摘要：为了构建一个基于微博开放平台的在线营销系统,给营销人员提供更加全面、准确的用户信息,系统通过各微博平台开放API获取用户消息和相关信息,重点研究了如何通过融合来自不同开放平台的用户数据源,形成统一的用户数据模型的问题,最终实现了各平台用户数据的整合。实验结果表明,该系统功能能够更加准确、全面地反映用户真实信息。

摘要：本文论述了如何将面向对象技术应用于信息融和系统 ,分析了信息融合系统中的具体环节的对象模型 ,并探讨了系统对象模型的建立。通过分析信息融合系统对象模型的用途 。

摘要：文章结合立体几何计算机辅助教学软件的需要,提出了一个新的图形分解法和消隐算法,设计了一个点、线、面的数据结构,较好地解决了隐藏线的虚线显示问题。整个算法用JAVA实现。

摘要：为提高工作流系统的适应性和可维护性,提出了一种可重构的工作流执行模型。该模型面向活动行为的相异性和动态性,把活动状态作为描述过程状态的特征,给出了过程状态的形式化定义,建立了过程状态间的层次化关系与优先级关系。在该基础上,严格地给出了基于基本特征集和基于相容特征集的过程状态精化方法,设计了自动生成过程状态转移关系的算法。最后,结合实际应用讨论了一种基于规则的执行模型可重构性实现方法。应用该方法能够提高工作流管理系统适应企业业务过程需求快速变化的能力。

摘要：首先说明了语音识别技术的原理和开发平台,及机器人系统的运动控制过程;接着介绍了微软公司的Speech SDK语音技术;最后设计语音交互流程开发出智能家庭服务机器人语音系统。实验结果表明,此种方法易于开发也很有效,同时适合其他的智能语音系统的开发。

摘要：对无线局域网的两种标准IEEE 802.11b和IEEE 802.11g的差异进行了研究,后者在前者的基础上采用了正交频分复用(OFDM)技术,通过设计一个针对这两种标准的无线局域网上的VoIP性能测试的试验,使用Chariot网络工具进行仿真,对延迟、抖动、丢包率进行对比分析,结果表明IEEE 802.11g标准比IEEE 802.11b标准具有明显的性能优势。

摘要：神经网络隐层神经元的个数对于网络的性能有着重要的影响,通常情况下,对于一个特定问题来说,没有一个确定的方法来决定隐含层到底应该有多少个神经元,一般采用试探的方法通过多次实验来达到理想效果。在分类问题中,决策树和神经网络的结构有着一定的关联性,通过把决策树映射到神经网络结构中来确定隐层神经元的个数的方法能够有效地设计神经网络的结构,从而提高训练的效率并达到良好的分类效果。实验结果表明,该方法能够得到一个有着良好识别率的最小神经网络。方法简单有效,直观且易于操作。

摘要：针对现阶段我国海关风险布控方法存在效率、准确率较低、人力资源占用过多的问题和智能化分类算法小型化部署需求,提出一种基于改进蝶形反馈型神经网络(BFNet-V2)的海关风险布控方法。首先,运用编码填充(FC)算法实现海关表格数据到模拟图像的语义替换;其次,运用BFNet-V2训练模拟图像数据,由左右两条链路、不同卷积核和块、小块的设计组成规则的神经网络结构,并添加残差短路径干预改善过拟合和梯度消失;最后,提出历史动量自适应矩估计算法(H-Adam)优化梯度下降过程,取得更优的自适应学习率调整方式,并分类海关数据。选取Xception(eXtreme inception)、移动网络(MobileNet)、残差网络(ResNet)和蝶形反馈型神经网络(BF-Net)为基线网络结构进行对比。BFNet-V2的接受者工作特征曲线(ROC)和查准率-查全率曲线(PR)包含了基线网络结构的曲线,与4种基线网络结构相比,基于迁移学习(TL)的BFNet-V2分类准确率分别提高了4.30%、4.34%、4.10%和0.37%。在真实标签数据分类过程中,BFNet-V2的查获误判率分别降低了70.09%、57.98%、58.36%和10.70%。比较所提方法与包含浅层和深度学习方法在内的8种分类方法,在3个数据集上的准确率均提升1.33%以上,可见所提方法能够实现表格数据自动分类,提升海关风险布控的效率和准确度。

摘要：网格与Web的融合是未来的趋势,也是网络领域的研究重点和热点,在复杂、异构的网格环境下,传统的融合思想显示出了其局限性,主要研究设计了一种网格-Web转换器GWS,实现了网格和Web的无缝连接,为网格和Web的融合提供了一种新的技术和一个新的方向。

摘要：网络架构是影响卷积神经网络性能的重要因素,由于传统的人工设计方法效率较低,通过算法自动设计网络架构的方法受到了越来越多的关注。可微分网络架构搜索(DARTS)方法,能高效地自动设计网络架构,但其超网络的构建和架构派生策略也存在不足之处。针对其不足之处,本文提出了改进算法。首先,通过量化分析该算法搜索过程中跳连(skip)操作数量的变化,发现共享架构参数的设置导致DARTS算法的超网络存在耦合问题;其次,针对超网络的耦合问题,设计了元胞(cell)分级的超网络,以避免不同层级间cell的相互影响;然后,针对超网络与派生架构在性能表现上存在“鸿沟”的问题,引入架构熵作为目标函数的损失项,以启发超网络的训练。最后,在CIFAR-10数据集上进行架构搜索实验,并分别在CIFAR-10和ImageNet上进行了架构评测实验。在CIFAR-10上的实验结果表明,本文提出的算法解除了不同层级cell间的耦合,提升了自动设计的架构性能,取得了仅2.69%的分类错误率;该架构在ImageNet上的分类错误率为25.9%,实验结果表明搜得的架构具有良好的迁移性。