分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-11-29 合作期刊: 《计算机应用研究》
摘要： 在信息过载的背景下，如何从拥有共同主题的多篇文档中挖掘并组织核心概念及其语义连接已成为当前开放式信息抽取任务中的一项重要挑战。为此，提出了一个基于开放域抽取的多文档概念图构建模型。首先基于预定主题挖掘主题词，通过改进的TF-IDF算法对文档进行排序；然后通过共指消解、篇章权重计算、开放域抽取等一系列的方法从多篇文章中抽取出大量具有事实表达能力的三元组实例。为去除开放域方法本身的噪声以及提升信息抽取的准确率，提出一种事实过滤算法。通过该算法可有效提取置信度高且具有良好语义兼容性的显著事实知识集合，并构成多个概念子图。最后，将不同子图中等价的概念以及关系进行合并，形成一张具有主题表达能力的连通概念图。通过在Signal Media新闻数据集上进行验证，实验结果表明，所提出的模型能够跨文档挖掘并有效组织与特定主题相关的关键信息，形成的概念图在主题概念覆盖率、事实知识的兼容性等指标上均取得了较好的效果。除此之外，该模型对于自动文档摘要的应用也具有重要的参考价值。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-06-19 合作期刊: 《计算机应用研究》
摘要： 针对云存储环境下外包数据面临的安全隐患，并结合现有云数据完整性验证方案的不足，提出了支持动态操作的多副本数据完整性验证方案。方案考虑了多副本应用场景，并在现有云数据完整性验证方案的基础上以较小的代价实现了文件的多副本验证，并通过引入认证的数据结构—基于等级的Merkle哈希树，实现了文件的可验证的动态更新。通过对多副本进行关联，可以实现多个副本的同步更新。安全性分析与实验表明了方案的安全性与有效性，方案实现了数据的安全存储与更新，并有效保证了数据多副本的隐私安全。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-24 合作期刊: 《计算机应用研究》
摘要： 图G=(V,E)的一个支配集D⊆V是一个顶点子集，使得图中每一个顶点要么在D中，要么至少与D中的一个顶点相连。连通支配集问题是找到一个顶点数最小的支配集S，并且S的导出子图G[S]是连通图。该问题是一个经典的NP难问题，可应用于连通设施选址、自适应网络等领域。针对无向图中连通支配集问题，仔细分析该问题的图结构性质，挖掘出若干有效的约简规则和分支规则，设计了一个分支搜索算法，并采用了测量治之方法分析算法的运行时间，最终得到了一个运行时间复杂度为O*(1.93^n)的精确算法。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-20 合作期刊: 《计算机应用研究》
摘要： 声纹识别是当前热门的生物特征识别技术之一，能够通过说话人的语音识别其身份。针对声纹识别技术进行了研究，提出了一种基于卷积神经网络（CNN）和深度循环网络（RNN）的声纹识别方案CDRNN，CDRNN结合CNN和RNN的优势，用于移动终端声纹识别应用。CDRNN将说话者的原始语音信息经过一系列的处理并生成一张二维语谱图，利用CNN长于处理图像的优势从语谱图中提取语音信号的个性特征，这些个性特征再输入到Deep RNN中完成声纹识别，从而确定说话者的身份。实验结果表明了CDRNN方案能够获得比GMM-UBM等其他方案更好的识别准确率。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-05-18 合作期刊: 《计算机应用研究》
摘要： 在云计算环境下分布式存储系统中，通常采用副本技术保证存储系统的可用性和可靠性，放置策略是副本技术的一个关键问题。针对现有副本放置策略中存在的副本访问开销大的问题，提出一种基于离散型萤火虫优化的副本放置算法。考虑副本放置对用户访问性能的影响，对其建立数学模型，计算萤火虫位置的适应度函数，并朝着荧光素值最大即最优值移动，进而得到合适的副本放置节点。通过仿真实验评估提出的方法，并与基于蚁群算法的副本放置策略进行比较。实验结果证明该算法能够选择合适的副本放置节点，具有较好的收敛性，并有效地降低存储系统的副本访问开销。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-24 合作期刊: 《计算机应用研究》
摘要： 由于现有的基于深度神经网络的显著性对象检测算法忽视了对象的结构信息，使得显著性图不能完整地覆盖整个对象区域，导致检测的准确率下降。针对此问题，提出一种结构感知的深度显著性对象检测算法。算法基于一种多流结构的深度神经网络，包括特征提取网络、对象骨架检测子网络、显著性对象检测子网络和跨任务连接部件四个部分。首先，在显著性对象子网络的训练和测试阶段，通过对象骨骼检测子网络学习对象的结构信息，并利用跨任务连接部件使得显著性对象检测子网络能自动编码对象骨骼子网络学习的信息，从而感知对象的整体结构，克服对象区域检测不完整问题；其次，为了进一步提高所提方法的准确率，利用全连接条件随机场对检测结果进行进一步的优化。在三个公共数据集上的实验结果表明，该算法在检测的准确率和运行效率上均优于现有存在的基于深度学习的算法，这也说明了在深度神经网络中考虑对象结构信息的捕获是有意义的，可以有助于提高模型准确率。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-17 合作期刊: 《计算机应用研究》
摘要： 环境光遮蔽是一种常用于计算机游戏以及可视化领域的低频全局光照模拟算法。已有的基于屏幕空间的环境光遮蔽计算方法虽然保证了计算的实时性，但是存在估计失真以及细节丢失等难以解决的问题。针对该问题，提出了一种结合低频光线追踪采样以及蒙特卡罗去噪的算法框架对环境光遮蔽进行实时计算。为了解决传统蒙特卡洛去噪算法无法实时处理的问题，提出了一种基于卷积神经网络的蒙特卡罗去噪算法，并针对问题对网络结构进行了改进和优化。验证实验证明基于卷积神经网络的方法能够对环境光遮蔽的去噪问题进行准确的处理，同时对卷积网络的改进在保持精度的基础上显著地提高了计算效率。对比实验显示了所提算法在保持与高频采样光线追踪算法相近效果的前提下可达到与基于屏幕空间环境光遮蔽计算方法相近的每秒数百帧计算效率。
点击量
点击量
下载量
评论
