知识追踪模型主要使用学习过程、学习结束和学习间隔等三类学习行为数据,但现有研究没有融合上述类型的学习行为,无法准确描述多种类型学习行为的相互作用。针对上述问题,提出多学习行为协同的知识追踪(MLB-KT)模型。首先采用多头注意力机制描述每类学习行为的同类约束性,然后采用通道注意力机制建模三类学习行为的多类协同性。将MLB-KT模型与深度知识追踪(DKT)、融合注意力机制的时间卷积知识追踪(ATCKT)模型在3个数据集上进行对比,实验结果表明,MLB-KT模型的曲线下面积(AUC)有明显增加,且在ASSISTments2017数据集上的表现最佳,与DKT、ATCKT模型相比分别提升了12.26%、2.77%;表示质量对比实验的结果也表明MLB-KT模型具有更好的表现。可见建模同类约束性和多类协同性能更好地判断学生的知识状态、预测学生未来的答题情况。
针对由于驾驶员对于道路限速和时延信息获取的不确定性而引起的跟驰行为受扰和交通流失稳等问题,提出了一种车联网(IoV)环境下考虑时延速度差和限速信息的跟驰模型TD-VDVL。首先,引入时延导致的速度变化量和道路限速信息对全速差(FVD)模型进行改进;然后,利用线性谱波微扰法推导出TD-VDVL模型的交通流稳定性判断依据,并分析模型中各参数对系统稳定性的影响;最后,利用Matlab进行数值仿真实验与对比分析。仿真实验中,分别选取在笔直道路和环形道路,给行驶过程中的车队施加轻微扰动。当条件一致时,TD-VDVL模型比优化速度(OV)、FVD模型中车队的速度波动率和车头间距起伏均小,尤其是当限速信息的敏感系数取0.3、时延速度差的敏感系数取0.3时,所提模型的车队速度平均波动率在时间500 s时可以达到2.35%,车头间距波峰波谷差仅为0.019 4 m。实验结果表明,TD-VDVL模型在引入时延速差和限速信息后,具备更优的稳定区域,能够明显增强跟驰车队吸收扰动的能力。
模型无关的元学习(MAML)是一种多任务的元学习算法,能使用不同的模型,并快速地在不同任务之间进行适应,但MAML在训练速度与准确率上还亟待提高。从高斯随机过程的角度出发对MAML的原理进行分析,提出一种基于贝叶斯权函数的模型无关元学习(BW-MAML)算法,该权函数利用贝叶斯分析设计并用于损失的加权。训练过程中,BW-MAML将每次抽样的任务视为遵循高斯分布,根据贝叶斯分析计算不同任务在分布中的概率,并根据任务在分布中的概率判断该任务重要程度,再以此赋以不同的权重,从而提高每次梯度下降中信息的利用率。在Omniglot与Mini-ImageNet数据集上的小样本图像学习实验结果表明,通过增加贝叶斯权函数,BW-MAML的训练效果在6任务训练2 500步后,在Mini-ImageNet上的准确率比MAML的准确率最高提高了1.9个百分点,并且最终准确率比MAML平均提升了0.907个百分点;在Omniglot上的准确率也平均提升了0.199个百分点。
针对纯方位单站目标跟踪中观测方程非线性且易受滤波初值影响的问题,提出了一种距离参数化混合坐标系下的平方根容积卡尔曼滤波(SRCKF)算法.该滤波算法首先将平方根容积卡尔曼滤波算法应用于混合坐标系,比直角坐标系下的平方根容积卡尔曼滤波算法能得到更好的跟踪效果;接着将距离参数化思想和混合坐标系下的平方根容积卡尔曼滤波算法结合,消除了距离信息不可测对跟踪效果的影响.仿真结果表明,该滤波算法虽略微提升了计算复杂度,但其鲁棒性和滤波精度均有大幅度的提高.
为了降低无线传感器网络信号功率的衰减以及节点干扰对数据传输效率所造成的影响,提出了一种基于信号功率随机衰落模型的无线传感器网络干扰感知路由。首先,根据概率论提出了干扰节点不同分布情况下成功传输数据的两种概率干扰模型,并将节点的干扰、路由收敛及节点剩余能量问题作为路由度量建立了干扰感知路由;然后,通过将干扰、路由收敛,以及节点剩余能量作为评估权值,来共同决定最佳的下一跳节点。通过NS2的仿真数据表明,与基于差异化服务的干扰感知路由算法和基于编码的干扰感知路由协议相比,所提出的算法在数据投递平均成功率、能量消耗及平均延迟时间上均有一定优势。
针对现有利用快速鲁棒特征(SURF)进行图像分类的方法中存在的效率低、正确率低的问题,提出一种利用图像SURF集合的统计特征进行图像分类的方法.该方法将SURF的各个维度及尺度信息视为各自独立的随机变量,并利用拉普拉斯响应区分不同数据.首先,获取图像的SURF向量集合;然后,分维度计算SURF向量集合的一阶中心绝对矩、带权一阶中心绝对矩等统计特征,并构建特征向量;最后,结合支持向量机(SVM)进行图像分类.在Corel 1K图像库上的实验结果表明,该方法查准率较SURF直方图方法和三通道Gabor纹理特征方法分别提高17.6%和5.4%.通过与HSV直方图特征进行高级特征融合,可获得良好的分类性能.与SURF直方图结合HSV直方图方法、三通道Gabor纹理特征结合HSV直方图方法、基于视觉词袋(BoVW)模型的多示例学习方法相比,查准率分别提高了5.2%,6.8%,3.2%.
针对当前云计算访问控制中角色不能随着时间动态改变的问题,提出了一种基于用户行为信任的云计算访问控制模型。该模型根据综合用户的直接和间接信任值得到的信任值确定其信任等级,激活其所对应的角色以及赋予该角色一定的访问权限,提供请求的资源,从而达到访问控制的目的;并给出了基本组成元素和实现过程。实验结果表明,所提出的访问控制模型能够提高用户行为信任值评估的客观性,能够抵抗各类非法用户访问云计算,增强了云计算中资源的安全性和可靠性。
提出一种采用Hough变换进行OMR图像倾斜矫正的方法,该方法不必识别定位标记位置,具有很好的抗噪能力。为克服Hough变换计算量大的缺点,采用图像子抽样生成低辨率图像进行Hough变换,提高了算法效率。同时,提出一种快速游程段中心迭代算法分割图像,结合Hough变换,可快速准确地实现OMR图像的倾斜矫正与分割。