基于信息融合的诊断贝叶斯网络研究

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特性,提出了一种融合于故障树和传统贝叶斯网络的新方法--诊断贝叶斯网络,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过比较分析,综合考虑了故障树和贝叶斯网络在诊断推理和模型表达方面的特点及仿真结果,提出的新方法可以使二者优势充分发挥,在故障诊断领域中具有实际的应用价值.     

解最小二乘问题GSOR方法中最优参数的确定

在求解最小M乘问题的广义超松驰方法（GSOR）中,主要涉及到预条件矩阵P的选取,加速参数的选取以及矩阵向量计算．讨论了在预条件矩阵P选定之后,如何选取加速参数才能使收敛速度最快,并且给出一个数值实验,可以看出,理论分析与实际效果是统一的．     

基于时间换算的动态证据组合规则

证据理论在解决多源信息融合问题、尤其是不确定性问题上有独到之处.但证据理论组合规则中对动态证据的权威性问题未进行详细地量化,使得动态证据组合过程中产生偏差甚至导致预测结果与人类思维相反.针对上述不足，提出基于时间换算的动态证据组合规则，即将时间换算函数与证据组合规则有机结合起来，可有效地解决动态证据组合过程中产生的偏差，在组合时考虑证据权威的时变性.为验证其有效性，将其用于丰满电厂主变压器故障预测，试验结果支持了该方法.     

基于新冠肺炎疫情期间微博文本情感分析的研究

为了深入了解新冠肺炎疫情期间微博用户舆论的焦点、更好地把握网络舆情的走向,本实验以疫情期间微博内容为基础,利用深度学习的相关算法,对数据内容进行情感分析。初始数据集已有一部分进行过人工标注,经过预处理后,将BiGRU与注意力机制相结合成BiGRU-attention模型对数据进行实验,TextCNN、BiGRU、BERT三种模型分类效果进行对比,实验结果证明,BiGRU-attention模型效果略优于TextCNN、BiGRU模型,相比于BERT模型则略差,证实在本数据集上BERT模型对文本分类的效果更加优秀,在后续实验中会对BERT模型进行更进一步地优化,以达到较好分类效果。     

一种实时任务可调度性预测研究

对于嵌入式系统来说，通过预测一个任务能否在绝对时限之前运行完成而决定是否调度执行是很有意义的。在ARMLinux上，为了对新任务的运行结束时间进行预测，对它的内核作了修改，按优先级排序就绪队列，每次时钟中断判断是否有优先级比当前任务更高的任务就绪，以决定是否调度，去掉了SCHED_RR调度策略，这样新任务的运行结束时间可以得到准确的计算，并根据任务的绝对时限来判断对新任务的接受和拒绝，对修改后的内核进行了试验验证。     

考虑成本与要素关系的信息安全风险分析模型

针对信息安全风险评估问题,提出了同时考虑风险要素关系和控制措施作用及成本的风险分析模型.与现有研究成果相比,该风险分析模型的优势在于充分考虑威胁和脆弱性等风险要素相互关系的基础上,更加注重控制措施对威胁和脆弱性等风险要素的影响关系,同时考虑风险处理时控制措施的成本,为风险评估提供更加客观、准确的风险分析方法和有效的控制措施选择与优化策略.案例分析结果表明,利用该多目标决策风险分析模型能够有效地量化风险评估要素间的影响关系,依据控制措施的有效程度和合理成本提供客观、准确的控制措施优选排序,提高风险评估的准确性,从而为信息安全风险管理提供科学的决策依据.     

AOR与Jacobi迭代矩阵关系研究

给出AOR加速松弛）迭代与Jacobi迭代在广义相容次序（q,p-q）矩阵下,（p,q）＝（2,1）情形的迭代矩阵之间的一个等式．     

基于故障树和贝叶斯网络的故障诊断模型

针对设备故障诊断技术中存在的固有不确定性问题,通过分析传统故障树模型存在的局限性以及传统贝叶斯网络建造困难的特点,提出了一种融合于故障树和传统贝叶斯网络的新方法—诊断贝叶斯网络法,并阐述了故障树和贝叶斯网络的故障诊断策略优化方法的基本思想和具体算法.通过综合分析故障树和贝叶斯网络在诊断推理和模型表达方面的特点得出,新方法可使二者充分发挥优势,有效解决故障诊断中存在的不确定性问题,提高了诊断的准确率,在故障诊断领域中具有一定的实际应用价值.     

基于信息融合的井下图像跟踪

提出了一种新的井下图像跟踪算法——图像相关算法与卡尔曼滤波器之间的信息进行融合．此算法基于贝叶斯规则，将一种常用的均方差图像相关算法和卡尔曼滤波器两者信息进行融合，得到一种新的成像跟踪算法．改进后的算法融合了MSD相关器和卡尔曼滤波器两者的信息，使得两者之间的信息反馈增强，提高了跟踪算法的性能和鲁棒性，大大减少了目标失锁的可能性，另外，改进后的算法还融合了噪声的统计性能，提高了对噪声的抑制能力．从理论计算和实验结果看，用这种算法获得的图像比一般相关算法获得的图像更具有真实性和准确性．     

基于卷积神经网络的推荐模型研究

在网络购物平台中,评论信息是用户做出在线购买决策的主要依据.然而评论包含大量信息,其重要程度是不一样的.无用的评论会影响推荐系统的性能,对用户的参考意义也较小.文章提出一种基于评论的推荐模型,该模型在用户和商品两个维度并行建模,利用卷积神经网络提取评论特征,并引入注意力机制来探索评论的有用性.在Amazon不同的子数据...