基于堆叠降噪自编码器的异质网络的层次构建与节点分类

针对传统特征抽取方法不能很好解决含有丰富语义信息和复杂网络结构的异质网的数据稀疏和噪声问题,利用堆叠降噪自编码器进行特征抽取,有利于松弛策略建立其类别层次结构,完成节点的分类和排序.在计算机科学文献库(digital bibliographylibrary project,DBLP)数据集上的实验结果表明:相比于其他分类算法,该方法分类性能更优,精确率可达86.3%.     

复合正则化的图像超分辨率复原方法

图像超分辨率复原是计算机视觉领域的一个基础研究方向.为提高具有高度结构化特征图像超分辨率复原效果,提出了一种基于复合正则化的超分辨率复原方法.该方法整合了多个不同种类范数的正则化项,将具有旋转不变性的方向全变分组稀疏正则化(TI-DTV)方法以及小波分析方法嵌入至目标函数中.全变分组稀疏正则化(TI-DTV)方法是一种可以有效解决高度结构化图像中直线边缘区域超分辨率复原的方法,但TI-DTV中的全变分(TV)和方向全变分(DTV)模型可能会导致图像阶梯化效应(staircase artifacts),而小波分析项则可以提高图像纹理信息的复原效果,可减小阶梯化效应的影响.为了解决不同范数下的混合正则化问题,利用一阶对偶圆锥形解法(TFOCS)的思想,推导出了一阶对偶形式的快速解法.结果表明,在真实图像集的实验中,通过与全变分、小波分析、TI-DTV等超分辨率复原方法的比较,可以明显的看出该方法结果较其他方法更清晰,对直线型结构复原效果有一定的提高,同时保留了更多的细节信息,峰值信噪比(PSNR)和结构相似性(SSIM)也有明显提高.     

基于用户聚类的二分图网络协同推荐算法

针对协同过滤推荐系统应用中存在的数据稀疏、可扩展性受限等问题,提出了一种基于用户聚类的二分图网络协同推荐算法.该算法在用户聚类阶段对二分图网络进行用户中心聚类,并获取用户聚类中心及其所在的群组,基于用户群组的评价信息为目标用户提供更广泛的推荐数据;在协同推荐阶段,围绕聚类中心及其所在群组为未评分项目完成预测评分,为用户推荐综合评分最高的Top-n项目.结果表明,该算法能够提升目标用户推荐的准确度,并能改善协同推荐的多样性.     

层次分析法在甲醇下游产品方案优选中的应用

按照系统工程理论进行甲醇下游产品方案优化设计,应用层次分析法建立了甲醇下游产品系统综合评价模型,对甲醇下游产品方案分别从技术、经济和产品市场3个方面进行了计算、分析和评价.结果表明:煤基1.8Mt/a、甲醇联产1.2Mt/a二甲醚为甲醇下游产品的理想方案,同时也为甲醇下游产品方案优选提供了有效手段.     

有机化学分层次教学的研究与实践

针对有机化学教学现状和存在的问题,提出了在普通高校进行有机化学分层次教学的模式,简单介绍了有机化学分层次教学的实践和取得的初步成果。     

不锈钢复合钢卷撕分精抛线设计

不锈钢复合卷撕分精抛线是一条用于叠轧复合板的特种成套装备,作为国内首台套产线,无可以借鉴经验.针对机组设备难布置,全线多个张力段需分别建张,来料厚度范围大,板形要求高等特点,在全线工艺、设备设计等方面进行全新开发.对整体方案、张力控制、板形控制等工艺重难点进行详细介绍.     

基于CVMD和DBO-SVM的光纤周界安防信号识别方法

为降低光纤周界安防信号中噪声对分类结果的影响,提升信号分类的准确率和运行效率,提出一种融合了相关变分模态分解(Correlation Variational Mode Decomposition, CVMD)、蜣螂算法(Dung Beetle Optimizer, DBO)和支持向量机(Support Vector Machine, SVM)的分类方法。利用CVMD去除原始信号中的噪声分量,并提取去噪后信号的能量、能量熵和峭度作为特征向量。采用DBO算法优化SVM,得到最佳惩罚因子和核函数参数,并构建DBO-SVM分类模型。搭建了基于相位敏感光时域反射(Φ-OTDR)技术的周界安防系统,采集了攀爬、敲击、踩踏和无入侵四类信号。实验结果表明,CVMD-DBO-SVM的分类准确率相比CVMD-PSO-SVM和CVMD-GA-SVM更高,达到了98.75%,同时运行时间更短,综合性能最优。     

分车型的高速公路短时交通流量预测方法研究

针对混合交通流中车辆类型的不确定性和随机性,导致了直接对总车流量进行预测时难以获得较高的预测精度问题,提出一种分车型的流量预测方法.依据各种车型的车流量变化规律不同的特点,选用改进的时间序列算法对大型车和拖挂车的流量进行预测,选用二次指数平滑法对小客车和中型车的流量进行预测;然后通过车辆折算系数将各车型的流量预测值进行加权求和,从而得到总车流量预测值;最后利用渝武高速公路上微波车检器的实测数据对提出的预测方法进行了实验验证,并与非参数回归预测方法和卡尔曼滤波预测方法进行了对比.实验结果表明,无论在工作日还是节假日,分车型的流量预测方法均具有更高的预测精度,该结果为进一步提高高速公路管控能力建立了基础.     

OFDM系统中基于循环前缀的频偏估计算法

OFDM是利用多个正交的子载波并行传输数据来提高传输效率的一种新技术,具有频谱利用率高、抗多径衰落、抗窄带干扰等优点,被视为第四代移动通信中的关键技术。为保证子载波之间的正交性,对载波频偏估计和补偿成为OFDM技术研究热点。本文提出了一种基于循环前缀的频偏估计算法,通过把循环前缀分成四个小序列,对前三个序列单独进行相位差计算,对第四个序列进行均值估计,最终推导出频偏的估计值。仿真结果表明,本文算法在减小计算量的情况下,提高了频偏估计精度。