基于矩阵轮廓的时间序列Shapelet发现算法

当前时间序列Shapelet发现算法普遍采用穷举法,需要计算所有时间序列子序列的信息增益,效率较低。针对此问题,提出一种基于矩阵轮廓的Shapelet发现算法。选出最具代表性的时间序列对,计算其轮廓矩阵和差异向量,找到一簇关键区域;对找到的关键区域进行剪枝;在关键区域上搜索Shapelet并计算其信息增益,提升算法效率。在15个UCR数据集上,通过时间序列二分类实验对所提Shapelet发现算法进行验证。实验结果表明,所提算法结合Shapelet转换后具有较强分类能力,计算效率明显优于现有Shapelet发现算法。

基于混合粒子群算法的虚拟数据中心能耗优化

针对当前数据中心节能整合研究中仅考虑服务器能耗的现状,提出一种同时考虑服务器和网络设备能耗的方法。该方法通过感知数据中心的网络拓扑,使运行的服务器和网络设备最少,以此最小化能耗。对问题进行新的形式化建模,并设计一种混合的粒子群优化算法HPSO-NA来实现虚拟机整合。实验结果表明,该方法能有效降低整体能耗。

用于多核嵌入式环境的硬实时任务感功调度算法

充分考虑当前CMOS多核嵌入式处理器片上仅提供全局动态电压缩放(DVS)支持以及亚纳米时代后CMOS处理器泄露功耗不可忽视的现状,提出一种新的多核嵌入式环境中的硬实时任务感功调度算法GRR&CS。算法通过基于贪心法的静态任务划分,基于全局资源回收利用和任务迁移的动态负载均衡,以及动态核缩放三个步骤实现整体能耗的降低,并同时保证实时任务的可调度性约束。实验表明,提出的算法相比较现有算法多节省14.8%～41.2%的能耗。

基于负载分时分析的虚拟服务整合建模分析

介绍了一种面向下一代绿色数据中心的虚拟服务整合方案。基于服务负载高峰处于不同时段的原理,提出了基于负载分时分析的建模方法,在保证QoS的前提下能够达到资源利用率最大化。考虑了服务之间的联系性和互斥性,以及服务与服务器之间的兼容性,提出了5项整合原则,使该方案具有更强的实际应用价值。将建立的模型看作是有约束的多维装箱问题,提出了基于分组遗传算法(GGA)的智能优化算法搜索全局最优解。通过实验表明,该方案与之前的模型相比具有更高的整合率。

西部二本师范院校人工智能课程体系建设研究

提出"人工智能+师范"的复合专业培养新模式。围绕中、小学人工智能师范人才培养这一目标,结合二本院校办学特点,提出了二本院校师范类人工智能课程体系的建设方案。对课程体系的具体实施展方案进行了介绍。最后,对当前西部地区二本师范院校建设人工智能专业的困难进行了分析,并给出对策。

过程挖掘算法研究综述

首先对过程模型的三种表示方法Petri网、因果网和过程树进行了介绍。指出了目前过程挖掘算法研究中需要注意的三类关键问题。对主流的过程挖掘算法进行了分类总结。深入比较了当前最有效的三种过程挖掘算法Evolutionary Tree Miner、Inductive Miner和Hybrid ILP Miner,并指出了三种算法的优势和不足。最后,对过程挖掘算法的研究趋势进行了总结。

议“离散数学”教学中的计算思维能力培养

计算思维是当今公认的三大科学思维方式之一,是当前计算机教育中的研究热点。本文基于"离散数学"课程,就在教学过程中如何培养学生的计算思维能力进行了初步探索,并给出一个实际的教学案例进行阐释。

近十年我国计算机教育热点知识图谱分析

文章运用可视化文献计量软件CiteSpace V绘制了2008—2017年间《计算机教育》期刊文献的知识图谱。首先,基于知识图谱中关键词的词频信息获得了近10年我国计算机教育的研究热点;其次,基于知识图谱中的突词信息对该研究热点的发展趋势进行了分析;最后,对计算机教育领域的未来研究热点进行了预测。

一种基于卷积神经网络的自动问答系统

文章基于卷积神经网络等技术构建了一个自动问答系统。该系统使用jieba分词组件进行中文分词,使用人工智能标记语言(AIML)进行基于规则的问题匹配;对于规则无法匹配的问题,通过常用的搜索引擎进行文本检索或知识图谱检索,对检索得到的多个答案使用卷积神经网络进行语义相似度计算,根据相似度对答案进行排序,最后筛选出最可信的答案返回给用户。研究表明,系统响应延时虽然还不够理想,但已经具备了初步应用的条件。

网络行为异常检测研究综述

异常网络行为给网络安全管理带来了难题,网络行为异常检测对于维护网络运行的正常秩序具有重要意义,已成为网络安全管理研究的热点。文章分析了异常网络行为的危害和产生原因,介绍了其典型的几种产生根源,概述了网络行为异常检测相关的几个研究领域:网络测量、网络行为建模、网络行为分析、网络流量异常检测和智能检测,综述了这几个领域的国内外研究现状,探讨了当前的研究难点,并对未来的研究方向进行了展望。

地方高校计算机专业人才工程能力培养策略

从教育部推进高等学校工程教育专业认证开始,再到“工业4.0”和“智能制造”的兴起,以及中国“新工科”建设开启,地方高校的计算机专业人才培养就面临诸多考验。文章分析了“新工科”建设对地方高校计算机专业人才培养的要求,指出了目前存在的主要问题,并提出了一系列改进措施,如优化人才培养方案、推进工程教育认证、强化师资队伍建设、加大学科竞赛支持力度和加强校企合作等。

基于图形处理器的并行遗传过程挖掘

为提高遗传过程挖掘算法对大规模事件日志处理的性能,该文提出一种基于GPU的并行遗传过程挖掘算法.由于传统基于二进制的染色体编码不能表示因果矩阵中的AND-Split/AND-Join和OR-Split/OR-Join结构,提出一种新的染色体编码方案.该方案通过内容、标识、位置3个数组,有效地解决了GPU上因果矩阵的遗传表示问题.同时,设计并实现了高效的遗传交叉/变异算子和适应度并行计算方法.仿真实验表明,与当前CPU上的遗传过程挖掘算法相比,本文算法在求解精度和收敛速度方面都具有明显优势,并且在两个数据集上分别取得36.4倍和47.2倍的执行时间加速比.

云环境下基于功耗感知的虚拟机博弈迁移算法

为了达到降低云环境下数据中心过高能耗的目的,提出一种基于功耗感知的虚拟机非合作博弈迁移算法PANMA。该算法主要分为基于中值绝对偏差的物理机选择、基于负载最大相关的虚拟机选择和基于非合作博弈的虚拟机迁移三个步骤。实验结果表明,该算法极大地减少了数据中心能量消耗。

面向时间序列有序分类的Shapelet抽取算法

当前面向时间序列有序分类的Shapelet抽取算法,首先计算Shapelet与时间序列之间的欧式距离及其类别标签之间的距离,然后根据两种距离的皮尔逊相关系数或斯皮尔曼相关系数来对Shapelet进行评价,效率较低。针对该问题,提出一种基于SAX表示时间序列的Shapelet评价指标CD-Cover,该指标同时考虑Shapelet对时间序列数据集的覆盖集中度和覆盖优势度。其次,提出一种基于随机采样的Shapelet抽取算法,该算法采用布隆过滤器对候选Shapelet进行预剪枝,采用移除自相似策略对抽取结果进行后剪枝。在11个时间序列公开数据集上的实验结果表明,相比现有方法,该算法抽取的Shapelet具有更好的有序分类能力,且算法的计算效率也更高。

科研活动与知识图谱关系的探讨

科研活动中,科研信息的获取和同行的交流和合作是研究能否成功的关键要素。由于现代技术的不断发展,导致各个学科相关的论文等信息的数量急剧增加,而且这些信息的分布呈现出信息孤岛现象。研究人员,特别是刚进入某个领域研究的硕士和博士生,需要花费巨大的精力来收索、阅读这些资料,非常难于获取想要的信息,造成了巨大的人力浪费。文章提出了基于知识图谱的科研信息分享的方案。利用知识图谱,把科研相关的信息进行收集、整理和可视化展示。科研人员利用这个方案,可以充分利用世界各地的科研资源,快速获得想要的科研信息,并方便和同行交流合作,进而有效地提升科研的效率。

基于多维标签的信息流转双重管控模型与算法

针对高安全单位内网对信息流转细粒度管控的需求,提出一种基于多维标签的信息流转双重管控模型。介绍一种多维标签,提出一种高效的信息流转实时判别算法;提出一种结合领域知识的多维标签自动标识算法,将算法标识标签与用户标识标签进行对比,实现"事后"审计与预警。经原型验证,信息流转实时判别算法的吞吐量能达到2000次每秒,系统预警的召回率指标和准确率能分别达到93.75%和89.3%。

基于CUDA的词对齐并行计算方法

针对词对齐算法在处理大规模平行语料时计算时间复杂度较高的问题,提出一种基于图形处理器(GPU)的词对齐并行计算方法。首先分析了大规模语料中句对长度的分布特征,结合现代GPU的体系架构,提出基于预排序的任务分配策略;然后基于统一计算设备架构(CUDA)完成对词对齐算法中的期望计算、期望最大化两个核心步骤的并行实现。在NVIDIA Tesla K40M图形处理器上进行了实验,结果表明,该方法与GIZA++相比最高达到246的加速比。

基于Lucene的互联网舆情监测系统设计与实现

互联网舆情监测系统采用搜索引擎"Lucene"实现互联网数据的爬取与检索,通过舆情分析引擎实现舆情的话题检测和热点发现,最后用户通过客户端进行舆情监测。文章详细介绍了该系统的体系结构、功能模块及其关键技术。

基于知识图谱的社交服务研究

知识图谱是知识的地图,可以展现知识的起源、发展以及现状,并用可视化方法描述知识之间的联系,是目前计算机领域研究的一个热点问题。知识图谱目前主要用于改善信息检索,自动问答以及文本理解的性能。文章设计了一个基于知识图谱的社交服务体系,拟将社交网络中具有相同兴趣和需求的人组织到一起,以实现需求和服务的有效对接。并讨论了知识图谱和使用者以及信息服务提供者之间的关系,以及如何构建基于知识图谱的社交生态。

基于云计算的驾考推荐平台

随着"自学直考"这一驾考改革的提出和实施,越来越多的驾考考生投入到自学直考的行列中。报告了现在学员对教练需求大,偏好多的现状。不同的用户有不同的教练需求,用户怎样才能选择好适合自己的教练,从而得到高效率的练车目的,因此需要对不同的用户提供个性化的服务,这也是互联网发展的今天所要研究的重点。对推荐系统进行了研究,提出了一种改进的基于云计算的驾考推荐平台。引入了TF-IDF将用户的倾向表示成关键词向量,并计算出每个关键词在整个喜好中的权重来建立学员的模型进行推荐,配合协同过滤,更能准确的推荐出符合要求的教练。