基于结构标签学习的显著性目标检测

提出了一种基于结构标签学习的显著性目标检测算法,将结构化学习方法应用到显著性目标检测中。首先从含有标记的图像中随机采集固定大小的矩形区域,并记录其结构标签;然后使用含结构标签的区域特征构建决策树集合;最后采用监督学习的方法对图像进行优化预测,得到最终的显著图。实验结果表明,本文方法能较准确地检测出图像库中图像的显著性区域,在数据库MSRA5000和BSD300的AUC值分别为0.891 8、0.705 2,说明本文方法具有较好的显著性检测效果。

基于改进粒子群算法的标签天线结构参数多目标优化设计

为了解决天线设计人员应用电磁仿真软件优化天线结构时存在的优化方向不明确和优化速度慢的问题,文中以干式水表的嵌入式射频识别标签天线设计为例,提出了基于改进粒子群算法的标签天线结构参数多目标寻优方法。首先,根据干式水表产品追溯需求,提出了中心频点尽可能接近理想中心频点、回波损耗尽可能低、带宽尽可能宽、面积尽可能小的四个目标函数。其次,为避免粒子群算法陷入局部最优,采用多维均匀拉丁超立方初始化、Logistic混沌映射非线性变化惯性权重、网格划分变化学习因子、高斯扰动策略等方法对算法进行改进,并应用于标签天线结构参数多目标优化中。最后,进行了实例验证。验证结果表明:利用改进后的粒子群算法得到的标签天线结构参数优化结果可更大程度满足优化目标需求,优化耗时仅为电磁仿真软件的40.1%。

基于标签层次结构的视觉关系检测模型

视觉关系检测是在目标识别的基础上,进一步检测出目标之间的关系,属于视觉理解和推理的关键技术.然而,由于关系标签视觉上的相似性以及数据不平衡问题造成少样本的尾部关系检测召回率较低.为了提高尾部关系的检测效果,本文将关系标签进行粗细粒度划分构建了标签的层次结构表示,提出了基于标签层次结构的视觉关系检测模型.模型利用视觉关系之间的相似性以及数据带有的偏见性构建关系标签的层次结构表示,以此将关系区分为粗粒度关系和细粒度关系,使尾部关系在由粗粒度到细粒度的结构上获得更多的关注.同时,针对标签层次结构的性质设计其损失函数,该损失函数通过结构化信息逐层学习不同类别关系之间的差异,使模型更好的检测尾部细粒度关系.分别在公开数据集Visual Relationship Detection(VRD)和Visual Genome(VG)中验证了本文模型检测尾部关系的效果.与现有模型相比,在VRD数据集中平均召回率mR@20、mR@50和mR@100分别提高了0.62%、1.57%和2.47%;在VG数据集中,mR@20、mR@50和mR@100分别提高了0.67%、0.83%和1.15%.

深层次标签辅助分类任务的层次标签文本分类方法

层次标签文本分类是自然语言处理领域中一项具有挑战性的任务,每个文档需要被正确分类到对应具有层次结构的多个标签中。然而在标签集中,由于标签包含的语义信息不充分,同时被归类到深层次标签的文档数量过少,深层次标签训练不充分,导致显著的标签训练不平衡问题。基于此,提出了深层次标签辅助分类任务的层次标签文本分类方法(DLAC)。该方法提出了一种深层次标签辅助分类器,在标签语义增强的基础上有效利用文本特征与深层次标签对应的父标签结点(即浅层次标签的丰富特征)来提升深层次标签的分类性能。与11种算法在三个数据集上的对比实验结果表明,模型能够有效提升深层次标签的分类性能,并取得良好效果。

基于结构化标签的控制流错误检测算法

在高辐射宇宙环境下,大量射线容易使航天计算机发生瞬态故障,导致程序出现控制流错误,而传统控制流错误检测算法存在运算复杂度高、具有滞后性和配置不灵活等缺点。为此,基于结构化标签提出一种可配置的控制流错误检测算法。算法使用2个标签,通过对基本块设计结构引入双指令环,解决块间滞后性的问题,实现基本块间和块内的控制流检测。实验结果表明,与同类算法相比,该算法在保证等效检错能力的情况下可使空间开销降低49.3%,时间开销降低17%~45.3%,故障覆盖率提高6.2%~8.6%。

新浪微博用户领域分类标签的结构和互动研究

使用社会网络分析方法,以新浪微博用户互惠关系为研究基础,通过实证分析新浪微博用户领域分类标签的密度,研究微博用户领域分类标签结构;打破原来用户所处微博用户领域分类标签格局,依据用户互惠关系对其进行重新分组,探讨在微博空间中各领域标签的互动情况。密度分析结果表明新浪微博对娱乐、传媒、健康、军事、房产分类标签影响较大,对汽车和公益分类标签影响相对较小;通过凝聚子群分析发现5组高密度凝聚子群,每组凝聚子群包含的分类标签互动程度高,影响程度大,从而能为舆论的监控和引导以及预测领域信息对其他领域影响关系提供理论依据。

信誉标签结构线索对消费者健康食品购买意愿的影响研究

"民以食为天""食以安为先",食品安全问题历来备受关注,消费者在食品选择或消费时会努力寻找各种证明食品安全的有效线索,其中信誉标签结构线索(Cues of Credence-label Structure)是消费者较为重视的有效线索。从实践看,虽然已有研究表明消费者对食品信誉标签结构线索持积极态度,由于信息不对称仍然存在消费者无法准确评估信誉标签结构线索而产生消费决策偏差的现象,在一定程度上限制了消费者的决策质量与消费满意。本文基于证实性偏差理论提出信念一致性框架模型,试图探索信誉标签结构线索与健康食品争议类型的交互作用及信念一致性的中介机制。研究结果表明,在信誉标签结构线索(产品层面与成分层面)与健康食品争议类型(无争议健康食品与有争议健康食品)交互作用下,消费者会对健康食品的购买意愿产生差异:产品层面,信誉标签线索在无争议的健康食品消费情境中存在证实性偏差,导致更强的健康信念一致性,并在健康信念一致性的中介作用下,对消费者健康食品购买意愿产生积极影响;成分层面,信誉标签线索在有争议的健康食品消费情境中不存在证实性偏差,导致更弱的不健康信念一致性,并在不健康信念一致性的中介作用下,对消费者健康食品的购买意愿产生积极影响。这些研究结论在深化和拓展信誉标签结构线索等理论体系及其适用边界的同时,对消费者健康和福利及企业营销实践等具有重要意义。

融合标签结构依赖性的标签分布学习

针对现有标签分布学习(Label Distribution Learning,LDL)算法较少考虑标签间关联性的问题,提出一种融合结构化标签依赖性的LDL算法.算法分为扩展、学习和恢复三个阶段:在扩展阶段,结合成对标签之间的关联性,构建结构化标签依赖性;在学习阶段,结合该依赖性,构建学习框架;在恢复阶段,利用最小二乘法求解超定方程组以预测标签分布.与七种常用的标签分布学习算法相比,在八个开放数据集上进行实验,提出的算法在Euclidean距离、Sørensen距离、Squardχ2距离、Kullback‐Leibler散度、Intersection相似度和Fidelity相似度六个主流评估指标上明显占优.

多角度标签结构和特征融合的多标签特征选择

特征选择是提高多标签分类性能的一种关键技术,一些特征选择算法在选择与标签相关的特征时没有从多个角度考虑标签结构,致使好的特征未能被选取,影响分类性能.为此,提出一种多角度标签结构和特征融合的多标签特征选择MLSFF.该算法的主要特点是:1)从三个角度考虑标签结构,提取三个重要的特征子集. 2)融合提取的三个特征子集将整个特征空间划分为三个不同重要性的子空间. 3)根据各子空间的重要性,分别设置每个子空间选取比率,并从各子空间中选取冗余度较低的特征,合并成所要的特征子集.多个数据集的实验结果表明,该算法与对比算法相比具有明显的分类效果.

基于二维决策图分析单调关联系统的“标签”性质

"标签"理论最初作为一个有用的工具来分析部件寿命是独立同分布的单调关联系统。萨马涅戈和纳瓦罗等人通过得到划分事件的概率和对事件概率求置换的方法,定义系统部件寿命是独立同分布时的"概率标签"和"结构标签"。而对于部件不是独立同分布时,提出二维决策图法来分析"标签"性质。结合二维决策图的可视化以及部件的状态概率进一步地得到部件不是独立同分布情形下的"标签"定义。

基于结构化学习的车辆行为分析

人工智能的快速发展促使交通领域的研究走向智能化,基于视觉的车辆行为分析成为一个活跃且具有挑战性的研究领域.然而,现有方法只是对车辆行为进行简单分类,缺乏对车辆行为的结构化分析.受结构化学习启发,本文提出基于结构化学习的车辆行为分析方法.即采用能够捕捉车辆行为显著视觉信息的结构化标签表征车辆瞬时行为状态,结构化标签中同时包含车辆行为趋势和行为程度2个信息.为验证所提方法的可行性,本文将结构化标签分别与深度森林和卷积神经网络相结合,构建了结构化深度森林模型和结构化卷积神经网络模型.初步实验结果验证了对车辆行为进行结构化分析的有效性.

一种基于标签的程序控制流错误检测方法

如今程序控制流错误已成为影响嵌入式计算机可靠性的主要因素之一。在现实生活中,嵌入式系统的计算机受很多因素影响(比如辐射、硬件故障、环境干扰等),从而导致程序出现控制流错误使程序不能正常运行。传统的控制流检测算法具有配置不灵活、滞后性等缺点。对此,介绍了一种针对程序控制流错误的检测方法,该方法对程序进行基本块划分,为每个基本块设置静态标签,采用后继块信息标签,与程序运行时产生的动态标签进行匹配,从而检测控制流错误。每个基本块都在起始处和结束处各进行一次检测判断,双重检测判断可较有效地检测出控制流错误,并且该方法能够在当前基本块发现控制流错误,不延迟到后面的基本块,较有效地解决了基本块间检测的滞后性问题。

嵌入偏序约简的状态事件线性时序逻辑验证

模型检验是硬件和软件形式化验证最成功的技术之一.目前大部分的模型检验技术是基于状态的而不考虑迁移上的操作和事件.这导致模型检验在验证使用事件进行交互的组件系统中面临新的困难,因此需要新的规约技术对状态事件系统进行规约.状态事件线性时序逻辑(State/Event Linear Temporal Logic,SE-LTL)给出了一种简洁和直接的方式表达包含状态和事件的系统属性.在SE-LTL中,状态和事件都可以作为原子命题.基于自动机理论的线性时序逻辑(Linear Temporal Logic,LTL)模型检验可以被用来对SE-LTL属性进行验证.然而SE-LTL属性在经典的stutter等价(stutter-equivalent)下无法保持,所以最有效的并发程序状态约简技术:偏序约简技术(Partial Order Reduction,POR)不能直接应用于SE-LTL的验证.该文提出一种新的方法利用已有的偏序约简技术对SE-LTL验证过程的状态空间进行约简.该方法分为两个部分:第一个部分是针对SE-LTL不带NEXT算子的约简方法;第二部分则是带NEXT算子的约简方法.第一部分的主要思想是从一个Büchi自动机(Automata,BA)中抽取出“状态部分”.“状态部分”的含义是该部分只与系统的状态相关.基于“状态部分”,给出关于BA和标签Kripke结构(Labeled Kripke Structure)的同步乘,并在同步乘的构造过程中嵌入偏序约简技术,从而约简同步乘的状态空间,即该文的约简技术是on-the-fly的.嵌入的偏序约简在已有的偏序约简基础上,面向SE-LTL公式中的事件引入新的可见操作的识别方法.为了能够将偏序约简技术应用到所有的SE-LTL公式,该文同时给出验证SE-LTL带NEXT算子的偏序约简算法.NEXT算子是偏序约简的另一个主要障碍.该部分是文中的第二部分工作.该部分的技术依然是on-the-fly的,并且需要与状态部分的识别相结合.通过将该文技术实现到SPIN模型检验器中对已有的模型进行验证.Spin是针对LTL的并发程序模型检验器.实现部分包括SE-LTL到BA的转化,以及on-the-fly的模型验证过程.实验的过程主要针对三个模型集:生产消费者模型,哲学家就餐问题以及公共对象请求代理体系结构中的GIOP协议.验证结果表明,对比完全基于状态的模型检验和不带偏序约简的状态事件模型检验,该文的方法具有更好的效率,并且能够被应用于状态事件系统,特别是安全有关嵌入式系统的验证.

特征回归与检测结合的人数统计方法

针对目前特征回归与检测这2种主流的人流量统计方法的不足,提出一种基于特征回归与检测结合的人数统计方法.对于视频帧的远景区域,采用背景分割的方法提取出前景块,将前景块中的特征通过贝叶斯多核支持向量回归方法估计出人数;对于近景区域提取HOG特征,采用弱标签结构训练出模型,并采用星型结构混合模型级联检测实现行人的准确定位并统计出人数.在视频数据库上的实验结果表明,该方法不仅能够较准确地实现人流量的统计,在一定程度上减少统计时间,还能够准确地定位出一定尺度范围内行人的位置.

MPLS技术及其发展趋势

多协议标签交换使用定长的标签来引导数据高速传输和交换。MPLS,实现了增强的流量工程和负载均衡,为服务供应商和企业改善整体网络管理、更好地利用可用带宽提供了技术支持。MPLS技术为传输网和光网络、支持移动IP。

MPLS技术及其发展趋势

多协议标签交换使用定长的标签来引导数据高速传输和交换。MPLS，实现了增强的流量工程和负载均衡，为服务供应商和企业改善整体网络管理、更好地利用可用带宽提供了技术支持。MPLS技术为传输网和光网络、支持移动IP、以及在无线移动通信网的发展中提供了重要解决方案。

基于K-中心点聚类算法的论坛信息识别技术研究

提出了一种从非确定结构的论坛页面自动获取信息区域的方法。该方法在对K-中心点聚类算法的研究基础上克服了算法中固定簇数的缺陷,并在算法的簇中心距离计算中引入Smith-Waterman改进算法,提高了算法聚类的精确度。通过对大量论坛网页进行信息识别的实验显示,该方法切实可行并且具有较高的准确性。

Creating customized data services from web pages

To extract structured data from a web page with customized requirements,a user labels some DOM elements on the page with attribute names.The common features of the labeled elements are utilized to guide the user through the labeling process to minimize user efforts,and are also utilized to retrieve attribute values.To turn the attribute values into a structured result,the attribute pattern needs to be induced.For this purpose,a space-optimized suffix tree called attribute tree is built to transform the document object model(DOM) tree into a simpler form while preserving its useful properties such as attribute sequence order.The pattern is induced bottom-up on the attribute tree,and is further used to build the structured result.Experiments are conducted and show high performance of our approach in terms of precision,recall and structural correctness.

A Novel Stateful PCE-Cloud Based Control Architecture of Optical Networks for Cloud Services

The next-generation optical network is a service oriented network,which could be delivered by utilizing the generalized multiprotocol label switching(GMPLS) based control plane to realize lots of intelligent features such as rapid provisioning,automated protection and restoration(P&R),efficient resource allocation,and support for different quality of service(QoS) requirements.In this paper,we propose a novel stateful PCE-cloud(SPC)based architecture of GMPLS optical networks for cloud services.The cloud computing technologies(e.g.virtualization and parallel computing) are applied to the construction of SPC for improving the reliability and maximizing resource utilization.The functions of SPC and GMPLS based control plane are expanded according to the features of cloud services for different QoS requirements.The architecture and detailed description of the components of SPC are provided.Different potential cooperation relationships between public stateful PCE cloud(PSPC) and region stateful PCE cloud(RSPC) are investigated.Moreover,we present the policy-enabled and constraint-based routing scheme base on the cooperation of PSPC and RSPC.Simulation results for verifying the performance of routing and control plane reliability are analyzed.

软件定义的云计算基础理论与方法的研究进展

当前云计算用户体验与资源利用率之间的矛盾已成为阻碍其快速发展的瓶颈。共享云系统仍然存在尾延迟、低效率、高干扰三大应用问题。亚马逊、谷歌等企业已对上层软件栈开展了大量优化,但仍无法有效解决问题。因此工业界呼吁通过底层硬件创新、软硬件协同方式来保障服务质量、提高资源利用率。学术界也已开始探索从底层硬件到上层应用的全系统栈协同设计方案。本项目提出面向第三代云计算发展方向的低熵云计算理论框架,通过研究标签化冯·诺依曼体系结构、容器化存储引擎、通信局部化高阶网络、时空共享资源管理、混合负载测试基准SDCBench等,实现在共享云环境下同时满足用户体验与资源利用率,较国际主流云平台降低尾延迟1个数量级,提升资源利用率1倍。