基于性能的RC框架结构现浇板式楼梯抗震性能评估

根据已有楼梯抗震试验结果,给出梯段板抗震性能水平及其量化指标;建立框架结构层间位移角与梯段板抗震性能指标之间的关系,并进行楼梯抗震性能宏观评价;基于梯段板、梯柱、与休息平台直接相连的框架柱等楼梯构件,给出既有RC框架结构板式楼梯抗震性能评估的具体方法和步骤.     

基于人工鱼群算法优化神经网络的WSN数据融合

无线传感网(wireless sensor network, WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network, BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation, AFSABP)神经网络数据融合。仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差。     

一种适用于时序InSAR的同质像元加权干涉相位滤波方法

为了有效地利用多时相InSAR的时间维度信息, 并保证滤波窗口内像元的同质性, 提出一种同质像元加权干涉相位滤波方法。首先采用拟合优度检验, 对多时相SAR 图像的同质像元进行识别, 然后在同质像元之间进行加权干涉相位滤波, 以保证中心像元在滤波过程中不受周边非同质像元干扰。基于真实干涉SAR图像的实验结果表明, 与经典Goldstein滤波及Lee滤波相比, 该滤波方法在目视效果、相位残差点数量及相位导数标准差3个指标上具有优势, 实现滤波器的设计初衷。     

多发性硬化症患者DTI图像定量化分析

提出了一种联合体素和白质图谱的磁共振扩散张量成像(DTI)方法,明确了多发性硬化症(MS)患者脑白质中受损区域的位置和严重程度.通过计算受检者脑白质区域内各体素中水分子扩散的各向异性指数(FA)和平均扩散率(MD),找出MS患者组和健康对照组(HC)之间FA和MD存在显著性差异的体素及分布情况.结果表明,与HC组相比,MS组FA值在胼胝体体部、压部和双侧放射冠上部等11个脑区有显著性降低;MD值在胼胝体体部、压部和右侧内囊后肢等22个脑区有显著性升高,为临床MS诊断和治疗提供了更有效的参考价值.     

云计算环境中SBS应用动态资源分配方法

建立了一个SBS（基于服务的系统，service based system）应用端到端性能评价模型，并在该模型的基础上提出了SBS应用动态资源分配方法，该方法通过将静态的初始资源分配和动态的资源分配方案调整相结合，能够适应用户访问行为的动态变化，保证SBS应用端到端性能. 在SBS应用动态资源分配问题求解中，提出了服务吞吐量约束确定算法并在此基础上 给出了SBS应用动态资源分配算法，该算法根据SBS应用吞吐量约束确定服务资源需求量并在此基础上通过起始服务 到服务间的转移时间计算服务的资源分配时刻，从而能够在保证SBS应用端到端性能约束的同时提高资源利用率. 实验验证了所提出的基于SBS应用端到端性能评价模型的动态资源分配方法的有效性.     

融合词法句法分析联合模型的树到串EBMT方法

针对传统的基于实例的机器翻译(EBMT)方法中系统构筑复杂度和成本较高的问题,提出一种基于依存树到串的汉英实例机器翻译方法。与传统方法相比,该方法只需进行源语言端的句法结构分析,可以大大降低构筑系统的复杂度,有效降低成本。为了提高翻译精度,引入中文分词、词性标注和依存句法分析联合模型,可以减少汉英EBMT中源语言端基础任务中的错误传递,提高提取层次间特征的准确性。在此基础上,结合依存结构的特征和中英语料的特性,对依存树到串模型进行规则抽取以及泛化处理。实验结果表明,相对于基线系统,该方法可以提高实例对抽取质量,改善泛化规则和译文质量,提高系统性能。     

基于熵权和有序聚类的房地产周期分析

房地产的周期波动历来都是关系国计民生的重要课题,本文采用中国2000-2013年房地产行业和相关经济指标数据,首先利用时序分析对缺失值进行修补,然后利用熵法对诸多指标进行降维,得到各指标的熵权,再计算各年度的房地产发展综合得分,最后利用有序样本分割进行顺序聚类,获知最近十几年房地产发展的短期波动规律和周期性。     

时序法在焊缝损伤诊断方面的应用

初步探讨如何采取时间序列分析的方法对焊接结构、焊缝的缺陷进行诊断,并获得能够反映系统状态的参数,从而判断出焊缝质量的不同情况.     

一种基于身份代理重加密的云数据共享方案

针对云存储环境对隐私数据安全共享的迫切需求,提出一种安全、高效的云密文数据共享方案.该方案利用基于身份的代理重加密技术,将隐私数据加密后上传到云存储服务器中.为了实现数据的安全分享,数据所有者可以生成一个重加密密钥发送给代理服务器.代理服务器利用重加密密钥将数据所有者的密文转化为数据共享者的密文,而代理服务器却不能读取加密的数据.该方案不需要使用公钥证书,从而缓解了传统公钥加密方案的繁琐公钥管理过程.此外,该方案在随机预言机模型下是可证明安全的,从理论上保证了云数据共享方案的安全性.     

Privacy Quantification Model Based on the Bayes Conditional Risk in Location-Based Services

The widespread use of Location-Based Services(LBSs),which allows untrusted service providers to collect large quantities of information regarding users’locations,has raised serious privacy concerns.In response to these issues,a variety of LBS Privacy Protection Mechanisms(LPPMs)have been recently proposed.However,evaluating these LPPMs remains problematic because of the absence of a generic adversarial model for most existing privacy metrics.In particular,the relationships between these metrics have not been examined in depth under a common adversarial model,leading to a possible selection of the inappropriate metric,which runs the risk of wrongly evaluating LPPMs.In this paper,we address these issues by proposing a privacy quantification model,which is based on Bayes conditional privacy,to specify a general adversarial model.This model employs a general definition of conditional privacy regarding the adversary’s estimation error to compare the different LBS privacy metrics.Moreover,we present a theoretical analysis for specifying how to connect our metric with other popular LBS privacy metrics.We show that our privacy quantification model permits interpretation and comparison of various popular LBS privacy metrics under a common perspective.Our results contribute to a better understanding of how privacy properties can be measured,as well as to the better selection of the most appropriate metric for any given LBS application.