面向分类任务的隐私保护协作学习技术

随着相关法律法规的发布和人们隐私意识的觉醒,隐私保护要求不断提高。针对分类任务场景,提出了一种隐私性与效用性并重的面向分类任务的隐私保护协作技术(PCTC)。在隐私安全方面,将同态加密和差分隐私相结合,并设计了一种安全聚合机制,实现更加健壮的隐私保护;在效用性方面,引入信息熵的计算因子对标签可信度进行度量,降低标注噪声对模型性能的影响。最后对所提出的方案进行了安全性分析,并在公开数据集上进行了实验验证。结果表明PCTC在保证数据隐私安全的同时大幅度提升了模型性能,具有较为广阔的应用前景。

融合感兴趣区域时空特征的阿尔茨海默症分类任务

传统的功能连接网络模型只提取功能磁共振成像(functional Magnetic Resonance Imaging,fMRI)感兴趣区域(Regions Of Interest,ROIs)的时域特征,用于阿尔茨海默症(Alzheimer's Disease,AD)分类。该模型忽略了ROIs的空域特征,例如脑区之间的两两相关性。不完整的时空特征直接影响阿尔茨海默症、晚期认知障碍(late Mild Cognitive Impairment,lMCI)、早期认知障碍(early Mild Cognitive Impairment,eMCI)和健康对照(Healthy Controls,HC)分类任务的精确度。提出使用动态相关系数核(称为DC-kernel)对空域特征进行动态获取,并与时域特征进行特征融合。实验结果表明,在AD、lMCI、eMCI和HC四分类任务中,较传统阿尔茨海默症的准确率有提高,为其它脑疾病的分类任务提供了一种新的思路。

分类任务与心理旋转任务的事件相关电位P_(300)比较

目的通过比较分类任务与心理旋转任务的事件相关电位(Event Related Potential,ERP)P300平均波幅和脑地形图,探讨心理旋转认知加工的脑机制。方法记录10名男性健康大学生在完成字母和数字分类任务和心理旋转任务时的事件相关电位,比较顶区电极点的P300的平均波幅。结果进行心理旋转任务时,随着刺激图片旋转角度从30o到150o的增加,顶点Pz点P300的平均波幅从[(10.94±2.21)μV]减小为[(8.28±2.83)μV],Cz点P300的平均波幅从[(4.72±2.44)μV]减小为[(2.07±1.23)μV],差异有显著性。分类任务的P300的平均波幅差异无显著性。结论分类任务由于不需要心理旋转加工,其ERP成分不会受到旋转所引起的变化。心理旋转认知加工主要由大脑右半球顶叶完成,旋转角度越大,P300的平均波幅越小。

基于单用户和分类任务的MEC任务卸载策略及性能优化

为了在满足用户服务体验的同时,提高移动设备的能耗利用率,对移动边缘计算(Mobile Edge Computing,MEC)中的任务卸载问题进行研究。考虑整体智能家居等专用MEC应用场景,引入物理机分簇机制,提出一种基于单用户和任务分类的MEC任务卸载策略。结合任务的处理需求,将任务分为低速、中速和高速三类,搭建带有异构边缘的MEC系统架构,构建具有单输入流与多类顾客的排队模型,评估任务的平均处理时延和移动设备的能耗水平等性能指标。进行数值实验,分析不同系统参数对各性能指标变化带来的影响。权衡不同性能指标,构建系统成本函数,应用卡罗需-库恩-塔克(Karush-Kuhn-Tucker,KKT)条件方法,对任务卸载策略进行联合优化,从而实现系统成本的最小化。

面向类不均衡数据的多任务博弈概率分类向量机

在工程实际中获取的故障样本往往会呈现不均衡特点,同时传统的分类模型也会存在局限性。针对这些问题,基于稀疏贝叶斯理论、模糊隶属度等理论,提出了一种多任务博弈概率分类向量机(MGPCVM)分类方法。首先,在MGPCVM的目标函数中,设计了博弈因子,将不同类样本质心间的博弈信息赋予每个样本特定的样本质心敏感值,以解决传统分类器对不平衡数据集分类表现较差的问题;然后,在贝叶斯框架理论下,采用截断高斯先验分布的方法,使样本参数的正负与对应的标签信息相一致,且使样本质心敏感值产生了稀疏估计;最后,将MGPCVM方法应用于两种不同实验平台采集的滚动轴承实验数据处理,进行了故障诊断有效性验证。研究结果表明:在不同的不平衡比(IR)下,MGPCVM方法的准确率均保持在95%以上,相对于支持向量机(SVM)、概率分类向量机(PCVM)等方法提升了4%~8%;与典型向量式分类方法相比,MGPCVM方法可以在不平衡数据条件下表现出优越的分类性能,适用于实际工况中数据失衡的分类问题。

基于非线性参数的意识任务分类

研究了非线性参数作为脑电(EEG)信号特征时对意识任务分类的作用,使用的3种非线性参数特征为最大Lyapunov指数、轨道平均周期和轨道平均初始距离,分类方法为Fisher线性判别式.对4个实验对象共60个任务对进行了分类处理.使用3种参数在2s数据段上取得的平均分类精度分别为82.3%、90.7%和93.3%.在较短(1s)的数据段上,应用轨道平均初始距离参数进行分类取得了平均为90.8%的正确率,分类精度接近于Anderson取得的实验结果.轨道平均周期和轨道平均初始距离算法具有较小的运算量,能够应用于在线系统.

众包平台任务分类与交易方式匹配研究——基于国内外众包网站的探索

随着众包模式的快速发展,众包平台上的任务规模日益扩大,如何根据众包任务特点选择相匹配的交易方式成为众包有效运营的关键。在既有研究的基础上,通过对国内外典型众包网站的任务分类和交易方式进行梳理,首先从创新程度和技术含量两个维度对众包任务进行分类,然后选取任务工期、成交金额、竞投数量、可重复性、承接资质5个任务特征观测指标,建立了众包任务类别与交易方式匹配分析框架。结果发现,低创新性、低技术性任务适用于计件制交易方式;低创新性、高技术性任务适用于招标制交易方式;高创新性、低技术性任务适用于悬赏制交易方式;高创新性、高技术性任务适用于雇佣制交易方式。

基于信息积累技术的大脑运动意识任务分类

提出了将信息积累技术结合Fisher判别式分析的方法,实现大脑想象左右手运动意识任务的连续分类,获得了满意的结果.利用Morlet小波滤波方法提取优化的运动相关脑电特征,对两组实验数据4个受试者的运动相关脑电模式进行分类,平均最大分类正确率达到87.95%.通过最大分类正确率、最大互信息等评价指标的比较,验证了信息积累技术对改善大脑运动意识任务分类性能的有效性,从而为脑机接口系统应用中大脑运动意识任务分类提供了新的思路.

基于QoS的任务分类调度算法

分析了QoS Guided Min-Min及其改进算法,指出了这些算法调度不均衡的缺点。在此基础上设计出基于QoS的任务分类调度算法。先对特殊任务使用Min-Min方法进行调度,然后采用贪心策略对一般任务进行调度,转移或交换最大负载和最小负载机器上的一般任务,使各机器上的任务快速达到均衡。实验表明该算法在保证应用QoS的前提下,相对于以往算法负载分布更加均衡,任务总的完成时间更短。

应用生长、分级的自组织映射模型进行意识任务分类

提出一种使用生长、分级的自组织映射(growinghierarchicalself-organizingmap,GHSOM)模型进行基于EEG信号的意识任务分类来实现脑机接口技术的方法。GHSOM模型是自组织映射(self-organizingmap,SOM)的一种变体,由多层的SOM组成,具有一定的分级结构,能够表达数据中不同层次的信息。同时研究了使用平均量化误差(meanquantizationerror,mqe)和量化误差(quantizationerror,qe)两种方法实现的GHSOM模型对意识任务分类的作用。结果表明,GHSOM模型对于意识任务的可分性能够提供可视化的信息,并且发现使用量化误差方法实现的GHSOM模型提供较多的数据信息和较高的分类精度。使用GHSOM模型进行了5类意识任务的分类,平均分类精度可达80%。

大学图书馆用户信息搜寻任务分类探索

从信息搜寻任务的外部特征、任务完成者感知的任务特征、信息搜寻任务完成过程以及信息搜寻任务对应的检索任务类型4个方面阐述大学图书馆用户信息搜寻任务分类理论框架。将该分类理论框架应用于通过问卷调查的方式收集的工作任务和对应的信息搜寻任务中,结果显示该分类理论框架基本成立,可以抽取出不同用户群信息搜寻任务的一些主要特征。

基于任务分类的UUV导航系统适配性分析

当前对军用UUV导航系统的研究分析多基于实验室'理想'环境或和平时期的海试展开,未考虑战时兵力及保障的可行性与战场环境的变化。文章从对军用UUV任务分类出发,论述了不同任务分类的UUV导航系统需求。分析了几种典型导航系统的特征,并对不同导航系统的适配性展开了讨论。

机电控制软件控制任务的分类及系统实现

为降低机电系统控制软件分析和设计的难度,实现对系统中多任务的解耦,提出了把控制任务分为全局实时任务、局部顺序控制任务、异步并发任务和周期任务的分类与设计方法.系统多个任务之间采用生产者-消费者模式或共享全局变量模式通信.以电梯的PLC控制软件为例,展示了该方法的应用.在PLC程序中采用子程序封装任务,使软件结构清晰,通过"使能位"实现任务的动态调度,提高了系统实时性.设计的软件可作为类似控制软件的框架得以复用.

核电厂主控制室任务分类的初步探讨

本文阐述了主控制室的重要性与发展要求,并对如何在先进控制室设计中实施人因工程原则进行了简单介绍。重点论述了核电厂主控制室任务分析的目的与作用、策略与方法、范围与内容,并对初步的任务分类进行了探讨。

基于多任务分类的吸烟行为检测

为了及时检测吸烟行为,准确做出状态判断,提出了一种基于多任务分类的吸烟行为检测算法。该算法融合多任务卷积神经网络、级联回归和残差网络,通过多任务卷积神经网络算法和基于梯度提高学习的回归树方法(RET级联回归)快速定位嘴部感兴趣区域(ROI);在此基础上,采用残差网络对ROI内目标进行检测和状态识别。实验结果表明,该算法可以准确检测到吸烟行为的发生并做出状态判断,准确率可以达到87. 5%。

分布式测控系统任务分类命名与定位研究

任务的命名与定位是分布式测控系统中的一项关键技术。本文基于面向对象技术 ,提出了一种新的任务命名法——类对象命名 ( Classobjectnaming,CON)。这是一种全局的、与位置无关的命名法 ,有效地解决了分布式测控系统应用级的位置透明性问题。文中从任务的分类命名。

基于可生长自组织映射的意识任务分类

在基于脑电(EEG)的脑-机接口技术中,使用可生长自组织映射(SOM)神经网络进行了5类意识任务分类的研究.结果表明:①可生长SOM能够根据数据内部结构自适应地调整确定其映射网络的拓扑形状,在一定程度上反应了数据的分布特征;②可生长SOM更关注那些表达误差比较大的映射单元,从而整体上减小了映射网络的表达误差,提高了对数据模式的表达能力,有利于模式的分类处理;③可生长SOM侧重于表达类别之间的边界信息,这对于分类问题有着积极的作用.与传统SOM相比,使用可生长SOM进行5类分类处理得到的分类精度提高了10%左右,分类正确率可以超过80%,说明可生长SOM在脑-机接口系统中有着很大的潜在应用性.

脑电意识任务分类的研究

目的:脑电意识任务分类。方法:本文将脑电信号中事件去同步化/相同步化现象作为特征信息,讨论了运用多变量参数AAR模型算法(MVAAR)提取脑电信号特征后,采用线性分析、基于马氏距离分类和留一法三种分类器分别进行脑电意识任务识别。引入正确率,互信息,kappa值,ROC曲线下面积值的概念对分类效果进行性能评价。结果:传统的线性分类、基于马氏距离的二次分类,留一法分类效果都较好。结论:但当两类的协方差矩阵差别较大时,MDA方法有更好的结果。当实验数据庞大时,留一法的分类时间将随着数据量的增大而延长,分类效果受到影响。

基于逻辑回归的多任务域快速分类学习算法

多任务学习通过寻找并共享不同任务域之间的共性特征来完成学习,利用知识迁移加速不同任务域的学习为每个任务域构建一个分类器。提出了一种基于罗杰斯特回归模型的多任务学习方法 MTC-LR(Multi-task Coupled Logistic Regression)。"罗杰斯特回归模型"已经被成功应用于单任务分类器上,该模型被众多实验证明是有效的,正是这种方法给人们带来了启示。从理论上证明了通过构造多任务分类器的"开销函数"和"差异性度量函数",MTC-LR算法可以提高多任务分类器的各自分类精度。相比传统的基于SVM的多任务学习方法,MTC-LR并不依赖于核方法而是通过共轭梯度下降法寻找各个分类器的最优参数。同时MTC-LR与采用"罗杰斯特回归模型"的快速算法CDdual更容易结合,可扩展至大样本的多任务分类学习。正是基于上述发现,为了充分高效利用大样本的多任务域数据,满足大样本的快速运算,在MTC-LR算法的基础上,结合最新的CDdual(The Dual Coordinate Descent Method)算法,提出了MTC-LR的快速算法MTC-LR-CDdual,并对该算法进行了相关的理论分析。将该算法在人工数据集和真实数据集上进行了验证,实验结果表明该算法有着较高的识别率、快速的识别速度和较好的鲁棒性。

滨州市编办完成事业单位改革模拟分类任务

一是做实"规定动作",清理撤并了一批事业单位。清理撤并现有事业单位既是中央和省编制部门的要求,又是实施事业单位科学分类的基础性工作。滨州市事业单位改革办公室采取"撤、并、转"等方式,调整整合了一批事业单位,全市共撤销事业单位58个,共核减事业编制182名,优化了事业单位布局结构。