基于Gabor融合特征与深度自动编码器的笑脸识别方法

Gabor特征的人脸表情识别具有良好的识别性能,但同样存在特征维数大的缺点,该文提出用Gabor融合特征的方法来进行降维以解决维数大的缺点。深度自动编码器具有对人脸自学习的能力,能精确提取有用的信息,也有非线性降维的作用。考虑到Gabor融合特征降维幅度不大,便加入自动编码器进行二次降维,将经过二次降维的特征输入深度自动编码器进行笑脸识别。该文在实验过程中采用两个数据库(公开的GENKI数据库,实验采集的数据库)进行实验。实验结果表明经过Gabor融合特征的实部作为深度自动编码器的输入的识别率比传统方法和未经降维Gabor特征识别率高。     

基于深度学习的靶蛋白药物重定位研究

笔者提出的靶蛋白药物重定位算法,是十折交叉验证算法思想在医药学领域的一个应用。不同于以往交叉验证算法应用的验证思想,十折交叉验证算法,可以独立应用于药物重定位研究,利用蛋白质相似性构建数学模型进行相似性量化。基于蛋白质相似性的蛋白质-药物作用预测方法,是交叉验证衡量参数和阈值提取的方法。基于此,对该方法的应用前景做了大致推测,并提出了该方法的局限性和改进策略。     

基于业务优先级划分的虚拟网可靠性映射算法

现有研究在重映射失效虚拟网过程中未对不同类型的虚拟网承载业务进行有效区分,导致资源收益较低。为此,提出一种基于业务优先级划分的虚拟网可靠性映射算法。定义虚拟节点和虚拟链路的重要性指标,运用混合整数线性规划方法将基于业务优先级划分的虚拟网可靠性映射问题建模为最优化问题。在此基础上,提出快速可扩展的启发式虚拟网可靠性映射算法,以提高失效虚拟网的重映射效率。实验结果表明,该算法在虚拟网请求接受率、服务提供商收益和利润成本比3个指标上,表现优于FD-EVN、APG-TABU和MW-AC算法。     

基于智能手机用户行为习惯的App使用预测算法研究

互联网的发展不仅推动了智能手机的普及,而且涌现了大量的手机App。大量被安装在手机中的应用程序不仅增加了用户寻找App的时间和难度,而且占用了手机大量的内存空间,致使手机卡顿,严重影响了用户体验。利用智能手机用户使用App的行为习惯特征,预测用户将要使用的App,并将其应用到智能手机中用以预加载App和智能清理手机内存是解决上述问题的方法之一。在深入了解PrefixSpan算法和Bayesian网络算法的前提下,考虑智能手机用户对每个App的喜爱程度,将其加入到PrefixSpan算法的剪枝步骤中;采用贝叶斯网络算法整合智能手机用户的App使用记录和App使用时长等特征,提出一套新的预测用户下一个将要使用的App的算法——WAPA(Weighted App Prediction Algorithm)。实验证明,该算法预测准确率最高可达86.3%,较其他算法可提高大约4%。     

计算机网络技术在图书馆馆藏资源优化中的应用

本文讲述了在计算机网络技术的发展下,网络技术为实体图书馆带来了工作上的优势,在减少了图书馆的工作人员负担的同时,也相对提高了图书馆管理工作效率。此外,在人们到实体图书馆借阅图书时,与过去传统式图书馆相比,能够更加方便快捷,良好的改善了人工操作所达不到的一种工作效率。图书馆工作人员可以在进行资源管理整合时,采用计算机技术,进行网络化整合图书资源管理,对相对独立的信息进行融合,可有效地改善人工管理图书资源的复杂性和困扰。用户使用网络技术,进行图书资源检索,可以更快捷的获得想要的图书信息,从而使图书馆在网络技术化的帮助下,能更深入的走进人们的生活当中,让人们对了解所需的文化知识有了更进一步的帮助。