负载平衡路由：一种新的ACO路由策略*

通过改进ACO算法达到一种能实现通信网络负载平衡的群体智能路由策略。采用的主要方法为：将蚁群划分为若干个子群,不同子群的蚂蚁释放不同类型的信息素。通过不同类型信息素之间的相互制约作用,以及链路负载的测量,提出了三种策略实现负载平衡路由。在模拟网络上进行了不同策略的对比实验,以及与已有的群体智能路由算法的运行测试比较。实验结果表明,本文的路由策略具有较好的效果和一定的优势。     

融合注意力LSTM的神经张量分解推荐模型

针对结合深度学习模型的协同过滤算法未考虑关联数据的多维交互随时间动态变化的问题,该文提出一种融合时间交互学习和注意力长短期记忆网络的张量分解推荐模型(LA-NTF)。通过采用基于注意力机制的长短期记忆网络从项目文本信息中提取项目的潜在向量,然后使用融合注意力机制的长短期记忆网络来表征用户—项目关系数据在时间上的多维交互,最后将用户—项目—时间三维张量嵌入多层感知器中,学习不同潜在因子之间的非线性结构特征,从而预测用户对项目的评分。在两个真实数据集上的大量实验表明,与其他传统方法和基于神经网络的矩阵分解模型相比,方根误差(RMSE)和平均绝对误差(MAE)指标均有明显提升,说明LA-NTF模型可显著改善各种动态关系数据的评级预测任务。     

融合知识图谱与注意力机制的短文本分类模型

针对短文本缺乏上下文信息导致的语义模糊问题,构建一种融合知识图谱和注意力机制的神经网络模型。借助现有知识库获取短文本相关的概念集,以获得短文本相关先验知识,弥补短文本缺乏上下文信息的不足。将字符向量、词向量以及短文本的概念集作为模型的输入,运用编码器-解码器模型对短文本与概念集进行编码,利用注意力机制计算每个概念权重值,减小无关噪声概念对短文本分类的影响,在此基础上通过双向门控循环单元编码短文本输入序列,获取短文本分类特征,从而更准确地进行短文本分类。实验结果表明,该模型在AGNews、Ohsumed和TagMyNews短文本数据集上的准确率分别达到73.95%、40.69%和63.10%,具有较好的分类能力。     

基于CMT-FCM的自适应谱聚类算法

传统谱聚类对初值选取十分敏感,严重影响了聚类效果。为了解决初值敏感问题,提出了基于CMT-FCM(借鉴历史知识的类中心距离极大化聚类算法)的自适应谱聚类算法。该算法以样本空间的标准差作为尺度参数,实现了尺度参数的自适应选取,提高了算法效率;而通过借鉴历史知识,引入类中心距离极大化项,避免了干扰点对类中心的干扰,提高了算法鲁棒性。通过在模拟数据集以及真实数据集上测验,取得了比传统谱聚类更稳定的聚类效果,验证了算法的有效性。     

指纹自动识别中图像分割方法的研究

指纹图像分割是指纹自动识别的重要组成部分。本文是把直方图技术和高斯统计分布函数有效地结合起来，作为求取指纹图像二值化阈值的理论基础，在此基础上提出一种称之为“黄金分割算法”的最优化阈值法，计算机仿真结果表明利用该算法图像分割结果比较理想。     

基于工作流的电力生产管理信息系统设计实现

文章简要介绍了电力生产管理信息系统中工作流的设计思想、工作流的基本构架、定义、流程的建模、以及工作流在生产管理信息系统中的应用。讨论了工作流在关系型数据库中的数据存储结构,给出了建立在这个模型基础上的电力企业工作流的实现方式。     

竞赛教育与信息技术创新人才培养模式探讨

针对当前创新人才的需求及计算机高等教育的不足之间的矛盾,通过对ACM-ICPC竞赛进行分析,提出了通过竞赛教育可挖掘出具有目标导向式自主学习、开放综合型学习、团队协作式学习、创新人才能力培养等大学生能力和素质的培养模式,阐述了江南大学ICPC近年来的参赛经验。     

用于方面情感三元组抽取的词对关系学习方法

方面情感三元组抽取旨在识别一条评论中的方面项及其情感倾向,并提取与其相关的观点项.现有方法大多将该类任务分为多个子任务,将子任务组成流水线并完成这类任务.然而,基于流水线思想的方法在实际应用中会受到误差传播、不易使用等因素的影响.为此,文中提出词对关系学习方法,将方面情感三元组抽取任务转化为端到端的词对关系学习任务.方...     

适用于路由算法研究的动态网络仿真系统

合适的网络模拟系统是进行智能路由算法研究的支撑环境。采用基于事件驱动的方法,研究实现一个动态网络路由仿真系统。给出构造网络拓扑、生成流量负载、实现网络协议、展现性能结果的设计过程。实验结果表明,该模型能对网络动态和非精确状态信息进行有效模拟且支持群体智能路由仿真。     

基于异构邻域聚合的协同过滤推荐算法

传统的协同过滤算法使用one-hot编码生成的特征向量信息量稀少,对异构行为数据仅挖掘不同行为间的联系而忽略用户间行为的联系.针对上述问题,文中提出基于异构邻域聚合的协同过滤推荐算法.首先,使用图对用户和项目的异构交互进行建模,并利用图的连通特性构建邻域.然后,使用轻量级图卷积方法整合邻域信息,融入目标用户和目标项目的特征向量.最后,将融合邻域信息的用户与项目的特征向量输入多任务异构网络进行训练,通过丰富特征向量信息的方法缓解数据稀疏问题.在数据集上的实验证实文中算法的性能较优.