基于图注意力卷积神经网络的推荐系统

越来越多的方法聚焦于利用图神经网络挖掘知识图谱的语义信息,然而大多数方法没有根据用户具体的兴趣偏好聚合邻居节点的语义信息,也没有对知识图谱学习得到的节点嵌入表示进行建模,导致推荐性能不佳和没有充分挖掘用户与物品嵌入表示之间的语义信息。为了解决这两个问题,提出基于图注意力卷积神经网络的方法。沿着图上的路径迭代地聚合图谱中每个节点两跳以内的邻居节点信息,并对知识图谱学习得到的用户和物品的嵌入表示进行建模,生成用户特定于该物品的特征嵌入表示。在MovieLens-1M和Last.FM数据集上进行点击率预测实验,AUC和F1两项评价指标均超过了目前主流的RippleNet、KGCN、KGNN-LS等方法。实验结果证明了图注意力卷积神经网络和重新编码用户嵌入表示的可行性。

基于生成对抗网络的单图像材质SVBRDF重建方法

针对传统的材质空间变化双向反射分布函数(spatially varying bidirectional reflectance distribution function,SVBRDF)重建方法存在重建质量不佳和对光源感知能力不足的问题,提出一种基于深度学习的面向单图像的材质SVBRDF重建新方法.首先,采用生成对抗网络框架与多组编码-解码器卷积网络架构提高SVBRDF重建质量;其次,在生成器中引入高光感知处理模块,减少SVBRDF重建时由高光所致的模糊;最后,采用一系列鉴别器对生成器网络参数进行训练,以区分网络的输出值与真实值,并利用合成图像和真实材质拍摄图像混合训练网络,解决合成图像与真实材质拍摄图像之间的像素数据分布差异问题.结果表明,基于生成对抗网络的单图像材质SVBRDF重建方法的重建质量和SVBRDF参数估计准确率都高于传统方法.

网络信息安全防范与Web数据挖掘技术的整合研究

网络信息安全问题,已经成为制约网络经济进一步发展的重要瓶颈。Web数据挖掘技术是提升网络信息安全防范绩效的关键技术。本文在构建基于Web数据挖掘的网络信息安全防范模型后,还对建立在Web数据挖掘基础上的网络信息安全防范模型运行的基本原理、Web挖掘的数据资源、Web挖掘的技术方法、防范模型的主要应用、模型运行的注意事项等进行了深入分析。

基于经常性事件的信息系统风险评估优化决策

为了实现信息系统风险防范措施的优化决策,提出了基于经常性事件的信息系统风险评估优化决策方法。经过统计调查和系统分析,将不可接受的风险、对系统整体安全性影响较大的风险、重要的资产和自定义主要的风险防范措施,定义为经常性事件。通过对实现系统优化设计的阿姆达尔定律做出改进,得出单项风险防范措施对整体系统安全性贡献值的度量方法,并据此构建出优化决策量化模型。最后以实例证明了模型的有效性。

重加权在多类别不平衡医学图像检测中的应用

在医学图像检测中,由于数据集经常存在每类样本数目不均衡的情况,使数据集样本出现长尾分布的问题,严重影检测模型的性能。针对网络在训练多类别不均衡数据集中训练时出现的过拟合现象,采用重加权的方式改进原有损失函数,并用CLAHE算法对X光图像进行预处理,以突出图像的内部细节,选用ResNext50网络作为特征提取网络。以covid-chestxray数据集作为实验用数据集,通过实验评估了模型的准确度、精确率、召回率和F1值,证实了该方法的有效性。

CPSO支持向量机红外瓦斯传感器动态补偿

利用混沌算法变异粒子群算法初始迭代公式,改变线性权重公式,构成混沌粒子群算法.添加混沌遍历性扰动因子,感知非相关变量,从而改进最小二乘支持向量的惩罚因子,并搭建红外瓦斯传感器动态补偿模型.对比没有进行模型优化的测试效果,结果表明,文中补偿模型实际拟合效果好,测量精度明显得到改善.

信息系统风险评估空间动态应力关系方法

为解决当前缺乏有效的信息系统动态风险评估技术的问题,研究了信息系统风险评估空间动态应力关系计算方法。通过对信息系统资产的安全属性进行空间转化,构造出信息资产安全属性空间,基于空间应力函数建立了资产属性相互关系动态应力模型。根据描述的资产所在安全属性空间曲面中的曲率变化,表现出资产安全属性之间的相互影响关系,并随时调整和计算资产安全属性值,实现了动态的风险防范措施决策,最后用实例证明了模型的有效性。

基于节点优先选择策略的协作认知传感器网络

为了提高认知传感器网络的频谱资源利用效率和网络能量效率,提出了一种基于节点优先选择策略的协作认知传感器网络。首先定义了认知节点在感测空闲信道上警报概率和假警报率,通过概率约束条件来限制认知节点的感知性能下限。接着对认知节点进行了能量分析,提出一种基于代价函数的决策规则,在满足网络所需要的频谱感知性能的条件下,对能量消耗量更低的认知节点赋予更高的优先级,从而选择优先级别更高的认知节点参与网络的频谱感知,并限制了参与频谱感知的节点数量。仿真结果表明,相比基于干扰聚合统计模型的认知无线网络和跨层节能意识的认知无线传感器网络,上述算法的能量效率分别提高了151.96%、121.39%。

单目视觉多目标跟踪方法的数据关联策略综述

多目标跟踪作为一项被广泛应用于视频监控、交通路况控制以及自动驾驶等领域的计算机视觉技术,深受相关研究人员的青睐。基于检测的多目标跟踪方法成为如今主流的做法,即对跟踪目标进行识别检测,然后运用数据关联策略生成目标轨迹。在现实生活环境中,场景是非常复杂且跟踪目标的数量和类别通常是不确定的,因此数据关联策略在多目标跟踪方法中是非常重要的环节。本文重点对单目视觉多目标跟踪过程中的数据关联策略进行了综述,系统地介绍了多目标跟踪中的数据关联策略。首先,描述数据关联的研究现状以及对多目标跟踪进行了概述;其次,对数据关联的概念及其需要解决的问题进行了详细介绍;然后,对各种数据关联策略进行了分析总结;最后,对多目标跟踪的数据关联策略的研究方向进行了展望。

利用互动式电教设备来改善课堂教学效果

电子型交互式白板技术的出现,改善了黑板和多媒体投影教学互动性和方便性的不同弱点。文章介绍了电子型交互式自板的两种类型,分析了电子型交互式白板在课堂教学中的突出特点和优势,并指出了利用电子型交互式白板进行教学活动所应该注意的问题。

以市场为导向培养成教计算机专业人才

论述了成人教育的现状及存在的问题，探讨了以市场为导向进行成人计算机专业教育的必要性及改革的措施。

特征融合与分割引导的弱监督目标检测

基于卷积神经网络(CNNs)的区域建议生成方法(PRN)是通过实例级注释进行训练所得,也是当前全监督目标检测(FSOD)的重要组成部分。由于实例级注释耗时耗力,而图像级注释相比之下更容易收集,因此仅使用图像级注释的弱监督目标检测(WSOD)引起了众多研究者的关注。当前,WSOD依赖于诸如选择性搜索之类标准的区域建议生成方法,这些方法容易生成大量有噪的建议框,导致其存在无法拟合真实的目标对象。鉴于此,基于卷积特征多层融合以及分割引导策略获取高质量建议框,具体而言,利用卷积网络深层信息进行多层融合,以及边缘信息获取初始的候选建议框,然后通过弱监督语义分割的一致性准则,将分割映射分为水平和垂直两个变量得到目标一致性表示,从而提取高质量的建议框。在PASCAI VOC2007数据集上的实验结果表明,该方法在分类和定位检测中展现了优秀的性能,平均精度(mAP)和定位精度(CorLoc)准确率分别达51.0%、71.2%。

提高“计算机组成原理”的课堂教学效果初探

文章主要研究了“计算机组成原理”的教改思路，认为可通过运用现代信息技术，更新教学观念，改革教学内容和方法来提高课堂教学效果。

开放超媒体系统模型的一种实现

本文在提出开放超媒体概念的基础上 ,对开放超媒体系统所具备的特征、设计准则、系统模型等进行了探讨 。

研发回报率测评60年述评

世界上开展研发回报率(及与其密切相关的研发投入产出绩效)测评研究与实证至今已整整60年。几十年来,国内外许多学者和机构对此进行了有益的探索。文章从宏观层次与微观层次对国内外研发回报率测评的研究现状进行了介绍,分析了当前研究的特点,并针对研发活动与创新型国家之间的关系,提出研发回报率评价方法体系应体现以下两种思想:和谐思想与可持续发展思想。

网络数据传输高密度信息安全存储仿真

对网络数据传输中高密度信息存储问题的研究,能够保证高密度信息的安全性。对高密度信息的安全存储,需要对数据存储过程中指纹梯度进行优化,实现高密度信息数据的流量分离,完成高密度信息的安全存储。传统方法对划分处理后的高密度信息进行统一编码,建立三维高密度信息存储模型,但忽略了高密度信息数据的流量分离,导致存储安全性偏低。提出基于压缩感知的网络数据传输中心高密度信息安全存储方法。对网络数据传输中心的高密度信息基于压缩感知进行测量,通过优化高密度信息存储节点测量矩阵和转发概率实现数据压缩重构,考虑高密度信息数据存储中使用强度,最小传输粒度等数字特征,对压缩重构数据存储过程中的指纹梯度进行优化,实现高密度信息数据的流量分离。实验结果表明,所提方法能够实现高密度信息高效存储,能够在流量分离的前提下降低信息安全存储时延。

基于多任务的脑肿瘤MRI分割算法

针对脑肿瘤磁共振成像(magnetic resonance imaging,MRI)分割中样本缺少、类不平衡、小区域分割精度低等问题,本文提出了基于3D No-New U-Net的多尺度多任务深度学习算法TDDU-Net。首先,采用了一个编码器和三个不完全相同解码器的结构;其次,采用逆瓶颈结构设计的ConvXt模块作为解码器的前置处理,克服在部分核心区域解码时高层语义未被充分利用的不足;再次,在最底层编码器和解码器连接处增加广义特征处理模块InConvXt,保证全局特征的准确性,增强网络的稳定性;最后,在保证准确率的情况下,使用深度可分离卷积在适当位置减少网络的参数计算量。实验表明,预测分割结果在整体肿瘤区域(whole tumor,WT)、肿瘤核心区域(turmor core,TC)、增强肿瘤区域(enhancing tumor,ET)的Dice相似系数(Dice similarity coefficient,DSC)在BraTS18数据集中分别达到了0.907,0.847,0.807。本文方法较其他方法表现出色,能准确分割出MRI中较小的肿瘤区域。

跨域虚拟化网络最优映射模型的设计与仿真

针对目前算法对跨域虚拟化网络进行多层映射时,由于未能利用TOPSIS(逼近理想解排序法)计算网络中虚拟节点的映射优先级,导致该算法在映射时无法有效检测出网络路径的衰减曲线,存在映射的精准度低、映射成本高的问题,提出基于拓扑感知的跨域虚拟化网络多层映射算法。该算法首先对网络中的节点属性进行分析,基于分析结果对网络中的节点映射优先级进行计算;再结合网络的拓扑感知结构构建面向跨域虚拟化网络的多层映射算法;最后利用该算法构建一个网络节点评价模型并对其进行求解,从而实现对跨域虚拟化网络的多层映射。实验结果表明,该算法在对跨域虚拟化网络进行多层映射时能够有效检测出网络路径的衰减曲线,映射的精准度高、映射成本低。

结合改进引导滤波的GrabCut容器前景图像分割

针对传统GrabCut算法用户交互后得到的目标容器分割结果存在的边缘凹陷、突刺问题,提出结合引导滤波算法与GrabCut函数的方法改善以上问题。该方法通过用户交互在彩色图像中用矩形框标记出存在容器的目标区域,通过GrabCut算法分割出目标容器,然后结合引导滤波算法,将分割后的结果二值化,作为引导滤波的引导图像掩膜,最后通过引导滤波器结合原图像和引导图像得到目标容器分割结果。实验测量了所提方法与其他对比方法的峰值信噪比(PSNR)、结构相似性(SSIM)及平均运行时间,同其他几种方法相比,实验结果表明,该方法对于GrabCut分割后的边缘凹陷、突刺问题优于对比方法,有明显改善。

高校校园数字鸿沟的分析框架与应对策略

从微观角度来看,校园数字鸿沟主要是存在于校园内不同人群间的数字鸿沟,既是"信息富足者"与"信息贫困者"之间的差距,也是"信息工具使用良好者"与"信息工具使用不良者"之间的差距。借鉴简.凡.迪克(Jan A.G.M van Dijk)提出的数字技术接入类型的累积循环模型,分析了校内不同人群间存在的接入动机差距、接入工具差距、接入技能差距和接入应用差距。为尽力缩小校园数字鸿沟,高校应做好以下工作:以信息意识宣传来缩小接入动机差距;以数字校园建设来缩小接入工具差距;以信息素养培育来缩小接入技能差距;以关注重点需求来缩小弱势群体差距。