基于知识图谱的西南民族大学涉藏研究热点分析

涉藏研究是指对藏族、藏区的社会及自然科学进行研究,此类研究成果众多,已有研究者对其进行了总结和归纳,但缺乏定量、客观的研究热点分析。对此,文章以中国期刊网上西南民族大学发表的涉藏研究论文为研究对象,以信息可视化软件CiteSpace为工具,基于主题词共现图谱,通过主题词聚类、词频统计和突现词表分析,进行了涉藏研究的热点和趋势研究,结果显示:西南民族大学涉藏研究具有多元化特征,研究热点按从主到次的顺序主要有以藏传佛教为主的宗教文化,四川藏区,藏山羊、藏鸡、藏绵羊等藏系动物,藏药等四大板块;序列分析、藏药、草地藏系绵羊、民族、藏山羊等研究持续发展的时间长,藏山羊、组织表达、藏戏、藏鸡等研究是目前主要发展趋势。这可为涉藏研究方向选取提供有益参考。

西南民族大学在涉藏研究上的机构合作图谱分析

涉藏研究是指对藏族、藏区的社会及自然进行科学研究，其研究机构众多，成果丰富，但缺乏对机构间合作态势的研究报道。对此，本文以西南民族大学为例，基于中国知网数据，利用CiteSpace可视化软件绘制了机构合作图谱，分析了在2003年至2019年间该校内部各单位以及该校与其他单位在涉藏研究上的合作情况。研究显示：合作关系与时间有关，从2010年开始，合作变多；校内与校外单位合作多于校内间合作；西南民族大学生命科学与技术学院发文数量最多，西南民族大学民族研究院的影响力最大。这可为涉藏研究机构合作态势的定量分析提供参考方法。

云计算数据中心安全防护技术研究

随着云计算技术的大规模应用,敏感信息和数据泄漏越发普遍,传统的网络信息安全技术遭到云模式架构的挑战,诸如云计算平台自身安全问题、云计算平台的运行安全评测和监管问题、云计算机平台的安全保障问题等越来越突出.针对云计算应用虚拟化、边界模糊、多用户等特性进行分析,对基于VMware EXS虚拟化平台下可信计算基的构建技术进行研究,为运行于其上的虚拟应用服务主机构建相互独立的可信计算基从而构建新的数据安全策略和信息安全保障体系,以实现对云计算应用平台的安全保护.

融合知识增强的ERNIE与神经网络的中文医疗关系提取

基于深度学习的方法在关系提取中通常只侧重于细粒度文本单元的表示,导致学习文本特征不足.提出了一种融合知识增强的ERNIE模型与神经网络相结合的方式去进行关系提取.该方法分为两个部分:首先通过知识增强来对文本向量化,具体是将细粒度文本单元与粗粒度文本单元进行加权平均的操作使其达到知识增强的效果,再将该单元进行预测后的结果进行RTD判断有无替代词产生.最后将文本特征向量输入到BiLSTM网络中,使其得到词的上下文语义信息,并进行句子序列打分,选择分数最高的即可.实验结果表明,该方法在进行关系提取时,得到准确率为95%,精确率为91%,召回率为92%,f1-score为92%,与已有的方法进行对比,均提升了5%以上,因此提出的方法效果明显.

基于多源特征门控融合的软件缺陷预测

随着当前软件开发规模的增大和复杂度的不断提高,如何在保证效率的同时提高软件质量成为软件工程领域研究的重点和难点.软件缺陷预测是软件质量保障的重要研究方向,旨在帮助软件从业人员预测软件产品中潜在的缺陷模块,从而更有效地分配测试资源.已有研究主要提取软件特征来建立缺陷预测模型,但通常仅使用单一类型特征作为模型输入,并且缺乏特征的有效融合,导致缺陷预测的性能有待提高.提出了一种基于多源特征门控融合的软件缺陷预测方法(DP⁃GM),首先利用抽象语法树和词嵌入模型得到代码语义表示;然后,采用门控循环单元(GRU)对语义特征向量和传统特征向量进行特征提取;最后,利用门控机制融合多源特征来训练模型并进行软件缺陷预测.实验结果表明,与当前具有代表性的三个基线方法相比较,提出的方法在召回率和F1值分别高出最优基线方法35.3%和10.5%.因此,提出的方法可提升软件缺陷预测的准确性,帮助软件从业者提高开发效益.

“互联网+停车”系统的市场推广策略分析

当前,各大城市汽车保有量与停车位比例严重偏低,停车资源供需矛盾突出已成为城市交通治理的一个难点问题。为了缓解城市停车资源供需矛盾,采用"互联网+停车"智能化系统是一种较为理想的停车难解决方案。"互联网+停车"智能化系统的推广应该根据各个市场主体的利益驱动,根据市场需求,遵循激励机制,针对不同市场主体,设计有针对性的推广策略,以期达到较好的市场效益。围绕不同的利益主体进行了相关策略分析,并给出了多条实施建议。

一种能耗约束的多核系统任务调度算法

不同的任务调度算法将任务分配在不同的处理单元,会产生不同的能耗。在基于片上网络的多核系统中,将任务分摊到所有处理器核能提高系统利用率,但导致大量的簇间通信,增加数据传输能耗。本文在对系统能耗进行建模的基础上,提出一种能耗约束的任务调度算法。该算法结合任务间依赖关系,动态计算任务分配时产生通信开销最小的簇和系统利用率最大的簇,通过计算在相应簇上产生的系统能耗,选择产生系统能耗小的分配方案以平衡系统利用率和簇间通信开销。仿真实验结果证明,算法在减少了簇间通信开销并提高系统利用率的同时,降低了系统能耗。

混合第三方库视频系统接口设计与实现

视频监控系统是计算机应用中的重要领域之一。数字化摄像头网络化之后,监控系统正在不断引入新的功能,为使现有监控系统能更好地应对复杂环境,满足不同监控要求,就需要追加新功能,在系统架构与设计上进行调整。因此,如何将多个第三方软件与现有监控系统进行衔接就成为需要解决的重要问题。论文以多个第三方算法库整合为案例,分析、改进并拓展其思路,提出一种通用的第三方软件与现有监控系统进行衔接的接口设计方案。该方案中,多个第三方软件按照系统功能,采用分层、分模块的方式整合入系统,接口按照数据类型的不同分类,功能相对独立、标准统一。该方案经实践检测,具有简单、快速、高效、易于二次开发等优点。

基于嵌入式与OpenCV的目标识别系统研究

在当今信息爆炸的时代中,随着科技在图像认知需求的激增,碎片式的图像已然成为巨大信息量的载体之一,因此如何对图像中目标的方位和类型进行识别就显得极为重要.近年来,机器视觉、目标识别等成为可以解决在大量碎片式的图像数据库中提取信息的人工智能相关的研究方向.基于嵌入式与Python—OpenCV平台,对图像目标识别进行了一系列研究,实现了对视频中的鞋子进行正确识别并能将识别的图像信息进行储存的目的.该研究对于机器视觉和目标识别技术在现实中的应用具有重要的意义.

基于uni-app+SpringBoot的移动智能办公系统设计与实现

随着物联网、人工智能等信息技术的发展,企业对在线办公的使用便捷性、安全性等方面提出了更高的要求.为了解决现有办公软件安装和操作繁琐、人性化和安全性方面不足等问题,本研究设计并实现一个基于uni-app和SpringBoot框架的移动智能办公系统.该系统采用Shiro和JWT技术实现了用户身份认证和权限授权;使用Docker构建人脸识别运行环境,实现拍照签到,并采用GPS定位和本地宝技术,实现员工签到地疫情风险管理;采用轮询机制实现消息的自动接收和推送,并通过异步多线程向RabbitMQ发送公告以实现消息数据的缓存,从而减少数据库写入压力.经测试表明,本系统可有效地进行身份认证与授权、消息的自动推送与接收、视频会议的创建与编辑、拍照签到、签到地疫情风险管理、考勤统计等,数据传输稳定性好,人机操作界面稳定易用.因此,本系统能有效地提高团队间的沟通效率和在线办公质量,并提供更人性化和便捷的用户体验,对推进在线办公智能化、信息化建设具有重要意义.

基于SpringBoot+Vue新冠疫苗接种全过程管理系统

新冠疫苗大规模接种后,传统的手动登记方式无法实现对单支疫苗从生产到接种,以及接种者的跟踪管理,容易造成登记信息的缺失和遗漏,更不利于对大规模疫苗和接种数据的统计和分析.因此,本系统采用前后端分离开发模式,前端使用Vue+Elment-UI技术,后端使用SpringBoot+Mybatis-Plus框架,设计并实现新冠疫苗接种全过程管理系统,实现从疫苗出厂物流和疫苗仓储管理,到疫苗接种和接种后跟踪,再到接种者论坛管理,旨在达到对疫苗“全过程、可追踪”的管理目标.本系统具备极强的可行性与实用性,能减轻医护人员在疫苗管理方面手动记录和整理过于繁琐的问题,为医护人员、接种者提供便捷化、信息化的疫苗接种平台.另外,本系统能对疫苗全过程数据进行收集,为科研工作提供强有力的数据分析支持.

基于雾计算的高速公路服务区内容访问技术研究

车联网(Vehicular Ad hoc Networks,VANETs)在高速公路上具有车辆高速行驶、密度低、通信基础设施稀缺、车辆连通性低等特点,使得高速公路上的车辆难以实现对其他车辆或路边单元(Road Side Unit,RSU)的内容访问。提出了一种在高速公路服务区利用雾计算以协助车辆获取感兴趣内容的模型。该车辆雾计算(Vehicle Fog Comput-ing, VFC)模型中,高速公路服务区收集来自各个地方的车辆提供的各种服务,将大量的停泊车辆和慢速行驶车辆作为雾设备。通过VFC本地化转发,不仅减少了通信延迟,还实现了令人满意的内容访问和实时数据流传输。此外,对通信能量消耗与系统延迟之间的关系进行公式化,并在雾计算中采用了外部近似(Outer Approximation,OA)算法来优化其权衡。仿真结果表明,通过采用雾计算和云计算结合的通信模式和均衡优化算法,随着能量消耗的增长,系统的通信延迟会明显地降低。

融入联盟链的数字党建系统研究与设计

为了解决目前基层党建工作当中存在的工作效率低、数据安全性低和共享不充分等问题,本文提出一种基于联盟链的基层党建工作系统模型。系统模型具有数据上链、组织关系转接、组织活动共享、党费的缴纳和审核的功能,有助于提高基层党建工作的数字化和信息化水平。

基于自适应非对称卷积网络的精神分裂症MRI图像分类研究

针对精神分裂症的发病机制尚不清楚,难以精准治疗的问题,首次提出了一种自适应非对称卷积网络用于精神分裂症MRI图像分类研究.首先,基于熵值对三种切片图像进行数据筛选,以获取更为全面、丰富的特征信息.然后,利用自适应非对称卷积灵活地确定特征之间的连接状态,并在不增加额外参数的情况下增强特征表示能力.最后,将高阶特征投影到分类目标空间进行疾病分类.在两个公开数据集上评估了该模型的有效性,分别获得了95.77%和96.99%的平均准确率,与传统的卷积神经网络相比提高了3%~6%的分类准确率.分析表明,提出的方法可以动态地关注局部特征和全局特征,从而挖掘更有效的特征信息,为精神分裂症的识别诊断提供了一种新的思路和方法.

基于本地差分隐私的Wi-Fi指纹定位隐私保护方法

针对当前位置隐私保护中遭遇的背景知识攻击,服务器不可靠等原因所造成的问题,在Wi-Fi指纹定位技术的基础上,结合RAPPOR算法,提出了一种满足本地差分隐私的室内位置隐私保护方法.该方法通过参考点的无线电信号特征来划分位室内环境的区域,使得用户数据满足RAPPOR算法的输入,最后将扰动向量作为输出发送到服务器端.在真实数据集上的实验也表明,该方案在保证位置隐私的前提下也能得到不错的数据效用性.

智能反射面辅助的无线传感网络充电策略研究

在无线可充电传感网的研究中面临诸多挑战,如无线功率传输中易衰弱、充电规划复杂度高、内存数据易溢出导致丢包。为此,引入智能反射面(IRS)并基于强化学习设计一种无线传感网能量传输和数据收集方案IRS_MDP。首先,该方案建立反射相位偏移优化问题,计算出以任一传感器节点为充电目标节点时IRS的最优相移值,实现最大化目标节点处所接收的功率。其次,根据上述结果并结合传感器实时状态,基于强化学习设计关于充电和数据传输过程的优化充电策略实现丢包率降低。仿真结果表明,该方案相较其他方案可以更好地提升网络吞吐量和降低数据丢包率。

基于ELECTRA与神经网络模型的中文医疗知识图谱实体识别

如今随着互联网的发展,数据呈现的方式大不相同,然而知识图谱的出现,给人们提供了一种更好地组织、管理和理解海量信息的能力.知识图谱质量的高低与实体以及实体之间的关系存在密不可分的关系,从实体角度出发,研究实体识别方法.如今大多数深度学习模型对实体识别效果不错,但在语义信息方面没有考虑上下文信息,并且模型体积庞大,参数数量多,导致模型预测结果与真实结果误差大,能耗高.提出了一种ELECTRA模型与神经网络模型结合来进行命名体识别的方法,该方法降低能耗以及提升训练速度,同时又提高了实体识别的准确率等.该组合模型分为三块:首先对ELECTRA模型进行改进,输入文本进行[cls]以及[seq]处理,避免实体边界模糊问题.然后进行随机15%的Mask机制,经生成器预测,再经判别器判别,形成字向量.其次将字向量引入双向长短期记忆网络BiLSTM中,进行上下文语义增强后将句子序列打分.最后通过条件随机场CRF层找到最优的序列标签.实验结果表明,该方法在医疗语料库进行实体识别时,准确率为97.94%、召回率为95.41%、F1值为95.44%、精确率为95.46%,与已有的方法相比,提出的方法效果提升明显.

基于孪生网络的自监督细粒度分类度量

针对小样本间的细粒度分类中同种样本间不同个体的差异性不明显,导致特征难以提取的问题,设计了使用自监督的抠图式度量学习图像分类建模训练方法,在不增加数据集人工标注成本的基础上提高分类精度.首先,将数据集进行抠图处理,扩大检测目标在图像中的占比,突出样本特征.其次,通过比较网络结构模型及距离度量函数,择优对模型进行改进.最后,采用孪生网络的思想将样本集和验证集输入特征提取器中通过度量函数的计算得到两者相似度.选用的样本集为公开数据集CUB_200_2011和Standford Dogs Dataset,实验结果显示,提出的方法在性能和精度上得到了较好提升.

基于Attention的卷积神经网络验证码识别研究

验证码字符识别技术作为数字图像处理的一个重要应用分支,其目的在于准确、快速地分析验证码所携带的字符内容.已有研究通过构建卷积神经网络进行验证码字符识别,并且取得了一定的效果;但是大部分研究使用特征的浅层信息作为模型的输入,受局部感受野的限制而丢失特征,未能充分分析验证码的深层特征信息,并且未能对特征进行充分融合,造成识别准确度还有一定提升空间.提出了一种基于注意力机制的卷积神经网络模型,首先采用Otsu算法对验证码进行预处理后,输入到VGG16模型提取验证码的特征;然后引入注意力机制,自动学习关键信息,得到不同特征的权重;最后基于卷积神经网络进行特征融合,通过训练后得到验证码识别模型.提出的模型在调用Captcha库生成的验证码数据集上进行验证,结果显示提出的方法在不增加时间成本的情况下,验证码识别准确率平均可达到93.27%,对比ResNet、CNN和CNN7基线方法,分别提升了8%、10%和22%.因此,提升了验证码识别的准确率,促进了自动识别车牌等场景落地,推进了验证码识别技术的发展.

基于CodeBERT的代码提交分类研究

理解软件仓库中执行的软件维护活动,有助于确保高效的演化和开发活动.对代码提交(commit)进行准确地分类,能帮助软件管理人员更合理地进行资源分配,从而减少维护成本.然而,已有研究忽视了提交说明中关键词的上下文信息,或者未考虑变更代码的语义信息,导致不准确的提交分类.提出了基于预训练模型CodeBERT的代码提交分类模型(CBEC),该模型首先获取公开数据集中commits的code diff信息,准备提交说明和diff信息对,并进行词元化表示;接着使用CodeBERT模型学习提交说明和diff信息的语义深度表示,同时从多个维度提取提交相关的手工设计特征;最后,融合commit的语义特征和传统手工特征,构建提交分类模型.提出的模型与当前具有代表性的2个方法进行比较,从准确率、精准率和召回率来看,分别高出基线方法5.0%~26.8%、4.9%~27.2%、5.4%~27.3%.能帮助软件从业者更好地理解和识别代码提交的变更意图,有利于提高开发效益.