基于改进的LLE和FSVM方法在人脸识别中的应用

针对人脸识别问题,提出了一种新的算法。该算法首先用gabor小波对人脸图像进行特征提取。然后采用LLE算法进行降维。最后用FSVM和三叉决策树相结合设计识别分类器进行人脸识别。在降维的过程中,针对高维空间相似性度量函数和自适应参数选取方法上,对LLE算法进行了改进。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。     

基于元路径异构网络嵌入的姓名实体消歧方法

为了解决大型学术数据库中重名作者的歧义消解问题,提出了基于元路径异构网络嵌入的姓名实体消歧模型。使用大型在线学术搜索系统DBLP上的公开数据集,首先抽取学术出版物的作者信息、标题和会议期刊名称等特征属性,再利用word2vec模型工具生成的特征属性词嵌入输入到GRU网络中进行训练,构造出一个PHNet矩阵网络进行随机游走操作,从而捕捉不同类型节点之间的关系,最后进行相似节点的划分,完成姓名消歧工作。实验结果显示,新方法的精确度为0.865,召回率为0.792,F_1值为0.815。基于元路径的异构网络嵌入模型的精确度、召回率等指标都优于对比模型。因此,所提出的模型在提高大型学术数据库的消歧精准度方面具有良好的应用前景。     

机器学习算法用于乳腺癌检测的性能研究

乳腺癌排在女性恶性肿瘤首位,早期发现和诊断是治疗的关键。使用开源乳腺癌数据集,使用了K-近邻、逻辑回归、支持向量机等主流机器学习算法对数据集进行了大量的训练和测试,分析了它们在训练过程中的学习曲线,对训练和测试结果进行了对比,分析和研究了这些算法在乳腺癌检测中的性能,并对未来的研究方向和技术进行了展望。     

基于双向长短期记忆网络和标签嵌入的文本分类模型

提出了一种基于双向长短期记忆网络和标签嵌入的文本分类模型。首先利用BERT模型提取句子特征,然后通过BiLSTM和注意力机制得到融合重要上、下文信息的文本表示,最后将标签和词在联合空间学习,利用标签与词之间的兼容性得分对标签和句子表示加权,实现标签信息的双重嵌入,分类器根据给定标签信息对句子进行分类。在5个权威数据集上的实验表明,该方法能有效地提高文本分类性能,具有更好的实用性。     

基于恢复信息共享机制的最优自嵌入算法

提出一种动态的基于恢复信息共享机制的自嵌入算法,可用于实现图像篡改检测和内容恢复. 图像中每个分块产生的水印包括恢复信息和认证信息,其中恢复信息由原图的若干最高有效位生成,认证信息由生成的恢复信息结合最高有效位数据得到. 水印嵌入分为重叠模式和非重叠模式,选取的最高有效位数据层数和生成恢复信息的比特数是动态变化的. 该算法可根据篡改面积选取最优嵌入方式,有效保证了含水印图像的质量和图像篡改恢复效果.实验结果表明：与已有算法相比,该算法可取得更好的篡改恢复性能.     

建构主义视角下通信技术标准演化中的利益嵌入、转译与联盟——以TS23.292标准的生成过程为例

本文从建构主义分析视角出发,认为技术标准的演化中包含着复杂的利益博弈与权力渗透关系,其生成过程本质上是异质性行动者之间建立复杂的利益嵌入、转译和联盟关系的过程。本文在深入分析TS23.292标准生成过程的基础上指出,新标准并不具有"自然之镜"的品质。通过利益嵌入形成基于共同利益目标的"实践共同体",进而选择成功的利益转译策略来构建强壮、稳健的利益同盟网络,是TS23.292标准顺利建构为事实标准的主要途径。摒弃近代以来技术与社会分离的二元论哲学,从微观上追踪新标准形成过程中多元社会行动主体间的相互形塑、同构共生关系,探索标准的建构过程的多元性、建构时空的多维性以及建构内容的多重性,既是认识信息社会新技术演化路径的重要方法,也是厘定新标准实质的内在要求。     

基于k近邻和最小二乘支持向量机的Android恶意行为识别

针对单一k近邻算法(KNN)和最小二乘支持向量机(LSSVM)存在的缺陷, 提出一种基于KNN LSSVM的Android恶意行为识别模型. 先采集Android用户行为样本, 并提取相应特征组成特征向量; 再将训练集输入LSSVM中进行学习, 计算测试样本与最优分类平面间的距离, 如果该距离小于阈值, 则直接采用LSSVM恶意行为识别, 否则采用KNN算法进行恶意行为识别; 最后采用仿真实验测试KNN LSSVM的性能. 实验结果表明, 相对于单一KNN算法和LSSVM, KNN LSSVM提高了Android恶意行为的识别正确率,可以满足Android[KG*6]恶意行为的在线识别要求.     

智能电网中数据可校验加密的密码逆向防火墙设计

云架构下智能电网进入了开放融合新环境,为保障数据的机密性,数据通常以加密形式存储在云服务器中.针对云存储加密数据与原始明文数据的一致性和合法性问题,并考虑大规模监视环境中潜在的斯诺登式后门嵌入攻击威胁,该文为云架构下智能电网中的数据可校验加密系统设计了密码逆向防火墙方案.方案结合明文可校验加密方案与密码逆向防火墙技术,...     

拖曳锚嵌入机理及运动特性实验研究

针对拖曳锚的嵌入机理和运动特性,设计并实施拖曳锚模型实验.模型实验系统主要由模型水槽、拖曳系统、测量系统和模型锚板4部分组成.实验采用接触式测量技术,实时测量了拖曳力、拖曳角、拖曳距离及锚板方位角、翻转角和运动位移等多运动参数.通过系统分析锚板的运动参数和嵌入轨迹,结果表明:设计锚胫角增大,对应锚板的方位角、嵌入深度和拖曳力均成倍增加;锚板形态对锚板的拖曳嵌入性能具有重要影响,优化的梯形锚板较矩形锚板的各方面性能均有所提高.由实验验证得出,矩形锚板在土中的行进方向平行于锚板平面;在嵌入过程中,锚板的方位角与拖曳角之和近似为常数.     

基于马尔可夫链嵌入法的两阶段Start-Up验证试验模型

为了给出两阶段start-up验证试验模型相关指标的解析表达式,构造了符合两阶段start-up验证试验模型状态转移规律的马尔可夫链.应用马尔可夫链相关理论给出了试验次数的期望、方差、分布律、分布函数,以及接受和拒绝产品的概率矩阵表达式.数值示例表明,对于各种参数的两阶段start-up验证试验模型相关指标求解问题,有限马尔可夫链嵌入法比概率生成函数法更加有效.