用最优化方法求解试验线路功率因数

介绍了一咎精确求解低压电器试验线路ｃｏｓφ值的新方法,该方法是根据试验中所获得数据,采用最优化方法计算试验线路的全电阻Ｒ１和全电抗Ｘ１的值,然后再求出试验线路功率因数值。     

量词消去法在完全理论证明中的应用

本文利用量词消去理论证明了后继函数理论是完全的．     

基于增量复制的Apache日志管理分析系统设计与实现

本文在分析Apache日志文件结构基础上，设计了基于增量复制技术的日志更新算法，解决了在不影响Apache正常运行前提下目志实时更新问题．实验表明，所实现的系统不但解决了Apache日志管理的界面化问题，而且具备良好的实时更新性能，操作简便，具有较高的应用价值．     

有理数理论的计算复杂性

本文讨论了有理数理论的复杂性，通过构造精确的判定过程，从而确定了有理数理论的计算复杂性上界．     

电子政务网运行维护管理设计

为实现政务网的高效运行,从网络运行维护管理和数据中心管理两方面进行结构、功能设计.以营口政府电子政务网为例,提出一种解决方案.该方案的智能管理中心可以实现拓扑的自动发现,支持对全网设备及连接的定时轮询和状态刷新,实时了解整个网络的运行状况,并可提供丰富的性能管理及报警管理,实现资源一体化管理、资源的一站式监控、设备自助上线及应用的一键部署等.     

虚拟专用网(VPN)在网络安全中的作用

VPN技术就是在数据传送过程中加上了加密和认证的网络安全技术 .通过这种技术 ,可以利用公共网络构建自己的专用网络 .     

DNA加密技术与数字水印技术的综合集成

1引言 多媒体通信业务和计算机网络技术的迅猛发展给信息的广泛传播提供了前所未有的条件,同时也带来了新的问题:即对信息数字化产品(如电子出版物、音频、视频、动画、图像产品等)的侵权、盗版和随意篡改.因此,信息数字产品的安全传播(如知识产权保护、电子商务支付安全、网络安全等)就成了一项重要而紧迫的研究课[1].     

结合表示学习和迁移学习的跨领域情感分类

针对现有跨领域情感分类方法中文本表示特征忽略了重要单词与句子的情感信息, 且在迁移过程中存在负面迁移的问题, 提出一种将文本表示学习与迁移学习算法相结合的跨领域情感分类方法。首先, 利用低维稠密的词向量对文本进行初始化, 通过分层注意力网络, 对文本中重要单词与句子的情感信息进行建模, 从而学习源领域与目标领域的文档级分布式表示。随后, 采用类噪声估计方法, 对源领域中的迁移数据进行检测, 剔除负面迁移样例, 挑选高质量样例来扩充目标领域的训练集。最后, 训练支持向量机对目标领域文本进行情感分类。在大规模公开数据集上进行的两个实验结果表明, 与基准方法相比, 所提方法的均方根误差分别降低1.5%和1.0%, 说明该方法可以有效地提高跨领域情感分类性能。     

基于双层堆叠分类模型的水军评论检测

对于水军评论检测问题,已有方法在提取用户行为关系以及通过神经网络提取特征时复杂度过大,同时由于网络评论属于短文本类,其书写的不规范会导致训练过程中文本特征提取困难;另外,已有方法对数据集不平衡分布情况考虑不足。为此,提出了一种基于双层堆叠分类模型的水军评论检测方法。首先通过三元组形式构造矩阵表示用户间关系,并通过主成分分析得到低维用户关系表示,以此刻画用户在评论数据中的行为差异并且降低计算的复杂度;然后,通过评论的段落向量表示以及计算离散型特征(包括文本相似度、信息熵等)解决文本特征难以提取的问题;最后将三者相联结作为融合文本与行为特征的整体特征表示。利用集成学习的方法构造双层堆叠分类模型对评论分类,以提升模型在非平衡数据集下的检测性能。实验采用Yelp2013评论数据集,结果表明,与目前最好的基准方法对比, F₁值提高了1.7%~5.2%,在非平衡数据集中提升尤为明显。     

基于表现型共享的多目标粒子群算法研究

在多目标粒子群算法中,粒子的飞行由自身的最优位置和指导粒子决定,如何定义适应度选出合适的指导粒子,指导搜索过程向全局Pareto最优区域飞行,并保持种群在最优前端的多样性是算法的关键问题.针对上述问题,构造了同时考虑粒子的Pareto占优情况和目标空间邻近密集度的表现型共享适应度函数,在此基础上提出一个基于表现型共享的多目标粒子群优化算法(MOPSO).为了验证算法的有效性,采用占优等级指标来分析近似解集的占优情况,并采用EPS、HYP和R2指标来衡量解集的分布情况.实验结果表明,算法具有较强的全局搜索能力,能在较小的计算代价下获得较好的Pareto前端近似.