小型微型计算机系统

Select

徐洋,徐怡,史国川,鲁磊纪,赵小帆

2020, 41(6): 1121-1125.

摘要 ( ) PDF全文 ( )

可视化

邻域粗糙集模型是经典粗糙集模型的变型，对处理数值型数据具有较好的优势性.本文引入最大决策邻域粗糙集模型，该模型密切关注边界样本，通过增加与决策类有最大交集的邻域样本来扩大正域，并在该模型上定义了最大决策粗糙度的概念.为了能够反映正域、负域的同时变化，提出一种基于边界域的不确定性度量方法.为了能够更全面的度量，在最大决策邻域粗糙集模型中定义了最大决策邻域粒结构，并基于该粒结构提出了最大决策邻域粒度概念，该粒度是对信息系统的分类能力的度量.文章最后提出一种基于最大决策邻域粗糙集的混合不确定性度量方法，将两种度量方法进行结合.实验结果表明，所提出的度量方法在邻域信息系统中具有较好的分类效果.

Select

面向短文本情感分析的多特征融合方法研究

陶永才,张鑫倩,石磊,卫琳

2020, 41(6): 1126-1132.

摘要 ( ) PDF全文 ( )

可视化

近年来，深度学习技术被广泛应用于文本情感分析任务中.目前，大量的研究使用不同类型的神经网络从文本词向量中学习和提取情感特征.针对单一文本词向量无法全面表示文本中的情感特征信息，并且难以有效捕获文本和标签之间的联系，提出了一种基于多特征融合的短文本情感分析模型，该模型针对短文本自身特性构建多种情感特征组合(词特征+情感符号特征+词性特征、词特征+情感符号特征、情感标签特征)形成多输入矩阵，接着将其输入到多通道卷积神经网络(multi-channel convolutional neural networks,MCNN)中提取情感特征，最后完成情感分类，整个模型简称MF-MCNN(Multi-feature Fusion based on MCNN).MF-MCNN能够从多特征矩阵中学习到句子更全面的情感信息，情感分类能力得到有效提升.MF-MCNN模型在SemEval2017数据集(英文)和NLPCC2014数据集(中文)上完成与传统分类器和目前先进的模型共7种模型的对比，实验结果证明MF-MCNN具有更高的准确率和较低的训练时间代价.

Select

生成对抗网络及其应用研究综述

淦艳,叶茂,曾凡玉

2020, 41(6): 1133-1139.

摘要 ( ) PDF全文 ( )

可视化

在人工智能引领的浪潮下，生成模型的理论研究与应用不断获得成功，已经成为当前研究的热点之一.因此，系统地研究生成模型及其应用具有重要的意义.本文首先将生成模型分为基于显式密度和基于隐式密度的生成模型，并介绍每类模型中具有代表的生成模型，分析它们的优缺点.其次，从应用层面分4类重点介绍了生成对抗网络在图像生成中的研究进展，即通过噪声生成图像、文本生成图像、图像到图像转换和交互式操控图像生成.然后从可解释性、可控性、稳定性和模型评价方法4个方面分析了生成对抗网络的理论研究进展.最后讨论了研究生成对抗网络潜在的突破口.

Select

信号分解与融合神经网络的金融数据预测研究

金丰,邵清

2020, 41(6): 1140-1146.

摘要 ( ) PDF全文 ( )

可视化

针对目前特征+模型的预测方案在金融时序数据上预测精度不足的问题，提出一种基于变分模态分解的长短期记忆神经网络因子分解机双通道融合模型.首先利用变分模态分解分解金融时序数据，得到能表现时序数据趋势和变化信息的模态，接着将模态信息输入到长短期记忆神经网络因子分解机双通道融合模型中，长短期记忆神经网络得到数据的时序特征，因子分解机得到数据的交互特征，通过改进的局部连接层融合，使模型能同时表达数据的时序特征和交互特征，提升时序数据预测的效果.以沪深300指数和标普500指数的数据为例，对所提模型进行验证，结果表明其在预测性能和泛化性能上都有明显的优势.

Select

一种结合路径信息和嵌入模型的知识推理方法

陈海旭,周强,刘学军

2020, 41(6): 1147-1151.

摘要 ( ) PDF全文 ( )

可视化

知识图谱的嵌入和路径知识推理都是知识推理研究的重要方向，近年来，出现了一些将这两种方法相结合的知识推理算法，性能比起原有的算法有了很大提高.然而，这些算法大多是用求加权平均值的方法将路径信息纳入评分，忽略了在特殊情况下某些关键路径对推理结果的决定性影响.针对这个问题，提出了一种新的将知识图谱的嵌入和路径知识推理相结合的算法PSTransE，引入了概率学的方法，用路径和关系的向量相似性来代替由路径推理出关系的概率，反向求出由所有路径都推理不出目标关系的概率进而得到能够推理出目标关系的概率.在综合考虑所有相关路径信息的同时，使得关键路径能够直接确定推理结果.实验表明，PSTransE比原有算法有了明显的提高.

Select

半监督元路径的异构信息网络社区发现算法

陈丽敏,张岩,杨柳

2020, 41(6): 1152-1155.

摘要 ( ) PDF全文 ( )

可视化

基于语义的异构信息网络社区发现算法，大多采用元路径计算目标对象相似性，基于元路径的目标对象相似性度量非常便捷、有效，但是，其语义表达并不完整，不能完全真实地反映目标对象的关联，而目前又缺乏更加准确的表达目标对象相似性的方法.基于语义的异构信息网络社区发现算法往往忽略了异构信息网络复杂的拓扑结构，本文通过谱聚类分析异构信息网络的拓扑结构，半监督校正目标对象的相似性，使用非负矩阵分解法划分异构信息网络的社区，能够有效提高异构信息网络社区发现的准确率.通过对仿真数据和真实数据实验，结果显示本文算法确实有效提高了异构信息网络社区发现的准确率.

Select

贝叶斯网络推理学习的混合粒子群-差分算法

范瑞星,刘浩然,张力悦,苏昭玉,刘彬

2020, 41(6): 1156-1162.

摘要 ( ) PDF全文 ( )

可视化

针对启发式算法应用于贝叶斯网络推理学习易陷入局部最优和寻优效率低的问题，提出一种基于混合粒子群差分法的贝叶斯网络推理算法.该算法利用自适应的反向学习策略增加初始种群的多样性，将差分变异算子引入离散粒子群算法，提出自适应概率分层搜索策略平衡局部搜索与全局搜索，并根据levy飞行机制建立自适应的变异策略避免算法陷入局部最优.由算法的收敛性分析可知，通过迭代搜索可以找到贝叶斯网络的最大可能解释.实验结果表明与其他算法相比收敛精度与寻优效率均有提升.

Select

一种基于LSTM和CNN混合模型的文本分类方法

王海涛,宋文,王辉

2020, 41(6): 1163-1168.

摘要 ( ) PDF全文 ( )

可视化

针对卷积神经网络（Convolutional Neural Network，CNN）在获取文本中上下文依赖关系方面的不足及深层神经网络在提取文本特征时出现的特征丢失问题，提出一种将长短时记忆网络（Long Short-Term Memory，LSTM）与卷积神经网络结合的文本分类模型MLCNN（Merge-LSTM-CNN）.首先，利用词嵌入将输入文本进行向量表示，通过三层CNN提取文本的局部特征，进而整合出全文语义;同时，使用LSTM存储文本中历史信息的特征，以获取文本的上下文关联语义;其次，将输入向量分别与各层CNN的输出相融合，实现原始特征的重用.实验结果表明，相对于CNN、LSTM以及其改进模型，MLCNN模型的分类准确率达到96.45%，取得更好的分类效果.

Select

一种自学习的智能五子棋算法的设计与实现

李大舟,沈雪雁,高巍,张小明,孟智慧,

2020, 41(6): 1169-1175.

摘要 ( ) PDF全文 ( )

可视化

强化学习长期以来的一个目标是创造一个能够在具有挑战性的领域，以超越人类的精通程度学习的算法.基于蒙特卡洛树搜索与深度神经网络设计一种自学习智能五子棋算法，无需人类知识，从零开始学习.其中深度神经网络是由32个卷积层组成的深度残差网络;蒙特卡洛树搜索可根据多次模拟博弈的结果预测最优的移动方案.将五子棋规则与蒙特卡洛树搜索和深度神经网络相结合，蒙特卡洛树搜索使用深度神经网络评估落子位置和选择移动，增强树的搜索强度，提高落子质量，优化自对弈迭代.通过蒙特卡洛树搜索进行自对弈，训练一个神经网络来预测落子选择以及游戏的赢家.经过两天的训练，该算法的埃洛等级分已经达到4000分，远远高于普通人类水平.

Select

一种移动边缘计算环境中服务QoS的预测方法

任丽芳,王文剑

2020, 41(6): 1176-1181.

摘要 ( ) PDF全文 ( )

可视化

移动边缘计算通过在终端设备和云之间部署边缘设备，能够在移动用户的近端提供服务，可降低网络时延、减缓网络带宽的压力.然而在移动服务计算环境中，用户的移动性导致其所访问的边缘服务器经常切换，导致传统的QoS（quality of service）预测方法在移动边缘服务环境下会出现较大的偏差.本文提出一种移动边缘计算环境下的服务QoS预测方法EQoSP，通过聚类分析自然地为不同用户/边缘服务器确定各自的相似用户/边缘服务器，在用户所访问的边缘服务器发生切换后，利用相似用户/边缘服务器提供的数据，对用户在新位置使用目标服务的QoS进行预测，从而更真实地反映用户位置发生改变后可能得到的QoS值.与现有方法的对比实验表明，本文所提出的方法对移动边缘环境中未知QoS的预测更为准确.

Select

异构云系统中预算成本约束下高效的工作流调度算法

张龙信,王兰,肖满生,文志华,李肯立

2020, 41(6): 1182-1187.

摘要 ( ) PDF全文 ( )

可视化

人工智能的巨大市场需求极大地促进了云计算的发展.随着公用云定价模式的逐渐成熟，预算成本约束已成为异构云计算系统中大型工作流科学应用设计调度策略首要考虑的问题.本文基于异构云计算系统，提出一种预算成本约束下高效的工作流任务调度算法（ESBL）.ESBL算法根据给定的工作流任务集及预算成本，首先确定各任务的执行优先级及预算等级成本;然后根据给定的虚拟器集群决定该任务集中关键路径对应的关键虚拟机节点;最后将任务映射至虚拟机，优先保证关键路径上的任务分配至关键虚拟机节点，其它任务节点按照更新的预算成本选择最佳虚拟机.ESBL算法既保证了任务集遵循约束条件，又最大限度地根据任务的优先等级预留计算成本.在真实并行应用的实验中，与著名的预算等级最小化调度长度算法相比，ESBL在不增加实际计算成本的前提下，工作流的调度长度可以降低12.11%-17.22%.

Select

异质网络组合元路径节点重要性分析方法

刘政君,梁英,张伟,

2020, 41(6): 1188-1194.

摘要 ( ) PDF全文 ( )

可视化

异质信息网络中节点重要性排名适用于学术评审评议、搜索引擎优化、推荐系统构建等领域，可以帮助人们更好的理解异质信息网络的节点特征.由于异质信息网络的节点重要性分析依赖语义信息，使用单一的语义信息进行节点分析是非常受限的.针对上述问题提出了一种基于组合元路径的异质信息网络节点重要性排名方法，通过对元路径进行组合的方式更大范围的捕捉异质信息网络中的语义信息，使排名更精准;使用指数加权平均数法确定组合参数的寻优步长并更新组合参数，循环迭代的计算节点的重要性排名直至排名稳定，使排名更可信.通过对AMiner数据集进行实验分析，验证了所提方法在准确度和收敛速度上优于同类方法.

Select

深度信念网络在云安全态势预测中的应用

赵国生,晁绵星,谢宝文,王健

2020, 41(6): 1195-1202.

摘要 ( ) PDF全文 ( )

可视化

面向多源异构大数据环境下云安全态势预测的准确性问题，提出了一种基于深度信念网络的云安全态势预测模型.首先，针对云计算环境的安全需求引入可度量的态势要素指标体系.然后，构建了云安全态势预测的样本数据,通过深度信念网络实现了态势要素和预测值之间的映射，并结合改进的差分进化算法实现了隐含层网络参数的优化.同时，引入二维旋转交叉策略增加进化种群的多样性，避免预测模型过早收敛.最后，仿真结果表明相对于现有的云安全态势预测模型提高了预测准确度.

Select

一种可编程的智能测控平台系统研究

王兴,唐先玮

2020, 41(6): 1203-1208.

摘要 ( ) PDF全文 ( )

可视化

针对工业领域中监控软件的智能化和可编程化问题，研究出一种可编程的智能测控平台系统，内容包括构建系统的典型模型，制定通信指令集的编码及解码规则以及智能化指令调度策略，设计专家控制产生式规则.采用Visual Basic编程语言设计上位机组态软件，使用可编程逻辑控制器为硬件控制核心，通过串行方式进行通信，按照专家控制方式进行指令的智能优化调度.提出了一种工业领域中可编程的智能化测控方法，实现了对现场设备的控制程序重构和功能扩展.经过实验测试及结果表明该方法在工业过程控制中是可行的.

Select

6Topo：一种测量IPv6网络拓扑的新方法

朱正一,陈鸣,王占丰

2020, 41(6): 1209-1215.

摘要 ( ) PDF全文 ( )

可视化

Traceroute是一种测量IP网络拓扑的基本方法，但在IPv6网络中种子地址数量稀少的情况下，该方法无法有效工作.为此，本文提出了一种在种子地址稀少的情况下测量IPv6网络拓扑的方法6Topo.该方法首先从CAIDA宏观拓扑数据集中搜索出属于被测目标网络的地址集合作为初始种子地址集合，再利用目标地址生成算法扩充种子地址集合，然后去除其中不活跃地址，最后基于Traceroute测量数据构建网络拓扑.为了验证该方法，本文实现了6Topo原型系统并使用它测量了CERNET2网络，进而构建了CERNET2网络拓扑.测量结果表明，6Topo可用较少的种子较好地构建目标网络的拓扑，并且该方法具有良好的鲁棒性.

Select

改进的无线传感器网络三边质心定位算法

李海啸,于东,胡毅,于皓宇,

2020, 41(6): 1216-1223.

摘要 ( ) PDF全文 ( )

可视化

节点定位是无线传感器网络的关键技术之一，它可以使观察者迅速找到数据源的坐标位置.基于接收信号强度指示（RSSI）的三边质心定位技术由于算法简单、成本低、无需太多锚节点而被广泛使用.但传统的三边质心定位技术容易受到周围环境、障碍物、信号噪声等影响，导致算法误差较大，定位精度不够.本文提出了改进的三边定位算法，通过模糊C均值聚类方法对锚节点向未知节点发射的RSSI信号进行聚类，消除小概率大干扰的噪声信号，根据相对准确的RSSI值计算未知节点和锚节点的距离，然后通过参考点加权质心定位算法寻找参考点对未知节点进行精确定位.仿真结果表明，改进后的算法减小了RSSI测距误差，提高了无线传感器网络的节点定位精度.

Select

雾辅助的轻量级隐私保护数据多级聚合研究

杨丽,陈思光,

2020, 41(6): 1224-1230.

摘要 ( ) PDF全文 ( )

可视化

针对当前隐私保护数据聚合研究方案在计算成本、通信开销、数据完整性验证以及灵活性等方面存在的不足，本文提出了一种雾辅助的轻量级隐私保护数据多级聚合方案（Fog-assisted Lightweight Privacy-preserving Data Multilevel Aggregation，F-LPDMA）.该方案利用云雾协作的多级聚合模型使中间层次的雾节点能够定期从连接的智能电表处收集数据，并导出细粒度的雾级聚合结果，该细粒度聚合可有效节省通信开销，提高聚合方案的灵活性.同时，为了提高多级聚合的效率，利用模数的性质对Paillier加密算法进行优化使计算成本降低，而多级聚合的结果呈现为一元多项式系数即为细粒度电量的消耗量，随后利用霍纳法

选择文件类型/文献管理软件名称

选择包含的内容

过刊目录