智能遥控监视系统

论述了利用单片机实现智能遥控监视的系统硬件组成及软件设计,介绍了一种单一遥控器对多台监视仪遥控的技术。     

基于密度检测的EM算法

期望最大化(Expectation Maximization,EM)算法在聚类过程中无法识别噪声点,最终的收敛效果也依赖于初始值的选择。本文提出的基于密度检测的EM算法(DDEM)通过基于密度的方法来检测噪声点,利用基于密度和距离的方法进行初始值选择,改善了EM算法收敛效果。实验结果表明新算法可有效识别噪声点,降低初始值选择对收敛效果的影响,明显提高了聚类准确率和稳定性。     

双通道卷积神经网络在文本情感分析中的应用

针对单通道卷积神经网络（CNN）视角单一、不能充分学习到文本的特征信息的问题,提出双通道CNN （DCCNN）算法。首先,采用Word2Vec训练词向量,利用词向量获得句子的语义信息;其次,采用两个不同的通道进行卷积运算,一个通道为字向量,另一个通道为词向量,利用细粒度的字向量辅助词向量捕捉深层次的语义信息;最后,通过不同尺寸的卷积核,发现句子内部更高层次抽象的特征。实验结果表明,所提DCCNN算法能够准确识别文本情感极性,其正确率和F1值均达到95%以上,相比逻辑回归算法、支持向量机（SVM）算法以及CNN算法等都有显著提升。     

基于属性加权的RCM算法

传统的粗糙集均值算法RCM的聚类准则是建立在参与聚类的属性同等重要的假设下,而在自然场景下的聚类问题中,不同的属性对聚类结果的影响是不同的。针对该问题,提出了将聚类属性进行加权处理的WRCM算法。具体地,为了筛选出对聚类结果产生关键影响的具有辨别力的聚类属性,算法通过引入权重矩阵将不同的属性赋予不同的属性权重。实验结果表明,本算法可以达到属性选择的效果,从而提高了最终的聚类精确度。     

基于冯诺依曼拓扑结构的骨干粒子群优化算法

为了改善骨干粒子群优化BBPSO算法的易早熟、易陷入局部最优解等缺点,提出了一种基于冯诺依曼拓扑结构的改进骨干粒子群优化VBBPSO算法。新算法提出"兼顾落后粒子"概念,通过应用冯诺依曼拓扑结构构造邻域,用邻域最优解取代全局最优解,引入中心项调节系数,在邻域范围内调整BBPSO算法的进化中心项与离散控制项,提高了算法全局探索能力与局部开发能力。实验结果表明,较几种经典的BBPSO算法,VBBPSO算法的综合性能有明显提升。     

基于戴帽L1范数的双支持向量机

针对双支持向量机模型易受异常点影响导致泛化性能较低的问题,提出了一种基于戴帽L1范数的双支持向量机模型.采用带有上限值的戴帽L1范数代替L2范数来构造最优化问题,一定程度上削弱了离群点、噪音点对于两个超平面构造的影响,增强了模型的鲁棒性.另外,针对构造的新的双支持向量机模型最优化问题提出了一个简单有效的迭代算法并且在理论上证明了该算法的收敛性.在无噪以及有噪UCI数据集上的实验结果表明,与其它支持向量机模型相比,该模型有着更强的鲁棒性以及稳定性.     

基于细粒度多通道卷积神经网络的文本情感分析

以词向量为输入的单通道卷积神经网络无法充分利用文本的特征信息,并且不能准确识别中文文本的多义词。针对上述问题,建立一种细粒度的多通道卷积神经网络模型。采用word2vec进行词向量的预训练,利用3个不同的通道做卷积运算,分别为原始词向量、词向量与词性表示相结合的词性对向量以及细粒度的字向量。通过词性标注进行词义消歧,利用细粒度的字向量发现深层次的语义信息。在此基础上,设置不同尺寸的卷积核以学习句子内部更高层次抽象的特征。仿真结果表明,该模型较传统卷积神经网络模型在情感分类的准确率和F1值上性能均有明显提升。     

基于Spring及JSF框架的订单信息管理系统

针对汽车零部件制造企业生产销售过程中销售订单多、生产协作单位多、资金流动量大、接口管理复杂等情况,提出了一种基于Spring[1]及JSF框架的以订单为主线的订单信息管理系统的解决方案,建立一个包括表示层、业务逻辑层和数据存储层的多层应用体系,采用工作流与消息机制,Spring及JSF框架的结合减轻了软件开发的工作量和复杂性,提高了软件的可重构性和可用性,并作为一个数据集中的集成应用系统,实现了多个订单、多个生产协作单位和大量资金、材料、进度等信息的实时集中与共享,从而提高企业的整体管理水平.     

一种能量优化WSNs非均匀分簇路由协议

为解决无线传感器网络多跳路由协议的“热区”问题,基于对EEUC协议的分析,提出了一种能量优化的WSNs非均匀分簇路由协议EOUCR（Energy Optimized Uneven Clustering Routing protocol）。该协议在簇形成阶段以候选簇头的剩余能量、其邻居节点的平均剩余能量和该候选簇头与SINK节点的距离作为竞选簇头的参数,且簇头竞争半径的选取考虑了成簇能耗,在此基础上形成了不同几何尺寸的簇,可减少“热区”内簇的簇头轮换次数,均衡网络负载。EOUCR在簇间多跳路由通信中引入了唯一与SINK节点通信的根节点,其他簇头则通过中继节点或直接与根节点通信,克服了EEUC能耗大且不均衡的不足,从而有效地解决临近SINK节点的“热区”问题。仿真实验结果表明,EOUCR能够更有效地节约节点能量、均衡网络能耗、延长网络生存周期。     

分布式自适应入侵容忍系统模型及定量分析

通过对目前入侵容忍系统模型的改进,构建了具有自恢复和自适应特点的分布式自适应入侵容忍系统模型。通过对入侵容忍系统的数据完整性、保密性和系统响应速度的定量分析,提出了响应度的新概念,完善了入侵容忍度（ITD）的概念,并对模型进行了求解和仿真。仿真结果表明,新模型具有更好的完整度、保密度和入侵容忍度,对建立响应时间稳定的、提供连续可靠服务的分布式自适应入侵容忍系统具有积极的指导意义。