知识作业“动作-时间”分析法研究及应用

借鉴科学管理的思想,探索知识作业的“动作-时间”分析法,构建了知识作业的“动作-时间”分析法模型,以“手机短信发送”为例,模拟两个简单的手机操作任务,通过对比实验对模型进行了验证。实验结果显示通过知识作业“动作-时间”分析法设计的操作界面更加高效。研究结果表明,知识作业“动作-时间”分析法模型符合人类的认知规律,能够解析知识作业的加工过程,可以有效改善知识作业的作业效率。     

可训练语音合成在越南语合成中的应用

现代越南语是一种拼音化文字,采用“声、韵、调”标记其音节。采用基于HMM的可训练语音合成方法实现越南语语音合成。针对越南语的特点收集语料、录音、标注、确定音素列表、设计上下文属性集和问题集。在HTS平台下构建越南语的STRAIGHT语音合成器。对合成语音进行主观评测。初步评测结果表明,可懂度基本接近100%,自然度还处在“可以接受”和“比较自然”之间。     

基于基元模型的产品创意设计方法与表征研究

为打破传统 “设计直觉、灵感”生成过程“黑箱”,运用可拓学基元理论, 构建创意设计阶段基元模型,结合工业设计学科属性,提出“异特征”、“异量值”、“异规则”、 “关系同构”四个构思层面,明确分物元获取参照方法,以保证物元变换品质,得到基于基元 模型的产品创意设计方法及表征,有效提升产品创新品质。最后,以家用加湿器设计实例验 证了本方法的有效性、实用性和创新性。     

基于MODIS多通道合成的江淮暴雨云系分析方法

卫星多通道合成能直观反映出卫星云图上的一些特性,通过采用经过预处理后的MODIS多通道数据,利用“白天自然色”、“白天微物理”、“白天太阳”和“空气团”4种多通道组合,结合实况降水分布和地面气象观测站点资料,以2010年7月13日江淮流域的一次特大暴雨过程为例,定性分析暴雨云系微观物理性质,推断云粒子大小和相态等,并对比高时空分辨率的局地分析预报系统(LAPS)中尺度物理量场以及不同研究个例的多通道合成图分析。结果表明：卫星多通道RGB合成图能以色彩的形式有针对性地突出对流系统、云粒子微观物理性质等属性,具有一定的精确度和普适性,有利于暴雨等中尺度强对流天气的监测。     

基于User Profile的微博用户推荐

传统微博用户推荐算法采用的数据来源单一,模型简单,导致推荐准确率不高。针对这一问题,本文提出一种基于标签的User Profile推荐算法,根据微博数据的特点,深入研究“微博文本”、“标签”、“社交关系”和“用户自身基本信息”等因素对微博个性化推荐的影响,通过训练LDA主题模型和SVM分类器将它们转换为标签,并赋予权重来描述用户兴趣,进行用户推荐以提高推荐准确性。实验结果表明,与传统VSM模型方法相比,该算法进行用户推荐效果更佳。     

全球合成生物行业发展前沿分析

合成生物学在经历早期的技术创新和初步商业化探索后,于 21 世纪的第二个十年迎来了高速 发展和商业化落地。该文从市场规模、行业融资和行业发展 3 个方面对全球合成生物学行业现状进行 了梳理和分析。分析显示,在市场规模上,合成生物学市场增长迅猛,但其规模在不同的地理区域和 行业领域内均有明显差距;在行业融资上,合成生物学行业投融资趋势呈明显上升态势,2020 年合成 生物学行业的投融资事件数量和金额均创下历史记录,但不同地理区域之间的发展仍不平衡;在行业 发展上,合成生物学的落地应用场景十分多元,已扎根各行各业,并展现出巨大的应用潜力。     

基于系统调用序列的“非我”分类

针对仿生免疫系统模型（GECISM）中已识别出的“非我”入侵程序,介绍了基于系统调用序列根据入侵行为进行分类的方法。通过对训练集提取规则,建立“非我”类的特征库,从而判断出“非我”程序所属的“非我”类。实验验证了这一方法的可行性和有效性。     

结合形状约束的Graph Cut行人分割

传统的Graph Cut算法没有对目标的形状予以限制,很难得到语义化的分割结果,即无法保证分割出来的是“行人”。针对该问题提出一种结合形状和底层特征的Graph Cut算法。对于行人分割,用大量真实行人轮廓来表达“行人”的先验形状,对Graph Cut分割算法予以约束,同时构建一个行人模板的层次树以减少匹配时间;并且提出一种区分性的外观模型来替换原来的外观模型。实验结果证明,该算法的分割结果明显优于传统Graph Cut算法的分割结果,所得到的轮廓与真实的行人轮廓比较吻合。     

融入类别信息的图像标注概率主题模型

基于概率主题模型的图像标注方法旨在通过学习图像语义进行图像标注,近年来倍受研究人员关注。考虑到类别对图像标注可提供有价值的信息,例如,“高楼”类图像,出现“天空”、“摩天楼”的可能性大于“海水”和“沙滩”。而“海岸”类图像出现“海水”、“沙滩”的可能性要大于“天空”和“摩天楼”。在Corr-LDA模型的基础上利用图像类别来改进图像的标注性能,提出了一个融入类别信息的图像标注概率主题模型。为该模型推导了一个基于变分EM的参数估计算法,并给出了使用该模型标注图像的方法。在LabelMe和UIUC-Sport两个真实数据集上验证了提出模型的标注性能要高于其他相比较模型。     

基于逻辑回归的多任务域快速分类学习算法

多任务学习通过寻找并共享不同任务域之间的共性特征来完成学习,利用知识迁移加速不同任务域的学习为每个任务域构建一个分类器。提出了一种基于罗杰斯特回归模型的多任务学习方法MTC-LR（Multi-task Coupled Logistic Regression）。“罗杰斯特回归模型”已经被成功应用于单任务分类器上,该模型被众多实验证明是有效的,正是这种方法给人们带来了启示。从理论上证明了通过构造多任务分类器的“开销函数”和“差异性度量函数”,MTC-LR算法可以提高多任务分类器的各自分类精度。相比传统的基于SVM的多任务学习方法,MTC-LR并不依赖于核方法而是通过共轭梯度下降法寻找各个分类器的最优参数。同时MTC-LR与采用“罗杰斯特回归模型”的快速算法CDdual更容易结合,可扩展至大样本的多任务分类学习。正是基于上述发现,为了充分高效利用大样本的多任务域数据,满足大样本的快速运算,在MTC-LR算法的基础上,结合最新的CDdual（The Dual Coordinate Descent Method）算法,提出了MTC-LR的快速算法MTC-LR-CDdual,并对该算法进行了相关的理论分析。将该算法在人工数据集和真实数据集上进行了验证,实验结果表明该算法有着较高的识别率、快速的识别速度和较好的鲁棒性。     

基于粗粒度遗传算法的网络入侵检测系统

分析遗传算法在入侵检测系统中的可应用情况,提出一种基于粗粒度模型遗传算法的网络入侵检测系统。通过对协议特征的分析,找出有可能被非法利用和更改的特征属性,经过组合和编码后构成系统的初始种群,在各个处理器(终端点)并行地进行遗传算法的操作,使种群的进化在所有检测点同时进行,通过迁移相互交流,合理地设计适应度函数,使遗传“基因”的取舍和利用更加合理。实验数据表明,系统的检测率达到90%以上。     

利用遗传算法实现试题库自动组卷问题

提出并实现了利用遗传算法求解试题库组卷的数学模型,定义了组卷问题的适应度函数,讨论了运用遗传算法求解在一定约束条件下的多目标参数优化问题,通过初始化种群、选择算子、交叉算子和变异算子,等过程不断进化,最后得到最优解,实验结果表明,遗传算法相对于其它算法更能有效的解决试题库自动组卷问题,提出了实现不相邻试卷分配的补遗随机算法,为求解类似的多目标约束问题及不相邻组合问题提供一种新的方法。     

基于SQL Server数据库的智能组卷系统开发

研究试题库管理与智能组软件系统的整体框架.利用ADO.NET实现了SQLServer 2000中试题库的管理功能,开发了题库管理软件系统.在遗传算法的基础上,提出一种改进的智能组卷方法,有利于提高进化速度,避免陷入局部最优.实例分析表明,改进的遗传算法具有较好的智能组卷性能,实现了高效智能组卷.     

基于神经网络和遗传算法的VBR通信流量预测

论文阐述了利用神经网络预测由连续自动回归(AR)马尔可夫模型所代表的可变位速率通信流量(VBR);在这一理论的基础上,介绍一个BP神经网络模型,它采用拆分,组装方法来构造一个学习结果达到均方根误差全局最小点的BP神经网络,该方法结合遗传算法能有效克服局部极小点,缩短学习时间和减小学习难度,并能够精确地预测VBR通信流量。     

基于插件平台的软件开发过程研究

面向对象的软件开发方法增强了代码的可重用性,但是设计出的软件还是一个整体,不能像硬件一样实现"即插即用"。为了实现软件的"即插即用",可以采用插件技术,软件由一个个的模块(DLL)组装而成,不需要集成各源代码或链接库进行编译与链接。需要新的功能组件时也是按规定开发,之后只进行组装软件就可以使用。以前使用过的功能组件可以稍加修改或直接用于以后的软件开发。这种方法增强了软件的可扩展性和可维护性,也为软件开发人员降低了软件开发的代码集成难度。本文研究结合农业部农业建设项目管理信息系统的设计,论述如何在插件体系环境中进行软件的开发和管理。     

快速时尚品物流分销网络设计

针对快速时尚品在网络销售衰退期的配售问题,以收益最大化为目标,提出基于组配策略的快速时尚品物流分销网络基本结构,并建立具有多产品组配和订单自取特点的非线性混合整数规划模型。引入产品组配的相关参数,实现不同组配率下物流分销网络的整体优化。运用模拟退火算法对规划模型进行求解,结果表明,提高产品的组配率可增加产品销售总额以及降低物流总成本。     

Analysis of 3D frame problems by DQEM using EDQ

The differential quadrature element method (DQEM) and extended differential quadrature (EDQ) have been proposed by the author. The development of a differential quadrature element analysis model of three-dimensional shear-undeformable frame problems adopting the EDQ is carried out. The element can be a nonprismatic beam. The EDQ technique is used to discretize the element-based governing differential equations, the transition conditions at joints and the boundary conditions on domain boundaries. An overall algebraic system can be obtained by assembling all of the discretized equations. A numerically rigorous solution can be obtained by solving the overall algebraic system. Mathematical formulations for the EDQ-based DQEM frame analysis are carried out. By using this DQEM model, accurate results of frame problems can efficiently be obtained. Numerical results demonstrate this DQEM model.     

A Multiobjective Evolutionary-Simplex Hybrid Approach for the Optimization of Differential Equation Models of Gene Networks

This paper describes genetic and hybrid approaches for multiobjective optimization using a numerical measure called fuzzy dominance. Fuzzy dominance is used when implementing tournament selection within the genetic algorithm (GA). In the hybrid version, it is also used to carry out a Nelder-Mead simplex-based local search. The proposed GA is shown to perform better than NSGA-II and SPEA-2 on standard benchmarks, as well as for the optimization of a genetic model for flowering time control in rice. Adding the local search achieves faster convergence, an important feature in computationally intensive optimization of gene networks. The hybrid version also compares well with ParEGO on a few other benchmarks. The proposed hybrid algorithm is then applied to estimate the parameters of an elaborate gene network model of flowering time control in Arabidopsis. Overall solution quality is quite good by biological standards. Tradeoffs are discussed between accuracy in gene activity levels versus in the plant traits that they influence. These tradeoffs suggest that data mining the Pareto front may be useful in bioinformatics.     

Expansion of 3D face sample set based on genetic algorithm

3D face database is an important data platform for model training and algorithm design. As these works are mainly based on statistical learning, the coverage of training set has a great impact on algorithm performance. However it is a tedious process to obtain a 3D face sample. So the capacities of current 3D face databases are relatively insufficient. To solve this problem, we present a framework to augment existing 3D databases based on Genetic Algorithm. First the prototypical face samples are divided into patches. Then the new face samples are generated by assembling randomly selected patches. Under the guidance of the genetic algorithm, we can perform a number of the generating works at a time. The experiment results show that the proposed method has good performance on face data expansion.     

启发式遗传算法组卷模型研究

随着计算机及其数据库技术的发展，利用计算机存储大量的试题信息并结合数据库技术实现试题的自动组卷功能已成为一项实际可行且应用性广泛的一项课题。在遗传算法的基础上，提出了一种新的基于启发式遗传算法的智能组卷算法。新算法利用组巷过程中与目标约束条件的误差进行诱惑，使基因变异产生的子代具有更好的性能，从而确保上代群体优势能够沿着有利于最终问题求解的方向进行传递，有效地降低无效试卷所导致的系统开销。实验结果表明，新算法具有较好的智能组卷性能。