多特征融合的级联回归人脸对齐方法研究

深度神经网络技术在人脸识别方面已经取得了巨大进步,但是大多数方法只是运用人脸深度特征而并没有分析哪些特征是有效的.为了探索针对人脸识别任务的有效结构化特征,提出了基于多种特征级联回归方法的人脸关键点检测模型,将两两关键点对应的人脸局部特征对之间的结构关系、整张人脸图像的全局表观和关键点对应的局部热图这3种人脸特征融合之后用于人脸对齐任务.实验证明,多特征级联回归法与记忆下降法相比,人脸对齐任务错误率下降了30.17%,与最新的一些人脸对齐模型具有一定的可比性.     

面向开放环境的自适应软件构造方法

近年来,随着分布式软件的运行环境、内部结构以及应用模式的不断变化,如何构造开放环境下自适应软件已经成为软件工程领域的研究热点。在开放环境下,软件上下文环境及其变化可能会大大超出开发阶段的预期,要求软件基础框架必须与具体场景解耦,并且能够在线灵活调整软件的自适应能力。文中针对典型软件自适应概念模型的局限,设计了一种ASCM软件自适应概念模型。模型融合了个体和群体两个层面上的适应性,并且允许第三方在线调整,以应对开放动态环境的挑战。在此基础上,详细描述了如何构造开放环境下自适应性软件,即在基于软件个体复合控制过程上,给出了AS-CM构件模型、ASCM单元结构框架、在线调整等构造方法,具有环境和体系结构敏感且支持开放环境的效果。     

融合颜色显著性和似物性的显著物体检测

文中提出一种融合颜色显著性和似物性的对象级显著性检测方法.首先量化并计算像素点在RGB空间下的稀疏性以及在LAB空间中的对比度,得到像素级的显著性;其次对原图像进行超像素分割,以超像素内所有像素的显著性均值作为该超像素的显著值,通过能量函数平滑优化相邻的超像素,得到前景分割明显且变化较小的超像素级显著性;然后优化原似物性方法,通过中心环绕法则融合显著性值和似物性值,作为对象级显著性的贝叶斯先验概率,计算似物性窗口内显著物体与窗口像素的比值,得到似然概率;最后通过贝叶斯模型计算,得到显著物体后验概率,并以此作为似物性窗口的评分标准.在MSRA-1000和ECSSD数据集上先将颜色显著性方法与8种state-of-the-art显著性方法相比较,显著性检测效果较好,检测精度高于其他几种方法.将优化后的似物性与另外3种方法对比,优化结果能使检测窗口大量覆盖于显著图中目标物体上方.将文中显著物体检测方法与同样融合了似物性的显著物体检测方法进行比较,结果表明文中方法较其他方法能够更精确、更完整检测出显著物体.     

改进的Raft一致性算法及其研究

一致性问题是分布式领域中的经典问题.在保证可用性和分区容错性的前提下,如何在尽可能短的时间内达到最终一致性仍然是一个挑战性的课题.文中主要针对Raft算法中的事务磁盘持久化和日志的网络同步部分,在复制状态机中的日志模块中增加了内存缓冲池,当一段时间内通信正常,未出错的情况下,将Raft算法中节点日志的更新方式由单次同步改进为批量异步.在持久化部分,采用文件如果超出设定的大小则调用fsync方法写入磁盘.最后,通过实验验证了改进后的Raft算法比原始的Raft算法选举Leader节点的效率高.因此,文中方法提高了Leader节点的选举效率,进而缩短了集群出现故障后恢复服务的时间.     

隐私保护关联规则挖掘算法AOPAM的改进

随着大数据时代的来临,数据挖掘过程中的隐私泄露给数据挖掘工作者带来了很多问题和挑战.在数据挖掘过程中,如何在保护敏感信息的同时,高效地挖掘出符合精确度的结果,是隐私保护数据挖掘领域的热点问题.文中首先介绍了AOPAM隐私保护关联规则挖掘算法,通过分析该算法的缺陷和不足,引入了递推和分治策略,提出了一种新的改进算法.通过利用已知项求解未知项的思维,简化了高阶矩阵的求逆运算,有效减少了数据库的扫描次数,降低了AOPAM算法在计算重构项集支持度时的时间复杂度.实验表明,以同类型数据测试,与原算法相比,改进后算法在运行时间效率上得到了有效提高.