摘要：随着云计算和移动互联网技术的迅猛发展,网络上每时每刻都产生海量的数据,在大数据时代,数据大多采用分布式存储,存储在多个相互独立的站点上,典型的数据挖掘算法已不适应大数据背景下数据挖掘的相关隐私数据安全方面的需求。在大数据背景下,进行分布式数据挖掘,面临着要解决数据安全保护和隐私泄露等方面的技术问题。因此,本文将同态加密技术应用于典型的K-means聚类挖掘算法,设计一种基于大数据的分布式隐私保护的PP-kmeans算法,实验表明,该算法可以实现数据隐私安全保护,并且达到较为精确的大数据聚类挖掘效果。

摘要：针对如何提高蚁群算法搜索速度及防止算法停滞问题,提出一种改进的蚁群优化算法VACO(ACO algorithm based on ant velocity),通过构造与局部路径和蚂蚁个体速度相关的时间函数,并建立与时间函数相关的动态信息素释放机制,加快信息素在较优路径上正反馈过程,从而提高了算法的收敛速度;采取一种连续小区间变异策略,在加快局部搜索过程的同时可有效防止算法陷入局部最优.对典型TSP问题的仿真研究结果表明,改进后的算法在收敛性和对较好解的探索性能得到一定程度的提高.

摘要：实验教学是人才培养的重要环节,然而目前的实验教学大多与学科前沿成果脱节严重,影响了人才的培养质量。科教融合,加强科研成果向实验教学转化,以科研促进教学是提高高校教学质量的重要途径。对科研成果进行了拆解和提炼,在此基础上设计了分阶段、多层次的实验项目。经过3届本科生实践教学的改革与实践,证明这种实践教学新模式对培养学生的动手能力、分析和解决问题能力以及创新能力有较大的提升作用。

摘要：运动目标的检测与跟踪是智能交通、智能监控等领域的重要组成部分,尤其是行人、车辆的检测与跟踪,对于行人行车安全、流量监控等都有着重要的意义。由于复杂交通场景中多目标检测与跟踪的难度较高,人工设计的目标特征无法满足复杂的多目标检测与跟踪。因此,本文提出一种基于堆栈式去噪自编码器深度学习框架的多目标检测与跟踪算法,利用海量的图片数据集训练深度学习模型,提取目标深度特征,用于多目标检测与跟踪。实验结果表明,基于堆栈式去噪自编码器深度学习框架的多目标检测与跟踪算法,提高了多目标检测的准确性,实现了更加鲁棒的多目标跟踪效果。