Flink平台下的分布式平衡级联支持向量机

支持向量机（Support Vector Machines,SVM）在分类和回归领域都是非常强大的工具，但在大数据环境下，其面临资源占用过高和寻优速度慢等问题.目前利用大数据框架实现的SVM，虽然优化了寻优速度慢的问题，但其预测精度与直接训练方式相比存在一定的差距，此外其并没有对训练节点的资源进行合理配置.故提出一种Flink平台下的分布式平衡级联向量机，该方式在之前的基础上将数据集分成含有相同比例样本的平衡子集，并对子集的训练参数进行放缩；同时，结合Flink下迭代作业的动态资源分配策略，将各节点资源最小化为刚好满足训练需求.对该方法的有效性进行阐述，对比多个数据集在不同训练方式下的资源占用和模型精度，实验结果表明，采用所提出的训练方式能合理灵活地对资源进行配置，同时将模型预测精度误差降低到0.1%以内.     

基于新型空间注意力机制和迁移学习的垃圾图像分类算法

随着我国各级政府大力推动垃圾强制分类,分类回收各环节中实现标准化、自动化的垃圾分类识别需要适合云端部署的高准确率、低延时要求的细粒度图像分类模型.本文发挥深度迁移学习的优势建立了一套端到端的迁移学习网络架构GANet (garbage neural network);针对垃圾分类中类别易混淆、背景干扰等挑战,提出一种新型的像素级空间注意力机制PSATT (pixel-level spatial attention).为克服类别多和样本不平衡挑战,提出使用标签平滑正则化损失函数;为改善收敛速度以及模型稳定性与泛化性,提出了阶梯形OneCycle学习率控制方法,并给出了结合Rectified Adam (RAdam)优化方法和权重平滑处理技术的组合使用策略.实验使用了"华为云人工智能大赛.垃圾分类挑战杯"提供的按照深圳市垃圾分类标准标注的训练数据,验证了GANet在垃圾分类问题中的显著效果,获得了全国二等奖(第2名);同时,提出的PSATT机制优于对比方法,且在不同主干网络架构上均得到了提升,具有良好的通用性.本文提出的GANet架构、PSATT机制和训练策略不仅具有重要的工程参考价值,也具有较好的学术价值.     

延迟受限细粒度可伸缩视频流媒体平滑传输

在异构网络上可伸缩视频传输中,为了解决由于网络的时变性特征所引起的编码码流与网络带宽不适配所引起的问题,该文提出了一种控制可伸缩码流的传输,使之适应带宽的时变特性,同时能够保证平滑的重建视频质量的传输调度算法。该文在延迟受限的条件下,通过控制每一帧增强层码流的传输,使得带宽变化所带来的视频质量波动显著下降,从而有效地提高了视频的总体质量。仿真试验表明,该方案在提高视频客观质量的同时提高了其主观质量,有效提高了视频传输的鲁棒性。同时,该文所提出的算法复杂度较低,能够应用在实际的流媒体传输系统中。     

一种基于H.264的细粒度多适应性视频编码算法

提出了一种基于H．264的细粒度多适应性编码算法并对其进行了仿真实验。该算法综合运用了MP(Matching Pursuit)变换和位面编码等细粒度编码技术，灵活地将MP变换结果分为两个层次的码流，帧间预测也采用了两级预测模式，生成了多层次细粒度的视频压缩码流。该算法输出码流具有精细可调性，能自适应网络带宽变化，对于解决视频应用在现有尽力而为网络上所面，临的带宽波动和异构等问题有着重要意义。仿真实验证明了该算法的恢复质量和可伸缩性。     

基于BERT与多通道卷积神经网络的细粒度情感分类

为了分析突发事件期间网络舆论的情感倾向,以更有效地调节人们的情绪,维护社会稳定。本文提出了一种融合BERT模型和多通道卷积神经网络的深度学习方法用于细粒度情感分类,以获取更加丰富的文本语义特征信息。通过BERT 对输入的文本进行编码,以增强文本的语义特征表示,再通过具有多个不同大小的卷积核的并行卷积层来学习文本特征,捕获文本的深层次特征,提升模型在文本分类的性能。对比实验表明,该模型在准确性、召回率和F1值方面均优于传统的情感分类模型,并能显著改善细粒度情感分类的性能。除此之外,本文还探究了表情符号对细粒度情感分类模型的影响,实验结果表明表情符号转换成文字后可以增强文本的情感特征提取能力,提升模型分类性能。     

面向微博短文本的细粒度情感特征抽取方法

结合TF-IDF方法与方差统计方法, 提出一种实现多分类特征抽取的计算方法。采用先极性判断, 后细粒度情感判断的处理方法, 构建细粒度情感分析与判断流程, 并将其应用于微博短文本的细粒度情感判断。通过NLP&CC2013评测所提供的训练语料对该方法有效性进行验证, 结果表明该方法具有较好的抽取效果。     

基于Steiner三连系的细粒度数据完整性检验方法

细粒度的数据完整性检验方法在实现完整性检验的同时可以对少数错误的数据对象进行准确和高效的隔离,从而避免因偶然错误或个别篡改造成整体数据失效的灾难性后果。为了提高细粒度数据完整性检验方法的错误指示效率,利用Steiner三连系表达的特殊组合关系实现数据对象之间的交叉检验,构造了一种新的数据完整性指示码。给出了码的构造原理,分析了码的主要性能。分析和实验结果表明,该码可以准确指示2个错误并且具有更高的压缩率。     

细粒度角色访问控制模型及其应用

针对传统的角色访问控制模型权限控制粒度较大、权限控制代码横切业务功能模块、难以有效支持软件复用等问题．提出了一种细粒度角色访问控制模型。该模型通过引入外权限和内权限细化了权限控制粒度．并通过AOP技术实现了内权限的动态配置,提高了组件复用度和模块独立性。该模型已在实际项目中得到应用,验证了模型的正确性和有效性。     

基于包的细粒度信道接入机制改进

为了解决大规模Ad Hoc战术通信网络由于拓扑结构变化剧烈、节点移动速度迅速带来的包与包之间的冲突碰撞问题,对基于优先级概率统计的媒体访问控制协议(Statistic Priority based Multi Access, SPMA)的退避机制进行深入研究,提出一种结合MAC层的细粒度信道接入机制,该机制在信道负载统计以及接入机制这两方面提出了改进,该协议改变了传统的在物理层上统计信道负载的方式,并将控制信道负载的单位细粒度化.借助OMNeT++仿真软件对该模型进行系统仿真.仿真结果表明,改进后的信道接入机制能够使得整个网络的退避过程能够保持更高的信道利用率,有助于提升整个网络的吞吐量.     

面向流体机械仿真的层次化并行计算模型

随着流体机械基础并行算法的发展,传统的单核处理器已经不能很好地满足先进流体机械研发的技术需求,为此本文深入研究了流体机械的物理模型以及高性能计算机架构特点,设计并实现了能够充分表达物理模型并行性的高效的面向流体机械仿真的层次化并行计算模型(HP2H)。HP2H模型充分考虑流体机械的多层几何结构以及高性能计算机的多层逻辑架构,深入挖掘计算平台、计算模型以及物理模型的并行性,实现从物理模型到计算资源的高效任务映射。依据具体的轴流压气机转子数值模拟的实际应用背景,结合粗粒度并行和细粒度并行对模型进行实现。对HP2H计算模型进行了功能测试和性能测试,当计算核心从36核提升到432核时,计算性能提升约12倍,并行效率达到了100%。实验结果表明,HP2H计算模型不但在正确地对流体机械进行数值模拟的前提下实现了较好的计算性能,并且由于HP2H计算模型结合了粗粒度并行与细粒度并行,因而可以在不同的计算平台上运行,还可以便捷地实现计算规模的扩展,具有良好的可移植性与可扩展性。