基于文本卷积的多因素煤炭产品推荐模型

为了向需求维度不同的买家科学地提供基于煤炭产品自身品质及其发售地区差异性推荐意见,文中提出了一种基于卷积神经网络与自然语言处理相结合的文本卷积推荐模型(text CNN recommendation model,TCRM)。该模型由各字段单词特征生成嵌入向量,在不同尺寸的卷积核上做卷积和最大池化,再通过全连接层合并所有特征分别得出用户及煤炭产品特征矩阵,将用户特征和煤炭产品特征作为输入,经过全连接的方式进行计算以产生评分预测值。在特征矩阵维数为32,经过20次迭代后模型损失固定在1.0附近,准确率维持在0.25左右,在模型损失率及健壮性上均优于传统数值比例特征运算计算评分时的模型。这样的推荐方式改善了以往由于单因素评分而带来的近邻相似度计算不准确和矩阵稀疏导致的推荐结果不理想的情况。在大量真实数据集上的实验结果显示,在此算法基础上的深层次煤炭产品推荐具有良好的效果。     

复杂场景下基于复合胶囊网络的交通标志识别

针对复杂场景中交通标志被遮挡,用单一模型特征提取方法获取的图像信息不充分的问题,提出一种复合胶囊网络的交通标志识别方法.将残差网络中的多尺度思想引入胶囊网络卷积层,在主胶囊层中加入双通道池化,对动态路由算法的计算方式进行优化,提高特征提取的效果和预测值的输出概率.在GTSRB数据集上的测试结果表明,改进后的复合胶囊网络识别精度达到99.21％,相对于其它识别算法性能有所提升,验证了该模型的有效性.     

基于FAHP的构件安全性量化评估方法

应用构件开发安全苛求系统时,需要对所选用的构件进行安全性评估.为此,以层次分析法为基础,设计模糊层次分析法(FAHP)以确定构件的节点权重,利用三角模糊数标识模糊信息,通过模糊隶属函数对节点信息进行相应处理.实例应用结果表明,该方法对构件的安全性评估效果较好.     

基于ZigBee技术的孤立点入网算法研究*

针对ZigBee网络运行过程中产生的孤立点问题,给出一种改善孤立点的入网算法。没有连接节点能力的父节点,首先通过选择算法选择出合适的转移节点,使父节点能够连接更多的孤立点;然后通过交换算法,进一步改善孤立点问题。仿真结果表明,在路由节点数量或终端节点数量一定的条件下,给出的入网算法从减少孤立点数量和提高网络连接率两方面均优于ZigBee连接方式和CIM算法,降低了分布式地址分配机制对孤立点的影响,使节点取得更好的连接效果。     

引入辅助损失的多场景车道线检测

目的 为解决实时车辆驾驶中因物体遮挡、光照变化和阴影干扰等多场景环境影响造成的车道线检测实时性和准确性不佳的问题,提出一种引入辅助损失的车道线检测模型。方法 该模型改进了有效的残差分解网络（effcient residual factorized network,ERFNet）,在ERFNet的编码器之后加入车道预测分支和辅助训练分支,使得解码阶段与车道预测分支、辅助训练分支并列,并且在辅助训练分支的卷积层之后,利用双线性插值来匹配输入图像的分辨率,从而对4条车道线和图像背景进行分类。通过计算辅助损失,将辅助损失以一定的权重协同语义分割损失、车道预测损失进行反向传播,较好地解决了梯度消失问题。语义分割得到每条车道线的概率分布图,分别在每条车道线的概率分布图上按行找出概率大于特定阈值的最大点的坐标,并按一定规则选取相应的坐标点,形成拟合的车道线。结果 经过在CULane公共数据集上实验测试,模型在正常场景的F1指标为91.85%,与空间卷积神经网络（spatial convolutional neural network,SCNN）模型相比,提高了1.25%,比其他场景分别提高了1%~7%;9种场景的F1平均值为73.76%,比目前最好的残差网络——101-自注意力蒸馏（ResNet-101-self attention distillation,R-101-SAD）模型（71.80%）高出1.96%。在单个GPU上测试,每幅图像的平均运行时间缩短至原来的1/13,模型的参数量减少至原来的1/10。与平均运行时间最短的车道线检测模型ENet——自注意力蒸馏（ENet-self attention distillation,ENet-SAD）相比,单幅图像的平均运行时间减短了2.3 ms。结论 在物体遮挡、光照变化、阴影干扰等多种复杂场景下,对于实时驾驶车辆而言,本文模型具有准确性高和实时性好等特点。     

水下CMUT动态性能仿真与测试的研究

目前CMUT以其频带宽、易集成阵列化、无需匹配层、灵敏度高等优点成为水下超声传感器在研究及应用推广方面的一个新热点。主要开展了对CMUT动态性能的仿真与测试。首先利用SIMULINK对CMUT发射和接收性能进行动态仿真分析,并建立实验平台,以仿真结果作为依据对CMUT动态性能进行了测试,同时实现了CMUT水下初步探测。本研究为CMUT的设计提供了有利的依据。     

粒子群退火算法优化的BP神经网络及其应用

以提高预测软件老化趋势为应用背景,提出一种新型粒子群退火算法(New Particle Swarm Annealing Algorithm, NPSOSA)优化BP神经网络的权值和阈值,继而构建NPSOSA-BP神经网络预测模型.实验通过搭建软件老化测试平台,收集所需的老化数据并进行仿真训练.实验结果表明, NPSOSA-BP神经网络模型相比于传统粒子群算法(PSO)、传统粒子群退火算法(PSOSA)优化的BP神经网络模型提高了预测精度和适用度,在该应用领域验证了本文方法的有效性.     

构件的标识表示与检索方法研究

针对如何在大规模构件库中改善检索性能的问题,提出构件的标识表示,并设计了基于标识的构件检索方法.标识由领域术语、刻面术语以及高权重词等代表构件主要信息的词组成.使用标识表示构件可以获得比刻面分类更多的有效信息并能够校正刻面分类产生的主观影响,有利于检索准确率的提高.为提高检索速度,设计了功能倒排索引与标识索引组成的双向组合索引.最后与常用检索方法进行了对比实验,结果表明基于标识的构件检索具有较高的检索效率以及良好的综合检索效果,能够较好的满足大规模构件库的检索要求.     

基于模糊聚类优化的语义Web服务发现

语义Web服务发现机制在发现服务时的准确率较低.为解决该问题,提出一种基于模糊聚类优化的语义Web服务发现方法.采用改进的模糊C-均值(FCM)聚类算法,实现对服务聚类预处理,在模糊聚类时,综合考虑服务的输入、输出、前提、效果4个功能性参数,并扩展已有的服务匹配机制,在匹配时,将服务的4个功能性参数全部作为服务相似度的计算因子.实验结果表明,在模糊聚类稳定的条件下,该方法的服务平均查全率为79.6％,平均查准率为85.9％,均高于未采用聚类处理和只采用输入/输出参数的FCM聚类处理方法.     

一种面向大规模构件库的构件检索方法

针对如何在大规模构件库中改善构件检索性能的问题,提出一种基于功能倒排索引与改进VSM(Vector Space Model)相似度的构件检索方法。应用功能倒排索引能够快速排除在功能上不相关的构件,有效缩小构件检索范围;对VSM相似度算法进行改进,提高构件检索的查准率。与常用检索方法的对比实验表明,该方法有效提高了检索速度,并且检索查全率与查准率也保持在较高水平。