面向移动对象的松散型传染模式挖掘方法

来源 :浙江大学学报(工学版) | 被引量 : 0次 | 上传用户:langcy
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对现有研究方案中对病毒或病菌的传染模式定义过于严格,可能丢失重要且正确的传染事件的问题,提出面向移动对象的松散型传染模式挖掘算法.给出松散型传染事件的模式定义;提出基于滑动窗口的松散型传染模式挖掘算法(LIPMA),按照传染事件发生的时间先后顺序,从初始传染源开始,利用滑动窗口机制,依次对每一个待检测对象进行分析处理,进而挖掘所有传染事件;提出基于R-tree索引的优化挖掘算法LIPMA+,该优化算法在每一轮的处理过程中,通过降低每一轮待检测对象的规模,实现挖掘效率的提升.实验结果表明,所提出的传染模式挖掘算法能够对松散型传染事件进行高效、正确的挖掘,且能够挖掘更多潜在的传染事件;优化算法的挖掘效率显著提升,LIPMA+的平均挖掘时间仅占LIPMA的2%.
其他文献
为了提高图像去雾的性能,提出结合大气散射模型生成对抗网络的去雾算法.算法在pix2pix GAN基础上进行改进,将网络的生成器改进成双解码器结构,通过双解码器分别生成无雾图像和透射率图,并结合大气散射模型还原雾图像,以进一步提高图像分解的质量.在马尔科夫判别器结构中,采用反向学习机制代替随机裁剪机制,以有效降低因采用随机裁剪算法而导致的判断结果不准确的概率.在原有的损失函数上,加入雾霾损失函数,提高图像转化的质量.在STOS和NYU数据集上进行消融实验和对比实验.大量实验表明所提出方法在PSNR和SSIM
在输电走廊紧缺的地区,特高压线路架设时难免会与其他特高压或超高压线路平行架设,走廊附近区域电磁环境较为复杂,需要深入研究.通过建立三种不同形式平行架设交流输电线路模型,对平行架设区域工频电磁场、无线电干扰和可听噪声特性进行研究.结果表明,线路间距减小会使强电磁环境区域减小,但幅值会有一定提高;平行架设线路高度对工频电磁场分布的影响大于无线电干扰和可听噪声.总体来说,特高压输电线路平行架设产生的电磁环境与导线高度和平行线路间距相关,在无线电干扰和可听噪声限值达标的情况下,可适当减少平行架设线路的间距.研究成
在分布式风电接入的110 kV线路上,按照常规保护配置要求,分布式风电侧通常不配置保护.但分布式风电接入后改变了系统电流、功率流向,在故障后可能导致故障点无法隔离.目前尚没有针对分布式风电侧距离保护整定方法进行的分析研究.在考虑分布式风电的故障特性下,通过序网分析,得到系统各种运行方式下的最小复合分支系数,并提出了在风电侧配置基于最小复合分支系数的距离保护Ⅱ段整定方案.在PSCAD/EMTDC建模进行了仿真验证,仿真结果表明改进的整定方法具有可行性.
针对智能变电站软压板多、巡视困难的特点,充分利用一体化监控系统采集信息流的优势,提出了一、二次系统状态对应关系监测的智能巡检技术.通过分析单一类间隔、多类间隔的状态和其对继电保护及安全自动装置内部压板的投退状态要求,提出基于“组合间隔”思维的一、二次系统状态对应关系多维映射矩阵;基于压板类型数据字典和分词语义识别技术,自动识别系统内部相关软压板信息点;构建一、二次系统状态对应关系多维映射矩阵,对一、二次系统状态进行实时侦测、比对和可视化输出.应用结果表明,该技术具有实用性强、安全性好的特点,为变电站运维人
针对材料领域没有适合材料实体关系抽取技术研究工作的公开数据集这一问题,通过研究高硅铝合金喷射沉积文献提出铝硅合金实体关系抽取数据集的构建方法.在材料领域专家的指导下制定铝硅合金实体关系抽取数据集的构建标准,并根据构建标准对收集的数据进行实体标注和关系标注.在标注完成后,通过数据预处理生成铝硅合金实体关系抽取数据集.通过实体关系联合抽取模型进行实验,验证该数据集可以应用于实体关系抽取任务.与公开数据集相比,材料数据集句子的语义和语法更为复杂,长句更多,导致实体关系联合抽取模型在材料数据集上的表现略差.针对上
为了实现在光线不佳、夜间施工、远距离密集小目标等复杂施工场景下的图像描述,提出基于注意力机制和编码-解码架构的施工场景图像描述方法.采用卷积神经网络构建编码器,提取施工图像中丰富的视觉特征;利用长短时记忆网络搭建解码器,捕捉句子内部单词之间的语义特征,学习图像特征与单词语义特征之间的映射关系;引入注意力机制,关注显著性强的特征,抑制非显著性特征,减少噪声信息的干扰.为了验证所提方法的有效性,构建一个包含10种常见施工场景的图像描述数据集.实验结果表明,所提方法取得了较高的精度,在光线不佳、夜间施工、远距离
现有的静默活体检测研究忽略不同非活体攻击方式之间的差异,以及不考虑活体和非活体样本类别不均衡对模型学习的不利影响.本研究将非活体攻击类别细分成打印攻击和展示攻击,将静默活体检测由传统的二分类问题转变为多分类问题,并提出采取交叉熵作为损失函数对网络模型进行训练的方案,用以克服二分类和类别不均衡问题,使得模型训练中能更准确发现和抽象出非活体人脸样本共同的欺诈特征,提高网络模型对非活体识别的精准度.构建双流特征融合网络模型,采取注意力机制对从RGB和YCrCb这2种不同色彩空间提取到的特征向量进行自适应加权融合
在传统图上关键字检索问题研究的基础上,基于图形处理器(GPU)设计新的关键字检索算法.基于Stein-er tree语义定义关键字检索问题,针对该问题结合传统多源最短路径算法在CPU上设计基本算法,由于CPU架构特性,该算法无法直接移植到GPU上.提出GPU上的基本检索算法,分析它相对于CPU版本的优势和仍然存在的不足.为了提升算法查询速度,反思GPU上基本检索算法的不足之处,提出基于索引的优化技术,利用单源最短路径算法的松弛更新思想、关键字独立性和内部整体性,设计GPU上的高效关键字检索算法.扩展该算法
针对Flink任务出现故障后因为全局卷回使流处理作业恢复效率低的问题,提出基于缓存队列的容错策略.在作业中找出恢复时间最长的算子作为关键算子,将其处理过的数据存储到缓存队列中,并为其进行主动备份,备份算子同时接受来自上游的数据以达到在故障后作业可以瞬时恢复的效果.为了解决主动备份带来的额外消耗,提出数据过滤算法,备份算子在每次处理数据前会到缓存组件中检索当前数据,以判断是否继续处理.当Flink算子自身出现故障后,利用策略中的缓存队列与Flink的JobManager将故障发生时的数据信息发送给备份算子,
对于AI与数据库优化问题,现有技术均须改动数据库底层,影响研究成果的应用且缺乏可扩展性.提出一种非嵌入数据库的学习式查询优化方法.在基数估计阶段,使用多模型的方法,对特定的子查询建立神经网络,独立训练不同的子模型,解决需要训练集过多且可扩展性差的问题;在连接优化阶段,应用基于代价的强化学习方法,提高查询优化性能.针对每个查询,从基数估计到连接排序的优化过程都在数据库外执行,按照得到的优化策略对查询重写,并将重写结果返回到数据库中,通过设置参数使该查询按照指定的计划执行.在包含8个表的数据集上进行实验验证,