结合对象属性识别的图像场景图生成方法研究

场景图生成在视觉场景深度理解任务中发挥着重要的作用。现有的场景图生成方法主要关注场景中对象的位置、类别以及对象之间的关系,而忽略了对象属性蕴含的丰富场景语义信息。为了将图像属性语义融入场景图,提出了一种结合对象属性识别的图像场景图生成方法。首先针对属性识别的多标签分类问题,提出了一种基于混合分类器的属性分类损失函数来进行属性识别,通过结合二值交叉熵函数训练的二分类器和改进的团组交叉熵函数训练的多分类器来实现单个属性分类的查准率和多个属性预测的查全率全面提升。其次,通过将属性识别分支与原有场景图框架进行融合,将提取的属性信息作为额外的上下文语义与对象特征进行融合后辅助对象之间关系的识别。最后,模型在VG150数据集上与多个基准模型进行了对比实验,结果表明所提模型的对象属性预测和关系识别均取得了更优的结果。

基于联合GLMB滤波器的可分辨群目标跟踪

针对联合广义标签多伯努利(joint generalized labeled multi-Bernoulli, J-GLMB)滤波算法中群目标之间距离较近、容易关联错误的问题,结合超图匹配(hypergraph matching, HGM)提出一种基于HGM-J-GLMB滤波器的可分辨群目标跟踪算法。首先,采用J-GLMB滤波器估计群内各目标的状态、数目及轨迹信息,并利用HGM结果提升量测与预测状态之间的关联性能。其次,通过图理论计算邻接矩阵,获取群结构信息和子群数目。随后,利用群结构信息估计协作噪声,进而校正目标的预测状态。最后,通过平滑算法改善滤波效果,并设置轨迹长度阈值,使其在平滑状态达到消除短轨迹的目的。仿真实验表明,所提算法在线性系统下能有效提升群目标跟踪性能。

基于层级图标签表示网络的多标签文本分类

多标签文本分类是一项基础而实用的任务,其目的是为文本分配多个可能的标签。近年来,人们提出了许多基于深度学习的标签关联模型,以结合标签的信息来学习文本的语义表示,取得了良好的分类性能。通过改进标签关联的建模和文本语义表示来推进这一研究方向。一方面,构建的层级图标签表示,除了学习每个标签的局部语义外,还进一步研究多个标签共享的全局语义;另一方面,为了捕捉标签和文本内容间的联系并加以利用,使用标签文本注意机制来引导文本特征的学习过程。在三个多标签基准数据集上的实验表明,该模型与其他方法相比具有更好的分类性能。

基于重叠社区划分的大群体共识决策方法

基于社会网络的群体决策方法能够利用成员之间的社会关系促进群体共识达成。本文以群体成员之间的社交关系网络为切入点,提出一种基于重叠社区划分的大群体共识决策方法。首先,采用基于标签传播的重叠社区发现算法将大群体划分为若干重叠的子群,其次,采用综合考虑社会网络分析和成员偏好的权重确定方法分别计算个体与子群的权重值。然后,设计面向不同共识水平的偏好调整策略,构建基于Uninorm聚合算子的行为管理方法处理非合作行为,并设计意见替代策略处理未修改偏好的个体成员意见。该大群体共识达成方法借助社会网络分析方法,进一步探究了重叠社区环境下的个体权重分配问题和多种行为管理方法,所提方法的有效性通过算例和仿真实验得到验证。

基于Twitter签到数据的城市居民群体分类算法研究

为实现基于社交媒体大数据的居民群体分类,引入自然语言处理(NLP)领域的标签潜在狄利克雷分布(Labeled LDA)模型。基于2014年芝加哥市的Twitter签到数据,使用LDA探索性分析提取先验信息。构建Labeled LDA,将城市居民分为五类:上班族、大学生及高校教职工、中小学生及教职工、市政工作人员和其他。实验结果表明,Labeled LDA的分类精度达到0.92,超过了支持向量机(SVM)0.87的分类精度。该算法有效地实现了居民群体分类,从而促进有针对性的服务制定。

Assessment of Sulf hydryl Group in Individual Rat Lens Protein Subunits During Galactose Cataract Development

A specific reagent DACM [N-( 7-Dimethylamino-4-methyl-3-coumarinyl) maleimide] is used to study the -SH groups in lens proteins of normal and galactose cataractous rats. DACM when reacts readily with -SH groups form strong fluorescent adducts. The two -dimensional electrophoresis with DACM pre-labeled proteins is a simple and sensitive method for detecting -SH groups of protein subunit. In the present study, based on IEF/SDS-PAGE electrophoretically characterized soluble crystallins, describes specific ...

FURTHER RESULTS ON THE EXISTENCE OF LABELED RESOLVABLE BLOCK DESIGNS

It was proved in this paper that there exists a labeled resolvable block design LRB (4,3; v ) if and only if v ≡0 (mod 4) and v ≥8, with 8 possible exceptions. It was also proved that there exists a nearly Kirkman system NKS (2,4; v ) if and only if v ≡0 (mod 12) and v ≥24, except possibly when v =264 or 372.

Interactive group decision making procedure based on uncertain multiplicative linguistic preference relations

Group decision making problems are investigated with uncertain multiplicative linguistic preference relations.An unbalanced multiplicative linguistic label set is introduced,which can be used by the experts to express their linguistic preference information over alternatives.The uncertain linguistic weighted geometric mean operator is utilized to aggregate all the individual uncertain multiplicative linguistic preference relations into a collective one,and then a simple approach is developed to determine the experts＇ weights by utilizing the consensus degrees among the individual uncertain multiplicative linguistic preference relations and the collective uncertain multiplicative linguistic preference relations.Furthermore,a practical interactive procedure for group decision making is proposed based on uncertain multiplicative linguistic preference relations,in which a possibility degree formula and a complementary matrix are used to rank the given alternatives.Finally,the proposed procedure is applied to solve the group decision making problem of a manufacturing company searching the best global supplier for one of its most critical parts used in assembling process.

注意力感知的群组Next事件推荐策略

近年来,基于事件社会网络(EBSN)逐渐成为人们寻找感兴趣事件的有效途径,如何将事件精准地推荐给有需求的用户已成为该领域的重要主题。下一个项目推荐能够捕获用户的动态偏好,在电子商务等领域取得较好推荐效果。然而,鲜见有关EBSN中的面向群组的下一个(Next)事件推荐研究。主要研究面向群组的Next事件推荐策略,但由于群组偏好会发生动态变化,且事件生命周期短、新事件冷启动等问题使得针对群组进行Next事件推荐变得更加困难。首先,针对群组偏好会随时间发生动态变化的特征,将群组与事件的历史交互划分为多个时段。考虑到划分后群组成员数据变得更加稀疏,不利于群组偏好建模,采用基于参与度的排序策略提取当前时段核心成员的成员偏好,并利用注意力机制融合出群组静态偏好。然后,通过序列模型将各个时段的静态偏好融合得到群组动态偏好。最后,将事件推荐视为多标签分类问题,即将上下文看作事件的多个标签,通过预测各个上下文的概率分布以匹配事件,从而有效缓解新事件冷启动问题。实验结果表明,所提出的推荐策略具有较好的性能。

基于组标签的多标签流特征选择算法

流标签是当前多标签学习领域中一个较新颖的挑战性问题,存在标签空间未定、标签数量不断增加甚至趋于无穷等问题.在多标签学习的特征选择中,每当有新的标签到达时标签空间都将发生改变,传统的多标签特征选择算法需重新进行特征选择,所以不适用.针对此问题,采用将流标签进行分组批量处理的方式,并考虑标签之间的相关性,提出一种新的流式多标签特征选择方法,考虑分组后每组标签内部潜在的关联结构和不同标签组之间的标签差异性,赋予每组标签不同的权重来计算每个特征与标签空间的模糊互信息.同时,结合mRMR(Max-Relevance and Min-Redundancy)的特征选择策略进行冗余特征的剔除,从而挑选最优的特征子集.该方法同时适用于固定标签空间和流式标签空间中的特征选择问题.最后,选取八个多标签基准数据集,采用四种评价指标与已有相关的多标签特征选择方法进行对比实验,实验结果证明了提出方法的有效性和高效性.

基于反比例函数的RFID组证明协议

针对现有的大多数证明协议仅能证明单组或单标签存在不足,提出一种可适用于证明多标签或多组标签存在的证明协议。协议为减少所有通信实体端计算量,采用一种构造超轻量级的反比例函数算法进行信息加密;给出反比例函数具体构造方法及实现步骤,构造过程中结合加密信息自身汉明重量取值,有效地减少了参数的引入,可一定程度上节约存储空间,同时增加了协议破解难度。从理论角度对协议进行安全及性能方面分析,表明该协议能够抵抗常见类型的攻击,且性能优于其他经典协议。

基于群体认知图式的健康UGC知识标注研究

[目的/意义]为促进健康UGC的利用、共享以及规范化管理,提出一种符合用户认知的知识标注方法。[方法/过程]首先,从健康UGC中抽取认知概念,将其归纳到认知情感、认知需求、认知风格、认知内容4个类目;其次,分析各类目下认知概念间的关联关系以构建个体认知图式,并通过图式筛选和特征融合生成群体认知图式;再次,依据群体认知图式确定知识标注的实体及其关系,进而设计健康UGC的知识标注框架;最后,利用OWL语言对健康UGC的知识标注框架进行语义描述。[结果/结论]本研究方法与大众标注法相比,在查全率、查准率、F1值方面更具优势,能更好地满足用户对健康知识的获取需求。

融合领域知识的药店用户画像建模及应用

用户画像是对用户形象的勾勒与描述,现已广泛应用于睡眠会员唤醒,用户到店预测,个性化推荐等典型零售场景,药品不同于普通商品,包含较强的语义知识,现有用户画像主要从消费属性和静态属性出发,不能完全适用于药店销售和预测领域.本文提出了一种针对药品领域的用户画像模型UPP (persona of pharmacy user),在现有画像的基础上嵌入医药知识,利用规则,聚类,统计,实体识别等方法提取慢病、疾病、特殊病类、活动敏感度、用户价值、价格偏好等新标签.将所有标签融入一种基于聚类的群体划分方法,形成用户画像.实验表明,该模型相较于现有的用户画像模型,在消费行为预测场景下精准率提高了13%,更加适用于药店营销场景.

基于形态滤波和推理矩阵的群目标跟踪

针对雷达群目标跟踪时存在交叉、分裂和合并问题,提出一种基于形态滤波的群目标跟踪方法。首先建立笛卡尔坐标系下的群目标量测分布初始图像矩阵,对图像矩阵进行形态滤波和连通域标记处理,获得场景中的群目标个数以及每个群目标的几何区域。然后计算每个群目标的等效质心,并提出推理矩阵来判断群目标之间的交互行为,完成对群目标交叉、分裂和合并行为下的目标关联和稳定跟踪。最后通过仿真验证了该方法对群目标跟踪的有效性。

两个等长圈的卡氏积的群超幻标号

对有限交换群A,图G=(V,E)的A-超幻标号是一个双射φ:E→A,存在c∈A,使得对G中的每个顶点x都有■,其中E(x)为G中关联x的边的全体.该文对任意2n^(2)阶交换群A,构造了两个n长圈的卡氏积的一个A-超幻标号.

基于标签预测的分组映射防碰撞查询树算法

多标签防碰撞系统为了提高识别效率也会使通信复杂度更高,不利于提升系统信息传递的效率。针对防碰撞系统中识别效率与通信复杂度之间的矛盾关系,提出一种基于标签预测的分组映射查询树防碰撞算法。首先使用标签预测算法对阅读范围内的标签数量进行预测,根据预测结果使用不同的查询前缀,标签据此返回不同的信息;在此基础上根据标签ID特性对其进行分组并设计了映射码机制,阅读器根据映射规律反推出碰撞信息得到查询码进行查询识别。仿真结果表明,与QT算法、A4PQT、GBAQT以及DGMQT算法相比,所提算法能够有效减少识别总时隙数,在提高系统效率的同时大大降低了通信复杂度。

社会形象标签语研究

在提出“社会标签”“通用规范标签”“常用具象标签”“社会形象标签”等相关系列概念,界定了相关研究范畴并分析展示了各类词语特点的基础上,以给人贴标签的非正式语言现象“社会形象标签语”为主要研究对象,梳理了国内外研究状况,分析其主要造词方式和对群体认知研究的意义,最后对“社会形象标签语”进行定义和定性,明晰了从“认知社会语言学”到“社会认知语言学”再到“语言社会学”的研究路径。

氨基化单分散量子点／二氧化硅核壳纳米粒子的制备及其细胞标记

通过反向微乳液法,在油溶性量子点表面包裹二氧化硅外壳,使油溶性量子点水溶性化,再利用3-氨丙基三乙氧基硅烷(APTES)在已形成的二氧化硅纳米颗粒表面进行氨基化改性,制备富含氨基的二氧化硅包裹的量子点荧光纳米球.通过透射电子显微镜(TEM)、粒径分析、zeta电位检测、紫外-可见分光光度、荧光分光光度和红外光谱等手段对产品进行了表征.结果表明,所制备的二氧化硅量子点纳米球(45nm)具有单分散性、水溶性好及光化学稳定性强等优点.通过静电作用,所制备的单分散氨基化二氧化硅量子点对肿瘤细胞表面膜电荷进行了初步标记显像.

基于大数据的电力用户群体识别与分析方法研究

随着能源互联网及智能用电技术的发展,深入了解电力用户群体特征,并提供精准电力服务,成为"互联网+"智慧能源的重要研究内容.通过对售电体积累的用户社会属性、用电行为等大数据进行分析,构建用户间相似度权重模型,提出基于"用户-标签"二元网络的相似群体识别方法,并通过群体分析获取群属性和典型负荷特征,预测新入网用户的用电行为.该方法通过对标签数据的分析,便于发现群体中的重要用户,为互联网售电体实施个性化用电服务和增值服务推荐提供支撑,进而提升电力服务质量.

安全策略模型聚合性评估方法

动态策略支持与授权粒度是访问控制的关键问题.现有的研究只关注安全策略的描述能力,却忽略了对策略结构与授权粒度的分析,从而无法全面满足动态策略支持与最小授权要求.指出Lampson访问矩阵模型是对最细粒度访问控制的抽象,普通安全策略则根据应用安全需求对Lampson访问矩阵进行聚合.基于安全标签的聚合性描述框架(a descriptive framework of groupability basing on security labels,简称GroSeLa)可将普通安全策略映射为Lampson访问矩阵,该框架分为基本组件与扩展两部分:前者分析用于实现矩阵聚合的安全策略结构;后者则指出实现全面动态策略支持必须支持的7类管理性需求.在此基础上,提出5项聚合性指标:聚合因子、动态因子、策略规模、授权粒度与职责隔离支持.对4类经典安全策略ACL,BLP,DTE与RBAC的评估,是从矩阵聚合的角度分析不同的安全策略在表达性、可用性与授权粒度上的差异.