基于改进粒子群算法的Web服务组合

Web服务组合优化问题是典型的NP难题.将PSO算法用于连续性优化问题的相关研究较多,但将其应用于Web服务组合优化问题并不多见.文中提出一种改进的基于子粒子圆周轨道和零惯性权重的MDPSO算法,并将其应用到Web服务组合优化问题中,该算法使用基于三角函数的非线性动态学习因子及种群早熟收敛预测与处理方法控制粒子群的行为,在粒子的局部开拓能力和全局收敛能力之间达到良好的动态平衡.最后文中给出了MDPSO算法的实验及评价方法.这些概念和方法为PSO算法在Web服务组合问题上的应用研究提供了一种全新的思路.通过与传统的PSO算法做比较,验证了该算法在Web服务组合问题上效率更优.通过对实验数据的分析和解释得到了若干有益的结论,为进一步的研究工作奠定了基础.

基于改进蚁群算法的可信服务发现

针对非结构化P2P网络中的服务发现问题,提出了一种基于改进蚁群算法的可信服务发现方法。该方法在传统蚁群算法基础上应用若干新的策略控制蚁群的行为,如动态蚁群策略、子蚂蚁策略、服务节点的信誉评估策略以及蚂蚁的恶意节点惩罚策略等,高信誉服务节点在蚂蚁的推荐下进行邻居更换和自组织。这些策略和方法为蚁群算法在分布式环境下服务发现的应用研究提供了一种新思路。实验结果表明,本算法在各种常见复杂网络环境下仍可保证较高的可信服务查准率和更高的综合服务发现效率,通过对实验数据的分析和解释得到了若干有益的结论,为进一步的研究工作奠定了基础。

具有最优簇规模的传感网不等簇数据收集协议

针对无线传感器网络的能量空洞问题,提出了一种具有最优簇规模的无线传感器网络不等簇的数据收集协议(UCPOCS)。首先,UCPOCS协议运用定时广播代替传统的消息协商机制竞选簇首。其次,利用候选簇首的位置信息从理论上获得最优簇半径对网络进行不等簇的划分。然后,簇首间多跳路由机制根据其相邻簇首的剩余能量等3种信息选择其中继节点,使UCPOCS能够适用于均匀和非均匀节点分布情况。最后,仿真结果表明UCPOCS协议能够有效地均衡网络能量消耗,延长网络寿命。

云计算中偏好top-k查询的正确性验证

为解决云计算环境下偏好top-k查询结果的正确性验证问题,在现有支配图的基础上,提出了基于哈希的验证支配图(ADG-H)和基于数字签名的验证支配图(ADG-S)。ADGH能够有效地对一次性查询进行验证。而对于连续监控,采用ADG-H会引起大量的网络传输,因此提出了ADG-S,只有当数据更新影响到查询结果或验证对象时才进行必要的网络传输。实验表明了ADG-H和ADG-S的有效性。

基于Deep Speech与多层LSTM的儿童朗读语音评价模型

现代人大多忽略了朗读的重要性,然而对于5~12岁的儿童,朗读不仅是学习过程中必备的技能,还是陶冶情操的有效手段。由于朗读语音信号的特征与评价标准之间存在着非线性关系,递归神经网络虽然适用于时间序列的预测,但是对长时间跨度的预测效果有限。基于此,根据儿童朗读语音特点及其评价体系,设计了一种基于DeepSpeech与三层长短期记忆(Long Short-Term Memory,LSTM)神经网络相结合的模型。首先,在添加注意力机制的基础上,提出朗读语音评价的准确性和流利性度量,以频谱图作为特征提取的输入,其中,朗读评价的准确性采用改进后的Deep Speech以提高音素识别的准确率,流利性评价将频谱图送至三层LSTM模型中以呈现时间序列的影响;然后,将结果送入注意力机制进行权重调节;最终,将计算的总评价结果用于儿童朗读语音的评分。使用“出口成章”软件提供的儿童朗读语料库和TensorFlow平台进行实验。结果表明,与传统的模型相比,此模型不仅可以精确判断朗读的正确性和朗读的流利性,而且其评价模型获得的评分结果较准确。