现有的基于深度学习模型的词嵌入方法用于Web异常检测时,通常将语料库中没有出现的未知词汇(Out of Vocabulary,OOV)设置为unknown,并赋予零或随机向量输入到模型中进行训练,未考虑未知词汇在Web请求语句中的上下文关系。同时,在Web系...现有的基于深度学习模型的词嵌入方法用于Web异常检测时,通常将语料库中没有出现的未知词汇(Out of Vocabulary,OOV)设置为unknown,并赋予零或随机向量输入到模型中进行训练,未考虑未知词汇在Web请求语句中的上下文关系。同时,在Web系统代码开发过程中,基于个人习惯并为了增加代码的可读性,程序员设计的请求路径代码往往存在一定的模式。因此,考虑到Web请求的模式和单词语义间的相关性,研究基于Word2vec的动态未知词表示方法DUWe(Dynamic Unknown Word Embedding),该方法通过分析Web请求路径中单词上下文的关系来赋予未知词向量的表示内容。在CSIC-2010和WAF Dataset数据集上的实验评估表明,增加未知词表示方法比仅用Word2vec静态特征提取方法具有更好的性能,同时在准确性、精准率、召回率和F1-Score方面均有提高,在训练时间上最大降低1.14倍。展开更多
针对公交车辆的图像监控系统的要求,采用MPEG-4视频编码器对每个宏块在传送过程中Cache严重缺失,视频序列帧率低等问题,提出了运动估计算法的优化、DCT优化、SAD和像素插值优化,以及增加预判别全零DCT系数算法,并在TMS320 C 6455 DSP平...针对公交车辆的图像监控系统的要求,采用MPEG-4视频编码器对每个宏块在传送过程中Cache严重缺失,视频序列帧率低等问题,提出了运动估计算法的优化、DCT优化、SAD和像素插值优化,以及增加预判别全零DCT系数算法,并在TMS320 C 6455 DSP平台上实现了MPEG-4视频编码器的优化.展开更多
面向推荐系统的协同知识感知注意网络(Collaborative Knowledge-Aware Attentive Network for Recommender Systems,简称CKAN)没有优化与项目直接关联实体的嵌入表示,且没有考虑不同传播层次的重要性以及用户点击物品间的关联信息,使推...面向推荐系统的协同知识感知注意网络(Collaborative Knowledge-Aware Attentive Network for Recommender Systems,简称CKAN)没有优化与项目直接关联实体的嵌入表示,且没有考虑不同传播层次的重要性以及用户点击物品间的关联信息,使推荐实体不够准确。因此,提出一种融合项目直接关联实体传播的推荐算法(Items are Directly Associated with Entity Propagation - Collaborative Knowledge-aware Attentive Network for Recommender Systems,简称IEP-CKAN),在IEP-CKAN中将优化与项目直接关联实体的嵌入表示,并融入Ripple Net模型思想在利用波纹集信息时给予靠近中心节点的层次信息更大或更小的权重,再通过无序编码器挖掘用户点击物品间的关联信息,最终计算出推荐结果。实验结果表明,与CKAN相比该方法在Last. FM数据集上将AUC和F1的值提高了1.1%和1.3%,在Book-Crossing数据集上将AUC和F1的值提高了0.9%和1.0%,证明该方法能够进一步提高推荐模型的性能。The Collaborative Knowledge-aware Attentive Network for Recommender Systems (CKAN) does not optimize the embedded representation of entities directly associated with the project. Moreover, the importance of different communication levels and the correlation information between items clicked by users are not considered, so the recommended entity is not accurate enough. Therefore, This paper proposes a recommendation algorithm (Items are Directly Associated with Entity Propagation - Collaborative Knowledge-aware Attentive) Network for Recommender Systems (IEP-CKAN for short) puts the embedded representation of entities directly related to the optimization project in IEP-CKAN, and incorporates the idea of Ripple Net model to give a greater or smaller weight to the hierarchical information near the central node when making use of the information of the ripple set. Then through the disordered encoder mining the user clicks between the items of the association information, the final calculation of the recommendation result. The experimental results show that compared with CKAN, the proposed method increases the values of AUC and F1 by 1.1% and 1.3 % in Last. FM dataset and 0.9% and 1.0% in Book-Crossing dataset, which proves that the proposed method can further improve the performance of the recommended model.展开更多
优化截断嵌入式编码(Embedded block coding with optimized truncation,EBCOT)是JPEG2000的核心,EBCOT所采用的基于码块的率失真优化方式为实现图像感兴趣区(Region of interest,ROI)编码提供了良好的基础.本文分析了其中具有代表性的...优化截断嵌入式编码(Embedded block coding with optimized truncation,EBCOT)是JPEG2000的核心,EBCOT所采用的基于码块的率失真优化方式为实现图像感兴趣区(Region of interest,ROI)编码提供了良好的基础.本文分析了其中具有代表性的隐式ROI编码算法,并提出了一种改进方法.通过构造加权函数,合理地为ROI码块分配权重,在保证ROI信息被优先编码的同时,降低ROI码块中背景区域小波系数的影响,提高了重建图像ROI的质量.实验结果表明,算法在低码率下重建图像ROI质量提高明显,在高码率下也能够很好兼顾重建图像背景区域的质量.展开更多
文摘现有的基于深度学习模型的词嵌入方法用于Web异常检测时,通常将语料库中没有出现的未知词汇(Out of Vocabulary,OOV)设置为unknown,并赋予零或随机向量输入到模型中进行训练,未考虑未知词汇在Web请求语句中的上下文关系。同时,在Web系统代码开发过程中,基于个人习惯并为了增加代码的可读性,程序员设计的请求路径代码往往存在一定的模式。因此,考虑到Web请求的模式和单词语义间的相关性,研究基于Word2vec的动态未知词表示方法DUWe(Dynamic Unknown Word Embedding),该方法通过分析Web请求路径中单词上下文的关系来赋予未知词向量的表示内容。在CSIC-2010和WAF Dataset数据集上的实验评估表明,增加未知词表示方法比仅用Word2vec静态特征提取方法具有更好的性能,同时在准确性、精准率、召回率和F1-Score方面均有提高,在训练时间上最大降低1.14倍。
文摘针对公交车辆的图像监控系统的要求,采用MPEG-4视频编码器对每个宏块在传送过程中Cache严重缺失,视频序列帧率低等问题,提出了运动估计算法的优化、DCT优化、SAD和像素插值优化,以及增加预判别全零DCT系数算法,并在TMS320 C 6455 DSP平台上实现了MPEG-4视频编码器的优化.
文摘面向推荐系统的协同知识感知注意网络(Collaborative Knowledge-Aware Attentive Network for Recommender Systems,简称CKAN)没有优化与项目直接关联实体的嵌入表示,且没有考虑不同传播层次的重要性以及用户点击物品间的关联信息,使推荐实体不够准确。因此,提出一种融合项目直接关联实体传播的推荐算法(Items are Directly Associated with Entity Propagation - Collaborative Knowledge-aware Attentive Network for Recommender Systems,简称IEP-CKAN),在IEP-CKAN中将优化与项目直接关联实体的嵌入表示,并融入Ripple Net模型思想在利用波纹集信息时给予靠近中心节点的层次信息更大或更小的权重,再通过无序编码器挖掘用户点击物品间的关联信息,最终计算出推荐结果。实验结果表明,与CKAN相比该方法在Last. FM数据集上将AUC和F1的值提高了1.1%和1.3%,在Book-Crossing数据集上将AUC和F1的值提高了0.9%和1.0%,证明该方法能够进一步提高推荐模型的性能。The Collaborative Knowledge-aware Attentive Network for Recommender Systems (CKAN) does not optimize the embedded representation of entities directly associated with the project. Moreover, the importance of different communication levels and the correlation information between items clicked by users are not considered, so the recommended entity is not accurate enough. Therefore, This paper proposes a recommendation algorithm (Items are Directly Associated with Entity Propagation - Collaborative Knowledge-aware Attentive) Network for Recommender Systems (IEP-CKAN for short) puts the embedded representation of entities directly related to the optimization project in IEP-CKAN, and incorporates the idea of Ripple Net model to give a greater or smaller weight to the hierarchical information near the central node when making use of the information of the ripple set. Then through the disordered encoder mining the user clicks between the items of the association information, the final calculation of the recommendation result. The experimental results show that compared with CKAN, the proposed method increases the values of AUC and F1 by 1.1% and 1.3 % in Last. FM dataset and 0.9% and 1.0% in Book-Crossing dataset, which proves that the proposed method can further improve the performance of the recommended model.
文摘优化截断嵌入式编码(Embedded block coding with optimized truncation,EBCOT)是JPEG2000的核心,EBCOT所采用的基于码块的率失真优化方式为实现图像感兴趣区(Region of interest,ROI)编码提供了良好的基础.本文分析了其中具有代表性的隐式ROI编码算法,并提出了一种改进方法.通过构造加权函数,合理地为ROI码块分配权重,在保证ROI信息被优先编码的同时,降低ROI码块中背景区域小波系数的影响,提高了重建图像ROI的质量.实验结果表明,算法在低码率下重建图像ROI质量提高明显,在高码率下也能够很好兼顾重建图像背景区域的质量.
