户端采用Ajax和Web技术等方式实现数据的传输和展现. 该系统旨在为用户提供车辆实时位置查询、车辆历史轨迹查询、用户管理、统计分析等服务. 对于车辆运输过程中的整个轨迹数据, 系统采用了北斗系列来进行数据采集, 更有效地维护了信息和技术的安全. 后期还可结合机器学习等技术来对司机的驾驶行为, 车辆的健康状况进行相应分析. 通过北斗定位数据与互联网技术的结合, 该系统可有效地对车辆进行管理.
为解决基于RGB图像的异常行为识别无法有效利用帧间运动信息的问题,采用深度学习思想,提出一种基于时空融合方法的双流卷积神经网络对异常行为进行识别。使用VGGNetl6构建双流模型,以RGB图片和连续光流帧作为网络的输入,有效利用视频流信息。使用UCF101数据集预训练8络模型,将模型迁移学习到CASIA数据集上并微调网络。实验结果表明,与Multi-resolutionCNN方法和Two-streamCNN(AlexNet)方法相比,该方法具有更高的准确率。
非线性时间序列预测在物理、医学和经济等领域具有广泛的需求。为提高非线性时间序列的预测精度,提出一种基于弹性小世界回声状态网络的非线性时间序列预测方法。采用小世界网络作为储备池,提高模型适应性;构建l1范数和l2范数联合的弹性惩罚模型,提高模型求解的数值稳定性和精确性。对非线性时间序列进行仿真实验,该方法相比常规方法具有更好的稳定性和更高的预测精度。
群体有效划分是实现群智协同的关键性基础问题.然而,在具有大规模数据流的协同应用中,由于用户数据的复杂关联性、流式处理的信息片段性和用户特征的动态变化性,造成了概念漂移现象的发生,严重制约了群体划分的准确性和适应性.如何实现群体划分在发生概念漂移时自适应地动态更新成为一个亟待解决的问题.针对这一问题,本文提出了适应概念漂移的群体划分模型,覆盖了信息建模、群体划分、群体模式提取、迭代优化四个阶段,可基于流处理引擎为群智协同应用提供有效的群体划分和数据过滤分发.该方法首先基于关联数据建立用户全生命
为了更好的实现视觉图像显著性目标检测,提出了复合小波变换结合监督学习的边缘检测方法。方法将显著性目标检测分为两个阶段完成,第一阶段用于提取完整的图像边缘。其中为了获得更加准确的局部特征和图像平滑效果,设计了复合小波变换边缘检测,同时为了适应视觉图像平移,在小波函数中引入尺度变换和算子滤波,根据幅角与模值求解出高频边缘特征,利用尺度与算子求解出低频边缘特征。第二阶段用于从完整图像边缘中提取出显著性目标边缘,根据增强特征,采用监督学习构建显著性目标模型,将显著性目标区域检测与复合小波变换边缘特征提取结合,得到融合估计图。其中为了得到更加精确的显著性目标区域估计图,把图像完整的边缘特征与显著性目标特征持续输入卷积操作中。利用先验信息对显著性目标的边缘特征进行修正,同时对显著性目标边缘进行位置判断,防止反馈修正性能退化。仿真结果表明,复合小波变换结合监督学习方法改善了边缘特征提取的分辨率和完整性,有效提高视觉图像显著性目标检测的精准度。
针对已有人体摔倒检测模型在不同检测场景下适应性差、误检率高等缺点,本文提出了一种基于人体骨骼关键点和LSTM神经网络的人体摔倒检测模型.该模型通过Alphapose对连续多帧中的人体进行骨骼关键点检测,然后将骨骼关键点坐标序列分为x坐标序列和y坐标序列,分别输入两个LSTM神经网络进行时序特征提取,最后将LSTM隐层输出向量输入一个全连接层得到检测结果.本文使用公开数据集MuHAVi-MAS和Le2i进行实验,并与多种检测模型进行对比,实验结果表明本文方法在多场景、多视角和多姿势摔倒情况下都具有较高的检测精度.关键词:摔倒检测模型;Alphapose;骨骼关键点;LSTM
如何有效利用多核提供的丰富晶体管资源对串行程序的执行进行加速是当前研究中的热点问题。线程级推测(thread-levelspeculation,TLS)技术旨在充分利用多核资源,最大化地开发出串行代码中存在的潜在并行性。目前TLS技术已经在多种串行应用的并行化工作中得到有效利用,但嵌入式应用程序仍未在推测并行化方面进行有效的分析。因此,选取了八个具有代表性的嵌入式应用,对其在循环级推测并行化中的性能提升潜力和运行时特征(数据依赖、线程粒度和并行覆盖率)进行探讨。实验结果表明,利用线程级推测并行化嵌入式应用的加速效果优于指令级并行技术,实验中的最大加速比达到了13.29;在嵌入式应用领域,该技术可以有效地利用4~8核的计算资源。
针对传统方法在通过视频数据进行人体行为识别的过程中,无法准确分析长时间范围的运动信息,不能很好地利用运动信息中的局部特征和其空间关系.提出将基于注意力机制的卷积长短时记忆神经网络(Attention-ConvLSTM)与传统的双流卷积进行结合,实现了对视频数据中运动信息的非线性特征更好的学习,对局部显著特征及其空间关系更好的利用.本文还设计了新的正则交叉熵损失函数,使得扩展之后的神经网络实现更快的收敛.本文的方法在UCF101和HMDB51两个通用人体行为视频数据集上的表现相较于传统的方法有明显的提升.关键词:人体行为识别;双流卷积;注意力机制;卷积长短时记忆神经网络
随着数据容量不断的增大,制造工艺不断的进步,存储单元尺寸不断的缩小,位线不断的变长,数据的的访存速度,就必须在数据传输的关键路径上减小其延迟时间,一种访存时间也将随之不断地变长。为了提高数据),以此降低位线电压的波动,进而达到加比较实用的措施就是在位线与其输出单元间设置灵敏放大器(快数据电路的功能、性能和可靠性方面起着不可忽视的作用。论文论述了新工艺下一款容偏差灵敏放大器的研究与实现,并对该结构进行了同类比较和可靠性分析。该结构采用全定制设计,最高频率可达到访存速度的目的,因此灵敏放大器是数据Cache2.5GHz的关键部件之一,它在整个数据SenseAmplifier,单独工作自身差分电压达到Cache20mvSA,。Cache
重叠联盟结构生成(OCSG)的解空间复杂性较高,基于演化计算的随机搜索方法不能保证得到最优解,且其假设Agent承担任务消耗资源时不产生任何成本代价,导致无法区分各联盟结构的差异性。针对该问题,构建以联盟结构成本最小化为优化目标的OCSG数学模型,并提出一种基于动态规划的最优OCSG算法。实验结果表明,与TTGs-DP算法相比,该算法的环境适应性较好,资源利用率较高。