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.     

我国煤矿安全领域研究现状及发展趋势

针对我国煤矿安全领域的研究现状,以CNKI期刊数据库1998-2017年收录的4 479篇煤矿安全领域核心文献为数据来源,运用科学文献计量法——可视化分析方法(CiteSpaceⅤ)对该领域的研究力量、研究热点等进行可视化处理与分析。结果表明:所提方法能够从整体上梳理我国煤矿安全领域研究的前沿问题、演进脉络,在一定程度上能够推动我国煤矿安全的理论研究与实践发展。     

基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法

针对煤矿井下存在大量煤尘、水雾导致获取的视频图像伴有大量的噪声、分辨率低、模糊的问题,提出了一种基于暗原色理论和自适应双边滤波的煤矿尘雾图像增强算法.基于暗原色先验理论,采用自适应双边滤波代替softmatting过程来求取精细透射率图,并根据煤矿井下特殊环境,从新的角度求取全球大气光值、粗略透射率图,并根据图像退化模型实现图像的去噪.实验结果表明,对于分辨率为1024×576的图像处理时间为1.9s,与He算法(HE K, SUN J, TANG X. Single image haze removal using dark channel prior. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2011,33(12):1-13.)相比,运行效率提高了5倍.与直方图均衡法等算法相比,所提算法有效增强了图像细节、边缘,整体上更加适合人类视觉和视频监控的要求.     

基于多智能体的智能控制系统通信机制研究

智能化控制是控制科学的主要发展方向之一,其中基于多智能体的智能控制系统是当前智能化控制应用研究的热点。针对智能化控制系统的通信机制问题展开研究,提出了agents间通信的信息格式,建立了一般的智能控制系统多主体通信模型,描述了智能控制系统信息通信和处理过程,为基于多智能体的智能控制系统的实现奠定基础。     

煤矿事故案例命名实体识别方法研究

命名实体识别是自然语言处理的一项重要技术,也是问答系统、句法分析、机器翻译等下游工作的基本任务.煤矿事故案例命名实体识别是构建煤矿安全生产知识图谱的关键环节,其效率和准确率直接影响后期知识图谱的质量.针对传统命名实体识别方法训练时间长、识别率低的问题及煤矿事故案例的描述特点,以自构的标注语料集CoalMineCorpu...     

基于历史用户QoS感知的Web服务发现方法

目前的Web服务发现方法,由于没有充分利用用户情境信息,导致在服务发现时间和结果准确率方面存在不足。首先对包括当前用户在内的情境相似的用户进行了聚类,缩小了服务发现的范围;然后,在此基础上利用当前用户偏好信息及情境相似的历史用户感知到的候选服务的QoS数据,给出了一种基于历史用户QoS感知的Web服务发现方法,包括候选服务的QoS数据获取和综合权重计算;最后,结合实验并与其他Web服务发现方法进行比较,证明了该方法在服务发现结果的准确率和时间效率方面均有了一定的提升。     

基于Word2vec和句法规则的自动问答系统问句相似度研究

自动问答系统问句相似度计算的准确率直接影响系统返回答案的准确率,对此提出一种基于Word2vec和句法规则的问句相似度计算方法。构造Text-CNN问句分类模型将问句进行分类,再构造Word2vec词向量模型将问句中词与词的空间向量相似度转换成语义相似度,并加入句法规则的分析。随机从搜狗公开问答数据集中抽取200条数据进行测试,结果表明,该方法与TF-IDF方法相比,自动问答系统返回答案的准确率和召回率分别提高了0.259和0.154。     

基于蚁群-遗传融合框架的仓储群机器人任务分配

将智能仓储中的自主移动群机器人订单任务分配,建模成群机器人协同调度的多目标优化问题,将成员机器人完成拣货任务的路径代价和时间代价作为优化目标.设计了蚁群-遗传算法融合框架并在其中求解.该框架中,蚁群算法作为副算法,用于初始种群优化;遗传算法改进后作为主算法.具体地,在遗传算法轮盘赌选择算子后引入精英保留策略,并在遗传操作中加入逆转算子.针对不同数量的订单任务,使用不同规模的群机器人系统进行了任务分配仿真实验.结果表明,在本文所提的融合框架中求解,较分别使用蚁群算法或遗传算法单独求解,性能上具有明显优势,能够发挥蚁群算法鲁棒性好和遗传算法全局搜索能力强的特点,提高智能仓储系统的整体运行效率.     

软件构件的ATE表示及其聚类方法

提出一种自动标签提取(ATE)构件表示方法,并设计基于ATE的模糊聚类方法。ATE表示能够包含比刻面分类更多的有效信息,并克服构件刻面分类可能产生的主观因素影响。模糊聚类使构件摆脱传统聚类的硬划分模式,可分别隶属于不同的簇,对构件检索提供更好的支持。在原型构件库中的对比实验证明该方法的可行性与有效性。