摘要：电子商务网站中不断增长的商品数量和商品规模对数据管理提出了新的挑战,其中一项重要基本任务是商品归一化,即识别属于同一个客观实体的所有商品.商品归一化的实现有助于提高商品搜索的准确性、改善用户的体验.但由于在电子商务网站中,特别是在C2C(Customer-to-Customer)模式下,商品信息的数据质量很低且缺乏统一的模式定义规范,导致已有的商品归一化方法难以适用.针对这一问题,文中设计了一种将数据集成、数据清理和商品归一化相结合的混合框架.该框架首先基于图的方法进行模式集成,然后利用商品的描述信息进行数据清理,从而得到数据质量更高且模式统一的商品信息数据;在数据集成和数据清理之后,利用逻辑斯蒂回归(Logistic regression)模型训练分类器,从而得到商品之间的相似度矩阵,最后对相似度矩阵聚类实现商品归一化.通过与已有的方法在真实数据上进行对比实验,验证了文中提出的方法的有效性.

摘要：大数据平台,因其数据多、价值高和存储集中的特点,已经成为对攻击者非常有吸引力的目标.因此,大数据安全是一个非常重要的研究课题.然而,当前保障大数据平台(如Hadoop)数据安全的两种常见方法各有不足:(1)访问控制.存在被外部黑客攻破或内部管理员绕过的风险;(2)数据加密.虽然安全性较高,但加密解密海量数据会增加显著开销.为了同时满足大数据应用对数据存储的高安全和高性能要求,文中提出可信固态硬盘(TrustedSSD),它提供安全增强的存储设备接口和协议,使得用户可以对存储中的数据施以细粒度的访问控制,从而保障存储中数据的安全.文中深入分析了可信固态硬盘的安全性,并详细介绍了系统设计与实现中的挑战和应对.实验结果表明,无论是在合成的还是真实的工作负载上,可信固态硬盘的运行开销不到3%.因此,可信固态硬盘有望成为大数据安全的新基础.

摘要：融合了传统的颜色直方图并基于局部二元模式表示的纹理特征来表示跟踪目标,提出一种基于颜色纹理直方图的带权分块均值漂移目标跟踪算法.为了更好地解决目标遮挡和姿势改变的问题,在跟踪过程中将跟踪目标分割成多个互不遮挡的矩形分块,对每一个矩形分块独立采用基于背景权重的均值漂移算法,并结合每一个分块求得的最佳目标位置得到目标物体在下一帧中的位置.实验结果表明,该算法和传统的基于颜色直方图特征的均值漂移算法相比具有更准确的跟踪结果,并且对于目标遮挡和姿势改变的视频序列具有更强的鲁棒性.

摘要：为了提升数控系统的效率和功能,提出模块化的解释器结构模型.该模型将整个解释器分为词法分析模块,语法分析模块和解释执行模块3个模块.在词法分析模块中,提出利用EBNF(Extended Backus-Naur Form)对标准数控代码规则进行形式化描述的方法,并采用自顶向下的递归下降分析构建词法分析程序.通过将词法分析得到的数据存入设计好的加工信息存储结构,实现了数控指令的形式化表达.加工命令转化模块将加工数据转化成相应的数控指令送入系统底层模块.详细阐述了各模块的构建方法,并开发了一个简单的解释器原型系统,验证了所提方法的有效性,为高性能数控代码解释器的实现提供了技术支持.

摘要：移动目标防御是一种改变网络空间攻防对抗格局的革命性技术,它通过动态改变攻击面使得目标网络更具弹性.网络跳变作为有效抵御主动扫描的防御方法,是实现移动目标防御的关键技术之一.现有跳变机制由于在空间上采用随机选取方法并在时域采用固定跳变周期,极大降低了跳变防御的不可预测性和时效性;与此同时,由于跳变实施过程缺乏约束且跳变部署复杂度高,因此增加了网络开销,降低了跳变防御的可用性和可扩展性.针对以上问题,文中提出了一种基于网络攻击面自适应转换的移动目标防御技术.为了实现网络跳变收益的最大化,在分层跳变的架构上设计了一种网络自适应跳变算法.它由网络威胁感知和跳变策略生成两部分组成.通过设计基于Sibson熵的威胁感知机制分析扫描攻击策略,以指导网络跳变机制的选择;基于网络攻击面和网络探测面定义了网络视图和视图距离,通过设计基于视图距离的跳变策略生成算法,选取使得视图距离最大的跳变端信息集合,以最大化跳变的不可预测性;此外,通过采用跳变周期自拉伸策略保证跳变的时效性.从而通过基于视图距离的跳变策略选取与可变的跳变周期制定实现网络攻击面时空二维的自适应转换,最大化防御收益.为了解决网络资源有限条件下的跳变实施问题,利用可满足性模理论形式化描述跳变实施的约束条件,以保证跳变实施的可用性;通过设计启发式跳变实施部署算法以提高部署效率,以保证跳变防御的可扩展性.最后,理论与实验分析了该技术抵御扫描攻击的能力和跳变成本,通过以不同类型的扫描攻击为例证明了该技术在保证网络服务质量的同时可有效抵御92.1%以上的主动扫描攻击.

摘要：深度学习是机器学习领域一个重要的研究方向,近年来在图像处理、自然语言理解、语音识别和在线广告等领域取得了突破性进展.将深度学习融入推荐系统中,研究如何整合海量的多源异构数据,构建更加贴合用户偏好需求的用户模型,以提高推荐系统的性能和用户满意度,成为基于深度学习的推荐系统的主要任务.该文对近几年基于深度学习的推荐系统研究进展进行综述,分析其与传统推荐系统的区别以及优势,并对其主要的研究方向、应用进展等进行概括、比较和分析.最后,对基于深度学习的推荐系统的未来发展趋势进行分析和展望.

摘要：提出一种非协作通信中CPM信号盲解调器结构.首先,通过对预处理后CPM信号的循环平稳性分析,得到CPM信号调制阶数和循环谱之间的关系,实现了调制阶数的盲识别;然后,在此基础上利用CPM信号的相关性,实现了频率成形脉冲的盲估计;最终采用复合网格解调算法完成了CPM信号的盲解调.解调器采用前馈结构,易于硬件实现,并且解调性能良好.

摘要：针对现有的数字浮雕生成方法速度较慢且浮雕细节不够丰富的缺点,提出了新的高细节实时可交互地生成数字浮雕的方法.首先提出了一种高细节动态范围压缩函数,并在理论上证明了它比目前的压缩函数能更好地保持细节;然后基于该函数建立了一个实时数字浮雕建模系统,其将建模、交互和渲染流程放到GPU上实现,并利用多目标渲染提高帧缓存的利用率,获得了实时建模速度.系统中还设计了一个交互控制界面,使用户能实时地调整刻画浮雕的各种参数.实验结果证明,该方法能快速、便捷地制作出比现有方法具有更高细节特征的数字浮雕.

摘要：网络存储系统对海量信息的存储与处理、数据的可伸缩性访问与可用以及数据的服务质量与存储安全等都具有重要意义.该文基于FCP设计并实现了一种可扩展存储区域网络系统TH MSNS,该系统可通过双HBA卡增加带宽和可用性,通过双 I/O节点机增加可靠性和可用性,通过多 I/O节点扩展容量至 260TB等.该文介绍了TH MSNS的体系结构、SCSI目标模拟器、嵌入式操作系统EOS和存储管理的设计技术与实现方法.该系统 SCSI目标模拟器采用分层设计并提供规范接口,可扩充不同的SCSI设备以及不同的网络连接协议;设计的核心软件在嵌入式操作系统的核心态通过内核模块实现,提高了效率;存储管理软件采用分布式结构,独立于操作系统,实现了对象管理、设备自动发现、访问控制、日志等管理功能.与同类系统相比,该系统具有效率高、扩展方便、易维护和兼容性好的特点.

摘要：多尺度变换域隐马尔可夫模型能够有效地描述变换域系数在尺度间、尺度内和方向间的统计相关性,是一种新的统计图像感知与识别方法.文中以变换域系数的统计相关性描述为中心,以模型的设计和应用的开展为两翼,深入分析了子波变换的三级统计特性与机理,比较研究了多尺度变换域的十种统计模型,并系统评述了这些模型在图像感知、处理和分析中的最新进展.同时,具体论述了这一领域研究中两类成功的实例:图像去噪和图像纹理分割.对于前者,以Lena图像为测试用例分析比较了以变换域统计模型为核心的8种算法的去噪性能;对于后者,按照分割类型(监督式或非监督式)和应用的图像类型系统比较了以统计模型为基础建立的15种图像分割方法.最后,从面向应用的模型构造和算法设计、变换域的拓展和应用层次的推广三个层面指出了目前存在的问题和不足,探讨了进一步的研究重点.