用于图像分类的模糊策略学习率ResNet

ResNet深度神经网络用于图像分类时,全连接层训练算法收敛性差降低了分类效果。针对此不足,提出一种模糊策略梯度算法训练ResNet。推导出ResNet全连接层权重的迭代公式,用历史梯度信息修正当前一阶小批量梯度,用模糊策略学习率更新权重,通过上下边界函数处理学习率的过大或过小而引发的迭代振荡,改善训练算法收敛性。在CINIC-10和CIFAR-100数据集上的实验结果表明,所提算法训练的ResNet分类效果优于相比较算法。特别是在综合性分类指标Kappa系数上,所提算法训练的ResNet较最新的AdaBound算法平均提高了9.29%,改进效果显著。     

基于BPF的视频课件点播计费系统的研究

首先分析了三种常见的网络流量计费方案的优缺点，然后对BPF的工作原理作了简要的论述，说明其优势所在。对支持BPF的libpcap开发包的 主要组成部分作了简要的叙述，并对各部份的主要函数及其功能作了介绍。最后给出了基于BPF和lipbcap的视频课件流量统计的方法及应用设计框架。     

使用OSCache提高JSP系统的响应性能和稳定性

JSP是一种主流的B/S开发技术,但它也存在着二层架构的种种缺点。本文提出了使用OSCache高速缓冲器优化JSP应用系统的方案,解决JSP系统在高并发网络访问下系统响应慢、稳定性差等问题,最后通过实验证明方案是可行的。     

超强台风“山竹”对广西电网的影响分析及建议

超强台风"山竹"对广西电网部分网区造成了较大影响,本文对主网和中低压配网在此次台风中的受损情况进行全面梳理,并对典型的设备受损案例进行了分析。为了提高广西电网抵御自然灾害的能力,减小自然灾害对广西电网的影响面,根据台风期间暴露出的不足之处,提出了规划、设计、施工及运维等方面的建议。     

社会化标签系统中个性化的用户建模方法

针对社会化标签系统中现有用户兴趣模型建立的缺陷,即：使用一些零散标签的集合来表示用户兴趣,而忽略标签的联合使用现象。提出一种将共现技术引入自然法的用户建模方法,该方法以自然法为基础,向用户模型中添加适量的标签对,较好地体现了标签之间的联系,又同时考虑了体现用户兴趣的标签自身的权重。在PKDD2009数据集上测试实验结果表明,该模型较之已提出的自然法和共现法,取得了更高的准确率和召回率。     

ASP.NET环境下Hessian协议Web服务技术的研究

ASP.NET中采用的Web服务技术是基于XML+SOAP协议实现,具有学习起点高、推广难度大等问题。Hessian协议是一种新的Web服务技术,本文着重研究Hessian协议的Web服务在ASP.NET环境下的一般实现过程,为工程实际应用提供另一种选择方案。     

用核K-means聚类和半定规划SVM实现垃圾标签检测

提出使用核K-means聚类算法从样本集中抽取特征向量集来训练SVM,达到减少SVM规模的目的。SVM核函数的选择会影响SVM模型的分类效果,提出将多个非线性映射能力不同的核函数进行线性组合,在特征训练集上构造出组合SVM的半定规划模型,用内点法求解出最优组合系数,得到非线性映射能力更强的半定规划SVM,并用做垃圾标签检测。在UCI数据集上与双层减样支持向量机方法进行比较,实验结果表明,新的垃圾标签检测法提高了识别率,并大幅度减少了训练时间。     

基于遗传算法的聚类与协同过滤组合推荐算法

使用协同过滤进行推荐,在处理大数据集时存在效率问题和推荐结果质量不高的问题。k均值聚类在处理大数据集时有着较好的性能。针对使用协同过滤进行推荐存在的问题,通过使用遗传算法将聚类和协同过滤组合起来进行项目推荐,以此来提高推荐算法的推荐效率和推荐质量,降低组合聚类和协同过滤进行推荐的复杂度。使用组合得到的算法在MovieLens数据集上做推荐对比实验,结果表明,相比单纯使用协同过滤进行推荐,使用基于遗传算法的聚类与协同过滤组合推荐算法进行项目推荐,能得到质量更好的推荐结果。