基于ALBERT、Lattice IndyLSTM和Attention融合的用户意图分类

旨在对话式智能系统中的用户意图识别任务,论文提出了一种新型的用户意图分类模型。该模型结合了ALBERT预训练模型、格形式的独立循环长短期记忆网络(Lattice IndyLSTM)以及词注意力融合机制。通过构造一个由字嵌入和词嵌入组成的Lattice,输入至IndyLSTM网络实现对用户输入语句编码,能够处理传统意图分类任务中无法同时利用字词信息、RNN中存在梯度爆炸或者消失,LSTM模型过拟合等问题。此外,利用能够提高对用户输入语句中领域特定词汇的编码贡献度的词注意力机制,大大提升了意图识别准确性。通过实验得出,论文提出的用户意图分类模型能够有效提升精确率、召回率和F1值等指标。

基于视觉颜色对比敏感度模型的动态视频压缩预处理算法

针对彩色视频压缩过程中压缩率不高或者视频质量损失过大的问题,提出一种基于视觉感知模型与色差的自适应视频压缩预处理算法。在颜色对比敏感度模型中,人类视觉对高色度区域的色差敏感度较低,因此为不同色度区域分配不同的压缩权重;基于帧之间的偏差图建立运动预测帧的空间运动模型,降低了高运动区域的残差;使用动态的色调映射函数来控制视频的压缩等级,从而保证视频的视觉质量。基于多组视频进行实验,算法成功地将标准的压缩软件提高了30%的压缩率,同时可以看出,视频上下文对本算法的影响较小。

HEVC视频标准的激光图像编码与优化

当前基于激光图像编码方法的图像编码质量得不到提升,且编码的复杂度较高,速度较慢。为此,提出基于HEVC视频标准的激光图像编码模式优化。首先,将激光图像进行滤波与分割的预处理,利用中值滤波清除图像中孤立的噪声;其次,通过整体阈值及动态阈值相结合的方式,实现图像的高效分割;最后,通过实验表明,所提方法分别在激光条纹图像编码后的质量方面,和图像编码的速度方面均优于对比方法,可为图像编码领域的发展提供依据。

四点三线遗传算法求解旅行商问题

为解决NP完全的旅行商问题,提出一种四点三线遗传算法。该算法特色在两阶段策略,第一阶段是变异算子优化,将汉密尔顿环中所有大于两点的内部路径倒置,并用新极值代替原极值。第二阶段是四点三线优化,将汉密尔顿环分为n个四点三线局部路径并将每个局部路径转化为最优局部路径,将所有局部路径长度求和除以1/3。交叉算子结束后,如子代含有重复位点,将未交叉部分重复位点与交叉部分重复位点对应的父代等位点交换。通过将该算法与传统遗传算法及只进行第一步优化的遗传算法进行比较,采用TSPLIB数据库实例数据,证明该算法有更高的执行效率,有更强的收敛性,适合寻找最短TSP路径。

基于增强层残差编码的分布式可分级HEVC压缩研究

针对已有可分级视频压缩方法编码复杂度较高的问题,提出一种基于增强残差编码的分布式可分级HEVC压缩方法。在编解码端采用相同的SI(原帧的估算)建立方法来获得最高的压缩率,并使用若干的SI帧来估算EL与SI残差相关性,使用相关性模型决定最低有效位的比特数量并生成校正子,解码端据此校正子重构增强层信息;设计了自适应的编码模式选择机制选择率失真性能较高的编码模式。对比实验结果显示,该方法具有较低的编码复杂度,同时具有较好的率失真性能。

高速公路VANET中的安全信息优化研究

车辆自组织网络中的空分复用接入方案可有效地提高网络吞吐量与传递效率,但其具有节点隐藏的问题,对此提出了一种根据车辆密度自适应调节空分复用距离的控制算法。首先,每个车辆估算本地车辆密度,并与邻居车辆进行分布式的融合;然后,车辆根据车辆密度动态地调节空分复用距离,从而降低节点隐藏引起的信号干扰与数据包冲突;最终,使得空分复用距离与数据包接收率达到平衡。在每个蜂窝中,使用同步传输来提高空间与带宽的利用效率。仿真实验结果表明,该算法有效地降低了数据包冲突,提高了车辆自组织网络中空分复用接入方案的数据包传递率,并降低了端到端延迟。

基于SNAMG分割的分形图像压缩方法

针对分形图像压缩的编码速度与解码质量难以均衡优化的问题,依据人类视觉系统特性,使用视觉阈值对图像的SNAMG分割方法进行优化,建立了自适应子块分割机制,并将其用于改进编码过程.实验表明,较之Jacquin的经典分形算法,本文算法能够获得30~40倍的加速比和更好的解码质量.

AP数据源融合算法构建基因调控网络

针对单一数据集构建基因调控网络算法数据量不足及构建网络结果不精确的问题,提出一种基于能力与信任(AP)的数据源融合算法.该算法将基因表达数据、蛋白质相互作用数据和基序数据集,分别通过控制与被控制双向数据流传输来分析和构建基因调控网络,并与ReMoDiscovery,CLR和C3Net三种已开发模型在酵母全基因组网络构建结果的AUC值进行对比.对比结果表明,该算法在构建基因调控网络算法方面执行效率更高、收敛性更强.

用并行计算从基因表达数据构建大规模基因调控网络

为解决大规模基因调控网络构建算法精度不高、计算时间过长的问题,提出一种从基因表达数据分析出发,并行计算和阈值限定相结合的新算法来构建大规模基因调控网络。该算法中基因间交互强度值采用条件互信息值度量,并行计算采用GPU与CPU相结合的CUDA与Open MP架构。综合数据集的运行结果证明该算法较新的构建算法(如贝叶斯模型算法和微分方程模型算法)相比,在构建大规模基因调控网络时有更高的运算精度和更短的运行时间。

压缩感知理论在传感器异常事件检测中的应用

无线传感器存在网络节点多、能量有限等特点,针对传统方法异常事件检测成功率低的缺陷,利用压缩感知理论的信号重构优点,将压缩感知理论引入到无线传感器网络异常事件检测中。首先对无线传感器网络的异常事件检测研究现状进行分析,然后分析无线传感器网络模型以及异常事件检测问题,并采用压缩感知理论对异常事件进行分析和检测,最后,采用仿真实验对有效性进行验证。结果表明,压缩感知理论可以有效对无线传感器网络的异常事件进行处理,提高了检测成功率,降低了误检测率,完全可以满足无线传感器网络的实际应用要求。

一类二阶Emden-Fowler型微分方程的若干振动条件

利用Riccati变换技术,借助Bernoulli不等式和Yang不等式以及数学分析技巧,研究了具有非线性中立项的二阶广义Emden-Fowler型微分方程的振动性,考虑非正则情形■,建立了该方程的若干振动准则。最后用2个例子说明,这些准则推广并改进了一些已有的结果,且具有较好的实用性和可操作性。

具拟线性中立项的二阶Emden-Fowler型微分方程的振荡性

利用广义黎卡提变换技术及不等式技巧,研究了一类具有一个拟线性中立项的二阶广义Emden-Fowler型微分方程的振荡性.考虑方程是非正则的情形,获得了该方程振荡的几个新的判别准则,并给出了定理应用的实例.

具正负系数和多变时滞的高阶微分方程的振动性

研究具有正负系数和多变时滞的高阶阻尼非线性泛函微分方程的振动性,在条件较为宽松的情形下获得了该方程振动的一个新的Hille型准则和Kamenev型准则,这些准则能用于其他文献不适用的情形,进一步改进并拓展了现有文献的结果。

一类具非线性中立项的二阶微分方程的振动性

研究一类具有非线性中立项的二阶变时滞微分方程的振动性.利用广义的Riccati变换及有关不等式,获得该类方程振动的两个新的判别定理,这些定理能用于其他已知结果不适用的情形.特别地,获得的Hille型和Kamenev型振动准则推广并改进了相关文献中的一些已知结果.

具拟线性中立项的二阶变时滞动力方程的振动定理

研究时间测度链上一类具有一个拟线性中立项的二阶动力方程的振动性,利用黎卡提变换技术和一些经典不等式,结合时间测度链上的理论,在正则条件下获得了该类方程振动的若千新定理,这些定理推广、改进且丰富了近年来已有的部分经典研究成果.最后举例说明了定理的应用.

基于splice-LSTM的多因素西江水位预测模型研究

准确的水位和水量等水文时间序列预测是水资源管理的重要依据。受上游支流流量、水位等因素影响,传统的单因素水位预测模型不能有效考虑众多因素,水位预测精度面临严峻挑战。以典型西江干线梧州站水位精准预测为研究对象,建立了基于splice-LSTM的多因素水位预测模型,采用拼接的长短期记忆网络(LSTM)和全连接线性模型(Linear),对2020~2021年西江干线多站点的流量数据进行分析,预测梧州站点的水位。研究结果表明:(1)由于splice-LSTM中引入了非线性层,提高了近期历史输入数据的权重,使得模型预测值更加接近历史真实值,降低了预测误差,Linear部分可以提高模型对于线性成分的敏感性,使得模型在水位峰值处的预测更加准确;(2) splice-LSTM模型与传统单因素的ARIMA模型、LSTM模型相比,在水位预测方面准确度分别提升14.4%,10.1%。研究成果可为西江船闸运行调度中心精准预调度船舶提供参考。

时标上一类二阶非线性动态方程振动性的新准则

研究时标T上一类二阶非线性中立型变时滞的动态方程[a(t)φ1(y^△(t))^△+f(t,φ2(x(δ(t))))=0的振动性,其中:y(t)=x(t)+p(t)x(r(t)),得到了该方程振动的一些新准则.这些准则推广并改进了现有文献中的一系列结果.最后举例说明了论文定理的应用.

基于图形处理器的形态学重建系统

形态学重建是医学图像处理中非常基础和重要的操作。它根据掩膜图像的特征对标记图像反复进行膨胀操作,直到标记图像中的像素值不再变化为止。对于传统基于中央处理器(CPU)的形态学重建系统计算效率不高的问题,提出了使用图形处理器(GPU)来加速形态学重建。首先,设计了适合GPU处理的数据结构:并行堆集群;然后,基于并行堆集群,设计和实现了一套基于GPU的形态学重建系统。实验结果表明,相比传统基于CPU的形态学重建系统,基于GPU的形态学重建系统可以获取超过20倍的加速比。基于GPU的形态学重建系统展示了如何把基于复杂数据结构的软件系统高效地移植到GPU上。

提升空间中的链传递性和强链回归点集的研究

研究了局部等距条件下提升空间中链传递的动力学特征和强链回归点集的拓扑结构.利用局部等下提升映射的性质,得到链传递和强链回归点集的一些新结论:若映射是映射f局部等距下的提升映射,则是链传递当且仅当f是链传递;若映射是映射f局部等距下的提升映射,则π(SCR(f))■SCR(f).这些结论推广和改进了早期文献中关于链传递和强链回归点集的相关结果.

G-等度连续条件下若干点集的研究

在映射f是G-等度连续的条件下,研究了G-链回归点、G-非游荡点、G-极限点和G-回归点之间的关系,得到如下结论:(1)R_(G)(f)=W_(G)(f)=Ω_(G)(f);(2)W_(G)(f)=CR_(G)(f)=∩_(n=1)^(∞)f^(n)(X);(3)f是G-等度连续的当且仅当W_(G)(f)中的所有点都是G-等度连续点。以上结论充实了度量G-空间中G-链回归点、G-非游荡点、G-极限点和G-回归点的理论。