网络广告点击率预估的特征学习及技术研究进展

大数据时代有效预估网络广告点击率,对企业精准营销和提高投资回报率具有至关重要的作用。对网络广告点击率预估的特征学习及技术研究进行了综述,从原始数据特点及解决方法、点击率预估的特征学习、点击率预估模型构建、评价指标选取等方面,分析了网络广告点击率预估的国内外研究现状。点击率预估可应用于互联网广告投放、推荐系统等多个领域,具有较高的研究价值。     

路基回弹模量预估研究进展

路基回弹模量不仅是路面结构设计的关键参数,也是路面结构力学行为分析的关键参数.为准确把握路基回弹模量的预估,系统梳理了路基回弹模量研究进程,预估模型特点及适用性.首先通过统计得到,路基回弹模量预估模型主要分为本构模型、经验公式以及考虑基质吸力的非饱和土预估模型;其次评价了各预估模型的优缺点;最后针对各预估模型的特点,分析了其适用性,以期为不同路基工况的回弹模量的预估提供基础资料.     

一种检测范围自适应的目标跟踪算法

为处理目标的消失重现、形变及环境变化等问题, 要求跟踪算法有一定的检测与学习能力. 针对全局检测方法因冗余检测而造成检测效率低下的问题, 在基于P-N学习的跟踪框架的基础上, 提出一种自适应生成检测范围的目标跟踪算法. 通过引入卡尔曼滤波器(Kalman filter)对目标位置、尺度以及两者的变化速度进行预估, 在检测前根据预估信息自适应生成检测范围, 提高检测效率. 在公开的CoGD数据集上进行实验, 结果证明该算法较原始算法在准确度基本不变的基础上, 速度得到显著改善.     

线性约束变分不等式的LQP算法

将一类具有线性约束的变分不等式问题转换为等价的非线性互补问题,在证明了构成函数的单调性等性质后,结合LQP算法,提出相应的基于LQP的算法,并通过预估校正及对校正步长采取新的策略,给出了改进形式的两个算法.     

近50年鄱阳湖流域降水时空特征及其对水文过程的驱动

依照鄱阳湖流域79个国家气象站的逐月降水资料(1961~2010年),基于BCC-CSM全球气候系统模式预估数据(2014~2050年),对鄱阳湖流域降水变化趋势和空间分布变化趋势进行分析。选取赣江外洲站1961~2010年逐日径流量和1960~2010年年代径流量、输沙量数据,利用HBV水文模型、SPSS统计软件对赣江流域面雨量及径流量进行相关性分析,探讨降水特征对水文过程的驱动性。结果表明:1961~2010年间鄱阳湖流域降水量总体略呈上升趋势,降水日数呈下降趋势,降水强度增加、降水时间分布不均匀性更加明显,旱涝等极端事件发生更为频繁;年内变化特征为分布不均匀,以4~6月为汛期,其中6月降水量最大;空间分布特征总体表现为东部降水大于西部,丘陵地区降水大于平原地区;降水变化为径流量、输沙量变化等水文响应的主要驱动力,赣江流域面雨量及径流量呈显著线性相关,相关系数高达0.909。未来37年降水呈现略上升趋势,但趋势不显著。若鄱阳湖流域长期存在高能源需求及高温室气体排放,则洪涝灾害发生将更为频繁。研究为预测鄱阳湖流域水资源科学管理提供科学依据。     

基于深度学习的非对齐人脸验证方法

当前大多数方法需要对人脸进行对齐等预处理,这不仅影响验证流程的连续性,还严重影响人脸验证的效率。本文设计了两种神经网络模型及三个阶段式的训练验证构架以及基于深度特征与SIFT特征相结合的高效的非对齐人脸验证方法:方法利用卷积神经网络的池化层中间结果同步生成SIFT特征描述符从粗粒度到细粒度进行多级联的非对齐的人脸验证,这极大的提高人脸验证的速度及准确度;在训练阶段提出了使用三元组样本作为输入,Triplet loss作为损失函数有效提高不同人之间的区分度提高人脸验证的准确率;本文根据不同应用场景设计了两种深度学习架构适应小型及大型设备的需要。本方法经过在Web-face数据集训练及在LFW,YOUTUBE等数据集上验证,结果表明该方法具有良好的性能。     

基于深度稀疏自编码网络的植物叶片分类

针对传统机器学习方法对植物叶片图像分类识别率不高的问题,探讨了基于深度稀疏自编码网络(Deep Sparse Autoencoder Network,DSAN)的植物叶片分类研究。自动编码器通过编码和解码重构输入数据,对植物叶片进行分层特征学习,在自动编码器上添加稀疏限制,对隐含层神经元进行压缩,从而学习到更高层的隐含特征用于分类,解决了因选取的特征表达不足导致网络模型分类性能不佳的问题。实验采用公开的植物叶片图像数据库MalayaKew(MK)作为研究对象,该数据集包含44类植物。将预处理之后的叶片图像直接作为输入数据,通过DSAN学习到叶片的高层特征,结合Softmax分类器用于分类。实验结果表明,该算法能够有效提高植物叶片图像的分类精度,在植物分类领域具有一定的应用价值。     

基于LANDMARC的最近邻居改进算法

对基于动态主动式射频识别标定的定位识别(LANDMARC)室内定位系统算法进行了研究,针对现有LANDMARC室内定位系统算法最近邻居数量固定导致优良的最近邻居丢失、不良最近邻居引入的问题,提出了一种改进的最近邻居算法(K-nearest neighbor algorithm,KNN).该算法利用待测标签的预估位置,划定最近邻居的选择区域,然后根据选择区域内参考标签与预估位置能级差选择最近邻居.MATLAB仿真结果表明,在同等条件下的新算法定位精度提高了9.8%,最大误差降低了21.8%.     

基于改进的DenseNet-BC对少数民族服饰的识别

随着信息技术的发展,数字技术越来越多地应用于民族文化数字化保护,民族服饰的数字化及分类问题也日益受关注。相比一般服饰,少数民族服饰具有更多的细节特征信息,对其进行分类识别具有很大挑战。选用卷积神经网络DenseNet-BC作为基础网络结构,设计并使用了多尺度密集连接单元,用不同大小的卷积提取不同尺度的特征信息,以提高网络的学习能力;此外,为进一步提高网络的鲁棒性,提出一种局部和全局注意力机制方法进行分类识别。实验结果表明,改进的DenseNet-BC模型对少数民族服饰的识别准确率达95.18%,较ResNet-18、ResNet-34和DenseNet模型的识别准确率分别提升了3.84%、2.27%和1.18%。改进的DenseNet-BC模型具有更好的特征提取能力,能够提取更多的细节特征信息,一定程度上解决了普通模型提取特征尺度单一、特征丰富度低的问题。     

机器学习在心血管疾病辅助诊断中的研究:现状与未来进展

心血管疾病具有高发病率、高住院率、高致残率、高死亡率等特征,伴随高额的治疗疾病负担,早期准确诊断心血管疾病意义重大.以机器学习(ML)为代表的人工智能心血管疾病辅助诊断技术为诊断心血管疾病提供了新方法.基于ML疾病诊断技术日趋成熟,且在各类心血管疾病中取得诸多进展,包括冠心病、心力衰竭及心律失常等.本文综述了ML在心血管疾病辅助诊断中的技术背景和研究现状,分析了该领域在临床转化应用方面的挑战,并对未来研究进行了展望.     

一种简单的可得到闭式解的姿态估计方法

针对基于模型的姿态估计问题提出了一种新颖的深度估计算法,该算法能根据特征点对而不是单个的特征点与相机的几何关系,直接计算出相机运动前后特征点的深度.根据该深度估计技术,进一步提出了一种简单的可得到闭式解的运动参数估计方法.该姿态估计方法实时性高、便于实际应用,其方法的有效性得到了实验验证.     

基于多媒体数据库的数据挖掘系统原型

提出了一种多媒体数据挖掘的系统原型 MDMP.介绍了 MDMP原型构件和开采函数 ;描述了挖掘处理与知识表示 ,讨论了多媒体数据特征立方体构建及在线分析挖掘 OL AM机制 .MDMP用于从多媒体数据库中挖掘出隐含的用户感兴趣的知识 .     

基于共轭梯度法的盲分离在线算法

在严格论证盲分离问题与数学上的最优化问题等价的基础上,把问题的重点集中在对该最优化问题的寻优上.由于盲分离最优化问题的目标函数的特点,在欧氏空间中对决策变量(分离矩阵W)进行寻优求解带来诸多复杂因素,寻优算法在弯曲的黎曼空间中动态运行是解决这些问题的一条可行途径.为此,本文在改进 NGA 和 PDFA 算法的基础上,结合在线算法 PDEA 在估计信号的得分函数的较好效果,和求解最优化问题的共轭梯度法较快收敛性能,提出了具有自学习能力,并继承共轭梯度法特点的盲分离在线算法 PDEA-CONJ.此算法应用到盲分离问题中,在混合矩阵严重病态情况下能取得了较好分离效果.实际算例验证了其收敛性和有效性.     

游客情感计算的文本大数据挖掘方法比较研究

旅游文本大数据以其方便、快捷和低门槛的特点为游客情感计算提供了极大便利,已经成为旅游大数据的主要来源之一。基于大数据理论和情感理论,以文本大数据为数据源,在全面梳理国内外情感计算相关成果的基础上,利用人工智能中的逻辑/算法编程方法、机器学习方法、深度学习方法对旅游文本大数据进行挖掘,探索最佳的基于文本大数据的游客情感计算方法。研究发现：（1）基于情感词典的游客情感计算模型,其核心是构建情感词典和设计情感计算规则,方法简单,容易实现,适用语料范围广。（2）机器学习,用统计学方法抽取文本中的特征项,具有非线性特征,可靠性较线性特征的情感词典方法高。（3）基于深度学习技术的游客情感计算,效果良好,准确率在85%以上。训练多领域的文本语料易于移植,实用性强,且泛化能力好,较适合大数据时代游客情感计算研究。     

游客情感计算的文本大数据挖掘方法比较研究

旅游文本大数据以其方便、快捷和低门槛的特点为游客情感计算提供了极大便利，已经成为旅游大数据的主要来源之一。基于大数据理论和情感理论，以文本大数据为数据源，在全面梳理国内外情感计算相关成果的基础上，利用人工智能中的逻辑/算法编程方法、机器学习方法、深度学习方法对旅游文本大数据进行挖掘，探索最佳的基于文本大数据的游客情感计算方法。研究发现：（1）基于情感词典的游客情感计算模型，其核心是构建情感词典和设计情感计算规则，方法简单，容易实现，适用语料范围广。（2）机器学习，用统计学方法抽取文本中的特征项，具有非线性特征，可靠性较线性特征的情感词典方法高。（3）基于深度学习技术的游客情感计算，效果良好，准确率在85%以上。训练多领域的文本语料易于移植，实用性强，且泛化能力好，较适合大数据时代游客情感计算研究。     

一种面向移动终端地理场景点云在线可视化的集成型索引

针对现有点云索引研究方法欠考虑移动终端性能特点这一问题,提出了一种适用于移动端点云场景在线可视化的集成型空间索引。该索引首先利用考虑了移动终端网络带宽与计算渲染性能特点的改进型KD-tree实现点云数据的均衡划分与编码,在此基础上构建点云数据的LOD模型,并使用改进型八叉树管理其组织,最后通过改进型KD-tree的编码联结改进型八叉树形成〈1 一级树 ： 1二级树〉的优化型索引结构。该索引可支持移动端实现基于LOD的点云场景渲染策略,支持从数据块层面判断点云数据的空间关系,也支持数据的多线程查询。实验与分析表明：相比传统点云索引,该索引具有稳定的构建效率与优秀的空间查询性能,可为移动应用提供可靠的数据支持,能满足移动端点云在线可视化应用需求。     

成都市主城区“两抢一盗”犯罪的多尺度时空格局研究

以四川省成都市三环内城区为例,使用标准化犯罪强度指数和核密度估计方法,对成都市“两抢一盗”犯罪者行为的时空规律进行研究。结果发现,成都市中部和中北部存在2个稳定的犯罪热点;在年内月尺度上,“两抢一盗”犯罪案件集中在商贸区、住宅区和火车站,月内日尺度上,犯罪热点存在“波动式”空间偏移,月内周尺度上犯罪热点以原热点为基础,呈现明显的外延式空间偏移,日内时尺度上,犯罪热点沿主要道路转移。犯罪成因分析和影像图片分析表明,成都市“两抢一盗”犯罪以流窜作案为主,犯案者与复杂的环境因素在时空上的交互作用导致了作案地域的演变。整体来看,基于案件汇总数据的“两抢一盗”犯罪多尺度时空分析,可以在一定程度上解释区域内犯罪者的犯罪行为规律。     

结合HOG-LBP特征及多实例在线学习的随机蕨目标跟踪方法

提出了通过联合随机蕨与HOG-LBP特征建立目标模型的方法. 首先利用选定目标图像块中的HOG-LBP特征向量完成初始化及在其后的过程中产生新的随机蕨, 该随机蕨用于对兴趣目标的检测和跟踪. 目标模型的更新通过多实例在线学习与更新蕨池实现. 提出的方法在选定6个标准视频序列进行测试, 测试结果与现在较流行的OnlineBoostingTracker、MILTracker等跟踪算法进行了比较和分析. 结果表明, 在各种复杂环境下, 本研究提出的方法具备良好的跟踪鲁棒性, 在抗局部遮挡和光照变化方面具有一定的优势; 同时算法具备一定的抗尺度变化能力; 在抗旋转方面, 该算法仍有一定的可改善空间.     

在线社交网络控制实验的现状与展望

在线社交网络已发展成为一个独特的电子生态系统，其应用深刻影响着人们生活的方方面面。由于在线社交网络特性复杂，分析在线社交网络形成和变化中的规律成为当前计算机科学、社会学和物理学的一项挑战。传统上，在线社交网络实证研究主要采用计算机辅助的被动数据获取和分析方式。近年来，在真实大规模在线社交网络上直接进行控制实验从而主动获取数据并开展分析研究的方式广受关注。评述了这一领域的研究进展，包括：社交网络控制实验的主要研究模式；控制实验方法在社交网络结构、信息传播、行为和心理学等领域取得的主要成果以及主要实验工具的适用条件和局限性。最后，展望了人工智能技术在社交网络控制实验中的应用潜力，分析了智能算法对降低实验成本和提高实验效率的作用。     

成都市主城区“两抢一盗”犯罪的多尺度时空格局研究

以四川省成都市三环内城区为例,使用标准化犯罪强度指数和核密度估计方法,对成都市“两抢一盗”犯罪者行为的时空规律进行研究。结果发现,成都市中部和中北部存在2个稳定的犯罪热点;在年内月尺度上,“两抢一盗”犯罪案件集中在商贸区、住宅区和火车站,月内日尺度上,犯罪热点存在“波动式”空间偏移,月内周尺度上犯罪热点以原热点为基础,呈现明显的外延式空间偏移,日内时尺度上,犯罪热点沿主要道路转移。犯罪成因分析和影像图片分析表明,成都市“两抢一盗”犯罪以流窜作案为主,犯案者与复杂的环境因素在时空上的交互作用导致了作案地域的演变。整体来看,基于案件汇总数据的“两抢一盗”犯罪多尺度时空分析,可以在一定程度上解释区域内犯罪者的犯罪行为规律。