摘要:综合考虑影响汽车销售的多种因素，运用交叉验证网格搜索优化支持向量机的惩罚系数和核函数参数，建立了适合汽车销售的预测模型.仿真实验结果表明，改进支持向量机优化汽车销售预测模型的预测效果比某公司当前采用的模型更佳，该模型具有较高的预测精度和较大的可信度，可为企业决策层提供较为准确的销售预测参考.

摘要:本文针对盲目变异的模糊测试策略带来的效率低下的问题，综合程序控制流图、输入种子样本特征、异常样本发现、模糊测试器路径反馈等信息，提出一种更为有效的种子输入变异策略.本文通过不断监控种子文件在目标程序中的执行路径，并引入污点分析的方法，以建立起新增执行路径的起始语句与种子文件中关键字节的一对多映射关系.最终本文将根据这种映射关系对种子文件中的能够增加路径覆盖的字节进行变异，以期得到更有效率的模糊测试结果.我们的实验表明，增加定向变异之后的模糊测试器在代码覆盖率，以及模糊测试的效率上都有较为显著的提升.

摘要:针对肝纤维化临床诊断方法具有有创性和传统机器学习方法特征提取的不完全性的缺陷，本文采用深度迁移学习方法利用预训练的ResNet-18和VGGNet-11模型用于肝纤维化分期诊断.使用南方医科大学提供的大鼠肝纤维化核磁共振影像数据集进行不同程度的迁移训练.将两种模型在通过4种不同参数采集的核磁共振影像数据集上，分别使用6种网络迁移配置训练.实验结果表明，使用T1RHO-FA参数采集的核磁共振影像和采用VGGNet-11模型更能提高肝纤维化分期诊断的准确率.同时相对于ResNet-18模型，深度模型迁移学习方法能稳定提升VGGNet-11模型进行肝纤维化分期诊断的准确率和训练速度.

摘要:本文提出一种基于单幅人脸图像并结合标准肤色的人脸图像纹理合成和三维重建算法.首先，利用ASM算法提取人脸特征点，并通过基于局部线性嵌入算法的编辑传播实现颜色转换，使图像人脸色调与三维人脸模型标准肤色一致.接着，将人脸图像五官区域与标准肤色图进行泊松融合，并考虑眉毛遮挡情况，利用人脸对称性或眉毛模板还原眉毛.尤其对于半遮挡眉毛，采用Li模型和角点检测相结合的方法重建眉毛轮廓，得到最终人脸纹理图.最后通过纹理映射将人脸纹理图映射到三维人脸模型上，得到较好的个性化三维人脸重建效果.实验表明，本文算法能够适用于不同复杂背景和光照条件下拍摄的人脸图像，具有较快的处理速度，能够应用于人脸实时重建产品中.

摘要:红外图像具有对比度低和信噪比低等特点，这对红外光伏面板图像的分割始终是一个巨大的挑战.为了解决传统的模糊C均值（FCM）聚类算法易受到初始聚类中心不确定的影响和不考虑空间信息的问题，提出了一种基于模糊C均值改进的聚类分割算法，该算法利用直方图的特点确定初始聚类中心，同时在传统的模糊C均值（FCM）和模糊核C均值算法（KFCM）的基础上，利用像素之间的空间信息和邻域像素之间的关系改进传统FCM聚类目标函数，从而推导出新的目标函数.实验结果表明，该算法在分割质量和效果上与Otsu算法、文献[20]的自适应k-means算法及模糊核C均值算法（KFCM）相比，过分割和错分割率明显降低，且分割效果非常接近手动分割图.

摘要:视频中人体行为识别是近年来计算机视觉中的一个重要研究领域，但是现有的方法对于视频表示方式存在不足，无法聚焦于图像内的显著区域.提出了一种基于视觉注意力的深度卷积神经网络，可以有效地为视频表示特征附加一个权重，对特征中的有益区域进行注意，实现更加准确的行为识别.在自建的Oilfield-7油田数据集和HMDB51数据集上进行了实验，以此来验证适用于油田现场人体行为所提出的网络模型的有效性.实验结果表明，所提的方法与已取得优异表现的双流架构相比具有一定的优越性.

摘要:森林是陆地生态系统的主体，森林生态保护与恢复是生态文明建设的重要组成部分.面对森林生态模型单机化、重复开发部署的现状，本文设计并实现一个面向森林生态学研究的Web处理服务系统.该系统根据开放地理空间信息联盟（Open Geospatial Consortium，OGC）制定的空间数据共享及互操作的接口规范，基于WebService技术，实现了面向森林生态学研究的多模型整合，并将模型计算结果进行展示，减少了重复开发和部署工作，提高了数据与服务的共享性.

摘要:分析了代码依赖可视化在智能化软件开发中的作用，在总结代码依赖特点和信息可视化系统一般流程的基础上，提出了代码依赖可视化系统的设计.该系统使用力导向节点连接图和层次边聚合图作为可视化形式，基于对两种可视化形式布局特点的深入分析，分别针对力导向节点连接图和层次边聚合图创造了过滤子节点和聚合叶节点的交互设计.在使用多种软件技术实现了代码依赖可视化原型系统dpViz之后，将系统试用于企业软件开发中，实验结果表明该可视化原型系统可有效增进代码分析效率.

摘要:针对车辆电池电压与工作温度实时环境状态能够实现远程监测，设计并利用嵌入式微处理系统结合4G通信技术和无线局域网搭建远程终端监测通信系统平台.系统客户终端进行数据的采集及实现短程和远程数据通信，系统的服务器采用Linux系统的PC机和Android系统的手机对进行数据接收.实验过程中，整个系统对电池组电压和运行温度环境有准确的实时远程监测，数据显示电压的误差低于1%.整个系统运行稳定，性能可靠，为管理人员对现场的了解提供了便利.

摘要:随着信息技术和网络的不断迅猛发展，互联网的信息资源急剧增长.信息过载问题促进了个性化推荐技术发展.协同过滤算法通过在用户和信息之间建立联系，被广泛应用于电子商务各个领域.本文提出通过利用微信小程序来获取用户的个性化信息数据，并且通过协同过滤算法，为用户设计的微信小程序智能助手，能够为用户推荐符合用户个性化的生活服务信息.在本文中，介绍了智能助手的设计方法，并详细介绍了系统的功能和个性化推荐功能的实现.

摘要:为了提高气象自动站资料的检索查询效率，采用基于内存Key-Value结构的Redis数据库技术，通过搭建Redis数据库集群，把数据缓存在内存中并实现主从复制，提出一种适合气象自动站数据特性的数据存储结构模型，使得高频次访问的气象自动站数据能够直接从内存中读取，有效地减少数据查询响应的时间.本文分析了逐小时自动气象站观测资料的调用情况和到报时间特性，并基于Redis分别从业务库、索引库和时间库对逐小时自动站资料进行存储设计和具体实现，最后通过实验比对，得出采用Redis缓存逐小时自动气象站观测资料的检索效率比直接访问CIMISS检索效率高，该方法也可以应用到其它资料的检索调用业务场景中，具有较好的推广应用价值.

摘要:本文主要从功能层面和系统层面介绍卫星资源管理系统.党员远程教育是党中央高度重视的一项工作.本文采用卫星加国产自主安全可控信息化平台作为系统底层服务支持.利用Symfony软件构建技术，构建多语言卫星终端资源管理，实现对卫星终端资源的内容及学习过程的管理，对新疆党员远程教育的发展有重要意义.

摘要:物联网正广泛应用于各行各业.将现实世界参数化并结合感知设备、网络通信技术、数据技术等诸多手段实现物联网数据对于用户的直接可用便是物联网技术的中心思想.本文依托于智能燃气数据管理系统，针对其物联网平台架构中应用服务平台在大规模设备接入场景下的性能瓶颈，提出一种结合消息中间件Kafka与NoSQL数据库MongoDB的混合方案.根据燃气公司和设备厂商的应用背景实现该方案，完成应用服务平台并发性能和数据持久化效率的提高.

摘要:本文针对传统A*算法存在冗余路径点较多与单向搜索耗时较长的缺点，提出了一种改进A*算法.该算法采用双向预处理结构减少冗余节点数，并通过归一化处理和增加节点标记信息进一步优化估价函数提高遍历速度.利用仿真软件对改进A*算法进行实验，并与其它经典路径规划算法进行比较.仿真结果表明，改进后的A*算法较于传统A*算法能以较低的搜索节点数和搜索时长较好的完成全局路径规划.

摘要:为了提高在复杂背景下人体图像分割的精度，提出了一种新的人体图像分割算法.该算法针对简单线性迭代算法（SLIC）在进行超像素块分割时需指定像素块个数的问题，借鉴CV能量模型，通过将图片极小化为多个区域进行水平集迭代分割，从而构造出自适应的超像素块，使得分割后的每个超像素块更贴合图像中的单个色块.然后结合人体平均模板，在图片上标记出感兴趣的人体标准姿势区域，提高了算法对复杂背景的抗干扰能力.最后利用k-means聚类算法将每个超像素块作为节点进行聚类，实现标准人体图像分割.在不同环境下采集多组图片进行实验，结果表明：该算法在保证了图像分割效率的情况下，提高了人体标准姿势的分割精度，对色度丰富的复杂背景抗干扰能力强.

摘要:目前摄影摄像设备所采集图像的分辨率远远高于屏幕分辨率，因此摄屏类图像经缩放后往往有大量摩尔纹产生.针对该类图像摩尔纹干扰以及内存过大、图像短焦距畸等现象，本文首次提出了摄屏类图像重构算法.首先，通过长度自适应的线型滤波算法分离网状高频信号.再通过快速Greedy算法和贝努利随机游走提取图像的高频信息，根据液晶点结构的先验知识，构建完整的液晶排布模型并数学拟合，分离出被拍摄屏幕画面信息和液晶点网状纹路.最后对图像矩阵空间重构，以及颜色通道的插值恢复.重构算法在矩阵空间上与原始图像一致，实验样本与原图的直方图相似度达到80%以上，远高于摄屏图像与原图38.7%的相似度.算法保留了图像信息，舍去高频网状噪声，恢复原始矩阵空间，使图像更符合实际需求.

摘要:针对情感识别进行研究，提出基于主成分分析法（PCA）过滤小波变换结合自回归模型提取的信号特征方法，并基于梯度提升分类树以实现情感分类.将特征提取的重点放在脑电信号变化情况以及小波分量变化情况作为脑电信号特征.采用Koelstra等提出的分析人类情绪状态的多模态标准数据库DEAP，提取8种正负情绪代表各个脑区的14个通道脑电数据.结果表明，算法对8种情感两两分类识别平均准确率为95.76%，最高准确率为98.75%，可为情感识别提供帮助.

摘要:基于复杂网络物质扩散原理的二部图理论在协同过滤推荐领域的应用受到越来越多学者的关注，现有算法计算邻居用户时主要考察用户对项目的正向评价，未充分考虑用户的负向评价.为进一步提高推荐算法的准确度，提出了改进算法，将用户正向评价和负向评价量化成二部图上的路径权重，控制用户能量的分配，并在邻居用户预测评分阶段考虑用户的信任度，推荐结果更加准确.采用MovieLens和Eachmovie数据集对改进算法以及现有算法进行对比实验分析，证明改进算法具有更低的平均绝对偏差.

摘要:针对元胞自动机模型以及原始人工鱼群算法在刻画综合交通枢纽人员常规疏散行为上的局限性，本文提出了一种基于元胞鱼群算法的人员疏散模型，考虑个体之间的行走速度、视野范围差异，将排队机制和出（入）口选择行为、导向行为、记忆功能加入原始人工鱼群算法中，顶层采用改进的人工鱼群算法进行移动位置更新，底层采用元胞自动机模型解决移动位置冲突.实验证明，该模型可真实反映人员在综合交通枢纽内换乘时的疏散过程；在同等环境下，与原始人工鱼群模型相比，该模型实现了个体按照疏散引导进行有序移动，避免了陷入局部最优；与元胞自动机模型相比，其更好地体现了个体的从众、避障和出（入）口选择行为，有效地降低了时间复杂度.

摘要:短文本分类是自然语言处理的一个研究热点.为提高文本分类精度和解决文本表示稀疏问题，提出了一种全新的文本表示（N-of-DOC）方法.采用Word2Vec分布式表示一个短语，将其转换成的向量作为卷积神经网络模型的输入，经过卷积层和池化层提取高层特征，输出层接分类器得出分类结果.实验结果表明，与传统机器学习（K近邻，支持向量机，逻辑斯特回归，朴素贝叶斯）相比，提出的方法不仅能解决中文文本向量的维数灾难和稀疏问题，而且在分类精度上也比传统方法提高了4.23%.

摘要:数据中心能耗优化问题是云计算领域的重要研究方向，但在真实环境中进行相关研究需要承担巨额的研究成本，并且实验周期长，因此仿真技术在该领域广泛应用.为提高数据中心能耗感知仿真实验的准确性和可信度，本文分析了仿真平台的内置能耗模型和其他学者提出的能耗评估方法，并在此基础上提出了基于CPU和内存利用率的能耗评估方法，该方法考虑了CPU利用率对内存能耗的影响，采用多元非线性模型进行回归分析.实验证明，本文提出的能耗评估方法在适用于仿真平台的同时具有较高的预测精度，有效地提高了云计算仿真平台能耗评估的准确性.

摘要:针对经典的道格拉斯-普克数据压缩算法存在递归计算效率低、阈值选取不确定等不足，提出了一种改进的特征点提取方法，该算法通过直方图统计数据点的频数，根据数据点到基线的距离、数据点与相邻数据点间的夹角，考虑数据点的“孤立性”和频数，利用熵值法确定最终评价值，自动按照给定数据压缩率进行曲线数据压缩.在MATLAB上进行了仿真实验，利用自主研发的控制系统平台，对进油计量阀流量特性进行增量自学习，并在油泵台架和发动机台架上完成了相应的实验.实验结果表明，本算法可以有效的对数据进行压缩处理，满足测量系统和控制系统的数据压缩需求.

摘要:针对分形图形在服装花型设计中实际应用需求，提出了一种在分形图形内容基础上自动提取核心基础花型，并生成四方连续纹样的方法.该方法先利用Canny算子进行边缘检测，分析主要花型区域，然后利用灰度共生矩阵提取并分析图形纹理特征，在此基础上选择最佳拼接方法对提取花型进行拼接，生成四方连续纹样.该方法生成的四方连续图案美观，计算复杂度低，通用性强，具有良好的实用性.

摘要:协同过滤算法已广泛应用在推荐系统中，在实现新异性推荐功能中效果显著，但仍存在数据稀疏、扩展性差、冷启动等问题，需要新的设计思路和技术方法进行优化.近几年，深度学习在图像处理、目标识别、自然语言处理等领域均取得突出成果，将深度神经网络模型与推荐算法结合，为构建新型推荐系统带来新的契机.本文提出一种新式混合神经网络模型，该模型由栈式降噪自编码器和深度神经网络构成，学习得到用户和项目的潜在特征向量以及用户-项目之间的交互行为模型，有效解决数据稀疏问题从而提高系统推荐质量.该推荐算法模型通过MovieLens电影评分数据集测试，实验结果与SVD、PMF等传统推荐算法和经典自编码器模型算法作对比，其推荐质量得到显著提升.

摘要:实时通信主要传输实时音视频，具有低延时和高带宽消耗的特点.在用户量较大的场景下，单服务器方案无法满足整体需求，此时需搭建分布式集群对外提供服务，而如何将这些访问合理的分配到不同服务器上，均衡集群内服务器的负载就显得尤为重要.本文首先分析单服务器场景下的实时通信流程，然后研究和分析常见的负载均衡算法，同时为满足同群组客户端需转发到相同服务器的一致性要求，提出一种基于一致性哈希算法和遗传算法的自适应负载均衡算法，并对该算法进行应用和实验验证.

摘要:针对诸多群智能算法容易陷入局部最优、收敛速度慢的特点，提出一种参数设置少，全局搜索能力强的竞争算法.通过10个基准函数与粒子群算法的比较，30次试验下竞争算法的平均值与最小值均优于粒子群算法，验证了该算法的有效性.用竞争算法优化BP神经网络，并对11个测试数据集进行分类，实验结果表明，用竞争算法优化后的BP神经网络在11个测试集上性能均优于原始算法，且在大部分测试集上性能优于用遗传算法优化的BP神经网络.该算法能有效提高分类正确率，增强鲁棒性.

摘要:半监督学习过程中，由于无标记样本的随机选择造成分类器性能降低及不稳定性的情况经常发生；同时，面对仅包含少量有标记样本的高维数据的分类问题，传统的半监督学习算法效果不是很理想.为了解决这些问题，本文从探索数据样本空间和特征空间两个角度出发，提出一种结合随机子空间技术和集成技术的安全半监督学习算法（A safe semi-supervised learning algorithm combining stochastic subspace technology and ensemble technology，S3LSE），处理仅包含极少量有标记样本的高维数据分类问题.首先，S3LSE采用随机子空间技术将高维数据集分解为B个特征子集，并根据样本间的隐含信息对每个特征子集优化，形成B个最优特征子集；接着，将每个最优特征子集抽样形成G个样本子集，在每个样本子集中使用安全的样本标记方法扩充有标记样本，生成G个分类器，并对G个分类器进行集成；然后，对B个最优特征子集生成的B个集成分类器再次进行集成，实现高维数据的分类.最后，使用高维数据集模拟半监督学习过程进行实验，实验结果表明S3LSE具有较好的性能.

摘要:当今时代，科学技术高速发展，涌现出一批新技术，数据挖掘、机器学习等新科学领域被深入研究，众多智能算法逐渐出现，同时被应用到了不同的领域中.本文构建了一种基于BP （Back Propagation）神经网络和SVR （Support Vector Regression）支持向量回归机的组合模型.依托于农产品价格数据进行实例验证分析，结果表明相对于单一的预测模型，BP-SVR-BP组合模型在预测精度上有了很大的提升，拟合效果更加逼近真实数据曲线，能够客观真实的反应农产品物价变化规律.

摘要:针对特定领域语料采集任务，设计了基于语义相关度主题爬虫的语料采集方法.根据选定的主题词，利用页面描述信息，基于维基百科中文语料训练出的词分布式表示综合HowNet计算页面信息相关度，结合URL的结构信息预测未访问URL链指的页面内容与特定领域的相关程度.实验表明，系统能够有效的采集互联网中的党建领域页面内容作为党建领域生语料，在党建领域网站上的平均准确率达到94.87%，在门户网站上的平均准确率达到64.20%.

摘要:针对传统神经网络模型在洪水预测过程中存在准确性低、过拟合等问题，本文以赣江流域外洲水文站每月平均水位为研究对象，提出基于正则化GRU神经网络的洪水预测模型来提高洪水预报精度.选用relu函数作为整个神经网络的输出层激活函数，将弹性网正则化引入到GRU模型中，对网络中输入权重w实施正则化处理，以提升GRU模型的泛化性能，并将该模型应用于外洲水文站每月平均水位的拟合及预测.实验对比表明，弹性网正则化优化后的模型预测拟合程度较高，合格率提高了9.3%，计算出的均方根误差较小.

摘要:科技创新是城市乃至区域发展的主要动力.基于事实数据，针对某一特定城市进行快速、准确的科技创新评价就显得尤为必要.本文基于科技创新评价指标体系和可视化工具，设计了针对城市科技创新评价的移动端APP并进行了实际应用.系统以指标信息为基础，结合移动端APP特点，实现了指标展示、指标分析、指标评价功能.同时，系统结合地理空间信息可以对不同城市指标信息进行浏览和对比分析，该系统对于推进城市科技创新评价的高效化、精确化实施具有重要的意义.

摘要:针对单向共享电动汽车系统提出了一种充电站位置优化的方法，充电站的容量和服务范围内的需求量相适应；该方法基于混合整数规划模型，其目标考虑了满足服务的收入，车辆折旧成本和充电站的充电桩运行成本，目标函数为最大化共享电动汽车服务商的利润.最后进行了模拟仿真来测试方法的松弛度和性能，模型能够在合理的时间内解决较大规模的问题.

摘要:长短期记忆网络（LSTM）是一种时间递归神经网络，适合于预测时间序列延续性相对较长的事件.本文基于LSTM网络构建了一个全新的大雾临近预报框架，首先将地面气象要素观测资料转化成时间序列数据，并基于此序列进行建模.为了验证提出的模型的准确性，将安徽省81个国家站近2年地面气象要素数据转换为序列数据，基于该数据集对未来1–4小时进行逐小时大雾预报实验，实验结果显示本文提出的模型其TS-Score分别为61%、55%、36%和31%，明显优于卷积神经网络（CNN）以及传统机器学习算法如支持向量机（SVM）和K-近邻算法（KNN）的预测结果，是大雾临近预报的一种有效预报方法.

摘要:传统随机森林分类算法采用平均多数投票规则不能区分强弱分类器，而且算法中超参数的取值需要调节优化.在研究了随机森林算法在文本分类中的应用技术及其优缺点的基础上对其进行改进，一方面对投票方法进行优化，结合决策树的分类效果和预测概率进行加权投票，另一方面提出一种结合随机搜索和网格搜索的算法对超参数调节优化.Python环境下的实验结果表明本文方法在文本分类上具有良好的性能.

摘要:运用群决策方法，对随机森林、神经网络、梯度提升树三种算法所生成的个体学习器进行集成，构建基于群决策的P2P借贷信用风险评估模型.选取人人贷、拍拍贷的数据进行实验研究，结果显示，集成模型的风险评估效果较个体学习器有所提升，且优于传统的逻辑回归方法.

摘要:目标检测大量应用于监控系统的行人检测以及人脸识别，是当前深度学习的研究热点.监督学习利用人工标注大量数据集训练出针对特定场景的行人检测器.但是人工标注方法费时费力，本文针对监督学习需要人工标注数据集的缺点，研究了一种半自动标注行人的方法.针对静止的单目摄像机拍摄的监控视频，利用光流信息提供的初始前景可能性，以及跨越时间的视觉相似性来迭代地更新初始的前景可能性，分割出运动的行人，根据分割的前景对象，提出了一种半自动标注行人的方法.实验结果显示，本文的方法可以为行人检测系统提供大量数据集，且效率上明显优于传统人工标注的方法.

摘要:随着大型图像集的出现以及计算机硬件尤其是GPU的快速发展，卷积神经网络（CNN）已经成为人工智能领域的一种成功算法，在各种机器学习任务中表现出色.但CNN的计算复杂度远高于传统算法，嵌入式设备上有限资源的限制成为制造高效嵌入式计算的挑战性问题.在本文中，我们提出了一种基于嵌入式设备的高效卷积神经网络用于电力设备检测，根据处理速度评估这种高效的神经网络.结果表明，该算法能够满足嵌入式设备实时视频处理的要求.

摘要:在院校、部队教学和训练中，常常需要对武器、装备的相关信息进行查询、比较，这类系统传统上是通过关系数据库技术实现的.但是，由于装备种类之间的差异太大，没有一个共同的“数据模型”可用；另外，关系数据库对于装备之间的“联系”处理起来相当困难，本文提出了基于图数据库的装备信息“联想式”查询，较好地解决了这些问题.

摘要:电力设备锈迹目标的识别在电力安全方面具有极高的应用价值，但是锈迹具有大小、形状不规则等特点，利用传统的机器学习算法检测效率和准确率不高.针对这一问题，研究分析锈迹特点，提出基于Mask R-CNN的电力设备锈迹检测识别方法.使用Faster R-CNN完成目标检测的功能，FCN精准的完成语义分割的功能，实现像素级别的分类识别，较好地解决了不规则锈迹的检测问题.实验结果表明，基于Mask R-CNN的电力设备锈迹检测结果准确率高.