事件信息采集中的事件监测项归约方法研究

随着互联网的飞速发展,从微博、贴吧、论坛、新闻网站等媒体获取关注的事件信息已经是互联网信息处理系统的基本功能。然而,面对大数据时代的媒体资源,如何全面、快速地获取关注的事件信息是值得深入研究的问题。该文针对事件信息采集效率低下的问题,揭示了事件之间的约束效应,为事件监测项、最简事件监测项的要素组成提供了指导;分析了最简事件监测项之间的相交关系,提出了事件监测项的归约方法,减少了用于搜采的监测项的数量。以一个市级地域SaaS平台和一个消防行业SaaS平台中的事件信息采集为实验对象,面向主流的内置搜索引擎,在事件监测项选取率和事件信息采集效率两方面进行了实验评测。结果表明,该文提出的事件监测项归约方法,减少了信息采集的次数,改善了事件信息采集的性能。

近似最近邻归约问题在泊松点过程上的再研究

在已发表文献中,研究了基于图灵归约求解ε-NN的问题,即给定查询点q、点集P及近似参数ε,找到q在P中近似比不超过1+ε的近似最近邻,并提出了一个具有O(logn)查询时间复杂度的图灵归约算法,这里的查询时间是调用神谕的次数.经过对比,此时间优于所有现存的归约算法.但是已发表文献中提出的归约算法的缺点在于,其预处理时间和空间复杂度中有O((d/ε)^(d))的因子,当维度数d较大或者近似参数ε较小时,此因子将变得不可接受.因此,重新研究了该归约算法,在输入点集服从泊松点过程的情况下,分析算法的期望时间和空间复杂度,将算法的期望预处理时间复杂度降到O(n logn),期望空间复杂度降到O(nlogn),而期望查询时间复杂度保持O(logn)不变,从而完成了在已发表文献中所提出的未来工作.

标准当前状态不透明性与强当前状态不透明性的归约

不透明性是信息流安全中的一种重要属性,它表征了系统对入侵者保密的能力.在离散事件系统中,标准当前状态不透明性刻画的是入侵者无法根据当前的输出观测序列确定系统是否达到秘密状态.强当前状态不透明性刻画的是对每一个到达秘密状态的运行,存在一个观测等价的非秘密运行与之对应.显然,强当前状态不透明性比标准当前状态不透明性具有更强的隐秘性.针对标准当前状态不透明性与强当前状态不透明性之间的归约问题,提出一种新的转换方法,即在原系统基础上添加一些新的状态及相关跃迁,分别构造两个新的系统,证明了原系统是标准当前状态不透明的(强当前状态不透明的),当且仅当新系统是强当前状态不透明的(标准当前状态不透明的).

CUDA相邻归约与其避免线程分化算法的研究

在边缘计算环境下,上层应用调度图形处理器(Graphic Processing Unit,GPU)的统一计算架构(Compute Unified Device Architecture,CUDA)进行计算时,可能会遇到CUDA线程分化问题,导致运算耗时较长或线程空置化。本研究介绍了CUDA底层开发的基础原理和概念,并解释了CUDA运算的执行流程。通过分析GPU架构原理,提出了相邻归约算法和相邻归约的避免线程分化算法的实现方式和应用方法。

公钥加密综述

上世纪中叶起,信息化技术的飞速发展引发了人类社会组织形态的根本性变革,从集中式迁移为分布式,“海内存知己,天涯若比邻”从诗歌意象走进现实世界.面向分布式环境下的隐私保护需求,1976年Diffie和Hellman开创了现代密码学的新方向---公钥密码学.半个多世纪以来,公钥密码学一直处于最活跃的前沿,引领驱动了密码学的研究进展,极大丰富了密码学的学科内涵.公钥加密作为公钥密码学最重要的组成部分,在理论方面孕育了可证明安全方法、将各类数学困难问题纳入工具库、启发了一系列密码原语和重要概念,已有多项突破性成果获得Turing奖和Gödel奖;在应用方面则是各类网络通信安全协议的核心组件,在公开信道上实现保密通信.当前,公钥加密仍处于快速发展阶段,在安全性方面,各类超越传统语义安全的高级安全属性研究已经日趋成熟,基于复杂性弱假设的细粒度模型下的安全研究正在兴起;在功能性方面,函数加密的研究方兴未艾,全同态加密的研究如火如荼.本综述按照安全性增强和功能性扩展这两条并行的线索对公钥加密的发展历程和前沿进展做系统性的梳理,旨在引领读者快速登高俯瞰,将重要的概念、主要的结果和关键的技术尽收眼底,在领略公钥加密沿途美景之余,远眺待探索的广袤深邃领域.

求解TSP问题的多级归约算法

TSP(traveling salesman problem)问题是最经典的NP-hard组合优化问题之一.长期以来,人们一直在寻求快速、高效的近似算法,以便在合理的计算时间内解决大规模问题.由于对较大规模的问题,目前的近似算法尚不能在较短的时间内给出高质量的解,因此提出了多重归约算法.该算法的基本原理是通过对TSP问题的局部最优解与全局最优解之间关系的分析,发现对局部最优解的简单的相交操作能以很高的概率得到全局最优解的部分解.利用这些部分解可以大大缩小原问题的搜索空间,同时也不会降低搜索的性能.这就是所谓的归约原理.再通过多次归约使问题的规模降到足够小,然后对这个较小规模的实例直接用已有的算法求解,最后通过相反的次序拼接部分解,最终得到一个合法的解.在TSPLIB(traveling salesman problem library)中,典型实例上的实验结果表明,此算法在求解质量和求解速度上与目前已知的算法相比有较大的改进.

基于神经网络和属性距离矩阵的中药方剂功效归约算法

针对中药方剂功效归纳问题,提出了一种基于人工神经网络新的高维数据归约方法。新方法利用属性间先验的相似信息,得到属性距离矩阵,然后将矩阵引入神经网络,通过训练神经网络得到最终数据归约结果。依据这个方法实现了一个中药方剂分析系统。实验表明,新方法在中药方剂功效的自动归纳中获得很好的效果。

求解大规模TSP问题的自适应归约免疫算法

从理论上分析了影响多级算法性能的因素,并以此为依据构造了求解TSP问题的自适应归约免疫算法.该算法借助归约集的进化使归约集规模自适应增长,归约边的预测精度不断提高,从而提高了算法在归约后找到全局最优解的概率.实验结果表明,该算法比其他算法获得了质量更高的解.

三维几何约束求解的自由度归约算法

三维几何约束求解在装配设计、几何造型和动力学分析等领域有着广泛的应用 在分析基本几何元素间的约束关系对刚体自由度状态影响的基础上 ,提出刚体自由度的归约算法 ,以求得满足约束后刚体的自由度状态空间 ;以刚体自由度状态空间分析为基础 ,实现对合理约束的推理求解和约束一致性维护 该算法解决了三维几何约束求解中自由度计算问题 ,同时避免了一些推理求解算法中出现的“组合爆炸”

基于归约的几何约束推理研究

参数化设计在现代ＣＡＤ技术中占据着越来越重要的地位，几何约束系统的建模、管理与求解是该技术的关键。本文提出了一种基于几何约束网络动态归约的几何推理方法，在参数化建模的同时，实现了对几何约束系统的最大分解，以归约树的形式表达归约结果，清晰地表明了约束系统内部的耦合程度和求解次序。实践表明，该方法在约束一致性检查。

基于相关与时耗复合维归约的弧焊电源动特性自适应在线监测

提出了相关与时耗复合维归约方法,可实现多种弧焊电源动特性自适应在线监测.其核心思想是从一个大的特征库中选择出最贴近监测对象的若干特征.该方法充分考虑特征间的相关性,以及在线监测的时效性.搭建了较为完善的焊接试验数据采集平台,共采集189次焊接过程的电压电流数据作为样本,并以人工评定结果作为文中维归约方法教师信号,即类的标签.随机选择150个样本组成训练集,剩余39个组成测试集.运用文中维归约方法的寻找最优的特征子集.结果表明,找到的最优特征子集的自动化评定准确率达97.435 9%,接近应用要求.

基于串归约的网格工作流费用优化方法

针对截止期限约束下有向无环图DAG(directed acyclic graph)表示的工作流费用优化问题,提出两个新的费用优化算法:时间约束的前向串归约算法FSRD(forward serial reduction within deadline)和时间约束的后向串归约算法BSRD(backward serial reduction within deadline).算法利用DAG图中串行活动特征给出串归约概念;基于分层算法对串归约组的时间窗口重定义,并提出动态规划的求解策略实现组内费用的最优化.两种归约算法综合考虑DAG图中活动的串并特征,改变分层算法中仅对单一活动的费用优化策略,实现了串归约组的时间收集和最优利用.模拟实验结果表明:BSRD和FSRD能够显著改进相应分层算法的平均性能,且BSRD优于FSRD.

基于图形展开及图形归约的过程模型验证方法

工作流过程模型是业务过程的形式化定义,在业务过程的分析、运行和重组方面起着关键性的作用.为了实现预期的业务目标,需要正确地定义工作流过程模型,它的正确性直接影响业务目标的实现,WfMS开始调度执行之前必须对其进行分析.针对大规模复杂应用的特点和业务过程执行的实际需要,对复杂工作流过程模型的正确性验证进行了研究;基于有向有环图(DCG图)详细讨论工作流过程模型的局部错误以及过程逻辑错误;给出了过程建模中避免错误的相关约束规则;另外了提出了一种新型的图形归约和图形展开相结合的验证方法及过程模型验证算法.

基于偏序归约的状态空间约简算法

目前,针对安全协议分析的偏序归约算法较为复杂且不易实现,限制了其适用范围,未考虑约简诚实主体会话中的逆序结点。针对该问题,采用偏序归约的思想,提出一种诚实主体会话中逆序结点的约简算法以及一种迹等价迁移冗余后继结点的约简算法。两种算法思想简单,易于实现。实例表明,这两种算法有效地约简了安全协议的状态空间。

采用高维数据归约由药物判定方剂功效

目的:探讨药物高维数据归约方法判断方剂功效的可行性。方法:以《中医类方辞典》的方剂为样本数据,将组方药物的数据量化,采用单纯的人工神经网络方法(ANN)和人工神经网络方法结合属性距离矩阵的高维数据方法(SARM)分别由药物判断方剂功效。结果与结论:采用人工神经网络方法并结合中医先验知识由药物判断客观方剂功效是可行的。

基于归约图的Web服务自动组合

针对给定的服务库及用户请求的一个输出对象,引入了归约图的概念,证明了完备归约图与输出对象的等价性,论证了裁剪规则、归约规则求解归约图的可行性,由此提出了一种基于归约图的Web服务自动组合方法。该方法根据给定的服务库,针对用户请求的每一个输出对象构造完备归约图,通过裁剪、归约,获取该输出对象的合成路径。将图的构造与搜索过程分开,图的构造过程中不会出现重复节点,归约过程利用了归约图两类节点间层出现的特点。与传统的图搜索算法相比,搜索空间小、算法简单,避免了循环搜索。仿真实验结果表明,该方法具有较好的时间复杂度。

计算主动数据库中不可归约规则集的有效算法

主动数据库中规则集的可终止性判定是一个重要问题,已经成为一个研究热点·有些研究工作提出了在编译阶段运用触发图和活化图的方法解决这个问题,其中的一个关键技术就是计算主动规则集的不可归约规则集·现有的计算方法由于具有一定保守性,使得计算出的不可归约规则集仍可进一步地归约,这无疑将影响到规则集的可终止性判定的准确性和运行阶段规则分析的效率·经过深入分析活化规则可无限执行的特点,提出了活化路径等概念·基于这些概念,提出了一个计算主动规则集的不可归约规则集的有效算法,使现有方法求得的不可归约规则集得到进一步的归约·

一个从k-CNF到t-CNF归约的有效算法

根据极小不可满足公式的特征,对于固定的3 ≤t＜k.我们给出了一个将k-CNF公式归约到t-CNF公式的有效算法.对于给定的k-CNF公式F,t-CNF公式的转换可以在公式F的长度的线性时间内完成.

基于归约的汉语最长名词短语识别方法

该文提出了最长名词短语(MNP)的操作性定义,分析了其构造和分布特征,并设计了一种基于baseNP归约的识别方法,利用MNP结构特性及起始有定成分、语义核心等语言学特征,缓解了最长名词短语长距离依赖与模型观察窗口受限的矛盾。开放测试取得了88.68%的正确率和89.21%的召回率;归约方法全面提升了识别性能,特别是将多词结构的调和平均值提高1%,优化幅度达6%以上,并且对长距离复杂结构有着更好的识别效果。

知识推理描述语言MLND的归约实现模型RMND

本文主要描述采用归约式计算机体系结构来支持知识推理描述语言MLND中函数式和逻辑式风格结合的程序设计,内容包括MLND的概要,基语言设计,系统运行和功效分析等。