基于迁移学习的贝叶斯网络参数学习方法

针对贝叶斯网络参数迁移过程中对源域及目标域限定条件较多等问题，在考虑源域-目标域多种信息形式的情况下，提出一种基于贝叶斯网络参数迁移学习的统一框架.该方法综合考虑了源域结构和数据量在迁移中的作用，在结构相似性的基础上，探讨了备选源域数据量对参数迁移的影响.在迁移过程中引入与目标域数据相关的平衡系数.通过平衡系数将目标域数据与迁移过程联系起来，实现平衡系数的自动调节.Asia网络验证了本文方法的准确性.     

基于Winpcap的网络流量仿真设计

为了在离线情况下模拟一个真实的网络环境进行入侵检测系统的离线评估，利用Winpcap结构框架设计实现了基于Windows平台的网络流量仿真程序。该程序可以按照实验人员的意愿把捕获到的真实数据回放到离线网络环境中，以便在实验室中进行流量测试。     

基于多目标优化的符号网络社区检测算法

符号网络可以描述实体之间的多种关系,对符号网络中的社团检测可以挖掘出其中的有效信息.同时考虑连接密度和连接符号,将社团发现问题建模为一个多目标优化问题,基于MOEA/D框架,提出一种改进的符号网络社团发现算法,设计了基于字符串的编码方式、预分区策略、交叉合并策略、变异方式等.实验结果表明,本算法可以有效检测出社团结构.     

面向服务等级的网络流多任务分类方法

在网络流分类实践中，网络运营商通常只需要知道网络流所需的服务类别(class of service，CoS)，就可对网络流优先级和资源分配做出决定。为了满足用户对体验质量的需求，提出了面向服务等级的网络流多任务分类方法。该方法是直接进行面向CoS的流分类，而不需要推断应用类型。同时提出多任务框架，利用领域知识定义宏特征组及应用合作博弈中的Shapley Value模型来合理分析特征，并用决策树分箱来解决CoS阈值划分问题。采用真实网络数据集进行实验，通过在少量标记数据的情况下，优化网络参数和调整各网络模型时间损耗和分类准确性的稳定相关系数。结果表明，该方法分类准确度(提高了12.66%)和时间消耗(减少了39.23%)性能优于现有文献方法，同时分析了多分类实验结果并给出有关建议。     

基于改进DCGAN轮胎缺陷图像生成方法

针对深度卷积生成对抗网络的数据扩充方法存在生成图像质量差、模型框架不稳定、模型收敛速度慢等问题，提出一种改进DCGAN轮胎缺陷图像生成模型。将残差网络和注意力机制嵌入到DCGAN模型中，提升模型特征的提取能力；同时摒弃DCGAN损失函数JS散度，使用带有梯度惩罚项的Wasserstein距离，提高模型训练的稳定性。实验结果表明，使用给定模型生成的轮胎缺陷图像质量优于使用DCGAN，WGAN，CGAN与SAGAN所生成图像，其平均FID值可以达到116.28，最小FID值可以达到84.94。所提出的模型可以稳定生成质量更好的轮胎缺陷图像，为轮胎缺陷样本数据集的扩充提供了一种有效途径，有助于有效解决深度学习在缺陷检测领域发展所面临的小样本问题。     

基于黑板结构的目标级推理——一种适用于机械设计专家系统的模式

本文介绍利用人工智能技术,并结合机械设计的特点构造了一种基于黑板结构的目标级推理模式.用黑板结构描述任务求解状态,每一个任务完成一定的功能,并根据当前黑板状态确定下一步应执行的任务.黑板结构的任务规划模式用框架来表示.框架结构中记录了该任务采用的控制策略,知识源和控制方向等信息,保证了控制推理的灵活性.本文还描述了基于黑板结构的目标级推理在装载机工作装置设计专家系统中的应用.     

机器学习局部与全局数据建模

本书的目标是建立一个框架，该“框架”能结合机器学习中两种不同范型，即全局学习和局部学习。全局学习把注意力放在以全局的方式描述现象或建模数据上，例如变量的分布通常用于合计数据的估计，它的输出通常可能是重新构建数据，这种方法学派包括了贝叶斯网络、高斯混合模型和隐马尔科夫模型，     

基于模板更新的深层孪生网络跟踪算法

针对跟踪过程中因尺度变化、遮挡及运动模糊等造成的目标定位不准确问题,在SiamFC(fully-convolutional siamese network)的跟踪框架基础上提出了一种具有高置信度模板更新机制的深层孪生网络目标跟踪算法.首先,主干网络采用ResNet-50残差网络进行特征提取,并融合多层特征图进行目标预测;其次,为避免模板频繁更新带来的模板漂移问题,构建了高置信度的模板更新模块.在OTB100数据集上的实验结果表明,相比基准算法,文中算法的跟踪成功率和精确度分别提高了3.4%和2.6%;在多种挑战因素下的对比实验表明,文中算法可以较好地抵抗目标遮挡、尺度变化、运动模糊等多种复杂因素带来的影响,有很好的鲁棒性.     

大型电站分布式智能诊断系统的结构与协调方法

把分布式人工智能应用到大型电站设备故障诊断问题之中，提出了大型电站分布式智能监测与诊断系统的基本结构，它可以把不同的故障诊断推理方法有机地结合起来运用，并介绍了采用多层黑板结构模型的协调与通讯方法，最后给出了大型电站热力系统状态监测和汽轮发电机组振动故障诊断的应用实例     

基于2D先验的3D目标判定算法

提出一种基于2D先验的3D目标判定算法.首先用轻量级MobileNet网络替换经典SSD的VGG-16网络，构建出MobileNet-SSD目标检测模型；其次，通过改进网络结构，提高模型对小目标的检测能力，并引入Focal Loss函数来解决正负样本不均衡和易分样本占比较高的问题；在相同数据集上，将改进算法与Faster R-CNN、 YOLOv3及MobileNet-SSD进行对比测试，其平均精度mAP分别提高了7.2%、 8.8%和10.6%;最后，通过改进算法获取ROI,利用深度相机将二维ROI转换为ROI点云，并借助直通滤波来判断目标物体是否为真实场景物体，既省去了传统点云识别中的诸多步骤又避免了点云深度学习中三维数据集制作难度较大的问题，在识别速度和识别精度上达到了较好的平衡.     

参照零模型的符号社交网络理论研究

 结构平衡理论和地位理论是社交网络领域的重要理论,可以用来分析同时具有正向和负向连边的社交符号网络。提出了3种新的随机断边重连零模型,基于随机断边重连和符号随机置乱两大类零模型,对符号社交网络的地位理论和结构平衡理论进行了系统研究。发现基于零模型不但可以验证两种理论在实证网络中的准确性,还能揭示正边、负边拓扑结构和连边符号相关性对于整个网络性质的影响。提出了一个新框架,研究能否将有向符号网络转化为无向符号网络,发现目前常用的将有向符号网络转化成无向符号网络的方法在有些情况下对于研究社交网络理论是不合适的,存在着信息损失;讨论了非符号有向网络中的势能理论。     

面向对象的黑板集成模型在ICU医疗辅助诊断中的应用

针对ICU的现状,阐述了研制ICU医疗辅助诊断系统的意义,结合ICU的医疗复杂背景,对比分布式协作专家系统工具BITAL-DEST,提出了面向对象的黑板集成模型.在此基础上,初步实现了系统的框架,以两种联系紧密的危重病为例,设计了由两个黑板模型集成的系统原型.运行结果表明,面向对象的黑板集成模型用于ICU医疗辅助诊断是可行的.     

REET无线传感器网络路由协议

无线传感器网络是由大量传感器节点组成的自组织网络,具有密集性和随意分布的特点,可实现恶劣环境下的数据监测。根据网络的逻辑结构,可将面向WSN的路由协议分为平面路由和分层路由两种。典型的分层路由协议是LEACH协议和PEGASIS协议。树型无线传感器网络路由协议REET是在LEACH算法的基础上的改进,该协议可以有效降低节点能耗,使能耗均匀地分布在整个网络。     

改进残差网络与峰值帧的微表情识别

目的 微表情(Micro Expression, ME)是人们流露内心情感时展现出的细微面部表情。针对微表情识别的样本较少且不同类别数量分布不均导致难以识别和识别准确率较低的问题,提出能够提高微表情识别准确率的模型框架。方法 提取微表情视频序列中含有更多关键表情信息的峰值帧;使用加入SE模块的改进残差网络SE-ResNeXt-50对微表情的峰值帧进行特征提取,其中SE模块可以更好地学习特征中的关键信息,ResNeXt通过分组卷积的方式用稀疏结构取代密集结构从而使结构更加简化,提升了识别效率。与此同时,使用Focal Loss损失函数可以更好地解决因微表情数据的不平衡带来的模型性能问题。结果 在微表情数据集CASMEⅡ上进行了仿真实验,可以发现改进的残差网络与峰值帧提高了微表情识别的准确率与F1值。结论 改进的残差网络与峰值帧可以降低数据集较少所带来的影响,使模型有着良好的拟合效果,同时改善了在不同类别上表现差异较大的问题,提升了微表情的识别准确率,对于微表情识别有着更好的识别性能。     

搜索引擎中网络影响因子的可行性研究

搜索引擎是网络计量学的一种数据收集工具，而网络影响因子是网络计量学中的一种数据预处理方法，两者都在网络计量研究中起着重要的作用．通过在不同的时间段用三种商业搜索引擎对10家国内知名企业的网络影响因子进行对比分析，结果有两种搜索引擎的网络影响因子趋势相近，说明可以采用商业搜索引擎来测量商业网站的网络影响因子．     

面向多数据源的数据清洗关键技术的研究

对于各个领域的信息资源管理而言,数据质量一直是一个非常关键的问题。现实世界中的数据往往存在着各种各样的问题,从简单的拼写错误到复杂的语义不一致错误。数据清洗的目标就是检测并去除数据中存在的各种错误和不一致,提高数据的质量。该文归纳、总结了数据清洗相关研究的现状,提出一个面向多数据源的数据清洗框架的定义。框架实现了术语模型、处理描述文件和共享库等概念和技术。     

分布式系统中的事务黑板

作者根据人工智能黑板系统原理，论述在多处理环境下利用事务黑板结构构造专家系统的模型。分布式系统中节点间的通讯是靠事务管理模块完成；设计了一种以智能方式共享数据的机制，使事务黑板的结构满足了多处理器环境中建立专家系统的需要。     

面向分布式共享的海洋监测时空数据表达与传输模式研究

针对海洋时空监测数据分布式共享中的网络传输性能瓶颈问题，提出了一种基于共享式编码与实时压缩的时空数据表达与传输模式，建立了面向服务的海洋时空数据分布式共享框架，采用GML、KML、GeoJSON实现了海洋监测数据的编码式表达，采用压缩算法实现了数据实时高效传输。基于阿里云计算平台，设计和部署了面向海洋应用的分布式GIS系统作为实验平台，实验结果表明，采用GeoJSON和Deflate 6/GZIP建立海洋监测时空数据表达与传输模式，在分布式共享与集成系统中表现出较好的适用性和较突出的性能优势。     

试探基于网络的《大学物理》自主学习模式

网络自主学习存在重“微观”要素研究，轻系统和关系的研究，以及网络自主学习三要素的研究不平衡等问题，需要以系统的视角和现代的教和学的理论构建其框架。网络的自主学习系统框架是“对等互动”的结构。基于任务的网络自主学习模式，有利于培养学生的学习能力。     

NSAP——支持透明计算的网络存储访问协议

为了满足透明计算客户机访问网络存储设备的需求,需要通过网络存储访问协议与服务器交互完成数据请求的处理。现有的网络存储协议都工作在操作系统环境中。该文设计了NSAP(network storage access protocol)协议实现局域网中可靠的块级数据访问,它可以在操作系统启动前工作用于支持启动操作系统。NSAP基于UDP(user datagram protocol)和IP(Internet protocol)协议设计,包含通信管理和存储访问等功能,在不可靠的通信介质上为用户提供可靠的、面向连接的块级数据访问服务。结果表明:在设定试验条件下,请求的数据块小于64kB时,通过NSAP访问网络存储设备的性能优于本地磁盘访问的性能,是一种高效的局域网存储访问协议,可以满足透明计算的需求。