一种基于大数据的数字图书馆高效搜索引擎

本文设计了一种基于大数据的数字图书馆高效搜索引擎。该搜索引擎可准确理解读者的需求,节省了搜索时间,提高了查询效率,并能够减少资源定位时间,提高检索查全率。

海量互联网数据中英语翻译术语高效搜索系统设计

针对海量的互联网数据经常产生翻译歧义的问题,设计英语翻译术语高效搜索系统。所设计系统的工作模型从海量互联网数据中收集英语翻译术语,搜索模型构造映射线程来剖析目标英语翻译术语的基本概念和学科范围,通过搜索链接来驱动工作模型进行搜索。工作模型分5条路径采集搜索结果中英语翻译术语的结构特征,提取相关比率高的结果并存储于搜索链接中,将相似度小的搜索结果排列在搜索链接前端,反馈给搜索模型供用户查看。实验测评显示,系统的查全率和查准率等级很高,也可保证搜索效率。

网络静态结构韧性度参数空间高效搜索仿真

由于传统穷举搜索方法没有考虑在静态网络发生断裂之后剩余的网络状态,且搜索方法时间复杂度较高。为此提出基于遗传算法的韧性度采纳数空间高效搜索方法。在考虑静态网络发生断裂之后剩余的网络状态的情况下用图论表示法描述静态网络,通过韧性度评价网络静态结构脆弱性。编码网络静态结构中的节点空间,将原有对点割集变成对网络节点的高效搜索,采用网络离散度表示适应度函数,依照适应度函数的指示,采用交叉、选择和变异等方式,改进解空间中的可行解移动轨迹和移动趋势,得到最优解,完成网络静态结构韧性度参数空间高效搜索。经过仿真分析发现,上述方法在节点数20时收敛代数和收敛时间最小,最小值分别是41次和67 ms,即该方法搜索性能较好。

浅谈如何利用Google高效搜索

该文主要介绍了Google网页搜索的特殊语法结构,详细介绍了各种语法结构及其搜索选项,通过特殊语法结构和搜索选项的使用可以有效缩小搜索范围,从而得到相关性最好的搜索,同时还介绍了Google学术搜索和Google图书搜索的相关信息。

高效时序相似搜索技术

时序相似搜索被认为是将来最有前途的技术之一.然而,时序数据是典型的高维海量数据,如何开发高效算法非常关键.文中概述了时序相似搜索技术的研究现状和进展以及研究的主要内容,讨论了该技术的几个重要应用范例,并对一些典型算法进行了定量分析;然后重点论述了高效时序相似搜索的关键技术,包括边界过滤、三角不等式修剪、多辨析率检索方法、过滤精炼方案等.最后讨论并分析了时序的近似相似搜索技术.上述所有技术通过对比,其正面和反面都被深入分析.最后指出了存在的问题和未来的研究热点和方向.

基于显著图生成和显著密度最大化的高效子窗口搜索目标检测方法

为了实现航空侦察图像的快速目标检测,提出了基于显著图生成和显著密度最大化的高效子窗口搜索目标检测方法。显著图生成采用Itti模型,设计了基于显著密度最大化的高效子窗口搜索方法,主要思想是将显著目标检测变为显著密度最大化问题,并利用分支定界搜索算法以全局最优的方式搜索密度最大的位置。实验表明,新方法可以实现快速目标检测,目标检测平均耗时为36.6 ms,目标检测概率为83.2%。

基于融合显著图和高效子窗口搜索的红外目标分割

为了快速精确地分割红外图像目标,提出一种基于融合显著图和高效子窗口搜索的红外目标分割方法.在获取图像超像素的基础上,提取每个区域增强的Sigma特征,并考虑邻域对比度、背景对比度、空间距离和区域大小的影响,构建局部显著图,接着利用全局核密度估计构建全局显著图,然后融合局部和全局显著图实现图像显著性检测,最后应用高效子窗口搜索方法检测和筛选目标,实现红外目标分割.实验结果表明,新方法的显著图结果目标区域一致高亮且边缘清晰,背景杂波抑制效果好,可实现快速精确的目标分割.

分布式信息系统的高效不变搜索

在如今的信息管理系统中,存在着大量的数据,快速高效的搜索信息成为研究热点。通过有效地描述和跟踪信息系统将分布式系统中的所有监视数据关联起来,提出利用OW强度这一概念来测量监测数据对不同用户请求量的反应强度,并基于剪枝搜索完整的不变量集并结合聚类算法来提高搜索效率,通过算例证明了所提算法的有效性。

基于显著密度的高效子窗口搜索的精准目标检测算法研究

准确性和实时性是影响目标检测性能的两项重要指标。为了在多种复杂场景中进行快速精准的目标检测,提出了一种融合超复杂傅里叶变换(HFT)显著性计算、高效子窗口搜索(ESS)和大津法(OTSU)的精准目标检测算法。该算法首先将输入图像进行HFT显著性计算,得到显著图,然后在显著图的基础上通过高效子窗口进行全局搜索并初步定位目标,最后利用大津法分割子窗口范围内的图像,并根据子窗口边界的像素值优化子窗口的位置,实现精准的目标检测。实验结果表明,新算法在保证运算速度的同时,显著提高了检测精度。

融合显著性计算和高效子窗口搜索的目标检测方法

为了实现航空侦察图像的快速目标检测,提出了融合显著性计算和高效子窗口搜索的目标检测方法。主要将目标的显著特征计算集成到搜索过程中,并通过高效子窗口搜索框架实现快速检测。针对航空侦察图像的目标检测实验表明,与显著图计算和高效子窗口搜索分开实施相比,新方法更加简洁和高效,且保持了原有的目标定位效果。

基于新路由表的双向搜索chord路由算法

针对结构化P2P(Peer to Peer)网络资源高效搜索问题,提出了一种基于新路由表的双向搜索chord路由算法。该算法为解决chord算法路由表中存在着大量冗余信息,查找资源效率低下等缺点,提出了一个新的路由表构造公式。该公式首次加入路由因子概念,充分考虑了网络中节点个数和资源个数对路由表的影响,在不增加路由表项的前提下,不仅基本删除了路由表的冗余项,还实现了chord环的双向查找以减少平均查找跳数。实验仿真结果表明,该算法基本消除了路由表中的冗余信息,减少了平均查找跳数,有效地提高了资源的查找效率。

大规模时序图中持续性稠密子图搜索算法研究

时序图是一种边上带有时间戳的图结构,其中边上的时间戳表示该边出现时间,即图随时间变化不断变化。图数据中的稠密子图挖掘问题具有非常强烈的现实意义。目前,时序图中大多数现有的工作都集中在稠密子图检测问题,该问题目标是找到时序图中所有的目标子图。然而,当时序图的规模过大时,这一问题将变得极其复杂且收效甚微。旨在研究在时序图中长期被忽视的稠密子图搜索问题。具体来讲,给定一个图中的查询顶点,目标是找到一个在一段时间内持续存在且包含该查询点的稠密子图,即该子图满足时间持续性。从全局削减和局部扩展两种不同的思路出发,设计两种不同的高效稠密子图搜索算法,用以应对不同的应用场景。在四个真实世界网络中的大量实验,验证了提出算法的高效性。

一种大规模时序语义网络中突发持续性事件搜索算法

本文提出突发持续子图搜索算法,首先,给定图中一个查询点,计算出该查询点的重要度,其次得到其突发持续序列,然后根据查询点的突发持续性提出了基础策略和优化策略两种不同思路下的突发持续子图搜索算法。大量基于真实的时序网络数据的实验结果证明了本文提出算法的高效性和有效性。

基于改进A＊的三维航迹快速规划方法

针对导弹航迹规划的高时效性要求,提出了一种基于改进A*的快速航迹规划方法。该方法针对A*算法计算过程的主要耗时点,采用了基于双向链表的OPEN表标记插入排序方法;针对导弹飞行三维约束条件,引入了基于简化运动学方程的空间节点高效扩展方法。仿真结果证明,改进A*算法在没有改变航迹规划结果质量的同时,有效的提高了航迹的搜索速度。

基于区域协方差和目标度的航空侦察图像舰船目标检测

为了实现岛岸复杂环境下航空侦察图像舰船目标检测,提出一种基于区域协方差和目标度的显著目标检测方法。在联合条件随机场和字典学习的图像显著性检测框架下,首先提取每个区域增强的sigma特征,并进行稀疏编码,然后又设计基于显著优化的目标度特征,利用信念传播算法推断生成舰船目标显著图,最后应用高效子窗口搜索方法实现舰船目标检测。实验结果表明,新方法的显著图结果目标区域一致高亮,背景杂波抑制效果好,可实现准确的目标检测。

融合常规运动目标和突然机动目标的图像跟踪系统

当舰载或机载光电传感器晃动、掉帧或者目标做复杂战术机动时,跟踪目标在相邻帧间会突然改变原来的运动轨迹,此时如何有效跟踪突然机动目标是一个难点问题。首先利用基于组合基于(speeded up robust features,SURF)特征描述子的二帧差分法进行背景差分,然后再利用卡尔曼滤波给出目标的预测位置,在以此为中心的搜索区域内用Mean shift跟踪方法寻找目标的最佳匹配,同时逐帧根据卡尔曼滤波的先验预测误差协方差判断目标是否出现机动。在检测到目标机动后,利用基于显著密度的高效子窗口搜索方法快速检测视场内的所有可疑目标,最后利用SURF算法进行特征匹配筛选出原始跟踪目标并返回目标位置,实现突然机动目标的自动可靠跟踪。仿真实验表明,新系统无论针对常规运动目标还是突然机动目标都能保证又快又准的跟踪效果。

大数据技术在财经新闻信息服务上的集成创新应用研究与探索

大数据时代媒体行业应该如何运用大数据技术融合创新,提升信息服务的能力和水平。可以看到包括汤森路透、彭博、美联社在内的很多国外主流媒体都在积极运用大数据技术融入到新闻的生产和传播流程,在业务形式上力求创新。针对不断涌现的新技术形态,国内媒体近年来也加大了在技术创新方面的研究力度。其中,作者参与的科技部研究课题通过开展云计算、信息搜索、语义分析、文本挖掘、机器学习、知识网络、知识图谱、个性化推荐等大数据关键性前沿性技术研究,创新性地将相关技术集成融合,努力打造财经信息智能云服务平台,满足大数据时代用户对“信息智能服务”的需求。

基于遗传算法的金融证券投资策略分析

通过近几年的研究,遗传算法取得了重要的成果,即使在不相干的学科中也相互渗透使用,为此,提出基于遗传算法的金融证券投资策略分析。遗传算法是一种适应全局优化概率的搜索算法,在确定群体对象后,利用随机化技术高效搜索被编码的参数空间。这种算法的应用范围较广,在计算上简单通用,并且适用于各个领域,以成为重要的智能算法之一。

混合云下具有交付期约束的众包任务调度算法

由多个任务组成的众包任务(Bag-of-Tasks,BoT)被广泛应用于各种领域,一般在混合云下执行。与调度问题中传统的截止时间约束不同,交付期约束允许BoT应用程序的完成时间超过预先指定的交付期,但会产生延迟惩罚。在这种情况下,为了降低总成本,文中提出了一种高效的和声搜索算法(Efficient Harmony Search,EHS),用于在混合云下优化调度任务。该算法通过随机搜索和微调得到初始任务序列,然后通过改进和声搜索步骤和产生新和声记忆库的方式,在一次搜索过程中可以获得大量优质和声,大大提高了和声搜索的效率,加快了算法的收敛速度。通过不断迭代,获得全局最优解,即使总成本最低的BoT应用调度方案。实验结果表明,相比其他算法,该算法在性能上有显著提升,可以有效地降低调度众包任务的总成本。

一种结构范数正则化的可微神经结构搜索算法

可微神经结构搜索(differentiable neural architecture search,DNAS)作为近年来神经结构搜索的主流方法之一,通过结合基于梯度优化的搜索策略能够有效地搜索网络结构.然而,存在结构搜索稳定性差和模型复杂度高的问题.为了解决这两个问题,本文提出了一种结构范数正则化的可微神经结构搜索算法,提高了结构搜索的稳定性;设计了一种冗余边剪枝算法修剪网络结构中的冗余边,降低了最终模型的复杂度.本文在CIFAR10,CIFAR100,miniImageNet和胎儿心脏标准平面分类(fetal heart standard plane,FHSP)等4个数据集上进行了算法性能对比实验,与一系列当前最新的可微神经结构搜索算法相比,取得了最优的综合性能.