摘要:RDMA网络具有高带宽，低延时，低CPU负载的特点，广泛应用于数据密集型任务中，例如深度学习，高性能计算，数据分析等.RDMA的实现需要软硬件支持，在云环境下，RDMA虚拟化方案有助于多用户共享RDMA网络传输的高性能，同时实现对RDMA网络的统一管理和控制.本文调研了近年来的RDMA虚拟化解决方案，覆盖了虚拟机和容器环境；然后将这些解决方案进行分类和比较；最后，对RDMA虚拟化中存在的问题和未来的发展做出了总结和展望.

摘要:文本分类指的是在制定文本的类别体系下，让计算机学会通过某种分类算法将待分类的内容完成分类的过程.与文本分类有关的算法已经被应用到了网页分类、数字图书馆、新闻推荐等领域.本文针对短文本分类任务的特点，提出了基于多神经网络混合的短文本分类模型（Hybrid Short Text Classical Model Base on Multi-neural Networks）.通过对短文本内容的关键词提取进行重构文本特征，并作为多神经网络模型的输入进行类别向量的融合，从而兼顾了FastText模型和TextCNN模型的特点.实验结果表明，相对于目前流行的文本分类算法而言，多神经网络混合的短本文分类模型在精确率、召回率和F1分数等多项指标上展现出了更加优越的算法性能.

摘要:行人重识别是计算机视觉的热门研究方向，其对智能安防、视频监控的发展有着重大意义.目前大部分工作主要集中在研究基于可见光的行人重识别，然而可见光摄像头无法在光线不足的黑夜中正常使用，而新型摄像头能够随机切换红外模式进行24小时视频监控，因此最近有一些工作对RGB-IR跨模态行人重识别问题进行了研究.本文分别从定义、研究难点和发展现状介绍了跨模态行人重识别问题，并根据不同的技术类型将目前存在的方法分为三类，即基于统一特征模型的方法；基于度量学习的方法；基于模态转换的方法.本文也详细介绍了该任务的数据集和评价准则，并对现有算法的性能进行分析与归纳.最后，总结了跨模态行人重识别的未来发展方向.

摘要:射出长波辐射（Outgoing Long-wave Radiation，OLR）是研究前兆异常的一个重要参数，OLR数据中含有重要的前兆信息.因此本文提出一种基于OLR数据的震前异常分析方法-时空分析法，并通过2008年5月12日的汶川地震，2011年3月11日的日本地震，以及2013年4月20日的芦山地震3个震例详细阐述该算法的分析方法及实验结果，探索OLR数据中隐藏的前兆信息.实验结果表明，OLR数据中存在着重要的前兆信息.在3个震例发生前3个月左右，震中区域及其周边区域异常值都出现明显增大趋势，并且周边区域的异常现象可能比震中区域更明显.此外，还发现3个震例发生前，研究区域的正北方向异常值曲线都出现了明显的波峰，这一发现对于后续研究具有启发性意义.这一规律是否具有普遍性，仍需进一步验证.

摘要:针对属性值为概率犹豫模糊数以及决策者面对风险的态度存在差异的问题，提出一种考虑风险偏好的概率犹豫模糊多属性决策方法.首先考虑到决策者的犹豫程度可能会影响到决策效果，给出了以概率犹豫模糊元中元素个数差异表示的犹豫度公式，并且结合元素值之间的差异，定义拓展的海明和欧式距离公式，再以决策者给出的期望值为参考点建立前景决策矩阵，运用离差最大化法计算属性权重.在此基础上，计算各个方案的综合前景值并进行排序.最后通过企业购买ERP系统软件的算例分析验证了所提出方法的有效性和合理性.

摘要:针对传统基于模板匹配、关键词共现、人工特征集合等方法的问答机器人存在用户意图识别耗时、费力且扩展性不强的问题，本文结合地质领域文献中结构化知识问答的复杂特点，使用了基于网格记忆网络（LSTM+CRF+Lattice）与基于卷积神经网络（CNN）融合的优化模型.该模型将用户询问意图识别看作分类问题，首先使用网格记忆网络进行文本信息的命名实体识别及关系抽取，然后使用卷积神经网络将用户输入的其他文本信息进行属性分类，接着将分类结果转化为满足知识图谱查询的结构化方式，最终实现地质知识属性映射的用户询问意图识别.实验证明，在考虑地质知识特征的处理中，对于准确率的提升起到了极大帮助.

摘要:如今，互联网推荐系统已经成为了一个热门话题，自动化推荐极大程度上方便了人们的生活，帮助人们从海量的信息当中寻找到最感兴趣的关键信息.互联网上每时每刻都在产生新的文章信息，已有的信息是一个非常庞大的数据集合，这些被记录的大量数据能够帮助统计出用户偏好以及文章内容的受欢迎程度.目前互联网上有许多种类的推荐系统，他们综合考虑了用户特征，文章特征.基于互联网各大社交媒体上的数据，现有的用户个性化推荐系统通过构建特定的模型对用户进行精准推荐.目前，推荐算法主要通过监督学习与在线学习的方法进行构建，但这些方法进行个性化推荐的时候往往忽略了一个问题：历史记录当中的推荐策略往往是部分观测数据，具有分布不平衡的劣势，通过现有的历史记录不能保证算法能够得到无偏的推荐结果，也不能适应线上的环境以及推荐策略变化.本文提出了一种基于反事实学习并考虑系统当中混淆因子的文章个性化推荐.这种方法有更强的理论保证，并且在实验结果当中也显示了比现有方法更加好的算法表现.

摘要:中小企业是支撑我国经济发展的重要支柱，而高性能计算在推动科技创新中具有重要作用，二者的结合具有重要意义，然而高性能计算技术门槛较高，一定程度上阻碍了中小企业对此技术的有效应用.基于高性能计算环境，建设便捷易用的高性能计算应用社区，目的是探索基于高性能环境的中小企业数值模拟与计算服务社区服务机制，降低中小企业使用高性能技术的门槛，并建立了一套面向中小企业需求的服务规范.

摘要:针对无人机系统研制过程中测试及仿真验证的需求，设计了一种基于PowerPC硬件平台和VxWorks软件平台的无人机综合检测与仿真系统.该系统以仿真计算机为主体，在考虑综合检测与仿真两大功能需求的基础上，对其进行软硬件设计.本文从系统整体研制方案、硬件设计与实现、系统通信协议、软件设计与实现等4个方面具体阐述系统工作原理及设计思路.最后搭建了不同的应用环境对该系统进行测试和验证，通过数据分析证明了该系统的实用性，并将有效地提高无人机飞行控制系统的研制和开发效率.

摘要:针对传统管网巡检系统中存在的管网数据时效性不足、管网间空间位置关系不直观、连贯性差等问题，本文采用混合现实、空间定位和三维建模等技术，针对管网巡检需要，动态构建管网并与实际地物进行融合，直观展现管网间的空间位置关系和管网的实时运行状态，设计并实现了基于混合现实的管网系统.针对管网模型定位问题，本文设计出了一种空间坐标转换方法来完成虚拟管网与真实管网的空间映射.针对管网模型的构建与优化问题，本文提出一种管网动态构建和优化方法实现管网动态加载和局部连接处的平滑处理.实验结果表明：通过文中提出的方法可以将虚拟模型与真实管网进行准确的空间融合，能够对虚拟管道衔接处进行平滑处理，清晰直观展现管道的空间关联关系.

摘要:大量遗留的串行代码需要进行并行化改造，而并行程序复杂性及并行计算平台多样性导致改造成本较高.为此，设计了一种基于标记语言的三层并行编程框架，完成了从串行程序层到并行中间代码层、并行中间代码层到目标并行编程语言程序层的二个转换阶段.采用对串行代码进行语言标记的方法来实现并行中间代码层，该代码层实际是共享存储、分布式存储并行平台编程语言的一种抽象.该框架还实现了一种性能标记方法，可用于并行参数自动寻优.用于雷达数据处理的实验结果表明，实现了对应并行代码的生成，且并行加速比与人工实现的并行代码相当.

摘要:针对现有的人脸识别系统计算效率低和鲁棒性较差等问题，本文提出了一种基于前后端交互的人脸识别系统，系统包含客户端、数据库以及服务端.首先，在客户端提出了基于GrabCut的人脸兴趣区域（ROI）提取算法.其次，将提取到的ROI传输到服务端，并在服务端使用ResNet网络根据ROI提取人脸特征点.最后，将服务端中提取到的人脸特征点返回给客户端，在客户端将该信息与数据库中预存的特征点进行欧式距离匹配，得到人脸识别结果.实验在CeleA数据集与随机视频上进行测试，结果表明提出的ROI提取算法明显提升了人脸识别的精度和鲁棒性，并且系统的前后端交互结构相较于传统的非交互结构极大地提升了人脸识别的计算效率.

摘要:银行核心系统是以处理银行最基本的存款、贷款业务为主的IT系统，其中的交易平台体现了银行核心乃至整体IT服务能力.为了提高集中式架构的核心系统在交易高峰期的服务能力，本文设计了一种具备交易分组能力的核心平台.该平台涵盖了交易服务器、交易分发器、交易处理器三层架构，通过交易分组服务算法实现处理作业按交易分组以及动态分配系统资源.实验结果表明，相较于传统的监听-分发两层结构，本文设计的具备交易分组能力的三层结构的核心平台，具备较高的并发处理能力，系统资源使用情况也比较平稳.

摘要:为了解决大型遗留系统日益凸显的性能与安全问题，保证系统的可靠平稳运行，分析和研究了遗留系统的性能及安全现状，并在此基础上提出了优化策略.分别从前端、数据库、服务器、系统架构、系统安全五个方面阐述了优化方案，最后结合实例进行了优化策略验证.验证结果表明，该方案可以有效提升遗留系统的性能和安全等级.

摘要:聚变实验装置是开展聚变堆设计及实验研究的重要平台.但目前聚变领域缺乏集成的聚变实验装置数据库及有效的装置性能分析工具，限制了科研人员聚变设计研究效率的提升.本文设计并研发了一套聚变实验装置数据库，解决了多源数据规整与异构数据存储等问题，实现了典型聚变实验装置的相关参数与资料的统一入库管理，以及多字段智能检索与多维可视化比对分析，为聚变研究人员提供可靠，便利的聚变实验装置数据服务.

摘要:程序设计是计算机专业的第一门核心必修专业课程，但是在教学实践中，学生很难掌握程序设计语言中一些复杂的或抽象的理论知识.为了提高教学效果，针对程序设计课程教学的难点，本文设计和实现了面向程序设计课程的教学系统：程序动态分析系统.该系统通过综合运用程序设计等专业课程的知识，实现了程序错误检测和源代码自动插桩，同时可以展现这些知识之间的深度融合.我们将该系统应用于程序设计教学实践，有助于学生理解和掌握程序设计课程的难点，以及这些知识在实际软件开发过程中的应用，从而有效提高教学效果.

摘要:传统基于GSM蜂窝网的无线火灾预警系统由于成本高、感知终端电池耗电快等原因，一直很难得到大规模的应用.而LPWAN技术的快速发展，极大地降低了系统成本和感知终端的能耗，推动了火灾智能预警系统的快速发展.本文设计了一种基于大数据的无线火灾智能预警系统，通过该系统不但能够及时发现火灾，实时掌握火灾发生位置，还可以实现多个部门及个人的联动.实际使用结果表明，该系统不但通信成本低、电池寿命长，而且有效地降低了城市火灾发生率，提高了城市火灾救援效率和消防服务水平，并得到了广泛的推广和应用.

摘要:针对当前电网信息通信运维系统存在硬件平台超期服役，信息处理任务无法快速完成等问题，本文提出一种基于Spring Could框架的微服务应用系统迁移上云改造模型，将电网信息通信运维系统迁移至云平台，模型针对集中式系统迁移上云后转变为分布式系统后出现的管理问题，将系统服务全部迁入EDAS体系，实现一键部署、弹性伸缩、灰度发布以及故障自愈.此外，针对系统上云过程中数据量庞大的一致性校验问题，设计了一种基于吉布斯采样的数据一致性采样校验方法，提高了数据一致性校验的效率，减少了系统上云工作量.之后通过国网安徽电力SG-I6000微服务系统上云的实际案例，证明了系统的成功上云和可靠运行.

摘要:为了提高卷积神经网络在人体姿势估计任务上的精度，提出了一种基于均方损失函数（Mean Squared Error，MSE）的改进损失函数来处理网络学习中回归热点图的前景（高斯核）和背景之间像素点不均衡问题，根据前景与背景不同像素点值对损失函数赋予不同权重，并将其命名为聚焦均方损失函数（Focus Mean Squared Error，FMSE）.与均方损失函数相比，我们提出的聚焦均方损失函数可以有效地减少前景和背景之间像素点不均衡对网络性能的影响，帮助网络定位关键点的空间位置，提升了网络性能，并使得训练阶段中损失函数收敛速度更快.并在公开数据集上进行实验，以验证我们所提出的聚焦均方损失函数的有效性.

摘要:为了在无线传感器网络中找到一条距离短，节点能量消耗少的最优路径.通过采用“三步递进式”的寻点方法，提出了一种优化的蚁群算法DDEARA.首先，利用动态半径搜索因子寻找下一跳候选节点，能够保证蚁群算法收敛且节点位置分布均匀.其次，引入节点能量预测因子，避免节点能量不足时仍被超负荷使用的不合理现象，即当消耗完某个节点的所有能量，却未能成功传完所有数据.最后，在寻找下一跳候选节点过程中引入方向因子，带有方向性的寻点，避免了反方向的无关节点被选中为下一跳候选节点，减小最优路径距离，节约节点能耗，提高算法寻优效能.仿真结果表明DDEARA算法能够实现蚁群算法动态收敛，相邻节点之间间距适中，节点能耗均匀，过滤反向无关节点，减小最优路径距离，全面提高算法寻优能力，延长无线传感器网络的使用性能和寿命.

摘要:基于拓扑势的社区检测通过节点的链接信息构造拓扑势域，在拓扑势域内进行社区划分.但实际划分过程存在大量孤立性社区.带节点属性信息的社区检测问题作为社区的重要组成，已成为社区检测的主要研究方向.本文提出了一种结合标签传播的拓扑势社区检测算法（TPCDLP）.首先，结合标签传播思想将属性信息转换为节点间的链接权值.其次，把链接权值加入到拓扑势中构造拓扑势域.再利用核心节点进行子群社区的划分.最后，利用子群社区间核心节点的距离进行社区划分.在3个含标签属性的数据集上，与6种算法对比，该算法在改进的模块度$Q_{ov}^E$、信息熵$Entropy$、社区重叠度$Overlap$和综合指标F上表现更优.在3个真实社区上应用了该算法，并与3种算法对比，实验结果显示该算法在标准化互信息指标$NMI$上表现良好，能够有效应用于实际问题.

摘要:针对传统YOLOv3的网络结构存在曝光过度或光线较暗等异常图片在提取特征时鲁棒性较差，导致车型识别率低下的问题，提出了一种用于交通车辆检测的Dense-YOLOv3模型.该模型集成了密集卷积神经网络DenseNet和YOLOv3网络的特点，加强了卷积层之间的车型特征传播和重复利用，提高了网络的抗过拟合性能；同时，对目标车辆进行了不同尺度的检测，构建了交叉损失函数，实现了车型的多目标检测.经过在BIT-Vehicle标准数据集上对模型进行训练和测试，实验结果表明，基于Dense-YOLOv3车型检测模型平均精度达到了96.57%，召回率为93.30%，表明了该模型对车辆检测的有效性和实用性.

摘要:高速铁路区间失效可能严重影响列车正常运行，区间失效后调度员需要及时调整列车运行时刻.本文主要针对区间失效后不改变列车顺序下的时刻调整问题进行研究，建立了以所有列车在各站晚点时间之和为目标的列车运行调整模型，模型中各约束条件保证列车安全运行.针对目前常见的获取最优解或次优解需花费较长时间的问题，提出一种基于变邻域下降算法的多阶段变邻域下降算法.算法的第一、第二阶段使用变邻域下降算法结合禁忌表快速确定哪些列车经过调整后的时刻能与图定时刻相等，第三阶段则调整未恢复到图定时刻的列车.最后，以西成客运专线与某日的列车时刻数据为算例，求解多种区间失效场景下的列车运行时刻调整方案验证算法的有效性与实时性.

摘要:司机疲劳驾车会影响车辆的正常行驶，严重时会威胁司机和乘客的生命安全，因此检测司机是否出现疲劳现象可以有效保障人们的出行安全.在现实生活中，一般在夜间光照强度较弱的情况下，司机出现疲劳驾驶的次数较多，但是现有的相关检测算法无法处理灯光问题，导致其在夜间检测时准确率较低.针对此问题，本文提出了基于低光增强的夜间疲劳驾驶检测算法.首先对人脸图像进行低光增强处理，从而提高图像的曝光度；然后使用人脸关键点检测网络获取图像的眼睛区域；之后使用卷积神经网络对眼睛区域进行睁、闭眼分类；最后统计单位时间内睁、闭眼数量的比值，以此判定司机是否处于疲劳状态.实验结果表明，在夜间环境中，本文提出的检测算法相对现有算法在检测成功率上提升了15.38%，取得了更好的效果.

摘要:借鉴量子衍生方法，将归一化图像表示为量子比特形式，利用图像像素点与其邻域像素点灰度相关性强的特点，提出了一种基于量子衍生方法的空域滤波图像增强算法，并选择3×3和5×5两种大小的空域滤波模板，进行了算法的仿真和比较.最后，引入客观评价指标图像的熵，对算法的图像增强效果进行评价.结果表明，从主观视觉和客观评价指标两方面，该算法的图像增强效果都优于传统图像增强算法.针对能见度和对比度较低的图像，相比3×3大小的空域滤波模板，5×5大小的空域滤波模板时，算法的图像增强效果更佳，图像的熵更大.

摘要:随着大数据和人工智能时代的到来，支持向量机已在许多方面成功应用，并成为解决分类问题的常用方法之一.但现实中的许多数据都是不平衡的，令其分类性能大幅降低.本文提出了用不等距超平面距离改进原始的标准模糊支持向量机，向模型中加入参数λ控制分类面与样本之间的距离，并通过计算样本距离得到模糊隶属度函数，可以改善样本分布不均和噪声数据令分类准确度下降问题.利用实验验证本文算法的有效性，结果说明本文提出的算法能够有效提高不平衡数据的分类效果.

摘要:如何简单、精确地对快递纸箱进行体积测量是智慧物流中的一个难点，本文以物流行业中的快递纸箱作为研究对象，提出了基于3D重建网络精确测量快递纸箱体积的算法.首先通过图像预处理分割快递纸箱与背景图像并计算纸箱实际长度，接着使用3D重建网络得到快递纸箱的体素模型，最终后处理模块剔除噪点后计算出快递纸箱的体积.实验证明，我们的算法对快递纸箱的3D重建性能有一定的提升，并能简单精确地获得快递纸箱的体积.

摘要:行人检测在人工智能系统、车辆辅助驾驶系统和智能监控等领域具有重要的应用，是当前的研究热点.针对HOG特征不明显、支持向量机（SVM）分类器计算复杂度高，导致识别率低和检测速度慢的问题，本文提出了一种改进的基于增强型HOG的行人检测算法.该算法首先预处理原始图像并提取其HOG特征，然后增强该特征生成增强型HOG，经XGBoost分类器进行行人检测.在INRIA数据集上进行测试，实验结果表明所提算法识别率高达95.49%，有效地提高了行人检测性能.

摘要:化工事故新闻数据包含新闻内容，标题以及新闻来源等方面信息，新闻内容的文本对上下文具有较强的依赖性.为了更准确地提取文本特征并提高化工事故分类的准确性，该文提出了一种基于Attention机制的双向LSTM （BLSTM-Attention）神经网络模型对化工新闻文本进行特征提取并实现文本分类.BLSTM-Attention神经网络模型能够结合文本上下文语义信息，通过正向和反向的角度来提取事故新闻的文本特征；考虑到事故新闻中不同词对文本的贡献不大相同，加入Attention机制对不同词和句子分配不同权重.最后，将该文提出的分类方法与Naive-Bayes、CNN、RNN、BLSTM分类方法在相同的化工事故新闻数据集上进行实验对比.实验结果表明：该文提出的神经网络模型BLSTM-Attention神在化工数据集上的效果更优于其他分类方法模型.

摘要:为提高配电网运行的经济性和供电的可靠性，本文选取系统平均停电频率和系统平均停电持续时间两个指标来表征配电网的供电可靠性，并同时考虑有功网损的因素，建立了计及供电可靠性指标的配电网多目标重构模型.本文将量子理论和Metropolis准则引入到人工蜂群算法中，并通过模糊满意度决策方法来确定多目标重构模型的最优解，提出了基于改进人工蜂群算法的配电网多目标重构模型优化方法.建立配电网重构实例仿真系统，通过与其它智能方法的重构对比分析证明了本文重构模型及求解方法的可行性和优越性.

摘要:针对当前算法在求解聚类问题时存在精度低、速度慢及鲁棒性差等问题，提出一种改进的蝴蝶优化聚类算法，借鉴精英策略思想重新定义蝴蝶优化算法的局部搜索迭代公式，然后融合遗传算法的选择、交叉和变异操作.在1个人工数据集和5个UCI数据集上的测试结果表明所提出算法的性能，且与其他算法相比具有一定优势.

摘要:传统的变分自编码器将样本展平后直接作为输入数据，当样本为图像数据时，采用这样的方法进行学习效果欠佳.本文提出一种卷积优化的变分自编码器，用多个可变层数的卷积网络预处理图像数据.每个卷积网络设置了不同的参数处理输入数据，再将不同层卷积结果拼接后，作为变分自编码器的输入.在变分自编码模型中增加一个类别编码器，用于计算每个样本的类别分布和原样本集中类别分布的差异，实现聚类.实验证明，本文提出的卷积优化方法相较于无优化的变分自编码器在聚类准确率上得到较大提高，生成图像的质量得到了改善，各类别生成样本在边缘及形状等方面的多样性也都有不同程度的增加.

摘要:患者病案是医生在临床诊疗中的重要依据，准确的相似病案推荐可以很好地辅助医生进行临床决策.本文提出一种新的面向真实诊疗场景的患者病案表示模型，通过异构图嵌入对诊疗过程产生的患者病案中的医疗实体及其关系进行建模，服务于更好的病案推荐.基于某三甲医院乳腺诊疗病案数据表明该模型相较于现有的表示方法推荐准确率提升2%.

摘要:为了求解多技能资源受限项目调度问题（MSPSP），本文提出了一种改进遗传算法.首先根据问题的数学模型，确立了基于优先权的实数编码方式，并将目标函数转为适应度函数以供后续适应度的计算；接着将基于群体共享的小生境技术融入到遗传算法的选择过程中，并借助确定式采样选择和子种群的调整进一步提高算法的搜索能力；然后分别在交叉和变异操作中引入基因修复和多重验证机制，增强算法的寻优能力；最后给出了算法的总流程.算法在iMOPSE数据集上的求解效果表明本文的改进遗传算法是一种求解MSPSP问题的有效方法，对相关实际问题的研究具有良好借鉴意义.

摘要:针对运动目标检测，当前算法具有一定的适用性和局限性，以及检测信息不完整等问题，在帧间差分法和混合高斯模型的基础上，提出了一种改进的混合高斯模型的目标检测算法，用来解决帧间差分法造成的运动目标背景轮廓不完整的问题.该方法是在传统的混合高斯模型的基础上，在一定帧数内，检查所有的高斯分布的权重，对满足条件的高斯分布进行删除操作，最终得到轮廓较为清晰的运动目标.实验结果表明，本文算法充分的考虑了背景人物对于运动目标监测产生的影响，实验过程中使用了真实的电网数据，从而说明该算法在准确度上相比于其他算法提高了3.37%，具有更好的准确性和对环境的适应能力.

摘要:细粒度的图片分类是深度学习图片分类领域中的一个重要分支，其分类任务比一般的图片分类要困难，因为很多不同分类图片中的特征相似度极高，没有特别鲜明的特征用以区分，因而需要优化一个传统的图片分类方法.在一般的图片分类中，通常通过提取视觉以及像素级别的特征用来训练，然而直接应用到细粒度分类上并不太适配，效果仍有待提高，可考虑利用非像素级别的特征来加以区分.因此，我们提出联合文本信息和视觉信息作用于图片分类中，充分利用图片上的特征，将文本检测与识别算法和通用的图片分类方法结合，应用于细粒度图片分类中，在Con-text数据集上的实验结果表明我们提出的算法得到的准确率有显著的提升.

摘要:海洋声场环境的时变空变特性、水声目标发声机理的多源性以及其他噪声源的干扰，给水声目标的检测和识别带来很多困难.常规的目标识别手段主要是基于音频时频域特征分析，在复杂海洋环境下的难以获取有效的表征特征及鲁棒的识别效果.为了解决这些问题，本文提出了基于迁移学习的水声目标识别，分别利用预训练网络VGG和VGGish提取深层声学特征及模型微调，实现水声目标的分类识别.实验表明，本文提出的识别算法有效提升了识别准确率，减少了训练时间，基于微调的迁移学习算法在水声目标识别上平均准确率为92.48%，取得了当前最好的识别结果.

摘要:在软件工程的演进或维护阶段，有很多软件变更要求需要软件开发人员处理，这些变更要求通常都使用自然语言文本进行编制，而且通常涉及一个或多个相关问题域.软件开发人员要将这些概念准确映射到软件项目中的相应源码位置，已进行所要求的变更.完成这样的映射需建立若干搜索术语项，并在项目中进行搜索.而研究表明，开发人员在为任务变更提出准确而合适的搜索条件时具有一些困难.因此本文提出了一种基于TextRank的软件变更任务搜索术语的识别方法，通过分析自然语言描述的任务来识别和提出软件变更的搜索术语项，以提高搜索的准确性、平均精度和召回率.

摘要:在学习了已有的检测与分类算法以后，设计了一种将改进的高斯混合模型（GMM）与分类网络（GoogLeNet）融合的方案用于车辆的检测和分类.针对高斯混合模型存在模型初始化速度慢和计算复杂的问题，改进了初始化模型的算法提升初始化效率.运用五帧差法做车辆初提取，在提取到的车辆区域上运用高斯混合模型获得车辆图片，把五帧差法和高斯混合模型结合起来减小了建模的区域，提升了检测速度，提高了系统实时性.最后使用GoogLeNet对车辆分类.实验证明相较于现有的车辆检测分类方法，本文所提方法在检测速度和分类准确性上都有很大提升，满足了现实场景下对监控视频的车辆检测和分类的实时性要求.

摘要:针对传统蜜网所致的成本昂贵、流量控制不便及动态调整困难等问题，提出使用SDN、ODL与Mininet技术部署轻量级虚拟蜜罐，组建虚拟蜜网拓扑，使用深度学习技术DDPG优化路由选择路径.通过实验表明，优化后的路由选择机制具备动态调整网络结构，有较好的收敛性和选择性.使得网络在遭受攻击时，能将攻击转向蜜网，从而减少攻击造成的危害，增强网络主动防御能力.