摘要：大数据平台中含有海量信息,不免出现不法分子窃取用户敏感信息的情况,无法实时保证数据的安全性,为此针对大数据平台研究一种网络敏感信息防窃取算法。通过构建前馈型神经网络数据清洗模型对平台中的信息实施清洗处理,剔除其中的重复数据与冗余数据,同时对残缺数据实施填补处理。对清洗与填补处理后仍然存在的敏感信息开展编码处理,建立大数据平台网络敏感信息的加密密钥协议,根据安全编码模型以及公钥替换,设计敏感信息密钥和加密方式,即同态加密算法,通过信息加密完成敏感数据防窃取。实验结果表明,所提算法的防窃取执行效率高、数据吞吐量高,在不同类型的攻击下敏感信息的安全系数均达到了较高水平。

摘要：为保证船舶安全平稳航行并顺利完成既定出海任务,设计基于人工智能技术的复杂环境船舶自动导航系统。该系统利用信息接收模块获取当前船舶海上位置信息和海域地图信息,使用无线通信模块将所得信息传送到电子海图管理模块,该模块依据接收到的信息,通过海图数据加载和纸质海图转换单元生成电子海图,在此基础上,航线设计与航路监视模块运用基于人工智能技术的复杂环境船舶航线规划方法,得出障碍物多布的复杂环境下的船舶航行最优路径,实现复杂环境船舶自动导航。实验结果表明:该系统能准确检测出船舶航行海域内的全部障碍物,规划的复杂环境船舶航线总航程较短,且对于静态和动态碍航物均具有较强的避障能力,自动导航效果优势显著。

摘要：针对最初的减少校验节点修复带宽的Piggybacks捎带设计存在的问题,提出了一种均衡分配的Piggybacks捎带设计(Balanced-Allocation Piggybacks Adding,BAPA).首先,通过分析给出了新的Piggybacks捎带规则,在此基础上得出了能进一步减少校验节点修复带宽的Piggybacking设计BARSR-Ⅰ和BARSR-Ⅱ.然后,给出了BARSR-Ⅰ和BARSR-Ⅱ中校验节点的修复过程以及平均修复带宽率的推导值.最后,给出了BARSR-Ⅰ和BARSR-Ⅱ下的编码复杂度和修复复杂度.通过与现有的Piggybacking设计对比分析表明,BARSR-Ⅰ和BARSR-Ⅱ能有效的减少校验节点的修复带宽.

摘要：经典ID3决策树算法适用于离散型数据分类,但用于连续处理时需要数据离散化容易导致信息损失。提出邻域等价关系从而诱导邻域ID3(NID3)决策树算法,NID3算法改进了ID3决策树算法,能够直接实施连续预测并获取更好的分类效果。在邻域决策系统中,挖掘一种邻域等价关系;基于邻域等价粒化,构建邻域信息度量;基于邻域信息增益,设计NID3决策树算法。实例分析与数据实验均表明,NID3算法具有连续数据分类预测有效性,在分类机器学习中优于ID3算法。

摘要：船舶航行过程中所产生的海量航迹数据可通过拟合方法完成压缩,由此降低航迹数据存储的压力,考虑航迹数据采集过程中的误差与数据缺失问题,设计了大数据分析的船舶航迹拟合方法。以船舶自动识别系统为基础,根据参考物标采集船舶航迹数据。考虑所采集船舶航迹数据在时空2个维度上的误差与数据缺失问题,采用大数据分析技术中的三次样条插值法与中值滤波法,对所采集的船舶航迹数据实施预处理;针对预处理后的船舶航迹数据,通过坐标转换、曲线选择以及拟合计算等过程完成船舶航迹拟合处理。实验结果显示,所研究方法能够在不影响航迹数据局部趋势的条件下有效抑制航迹数据的波动性,得到更高精度的航迹拟合结果。

摘要：针对目前集中式调度的校园网格系统难以具备必要的可扩展性和容错性问题,利用对等模式进行多集群间网格作业调度。不仅增强网格系统的可扩展性和容错能力,而且使每个集群成为自主调度单元,通过彼此协作共同完成作业。系统将Globus网格中间件系统和OpenPBS调度系统有机的结合起来,通过增加辅助的调度服务,使网格作业在多个集群间迁移并且有效缓解单个集群的作业负担。

摘要：大数据分布式存储系统中,修复流水线(Repair Pipelining,RP)减少90%的修复时间,有效地解决由于修复时间开销较大,纠删码不适用于存储热数据的问题.然而,现有的RP存在节点负载不均衡的问题,导致系统性能下降.通过研究后,设计节点负载均衡的纠删码修复流水线(Node Load Balancing-based Repair Pipelining,NLB-RP),并根据性能评价指标提出计算节点负载的算法和计算修复时间的算法.理论分析及实验结果表明,在没有引入额外修复代价的情况下,NLB-RP从局部到整体有效地平衡并减少节点的负载.相比RP,NLB-RP的节点负载方差为0,即每个节点的负载相同.因此,NLB-RP具有最优的负载均衡性.

摘要：方面级情感分类是一种细粒度的情感分析任务,旨在分析出文本不同方面的情感.针对方面级情感分类模型存在分类精度低、泛化性弱等问题,提出基于对抗学习的AOA-BERT方面级情感分类模型(Attention-Over-Attention-BERT for aspect-level sentiment classification model based on adversarial learning,AOA-BERT).首先,将文本和方面词单独建模,通过BERT编码提取隐含层特征.其次,将隐含层特征放入AOA(Attention-Over-Attention)网络提取权重向量.最后,将权重向量与建模后的文本特征向量相乘,并做交叉熵损失、回传参数.此外,通过对抗学习算法生成和学习对抗样本,作为一种文本数据增强方法,优化决策边界.实验结果表明,和大多数深度神经网络情感分类模型相比,AOA-BERT能提升情感分类的准确性.同时,通过消融实验,证明了AOA-BERT结构设计的合理性.

摘要：运动数据能够为运动的监测与管理提供指导依据,由于采集设备的差异导致运动数据表现出多源、混沌、非规则等特征,现有运动数据分类方法在准确性和效率等方面仍有欠缺,因此提出了基于混沌关联维与决策树的运动数据分类方法。首先构建运动数据相空间,利用时间的自相关与互信息来确定最优混沌延时,利用虚假临界点的条件约束确定最优嵌入维度;根据相空间内存在的关联相点对数量,计算得到关联积分,从而完成数据特征提取。然后针对运动数据的高维属性设计多参决策树,根据信息增益与增益率评价确定分裂规则,根据熵期望确定最优分裂点。最后通过轮廓相似性判断数据所属类别,完成运动数据分类。基于WEKA平台的仿真结果,验证所提方法显著提高了运动数据分类的准确性,准确度达到81.47%,灵敏度达到83.92%,降低了错误分类概率,不合度仅为19.46%;另外,决策树规模与叶子数量的降低,以及吞吐量结果均表明方法具有良好的数据处理速度,有效提升了数据分类效率。

摘要：传统活动轮廓分割算法对纹理丰富的图像存在过分割和欠分割现象,为了抑制纹理对图像分割的影响,分析了各向同性和异性扩散的机理,设计了保边纹理模糊函数,以图像梯度为变量建立了全变分图像纹理模糊模型。根据对象轮廓与边缘之间的关系利用固定点迭代算法提取相应的卡通分量,对卡通分量运用水平集算法对图像进行分割。实验结果表明,所设计的模糊平滑了图像纹理,保护了对象轮廓。相对于传统CV分割算法,提出的分割算法抑制了纹理对图像分割的影响,弥补了传统CV的不足。