融合知识图谱与注意力机制的产学合作推荐研究

针对产学合作数据稀疏导致推荐精准性和解释性不高问题,提出了一种基于融合知识图谱与领域感知注意力机制的产学合作推荐模IUCR-SKG,旨在为企业用户推荐合适的科研团队,促进产学合作效率。首先构建了产学合作知识图谱和合作关系图,然后合并异构图并使用RotatE技术优化嵌入表示,接着采用基于注意力机制的领域融合方法扩展用户实体,最后使用多层感知机循环叠加结构预测企业用户和科研团队发生合作的概率。以“人工智能AI”领域为例,所提出的模型性能相较于基准模型均有显著提升,且注意力机制将邻域信息融合,扩展了企业用户的合作关系,使得推荐效果相较其他注意力机制的嵌入算法效果也得到一定的改善。     

光纤传感网络入侵活跃节点高精度定位研究

由于当前已有定位方法未能对光纤传感网络信号进行去噪处理，导致定位结果不理想，时间复杂度增加，网络覆盖率降低。提出一种光纤传感网络入侵活跃节点高精度定位方法，首先利用常规的分解尺度选择方法，从指标融合原理和统计两个角度出发选取评价指标，根据指数函数对融合指标进行拟合，结合改进的阈值和阈值函数，进行光纤传感网络信号去噪。然后，提取不同入侵活跃节点类型的多路信号特征，并对特征矢量进行分类，融合多路信号的时空信息，完成入侵活跃节点高精度定位。实验结果表明，所提方法的节点定位覆盖率达到了98.5%,耗费时间保持在0.25 s以内，定位精度在95%左右。     

基于深度学习的基层网络数据个性化挖掘算法

为提升基层网络数据挖掘精度与效率,有效应用基层网络数据提供帮助,提出基于深度学习的基层网络数据个性化挖掘算法,设计基于模糊神经网络的基层网络数据个性化挖掘算法过程,通过数据准备阶段清洗、选取及转化初始基层网络数据,得到高精度完整统一的待挖掘基层网络数据,划分其为训练组与测试组,构建包含输入层、模糊输入层、隐含层、模糊输出层及期望输出层的五层模糊神经网络,运用训练组基层网络数据训练该模糊神经网络,裁剪掉训练后模糊神经网络内的冗余权值规则,提取出最大权值规则,运用该规则对测试组基层网络数据实施挖掘.实验结果表明,上述算法实际应用中收敛速度较高,在训练与测试速度方面具有较大优势,可实现高精确、高查全及高重合度的精准挖掘,为基层网络数据的有效利用奠定基础.