中文信息检索系统的模糊匹配算法研究和实现

在现代中文信息检索系统中,用户输入的字符串和实际数据库中的条目往往存在局部偏差,而基于关键词匹配的检索技术不能很好地解决这一问题。本文参考并改进了Tarhio和Ukkonen提出的过滤算法[1],针对汉字拼音输入法中常出现的同音字/近音字混用现象,将算法进一步扩展到广义的Edit Distance上。实验表明,本文提出的算法能有效提高中文信息检索系统的召回率,在实际应用中可达到"子线性"的效率。

多策略汉日机器翻译系统中的核心技术研究

多策略的机器翻译是当今机器翻译系统的一个发展方向。该文论述了一个多策略的汉日机器翻译系统中各翻译核心子系统所使用的核心技术和算法,其中包含了使用词法分析、句法分析和语义角色标注的汉语分析子系统、利用双重索引技术的基于翻译记忆技术的机器翻译子系统、以句法树片段为模板的基于实例模式的机器翻译子系统以及综合了配价模式和断段分析的机器翻译子系统。翻译记忆子系统的测试结果表明其具有高效的特性;实例模式子系统在1 559个句子的封闭测试中达到99%的准确率,在1 500个句子的开放测试中达到85%的准确率;配价模式子系统在3 059个句子的测试中达到了89%的准确率。

一种基于SSVEP的仿人机器人异步脑机接口控制系统

设计了稳态视觉诱发电位(SSVEP)空闲状态检测的特征提取方法,建立了基于SSVEP的异步脑机接口二级分类器结构,开发了基于TI CC2430芯片的无线传感器网络模块,实现了机器人控制命令的远程传送,使该仿人机器人系统具有脑电控制、语音交互、游戏手柄交互、机器视觉与避障等功能.通过SSVEP空闲状态检测实验验证了脑机接口系统异步控制的有效性.

Clair:一种基于P2P的BitTorrent关键词检索系统

P2P技术是近年学术界和工业界关注的焦点。BitTorrent(以下简称BT)作为一个P2P文件共享系统,用户量不断增长,已逐渐成为网络带宽的主要消耗者之一。BT用户必须到各个发布站点上查找种子文件,致使用户查询的效率比较低。为此,论文提出了基于对等网络的针对BT关键词检索系统Clair,该系统能够高效采集网页上存在的“元信息”文件,快速索引文本以及索引的均匀切分,同时通过针对性的相关性排序算法,给予用户较好的查询结果。实验结果表明,Clair系统具有较好的综合性能。

基于立体视觉的三维建模方法

研究了基于立体视觉的三维反向建模方法。该方法利用线状结构光与立体视觉原理,首先测量位于四自由度平面机器人上的三维物体的表面几何信息,然后通过获得的采样数据集,自动构建具有真实纹理的三维几何模型。相应提出了一种新的系统标定方法与自动曲面重构算法,并实现了一个面向虚拟现实应用的三维物体的自动反向建模原型系统。

基于马尔可夫链的无线传感器网络分布式调度方法

能量效率是无线传感器网络(Wireless sensor network,WSN)研究中的核心问题之一.当节点采用电池供电时,有限的能量限制了网络的生存周期,从而对无线传感器网络的大规模应用提出了挑战.本文基于马尔可夫链,提出了一种实用的、协作分布式的调度方法,并从理论上证明了该方法的收敛性.该方法不仅可对节点的休眠/唤醒进行调度,还可以对节点数据发送进行调度以减少数据冲突的发生.仿真实验结果表明,该方法能够有效地减少节点能量的消耗,且对其他网络性能的影响较小.

达尔文流媒体服务器用户认证扩展与应用

达尔文流媒体服务器(Darwin Streaming Server,DSS)是Apple公司开发的开源流媒体服务器架构,可运行于Win-dows,Linux,MacOS等多种平台.本文结合一实际通用应用项目,通过分析DSS的主要工作流程及其开发接口,研究在不改变其服务器核心代码的情况下,为解决大量用户权限管理的问题增添新的用户认证等自定义功能的方法,并对新实现的用户认证与原有的简单认证进行对比压力测试,实验说明该方法可以实现带有权限控制的复杂用户认证,且性能在大量注册用户的情况下有显著提升.

一种高效的网格监控数据收集方法

为提高在面向服务的网格环境下以简单对象访问协议(SOAP)通信方式收集网格资源监控事件的效率,基于对监控事件依次传输时的低效率和收集者 SOAP 通信处理负载过大的现象的分析,针对具有较长生命期的监控事件提出了一种高效的收集方法——资源本地和资源间分别采用缓存和协同机制;在监控事件生命期允许的范围内先行跨资源汇聚尽量多的监控事件,再将它们通过单个 SOAP 消息一并发送至收集者。实验结果表明,所提方法不仅能使网格资源个体监控事件的 SOAP 传输开销降低50%～85%,还可将收集者上的 SOAP 通信处理负载降低75%左右。

基于潜在语义的网络社区发现

采用类似于LSI的方法,对于blog网页的链接进行了一次关于潜在语义的探索,借以发现网络社区。从实验的结果来看,基本验证了最初的想法,网页链接在一定程度上包含潜在语义的信息。注意到语义网与现今的HTML网页在链接问题上思想基本一致(只是多了语义的标记),因此该方法同样适用于语义网内的社区发现与信息检索,这也是进行研究初衷。另一个贡献是通过幂迭代对GMC聚类作了算法上的优化,使得在海量数据上的处理速度大大加快。

CGSV中的资源监控模型

网格监控是网格管理和网格优化的核心。目前已有的网格监控系统要么采集到的信息粒度不够细,要么和网格中间件的结合不够密切,缺乏对系统进程信息的监视,且系统自身的优化控制能力不强,因此不能完全满足网格管理和优化的实际需求。针对这些不足,我们设计开发了网格资源监控模型TSMonitor,该模型可以搜集各类资源全面的信息数据,且对其它监控工具有很好的兼容性。TSmonitor可以很容易的嵌入到现有的网格中,提供相关资源的监控。TSMonitor已经成功应用到了中国教育科研网格监控系统CGSV(ChinaGridSuperVision)中。

网格环境中基于二叉树模型的资源监控方法

针对虚拟共享平台(VSP)对资源监控和用户任务计费的需求,设计实现了VSP的网格资源监控模块VSPMonitor。VSP-Monitor中资源消耗的计算采用二叉树对系统进程树进行存储。通过对二叉树的非递归遍历统计出用户任务的资源消耗量。实验表明这种基于二叉树模型的方法可以高效计算出用户任务的资源消耗量,满足VSP对资源监控和任务计费的需求。

简单贝叶斯决策的计算神经模型

大脑根据贝叶斯理论处理信息已经得到诸多心理学和神经生理学实验的支持.贝叶斯推理过程往往需要处理复杂的概率计算,最近Shadlen和Gold提出基于对数似然比可以简化基于贝叶斯的两可决策任务.然而,目前并不清楚如何在神经回路中实现基于对数似然比的贝叶斯决策.通过建立具有信息整合与胜者独享特性的决策神经回路,结合奖励调制的突触可塑性学习算法,得到决策行为与突触可塑性之间的对应关系,由此可实现简单贝叶斯决策的计算神经模型.最后,利用该模型模拟出最近Yang和Shadlen关于恒河猴可进行贝叶斯决策的实验结果.

基于深度学习加强的混合推荐方法

近年来基于矩阵分解的协同过滤算法在评分预测上取得了显著成果,但仍未能很好地解决冷启动、数据稀疏等问题。因此,如何将评论信息引入推荐系统以缓解上述问题成为研究的热点之一。该文尝试基于深度学习来加强个性化推荐,提出将层叠降噪自动编码器(stacked denoising auto-encoder,SDAE)与隐含因子模型(latent factor model,LFM)相结合的混合推荐方法,综合考虑评论文本与评分,以提升推荐模型对潜在评分预测的准确性。在常用大规模公开Amazon数据集上进行的测试结果表明:与传统推荐模型相比,该文提出的方法可有效提高评分预测的准确性,性能提升最高可达64.43%。

面向匹配决策问题的漏整合神经元稀疏ESN网络

为了对匹配决策问题进行建模与预测,提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN),并基于在线监督学习方法对网络进行训练.为了评估网络的匹配决策性能,设计了三组测试数据集对网络性能进行测试,并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法.仿真结果表明,新模型只需要较少的训练时间即可获得较好的决策性能,且对发放时间间隔、平移和网络噪声具有较好的鲁棒性.