基于树型空间的三维树木模型匹配

为解决三维树木模型的检索具有正确率低、检索效率低、描述不匹配等问题,提出一种基于树型空间的三维树木模型匹配方法。该方法通过构建三维树木模型数据集的树型空间,辅以主轴匹配,轮廓匹配,枝干匹配等方式,经过树型空间中欧氏距离和测地线度量差异值,逐步匹配到相应的三维树木模型,该方法分别在通用模型数据集和自我设计的模型数据集进行了匹配性实现,结果表明可以较大幅度提升树木模型匹配的准确率,利于三维树木模型的大规模检索和重用。     

时事概览

特朗普宣布美国暂停向世卫组织缴纳会费4月14日,美国总统特朗普在白宫记者会上宣布,美国暂停向世界卫生组织(WHO)缴纳会费。他说,美国每年向世卫组织缴纳超过4亿美元会费,作为世卫组织的主要赞助方,美国有责任对世卫组织在疫情中的行为问责。世卫组织成员缴纳会费包括两部分,一部分为摊派会费,依据各成员卫生和经济状况计算;另一部分为志愿会费,多用于资助具体项目。美国常驻联合国代表团提供的数据显示,美国政府2019年资助世卫组织4.52亿美元,其中摊派会费接近1.19亿美元。     

面向医疗大数据任务低时延需求的路径计算方案

针对云计算应用于医疗大数据处理时存在的通信高负荷及任务处理高时延的问题,提出一种面向低时延任务需求的路径计算方案。该方案首先将医疗大数据任务构建为由多个具有输入输出关系的子任务所组成的有向无环图;然后,设计了一种云雾网络架构,利用医院中的交换机、路由器等网络边缘设备组成雾计算层,在端到端的定向数据传输过程中利用雾节点的计算能力逐步完成医疗大数据任务计算。为将医疗大数据任务部署至医院网络,提出一种基于离散二值粒子群优化(BPSO)算法的任务映射策略,将有向无环图形式的大数据任务映射至医院雾网络拓扑图,为任务数据寻找合适的计算路径,并最小化医疗大数据任务处理时延。仿真结果表明,当数据量取5～10Mb时,应用路径计算方案的任务处理时延相比云计算可降低50%以上。     

数据实时转化技术在智能限高监控平台中的应用研究

数据实时转化方法是实时转化成一定规则的数据并存放在数据库中供给服务端的使用。在智能交通监控平台中,实时监控超高车辆行驶信息和实时转化抓拍的超高车辆图像信息数据需要实时转化,以数据视图、折线视图、图像等方式实时呈现在平台中,供管理人员决策。因此,本文研究了一种数据实时转化技术,通过通信和编码技术把设备中多种类16进制数据流实时映射到服务缓存中,实现数据流实时、安全、准确转化和表达。     

TransE和TransH模型空间地址表示学习中的对比研究——以广州市天河区为例

将地理知识融入空间地址，研究空间信息与语义信息融合的知识表示学习方法；将空间地址数据集在TransE模型和TransH模型上进行训练，通过元组分类和向量间距离评估的方法进行对比研究.研究结果表明:(1)在地址实体的表示学习任务中，TransH模型在对复杂关系的建模任务上明显优于TransE模型；(2)在语义知识基础上融入空间关系，能够有效地解决地址实体语义相似而空间距离不相近和空间距离相近而语义不相似的两大问题.语义关系与空间关系的融合，将能够挖掘更多有价值的信息，有利于进一步开展地理知识图谱的补全工作，可为地理知识图谱表示学习提供方法借鉴.     

基于DIKW图谱的虚拟社区用户性格分类与转换方法

随着社交网络的发展，网络虚拟社区的成员数量快速增长.在虚拟社区中，用户会偏向选择浏览自己喜欢的内容，同时倾向与具有相近或相关兴趣爱好或目的的人进行内容交流与处理合作.在虚拟社区中，用户之间的交互内容以数据、信息和知识的形态存在.虚拟社区上大量的数据、信息与知识形态的网络类型化资源中保留了许多网络用户使用“痕迹”.这些痕迹是真实用户的数字化存在代表.为了实现对虚拟社群用户生成内容按照偏好和兴趣进行量化调控，采用数据信息知识及智慧（data information knowledge wisdom，DIKW）图谱对这些类型资源进行建模.根据用户DIKW图谱结合自我构建理论将用户按性格指数进行进一步的归类，并根据DIKW图谱结合自我决定理论将用户的心理需求分类.根据性格指数和心理需求设计了针对不同用户的不同的性格转换方法，模拟了用户生成内容的产生.     

河南省云计算、大数据领域专利申请情况研究与分析

云计算、大数据作为新兴计算机技术,最近几年发展迅速,云计算、大数据领域专利申请量从侧面反映了一个地区科技产业发展情况。本文通过对云计算、大数据的专利数据进行统计分析,梳理了云计算、大数据相关专利技术成果,对河南省内云计算、大数据领域的主要申请人、各地区申请量等进行了分析,为河南省建设知识产权强省以及加快推进云计算、大数据发展提供参考。     

数据不完备下基于特征识别的公交客流短时预测

识别公交客流特征是提高短时预测质量的关键。但由于设备故障、数据收集受限等原因,客流数据属性往往是不完备的,这给特征识别和客流预测带来了挑战。文中以缺少乘客属性数据的长沙市104路公交卡数据为样本,利用卡号与出行时间的关联性识别乘客出行频次,以此作为区分出行特征的变量,将客流总集划分为不同的特征子集,依据子集规模、方差确定变量最佳取值,推断客流特征。与直接预测客流总集相比,文中为每类子集建立季节性差分自回归滑动平均(SARIMA)模型分别进行预测,整合后得出的样本外平均绝对误差改善了36.11%,依据乘客出行特征建立的预测模型拟合度为0.95,可有效识别公交客流特征。