摘要：营运驾驶员长时间疲劳驾驶是导致事故发生的重要原因,为此,企业在营运车辆上安装相机采集驾驶员面部视频,基于模型和算法自动识别驾驶员的疲劳状态,通过语音提醒甚至启用远程护航进行疲劳干预,以此提高驾驶安全。现有的疲劳检测研究大多数都是基于面部关键点检测的算法,该类算法对面部视频的质量要求严格。在真实的营运行车环境中,夜晚光线过差,相机位置安装不理想,驾驶员面部遮挡等均会造成关键点检测失效,从而影响模型的准确性。基于卷积神经网络(CNN)和长短时记忆神经网络(LSTM)设计了一种端到端营运驾驶员疲劳检测模型,该模型以相机采集的驾驶员面部视频作为输入,使用CNN网络提取视频单帧特征,在此基础上将时序单帧特征作为LSTM网络的输入来最终识别驾驶员的疲劳状态,实验表明,模型的接收者操作特征曲线下面积(AUC)为0.9,远优于现有的面部关键点模型。此外,为了提高该模型在实际行车环境中的鲁棒性,基于光线变化及相机变化的模拟操作在训练数据上进行了数据增强,通过模型重训练进一步提高了模型的精度及鲁棒性。实验结果表明,改进前,营运车辆行车环境下模型的AUC相比实验室模型下降37.3%,而改进后AUC仅下降9.7%,模型的鲁棒性得到改善,能够更好地适应复杂的营运车辆自然驾驶环境。

摘要：乳腺癌是一种由乳腺上皮细胞不受控制地增殖,并最终导致恶性变化的疾病。作为女性最常见的恶性肿瘤之一,乳腺癌的发病率与雌激素受体密切相关。雌激素受体α亚型(ERα)被视为治疗乳腺癌的关键靶标,因此能够拮抗ERα活性的化合物被认为是潜在的乳腺癌治疗药物。在药物研发阶段,建立化合物分子结构描述符与生物活性值得的定量关系模型对指导新药物的设计和优化具有重要意义。这不仅可以节约研发资源,还有望加速新药物的上市进程,为乳腺癌治疗领域的研究和开发提供重要的支持。然而,化合物分子描述符种类繁多,直接进行活性预测效果不佳。因此,本文首先提出了一种分子描述符筛选方法,使用基于最大期望算法的高斯混合模型进行分子描述符分布检测,接着根据少量化合物分子描述符和生物活性的对应关系,使用随机森林降维算法选取候选分子描述符组,最后使用斯皮尔曼相关性系数计算剔除掉相关性较高的分子描述符,最终得到对生物活性影响大且相关性低的分子描述符组。接着,本文使用随机森林回归算法预测药物活性,并创新地利用遗传算法求解映射函数,对原始回归目标进行均衡化处理。在化合物ERα生物活性数据集上的实验表明,我们的生物活性预测模型取得了很好的效果。

摘要：近年来,高层建筑玻璃幕墙面板因自爆、脱落等引发的安全事故在我国频频发生,其主要原因是幕墙面板的性能特征不清晰。论文提出了玻璃幕墙面板的多源感知与特征值提取方法,结合实际工程案例,通过设计施工资料、振动测试、图像识别3种多源感知方法获取玻璃幕墙特征信息,并从中提取出典型特征值。

摘要：多模态数据的指数级增长使得传统数据库在存储和检索方面遇到挑战,而多模态哈希通过融合多模态特征并映射成二进制哈希码,能够有效地降低数据库的存储开销并提高其检索效率.虽然目前已经有许多针对多模态哈希的工作取得了较好的效果,但是仍然存在着3个重要问题:(1)已有方法偏向于考虑所有样本都是模态完整的,然而在实际检索场景中,样本缺失部分模态的情况依然存在;(2)大多数方法都是基于浅层学习模型,这不可避免地限制了模型的学习能力,从而影响最终的检索效果;(3)针对模型学习能力弱的问题已提出了基于深度学习框架的方法,但是它们在提取各个模态的特征后直接采用了向量拼接等粗粒度特征融合方法,未能有效地捕获深层语义信息,从而弱化了哈希码的表示能力并影响最终的检索效果.针对以上问题,提出了PMH-F^(3)模型.该模型针对样本缺失部分模态的情况,实现了部分多模态哈希.同时,基于深层网络架构,利用Transformer编码器,以自注意力方式捕获深层语义信息,并实现细粒度的多模态特征融合.基于MIRFlickr和MSCOCO数据集进行了充分实验并取得了最优的检索效果.实验结果表明:所提出的PMH-F^(3)模型能够有效地实现部分多模态哈希,并可应用于大规模多模态数据检索.

摘要：情感计算是人工智能领域的一个重要分支,在交互、教育、安全和金融等众多领域应用广泛。单纯依靠语音、视频单一模态的情感识别并不符合人类对情感的感知模式,在受到干扰的情况下识别准确率会迅速下降。为了充分挖掘不同模态数据的互补性,多模态融合的情感识别研究正日益受到研究人员的广泛重视。本文分别从多模态情感识别概述、多模态情感识别与理解、抑郁症情感障碍检测及干预3个维度介绍多模态情感计算研究现状。本文认为具备可扩展性的情感特征设计、基于大模型迁移学习的识别方法将是未来的发展方向,并在解决抑郁、焦虑等情感障碍方面的作用日益凸显。

摘要：城市交通流量预测是构建绿色低碳、安全高效的智能交通系统的重要组成部分.时空图神经网络由于具有强大的时空数据表征能力,被广泛应用于城市交通流量预测.当前,时空图神经网络在城市交通流量预测中仍存在以下两方面局限性:1)直接构建静态路网拓扑图对城市空间相关性进行表示,忽略了节点的动态交通模式,难以表达节点流量之间的时序相似性,无法捕获路网节点之间在时序上的动态关联;2)只考虑路网节点的局部空间相关性,忽略节点的全局空间相关性,无法建模交通路网中局部区域和全局空间之间的依赖关系.为打破上述局限性,提出了一种多视角融合的时空动态图卷积模型用于预测交通流量:首先,从静态空间拓扑和动态流量模式视角出发,构建路网空间结构图和动态流量关联图,并使用动态图卷积学习节点在两种视角下的特征,全面捕获城市路网中多元的空间相关性;其次,从局部视角和全局视角出发,计算路网的全局表示,将全局特征与局部特征融合,增强路网节点特征的表现力,发掘城市交通流量的整体结构特征;接下来,设计了局部卷积多头自注意力机制来获取交通数据的动态时间相关性,实现在多种时间窗口下的准确流量预测;最后,在4种真实交通数据上的实验结果,证明了该模型的有效性和准确性.

摘要：合理的事件编码方式有助于提升业务流程剩余时间预测效果,为此,有针对性地设计出5种事件编码方式。首先,抽取业务流程包含的全部事件,并利用事件编码方式对获取的事件进行编码。其次,根据业务流程序列性的特点,构建不同类型的剩余时间预测模型,同时将事件编码向量作为预测模型的输入,从而评估事件编码方式对业务流程剩余时间预测的影响。在8个公开事件日志数据集上进行实验,结果表明GloVe事件编码方式在提高业务流程剩余时间预测效果上是最有效的。该实验结果可帮助研究者和从业者选择最合适的事件编码方式以实现最佳剩余时间预测效果。

摘要：大型移动WebVR会议面临诸如数据体量太大、网络传输异常卡顿、网页端渲染帧率低、视觉效果差等技术瓶颈.针对这些挑战,给出了一些系列关键技术,首先,提出了一种基于分散度的大规模人群轻量级动态建模方法,在保证轻量性与真实性的前提下,丰富了人群的多样性;其次,设计了动态参会人群情景的细粒度化传输调度算法,显著提升了动态情景的网络加载响应速度;最后,设计了基于WebGPU的大型参会情景的轻量级在线渲染方法,在移动网页端实现了动态人群的单DrawCall多样化渲染.在移动互联网上的各项实测技术指标表明,该解决方案在轻量性、真实性、多样性、规模性和效率效果等方面具有显著优势.

摘要：为提高现代车路协同系统中人车联合测试能力,搭建车载人因协同仿真系统。运用分布式理论建立汽车模拟仿真联合平台,构建车载人因协同仿真系统,基于MQTT(message queuing telemetry transport)消息队列遥测传输协议,优化数据分发效率与数据采集效率。仿真实验表明:构建的车载人因协同仿真平台降低了参与实验HMI(human machine interface)子系统与主系统的耦合性,具有良好的鲁棒性和灵活性,分布式数据分发机制使多终端子系统埋点数据采集与数据融合效果大大提升,且可扩展以支持更多的车辆子系统和其他终端设备的仿真研究。

摘要：为实现不同数据管理系统之间的互通,提出一种基于半监督学习算法的多源异构数据治理框架,并由此设计、实现和测试了一套非结构化数据与结构化数据的自动化对齐方法。利用命名实体识别(NER)技术,将非结构化数据转化为结构化数据,再分别利用基于字符串相似度的方法和基于监督学习的方法,对结构化数据进行模式匹配;通过半监督学习方法,在结构化数据与数据库记录实体之间进行实体匹配与融合;利用自然语言处理(NLP)技术及深度学习方法,对融合后的数据集进行缺失值填补。结果表明:在论文数据集和视频元数据集上进行对齐处理后,两者的F1值分别达到89.70%及96.50%;在不同属性上进行缺失值填补后,整体填补准确率达到78%以上,大大优于基线方法的准确率。