脊柱疾病是现代社会中常见疾病之一,目前其诊断与治疗主要依赖于医生的专业水平和临床经验,这样不仅给医生带来沉重负担,而且效率低下。以神经网络为代表的机器学习算法能够自动提取脊柱数据集中的特征信息,辅助医生快速定位病灶区域,实现精准治疗。文中从实验数据、特征选择、算法模型和性能评估指标等方面,对机器学习技术在脊柱疾病应用中的研究现状进行了系统总结。首先从机器学习算法角度出发,阐述典型算法在疾病诊治中的用途;其次围绕实际应用,从危险因素分析和疾病预测、疾病识别和分类、脊柱图像的特征提取和分割3方面,结合具体实验对比机器学习模型的性能;最后总结目前应用中存在的局限性并提出展望。

随着我国经济的迅速发展和国民可供分配收入的不断增加,人们投资需求变得更为强烈,如何高效合理地进行投资组合俨然成为投资者关注的热点问题。针对在线投资组合策略过于单一的价格预测和难以确定精准投资比例的问题,提出了基于价格趋势驱动的元学习算法在线投资组合策略(TPPT)。首先,考虑到股票价格异象的影响,提出了根据历史窗口期的等权重斜率值的三状态价格预测方法来追踪价格变化。其次,加入基于梯度投影的快速误差反向传播(BP)算法来求解投资比例。于是TPPT策略就将资产的增加能力反馈到投资比例上,以此来最大化累积财富。最后,5个典型数据的实证分析表明了TPPT策略在平衡风险与收益上占据较大的优势,是一种稳健且行之有效的在线投资组合策略。

道路是现代交通运输最主要的途径之一,道路缺陷对于道路安全有着巨大威胁。因此准确检测道路缺陷对道路养护修缮具有重要意义。道路缺陷具有低连续性和低对比度的特点,现阶段多采用人工检测方法,检测效率低,人力成本高,且检测人员的安全可能会遭受威胁。随着深度学习的发展,神经网络方法被广泛应用于工程实践。U-net是具有编码器-解码器结构的端到端深度学习模型,对微小对象检测能力强,适用于道路裂缝缺陷检测。利用U-net深度学习网络对道路缺陷进行检测,能提高检测效率,无需人工干预,保证检测人员安全,降低检测的人工成本。实验结果表明,U-net网络在数据集Crack500上的效果优于FCN,Segnet等语义分割网络,在保持较高精度的情况下实现了道路缺陷检测。在此基础上对U-net网络层数进行超参数优化,确定该数据集上的最优U-net网络结构。

研究COVID-19低剂量CT图像质量评价算法具有重要意义,但基于深度学习的方法随着网络层数的增加会出现梯度消失问题,针对此问题,文中提出了基于混合域注意力的DenseNet算法。DenseNet通过特征重用和网络的紧密连接,在减少参数的同时解决了梯度消失问题;基于人眼的注意力机制,将自下至上和自上而下结构相结合以实现空间注意力;基于人眼视觉具有多通道特性,针对空间域注意力忽略通道域中的信息,研究混合域注意力,并将其引入至DenseNet。分别用斯皮尔曼等级次序相关系数、皮尔逊线性相关系数来衡量客观评价方法的测试结果与主观评价之间的一致性。实验结果表明,所提方法可以较好地模拟人类的视觉特性,更加准确地对COVID-19低剂量CT进行质量评价,评价结果与人类视觉主观感受有较好的一致性。

在研究生成对抗网络(GAN)生成动态图像时,经常出现前后帧图像内容中的部分物体颜色不一致和生成的细节不自然等问题。针对当前生成视频的不理想问题,采用的主要方案是分别对GAN网络中的生成器和判别器进行改进,具体表现在两个方面:一方面是在生成器中对视频的前景和背景分别建模,并且使用多重空间自适应归一化(Multi Spatially-Adaptive Normalization,M-SPADE)算法;另一方面是在判别器的选取上使用双视频判别器(DVD-GAN),然后在Kinetics-600数据集进行训练,实验后的结果分别比对F-Vid2Vid,WC-Vid2Vid等生成方法。实验结果证明了对GAN网络改进的方法在处理生成短视频的前后帧颜色不一致的问题和细节上有着不错的效果,生成的图像相对的更加清晰。

诊断预测根据患者的历史健康状态预测未来的诊断信息,是个体化医疗决策的核心任务。电子健康记录是患者随时间推移的健康状况和临床护理的记录,它为诊断预测提供了丰富的纵向临床数据。然而,现有基于电子健康记录的诊断预测模型还不能完全了解隐藏的疾病进展模式;其次,细粒度诊断预测的性能很大程度上依赖于富含信息的特征。为了增强表达并改进学习,设计一种基于Node2vec和知识注意力的诊断预测模型。该模型基于Node2vec从医学本体的全局结构中捕捉潜在的医学知识并将诊断代码和分类代码映射为低维向量;利用分类代码嵌入向量对患者诊断的临床知识进行编码,进一步丰富患者细粒度健康状态的特征表示;设计一种知识注意力机制并与门控循环单元结合,将领域知识和电子健康记录进行融合,从患者历史健康状态中捕捉长期关联和疾病进展模式。在现实数据集上的实验结果表明,与最新方法相比,该模型显著地提高了预测性能。此外,结果表明Node2vec可以从医学本体捕捉到蕴含更多信息的医疗概念嵌入,知识注意力机制有助于促进外部知识和电子健康记录的有效融合。

针对选择性激光烧结(Selective Laser Sintering,SLS)件成型过程中因气泡导致的质量缺陷问题,提出一种基于改进粒子群(Improved Particle Swarm Optimization,IPSO)算法优化的加权随机森林(Weighted Random Forest,WRF)预测方法,用于实现气泡溶解时间的有效预测。该方法利用IPSO算法优化WRF分裂属性个数和决策树数量两个关键参数,构建IPSO-WRF预测模型。数值实例表明,与PSO-RF,PSO-KELM预测模型的预测结果相比,基于相同的训练样本和测试样本,气泡溶解时间IPSO-WRF的预测模型能够获得误差更小且更接近于实际值的输出结果。MAE,MAPE,RMSE指标表明,IPSO-WRF预测模型具有比PSO-RF模型和PSO-KELM模型更高的非线性拟合能力和预测精度。最后,通过敏感性分析确定对气泡溶解时间影响最显著的输入参数,为SLS技术的发展提供理论依据。

在气象领域中,多普勒雷达探测的气象数据采用空间极坐标的方式进行存储,探测到的气象目标具有分布不均匀、区域分散、形状不规则等特征。为了满足气象目标三维重建的需求,针对雷达数据特征对Marching Tetrahedra三维重建算法进行一定的改进。首先采用Barnes插值方法和傅里叶谱分析原理的插值方法分别在雷达锥体数据的垂直方向及径向之间进行回波强度值的加密,对加密后的回波极坐标数据构成的新的六面体进行基本四面体单元的剖分,并利用线性插值得到各顶点的具体位置,绘制时结合多层次面绘制技术渲染三维图,该算法避免了对高仰角以及距离远而没有回波数据区域的重建。实验表明,改进算法能更好更快地实现三维重建,并且能观测分析云层的内部细节信息,为气象的准确预报提供了一定的参考依据。

磁瓦作为永磁电机中的关键部件,其产品质量易受到内部缺陷的影响而下降。然而传统的声振检测手段在面对快速、精准的检测需求下已暴露出一些低效率的问题,因此开发一种针对磁瓦内部缺陷的高效智能化检测方法具有重要的现实意义。文中结合深度学习的优势,提出了一种基于卷积神经网络的磁瓦内部缺陷声振检测方法。在该方法中,磁瓦的一维声振信号首先被转换为二维声振图像,再输入针对信号特点所设计的卷积神经网络进行学习训练,以完成从声振图像中自主学习和提取能区分内部缺陷有无的信号特征,最后由softmax完成对应特征的识别。4类磁瓦样本的检测实验结果表明,提出的方法可实现准确率为99.38%的磁瓦内部缺陷检测,单片磁瓦的检测时间低于0.031 s,模型具有良好的鲁棒性。

为剖析突发公共事件持续期居民出行方式选择行为的决策机理,通过引入结构方程模型,构建居民出行方式选择模型SEM,基于2020年3月在新冠肺炎疫情持续期通过网络线上的方式采集的623份有效调查问卷,研究了突发公共事件持续期居民出行选择的主要影响因素。结果表明:家庭人均收入、是否有私家车、防控措施、防控措施了解程度对居民出行方式有绝对的影响;自我防控措施、交通工具主观信任度对居民在突发公共卫生事件持续期的出行方式选择具有显著的影响;在高铁旅客运输过程中减少经停地、航空旅客运输中保持低票价均可提高居民选择相应出行方式的概率;各交通方式可以通过提高疫情防控工作的宣传力度以提升居民对各交通方式的主观信任度。

越来越多的企业以流程模型的形式进行业务管理,并且要求从不同的细节层描述相同的流程。业务流程模型抽象技术对于给定的细节流程模型,生成该模型的抽象表示,从而达到特定的抽象目标。构造流程的“概要视图”以加速对复杂流程的理解是流程抽象的一个需求最显著的用例,其中一个关键问题是将初始模型中的细节行为集合转换成抽象模型中的粗粒度的行为(子流程)。很多学者对流程抽象方法进行了研究,其中以基于结构的抽象方法居多。结构抽象方法中,初始模型中待抽象的行为集合仅仅根据控制流关系得到,没有考虑到行为的域语义,生成了大量的业务逻辑性不完整的待抽象的流程片段作为候选子流程。在流程的控制流结构基础上,引入行为语义信息,自底向上对流程结构树中每层的标准部件进行语义扩展,将标准部件与其相邻的兄弟节点之间的语义进行相似性评估,发现与标准部件语义描述最相似的行为集合,并有选择地聚合得到最接近包含完整业务含义的流程片段作为候选子流程。文章利用真实的流程案例对基于结构的抽象方法(将流程结构树中每个标准部件作为候选子流程)和提出的子流程发现方法做实验对比分析,提出的方法大大减少了不相关候选子流程的数量,生成的待抽象流程片段更加接近人工设计的子流程。

有界Petri网Σ的满进程(N,φ)利用出现网N和网射φ将N的S切对应Σ的可达标识,从而提供研究有界Petri网的可达标识的有力工具。由于出现网中限制每一个库所的后集最多一个变迁,因此,当Σ的库所的后集有多个变迁时,网射就会出现多次重复的现象。从而使得计算过于烦杂。文中提出弱出现网并且利用弱出现网来构造有界Petri网的弱进程,文中对于弱进程证明了在满进程中起重要作用的结论,表明弱进程是满进程的有意义的推广。由于弱出现网取消库所的后集元素个数的限制,在弱进程中,消除了满进程由于上述原因而产生的重复现象,提高了计算的效率。给出的例子表明了弱出现网在计算中的简便性。

一阶逻辑是公理系统的标准形式逻辑之一,其中包含的程度化推理等研究内容,是一个研究热点也是难点。文中从一阶逻辑演算的语义理论出发,利用可满足性及完备性定理研究了一阶逻辑中公理化真度。首先给出并、交运算可满足性的定义,其次说明了两个特殊公式与逻辑有效公式以及定理的关系,最后得出与公式等价的前束范式。上述结果将为谓词逻辑程度化研究做准备。

Gazebo作为机器人通用仿真平台,能够在复杂的室内和室外环境中准确模拟机器人行为,并在单节点上支持多机器人的协同仿真。但执行仿真任务中如果启动成百上千台机器人,通常会发现Gazebo性能参考值(RTF)仿真实时比会降低两个数量级,甚至出现仿真错误的情况,仿真性能会成为其主要制约因素。为了实现机器人集群的高性能仿真,探索了基于MPI的跨节点ROS+Gazebo仿真平台搭建方法,核心过程是针对确定的仿真任务进行并行划分,可采用编号划分或区域划分,将划分好的各个子任务部署到各计算节点的Gazebo上进行仿真,最后通过Gazebo之间的MPI进程通信保证仿真的同步和一致性,以此实现机器人分布在不同计算节点上的协同仿真。同时编写了固定翼和四旋翼同构和异构的仿真测试案例,通过脚本程序读入world配置文件和roslaunch文件来实现,设计了对用户友好的与ROS类似的启动方式,进行了单节点和跨节点的性能测试,验证了分布式并行仿真的优越性。

近年来域间路由劫持事件频发,路由系统的安全性受到广泛重视。RPKI系统作为一种路由安全验证系统,通过和现有的路由广播策略的有效结合,可大幅降低路由劫持的风险。RPKI系统当前在设计和开发上针对密码算法的选择做了特殊的约定,其中签名算法仅限于使用RSA非对称加密算法,哈希算法仅限于使用SHA-256算法。随着密码算法的不断升级更新,以及新密码算法的推出,预期RPKI系统在未来版本中会逐步纳入更多新的算法来满足安全、性能以及用户定制化部署的需求。文中将国密算法与RPKI结合,通过建立一套完善的密码算法测试环境,对国密算法应用性能与标准RFC定义的算法进行多维度的横向比较,探讨国密算法在RPKI中应用的可行性、大规模部署环境下的优化改进方式以及对现有RPKI系统中密码体系的未来发展的展望。

针对复杂算法设计和维护中面临的输入种类数量大、知识密集、范围未知、算法逻辑复杂且规模比较大等实际问题,传统需求规格说明侧重于用户需求的认定,不便于修改和确定复杂算法内部逻辑流程;流程图则偏向程序设计底层,虽然方便自动程序设计的实现,但缺少高层逻辑语义,没有修改更新备份机制,逻辑修改复杂性仍然很大,设计和维护成本很高,仍然不方便描述刻画不确定程序逻辑,并且使用十分不便。文中提出了基于思维图的算法内部逻辑轻量型描述实用化方法,适应复杂算法内部逻辑流程不确定和长周期研发的特点。首先形式化定义了思维图逻辑模型及其构成部件;然后以具体实例讨论了思维图面向对象的实现,以及对于客观世界继承和多态情景的程序模拟;以文本数据元变量语义识别为例子,具体描述了使用思维图对复杂算法进行设计和维护的阶段和过程;最后,总结全文并提出下一步思维图工具化的研究任务。

为进一步提高输变电工程造价管理的精细化水平,对输变电工程全环节单元确认的精准造价管控技术进行了深入研究。首先,针对缺乏精准计量方式、缺乏成熟管控技术以及各环节单元口径协调难等现存问题进行了细致分析。然后,构建了基于边缘计算的输变电工程全环节单元确认的精准造价智能管控模型,并且采用基于混合策略的免疫粒子群算法对其模型进行优化求解。使用边缘计算搭建输变电工程各环节的造价计算模型极大地缩短了计算延迟时间,降低了数据冗余成本。最后,采用免疫粒子群算法对模型进行优化,摆脱了传统优化算法易陷于局部最优的缺点,使得模型数据处理更高效性、更精准,进一步实现了边缘计算协同的高可靠性优势,实现了高精度的全环节各单元的造价管控体系。

趋势表达指标是投资组合优化领域上的一个重要话题。但是大部分基于趋势表达的投资组合优化系统仅仅考虑到了一种指标,而仅考虑到一种指标的系统在不同的数据集上的效果往往差别会比较大,因此文中使用了多趋势指标结合的系统。文中提出的投资组合优化系统使用了一系列径向基函数分别对应3种趋势表达指标(分别是简单移动平均线、指数移动均线、低延迟趋势线),并通过收盘价与短期均线价格之间的关系,对以上3种趋势进行择时,在股票出现上涨趋势的情况下加入最高价格指标(第4个指标)。在这个算法中,一系列的径向基函数会根据近期的投资情况选择最好的趋势表达指标(自适应选择),并根据以最大化下一期财富为目标的凸优化问题的解集进行投资。最后,对本系统和5种常见的投资组合优化系统在两个数据集中进行了横向对比,并取其中较为先进的两种系统在4个数据集上进行了更详细的比较,发现本系统均优于其他系统。

BLAS库作为高性能计算中最基本的数学库,对高性能计算机平台上的数值计算、人工智能等领域应用都起着重要作用。BLAS3级函数GEMM是整个BLAS库性能的核心指标。目前,还没有能够充分发挥申威1621平台优势的高性能BLAS库。针对上述问题,在申威1621平台上,实现了GotoBLAS的移植与优化。提出了一种使用SIMD向量化进行核心代码优化的算法实现,为满足向量优化的算法实现分别进行了数据重排、计算数据块选择、浮点寄存器分配、向量化指令改写等优化技术。分别比较了SGEMM和DGEMM在Micro-kernel中使用cache行和使用向量化优化的最优数据块选择方案。实验结果表明,优化后最佳分块下的SGEMM单核性能比GotoBLAS单核单精度浮点数平均加速52.09倍,DGEMM单核性能比GotoBLAS单核双精度浮点数平均加速32.75倍。

入侵检测系统作为防火墙之后的第二道防线已经在网络安全领域得到了广泛应用,基于机器学习的入侵检测系统因其优越的检测性能吸引了越来越多的关注。为了提高入侵检测系统在多类非平衡数据中的检测性能,文中提出基于采样集成算法(OSEC)的入侵检测系统。OSEC首先根据“一对多”原则将多类别检测问题转化为多个二分类问题,然后在每个二分类问题中根据AUC值选择最优的采样集成算法以缓解数据的非平衡问题,最后根据文中设计的类别判决模块判断待测样本的具体类别。在NSL-KDD数据集上进行仿真验证,发现本系统相较于传统方法在R2L,U2R上的F1得分分别提高了0.595和0.185;对比最新的入侵检测系统,所提方法在整体检测准确率上提高了1.4%。

根据我国人事档案管理的现状,提出了一种基于区块链的人事档案管理系统方案,从系统框架出发介绍改进的PBFT共识算法和系统方案设计。系统采用改进的PBFT共识算法,将档案数据安全有效地存储在人事档案区块链系统中,保证了档案数据的可追溯性和有效性;并利用智能合约和星际文件系统(IPFS)等技术实现人事档案的本地备份和转移共享,以防止不可信的第三方对档案数据的恶意破坏,保证了档案数据的安全性。实验数据表明,改进的PBFT共识算法与其他成熟的共识算法相比,在输出性能、共识速度以及安全性等方面具有明显的优势,提供了更高的安全性和吞吐量。实验分析表明,基于区块链的人事档案管理系统有望改变传统人事档案管理的弊端,以满足日益增长的人事档案数据保护与共享的需求。