摘要:在MOFs研究领域, 探寻新型MOFs仍然是非常困难的研究问题. 将MOFs进行“材料基因编码”后, 应用遗传算法(Genetic Algorithm, GA)可以快速探索新型MOFs, 但其性能依赖于设定的个体适应度函数, 且对新生成的MOFs个体的有效评估也影响了该方法的效果. 机器学习方法可以对MOFs的构效关系进行评估与预测, 人工神经网络(Artificial Neural Network, ANN)是众多机器学习方法中具有代表性的一个, 可以发掘非线性的构效关系. 本文提出将神经网络用于预测遗传算法生成的新型MOFs个体对CH₄气体的吸附能力, 从而帮助遗传算法搜索新型MOFs. 实验结果表明, 神经网络可以有效评估新型MOFs材料, 证明了将神经网络与遗传算法相结合用于新型MOFs搜索和筛选的可行性.

摘要:在当今泛在计算和软件定义的大趋势下, 形式化方法逐步成为指导软件需求定义、分析软件设计方案、验证软件制品正确性的重要方法, 渗透到软件工程的全寿命周期. Event-B作为一种“构造即正确”的方法, 为软件工程形式化方法的应用提供了支撑. 本文对现有的基于Event-B的软件工程形式化方法进行了分类阐述, 主要分为Event-B控制结构、面向对象的Event-B、可重用的Event-B以及实时Event-B模型, 并对各种Event-B模型对软件开发全寿命周期的支持进行了汇总, 为软件工程形式化方法提供参考和借鉴.

摘要:随着当前知识图谱的蓬勃发展, 关系抽取作为信息抽取的关键一环, 已受到越来越多研究者的关注. 关系抽取发展至今, 总体可以分为基于模板的抽取方法和基于机器学习的抽取方法; 之后随着深度学习抽取方法的广泛应用, 关系抽取的性能得到了较大提高. 本文利用时间顺序法对限定域条件下二元关系抽取方法进行归纳总结. 首先对关系抽取的概念定义、数据集以及评价指标等内容进行了简要介绍; 随后对关系抽取的相关方法进行了系统梳理, 重点分析了目前研究较热的深度学习关系抽取方法; 最后对关系抽取的未来研究方向及其应用进行了分析和展望.

摘要:自全卷积网络(Fully Convolutional Network, FCN)提出以后, 应用深度学习技术在图像语义分割领域受到了许多计算机视觉和机器学习研究者的关注, 现在这一方向已经成为人工智能方向的研究热点. FCN的核心思想是搭建一个全卷积网络, 输入任意尺寸的图像, 经过模型的有效学习和推理得到相同尺寸的输出. FCN的提出给图像语义分割领域提供了新的思路, 但也存在很多的缺点, 比如特征分辨率低、对象存在多尺度问题等. 随着研究者不断的钻研, 卷积神经网络在图像分割领域逐渐得到了优化和拓展, 基于FCN的主流分割框架也层出不穷. 图像语义分割对于场景理解的重要性日渐突出, 被广泛应用到无人驾驶技术、无人机领域和医疗影像检测与分析等任务中. 因此, 对图像语义分割领域的研究将值得深入研究, 使其能够更好在实际应用中大放异彩.

摘要:大数据时代, 需要集成多样化数据管理分析工具完成业务需求, 然而不同工具的数据访问接口标准不一, 需要借助适配器进行接口转换以实现数据管理分析工具协作. 因此, 如何快速集成不同工具成为学术界与工业界亟待解决的问题. 本文提出了一种基于查询语言转换的多源数据统一访问框架BAF4DUA (Bi-Adapter Framework for Data Unified Access), 该框架采用双端接口适配方式, 在数据提供者工具端和数据消费者工具端分别引入适配器对系统数据与查询语义进行适配, 将查询语言与数据存储模型相分离, 从而实现了数据提供者与数据消费者之间多对多、即插即用的数据访问, 提高了应用的灵活性与扩展性.

摘要:针对于大样本数据的客户流失预测, 从特征有效表达的角度, 提出了一种基于谱回归特征约简的预测模型. 模型在原始客户特征基础上, 利用基于谱回归的流形降维, 建立可区分性的低维特征空间, 在此之上采用支持向量机实现客户流失的二分类. 通过在网络客户和传统电信客户两种不同数据集上的大样本实验, 并与不同分类器、不同特征约简或选择方法的对比, 证明了该方法的有效性.

摘要:联邦学习是一种新兴的保护隐私的机器学习算法, 它正在广泛应用于工业物联网(IIoT)中, 在联邦学习中中心服务器协调多个客户端(如物联网设备)在本地训练模型, 最后融合成一个全局模型. 最近, 区块链在工业物联网和联邦学习中得到了利用, 以用来维护数据完整性和实现激励机制, 吸引足够的客户数据和计算资源用于培训. 然而, 基于区块链的联邦学习系统缺乏系统的架构设计来支持系统化开发. 此外, 目前的解决方案没有考虑激励机制设计和区块链的可扩展性问题. 因此, 在本文中, 我们提出了一个应用于工业物联网中基于区块链的联邦学习系统架构, 在此架构中, 每个客户端托管一个用于本地模型训练的服务器, 并管理一个完整的区块链节点. 为了实现客户端数据的可验证完整性, 同时考虑到区块链的可扩展问题, 因此每个客户端服务器会定期创建一个默克尔树, 其中每个叶节点表示一个客户端数据记录, 然后将树的根节点存储在区块链上. 为了鼓励客户积极参与联邦学习, 基于本地模型培训中使用的客户数据集大小, 设计了一种链上激励机制, 准确、及时地计算出每个客户的贡献. 在实验中实现了提出的架构的原型, 并对其可行性、准确性和性能进行了评估. 结果表明, 该方法维护了数据的完整性, 并具有良好的预测精度和性能.

摘要:为了实现高校座位的统一智能化管理, 并满足不同区域座位的规则独立设定需求, 开发了一套基于薄膜压力传感器检测和C/S架构、符合Android MVP设计思维的高校座位管理系统. 分析了高校座位管理的需求, 基于用户友好和界面友善原则, 对系统的功能模块、数据流向和系统架构进行了详细分析和设计. 系统包括C/S三层架构, 基于Android MVP模式进行分层开发, 实现了数据的映射、访问和持久化, 并通过用户端APP以及检测终端的设计和调试, 实现了座位使用情况的可靠检测和数据的信息化综合管理, 提高了座位管理及使用效率, 对解决高校座位管理难题, 以及校园管理的信息化具有积极意义.

摘要:目前大部分研究指针式仪表识别的方法中提取指针是完全基于传统的图像处理技术, 提取过程较为复杂且步骤繁多. 为了有效解决指针式仪表读数识别中指针中轴线所在直线提取困难及识别精度不高等问题, 本文提出了一种基于深度学习的指针式仪表的识别方法. 首先用Faster R-CNN算法检测仪表圆盘, 再采用基于深度学习的方法Faster R-CNN算法检测指针, 根据得到的指针目标框的位置信息裁剪得到指针图像, 在指针图像的基础上进行二值化、细化、霍夫变换检测直线、最小二乘法拟合直线等步骤识别仪表最终读数. 和直接在仪表表盘目标框图像或原始图像上进行传统图像处理相比很大程度上减少了定位指针中轴线所在直线过程中的干扰. 实验结果表明本文所提出的基于深度学习的指针检测的平均准确率高达96.55%. 对于复杂背景下指针式仪表的指针区域的检测具有良好的准确性与稳定性.

摘要:交互式虚拟漫游系统的设计要综合考虑许多组成要素, 如硬件设备、交互技术、内容等, 其设计者考虑这些要素主要是为了满足用户的需求. 由于目前虚拟漫游系统在使用范围和成本上存在局限性, 其开发环境、方法和技术不利于推广. 本研究首先对虚拟漫游系统交互式应用程序语言开发工具及作用进行对比分析, 然后结合实际项目提出较为可行的虚拟漫游系统交互式应用程序设计开发流程, 在此基础上设计了交互式虚拟漫游系统应用软件和硬件平台(即硬件和交互技术相结合), 并以具体案例的形式介绍了交互式数字校园视景漫游模型的建立与优化过程. 该平台有可移植性强、组合灵活、标准化程度高、成本较低等优点, 该设计充分考虑了用户的个性喜好和设计者的自我评价.

摘要:国产Linux操作系统运行第三方GUI应用软件需要解决软件依赖库问题, 官方提供的依赖软件无法满足依赖库环境配置, 导致大量第三方GUI应用软件无法在国产操作系统中安装使用. 现提出一种利用容器技术把第三方GUI应用软件及其运行环境打包成独立应用软件的方案, 使第三方GUI应用软件能够在国产操作系统上运行. 以开源的分布式渲染系统Equalizer为目标对象, 使用docker容器技术将其编译环境和运行环境所需的依赖库打包成镜像, docker镜像在国产操作系统NeoKylin上创建容器时配置容器与主机共享Linux系统中的X11服务, 容器中Equalizer解析操作系统中X11文件, 在主机屏幕展示图形界面. 本文利用现有的docker技术制作独立镜像, 并配置容器与主机系统共享Linux系统图形界面服务和显卡驱动程序, 最终实现Equalizer程序在国产操作系统环境中正常使用. 实验结果表明, 该方案是可行的, 并可以推广到其他GUI应用软件.

摘要:针对静态离线水质监测方法存在采样误差大、监测频次低、监测数据分散以及无法实时反馈水质状况的连续动态变化等问题, 研发了基于无线传感网络的水质在线移动监测系统. 该系统由水下监测器、浮标节点和可视化软件组成. 水下监测器模仿金枪鱼外观设计, 内部装备水质传感器(温度、pH、浊度和电导率等)用于获取水质参数信息; 浮标节点采用太阳能供电方式, 负责接收、处理、中继及转发来自多个水下监测器的数据; 多个水下监测器之间, 水下监测器与浮标节点之间采用170 MHz无线射频模块或水声通信, 浮标节点与岸边基站采用ZigBee通信; 可视化软件包括上位机与移动终端. 本系统的实施解决了传统人工取样监测的局限性, 实现水域任意点的水质在线监测.

摘要:随着国内城市路灯数量的逐年增加, 路灯耗电费用在政府财政支出中所占比例也急速上涨, 而传统的路灯系统由于缺乏稳定性与灵活性, 并不能有效地降低能耗, 节省开支. 本文结合微服务技术组件, 通过将具体功能抽离组成多个微服务的方式, 设计并实现了一种基于微服务架构的智慧照明管理平台, 目前系统已经完成开发与测试工作并已交付使用, 实际使用效果表明, 该平台能够有效地降低能源消耗, 具有一定的社会推广价值.

摘要:当前医生主要利用多张二维影像进行下肢骨畸形诊断, 难于从多角度对畸形部位进行全面地观察, 不利用于手术前详细规划. 因此本文应用HTML5、JS和CSS等Web开发技术自主开发了一种下肢骨畸形在线辅助诊断仿真系统, 实现了利用DICOM影像在线构建下肢骨和人工关节三维模型, 全方位浏览三维模型, 动态展示和对比观察DICOM影像, 辅助诊断工具(包括测量工具、灰度变换、细节查看、精确定位), 管理病人信息等多种所需功能. 该系统集成了VTK、Cornerstone和Three等开源架构, 具有实用性强、在线共享和便于扩展性等优点, 为下肢骨畸形诊断和手术规划提供了一个高效有力的在线辅助平台.

摘要:建设网上办事平台是《教育信息化2.0行动计划》对高校智慧校园建设的必然要求. 本文结合实际网上办事服务平台案例, 从服务多校区一体化管理的视角, 提出了符合多校区管理需求的一体化建模、要素、方法和步骤, 设计基于工作流引擎的组件体系和服务用户统一交互界面, 通过实际示例分析说明建模方法和设计的有效性, 并在实际业务中发挥了作用.

摘要:为满足气象档案的管理和服务需求, 设计开发了安徽省气象档案业务系统并投入业务使用. 该文描述了智慧档案馆建设背景下系统基本设计思路、功能结构、基础平台体系结构和信息流程. 系统由数据收集、档案整理、档案保管、档案利用和档案鉴定5个业务子系统组成, 采取的主要关键技术包括气象档案标准化体系、气象档案元数据、知识图谱和物联网技术. 系统的设计和实现亦在为行业档案业务系统的开发和建设提供一种借鉴.

摘要:油井结蜡是一种在开发以及开采油田时对油井正常产出造成了负面影响的现象, 该现象会引起油流通道堵塞, 导致油井开采过程中出油量降低. 对油井结蜡状况做出智能预警, 完成油井设备提前修复, 对油田提高产能效率、降低维护成本及智能化管理有非常关键的价值. 为了解决油井正常数据和结蜡数据严重不平衡问题, 本文引入了自适应合成抽样法(ADASYN)和最近邻规则欠抽样法(ENN)两种非均衡样本处理方法, 分别对类别为结蜡的样本和非结蜡的样本进行处理, 最终使用随机森林算法对新构成的数据集训练, 构造出AERF智能模型来预测油井结蜡. 实验结果表明, 提出的AERF模型在油井的结蜡数据集中预测效果更佳, 明显地提高了预测精度.

摘要:对于具有长、短期的时间关联性、非线性和非平稳性等特点的时序数据, 传统时序预测模型对此类数据的预测效果不佳. 为进一步提高时序预测模型的准确率和效率, 考虑时域卷积提取时间特征的有效性, 以及残差结构加快模型收敛的优越性, 同时考虑注意力机制对参数的强化作用, 提出了一种融合时域卷积、残差结构和注意力机制的时序预测模型(Attention Temporal Convolutional Neural Network, A-TCNN). 首先, 通过多层残差时域卷积层提取时序数据的长、短期特征; 其次, 通过注意力机制加强对输出影响较大的参数的权重; 最后, 通过一个全连接层得到输出结果. 在实际医院流水的数据集上, 与常规网络对比, 比较多种多步预测策略. 实验结果表明, 该模型与常规模型相比具有更好的预测精度和效率.

摘要:Kubernetes在优选阶段仅根据节点CPU和内存的利用率来决定节点的分值, 这只能保证单节点的资源利用率, 无法保证集群资源的负载均衡. 针对该问题, 提出一种基于遗传算法的Kubernetes资源调度算法, 该算法加入了网络带宽和磁盘IO两项评价指标, 同时为评价指标赋予不同权重值, 并且引入校验字典校验并修复遗传算法生成的新种群中不符合配置的个体. 实验结果表明, 与Kubernetes默认资源调度策略相比, 该算法考虑了集群中的所有节点的资源利用率, 在保证集群负载均衡方面有着更好的效果.

摘要:小样本数据存在信息不充足、不完备等问题, 缺乏对总体的代表性, 导致数据驱动的相关算法精度下降. 本文针对小样本问题, 提出基于元学习的生成式对抗网络算法进行小样本数据的数据生成. 该算法目标是在各种数据生成任务上训练, 确定模型最优初始化参数, 从而仅使用较少的训练样本解决新的数据生成任务. 本文利用水冷磁悬浮机组数据进行数据生成, 实验表明, 本算法能够在样本不足的条件下确定最优初始化参数, 降低了对数据集大小的要求. 本文同时进行了真实数据与生成数据混合的故障分类实验, 验证了生成数据具有较好的真实性, 对故障诊断分析具有较大的帮助.

摘要:为解决电厂生产区域中管路振动超出正常范围未能及时预警而导致管路破损或连接法兰、阀门处出现工质泄漏的问题, 提出了一种基于计算机视觉的管路振动感知算法, 首先采用卷积神经网络估计待测管路的光流信息, 然后通过分析光流信息检测出管路是否振动, 接着通过振动测量模块对监测画面中检测出振动的管路目标的振动频率和振幅进行测量, 从而实现对管路振动的感知. 在电厂原有摄像头拍摄的振动管路数据上进行了实验, 测试结果表明本文方法的速度约为4 f/s, 振动频率的测量误差小于0.08. 为计算机视觉技术在不改变电厂原有硬件装置的情况下实现实时管路振动检测和测量任务提供了新的思路.

摘要:推荐系统中的辅助信息可以为推荐提供有用的帮助, 而传统的协同过滤算法在计算用户相似度时对辅助信息的利用率低, 数据稀疏性大, 导致推荐的精度偏低. 针对这一问题, 本文提出了一种融合用户偏好和多交互网络的协同过滤算法(NIAP-CF). 该算法首先根据评分矩阵和项目属性特征矩阵挖掘出用户的项目属性偏好信息, 然后使用SBM方法计算用户间的项目属性偏好相似度, 并用其改进用户相似度计算公式. 在进行评分预测时, 构建融合用户-项目属性偏好信息的多交互神经网络预测模型, 使用动态权衡参数综合由用户相似度计算出的预测评分和模型的预测评分来进行项目推荐. 本文使用MovieLens数据集进行实验验证, 实验结果表明改进算法能够提高推荐的精度, 降低评分预测的MAE和RMSE值.

摘要:精准的负荷预测是电力工作者重要的工作之一, 而负荷预测以预测周期的不同, 一般可以划分为短期电力负荷预测与中长期电力负荷预测. 其中中长期电力负荷预测相较短期电力负荷预测而言, 该领域缺乏大量前沿工作者的探索. 因此本文提出一种可应用于中期电力负荷预测领域且基于XGBoost-DNN的算法. 该算法将树模型和深度神经网络相结合, 并将短期电力负荷预测引入到了中期电力负荷预测的工作中, 基于树模型自身特点, 将数据特征加工成高阶的交叉特征, 同时结合原有数据利用深度神经网络可学习到丰富的特征信息. 这里是以2017全球能源预测竞赛的数据进行算法分析, 其中实验表明, 在中期电力负荷预测领域, 该方法提出的XGBoost-DNN模型相较于DNN, LSTM而言, 其具备更加精准的准确性.

摘要:协同过滤算法是推荐系统中使用广泛的一种算法, 然而传统协同过滤算法仅利用评分信息, 实际场景下会面临相似度计算准确率低, 推荐个性化程度不高的缺陷, 难以满足用户的需求. 针对协同过滤算法的不足, 结合用户主观偏好与项目属性扩充提出一种改进算法, 首先在项目相似度计算上做了两个改进: 引入标签相关度, 依据项目标签相关度来研究项目之间的相似度, 并根据项目历史评分用户的特征构造项目的扩充属性, 可用于从项目受众类型的角度衡量项目相似度; 其次考虑到用户存在主观偏好的情况, 使用支持向量机为每个用户训练标签偏好预测模型, 可用于项目预测评分的修正, 提高推荐的个性化程度和准确度. 基于MovieLens数据集的实验结果表明, 所提算法能更准确地计算项目间的相似度, 且能根据用户的个性化偏好得出更精确的预测评分.

摘要:构造电力系统知识图谱最重要的就是电力知识的抽取, 针对目前传统基于监督学习、单一神经网络模型存在的问题和缺点, 如CNN擅长提取局部最重要特征而不适合处理序列输入; RNN在处理序列化任务占优势却对于重要特征的提取很乏力, 因此本文改进了一种基于GRU和PCNN的模型, 该模型可以有效解决传统模型的不足, 通过结合GRU模型和PCNN模型的优点, 实验结果表明该方法相比传统方法效果极佳, 可以有效实现对电力系统知识抽取.

摘要:构建卷积神经网络要耗费大量的人力资源, 且训练过程中需要消耗大量的算力资源. 利用空洞卷积代替卷积神经网络中的池化操作, 能有效增加感受野, 降低运算复杂度, 但是空洞卷积会带来空间层次和信息连续性的丢失. 本文提出了一种并行不对称空洞卷积模块, 该模块能够补全空洞卷积所丢失的信息, 可以嵌入到现有的卷积神经网络中, 代替3×3卷积进行网络训练, 从而加速网络的收敛, 提高网络的性能. 实验结果表明, 利用本文所提出的并行不对称空洞卷积模块, 可以显著提高不同网络在CIFAR-10等数据集上的分类效果.

摘要:针对基于相位变换加权的可控响应功率(Steered Response Power-PHAse Transform, SRP-PHAT)定位算法精度高但实时性差的问题, 本文引入基于到达时间差(Time Difference Of Arrival, TDOA)的定位算法以提高实时性, 提出一种基于TDOA和搜索空间聚类(Search Space Clustering, SSC)优化的SRP-PHAT的组合算法?搜索空间收缩聚类算法. 该算法先利用TDOA定位算法经过离群值校正后得到声源在方向角和径向距离上的估计范围, 之后根据估计声源范围进行搜索区域收缩, 最后利用SRP-PHAT-SSC算法在收缩区域内进行细粒度(5 cm)的空间搜索计算, 得到估计声源的三维坐标. 本文采用五元麦克风阵列, 利用虚源法模拟室内声场, 通过Matlab对声源进行了三维定位仿真. 实验结果表明, 改进后的算法与基于SRP-PHAT的全网格搜索(Full Grid Search, FGS)算法和SSC算法相比, 在三维定位上的实时性和鲁棒性都得到了提高.

摘要:针对现有眼底视网膜血管分割算法普遍存在的微小血管细节丢失和病灶信息误判等问题, 提出一种基于改进HRNet的血管分割算法. 在预处理阶段, 利用限制对比度自适应直方图均衡化和自适应的Gamma矫正提高血管与背景对比度; 在编码阶段, 将HRNet原始卷积替换为可变形卷积, 提升卷积对复杂血管形态结构的适应能力; 在多尺度特征融合阶段, 引入空间金字塔池化和多尺度卷积, 扩大感受野同时增强对目标局部特征关注度, 改善血管伪影和细微信息丢失的问题. 该算法在DRIVE数据库上仿真实验, 其准确率、灵敏度和特异性分别为95.79%、80.33%和98.12%.

摘要:石油运输管道是采用钢板焊接而成的, 在它的内壁表面可能会存在划痕、内断、凹坑等问题, 如果不能及时发现其内表面的异常则会生产出大量的不合格品, 给企业带来损失. 本文设计了一种基于图像显著性的钢管内表面异常检测方法. 该方法先获取图像利用离散余弦变化后的信息, 然后再将其与图像的相位谱进行融合得到最终的显著图, 最后通过连通区域检测将检测结果映射到原图上. 实验结果表明, 相对其他检测方法, 该方法的检测效果更优, 准确率更高, 具有较好的稳定性和实用性.

摘要:在大数据的时代背景下, 我国电力事业信息化的发展日趋重要, 尤其是需要使用计算机技术对用电数据进行分析. 对于用户用电异常的分析问题, 传统方法既耗时又耗力, 这就需要引入机器学习的相关方法自动的识别异常信息. 现阶段, 用电异常分析主要基于传统的异常检测算法或深度神经网络, 传统异常检测算法运行精度不足而深度神经网络计算速度又过慢. 针对目前存在的不足, 本分采用了基于采样技术和LightGBM的用户用电异常检测模型, 把用电异常检测问题看作分类问题, 并使用当前流行的分类模型LightGBM进行训练, 在保证速度快的前提下提高了检测的准确率.

摘要:经典的TF-IDF算法仅考虑了特征词频率和逆文档频率等, 忽略了特征词的类间、类内分布信息. 本文通过TF-IDF算法计算特征词在不同规模语料库中的权重, 分析特征词的类信息对权重的影响, 并进一步针对该影响提出一种新的衡量特征词的类间、类内分布信息的方法. 本文通过增加两个新的权值, 类间离散因子和类内离散因子, 将其与经典的TF-IDF算法结合, 提出了基于类信息的改进的TF-IDF-CI算法. 本文通过朴素贝叶斯模型对改进后的算法的分类性能进行了验证. 实验证明, 改进后的权重算法在测试数据集上的表现, 在准确率、召回率和F1值上均优于经典的TF-IDF算法.

摘要:针对经典K-means聚类算法存在易陷入局部最优解的缺点, 提出并实现了一种基于Hadoop的改进型遗传聚类算法. 该算法利用遗传算法具有全局性和并行性的特点去处理K-means聚类算法易陷入局部最优的缺点, 在此基础上对遗传算法进行改进, 然后将改进后的遗传算法与K-means算法相结合, 为提高算法执行效率, 将其基于Hadoop平台进行了实现. 通过实验将该改进方法与经典聚类算法进行对比分析, 实验结果表明该方法在聚类准确性和聚类效率上均有较大的提高.

摘要:传统网络表示学习算法大多依赖于节点视角下的随机游走获取网络局部采样序列, 再通过最大化相邻节点的共现概率将网络中的节点表示成低维向量. 本文在真实网络上的经验分析表明, 对节点和边两种视角分别进行随机游走会产生具有不同节点分布的采样序列, 进而得到不同的社区划分. 为此, 本文提出了一种基于双视角的耦合表示学习算法DPBCNE. 该方法基于边视角进行随机游走以获得不同于节点视角的采样结果, 再融合基于节点视角下的节点采样序列进行耦合训练, 以学习节点和边的表示. 实验结果表明, 相较于现有的网络表示学习算法, DPBCNE能更好地保留网络拓扑结构信息, 并在下游分类和预测任务中获得更好的效果.

摘要:针对无线传感网络中数据聚合能耗和重建误差问题, 提出了一种拓扑感知的数据聚合方法(TADA). 首先, 构建了一个包含网络初始化、数据分帧和数据预处理的数据流, 形成无线传感网络的通信过程; 然后, 构造测量矩阵将数据分解为多个路径转发, 从而进行全网络矢量分配, 并提出了基于平衡最小生成树是数据聚合算法. 通过实验表明: 所提方法在数据聚合能耗和数据重建错误率要求上低于其它压缩感知的方法.

摘要:盲文是视障人士获取信息, 学习知识的重要媒介. 然而, 目前基于纸质书籍的盲文学习方法只能提供盲文点位的触觉刺激, 存在不便携、不易用且内容陈旧等问题. 为此, 本文提出了一种视觉、听觉和触觉同步刺激的数字化盲文学习方法, 能够提高视障人士的盲文学习效率. 基于多感知盲文学习机, 本文设计了一种多感知信息匹配算法, 能够输出文字、声音和盲文点位相同内容的信息, 为视障人士无障碍学习盲文提供条件. 短期记忆的盲文学习效果实验表明: (1)在视觉、听觉和触觉的共同刺激下, 盲文学习效率最高, 即在盲文学习过程中, 增加视觉刺激对于视力残余人士提升盲文学习效率有显著正向促进作用; (2)在听觉和触觉的共同刺激下, 盲文学习效率并不高, 即全盲人士学会盲文有一定难度, 需要有较长的学习曲线; (3)仅在听觉刺激下, 盲文学习效率很低, 即开发语音学盲文的APP不具备实践意义.

摘要:针对目前我国西北地区淤地坝实时监测问题, 研究了淤地坝监测与预警任务的调度方法. 为避免淤地坝坝体隐患发现不及时, 提高预警系统的时效性, 本文考虑了任务卸载至边缘服务器的平均等待时间, 提出了一种淤地坝监测场景下边缘计算协作式任务调度方法. 根据任务计算量、边缘服务器计算能力等信息建立计算任务完成时间模型, 然后采用模拟退火算法优化计算任务卸载位置, 设计了一种多个边缘计算服务器相互协作的任务调度策略. 实验结果表明, 该方法有效降低了监测任务的计算时间, 提高了监测预警的时效性.

摘要:多能源系统通过电、热、气等不同形式能源在生产、传输、消费等多个环节进行协同优化为解决能源与环境问题提供了新方案. 能量枢纽(EH)作为多能源系统的耦合环节, 其配置方案对多能源系统的优化运行至关重要. 在此背景下, 本文提出了一种考虑CO₂排放量的含电力、热能、天然气等不同形式能源的能量枢纽优化运行配置方案. 在考虑CO₂排放量的基础上, 提出一个多目标优化问题, 并采用遗传算法(GA)求解整体优化问题, 从而实现社会效益最大化, CO₂排放量最小化的目标. 最后通过不同配置算例的分析比较验证所提方法的有效性, 为能量枢纽的建设和运行提供理论和技术支撑.

摘要:本文根据国家电网IT设备识别的具体应用场景的特点, 通过改进Faster-RCNN实现设备的精确识别定位, 进而提高了电网数据中心管理的效率. 文章主要在注意力机制、初始锚框调整以及锚框融合等方面进行改进. 通过与常见图像算法的横向比较发现改进后的模型在收敛速度上提高了30%, 精度上提高了1%.

摘要:针对红外与可见光图像融合过程中出现的细节损失严重等问题, 提出一种基于潜在低秩表示与导向滤波的红外与可见光图像融合方法. 首先, 采用潜在低秩表示方法将源图像分解为低秩图层和显著图层, 为了更多地提取低秩图层中细节信息, 采用导向滤波将低秩图层分解基础图层和细节图层; 并针对基础图层、细节图层和显著图层的特性, 分别采用视觉显著度加权法、梯度显著度加权法、绝对值最大选择法作为融合规则. 特别地, 为了解决初始权重具有噪声且不与物体边界对齐问题, 采用导向滤波优化初始权重. 最后, 将基础融合图层、细节融合图层和显著融合图层经叠加运算得到融合图像. 通过对比多组融合图像主、客观评价结果表明, 该方法能有效挖掘源图像的细节信息, 在视觉质量和客观评价方法优于其他图像融合方法.

摘要:通过嵌入式设备在边缘端进行行人检测能满足实时、安全与隐私保护等方面的基本需求. 由于原CenterNet检测网络模型backbone通常以DLA、Hourglass等复杂度较高的多层特征融合结构, 嵌入式设备的计算能力有限难以满足实时的要求, 因此基于BiFPN网络结构和加权特征融合方法, 通过对backbone中的不同特征层进行加权融合, 改进了原来的backbone方法, 在保证检测精度的同时提升了检测速度. 同时针对行人这一特定的检测类别, 通过修改训练期间HeatMap上高斯核分布, 增加对行人检测的适应性, 进一步减少了因行人之间相互遮挡而漏检造成的精度降低. 在Jetson TX2上的实验结果表明, 改进后的行人检测AP为0.774, 同时单张图像的推理时间为68 ms, 能够满足在嵌入式设备上的实时要求.

摘要:本文在传统的复杂网络建模基础上提出了一种基于向量复杂网络的建模方法, 该方法能够针对节点的异质性对复杂的系统进行整体化建模. 基于业务特性, 通过分层建模的思想对不同业务导向的网络进行建模, 采用基于业务驱动的复杂系统建模算法, 将不同网络模型进行组网. 进而研究具有多种类型的复杂系统的建模. 最后, 以智能电网为例验证了该方法的有效性.

摘要:随着云计算技术的飞速发展, 越来越多的数据相关服务需要通过云平台来实现. 国家科学微生物数据中心目前已建立了以云计算为基础的生物信息分析的数据平台, 为了解决平台用户进行文件上传时可能面临的效率、安全、稳定等一系列问题, 本文在分片上传、断点续传等技术的基础上, 提出一种根据带宽时延积选择并发线程数的传输方案, 解决了受意外中断时文件需要全部重新上传的问题, 提升了多线程上传时的带宽资源利用效率, 提高了大文件的传输效率.

摘要:组织病理图像分析是癌症诊断的“金标准”, 在患者的预后治疗中起到至关重要的作用. 目前在AI医学影像领域, 利用CNN (Convolutional Neural Network)网络对数字病理图像的分类已经成为研究热点. 但是传统CNN网络中广泛使用最大/平均池化(Max/Average pooling)模块, 不可避免的丢失了大量病理图像中的特征信息, 造成分类准确率低且模型不易收敛. 因此, 本文提出一种基于小波分解卷积神经网络的病理图像分类方法(Wavelet Decomposition Convolutional Neural Networks, WDCNN), 该方法能够使传统CNN模型学习到频域信息, 它将小波变换的多尺度分析引入到CNN模型中, 利用小波分解代替传统的池化层, 相比于最大值和平均值池化减少了特征的丢失. 鉴于空域与频域具有不同的特性, 将小波分解后的高频分量通过捷径连接的方式添加到下一层, 弥补了在池化过程中丢失的细节特征信息. 本文在Camelyon16数据集上评估了不同的池化方法和不同小波基函数在病理图像分类方面的性能. 根据实验结果表明, 引入小波分解的CNN模型能够提升网络的分类准确率.

摘要:卷积网络深度对大规模图像识别的准确性有不可忽视的影响. 使用具有非常小(3×3)卷积滤波器的架构, 我们对深度不断增长的网络进行了全面评估. 通过将深度推到16–19重量层可以实现对现有技术配置的显着改进. 通过比对其他卷积滤波器架构的卷积网络, 我们验证了我们提出的网络对大规模图像识别的改进效果. 同时为了避免训练数据集内在的偏倚, 我们还使用了其他数据集对网络进行了验证, 在这些数据集中, 它们可以获得最先进的结果.