摘要：伴随着互联网的飞速发展,产生了海量以微博、推特等为代表的少于100字的短文本数据,这些文本长度极短、特征稀疏、语义不足,因此给短文本分类问题带来了巨大挑战。现有的中文短文本分类方法往往需要大量的有标签或无标签的数据,但在实际应用中,大量的训练数据往往难以获取,且成本很高。为此,该文提出了一种基于提示学习的中文短文本分类方法,适用于少样本状况下的短文本分类。实验结果表明,该方法在仅使用少样本训练数据的情况下比使用大量训练数据的其他模型表现更好。具体来说,该文手工设计了模板,将使用了模板的原始数据替换为含有mask的文本作为新的输入,最终取得了较好的分类效果。通过对4个基准数据集进行验证,基于提示学习的分类方法在仅有40个训练样本的情况下比BERT预训练语言模型使用740个样本的准确率高出近6%。

摘要：针对多QoS约束的组播路由问题,借鉴改进的蚁群系统,提出了一种新的QoS组播路由算法QCMR-ACS(QoSConstraintsMulticastRoutingbasedonACS).QCMR-ACS通过构建确定性选路概率函数和基于Prufer编码的变异操作,加速算法的收敛速度;对信息素实行多个独立QoS约束的惩罚性更新策略,使算法满足用户的QoS要求;考虑到网络实际应用,算法设计中引进了基于链路利用率的负载均衡和拥塞规避重路由策略,提高算法的鲁棒性.实验结果表明QCMR-ACS是一种正确、有效的QoS组播路由算法.

摘要：针对多维QoS约束的组播路由问题,提出了一种基于遗传算法的解决方案QCMRA-GA(GA ofQoS Constraints Multicast Routing Algorithm)。该算法对经典遗传算法的三大算子进行了重新设计,有效地克服了遗传算法的早熟现象。对染色体进行Prufer树型编码,可以避免回路的产生,并根据编码特性,进行基于叶子节点和Steiner节点的解空间压缩,提高了算法的收敛速度。实验表明QCMRA-GA的正确性和效率性。

摘要：自主性是agent最显著的特征 ,为了在理论上指导自主agent的设计和构造 ,促进基于agent的软件系统的开发 ,建立了一个刻画agent自主性的框架 .首先 ,在分析现有的agent自主性定义的基础上 ,总结了自主agent应具备的最小能力需求 ;然后 ,介绍用于描述agent的语言 ,agent的心智状态及其表示 ;在此基础上 ,提出一个自主agent的框架 ;最后 。

摘要：根据TCP/IP协议族攻击的特征,提出在传输层上将捕获的数据包分成三类(UDP、TCP和ICMP)分别进行编码并输入到三个不同的神经网络中训练、检测。根据以上思想设计并实现了一个基于BP神经网络的实时入侵检测系统的原型。该原型系统具有通用性和可扩展性,能够根据需要灵活调整网络结构和训练参数,可以发展为更精确的网络入侵检测系统。最后给出了实验设计及其结果,证明了文中对数据包分类处理的方法既能减少网络训练的次数,又能提高网络检测的精度。

摘要：传统的手工阅卷系统存在着各种各样的弊端.在实践的基础上,提出了一个新的FrontPage考试的自动阅卷方案,给出了软件的设计目的、设计思想以及用Delphi实现的方法,给出了一些关键算法的伪代码.系统共分3个部分:FrontPage文档分析、参数配置系统和阅卷系统.

摘要：该文通过分析当前科研管理系统的现状和需求，提出了一种基于B／S和SOA的科研管理系统的设计与实现方法，并分析了系统实现的关键技术。