重大舆情事件的双层区块链溯源方法研究

未来元宇宙是以可信社交网络为基础、个性化充分发展的世界,但目前社交网络中信息来源鱼龙混杂且易篡改,致使重大舆情事件难以溯源。针对以上问题,构建了舆情信息双层区块链实现舆情事件溯源。基于SentenceBERT模型提取各用户的言论句向量并评估用户间兴趣相似度,利用Leiden算法实现兴趣社区发现,以兴趣社区用户为节点构建舆情信息链存储用户言论及其来源信息,以各兴趣社区领导者为节点构建兴趣社区链,存储高影响力用户言论关键词信息。以言论关键词检索兴趣社区链中潜在舆情源头社区,在舆情信息链中检索相关社区区块,多源信息以时间为序列形成多源头溯源证据链。实验结果显示双层区块链的平均查询延迟为110 ms,吞吐量大于550 TPS,结合安全性分析表明该方法在舆情数据可信管理、重大舆情事件可追溯方面有效可行。

针对非均衡数据的人脸识别算法

目前在基于深度学习的人脸识别领域面临数据不均衡的问题,这使得样本少的类别精度难以提升。常见的通过对损失函数的改进,或是简单的数据增强难以从根本上解决这一问题。为此,论文将隐式数据增强的方法引入基于角距离度量函数,构建人脸识别算法:通过对样本在特征空间中的特征向量沿某个特定方向做相关改变来增加此类样本的多样性,使样本较少的类别在特征空间中尽可能地产生更多相似却不相同的特征向量来减轻不均衡数据集对识别算法所造成的负面影响。在通用人脸识别数据集LFW,IJB-A,MegaFace上的测试结果表明,该方法能有效提高人脸识别的精度。

基于多层次聚类的文本知识挖掘

为解决在互联网文本信息爆炸性增长的前提下,在大规模文本数据中如何发现隐含的、有价值的潜在知识的问题,提出基于多层次文本聚类的文本知识挖掘方法,针对不同规模的文本数据进行不同粒度的聚类,实现不同层次知识的挖掘。针对最广义层次的文本知识挖掘可实现各主题事务划分,针对子级分类数据的文本知识挖掘可发现下一层次主题分类,针对自定义层次的文本知识挖掘可发现该事件中存在的具体细节。对诉求实际数据的分析结果表明,该方法可在所有诉求数据中挖掘出各种诉求主题,精确挖掘出其中的细节问题,为管理者提供数据和决策支持,提高服务效率。

SDN网络中基于拓扑分域的故障恢复方法

为解决网络故障恢复期间的反应时间过长的问题,将软件定义网络(software defined networking,SDN)网络架构引入到网络故障恢复的策略设计中,对比现有故障恢复领域研究的优势和不足,提出一种基于SDN的故障恢复方法。通过对整网拓扑结构进行分域,采用无向图环路算法(undirected graph loop algorithm,UGLA)计算当前网络拓扑中的所有环路;根据UGLA,设计链路评估方法,选择最优故障备份转发路径转发数据流量。故障恢复实验数据的分析结果表明,该方法可提高交换机流表匹配效率,减少故障恢复时间,保障业务的带宽需求和服务质量。

基于LSTM的海表面高度异常预测方法

海表面高度异常(SSHA)是海洋系统中重要的参数之一,论文首次利用深度学习中的长短期记忆神经网络(LSTM)对海表面高度异常(SSHA)进行预测。将SSHA的预测当作时间序列预测问题,采用stacked-LSTM,建立海表面高度异常预测模型。该模型能够捕捉SSHA序列变化的规律,处理序列变化长期依赖问题。通过实验探索了stacked-LSTM预测模型的最佳参数设置,并使用中国南海海域的CORA再分析海表面高度异常数据进行验证,在预测未来24h、48h、72h、96h、120h的SSHA值上准确率(平均值±标准差)分别达到了90.10±10.64%、84.68±14.34%、78.29±17.37%、72.65±18.96%、66.41±20.91%,并与ANN、RNN、TCN等模型进行了对比,该基于数据驱动的模型能够运行在PC终端,为海洋工程提供移动服务。

基于Siamese网络的精准目标跟踪

近年来,孪生追踪器在许多基准上取得了最先进的表现。论文提出了一个新的更为精准的ASiamRPN算法,针对遮挡问题引入Cutout数据增强。特征层面:使用增加了空间感知模块和可变形卷积多层特征融合的ResNet50网络,充分利用深层网络的浅层和深层信息并缓解RPN网络两个分支的不匹配问题。其次,在模板分支和搜索分支增加了权重共享的自适应模块。在VOT2016和VOT2018数据集上均取得了不错的性能,Accuracy达到最优。