面向XQuery语言的XML树模式识别方法

XML树模式查询(TPQ)是XML查询的核心操作,也是XML查询相关研究的热点.将XQuery语言描述的查询功能尽可能多地包含在XML树模式查询中,有助于提高XQuery程序的执行效率.面向一种扩展的XML树模式,用于实现XQuery语言的查询计划描述语言FXQL中扩展了XML树模式描述功能.同时,提出一种有效的XML树模式提取算法,能够从XQuery语言的for/let子句和return子句嵌套的FLWOR表达式中收集各种结构约束,并将这些结构约束合并成单个XML树模式,而不是基于传统提取算法的多个树模式.该方法扩大了XML树模式查询技术在XQuery语言实现中的应用范围,其算法实现和实验说明了该方法的有效性和实用性.

基于组合多臂赌博机的移动群智感知用户招募算法

在移动群智感知任务分配中,数据平台不知道用户的感知质量或成本值的前提下,如何建立合适的用户招募机制是该文需要解决的关键问题,不仅需要在用户执行的过程学习其感知质量值,还要尽可能保证移动群智感知平台的高效性和利润最大化。因此该文提出基于组合多臂赌博机(CMAB)的移动群智感知用户招募算法来解决用户成本已知和未知的招募问题。首先把用户招募过程建模为组合多臂赌博机模型,每个摇臂代表选择不同的用户,所获得的收益代表用户的感知质量;其次提出基于上限置信区间(UCB)算法的感知质量函数,根据任务完成情况更新用户的感知质量;然后在每轮的用户招募过程中,学习用户的感知质量和成本,并提出一种新颖的贪婪修复算法。该算法是将用户的感知质量值从高到低进行排序,再选择满足预算条件下感知质量值与招募成本最大比率的用户,最后分配任务和更新其感知质量。最后进行了大量基于真实数据集的实验仿真,以此验证算法的可行性与有效性。

基于城市轨道交通的群智感知任务分发方法

随着当前移动终端设备的发展和5G技术的普及,移动群智感知的需求越来越大。但是目前感知任务的分发方法依然存在着传输效率低下、代价高且不稳定等问题,极大地限制了感知终端任务的完成。为此,该文利用城市轨道交通对于各大城区良好的覆盖性和轨道交通的可预测性,提出了面向激励成本的任务分发模型(ICTDM)和面向用户数量的任务分发模型(UNTDM)。通过轨道交通对聚集式人流的疏导性,实现感知任务在城市不同区域的选择性分发。并以任务所需人数和移动距离的最小化作为手段,完成降低系统总激励成本的目的。实验结果表明,该算法与同类算法相比,可以在完成相同任务集合的前提下,通过优化任务分发过程实现更少的任务参与者分发方案,以达到降低感知任务成本的目的。

基于IWOA群智感知中数量敏感的任务分配方法

随着移动终端的大规模普及,群智感知技术以其高效且成本低廉的优势逐渐取代现有的静态传感器,成为一种新兴的数据收集方式.如何在保证质量、降低成本的前提下,把感知任务分配给最佳执行用户以实现用户任务完成数量的最大化,是数量敏感任务分配问题研究的重点.基于此,提出一种结合非线性递减收敛因子、最优局部抖动以及动态位置更新三种操作的改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),并将其用于求解所提出的任务分配问题.对数量敏感的任务分配问题进行建模,根据用户与任务间的适应程度,定义空间匹配度与技能匹配度.在用户执行任务的过程中考虑到用户的学习能力,引入技能更新机制对用户已有技能进行及时更新,以此提高任务分配的效率.综合考虑预算、用户在线时长以及感知任务完成质量,对最大化任务完成数量的任务分配问题进行合理定义,并从为任务选择最佳执行用户的角度出发,设计一种基于优先级的用户选择策略,以实现在保证感知任务基本完成质量的前提下,降低任务分配的成本.在最优任务分配方案的求解过程中,利用改进算法对每次迭代初始的任务序列进行不断优化,经过有限次迭代即可得到最终结果.将改进算法与其他优化算法在相同环境下进行对比实验,结果表明改进算法在求解任务分配问题时具有更高的性能.

边云协同计算下基于ST-GCN的监控视频行为识别机制

智慧城市的迅速发展为人们的日常生活带来了极大的便捷,其中视频监控系统越来越智能化是信息技术逐渐成熟的必然结果.人体行为识别是智能安防监控领域的重要任务之一,但大量的边缘监控设备产生了井喷式图像视频数据,传统单一的云计算模式已无法全面有效地应对海量数据的计算与处理.提出一种大数据驱动下采用边云协同计算的人体行为识别机制,将以往中心化的计算扩展为边缘、云端协同处理.首先,在边缘节点n0对视频进行相似帧去除的预处理并对提取的骨架序列进行多层次表不,然后云端对时空图卷积神经网络(Spatial Temporal Graph ConvNet,ST-GCN)模型进行训练并将其部署至边缘节点N1-Nm,边缘节点使用训练好的模型完成行为识别任务并将结果上传至云端进行融合得出最终行为类别.实验结果证明,所提方案能有效减少以往中心化计算的网络传输量及云端存储压力问题,且边云协同的优势使得模型识别的准确率稳定提升了2.2%以上.

吴觉农先生的治学、处事、待人精神

整个二十世纪的中国茶业,经历了从极度衰竭到振兴发展的十分艰难曲折的漫长奋进历程,其变幻之大,艰难险阻之多,建树之广,业绩之隆,面貌刷新之全面,是历史上任何一个世纪所没有的。而谱写这一光辉历史篇章的我国茶业界的一代宗师,被称誉为当代茶圣的吴觉农先生,在为茶业无私奉献了七十余年,完成了他的历史使命后,把取得的成果和精心构筑的兰图交付给了他信赖的代代茶人,悄然离去了。茶人们怎样继续谱写吴先生未竞的光辉史篇,才能使他老人家在万花丛中颌首徽笑昵? 在吴先生逝世一周年的时刻,几代茶人凝聚到吴先生的家乡上虞。

移动群智感知中基于任务质量的多任务分发参与者选择

任务分发作为移动群智感知领域的关键研究问题是目前的热点和难点,针对该领域中多任务分发条件下的参与者选择方法进行研究,根据参与者的历史任务完成情况,利用参与者累计信誉以及参与意愿构建参与者服务质量模型(QoS).在最大化QoS的基础上,采用启发式贪心算法解决参与者的选择问题.提出以任务为中心和以用户为中心的两种选择方案,在算法中引入距离约束因子、完整度约束因子以及信誉度约束因子,在保证任务完成质量的前提下,尽可能提升平台最终收益和参与者的收益.对两种算法的可行性和有效性进行评估,与现有的算法在选择出的参与者人数、移动距离以及数据质量等方面进行详细对比,分析各种因素对选择结果的影响.在实验过程中,建立阶跃型数据定价模型,对参与者上传的数据质量进行量化对比.实验结果表明,所提出的算法较现有的算法在服务质量方面取得了很好的效果.