摘要：针对现有会话推荐算法缺乏对属性信息利用的问题,提出一种基于双图神经网络的会话推荐算法(SR-DGNN)。分别构建会话图和全局相似图学习项目的时序特征和内容特征表示,设计相似度图卷积网络(S-GCN)对全局相似图进行建模。设计基于注意力机制的融合策略对项目的特征表示进行聚合,获取会话的全局表示。综合考虑用户的长期和短期兴趣,预测用户偏好。在KKBOX和MIND两个数据集上进行了大量实验,实验结果表明,所提模型优于现有基准模型。

摘要：针对存在多工序同时结束的单件复杂产品的多车间制造问题,提出了存在多工序同时结束的多车间逆序综合调度算法。首先,为解决正序调度需迁移虚拟工序导致的设备资源空闲和操作复杂的问题,设计了逆序分批次调度策略;然后,为减少工序迁移和车间负载尽量均衡,设计了逆序车间确定策略确定所有工序的加工车间;最后,为满足多工序同时结束的特殊约束,设计了逆序同时开始策略确定每组虚拟工序组的逆序开始加工时间。实例验证表明,所提出算法满足特殊约束,完工时间较短且工序迁移次数少。

摘要：虚拟仪器软件一般设计方法是针对特定的需求和确定的可用资源编写代码,代码与需求、资源之间存在着比较严格的对应性。但在一些面向现场的应用中,需求和资源都不能完全确定,目前的软件设计方法很难在应用需求和可用资源不能完全确定的情况下完成软件编程。本文提出了一种面向现场应用的虚拟仪器设计方法,采用流程及流程组装达到代码与应用需求之间的宽适应性;资源与资源匹配实现现场设备的"即插即用",解决了需求和资源不确定下的虚拟仪器设计问题。该方法在面向现场的应用中有较好的发展前景和实用价值。

摘要：针对任意平面多边形域,采用增量思想和均匀网格,在局部范围内快速生成约束Delaunay三角形.该方法不会生成区域外的三角形;对存在折线、离散点以及含“洞”的情况不需要特殊处理.实验结果表明,该方法对于随机生成的简单多边形域三角化速度快,平均计算时间呈近似线性.另外,针对文字、工业图案等带状图像的边界多边形,充分利用其近似等宽性优化算法,将其应用于带状图像骨架的快速提取.

摘要：为了缓解大规模糖尿病视网膜病变(DR)筛查需求下医疗资源不足的问题,本文提出了糖尿病视网膜病变分期双分支混合注意力决策网络(BiRAD-Net)。该网络分为特征提取和分类两个阶段:在特征提取阶段,引入混合注意力机制抑制噪声,并设计了特征分级决策网络进一步优化特征质量;在特征分类阶段,设计了双分支分类器以及对应的损失,以减缓标签数据不足带来的影响,增强分类准确性。此外,在模型训练过程中应用迁移学习技术来提高模型的精度、降低训练所需数据量。在KAGGLE数据集上的实验结果表明:本文方法对糖尿病视网膜病变的各个阶段均具有较好的诊断能力,优于其他对比方法。

摘要：作为非完备信息博弈的典型代表,德州扑克一直是人工智能领域内的难题.尤其在多人无限注德州扑克中,博弈策略的制定需要考虑诸多复杂因素,加上其解空间巨大,使问题极具挑战.一般有两种思路解决之:第一种是基于博弈论的方法,通过搜索博弈树、寻找纳什均衡点得到最佳策略;第二种是基于知识的方法,通过学习人类玩家的行动来制定博弈策略.该文的方法属于后者:提出了一种基于牌型预测的德州扑克博弈方法.该方法的基本思想是模拟人类玩家的"读牌"能力.读牌是德州扑克对抗中的重要部分,即根据对手表现出的即时信息及过往的行为习惯,判断对手手牌的大致分布甚至精确牌型.读牌之所以可行,是因为随着牌局发展,对手会进行多次行动,而这些行动往往体现了其手牌信息.文章从非完备信息博弈的角度出发,提出了一套完整的博弈框架,并讨论框架的适用性.随后,将该框架具体应用于德州扑克,将研究重点放在未知信息集的预测上,并采用蒙特卡洛方法计算胜率、得出决策.文章详细地阐述了该方法的设计思想和实现细节,为多人无限注德州扑克程序的设计提供了宝贵的参考.该文是首篇全面论述并设计实现了基于对手手牌预测的多人(超过三人)无限注德州扑克程序的论文.在对手牌型预测上,该文程序比马尔可夫模型的预测精度平均高出6.65%.在博弈性能上,选择2015年华为软件精英挑战赛上的七个程序进行比较,采用锦标赛赛制(允许一次后续买入).两人局比赛的平均胜率为89%,八人局比赛的平均名次为1.74.同时在筹码胜负、坚持局数等多项指标上均取得最好成绩.

摘要：在线社会网络的发展为市场营销提供了新的机遇和挑战.对于广告投放者来说,面临的问题是如何从一个有n个用户的社会网络中,选取k(0<kn)个有影响力的用户,称作种子节点,通过提供报酬、试用品等方式激活他们,让他们为产品做宣传,通过口口相传的方式使尽可能多的用户了解或者购买该产品.这个问题也被称作影响力最大化(Influence Maximization),简称IM问题.IM问题的相关工作往往会默认所选出的k个种子节点均可被激活.而在实际应用中,受各种因素的影响,t(0<tk)个种子节点很有可能无法激活.因此该文的研究问题是如何选取替补节点来代替不能被激活的种子节点,该文称该问题为在影响力最大化中寻找替补种子节点(Substitutes Discovery in Influence Maximization),简称SDIM问题.SDIM问题的提出有利于解决营销中面临的实际问题,帮助广告投放者更顺利地完成营销目标.为此,该文首先给出了SDIM问题的形式化定义,并提出对该问题求解的优化函数.在证明了该问题属于NP难的基础上,说明了基于该文提出的优化函数得到的贪心算法具有精度保证.该文首先利用社会网络的无尺度特性,给出了保留网络中度较大的节点作为初始候选节点集的策略,在此基础上,分别提出了3个求解SDIM问题的算法:(1)找出恰好t个替补节点的全局静态贪心算法GSG;(2)在选择种子节点的同时选取t′(t′t)个替补节点的预选式贪心算法GIA,可防止新选的t个替补节点中仍存在不能被激活的节点;(3)可以改善GSG算法执行时间且不影响精度的全静态算法AS.由于GSG运行时间过长,我们对其进行了CELF优化,在实验中我们称其为GSG-CELF.实验结果表明:根据节点度减少候选节点数量的方法不会影响各算法的效果,却可以有效地减少运行时间;GSG-CELF选出的替补节点的影响力很接近原始种子节点集的效果;GIA具有更好的鲁棒性,同时传播效果也十分接近GSG-CELF;AS与GSG-CELF这类有CELF优化的贪心算法相比,运行时间是GSG-CELF的10%~50%,且传播效果不受影响.

摘要：AM-COVEN感知模型依据人的行为和感知特征,综合考虑位置、兴趣区、感知等级、感知QoS、感知相关性等问题,描述了受限资源网络环境下的虚拟环境的感知问题,为网络资源的合理应用提供支持·实验证明,AM-COVEN能缓解网络条件对感知的影响·

摘要：分析了现有工作流事务理论和技术,针对执行效率较低的问题,在改进确认和补偿机制的基础上提出了基于向后恢复、支持嵌套事务的将补偿模型与原流程模型整合在一起的事务模型构建规则和算法.实现了细粒度工作流事务管理,避免了读脏数据和由此而引起的连环回滚,简化了锁定和冲突分析,从而在保证可靠性的前提下提高事务管理的效率.

摘要：提出一个专门针对协同环境下CAD模型的多层次动态的安全访问控制(multi-level and dynamic security access control,简称MLDAC)模型.该模型利用一种多层次的权限模型,以简化权限定义及其分配过程,丰富了权限表达能力,实现了产品模型的多粒度访问控制.通过参照工作流的基本理念,引入权限的依赖关系及权限状态迁移概念,实现了权限的动态授权管理.通过实践证明,MLDAC模型可以对协同设计操作进行更加有效的控制,符合设计任务间的分工性、依赖性和交互性的特点.