针对现有的动态知识图谱推理方法容易忽略动态知识图谱中存在着大量静态信息和重复历史事实的问题，提出结合静态事实和重复历史事实的动态知识图谱网络方法. 该方法利用动态知识图谱中实体间隐藏的静态联系来构成静态事实，并协助动态知识图谱推理；利用历史事实构建历史词表，在预测未来时对历史词表进行查询；对历史中未发生的事实进行惩罚，提高重复历史事实的预测概率. 在2个公开的数据集上进行动态知识图谱推理实验，对比实验时选用目前主流的5个模型作为基线. 在实体预测实验中，平均倒数排名(MRR)达到0.489 1和0.530 3，Hits@10达到0.588 7和0.616 5，证明了所提方法的有效性.
针对胸部X光影像中的灰雾现象、病变区域重叠等问题，提出可形变Transformer辅助的胸部X光影像疾病诊断模型. 将扩展后的ResNet50作为特征提取网络，添加压缩型双注意力模块，增强病变区域与非病变区域之间的特征差异，降低冗余信息的干扰，提高图像数据的特征提取效果；通过可形变Transformer解码器内部的交叉注意力模块，引入类别表征作为先验知识，引导影像特征进一步融合，提高不同疾病在影像区域重叠情况下的特征区分度；将解码器的输出传入分类器中以获得最终的诊断结果. 压缩型双注意力模块和可形变Transformer均起到降低模型计算复杂度的作用，引入非对称损失函数可以更好地解决正负样本不均衡. 利用所提模型在公开数据集ChestX-Ray14和CheXpert上进行多组实验，在2个数据集上的受试者操作的特征曲线下面积值（AUC）分别达到0.839 8和0.906 1，表明该模型在胸部X光影像的疾病诊断方面具有正确性和有效性.
针对当前规模的小目标行人数据集较少，传统行人检测模型对小目标检测效果较差的问题，提出一种基于消隐点性质，提出自适应增殖数据增强和全局上下文特征融合的小目标行人检测方法. 利用射影几何与消隐点的性质，对图像中的多个目标进行复制；通过仿射变换投影到新的位置，生成多个大小与背景合理的小目标样本以完成数据增强. 利用跨阶段局部网络与轻量化操作改进沙漏结构，融合坐标注意力机制强化骨干网络. 设计全局特征融合颈部网络（GFF-neck），以融合全局特征. 实验表明，在经过数据增强后的WiderPerson数据集上，改进算法对行人类别的检测AP值达到了79.6%，在VOC数据集上mAP值达到了80.2%. 测试结果表明，当搭建实验测试系统进行实景测试时，所提算法有效提升了小目标行人检测识别精度，并满足实时性要求.
针对无人机目标跟踪过程中经常出现角度变化、形变、相似物体干扰等问题，提出轻量级注意力聚集无锚框的孪生网络无人机实时目标跟踪算法. 考虑到无人机高空视角跟踪目标较小，在特征模板两分支中引入高效通道注意力机制，能够有效获取目标的语义信息和细节信息. 在融合两层响应的基础上，引入空间注意力机制，能够有效地聚合注意力特征，同时扩大模型的视野范围. 引入无锚框机制，针对每个像素进行分类和预测回归目标框，减少了模型复杂度，大大降低了计算量. 在UAV123@10fps、UAV20L和DTB70等无人机跟踪数据集上与多个当前比较流行的算法进行对比实验，结果表明，所提算法在3个无人机数据集上的平均跟踪速度达到155.2 帧/s，在多种复杂环境下，均能实现对目标的有效跟踪.
针对密集人群计数中人头尺度变化大、复杂背景干扰的问题，提出基于自注意力机制的双分支密集人群计数算法. 该算法结合卷积神经网络（CNN）和Transformer 2种网络框架，通过多尺度CNN分支和基于卷积增强自注意力模块的Transformer分支，分别获取人群局部信息和全局信息. 设计双分支注意力融合模块，以具备连续尺度的人群特征提取能力；通过基于混合注意力模块的Transformer网络提取深度特征，进一步区分复杂背景并聚焦人群区域. 采用位置级-全监督方式和计数级-弱监督方式，在ShanghaiTech Part A、ShanghaiTech Part B、UCF-QNRF、JHU-Crowd++等数据集上进行实验. 结果表明，算法在4个数据集上的性能均优于最近研究，全监督算法在上述数据集的平均绝对误差和均方根误差分别为55.3、6.7、82.9、55.7和93.1、9.8、145.1、248.0，可以实现高密集、高遮挡场景下的准确计数. 特别是在弱监督算法对比中，以低参数量实现了更佳的计数精度，并达到全监督87.9%的计数效果.
为了解决大多数全卷积网络出现的特征提取单一、遥感图像变化检测（CD）能力差的问题，借助Unet++网络构建用于遥感图像CD的深度监督网络（DSNet）. 设计多尺度残差模块替换传统卷积层，通过融合孪生网络双分支上的空间与光谱特性，获取遥感图像在不同层次间的语义信息，有效解决了特征提取单一的问题. 在模型解码端设计横向输出层，实现节点从低级向高级特征聚合的深度监督过程. 将具备信息差异化的不同特征融合结果传输至基于归一化的注意力模块(NAM)中. 在不引入额外参数的前提下增强了变化区域的信息权重. 实验结果表明，所提模型在遥感图像CD任务中的召回率和精度分别为90.39%和92.04%，模型的参数量和计算量为6.38 M和60 G. 与不同网络模型的对比表明，该方法具有检测精度高、速度快和轻量化等优点.
针对现有服务推荐方法中高阶服务特征提取不够充分的问题，提出基于超图卷积神经网络的多行为感知服务推荐方法(MBSRHGNN). 该方法根据服务交互类型和服务组合信息构建多重超图，基于谱分解理论和多重超图的功能结构特性以设计双通道超图卷积网络. 利用切比雪夫多项式近似超图卷积核来降低计算复杂度；在超图卷积过程中，结合多行为推荐方法和自注意力机制度量多行为交互之间的重要性差异，提出HG-DiffPool超图池化方法来降低特征维度；通过融合服务嵌入向量和超图信号，学习不同服务的推荐概率分布；爬取真实服务数据，构造不同稀疏度的数据集进行实验. 实验结果表明，所提的MBSRHGNN服务推荐方法能够适应数据高度稀疏的推荐场景，并且在推荐精确度和相关性上的表现优于现有基线方法.
为了提升情感识别的准确率，从情绪视频引起的脑电（EEG）和功能近红外（fNIRS）数据中提取每个通道的信号之间的联系，并提出基于模态注意力多路图卷积神经网络(MA-MP-GF)的特征融合情感识别方法. 将EEG和fNIRS数据构建为图结构数据，通过多路图卷积分别对每种模态的信号进行特征提取；利用模态注意力图卷积层融合不同模态通道间的连接信息. 模态注意力机制可以赋予不同模态节点不同权重，使得图卷积层能够更加充分提取不同模态节点间连接关系. 对采集的30个被试的4类情感数据进行实验测试，与仅EEG和仅fNIRS单模态识别结果相比，所提出的图卷积融合方法能够获得更高的识别准确率，分别提升了8.06%、22.90%；与当前常用的EEG-fNIRS融合方法相比，所提出的图卷积融合方法的平均识别准确率提升了2.76%~7.36%；图卷积融合方法在加入模态注意力后识别率最高提升了1.68%.
为了提高机器学习模型的精确度，提出基于数据分布拟合、生成式对抗神经网络和图像超分辨率重建的图像数据增强方法. 该方法将最大似然估计和采样算法生成的符合原始数据分布的二维噪声用于对抗训练，克服了在生成模型中传统图像噪声输入随意的问题；采用逐层训练方式生成高分辨率图像，改进高分辨率图像映射困难、参数冗余的缺点. 以轴承滚子表面灰度图像数据增强为例，验证所提方法的有效性. 研究结果表明，所提方法生成的图像质量更优，相比传统方法生成的图像峰值信噪比提高13.07%，结构相似性提高32.40%，弗雷歇初始距离降低37.58%，且数据增强后的模型平均精确度提升7.89%.
针对目标活动、光线及摄像头距离等问题，提出一种基于门控特征融合与中心损失的目标识别方法. 门控特征融合是为了弥补单一特征信息丢失时，身份识别准确率下降的缺陷. 门控结构指导网络对输入的人脸、行人特征进行贡献量评估, 再根据贡献量去分配权值，组合产生识别性更强的身份特征. 通过添加中心损失函数，在引导网络下减少了特征的类内距离，使得特征更具判别性. 实验结果表明，在自建数据集上所提方法的最终识别准确率最高可以达到76.35%，优于单特征识别方法以及多种融合方法，使用所提的融合损失函数后，平均识别准确率可提高2.63%.
针对物流企业因配送资源的有限、无法及时应对客户的多样化需求和道路状况的不断变化等难题，建立时变道路状况和时间窗关联的无人车配送路径优化数学模型。通过云模型将客户划分为3个等级，以车辆配送成本、未满足客户配送时间的惩罚成本、车辆充电成本的总和极小化作为优化目标函数. 在遗传算法的基础上，结合模拟退火算法构造混合算法，对模型进行求解并验证正确性. 根据模型的特性构造9组不同规模和类型的算例进行数值实验，并验证算法的有效性. 实验结果表明，混合遗传-模拟退火算法下配送过程中产生的总配送成本最多能够节省42.81%，整体客户满意度最高提升80.23%，提出混合遗传-模拟退火算法能够在有效降低成本的基础上，最大程度提升客户的满意度，并且相较于2种传统算法，其优化效果更好.
提出一种基于非参数化运动估计和图像配准的方法来进行相机运动条件下的前景提取.通过对视频帧和接近的训练背景图像进行非参数化运动估计,动态地构造出一幅和视频帧的视角完全相同的背景图像, 再通过背景减除提取前景. 为了解决运动估计的计算效率问题, 又提出一种基于流形的改进算法: 在离线阶段, 预先对训练背景图像进行非参数化运动估计, 并利用流形学习对训练背景图像进行建模; 在在线阶段, 通过在背景流形上进行运动插值来快速地估计新视频帧和训练背景图像之间的运动. 实验表明,改进的方法在基本保持像素提取准确率的同时获得了很高的效率．
为了提高基于高斯混合模型-通用背景模型（GMMUBM）说话人识别系统的运算速度,提出了通用背景模型（UBM）降阶算法,该方法采用极大似然估计法训练一个高阶UBM,再采用UBM降阶算法得到低阶UBM.采用最短距离高斯分量替换空映射集合的方法解决了空映射集问题.通过实验方法分析了3种初始化低阶UBM方法的识别结果,发现不同的初始化方法对结果影响很小.在NIST2001 SRE数据库上的实验显示,该算法使基于GMMUBM说话人识别系统的运算速度提高了8倍,而等错误率仅上升了459%,表明了UBM降阶算法在小幅降低系统识别率的情况下,可大幅度提高GMMUBM系统的运行效率.
为研究人体皮肤中黑色素与血色素的分布,提出了一种利用皮肤颜色模拟技术从数字图像中估算色素浓度的方法.对皮肤的结构组织与光学属性进行总结,得到了数字图像与皮肤色素浓度之间的关系.定量分析皮肤层中黑色素与血色素对光的吸收量,根据已测得的数据,配合其他相关参数,模拟皮肤在各种色素浓度搭配下可能产生的颜色,生成皮肤颜色表.根据该颜色表估算皮肤图像中每个点的黑色素与血色素浓度,得到最终的色素浓度分布图.实验表明,该算法鲁棒性好,仅以数字皮肤图像作为输入,就能很好地展示相应的色素浓度分布图.
在当前的网络环境下进行实时的入侵检测往往面临以下问题:一是网络的规模庞大,需要处理大量的信息,进而要求入侵检测系统有较大的吞吐量；二是网络的环境复杂,数据类型多样,相应的要求入侵检测系统有较大的准确度.针对这些问题,提出了一个入侵检测系统的模型,该模型基于多代理的分布式结构,能够适应网络规模和带宽的变化,具有很好的可扩展性；混合应用了异常和误用入侵检测技术,具有低的误警率和漏警率；采用了多属性的特征提取方法,能够精确的把握入侵行为的特征,从而有效的识别入侵行为；采用径向基函数来构造分类器,使得分类器具有较强的推广能力,能够对未知的入侵行为进行准确的判定,进一步增强了入侵检测的准确性.实验表明该系统吞吐量大,准确性高,适合于当前高速复杂的网络环境,具有很好的实用性.
为了减少目前大多数问句分类算法由于采用了布尔特征模型所导致的特征信息损失,提出了一个基于网络和聚类技术的加权特征模型来表达问句的特征空间.不同于以往采用的布尔特征模型将特征赋值为0或1以表示相应特征出现与否,新的加权特征模型将特征加权为一个位于区间0～10的一个实数,以区分不同的特征对于问句分类的贡献：权值越大,相应特征对于区分问句的类型做出的贡献越大.试验结果表明,该加权特征模型在问句分类领域优于之前被广泛使用的布尔特征模型.
为了适合当前计算机辅助设计(CAD)系统中的曲线形式和工业设计中的美学需要, 提出了对数螺线段的两种逼近方法：（1）利用s-Power级数, 推导出s-Power系数的计算公式, 给出了对数螺线段的快速多项式逼近算法、对数螺线的等距曲线的具体表达式及其s-Power逼近算法；（2）首先推导出两端点C-Bézier形式的G2Hermite插值公式, 然后提出了对数螺线段的C-Bézie表示的G2Hermite插值逼近算法. 实例运算结果表明, 两种逼近方法是正确与有效的, 完全适合CAD系统使用．
传统Web挖掘技术面向所有Web用户，而访问网站时活跃用户与非活跃用户表现特征不同.基于此，提出一种面向活跃用户的访问模式挖掘方法，包括活跃用户会话提取算法(AUSM)和树型访问模式挖掘算法(WAPBUM).AUSM扫描一遍日志数据即可挖掘Web活跃用户并提取会话信息,在提取的用户会话信息基础上，利用网站拓扑结构给出了一种基于树结构的频繁访问模式挖掘算法(WAPBUM).WAPBUM针对Web日志挖掘特点，通过对子树构造等价类，自下而上产生频繁子树.人工数据集和真实数据集上的实验都证明AUSM算法的运行时间与Web日志数据量成线性关系，且运行过程中内存保持稳定；WAPBUM在处理带根子树挖掘时明显快于FREQT算法，所挖掘结果可有效应用于网站结构分析.
针对规范多Agent系统（NMAS）并发性、动态性和规范性的特点,提出了一种规范多Agent系统动态模型和基于模型检验的属性验证机制.其中动态模型包括行为约束规范语言TNAL和联合行为转移结构两大部分.TNAL以现实世界法律法规为参考,实现了规范的时态特性和道义特性的建模.联合行为转移结构以多Agent联合行为作为状态转移标记,以规范剪枝后的计算树描述规范系统的动态语义,使系统属性描述语言和规范语言相互独立.以CTL*作为系统属性描述语言,借助现有模型检验工具即可实现NMAS的属性验证,这种实现方式使系统验证工作具有更高的灵活性.
针对有理曲线多项式Hybrid逼近未必收敛及计算较繁的局限性,给出了以原有理Bézier曲线之升阶曲线的控制顶点为顶点的多项式Bézier曲线,来逼近原有理曲线的一类简单逼近方法.与此同时,为追求较高逼近速度,导出了有理Bézier曲线多项式逼近的一个矛盾方程组,并进一步基于广义逆矩阵理论,给出了其用矩阵表示的最小二乘解.最后借助以原有理曲线权因子为Bézier纵标的多项式的升阶,使得多项式逼近的曲线次数保持不变的同时大幅度提高了逼近精度．
在分布式道路交通控制结构以及模糊理论和人工神经网络技术的基础上,提出了一种具有公交优先的路网交通流智能协调控制技术.把整个路网作为一个大系统,路网中的各个路口为子系统,每个路口设置一个网络型的多相位智能信号控制机,实现对当前路口的交通控制和相邻路口间的协调.核心部分由3个模块组成：公交优先模块、绿灯观察模块和相位切换模块.详细设计了每个模块模糊决策方法,并用人工神经网络来实现模糊关系并提高系统的鲁棒性.目标通过相邻路口信号控制机的信息交互和协调,实现整个路网交通流的协调和公交优先通行.仿真研究结果表明,在时变和大流量交通环境中,该技术的控制效果明显优于传统的单路口车辆感应控制方法.
针对现今面向对象技术在关系型数据库底层实现以及对象持久化方面的困难,提出一种基于SILVER对象数据库中的数据模型来实现面向对象程序设计语言与数据库的无缝连接,并在此数据模型的基础上实现了其JAVA接口(JDBO),用于充当SILVER对象数据库和应用程序之间的桥梁.由于应用程序只与接口通信,提高了开发的简易性以及对象传输的完整性.示例表明,SILVER JDBO符合国际ODMG 30规范,既兼容已经被广泛使用的结构化查询语言(SQL),具有良好的通用性,又具有面向对象特性,支持复杂对象和复杂对象的复杂行为.
针对免疫算法局部搜索能力较弱的缺点,提出了实数制编码的免疫-禁忌混合算法,在免疫操作后引入禁忌搜索算法来提高混合算法的爬山能力,从而提高求解精度和搜索速度,适合于约束优化问题的求解.在阐述混合算法计算原理的基础上,提出实数制编码方式、惩罚函数法和适应度函数构造方法.通过测试算例进行验算,计算结果表明,实数制编码的免疫-禁忌混合算法收敛速度快,计算精度高,特别适合计算复杂、时效性强的优化问题.
基于角度滤波的思想给出了一有效的平面图形光顺算法.离散曲线伸缩内在量表示中的有向转角既整体反映了曲线的走向及弯曲程度,又局部反映了曲线的光滑程度,对其借用图像去噪算法中双边滤波的思想进行光滑,然后利用光滑之后的伸缩内在量来重构曲线.其中曲线的重构转化为一个稀疏线性方程组的求解,可以由现成的程序库快速求解,重构过程中还可以加入一些线性约束来满足实际应用中的不同要求.该方法很容易推广得到对平面树状图形和三角网格图形的去噪算法.该算法是线性的,复杂度低,而且大量实例都表明,该方法可以得到较好的去噪效果,既能避免去噪过程中经常出现的收缩现象,又能较好地保持原曲线的形状．
为了减少软件容错模型中实时调度算法的抢占次数,提出了一种部分抢占调度算法(PPA),该算法不仅考虑了如何尽可能多地执行主部分,还考虑了如何减少抢占次数,采用了类似非抢占最早时限优先算法(EDFA)来调度主部分.对不同CPU利用率和软件错误概率的任务集合进行模拟实验,结果表明,PPA算法在可以获得与目前所知的同类算法近似调度性能的同时,还可以在一定情况下极大地减少任务调度间的抢占次数,从而减少了系统中因抢占次数过多带来的额外运行时调度开销等负面因素.
为了融合粗糙集、模糊逻辑、决策树、群决策、蚁群算法、数据挖掘、遗传算法、人工神经网络等异质商务智能（BI）技术,基于复杂网络和多Agent,提出了一种称为Agent网络法的融合方法,该方法包括3大机制：自治主体,网络集聚的智能资源集成机制;“竞争上岗,择优合作”的智能资源利用机制;“绩效评估,优胜劣汰”的智能资源优化机制.基于该方法构建的BI系统是一个以众多Agent为节点的复杂网络,其中的每个Agent都是一个独立的智能单元,代表BI技术中的一个计算模型或算法.3大机制实现了多元BI技术两个层次的融合：新的Agent不断加入,被实践证明低价值的旧Agent不断剔出,网络中始终聚合着所有高价值的Agent,从而在系统结构层面上实现优秀BI技术的全面融合；借助谈判、招标、拍卖等竞争性合作机制,每次响应任务时,选出的是网络中最能胜任当前任务的Agent组合,从而在系统应用层面上实现 BI技术的动态融合.
