基于主题感知的跨模态序列到序列生成模型

结构化数据和非结构化文本被视为两种不同的模态.数据到文本生成是自然语言生成领域中一个重要的跨模态任务,该任务的目标是对于给定的结构化数据,生成一段文本用以描述结构化数据中包含的关键信息.近年的研究工作通常关注于描述性文本的生成,虽然取得了一定的研究进展,但仅能做到信息的传递而不能带来任何增益.为解决这一问题,本研究数据...     

时序InSAR大范围地表形变监测的关键问题分析

地表形变作为一种缓慢变化且不可逆转的环境地质现象,具有覆盖范围大的特点.受SAR影像幅宽限制,单幅SAR影像显然无法满足区域性地表形变监测,如何实现大范围地表形变监测成为当务之急.长条带时序InSAR监测与多轨道InSAR监测成果的拼接成为大范围地表形变监测的有效手段,但面临计算效率、误差传递以及坐标系与基准不统一等问...     

基于卫星数据的台风暴雨洪涝致灾指标的改进——以菲特(1323)台风为例

台风暴雨洪涝灾害的致灾指标改进对于防灾减灾工作具有重要意义.为分析菲特(1323)台风事件的情况,基于0.1°×0.1°分辨率的中国自动站与CMORPH降水产品融合逐时降水量网格数据集V1.0,根据台风降水分离方法,分离出整场台风的逐小时实际降水量;再结合台风暴雨洪涝灾害链理念,分别以基于日降水量指标的台风暴雨洪涝算法...     

基于光突发控制包缓存的批调度算法

在光突发交换（OBS）网络中,数据信道调度算法是提高网络性能的重要措施之一。提出了一种基于光突 发控制包（BCP）缓存的批调度算法M其主要思想是：对到达的突发控制包进行缓存M当设定的最大缓冲时间到了, 首先按照业务的优先级,再按照突发到达顺序对缓冲区中的BCP进行批调度处理,并采用LAUC-VF来调度数据 突发（DB）该算法通过缓冲较多的BCP,获得更多的突发信息,有利于优化调度DB,从而降低了突发丢失率。仿 真结果表明：该算法具有比LAUC-VF还要低的DB丢失率,并能有效支持QoS。     

TD-SCDMA网络测试仪中SCCP协议解码及上层PDU获取方案

以TD-SCDMA网络测试仪的信令分析功能作为研究背景,介绍了,3G协议栈中信令连接控制协议的基本概念、功能以及消息结构,并且在此基础上探讨了信令连接控制部分（SCCP）协议的解码以及针对实际数据的组装 方法,目的是对网络测试仪中SCCP模块的软件实现提出解决方案。该协议位于协议栈的传输层,其分析思路和 方法对研究传输层的其他协议具有指导和推广意义。     

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.     

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。     

大数据环境下图书馆文献资源建设模式的改革研究

在"互联网+"时代,现代化信息技术飞速发展,在大数据支持下,图书馆文献资源的建设模式迎来新的发展机遇和挑战。基于此,本文阐述了大数据环境下图书馆资源构建的重要性及功能,并提出图书馆文献资源建设模式改革的创新途径,包括加大网络开发力度,促进信息、文化资源共享等,以期充分发挥图书馆自身的职能,提高服务质量,进一步推动图书馆向现代化方向发展。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。