基于增强监督学习的微博情感分析研究

[目的/意义]微博作为国内的主要社交媒体,对其评论文本进行情感分析有助于微博的深度挖掘。[方法/过程]针对目前文本情感分析中应用较广的机器语言在处理含有连接词句子时所存在的缺陷,对中文连接词制定了处理规则,将表情符号纳入特征向量,并结合情感词典计算情感决策得分,提出了基于语言规则和情感得分的增强监督学习改进模型。[结果/结论]通过实例验证,结果表明改进后的模型可显著提高文本分类有效性。

重大政策措施贯彻落实中增强审计监督合力问题探讨——基于一个审计项目的分析

本文从一个重大政策措施贯彻落实情况跟踪审计项目出发,分析国家审计、内部审计、社会审计的关系、作用和存在的问题。研究认为:在审计监督体系中国家审计发挥着主导作用,内部审计应尽快实现职责转变,社会审计需提高监督能力;三种审计各有特点,可以构建以国家审计为主导、以内部审计为基础、以社会审计为支撑的审计监督体系;为增强审计监督合力,应当加强对审计工作的集中统一领导,强化对内部审计的指导监督,坚持出资人委托付费的社会审计模式,充分运用新技术手段。

基于理想组合掩蔽的监督性语音增强算法

为了解决传统的语音增强算法只对语音幅值谱进行估计,而让语音相位谱保持不变的问题,提出了基于相位谱估计的监督性语音分离算法。首先,对传统的相位补偿理论进行分析,提出了一种同时考虑语音幅值谱和相位谱的理想组合掩码(ICM),并将其应用到监督性语音增强算法中。经过仿真实验,证实该算法能够有效地抑制背景噪声,并且能够显著地提高语音的可懂性和自动识别率。

近红外光谱结合无参数校正增强实现不同年份烟叶总糖含量模型更新

近红外光谱技术因快速、无损等特点,已广泛应用于烟草行业质量快速分析。然而,由于采收时间、环境差异等因素的影响,建立的近红外定量模型在新批次样本中的预测性能通常变差,因此必须对原有模型进行维护和更新。该研究采用半监督无参数校正增强(SS-PFCE)方法,通过约束优化,对主模型的回归系数进行修正。首先建立了2016年烟叶样本总糖含量的原始定量模型,其预测相关系数(Rp)为0.9978、预测均方根误差(RMSEP)为0.3108。采用SS-PFCE方法对模型更新后,分别预测2017年、2018年和2020年样本的总糖含量,3个测试集的Rp值比未更新模型提高了0.13%、1.32%和4.29%,RMSEP分别下降了15.26%、58.69%和36.53%。与重新建立的定量分析模型相比,更新后的模型具有更优的预测性能,同时大大降低了建模成本。研究表明,SS-PFCE方法可高效地实现不同年份烟叶样本的模型维护,在实际生产中具有重要的应用价值。

面向心脏MRI分割的半监督空间一致性约束网络

精准分割心脏磁共振图像(MRI)分割对于心脏功能分析至关重要.当前基于数据驱动的神经网络模型极大地促进了心脏MRI分割的发展,然而对标注数据的依赖极大地限制了神经网络模型在心脏MRI分割领域的应用.为了降低神经网络模型对于标注数据的依赖,提出一种基于无监督空间一致性约束的半监督心脏MRI分割方法,在少量有标注数据的监督学习基础上,利用无标签数据在模型输入端和输出端分别进行空间变换后前后一致的特性,构建对于无标注数据的空间一致性约束.使用ACDC 2017心脏多组织分割数据集评估了所提出的方法,实验结果表明,相对于有监督学习,通过无监督数据的空间一致性约束能够显著提升模型的泛化能力;此外,相对于其他state-of-the-art的半监督方法,文中方法也拥有更优的泛化性能.

高速快门诱导的低照度图像弱参考视觉增强方法

高速快门会导致拍摄图像产生多种类型的退化,如极低曝光和噪声等问题。现有的无监督图像增强方法难以构建不同空间域的特征映射关系,以改善图像质量。针对上述问题,提出了一种高速快门诱导的低照度图像弱参考增强方法。该方法训练了一个光照特征提取网络(illumination feature extraction net,IFE-Net)以估计高阶曲线的参数;构建了联合硬注意力机制,加权选择低照度图像和参考图像的特征信息,并利用光照估计曲线将两者有机整合,逼近最佳的非线性映射,以获得清晰的复原图像;设计图像属性和转换感知相结合的多项损失函数,在增强低照度图像的同时保留更多图像细节。与现有的3种低照度图像增强算法进行实验对比,验证了算法的可行性和有效性,并通过消融实验验证了联合硬注意力模块设计的合理性和必要性。

基于FlexUDA模型的SQL注入检测研究

针对深度学习方法检测SQL注入时有标签数据不足容易导致模型过拟合的问题,提出了一种基于半监督学习的FlexUDA模型。首先对采集到的数据进行解码、泛化和分词等预处理,然后通过计算TF-IDF值对无标签数据进行增强,并将原始数据和增强后的数据使用TF-IDF和Word2Vec融合算法进行向量化,最后使用FlexUDA模型进行训练,并将训练好的模型与其他模型进行对比分析。实验结果表明,FlexUDA模型仅使用1000条有标签数据和100000条无标签数据进行训练,就获得了99.42%的准确率和99.23%的召回率,相比其他有监督训练模型,表现出了更好的泛化性能,可以很好地解决SQL注入检测中有标签数据不足导致的过拟合问题。

基于Convnext-Upernet的图像篡改检测定位模型

在当前数字时代,假新闻、网络勒索等网络犯罪行为愈发猖獗,导致篡改图像产生的负面影响日益凸显.鉴于此,检测与定位篡改图像已成为图像取证领域的关键任务.近年来,深度学习技术在计算机视觉领域取得了显著进展,众多篡改检测模型亦逐渐应用该技术.然而,现有模型大多需要在大量数据上进行预训练,且其鲁棒性和泛化能力相对较弱.为解决上述问题,本研究采用在计算机视觉领域表现优异的纯卷积神经网络模型Convnext作为主干网络,并借助统一感知解析网络Upernet提取图像中的多尺度特征,构建了一种基于Convnext-Upernet的篡改检测定位模型.在此基础上,本研究进一步运用自监督数据增强方法放大图像中的篡改痕迹,并利用与篡改检测定位任务无关的图像分类损失函数提高篡改图像检测定位的准确性.本研究在当前主流的篡改检测定位数据集上进行了大规模实验证明,所提出的模型具有高效且精确的篡改检测定位能力.相较于现有跨库性能最佳的MVSSNet++模型,本研究所提出的模型在检测定位性能上提高了14.4%,泛化能力得到全面提升,并对常见的后处理操作展示出了强大的鲁棒性.

党和国家监督体系视域下增强审计监督合力的内涵与路径

党和国家监督体系的监督对象是公权力。作为党和国家监督体系的重要组成部分,国家审计、内部审计、社会审计在履行职责时都会对公权力进行监督。国家审计直接监督公权力;依法属于审计机关审计监督对象的内部审计在单位内部监督公权力,其他单位的内部审计可以优化公权力的运行基础;社会审计通过三种形式参与对公权力的监督,其他情况下社会审计可以优化公权力的运行基础。审计监督合力存在两方面问题:一是三种审计各自的监督能力都存在一定程度的不足;二是三种审计监督方向的一致性有待提高。为此,要加强党对审计工作的集中统一领导,加强对内部审计和社会审计方向的监管和引导,提高三种审计监督方向的一致性;并从权威性、独立性、资源约束和专业胜任能力四个方面入手,增强三种审计各自的监督能力。

关于做好查纠“四风”工作的几点思考

自中央八项规定出台以来,从中央到地方,持续用力,正风反腐,释放了刹风整纪的强烈信号,彰显了党中央坚决推进作风建设的坚强决心和恒久毅力。从目前的状况来看,中央八项规定精神执行5年来,上述问题大都得以改善,党政机关和党员干部群众对执行中央八项规定精神、坚决抵制"四风"侵蚀的情况的认可度总体较高。但仍然存在一些尚未解决或未整改见底到位的"顽疾"。纠正"四风"问题,并不能一朝一夕可以一蹴而就的,各级领导干部必须提高思想认识,担当作为,遵循从严治党的要求,抓出实效,不松手、不收劲,从以下三个方面出发,做到持之以恒,创新招法,努力构建不能、不想、不敢的防腐纠风堤坝。