分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2022-05-18 合作期刊: 《计算机应用研究》
摘要: 合成少数类过采样技术(SMOTE)是解决类不平衡问题的有效方法之一。但是,SMOTE的线性插值机制将合成样本限制在原始样本的连线上,导致新样本缺乏多样性,并且这条连线穿过多数类区域时可能会生成噪声样本。针对上述问题,提出一种带有超长方体约束的少数类样本生成机制。该机制使用超长方体作为新样本的生成区域来代替线性插值,以增加合成样本与原始样本的差异性。并通过检测超长方体内是否存在多数类样本来决定是否修正此超长方体,从而防止新合成样本落入多数类区域内。使用所提机制替换线性插值,并集成在三种过采样方法SMOTE、Borderline-SMOTE 和 ADASYN中,然后在KEEL的11个标准数据集上进行了实验评估。结果表明,相比于原始方法,集成后的方法能够帮助分类器取得更高的F1值和相当的G-mean。这说明超长方体生成机制能够显著改善分类器对少数类样本的识别能力,并且能够兼顾到多数类样本。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2019-01-03 合作期刊: 《计算机应用研究》
摘要: 针对传统协同过滤算法所面临的稀疏性及预测准确度不高的问题,提出一种基于受限玻尔兹曼机与加权Slope One的混合推荐算法。首先通过受限玻尔兹曼机对评分矩阵的初步填充,缓解数据的稀疏性问题;然后通过一种混合项目相似度计算方法,引入项目属性信息;最后通过加权Slope One算法的二次预测,提升推荐效果。在MovieLens100K数据集上的实验表明,两种算法的结合提高了推荐的准确度。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-12-13 合作期刊: 《计算机应用研究》
摘要: 为了解决当前Hadoop集群在异构资源环境下固有的调度分配方法的不足,提出了一种基于节点能力的自适应调度算法NCAS(node capacity adaptive scheduling)。首先,NCAS算法根据节点性能、任务特征计算得到调度因子;然后,由调度因子确定各节点应分得的数据量与任务槽数;最后,将数据和任务多分给快节点同时少分给慢节点。实验结果表明,与传统的调度算法相比,NCAS算法大幅度减少了备份任务的启动数量,明显减少了作业完成时间,提升了任务执行效率。
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: 基于属性加密的位置分层访问方案允许用户依据自身的情况灵活设置自己的位置访问信息,不仅解决了社交网络中位置共享问题,还在算法上进行改进使解密效率得以提升。但在系统运行过程中,存在用户有更正自己属性信息的需求或运行过程中部分私钥遭泄露的可能,因此支持撤销对于系统安全非常必要。基于此提出了一种支持撤销的位置分层属性加密方案,将部分解密运算外包给解密服务器,并结合了双因子身份认证的方法。该方案在减少用户的计算代价的同时,提高了算法的安全性。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-10-11 合作期刊: 《计算机应用研究》
摘要: 针对双向长短时记忆神经(BiLSTM)模型训练时间长、不能充分学习文本上下文信息的问题,提出一种基于BiGRU-Attention的文本情感分类模型。首先,利用双向门控循环(BiGRU)神经网络层对文本深层次的信息进行特征提取;其次,利用注意力机制(attention)层对提取的文本深层次信息分配相应的权重;最后,将不同权重的文本特征信息放入softmax函数层进行文本情感极性分类。实验结果表明,所提的神经网络模型在IMDB数据集上的准确率是90.54%,损失率是0.2430,时间代价是1100 s,验证了 BiGRU-Attention模型的有效性。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-08-13 合作期刊: 《计算机应用研究》
摘要: 针对K-means聚类算法依赖于初始值并易陷入局部最优值的问题,提出了一种基于改进花朵授粉的K-means聚类算法。该算法首先通过混沌映射的序列作为花朵种群的初值位置,保证花朵种群在搜索空间的多样性、确定性;然后在花朵授粉的后期搜索阶段引入禁忌搜索算法以避免陷入局部最优解;最后将改进后的FPA算法用以优化K-means算法的初值。在5个聚类数据集上的实验结果表明,改进后算法的平均聚类准确率相比于花朵授粉聚类算法提高了12.2%,证明了该算法对于低维数据集具有更好的聚类效果。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-08-13 合作期刊: 《计算机应用研究》
摘要: 融合元数据的协同过滤推荐即混合推荐算法是目前推荐系统领域研究的热点,能一定程度地解决数据稀疏及冷启动等问题。但融合元数据现有的建模方法大多数建立于用户/项目属性权重相同的情景下,以致于用户项目间重点关系表达不显著,难以获得较好的推荐性能。针对上述问题,提出一种融合元数据及Attention机制的深度联合学习推荐方法。它利用双深度网络联合学习,其中一个网络基于隐反馈数据实现矩阵非线性分解以学习用户/项目个性化关系,另一个利用Attention机制自动捕捉用户/项目关键属性对推荐工作的影响,通过赋予不同属性权重凸显的用户偏好关系建模辅以扩展模型。实验结果表明,所提出的推荐算法在MovieLens 100K和MovieLens 1M两个公开数据集上均表现出较为优越的推荐性能。
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: 基于文件层次结构的属性加密方案在云存储环境下是高效率、低存储的,但访问结构本身包含敏感信息,存在用户信息泄露、文件易被窃取的风险,针对这一问题提出了一种隐藏访问结构的文件层次属性加密方案。该方案在不影响加密解密效率的前提下提高了加密算法的安全性,并采用双因子身份认证机制实现了更安全高效的访问控制。该研究成果基于判定性双线性Diffie-Hellman假设,在标准模型下被证明是安全的。
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: 针对信息包在通信网络中多播传输进行了研究,提出通信网络中基于协作中继重传策略。当信息包直传失败时,源节点协作多个中继节点对多个丢失的信息包进行编码重传。在重传阶段根据反馈机制结果采取随机接入方式优先对有机会编码的丢失信息包进行组合,然后通过牺牲之前重传过程中传输失败的节点为信息提供空间分集增益,从而减低重传次数。最后在不同信道环境下,该策略与未协作NCARQ和传统ARQ进行Monte Carlo仿真。仿真结果表明,在多中继信道条件优于源-目的信道的情况下,利用协作网络编码进行重传有效地提高网络吞吐量,且该策略利用协作空间分集降低了由于相干性而导致性能不佳的状况。
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: 充分利用形状蕴涵的语义信息进行三维形状的高层分析和理解是当前的热门话题。提出采用形状部件的上下文语义关系进行功能识别的方法,解决了当三维形状的几何特征和拓扑结构发生较大变化时形状部件的自动识别问题。首先,采用近似凸性分解技术将三维形状分割成具有独立语义的形状部件;然后,提出基于形状部件的上下文语义计算方法,并采用支持向量机实现形状部件自动识别。实验结果表明,相比于已有方法,可取得更高的部件匹配准确率和更低的分类错误率。
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: 现有子空间聚类算法不能很好地平衡子空间数据的稠密性和不同子空间数据稀疏性的关系,且无法处理数据的重叠问题。针对上述问题,提出一种稀疏条件下的重叠子空间聚类(OSCSC)算法。算法利用L1范数和Frobenius范数的混合范数表示方法建立子空间表示模型,并对L1范数正则项进行加权处理,提高不同子空间的稀疏性和同一子空间的稠密性;然后对划分好的子空间使用一种服从指数族分布的重叠概率模型进行二次校验,判断不同子空间数据的重叠情况,进一步提高聚类的准确率。在人造数据集和真实数据集上分别进行测试,实验结果表明,OSCSC算法能够获得良好的聚类结果。
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: 针对直接逆向神经网络模型精度较低,BP逆向神经网络泛化能力较差以及单独使用HFSS仿真软件需要不断优化天线各参数增加了设计时间的问题,提出一种将HFSS与稀疏正则化逆向神经网络联合的方法对双陷波超宽带天线进行设计。该方法在逆向神经网络性能函数中增加L1/2范数和L2范数,L1/2范数引入了新的权系数,扩充了输入样本向量,使网络更易得到稀疏性解,逆模型精度更高,L2范数能有效避免过拟合现象,使网络泛化能力更强。应用于双陷波超宽带天线设计中,采用在辐射贴片上开弧形槽的方式产生陷波特性,根据天线目标电压驻波比逆向求解对应的开槽尺寸。仿真实验结果表明,与BP逆向神经网络方法相比,求得的与天线电压驻波比对应的开槽角度相对误差减小了69.3%,开槽半径相对误差减小了88.7%,网络运行时间减少了15.9%;最终设计的天线带宽为2.4 ~11 GHz,实现了3.31~3.8 GHz和4.98~6.05 GHz的良好陷波特性,缩短了整个天线的设计周期。
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: 针对工业控制网络中典型的攻击类型,提出一种利用深度学习预测工控网络通信异常的方法。首先,利用主成分分析方法对原始数据降维,消除原始数据集的相关性;其次,构建人工神经网络并利用万有引力搜索算法中粒子惯性质量计算思想改进的鱼群算法来优化极限学习机的输入权值和阈值。测试实验结果表明,异常检测的准确率有所提升,同时有效地缩短了检测时间,实现了利用深度学习预测工控网络通信异常的行为。
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: 在海量音乐中,如何根据用户的历史收听记录分析用户需求以实现歌曲推荐是音乐推荐领域具有挑战性课题之一。现有的音乐推荐方法仅简单将用户听过的所有音乐均作为音乐推荐的上下文,导致不同类型音乐学习到的上下文权重分配相同,其严重影响了音乐推荐精度。针对此问题,提出了一种基于注意力机制的音乐深度推荐方法,针对不同用户的历史收听音乐动态分配不同的注意力,即学习出不同的上下文权重,使推荐结果更符合用户的实际偏好。通过在公开音乐数据集Million Song Dateset上的测试,所提方法的推荐准确率有很大的提升。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-19 合作期刊: 《计算机应用研究》
摘要: 尽管人们对云模拟进行了大量研究,但是现有的云模拟算法很难在保证实时性的情况下得到真实感较强的云图形。针对这个问题,提出一种结合Qsplat算法与IFS算法的粒子系统的积云模拟方法,并考虑了积云的结构特点。首先,基于Qsplat算法的细节层次树型结构建立树型结构粒子系统,加速粒子系统搜索速度;然后,对距离视点较近的粒子使用IFS迭代函数系统算法增加层次包围球树的层次以丰富云体局部细节来建立云的外形;最后,使用球形图元映射二维纹理进行云的绘制。最终实现了三维动态积云的快速实时模拟。实验结果表明,该方法能够快速地生成实时三维动态积云图形,图形真实感强。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-04-12 合作期刊: 《计算机应用研究》
摘要: 针对稀疏的用户评分数据,国内外学者对协同过滤算法做了很多改进,归纳为填充法、改进相似度方法、结合内容的推荐等,这些单一方法都不能真正解决数据稀疏的问题。针对这个问题,提出一种填充法和改进相似度相结合的协同过滤算法。该算法首先利用填充法随机填充部分数据,改进的填充法预测评分时融入了项目属性信息,然后利用填充后的数据和新相似度方法做推荐,产生推荐结果,迭代m次,按照迭代m次被推荐项目平均评分的高低进行最后的推荐。实验表明,在数据稀疏的情况下,该算法与单一的方法比有更好的推荐效果。