摘要:路网匹配是基于位置服务中的关键预处理步骤，它将GPS轨迹点匹配到实际路网上.以此为基础对数据进行分析和挖掘，能够辅助解决城市计算中相关问题，例如建立智能交通系统、协助用户规划出行.对国内外学者在该研究领域取得的成果进行了分类总结，发现这些匹配算法可以较好地解决高采样率的路网匹配问题.但是，随着城市交通的快速发展，获取和处理车辆位置信息的成本不断提高，低频采样点越来越多，现有算法匹配精确度大幅度下降.于是，近年来出现了基于隐马尔可夫模型（hidden Markov model，简称HMM）的路网匹配算法.隐马尔可夫模型可以较为平滑地将噪声数据和路径约束进行整合，从有许多可能状态的路径中选择一条最大似然路径.重点总结了基于隐马尔可夫模型的路网匹配算法，主要是从特点与实验结果的角度对其进行对比总结，有些实验结果的正确率在一定条件下最高可达90%，这说明了基于隐马尔可夫模型的路网匹配算法在低采样率下的有效性.最后，对未来的研究可能采取的方法进行了展望.

摘要:深度网络近年来在计算机视觉任务上不断刷新传统模型的性能，已逐渐成为研究热点.深度模型尽管性能强大，然而由于参数数量庞大、存储和计算代价高，依然难以部署在受限的硬件平台上（如移动设备）.模型的参数在一定程度上能够表达其复杂性，相关研究表明，并不是所有的参数都在模型中发挥作用，部分参数作用有限、表达冗余，甚至会降低模型的性能.首先，对国内外学者在深度模型压缩上取得的成果进行了分类整理，依此归纳了基于网络剪枝、网络精馏和网络分解的方法；随后，总结了相关方法在多种公开深度模型上的压缩效果；最后，对未来的研究可能的方向和挑战进行了展望.

摘要:策略梯度作为一种能够有效解决连续空间决策问题的方法得到了广泛研究，但由于在策略估计过程中存在较大方差，因此，基于策略梯度的方法往往受到样本利用率低、收敛速度慢等限制.针对该问题，在行动者-评论家（actor-critic，简称AC）算法框架下，提出了真实在线增量式自然梯度AC（true online incremental natural actor-critic，简称TOINAC）算法.TOINAC算法采用优于传统梯度的自然梯度，在真实在线时间差分（true online time difference，简称TOTD）算法的基础上，提出了一种新型的前向观点，改进了自然梯度行动者-评论家算法.在评论家部分，利用TOTD算法高效性的特点来估计值函数；在行动者部分，引入一种新的前向观点来估计自然梯度，再利用资格迹将自然梯度估计变为在线估计，提高了自然梯度估计的准确性和算法的效率.将TOINAC算法与核方法以及正态策略分布相结合，解决了连续空间问题.最后，在平衡杆、Mountain Car以及Acrobot等连续问题上进行了仿真实验，验证了算法的有效性.

摘要:卫星舱布局问题不仅是一个复杂的耦合系统设计问题，也是一个特殊的优化问题，具有NP难度性.解决这类问题最大的挑战在于需要优化的目标函数具有大量被高能势垒分隔开的局部极小值点.Wang-Landau（WL）抽样算法是一种改进的蒙特卡罗方法，已被成功地运用于蛋白质结构预测等优化问题.以卫星舱布局优化问题为背景，将WL抽样算法引入矩形装填问题的求解.针对矩形装填物的特点，提出了启发式格局更新策略，以引导抽样算法在解空间中进行有效行走.为了加速搜索全局最优解，每次蒙特卡罗扫描生成新的布局时，就执行梯度法进行局部搜索.通过将局部搜索机制、启发式格局更新策略与WL抽样算法相结合，提出了一种用于解决带静不平衡约束的任意矩形装填问题的启发式布局算法.在布局优化过程中，通过在挤压弹性势能的基础上增加静不平衡量惩罚项并采用质心平移的方法，使布局系统的静不平衡量达到约束要求.为了改进算法的搜索效率，还提出了改进的有限圆族法，用于装填物之间的干涉性判断和干涉量计算.通过对文献中两组共10个有代表性的算例进行实算，计算结果表明，所提出的装填算法是一种求解带静不平衡性能约束的任意矩形装填问题的有效算法.

摘要:随着面向服务技术和云计算技术的不断成熟，尤其是面向服务体系结构SOA的不断完善以及推广，其主要内容Web服务已经被广泛应用.为了充分利用Web服务并解决单个Web服务功能有限的问题，业界将多个原子Web服务按照一定的规则和业务逻辑进行组合，以提供更多功能更强大的服务，实现了Web服务的增值和复用.为了保证Web服务组合的质量，需要对Web服务组合进行全面、充分的测试.然而，Web服务组合的动态特性和分布式特点使得其测试技术和方法与传统的软件测试有很大的区别，存在很多挑战.针对Web服务组合测试，对近年来Web服务组合测试研究中的测试用例生成技术、回归测试技术、测试执行和度量方法进行了系统的总结和分析.此外，还对Web服务组合测试中有待研究的问题进行了分析和展望.

摘要:情景感知（context aware）的应用是当前的一个研究热点，但是，由于情景的复杂性和不确定性，如何获取这些应用的需求面临着巨大挑战，需求工程领域出现了大量的研究来解决这一挑战.使用系统文献综述（systematic literature review）的方法首先分析了不同情景维度对需求获取与建模的支持，统计并深入分析情景感知的需求获取与建模中常用的方法，评估了不同经验方法的技术转移成熟度.最后，基于上述结论，给出了情景感知的需求获取与建模下一步的研究方向.

摘要:随着社交网络的发展，融合社交信息的推荐成为推荐领域中的一个研究热点.基于矩阵分解的协同过滤推荐方法（简称矩阵分解推荐方法）因其算法可扩展性好及灵活性高等诸多特点，成为研究人员在其基础之上进行社交推荐模型构建的重要原因.围绕基于矩阵分解的社交推荐模型，依据模型的构建方式对社交推荐模型进行综述.在实际数据上，对已有代表性社交推荐方法进行对比，分析各种典型社交推荐模型在不同视角下的性能（如整体用户、冷启动用户、长尾物品）.最后，分析了基于矩阵分解的社交推荐模型及其求解算法存在的问题，并对未来研究方向与发展趋势进行展望.

摘要:带有间隙约束的模式匹配问题是序列模式挖掘的关键问题之一.目前，大多数的研究都为非负间隙，对字符串中每个字符的出现顺序有着严格的要求.为了增加匹配的灵活性，并且考虑到在序列模式挖掘中采用one-off条件更加合理，研究一般间隙与one-off条件下的模式匹配问题.该问题为NP-Hard问题.为了有效地求解该问题，提出了MSAING（maximum sequential pattern matching with one-off and general gaps condition）算法：首先，利用Reverse策略使模式与序列达到最佳的匹配状态；然后，使用线性表的结构使匹配过程中消耗的时间和空间大幅度地降低，同时，利用回溯机制提高匹配的成功率；最后，根据inside_Checking机制判断模式串是否会产生内部重复现象，以进一步提高算法的执行效率.理论证明了MSAING算法的完备性，实验结果验证了MSAING算法匹配结果的准确性以及在时间和空间方面的高效性.

摘要:概率知识库中的推理技术是近年来的研究热点.目前，大多数系统的推理主要基于批处理的方式实现，并不适用于在线查询场景.对此，提出了一种基于近似因子的在线概率知识库推理方法.它可以重复利用已推断结果计算查询变量的边缘概率.该算法首先提取查询变量的子图（含已推断变量）；然后，在此子图上添加近似因子，以模拟子图外其余变量的影响；最后，采用团树算法推断查询变量的边缘概率.实验结果表明：相对于已有算法，该算法可在时间和精度上取得较好的权衡.

摘要:流程挖掘是流程管理和数据挖掘交叉领域中的一个研究热点.在实际业务环境中，流程执行的数据往往分散记录到不同的事件日志中，需要将这些事件日志融合成单一事件日志文件，才能应用当前基于单一事件日志的流程挖掘技术.然而，由于流程日志间存在着执行实例的多对多匹配关系、融合所需信息可能缺失等问题，导致事件日志融合问题具有较高的挑战性.对事件日志融合问题进行了形式化定义，指出该问题是一个搜索优化问题，并提出了一种基于混合人工免疫算法的事件日志融合方法：以启发式方法生成初始种群，以人工免疫系统的克隆选择理论作为基础，通过免疫进化获得"最佳"的融合解，从而支持包含多对多的实例匹配关系的日志融合；考虑两个实例级别的因素——流程执行路径出现的频次和流程实例间的时间匹配关系，分别从"量"匹配和"时间"匹配两个维度来评价进化中的个体；通过设置免疫记忆库、引入模拟退火机制，保证新一代种群的多样性，减少进化早熟几率.实验结果表明：该方法能够实现多对多的实例匹配关系的事件日志融合的目标，相对于随机方法生成初始种群，启发式方法能够加快免疫进化的速度.另外，针对利用分布式技术提高事件日志融合性能，探讨了大规模事件日志分布式融合中的数据划分问题.

摘要:网络评论的观点挖掘任务是文本分析的关键问题之一.随着网络评论的快速增长，用户在浏览评论时更加关注细粒度的信息，因此，对评论进行方面级观点挖掘能够帮助消费者更好地做出决策.过去的10多年间，研究人员在大量网络评论语料库上进行观点挖掘等相关研究，并取得了丰硕的研究成果和广泛的应用价值，更不乏优秀学者对观点挖掘方法现状进行综述总结.然而，有针对性地对观点挖掘中的方面提取与观点提取进行综述总结的成果较少.综述了近年来网络评论方面级观点挖掘的研究现状：首先，介绍了方面级观点挖掘的相关问题描述；然后，重点分类介绍方面提取方法及观点内容提取的主要方法；随后，总结了方面级观点挖掘的常见评价指标以及在社会中的广泛应用价值；最后，根据对现有方法提出具有挑战性的方向并进行系统总结.对方面级观点挖掘进行综述有助于比较不同方法的差异，从而发现有价值的研究方向.

摘要:为了满足广播环境下通信数据的机密性和认证性需求以及消息收发双方的匿名性，提出了基于身份的多接收者匿名混合签密机制，满足收发双方的匿名性保护需求，并且接收者具有解密独立性.正确性分析及安全性证明表明，该机制是安全、有效的多接收者匿名混合签密机制.相对于现有方案，除了具有保密性和不可伪造性之外，该机制具有更优的性能，如更高的匿名性、公开验证性等.将该机制改进后，提出了具有收发双方匿名性、公开验证性、不可否认性等安全属性的多接收者多消息混合签密机制，实现了广播通信环境下用户的多消息发送需求.

摘要:RGB（red-green-blue）方案是一个可以抵抗已知代数攻击的混合多变量签名方案，但是和其他多变量公钥方案一样，它也具有公钥量大的缺点.针对RGB方案这一不足，采用循环公钥的思想对RGB方案进行优化，提出了一个新的方案——CyclicRGB混合多变量签名方案.与RGB方案相比，CyclicRGB方案在降低公钥大小的同时，还具有更快的签名验证过程.通过该方案和RGB方案的实验比较，结果表明：该方案的公钥大小约为RGB方案公钥大小的40%，CyclicRGB方案签名验证所需时间为RGB方案签名验证所需时间的60%.

摘要:三维模型特征描述符是一种简洁且信息量丰富的表示方式，特征提取是许多三维模型分析处理任务的关键步骤.近年来，针对非刚性三维模型特征提取技术的研究引起了人们的广泛关注.首先，汇总了常用的非刚性三维模型基准数据集和算法评价标准；然后，在广泛调研大量文献和最新成果的基础上，将非刚性三维模型特征分为人工设计的特征描述符和基于学习的特征描述符两大类，并分别加以介绍，对每类方法所包含的典型算法，尤其是近几年基于深度学习的特征提取算法的基本思想、优缺点进行了分析、对比和总结；最后进行总结，并对未来可能的发展趋势进行了展望.

摘要:近年来，集合模拟被频繁地运用于气候、数学、物理等领域.集合模拟数据通常具有多值、多变量、时变的属性，再加上其庞大的数据量，对这类数据的分析充满着挑战.集合模拟数据可视化是通过视觉和人机交互的手段，向领域专家揭示集合模拟数据中的成员差异和整体概况，从而帮助专家探索、总结和验证科学发现.从比较个体成员和概括整体成员这两个不同的分析任务，以及基于位置和基于特征这两种分析策略的角度，系统地分析了具有代表性的集合模拟可视化工作，收集并整理了各类方法的可视化形式、交互技术、应用案例.通过总结近几年的集合模拟可视化方法来讨论现有研究的趋势，并对未来研究做进一步的展望.