Three-way decision model is an effective way to deal with complex decision problems by cate-gorizing objects into three distinct decision regions.However,the existing three-way decision models of-ten rely on a single decision criterion,limiting their effectiveness in handling complicated decision prob-lems.To enhance the robustness and accuracy of the decision-making process,a novel three-way decision model based on ensemble learning was proposed.Firstly,different decision criteria were adopted in the decision-making process to obtain different three-way decision results.Then,inspired by the idea of pes-simistic multi-granular rough sets,the consensus sets of the three decision regions were acquired by using basic operations between sets,respectively.Next,the k-means algorithm was utilized to divide the ob-jects in the inconsistent set into three disjoint subsets according to their similarities.These subsets were then added to their respective consensus sets to obtain the final three-way decision results.The efficacy of this newly proposed model were substantiated through extensive experiments on different datasets.Based on experimental results across various datasets,the newly proposed model achieved higher classification accuracy and comprehensive evaluation index.Additionally,the new three-way decision model occupied a smaller boundary region compared with other traditional three-way decision models.
在经典网络表示学习框架上进行改进,提出了基于文本注意力机制优化的网络表示学习模型.首先学习上下文节点的平均嵌入,然后利用上下文节点的平均嵌入引入注意力机制,目标节点的嵌入由注意力和文本嵌入共同决定.在文本特征上添加注意力机制,旨在为文本特征中的词语学习不同的权重值,使得对模型有利的词语得到最大贡献,有效避免低频词、噪声词对模型的影响.在 Citeseer(M10)、DBLP(V4)和 SDBLP 三个数据集上进行实验,结果表明,该模型的网络节点分类性能优于 DeepWalk 算法和同类别表示学习算法.在网络可视化分析中,所提算法有明显的聚类现象和聚类边界,获得了期望的结果.
针对不完备混合型信息系统的分类问题,融合粒计算和集成学习思想,引入邻域容差关系,提出基于邻域容差熵选择集成分类算法.首先根据样本中的缺失属性将不完备混合型数据集划分为不同的信息粒,并再次遍历数据集进行最大化信息粒,构成新的粒空间,用以 BP 神经网络为基分类器的集成算法在粒空间上训练最大化信息粒,构建新的基分类器;然后以每个信息粒的缺失属性作为条件计算出关于类别属性的邻域容差条件熵,各个信息粒的重要度通过邻域容差条件熵进行量化后,通过信息粒的大小、新训练出的基分类器预测准确率以及邻域容差条件熵重新定义各个基分类器的权重;最后根据预测样本对基分类器加权集成,预测分类结果,并与传统的集成分类算法进行对比分析.对于不完备混合型数据集,新提出的集成分类算法能有效提升分类准确率.
针对传统的网络拓扑构建方法难以很好描述推荐平台中网络用户的情况,提出了一种基于用户"围观"行为的网络构建方法,对构建的网络进行分析.由于传统的标签传播算法易发生标签入侵和算法结果不稳定,改进标签传播算法的标签更新规则,提出一种适用于挖掘推荐网络社区的标签传播算法.利用短视频推荐平台数据集,对所提算法进行了实验论证.结果表明,所提算法挖掘的社区内部兴趣相似度显著高于整个网络中的兴趣相似度,有较高的兴趣内聚性.
阻塞性睡眠呼吸暂停(obstructive sleep apnea,OSA)预测对于睡眠健康预警至关重要.然而传统方法往往忽略各生理信号的空间和时间依赖性.提出一种基于循环图卷积网络(recurrent graph convolutional network,RGCN)的深度学习框架来挖掘呼吸生理信号间的时空特征.此方法利用图结构对呼吸生理信号数据的关联性进行建模.第一阶段构造了时空循环卷积块,利用图卷积和循环卷积对信号的空间特征和时间特征进行提取,对睡眠呼吸信号进行预测.第二阶段基于卷积操作对预测后的呼吸信号进行 OSA事件分类.实验结果表明,RGCN 模型捕获了呼吸信号的时空相关性,呼吸信号预测最低 MAE和 RMSE分别达到 1.0613 和 2.9941,利用预测的呼吸信号进行OSA事件预测的 F1 达到了 89.7%,与其他方法相比效果有明显提升.
传统物体识别方法是从单一图像中通过人工提取图像特征,存在成本高、质量低等问题.针对上述问题,提出一种基于多视图和注意力推荐网络的三维物体识别方法,多视图很好地保留了物体在局部和全局上的特征;注意力模块可以有效地对视图上关键的特征聚焦,忽略无关或干扰特征.该方法利用一组多视图作为输入数据,通过卷积神经网络端到端提取物体特征,在卷积层加入注意力模块,实现视图关键区域的定位和剪裁,将处理后的视图送入另外一个卷积层,两个相同卷积操作提取的特征在池化层聚合,利用稀疏表示分类器对特征描述子进行分类识别.通过两个公开数据集的实验表明,所提算法对物体图像的识别准确度优于传统算法.
在对变量数远大于样本数的红外/近红外光谱数据进行分析时,经常需要对变量进行筛选或降维,为此提出了基于变量重要度指数的离散粒子群优化算法,并应用于五种食用油的偏最小二乘判别分析.变量的重要度指数为偏最小二乘回归系数和光谱纯度的乘积.在粒子群优化算法的初始化阶段引入变量重要度指数,利用轮盘赌算法增大选中重要度大的变量的概率,并且不减少种群的随机性.77个食用油样本的分类实验结果表明,与全变量偏最小二乘和经典粒子群优化算法相比,基于变量重要度指数的离散粒子群优化算法收敛速度较快,并在一定程度上避免了陷入局部最优,利用FT-IR光谱技术并结合化学计量学建立模型是一种有效的食用油分类分析方法.
在进行文本挖掘时,通常根据关键词分析文本,这种方式容易忽略词语之间的关联性,影响文本挖掘的准确性.TextRank算法是提取关键词或者摘要的主要方法,该算法基于网络图考虑了句子间相似性,但是忽略了词语的特征.基于此,提出了一种改进TextRank算法,将相似语句合并后,考虑多种词特征进行关键句选取.首先,计算语句相似度,并且去除文中相似性较高的语句;然后,根据词频、词义、词位置对词语打分,构建有向图;最后,计算语句平均得分进行排序,选出关键句.实验结果表明,改进后的算法准确性优于其他算法,算法的时间复杂度降低,并且解决了关键词对文本描述片面和摘要烦琐的问题.
及时准确地检测机场跑道地下病害对保障飞行安全至关重要,由于机场道面结构层复杂,其电磁波传播环境复杂、噪声强度大,致使地下病害的探地雷达数据特征被严重干扰.为此,提出了一种基于尺度融合的机场跑道地下病害检测算法SF-SSD.首先,在VGG16主干网络上设计具有更宽感受野的RFB模块,抑制了病害周围的噪声干扰,提取更多原始雷达数据特征;然后,使用尺度融合的方式融合网络浅层特征,获取不同类型病害间的细微差异,形成高辨识度的病害细节纹理特征;最后,根据6种不同分辨率的特征图生成6种尺度先验框进行类别预测和位置回归,通过非极大值抑制的方式筛除冗余的先验框.在真实机场跑道地下病害数据集上进行了测试,并与目前5种经典目标检测算法进行对比.实验结果表明,SF-SSD算法可以较好地从辨识度低、噪声强度大的雷达数据中完成病害自动检测,并取得了最高的平均准确率,达到了82.18％.
使用模糊测试对HDF5文件格式的相关程序与工具集进行漏洞检测,并对模糊测试在HDF5输入上的性能优化方案进行研究.通过轻量级文件结构分析,精简模糊测试的确定性变异阶段,从而将模糊测试的注意力集中在更有价值的区域,减少无意义的变异与执行尝试次数;提出一系列HDF5文件格式敏感的变异策略,在模糊测试的随机变异阶段,使变异生成的输入更可能被程序的解析逻辑所接受,从而探索更深层代码.相比传统模糊测试框架,实现的原型框架HDFL可以保证极小的覆盖率与崩溃数量损耗,提高模糊测试的效率.
随着工业互联网的发展,世界各国正在围绕工业制造进行数字化革命,加速构建以智能化生产、个性化定制和协同生产为特征的工业新生态。工业场景中存在许多工业机理,对工业机理的表述及推理是工业互联网的研究难点。对工业机理的有效表达在构建工业机理库过程中发挥着非常重要的作用。工业机理中包含着能力和条件等多维度、细粒度的信息,而传统的本体建模方法仅描述了工业场景中的基本信息,缺少对能力的表达,难以描述复杂的工业场景。提出了能够表达工业机理的三层本体建模框架,定义了适用于工业机理建模的元模型,并在其基础上定义了三层工业机理模型。三层模型包含了针对不同工业场景适用的组成视图、能力视图和模式视图,以及相应的操作集,在此基础上完成模型在多样化工业场景中的适配与应用。最后以家电领域为案例,详细介绍了三层模型对工业机理的表述以及在个性化定制中的应用。
The extraction of event elements from political news texts can lay the foundation for the construction of knowledge graph of political news events, but the construction of event annotation corpus as the basis of event extraction research is not perfect. In this paper, we discuss the construction of an Event Annotation Corpus for Political News texts (EACPN). The initial corpus used in this paper comes from the 2019 political news text. Based on the investigation of the existing news event annotation corpus, and combined with the characteristics of the political news text, an annotation schema has been established. The schema covers five categories of event elements and sub-categories: visit, conference, investigation, telegram and letter, and foreign affairs activity. Accordingly, we formulated a complete specification for the annotation of political news texts, and then used the distributed annotation platform to carry out multiple rounds of data annotation. EACPN contains more than 20,000 pieces of political news with 128,000 event elements in about 290,000 sentences, and high consistency is achieved in the results.
一致性协议中的持久化模型是实现跨客户端单调读的一个主要前提条件,传统的同步持久化和异步持久化无法同时兼顾高性能和一致性,CAD一致性协议通过修改异步持久化给出了一个高效的解决方案,但是CAD在应对热读时需要频繁地等待数据持久化,从而导致读取效率低甚至系统阻塞.提出的F-CAD(fast-CAD)通过结合纠删码的方式将CAD中的全条目复制改为片段复制,针对F-CAD结合纠删码后单个节点负载过高的问题给出一个负载均衡方案,在保证和CAD相同Liveness的前提下,通过减少单个节点单次写入的数据量来加快持久化速度,可以减少90％单个节点数据的写入量,减少80％全部节点的数据写入量,降低约38％的写入延迟,提高约120％的写吞吐量.
为了解决三维人脸表情克隆时的准确性与实时性问题,提出了一种基于UV位置图的视频三维人脸表情克隆方法.首先逐帧读取视频进行人脸检测,然后裁剪出人脸区域,输入到位置图回归网络中得到UV位置图,最后根据UV位置图获得人脸关键点三维信息,驱动三维人脸模型产生变形,完成人脸表情克隆.为了提高克隆效果,构建了基于Ghost瓶颈的轻量级网络,并根据人脸肌肉运动规律与表情变化特征设计了一种新的人脸分区方式及权重,结合Wing Loss损失函数,对卷积神经网络模型进行训练.使用所提算法与其他算法在AFLW2000-3D、COFW-68数据集上进行对比实验,结果表明,所提算法提高了人脸关键点检测的准确率,能够有效解决视频三维人脸表情克隆的准确性与实时性问题.
针对已有方法对机场道面地下管线定位误差较大的问题,提出一种机场道面地下管线三维定位算法。首先,对探地雷达所成管线的B-scan图像进行预处理,将处理后的图像输入Faster-RCNN网络中,对B-scan图像中的管线进行目标识别;其次,由于管线目标符合双曲线形态特征,采用双曲线顶点获取算法确定顶点位置;最后,设计三维空间直线拟合（three-dimensional space line fitting,TDSLF）算法来判断地下管线的具体位置,进行地下管线的三维重构。所提算法实现了地下管线的自动识别与定位,与真实机场道面地下管线实际位置的最大误差仅为4 cm。
稀疏子空间在基于单稀疏表示系数构建相似矩阵的过程中,并没有充分利用高光谱图像丰富的光谱和空间信息.提出了一种基于弗雷歇距离的加权稀疏子空间聚类算法(FSSC).该方法充分考虑了高光谱图像丰富的光谱信息以及光谱连续性,利用弗雷歇距离度量像素点光谱曲线间的相似度,并基于稀疏表示矩阵和相似度矩阵建立光谱加权稀疏子空间聚类模型,从而求解更真实的亲和力矩阵,以获得更高的地物分割精度.在两个经典的高光谱图像数据集上的实验结果表明了FSSC算法的有效性.
以板状刚玉骨料和细粉为原料,以酚醛树脂为结合剂制备了 Al-Si复合 Al2O3-C 不烧滑板材料,测定了干燥后试样以及在 1100～1 300℃下热震不同次数后试样的体积密度、显气孔率和常温抗折强度,研究了热震对试样的物相组成、显微结构和性能的影响.结果表明,随着温度的升高和热震次数的增加,Al、Si 反应生成非氧化物Al4C3、AlN和 SiC的程度增加.由于热震产生的微裂纹为微量空气进入试样内部提供了通道,致使试样内部微区域气相压力增加,从而使非氧化物生成量增大,且非氧化物晶须发育良好,对材料具有填充和增强作用,使试样的致密度和强度略有增加.
利用基本物理原理探究配置出了电源电压和轨道电流分别大约只是电磁轨道炮的千分之一和百分之一的小型电磁轨道发射器系统,避免了轨道烧蚀缺陷,降低了对轨道和电枢材料的要求.与现有的电磁轨道发射系统设计相比,本原理从轻型武器的出膛速度出发,发现存在有最小电源电压,并用 MATLAB数学软件推导出了这一加速电源电压最小值与外加磁感应强度直接解析表达式,进而导出了加速时间与出膛速度和轨道长度的关系式,为小型化提供了理论基础.同时,该系统既利用现有电磁技术就可实现的优势,又能获得较高的动力学效率.
针对二维浅水波方程数值求解问题,对该类方程通量函数的旋转不变性进行了理论推导,构造了基于移动网格的混合旋转通量法.基于变分原理的自适应移动网格法能够将网格根据解的特点自适应分布,且网格移动与微分方程数值求解相互独立.混合旋转通量法能够保留熵稳定格式和 HLL格式的优点,且克服了因网格扭曲变形造成的计算中断问题.数值结果表明所构造算法所得数值结果分辨率高,算法鲁棒性强.
传统的轴承故障诊断方法大多直接从原始振动信号中降维,仅利用时域特征诊断故障,存在故障特征单一的问题.针对上述问题,提出基于权重自适应特征融合的轴承故障诊断方法.首先对原始故障信号进行时频分析,得到故障的频域和时频域信息,然后建立双通道特征提取网络模型,分别对频域特征和时频域特征进行提取,最后提出特征自适应加权算法对不同维度特征动态加权,实现特征加权融合诊断.采用凯斯西储大学和帕德博恩大学轴承故障数据集进行实验,在测试集上最佳准确率为 99.75％和 98.57％,且能保持较好的收敛速度,有效提高了轴承的故障诊断效率.
