摘要：在线精确单模式匹配问题在几乎所有涉及文本和符号处理的领域中均有广泛应用。SBNDMq是目前该领域性能最高的算法之一。通过向其引入非对齐双字节读机制,对SBNDMq算法进行改进,从而提出SBNDMq_Shortb系列算法。该系列算法拥有与SBNDMq算法一致的跳跃能力,但核心循环的内存访问次数降低为原来的50%,算法性能更高。实验结果表明,在大多匹配条件下,SBNDMq_Shortb系列算法性能优于其他已知算法。

摘要：近年来,针对电子病历文本的研究受到越来越多的关注,而相关疾病预测模型很少注意到病历文本中记录独立分布的半结构化形式以及语义关系复杂的特点,故该文提出了一种基于加权层级注意力机制的辅助诊断方法,设计加权累加法将普通句向量转换为结构弱关联句向量,并构成词、句、文档层级结构注意力机制来提高模型结构学习能力,此外,设计监督层用于缓解语义关系复杂造成的学习偏置问题,以辅助模型的训练效果。在真实数据集中进行验证表明,该文模型优于当前主流的深度学习模型,取得了较好效果。

摘要：集合包含查询分为子集、等值和超集3种查询,在多个领域有重要的研究意义和应用价值.随着集合数据集规模的不断增大,迫切需要提高集合包含查询的效率.集合包含查询并行化是解决这一问题的一条途径,基于OpenMP提出并行子集、等值和超集查询算法,这些算法采用反向索引结构,通过for循环并行化实现查询间的并行执行.为提高算法效率,设计2个高效的并行共享数据结构:1PVEC结构:用于存储并行查询结果.2CountArr数组:针对超集查询,用于对反向列表中的元素计数,并行线程可异步地对这两个结构进行访问.在MSWEB和DBLP 2个数据集上进行扩展实验,结果表明,实现的3种并行集合包含查询具有较高的效率,对3种查询在MSWEB数据集上均可达到4X以上的加速比.

摘要：近年来,材料基因组计划(material genome initiative,MGI)已成为全球热点。数据源的缺乏和数据存储方法的不规范导致材料领域缺乏可用于机器学习模型训练的结构化数据,这成为了研究人员对材料性能进行预测的瓶颈。随着材料科学的不断发展,材料领域文本中包含的大量信息,已成为材料领域研究人员应用机器学习的主要数据来源,如何获取大量有效的材料数据是成为现阶段的一项具有挑战意义的工作。本论文采用自然语言处理技术从铝硅合金材料文献中获取有效数据。命名实体识别是自然语言处理中一项重要的子任务,旨在识别文本中具有特定意义的实体。具体研究方法是从材料科学文献中选择五类实体,手工标注构建了铝硅合金材料实体识别数据集,包括5347个句子,2835个实体。为了减少自然语言处理任务对标注语料的依赖,利用迁移学习将语言模型预训练后应用到特定领域任务中;结合实体特征,基于ALBERT(A Lite BERT)预训练语言模型与条件随机场(conditional random fields,CRF)进行联合建模,并将预训练模型基于主动学习应用于合金材料实体识别。在基于少量标注的训练集样本下,结合主动学习,使得模型的F1值、精确率、召回率分别提高了0.61%,2.68%,0.29%。实验证明结合预训练和主动学习能够进一步减少实体识别任务模型对标注数据的依赖及人工标注的成本。论文研究成果可解决材料数据孤岛问题,改善材料基因组机器学习一直处于小规模数据集的困境,将促进铝硅合金的研发进程,为材料基因组新材料设计提供科学依据。

摘要：无线传感器网络是物联网领域中典型的Ad Hoc网络,其信息安全影响物联网服务实时交互行为的存在性和唯一性,可用于实时嵌入式工业控制系统的安全度量评价。根据无线传感器网络的特性,设计了基于Logistic映射和Henon映射相结合的双混沌系统加密算法(EDC),实现对明文信息的双重加密,有效地保证了数据的安全性。通过实验证明该算法效率高,安全性强,非常适合无线传感器网络用于实时嵌入式工业控制系统的安全性建模设计和性能评价。

摘要：为了进一步提高网络蜘蛛在互联网、物联网和实时工业控制网络中信息采集的效率,分析了导致网络蜘蛛陷入局部最优解的原因,将遗传算法引入到网络蜘蛛的应用当中求解全局最优解,针对传统遗传算法中存在早熟和收敛慢的问题对选择、交叉、变异这三种核心算子进行了改进。经实验对比表明,该算法和网络蜘蛛相结合克服了以上问题,具有较高的搜索查全率和搜索准确率。

摘要：基于乳腺超声图像研究了一种深度学习自动分类算法TDS-Net,用于实现乳腺影像报告和数据系统(BI-RADS)3、4a、4b、4c、5级的五分类.TDS-Net设计了双支路的结构:首先,第一条支路采用提出的DDModule叠加构成,该模块能够减少超声图像中的伪影并提取丰富的局部细节特征;其次,第二条支路由卷积块构成,它主要用于提取图像的全局特征信息,作为第一支路的信息补充;最后,将两条支路融合得到含有丰富特征信息的融合特征图,并采用深度可分离卷积和SENet进一步提取图中的信息,其中,深度可分离卷积能够减少参数并增加网络的非线性进而增强其提取特征的能力,SENet注意力机制能增强高阶特征信息的提取.为验证该算法,采用云南省肿瘤医院提供的数据进行实验,结果显示准确率、精准率、F1值分别为94.67%、94.81%、94.69%,均高于对比算法,体现了该算法的优越性.同时为验证该算法的鲁棒性和普适性,基于两个公共数据集做了良恶性二分类的实验,实验结果同样高于对比算法.这些结果表明,所提算法TDS-Net对乳腺超声图像具有较强的识别能力,有望应用于临床医学.

摘要：基于想象的脑机接口(Brain‐Computer Interface,BCI)在运动障碍康复中有潜在的应用.传统的想象任务是运动想象(Motor Imagery,MI),但MI不易习得和控制,且存在“BCI(Brain Computer Interface)盲”现象,使得该类BCI的实用化受限.为寻找下肢运动障碍的康复方法,采用一种较少被研究且易完成的心理想象,即“视觉想象(Visual Imagery,VI)”来构建BCI,但该类BCI的分类难度较大,需要探索有效的特征提取方法.招募18名被试参加两种动态图片的视觉想象任务并采集脑电(Electroencephalogram,EEG)数据;采用EEG互信息构建功能网络,利用图论分析方法计算脑网络的网络属性特征,分别以网络属性特征、不同维度邻接矩阵空间特征与网络属性与邻接矩阵组合特征构建特征向量;最后采用支持向量机(Support Vector Machine,SVM)对两类视觉想象任务进行分类.结果显示,采用八维互信息邻接矩阵构建的空间特征集具有较好的可分性,平均分类精度为90.12%±5.43%,表明基于EEG互信息邻接矩阵空间特征是识别所设计的VI任务的有效特征,可望为构建新型的在线视觉想象脑机接口用于下肢运动障碍康复提供思路.

摘要：近年来随着计算机技术广泛应用于手绘艺术动画的制作,出现了许多新的手绘艺术动画的计算机辅助设计和制作方法。这些方法概括为五类:①结合三维动画技术实现艺术动画制作;②引入中国传统的艺术元素制作手绘动画;③基于视频流生成动画;④使用素材重用的方法制作手绘动画;⑤结合中间帧自动或半自动生成技术制作动画。文章对这些方法进行了介绍,并指出中间帧生成技术能够保持绘画者的手绘风格,突出手绘动画的艺术特征;并进一步说明了结合中间帧生成技术辅助制作动画的关键,是寻求一种自然高效的交互方式来定义始末关键帧中图形元素间的对应关系,以及根据此对应关系自动或半自动生成中间帧的方法。

摘要：针对传统入侵检测领域由于数据不平衡而出现少数类检测率低的问题,设计了一种基于条件生成对抗网络和CatBoost算法的数据生成模型(SA-WCGAN)。首先,采用CatBoost算法对原始数据集进行特征选择,减少模型训练时间。之后,利用SA-WCGAN生成模型进行数据扩充,解决数据不平衡问题,该生成模型引入自注意力机制(SA),提取攻击样本的全局特征,提高少数类攻击样本生成的质量;同时,引入Wasserstein距离和梯度惩罚,提高模型训练过程的收敛速度和稳定性。实验结果表明:在公开基准数据集NSL-KDD上,SA-WCGAN生成模型在只有少数样本的攻击类型上具有较高的精确率、召回率和F1分数。同时,与现有5种方法的比较分析也证实了该模型的优越性。