计算机
为了提高机场资源利用率以及航班的正点率,合理调度机场加油车为航班进行燃油加注服务势在必行。考虑到航班实际时刻的不可预知性,需建立动态规划时间窗,为窗口依据航班预计时刻捕捉到的航班构建机场车辆调度模型,利用自适应分支定价算法求解模型,从而配置车辆与人员,规划车辆的行驶路线,衔接任务,实现车辆行驶时间最短,加油员工作量均衡的目的。在华北某机场真实数据上进行仿真实验,结果表明,自适应分支定价算法优化下的车辆行驶时间与加油员工作量的标准差分较节约算法分别减小1.38%和7.47%,验证了算法的优势,且算法在机场其他地面服务规划问题中同样适用。
在交通流数据挖掘领域中,交通流预测占据着相当重要的地位。特别的,由于交通流数据具有数据量大、维度高、非线性等特征,对预测数据训练集的选取更加关键。文中以包含多影响因子的交通流数据为研究对象,综合考虑了交通流量、天气以及日期属性等交通数据特征。数据的特征较多,维度较高。基于此,在对数据进行合适的数据清洗后,提出并实现了一种梯度提升决策树的自适应选择方法,对应用于动态交通流预测模型的数据集进行特征选择。以分类和回归决策树作为基学习器,采用梯度提升决策树算法进行回归拟合。通过迭代过程中每棵决策树产生的基尼指数和分裂特征属性的次数来计算特征重要度,并采用二次下降法对特征进行自适应选择,实现对交通流数据重要特征的自动选取。最后,通过实验数据论证了提出的算法和模型。
本文基于高职院校学生综合素质测评为背景,基于聚类方法设计了测评系统,该系统中主要采用了两个关键算法,即模糊k均值聚类验证方法和决策树模型。模糊k均值聚类验证方案改进了自动标记聚类对象的调用和精确度量。决策树模型评估标记的集群对象,并决定属性对其集群有效性指标的占用。群集验证方案和决策树的实验结果证实了质量有效性指标的可靠性,其性能优于其他传统的k族群。
临床电子病历命名实体识别(ClinicalNamedEntityRecognition,CNER)的主要任务是对给定的一组电子病历文档进行识别并抽取出与医学临床相关的命名实体,然后将它们归类到预先定义好的类别中,如疾病、症状、检查等实体。命名实体识别任务通常被看作一个序列标注问题。目前,深度学习方法已经被广泛应用于该任务并取得了非常好的效果。但其中大部分方法未能有效利用大量的未标注数据;并且目前使用的特征相对简单,未能深入捕捉病历文本自身的特征。针对这两个问题,文中提出一种融入语言模型和注意力机制的深度学习方法。该方法首先从未标注的临床医疗数据中训练字符向量和语言模型,然后利用标注数据来训练标注模型。具体地,将句子的向量表示送入一个双向门控循环网络(BidirectionalGatedRecurrentUnits,BiGRU)和预训练好的语言模型,并将两
目前基于注意力机制的序列到序列声学模型成为语音识别领域的研究热点。针对该模型训练耗时长和鲁棒性差等问题,提出一种结合瓶颈特征的注意力声学模型。该模型由基于深度置信网络(DeepBeliefNetwork,DBN)的瓶颈特征提取网络和基于注意力的序列到序列模型两部分组成:DBN能够引入传统声学模型的先验信息来加快模型的收敛速度,同时增强瓶颈特征的鲁棒性和区分性;注意力模型利用语音特征序列的时序信息计算音素序列的后验概率。在基线系统的基础上,通过减少注意力模型中循环神经网络的层数来减少训练的时间,通过改变瓶颈特征提取网络的输入层单元数和瓶颈层单元数来优化识别准确率。在TIMIT数据库上的实验表明,该模型在测试集上的音素错误率降低至了17.80%,训练的平均迭代周期缩短了52%,训练迭代次数由139减少至89。
采用无网格自然邻接点Petrov-Galerkin法求解Helmholtz方程。通过自然邻接点插值构造试函数,并采用有限元法的三角形线性单元的形函数作为加权残值法的权函数,基于局部Petrov-Galerkin法建立了Helmholtz问题的离散方程。由于所构造的形函数满足KroneckerDelta性质,因此本质边界条件的施加十分方便。数值算例表明,基于无网格自然邻接点Petrov-Galerkin法的计算结果非常接近精确解,且随着节点的增加,其精确度越来越高,验证了本文方法具有良好的收敛性。
行社区检测操作时无法提供所需的数据处理能力的问题,提出一种网络加权Voronoi图的并行分散迭代社区聚类法(NWVD-PDICCM)。利用基于网络加权Voronoi图的分散迭代社区聚类方法(NWVD-DICCM)提取大型网络的有效社区结构。结合并行聚类方法,将DICCM方法的操作从串行过程转换为并行计算。利用执行并行社区聚类时的图分区,通过最小化从属工作者之间的通信来加速该过程。仿真实验结果表明,NWVD-PDICCM可以与一系列计算机架构平台共同运行,并且实现基于Spark平台的并行操作,相比其他几种较新的方法,在大规模网络数据处理能力方面得到显著提升。
提出了基于预埋压力传感器的量化测试方法,研究了螺栓松动边界对纤维增强复合薄板振动特性的影响。首先,自主设计并开发了带有预埋压力传感器的螺栓松动边界下复合薄板的振动测试系统,并详细介绍了系统各个部件的组成和功能;然后,归纳出一套合理、规范的松动边界下复合薄板的振动测试流程,并对HF10碳纤维/树脂复合薄板进行了实际测试。结果表明:随着螺栓松动程度的不断增加,复合薄板的固有频率逐渐降低,模态振型的节线位置也发生了不同程度的变化,但其阻尼结果呈现先增大后减小的趋势;而共振和非共振响应呈现先减小后增大的趋势。
由于经典的线性时序逻辑表达能力有限,设计并开发了基于交替投影时序逻辑(alternatingprojectiontemporallogic,简称APTL)的模型检测工具.根据王海洋等人提出的APTL符号模型检测方法,设计并实现了APTL模型检测器MCMAS_APTL.该工具可用于多智能体系统(multi-agentsystem,简称MAS)的性质验证.MCMAS_APTL检查MAS是否满足具体性质的过程如下:首先,用解释系统编程语言(interpretedsystemprogramminglanguage,简称ISPL)描述要验证的系统IS,用APTL公式P描述要验证的性质;然后,符号化表示系统IS,并将非P转化为范式;最后,计算所有满足非P的路径的起始状态集合.如果得到的状态集合中包含系统的初始状态,则说明系统不满足公式P;反之,则说明系统满足公式P.详细阐述了实现MCMAS_APTL的过程,并且通过验证机器人足球赛的例子展示了MCMAS_APTL的性能.
为解决自动人脸性别分类问题,提出一种基于局部统计几何特征的性别分类方法。融合人脸图像特征点定位信息与人脸三维数据的几何信息,建立具有统计意义的局部统计几何特征,可以被认为是基于多模态人脸信息的方法。该方法具有标准的表达形式,方便学习算法建立分类器;融合几何信息,对图像中的噪声、光照和人脸上的化妆等具有一定的鲁棒性;考虑三维网格数据中面片数量不同带来的影响,对网格化精度具有一定鲁棒性。为验证其有效性,基于三维人脸公开数据库(FRGC2.0和BosphorusDB)进行相关分类实验,实验结果表明,该方法能够得到比较精确的分类结果。
极限学习机(ExtremeLearningMachine,ELM)是一种高效率的单隐层前馈神经网络,由于其训练速度快与泛化性能好,在各个领域中都有广泛的应用。但是极限学习机随机生成输入权值与隐含层偏置矩阵,随机性影响训练模型的泛化性能与稳定性,降低模型分类的精度。为了解决这一问题,借鉴蚁狮优化算法中利用蚁狮种群中的多个个体进行并行寻优的能力,改进优化极限学习机的输入权值与隐含层偏置矩阵,得到一个分类精度更高模型。以UCI标准数据库中数据进行分类实验分析验证,实验结果表明,在5类UCI数据集上基于蚁狮优化的极限学习机(ALO-ELM)相比于PSO-ELM和SaDE-ELM具有更高的分类精度。
在工业4.0时代,随着IoT的广泛应用,工业设备的故障检测对于提高设备的可靠性具有重要的意义。在实际的工业场景中,由于设备之间的关系复杂多变,难以用统一的模型来表示设备的运行状态。近年来,随着深度学习技术的不断发展与进步,深度学习技术成为故障检测的主流解决方案。提出了一种基于长短记忆神经网络的在线故障检测模型,采用曲线排齐方法对传感器数据进行特征提取,基于长短时记忆神经网络(LSTM)开发故障检测模型,最后借助滑动窗口技术实现了设备故障的在线检测以及模型的在线更新。基于真实的发电厂传感数据进行了实验验证,实验结果表明了该方法的有效性。
水上迫降是指飞机在应急条件下在水面着陆的行为。选取某型固定翼飞机开展水上迫降仿真研究,分析了水上迫降载荷和运动受下沉速度和初始姿态的影响。结果表明,下沉速度越大,垂向加速度峰值越大,加速度和浸水深度最大值产生的时间越短;垂向加速度随着姿态角的增大而减小,纵向加速度受姿态角影响较小,压力分布受姿态角影响较大。
随着经济的快速发展和城市扩张,交通量逐年增加,交通管理也变得复杂多样。针对隧道环境下高速行驶车辆的车牌识别问题,提出了一种车牌分割和识别的算法。算法分为四个部分:图像预处理,车牌定位,车牌分割和字符识别。采用选择更新法拦截行车辆视频进行关键帧处理;在车牌定位中选用边缘检测与形态学相结合的算法,以消除噪声干扰,提高定位准确率;又用阈值分割法进行字符分割,以解决投影分割法等传统算法出现的字符黏贴和汉字不连通等问题;再通过HOG算法对分割后的字符图像进行特征提取,基于SVM算法实现字符识别。针对训练模型,则采用PSO算法对SVM分类器的参数设置进行优化,以获得最佳分类精度。利用MATLAB平台对优化后的SVM算法进行检验,通过实验数据说明该方法能够提高字符识别的准确率。
当今在电商和社交等平台上每天会产生大量的文本数据流。快速提取文本数据流的特征并将其用于发现一些事物的趋势变化来指导企业运营十分重要,比如服装企业必须尽可能快速而又准确地感知流行信息,服装特征的流行趋势对设计生产与经营起着至关重要的作用。以线上商品的文本数据流为研究对象,结合线上的销售文本实时数据流,定义了商品的时态文本数据流特征趋势模型,然后提出了一种文本数据流特征趋势发现的实时挖掘算法。将该算法应用到服装销售的文本描述以提取流行特征应用,可以获得有效的服装流行趋势,为企业制定生产计划、选择营销策略提供了决策支持。使用电商平台的真实销售数据进行实验,结果证明:该算法提取流行特征的准确率较高、速度较快,具有重要的理论与实际意义。
为了提高开源软件缺陷定位的准确度,提出一种基于二次传播的开源软件缺陷定位方法TPA。将重启随机游走算法与标签传播算法相结合,在基于信息检索方法的基础上,从开源软件中各个模块的调用关系、模块风险度和历史缺陷报告三个方面分析缺陷存在的具体位置,将缺陷定位分为风险度传播和标签传播两个部分。通过软件模块之间的相关度和调用关系,结合开源软件的历史修改信息评估模块风险度;通过已修改的缺陷报告构造缺陷标签,并采用标签传播定位软件缺陷。在Eclipse3.1缺陷报告数据集中,top-Nrank和MRR指标均高于同类缺陷定位方法。实验表明,TPA方法具有较高的准确度。
针对多变量时滞非方系统,提出一种基于反向解耦的分数阶Smith预估控制方法.首先,将反向解耦方法推广应用于m(cid:2)n非方系统中,给出非方解耦矩阵的设计方法,同时为了保证解耦矩阵的稳定正则,给出其实现的必要条件以及条件不满足时的补偿方法;然后,针对解耦后的各个单回路系统设计分数阶Smith预估控制器,根据内模控制与Smith预估控制结构上的等价关系简化控制器的设计,克服时滞环节对系统性能的影响,并且基于最大灵敏度推导出一种控制器参数解析整定方法;最后,通过典型的Shell标准控制问题对所提出方法进行验证.仿真结果表明,反向解耦方法设计简单易于实现,能达到系统完全解耦,控制器参数较少,整定方便,并且具有良好的跟踪能力、抗干扰性和鲁棒性.
针对制造过程的质量状态波动难以评估和分析的问题,提出一种基于节点敏感波动分析的质量状态稳定性评估方法。对产品制造过程的复杂关系机理进行分析,通过对其层次结构进行等级划分构建制造节点波动的多级关系网络模型;分析其质量状态节点的动力学波动特性,并基于节点波动控制图进行质量状态的稳定性监控;在此基础上研究各误差影响因素对质量状态波动的影响规律,通过计算误差因素的敏感波动率实现异常质量状态的敏感波动分析,并通过叶轮加工实例验证了所提方法的有效性。
利用光纤振动传感器可以实现分布式周界安防监测,进而实现自动报警.对周界安防监测信号的分析处理和识别受到业界关注.对光纤信号的特征提取和识别方法进行综述,这些特征提取方法通过对光纤振动信号的时域这个维度进行各种分解,从而提取各种信号的属性特征;对光纤振动信号的识别收稿日期:2018-05-22;修回日期:2019-05-28基金项目:国家自然科学基金项目(41671165,61650201);北京市教委科技计划项目(KM201911232003);北京未来芯片技术高精尖创新中心科研基金项目(KYJJ2018004);北京市属高校高水平教师队伍建设支持计划高水平创新团队建设计划项目(IDHT20180515)ThisworkwassupportedbytheNationalNaturalScienceFoundationofChina(41671165,61650201),theBeijingMunicipalEducationCommission
无摘要