基于多元特征的智能型生物识别模型

随着生物识别技术的不断成熟,各种成形产品和设备不断进入市场,为生物识别手段代替传统的身份鉴别方法提供了基础。基于单一生物特征的识别模型由于过度依赖于一种识别模式,难以抵御针对型的欺骗方式。通过分析人类智能识别的行为,提出了一种基于多元特征的智能型生物识别模型。该模型能够同时捕捉目标的多种生物特征,通过选择可信度最高的识别模式进行组合识别,防止了针对型欺骗;通过引入多特征的交叉索引模型,提高了系统对复杂生物特征的检索效率;通过系统记录的历史数据的参与,实现了一种目标特征变化敏感的识别方式,使系统在某一特征变化大于预设阈值时进行更高精度的生物识别。基于多元特征的生物识别模型增加了系统的欺骗代价,在保证系统的识别精度和效率的同时,降低了系统遭受恶意侵入的风险。     

一种融合小波变换与卷积神经网络的高相似度图像识别与分类算法

针对特定领域高相似度图像识别与分类问题,提出融合小波变换与卷积神经网络的高相似度图像识别与分类算法。首先,利用小波变换提取图像纹理特征,对不同类别、不同分辨率图像集进行训练并确定最佳纹理差异度参数值;其次,根据纹理差异度运用小波分解方法对图像进行子图分解,提取各子图能量特征并进行归一化处理;接着,通过卷积神经网络5层卷积和3层池化交替,将输入图像特征向量转化为一维向量;最后,通过训练次数的增加以及数据量的增大,不断优化网络参数,提高在训练集中的分类准确度,在测试集中验证权值实际准确度,得到具有最高分类准确率的卷积神经网络模型。实验选取鸡蛋、苹果两类图像数据集作为实验数据,进行鸡蛋散养或圈养识别、苹果产地判定,实验结果表明：该算法平均鉴别准确率均达90%以上。     

BP算法在泡沫金属复合材料研制中的应用

材料、能源、信息是当代科学技术发展与进步的三大支柱。复合材料作为材料科学中的后起之秀，它的出现带来了材料领域的重大变革、从而形成了金属材料、无机材料、高分子材料和复合材料多角共存的格局。复合材料既能保留原组分材料的主要特点，又能通过复合效应获得原组分所不具备的性能，通过材料设计可使各组分的性能互相补充并彼此关联，从而获得新的优越性能。     

医学图像网格基于语义的信息集成方法

提出了一种医学图像网格MedImGrid(medical image grid)基于语义的信息集成方法.基于HL7 RIM(health level 7 referenced information model)生成父本体(HL7-RIM ontology),采用混合方式(hybrid means)建立MedImGrid全局和局部本体的分级结构.结合代理和中间件技术开发了HL7(health level 7) Grid中间件,实现了具有医疗语义解析功能的HL7智能代理,以支持对异构数据源的Grid Service封装与统一访问.基于本体标记表达异构数据模式的语义模型在本体层的相关关联,参照MedImGrid各级本体实现数据源间的语义解析和映射.MedImGrid原型系统基于CGSP2(China grid support platform v2.0),采用了局部与全局语义映射松耦合的构架,其特有的层次结构使得网格环境下跨系统/医院的信息集成更加有效.     

基于BP神经网络的矽肺病预测组合模型研究

矽肺是我国最为严重的职业病之一,严重危害工人的健康.研究表明,矽肺与粉尘接触量、吸烟量、接尘时间等存在明显的剂量反应关系.基于各矽肺致病影响因子,分别利用指数平滑-神经网络ES-BP(Exponential smoot-hing-BP neural network)和模糊c均值聚类-神经网络FCM-BP(Fuzzy c-means clustering-BP neural network)组合模型对接尘工人未来是否患病以及患病年龄做预测分析.实验结果表明:ES-BP模型能结合原始工人接尘时间队列数据特点,从时间序列上对工人患病年龄进行预测;FCM-BP模型对数据预归类,能极大减小模型复杂度并降低网络训练时间.两种组合模型预测精度均高于BP单独建模预测精度,在工人患病年龄预测中取得了较好的测试效果.     

基于改进蚁群算法的网格组合拍卖资源分配

网格计算资源分配是一类组合优化问题,即如何将网格计算资源有效地分配到用户任务.针对当前网格环境中资源繁多的特点.为了更好地提高网格计算资源的利用率和资源分配的时间效率,提出了一种新的方法,采用一种通过改进转移概率准则和信息素的蚁群算法来解决网格组合拍卖模型中计算资源的优化分配问题.仿真结果表明,该算法能够保证在一个拍卖周期内满足服务的最大用户数和最短的平均等待时间,证明了改进蚁群算法在网格计算资源合理分配上的有效性.     

IaaS公有云平台调度模型研究

抽象出IaaS公有云平台的服务模型,基于排队论对平台服务模式、队列长度、调度服务器设置等进行了优化分析。在此基础上提出一种基于IaaS平台需求向量的调度模型,根据需求与可用资源的匹配度从平台管理的物理机集合中筛选出可用的宿主机,若一次性无法找到符合要求的宿主机,平台调度算法结合虚拟机迁移操作,对物理资源进行重新分配,在实现平台资源利用率最大化的同时,保障了平台的可用性。将该算法应用在自主研发的云计算平台上,实验结果验证了该算法的可行性。     

一种新的基于相似度过滤的大数据保序匹配与检索算法

伴随大数据时代的到来,数据快速保序匹配与检索成为众多大数据应用急需解决的关键问题,通过抽象与归约等措施,数据对象可抽象为具有若干属性的点集或序列,从而将数据匹配问题转化为字符或数字序列匹配问题。提出一种基于相似度过滤的数据保序匹配与检索算法,算法分三步:(1)数据转换,基于幅值变化趋势将原始序列转换为二进制,对序列中任何一个字符,通过判断包括其前后邻居在内的三个点的关系定义二进制序列,准确反映相邻三点之间的凸增长(降低)或凹增长(降低)关系;(2)数据归约,为方便候选序列与模式序列之间的相似度计算,运用基于幅度变化比例的数据归约方法,将候选序列与模式序列均归约到固定区间;(3)相似度计算,为区分不同趋势的凸增长(降低)或凹增长(降低)幅度,通过计算候选序列与模式序列对应点之间的差值绝对值之和作为相似度判断依据,提出基于相似度过滤的快速匹配方法,寻找与模式序列变化趋势一致的子序列集合,并按照相似度大小排序。理论分析与实验结果表明:(1)该算法具有亚线性时间复杂度;(2)该算法能有效解决Chhabra等人算法对数据震荡幅度失控的问题,同时解决数据序列与模式序列分段规律但整体不相似的问题;(3)解决了Chhabra等人算法中对匹配序列排序造成的匹配结果疏漏问题。该方法不仅能更准确、更多地匹配出变化趋势一致的子字符串,同时将多个候选子串根据与模式之间的相似度进行排序,为进一步的数据精确检索提供判断依据。     

A New ETL Approach Based on Data Virtualization

ETL (Extract-Transform-Load) usually includes three phases: extraction, transformation, and loading. In building data warehouse, it plays the role of data injection and is the most time-consuming activ...