摘要：开放集识别的目标是识别出未知类样本,同时保持对已知类样本的分类能力.现有的判别式开放集识别方法忽视了已知类过度占用特征空间和模型训练过程缺乏未知类信息的问题,导致未知类样本容易被误分类为已知类.为此,提出一种结合原型对比学习的开放集识别方法.引入对比学习和类原型理论,使用编码器和投影网络对开放集识别问题进行建模,设计原型对比损失函数,使用梯度下降法学习模型参数,最小化样本与其对应的类原型之间的距离和最大化样本与其他类原型间的距离,促使样本在特征空间中向类原型靠近,从而缓解已知类过度占用特征空间的问题.此外,设计混合样本对比损失函数,提出样本生成方法OSR-Mix以生成未知类样本,从而在模型训练过程有效地补充未知类信息.在4个公开数据集上的实验结果表明,与主流的开放集识别方法相比,本文提出的方法在AUROC和F1分数上均有明显的优势.

摘要：广泛应用的移动定位设备方便了用户位置数据的获取,轨迹数据量高速增长.通用伴随模式挖掘聚焦时空维度上的用户高相似度行为路径发现问题,基于大规模轨迹数据设计高效准确地伴随模式挖掘方法对发现用户偏好、构建新商业模式等具有重要意义,同时也极具挑战.一方面,海量且不断增长的轨迹数据要求伴随模式挖掘应具有良好的可扩展性,集中性挖掘策略并不适用.另一方面,现有的分布式挖掘框架在为高效模式挖掘提供高质量数据输入、轨迹数据中大量松散连接的有效处理等方面考虑不足,使得通用伴随模式发现存在改进空间.提出了一个分布式的2阶段通用伴随模式挖掘框架——DMFUCP,其通过嵌入数据预处理优化、松散连接分析优化等,让伴随模式挖掘方法呈现了更好的性能.其中,该框架为数据预处理阶段设了融合运动方向的密度聚类算法DBSCANCD和聚类平衡算法TCB,确保后续挖掘任务获得提供少噪音、高质量的轨迹数据输入;在模式挖掘阶段,该框架设计了G剪枝重划分算法GSPR和分段枚举算法SAE,GSPR使用参数G对长轨迹进行分割,并将分割后的所有分段重划分以改善松散连接的处理效果,SAE负责引入多线程和前向闭包保证挖掘算法的性能.实验证明,相比现有的通用伴随模式挖掘框架,DMFUCP具有更好的通用伴随模式发现能力的同时,将挖掘每组通用伴随模式的时间消耗降低了20%~40%.

摘要：在模糊模型检测时,如果模糊Kripke结构不满足性质规约,模型检测工具会给出模型中违反性质规约的反例,这往往需要设计人员手工修复,会导致效率低下,因此如何对模糊Kripke结构进行自动修复具有极大的研究意义。由此,提出一个基于模糊tableaux方法的子模型修复算法,从而将经典的模型修复算法提升到模糊系统中,使得模糊Kripke结构能够自动修复。通过一个医疗诊断的例子来阐述该算法在实际中的价值。

摘要：目的方面级多模态情感分析日益受到关注,其目的是预测多模态数据中所提及的特定方面的情感极性。然而目前的相关方法大都对方面词在上下文建模、模态间细粒度对齐的指向性作用考虑不够,限制了方面级多模态情感分析的性能。为了解决上述问题,提出一个方面级多模态协同注意图卷积情感分析模型(aspect-level multi⁃modal co-attention graph convolutional sentiment analysis model,AMCGC)来同时建模方面指向的模态内上下文语义关联和跨模态的细粒度对齐,以提升情感分析性能。方法AMCGC为了获得方面导向的模态内的局部语义相关性,利用正交约束的自注意力机制生成各个模态的语义图。然后,通过图卷积获得含有方面词的文本语义图表示和融入方面词的视觉语义图表示,并设计两个不同方向的门控局部跨模态交互机制递进地实现文本语义图表示和视觉语义图表示的细粒度跨模态关联互对齐,从而降低模态间的异构鸿沟。最后,设计方面掩码来选用各模态图表示中方面节点特征作为情感表征,并引入跨模态损失降低异质方面特征的差异。结果在两个多模态数据集上与9种方法进行对比,在Twitter-2015数据集中,相比于性能第2的模型,准确率提高了1.76%;在Twitter-2017数据集中,相比于性能第2的模型,准确率提高了1.19%。在消融实验部分则从正交约束、跨模态损失、交叉协同多模态融合分别进行评估,验证了AMCGC模型各部分的合理性。结论本文提出的AMCGC模型能更好地捕捉模态内的局部语义相关性和模态之间的细粒度对齐,提升方面级多模态情感分析的准确性。

摘要：云存储提供数据托管服务,解决了本地端数据管理与分享受限问题.但现有的用于确保云存储数据完整性的审计方案面临一个重要的安全问题:签名密钥一旦泄露,依赖于该密钥产生签名的审计方案将无法提供完整性保护.此外,现有审计方案均默认在整个审计期间仅有一个审计者,然而审计者可能由于被攻陷、被贿赂或资源不足不能再提供审计代理服务.因此,提出一个支持密钥更新与审计者更换的审计方案AKUAR(auditing scheme supporting key update and auditor replacement).针对密钥暴露导致签名无效问题,AKUAR结合双线性对与代理重签名思想设计了高效安全的密钥与标签更新机制,并且由云端承担计算复杂的标签更新操作,仅在本地端引入了少量的开销.此外,当充当审计者的雾节点退出审计时,新的雾节点可以代替其继续进行完整性审计工作,在保证新签名密钥不被泄露给旧雾节点的同时实现了审计服务的可持续性.安全分析证明了AKUAR是安全的,性能评估也证实了AKUAR在标签生成与密钥更新阶段仅引入了少量可接受的计算开销与通信开销.

摘要：为提高物联网(IOT)应用中源节点位置距离基站较近时的隐私保护强度,提出基于不规则环的源位置隐私保护路由协议RBIR(routing based irregular ring)。设计一种创建不规则环的方法并分析环的最佳创建区域,结合中间节点实现数据包的转发。中间节点的选择受到约束,避免路径交叉;动态更新环节点,使环节点能耗分散,延长网络寿命。仿真结果表明,RBIR的网络寿命较长且安全性较好,当源节点距离基站较近时,有效保证了源位置的隐私。

摘要：结合多租户数据中心的特点,通过考虑多租户数据中心的电力定价问题提出一种基于非线性规划的高效激励定价方法。建立需求-响应模型,及其相关的成本和收益函数;为反映需求方与响应方的定价交互,采用Stackelberg博弈进行建模,证明了该模型下纳什均衡点的存在性;基于非线性规划方法求解最优得到纳什均衡点,即满足需求方成本最低和响应方利益最大化的目的。将设计的方法与其它经典的最优化方法进行比较,实验结果表明,提出方法能获得最佳的电力定价,达到需求响应方共赢的目的,时间复杂度低。

摘要：针对基于二部图的概率传播(ProbS)模型以优化推荐列表的精确度为目标,而忽略了推荐多样性的问题,提出了改进的概率传播(iProbS)模型.iProbS将项目得分预测过程分解为资源的3步传播过程,每步传播包含传播概率和传播损耗.设计传播概率时,考虑的因素是用户评分;设计传播损耗时,则分别考虑了项目的度、用户熵和邻居项目.通过在2个常用数据集MovieLens和Netflix上的大量不同实验,证明了iProbS算法在推荐准确率、推荐整体多样性、推荐个体多样性以及销售平衡4个方面均比ProbS模型性能更好.最后按不同的推荐步骤分析了iProbS算法的计算复杂度.

摘要：提出一种毫米波大规模多输入多输出(MIMO)系统中基于几何均值分解(GMD)的混合预编码方案.通过GMD处理将信道分解为等增益的子信道,以简化编解码复杂度.在此基础上,推导出基于GMD的系统频效优化目标函数解析式;然后根据基追踪原理和最小二乘法分别设计模拟预编码和数字预编码;最后通过相应的优化算法得到系统频效的优化解.数值仿真结果表明,提出的基于GMD的混合预编码方法与正交匹配追踪的方案相比,能明显降低系统编解码复杂度,并提高系统频效.

摘要：定量构效关系(QSAR)对于新型光敏剂的设计、合成、活性和毒性预测具有重要意义,基此收集整理30个相关化合物的光致毒性,将EC的对数值作为QSAR研究中的毒理学指标,根据QSAR模型的分析结果,设计质子可激活的胺化大黄酚衍生物;产物结构进行~1H-NMR、C-NMR以及HRMS等表征,测试不同pH下的紫外-可见光吸收光谱和荧光光谱;以9,10-蒽二基-二(亚甲基)二丙二酸(ABDA)作为单线态氧指示剂对目标产物在相同光照时长、不同pH值下的光毒活性进行评价,并与光敏剂二氢卟吩e6(phytochlorin,Ce6)进行对比。实验结果表明:目标化合物A在酸性环境下,有较强的荧光强度,发射波长位于650 nm处,产生的单线态氧的量约为Ce6的7.6倍。