具有对抗鲁棒性的人脸活体检测方法

现有人脸活体检测方法在深度神经网络的支持下已获得优秀的检测能力,但面临对抗样本攻击时仍呈现脆弱性。针对此问题,引入胶囊网络(Capsule Network,CapsNet)提出一种具有对抗鲁棒性的人脸活体检测方法FAS-CapsNet:通过CapsNet及其图像重建机制保留特征间关联,过滤样本中的对抗扰动;根据皮肤与平面介质的反射性质差异,以Retinex算法增强图像光照特征,增大活体与非活体人脸类间距离的同时破坏对抗扰动模式,进而提升模型准确性与鲁棒性。在CASIA-SURF数据集上进行实验可知:FAS-CapsNet对正负样本的检测准确率为87.344%,对比模型中最高准确率为78.917%,说明FAS-CapsNet具备充分的常规活体检测能力。为进一步验证模型鲁棒性,基于CASIA-SURF测试集生成两种对抗样本数据集并进行实验:FAS-CapsNet在两数据集上的检测准确率分别为84.552%和79.042%,较常规检测准确率下降3.197%和9.505%;对比模型在两数据集上的最高准确率分别为74.938%和41.667%,较常规检测下降5.042%和47.201%。可见FAS-CapsNet受对抗扰动影响更小,具有显著的对抗鲁棒性优势。

Hadoop大数据平台的搭建与测试

大数据处理平台Apache?Hadoop是一个开源的分布式系统框架,可以运行分布式应用程序。在大数据时代Hadoop有着良好的发展前景。本文简要介绍了Hadoop的发展史,分析了Hadoop集群的构造模块和组件,搭建了Hadoop集群并进行了测试。

基于Hadoop的局部支持向量机

随着物联网、云计算等技术的不断发展,产生的数据也以爆炸式的速度不断增长.如何在大数据中进行挖掘和分析成为了当前学术界研究的热点,Hadoop分布式计算也因此逐渐成为了大数据挖掘和分析的主要技术.支持向量机则是一种应用比较广泛的数据挖掘方法,局部支持向量机是在支持向量机的基础上引入局部学习算法的一种有效的分类算法.但是,局部支持向量机需要为每个测试样本分别构造分类器,在大数据上进行分类的时间复杂度较高,分类效率比较低.针对上述问题,结合Hadoop并行计算平台,提出了基于Hadoop的局部支持向量机算法.本文对局部支持向量机进行了两方面的改进:1)将计算测试样本的k近邻并行化;2)将训练模型并行化.测试实验结果表明:基于Hadoop的局部支持向量机能够有效降低分类时间,且在分类精度上与局部支持向量机基本保持一致.

局部支持向量回归在小麦蚜虫预测中的研究与应用

针对小麦蚜虫预测预警准确率不高的问题,本文提出了一种基于局部支持向量回归的小麦蚜虫短期预测算法。首先用相关分析法进行特征选择,然后进行归一化处理,最后使用局部支持向量回归进行小麦蚜虫百株蚜量短期预测模型的构建,并对未知样本进行预测。利用1990~2013年山东省烟台地区的小麦蚜虫数据及气象数据进行实验,并与标准的支持向量回归进行对比试验。局部支持向量回归的预测以及回代的均方误差为196362和198780,准确率为82.69%和91.03%;支持向量回归的预测以及回代的均方误差为199366和213108,准确率为80.77%和91.03%。实验结果表明,对于小麦蚜虫的短期预测,局部支持向量回归在准确率和推广能力上均明显优于支持向量回归。

面向WebGIS服务的水情信息平台研究

水文信息化建设可以提高水文工作的质量和效率。本文针对聊城市水文局的实际情况,利用WebG IS和互联网等计算机技术,将实时水文数据与数字地图的有效结合,构建面向服务的聊城市水情信息平台。该平台完成了水文数据的跨平台整合,并针对不同河流构建相应的洪水预报模型,利用实时雨水情等信息对河流洪峰进行预报,为防汛提供辅助决策。平台具有实用性强、界面友好和灵活方便等特点,极大地提高了水文工作的效率和准确性。

基于KINECT的空中手写数字识别

空中手写识别作为手势识别的重要分支具有很高的研究价值。空中手写数字的识别是一个非常热门的挑战研究课题。本文提出了一种基于两个关键点和八个方向模型("2-8"模型)的数字识别算法。经实验测试表明该算法与手写字体之间的匹配精度较高。

基于进化算法的下一代网络QoS组播路由算法

本文讨论了几种基于进化算法优化的组播路由算法,并探讨了基于优化算法的组播路由算法的发展方向。

一种基于PSO特征加权的局部支持向量机

特征权重是指样本特征对分类的重要程度。在分类过程中通常是将样本特征赋予相同的权重。事实上有相当可观的数据特征中存在许多与分类弱相关的特征,赋予相同的权重会降低分类精度。针对上述问题,提出了一种基于PSO特征加权的局部支持向量机,经UCI数据集测试,结果表明该算法的分类精度优于一般的局部支持向量机。

基于BP神经网络的高校用户网络故障急诊系统

本文介绍的网络故障急诊系统是以BP神经网络为核心的小程序系统,无需安装,界面友好,用户根据提示直接选择故障现状,系统经过对故障现状的特征提取,通过BP神经网络进行学习和输出,给出故障原因和解决办法。

基于关键词与本体混合搜索的实现

近年来互联网高速发展,互联网上的信息呈现爆炸式的增长。要从这浩如烟海的网页信息中找到需要的信息是非常困难的,而信息检索技术是解决这一问题的关键。本文提出了一种搜索方法,这种方法结合了基于关键词与基于本体的搜索方法。当用户输入查询关键词时,该方法使用激活扩散过程在本体中进行推理并给出推荐结果,然后使用这些推荐结果再次搜索并将最终结果展示给用户。

基于遗传算法优化的QoS组播路由算法

QoS组播路由技术作为网络多媒体信息传输的一种核心技术,下一代网络中的QoS组播路由的优化算法已经成为目前研究的一个热点。针对QoS组播的网络模型,提出一种适用于下一代网络的组播路由算法能够更好的满足下一代网络的QoS组播需求显得尤为重要。本文讨论了遗传算法优化的QoS组播路由算法,最后探讨了下一代网络QoS组播路由算法的研究方向。

一种基于聚类的快速局部支持向量机算法

为进一步改善局部支持向量机的分类效率和分类精度,提出一种改进的局部支持向量机算法。该算法对每类训练样本分别进行聚类,使用聚类生成的样本中心点集代替样本,使用改进的k最近邻算法选取测试样本的k个近邻。分别在UCI数据集和自建树皮图像数据集上对本研究算法的有效性进行测试。实验结果表明,本研究提出的算法在分类精度和效率上具有一定的优势。

面向大数据矩阵分解的推荐系统的研究

随着互联网应用范围的不断扩大和网络技术的飞速发展,互联网为人们提供了丰富且数量庞大的信息资源,但同时也造成了互联网信息过载等问题。推荐系统的产生则能够有效解决信息过载这类问题。推荐系统无需太多干预用户正常的互联网使用习惯,通过挖掘用户偏好,构建用户画像,从而针对不同用户提供个性化服务。本文研究了基于矩阵分解推荐系统的核心技术,并对推荐方法和评价方法进行研究阐述,最后对推荐系统的下一步研究方向作出展望。

基于情境信息的移动广告推荐系统的研究

智能移动设备的日益普及和移动互联网技术的快速发展催生了一类新的广告系统,即移动广告推荐系统。传统的互联网广告系统在很大程度上忽略了用户在特定"情境"内与系统交互的事实。在本文中,我们实现了一个名为MARS(移动广告推荐系统Mobile AdvertisementRecommenderSystem)的移动广告推荐原型系统。MARS能够获取不同用户的情境信息以改进推荐结果。系统演示表明MARS能够精准有效地进行广告推荐。

适用于搜索引擎的本体构建方法

近年来互联网高速发展,互联网上的信息呈现爆炸式增长的趋势。信息检索是从信息资源集合获得与信息需求相关的信息资源的活动,由此可见信息检索技术研究的重要性。国内外学者一直在研究基于关键词的检索方法,但是目前仍无法克服这些缺点:基于关于关键词的方法没有考虑查询关键词的语义信息;基于本体的检索方法也存在着限定特定领域,检索速度慢等缺点。本文旨在构建一个比较通用的本体库适用于搜索引擎。