计算机
随着智能家居基础设施的不断发展,智能家居逐渐进入以智能服务为特征的新时期.大量复杂、异构的智能设备相互协同,构成海量、智能、集成的智能家居应用.其中,情境感知服务根据服务对象所处情境的变化为其提供准确的服务,是智能家居应用的典型代表.目前,情境感知服务往往面向场景进行构建,其设备多样性和服务随需性给应用开发带来极大的挑战.开发者需要熟悉设备管理接口、进行接口调用和交互,同时,理解服务功能和质量需求,进行管理逻辑的编写.为了快速定制和开发情境感知服务,将知识图谱引入开发过程,提出一种智能家居情境感知服务的运行时建模与执行方法:首先,提出智能家居情境感知服务知识图谱概念模型,定义其情境中各种概念和关系;其次,提出智能家居情境感知服务知识图谱实例模型的构造与维护机制,通过运行时概念、关系实例表示情境知识;最后,提出基于知识推理的智能家居情境感知服务执行方法,通过知识推理自动执行设备功能.面向实际场景,构建智能家居原型系统.实验结果显示,该方法能够实现情境感知服务运行时建模与执行,其代码减少量超过90%.
无摘要
针对Fishbone仓库非传统布局,研究在有限容积与有限承载能力下(多车多次)的捡货路径寻优问题。将捡货问题映射为旅行商问题,对货位距离进行了建模分析,根据现实情况中存在的时间窗约束、载重约束、工作量均分约束、货物配套约束等问题建立数学优化模型,并采用多层编码遗传算法求解模型,应用MATLAB软件进行仿真计算。仿真结果显示,上述算法性能较好,能够很好地解决复杂约束下仓库拣货路径优化问题。提高作业效率,降低劳动成本。
无摘要
汽车变速箱装配过程中部分零部件分装涉及到选择调整垫片的过程, 垫片尺寸是否合适将直接影响变速箱整体的装配质量, 为了满足新型号变速箱的数字化生产需求以及提高生产系统的工作准确性, 需要将人工经验为主导的传统制造模式向轻量化、智能化的新型制造模式转化. 本文结合某企业MQ250变速箱装配线的具体需求, 为了提高生产现场的数字化程度以及对测量任务的管理能力, 设计并实现了一套新型的变速箱零部件装配的测量系统. 首先根据相对测量的原理, 设计了测量模块, 并分析了测量模块最优化的问题, 最终通过最小二乘法实现了测量模块的优化. 经过实际生产情况表明, 本测量系统适应了MQ250变速箱零部件的装配需求, 保证装配效率的情况下提升了整体装配质量, 提高了装配生产线的数字化水平.
路面图像处理的效果通常受到不均匀光照带来的灰度不均匀背景的影响,对于线阵相机,这种不均匀特性仅存在于横向。提出一种针对此不均匀背景问题的方法,分析了线阵相机拍摄路面图像在横向的分布特性,通过对各列分别平均的方法提取路面的精确掩模,进行掩模校正和图像拉伸后获得了较理想的效果。与常用的方法相比,提出的方法可以消除灰度突变,并保留图像的细节信息,因此对采用线扫相机的路面病害检测系统具有适用性。将提出的方法应用于路面图像处理,并通过卷积神经网络进行多标签分类的裂缝识别,子块识别精度达到95%以上,各标签查准率为(0.955,0.936,0.926,0.905)、查全率为(0.895,0.912,0.934,0.952)、F-Macro为0.926、F-Micro为0.927。
如何采用超边建模网络数据中的多元关联关系,实现潜在超边链接关系的预测具有重要的现实意义。现有方法主要集中于研究具有成对关系的网络数据,然而,直接将现有的链接预测方法用于超图网络中的超边链接预测具有一定的局限性。因此,提出基于异质变分超图自动编码器的超边链接预测模型(heterogeneousvariationalhypergraphautoencoder,HVGAE)。首先,利用超图卷积实现变分超图自动编码器,将超图网络数据转换成一种低维空间表示;其次,加入节点近邻度函数,最大程度地保留其结构信息,从而构建异质超图网络超边链接预测模型。针对三种不同类型的超图网络进行实验,结果表明相比其他的基准方法,HVGAE模型获得了较好的预测结果,说明其能够较好地解决超图网络中的超边链接预测问题。
传统的显著性检测方法多利用图像的颜色特征并进行超像素分割作为预处理来进行检测,对于涂抹效应不足、误检测等问题一直没能有效解决。针对涂抹效应不足提出了一种结合图像边界信息及颜色特征的显著性区域检测方法。首先,为了更好地取得图像边缘信息并去除噪声,用多次WMF(加权中值滤波)和简单线性迭代聚类(SLIC)处理源图像,再通过颜色、亮度等信息找出滤波后图像中的自然边界。将得到的边界信息和通过SLIC分割得到的超像素的颜色特征进行融合作为先验概率,以SLIC分割得到超像素位于Graph-based分割得到初步显著图中的概率为条件概率,利用贝叶斯法则得到最终的显著图。在公开数据集MSRA-1000上对算法进行验证,结果表明该算法与7种主流算法相比有更好的查全率和查准率,最高查准率达到98.03%。
本文从自动灌装机的生产工艺出发,详细介绍了自动灌装机的工作流程,基于PLC控制实现酱料罐装机生产线控制系统的设计,包括硬件电路的设计、程序的分析及触摸屏的设计,实现自动分装机的有效控制。
针对金融市场中机构交易对股票市场中的散户投资行为具有较强的误导性的现象,提出了一种基于机构交易行为影响的趋势预测方法。首先,利用时间序列的矩阵画像()方法,以股票换手率数据为切入点,构建不同兴趣模式长度下的基于机构交易行为影响的换手率波动知识库;其次,确定待预测股票在兴趣模式长度取何值时的预测结果精确度高;最后,根据该兴趣模式长度下的知识库,预测在机构交易行为影响下的单支股票的波动趋势。为)网络这两种预测验证趋势预测新方法的可行性和准确性,将其与自回归滑动平均(方法进行对比分析,运用均方根误差(支股票的预测结果。实验结果分析表明,与上的股票预测结果更准确。)与平均绝对百分误差(网络相比,在)模型和长短时记忆()评价指标综合比较支的股票价格趋势预测上,所提方法有种方法对模型和ARMAARMAMAPERMSELSTMLSTM80%MP7070以3
针对离散时间下基于切换拓扑多智能体系统一致性问题,设计出一种基于约束集虚拟邻居选取分布式一致性协议。该协议中,智能体采用通信扇区机制构造出虚拟邻居作为控制协议输入进行状态演化,并设计智能体调整因子的取值方式。在此基础上,智能体通过约束集保持初始通信拓扑的连接边来保证系统的连通性。最后,理论分析与大量仿真实例结合,与经典模型进行比较,验证了新的一致性协议的有效性,表明其可增强系统一致性,减少系统收敛的簇,并提高系统的一致性收敛速度。
动态行为分析是一种常见的恶意程序分析方法,常用图来表示恶意程序系统调用或资源依赖等,通过图挖掘算法找出已知恶意程序样本中公共的恶意特征子图,并通过这些特征子图对恶意程序进行检测.然而这些方法往往依赖于图匹配算法,且图匹配不可避免计算慢,同时,算法中还忽视了子图之间的关系,而考虑子图间的关系有助于提高模型检测效果.为了解决这两个问题,提出了一种基于子图相似性恶意程序检测方法,即DMBSS.该方法使用数据流图来表示恶意程序运行时的系统行为或事件,再从数据流图中提取出恶意行为特征子图,并使用“逆拓扑标识”算法将特征子图表示成字符串,字符串蕴含了子图的结构信息,使用字符串替代图的匹配.然后,通过神经网络来计算子图间的相似性即将子图结构表示成高维向量,使得相似子图在向量空间的距离也较近.最后,使用子图向量构建恶意程序的相似性函数,并在此基础上,结合SVM分类器对恶意程序进行检测.实验结果显示,与其他方法相比,DMBSS在检测恶意程序时速度较快,且准确率较高.
刀具磨损状态退化建模和仿真的结果难以真实地反映物理现实,使刀具的选用、更换和修磨决策缺乏可靠依据,严重地影响了刀具精准利用的优化和控制,以及生产系统的动态调控。针对该问题,在数字孪生理念的基础上,提出面向切削过程的刀具数字孪生模型,探讨了其概念、组成、功能和运作流程,详细论述了数字孪生驱动的刀具磨损监测、剩余寿命预测、刀具选用决策和刀具服务,并通过原型系统进行了验证。通过刀具物理对象与虚拟模型的交互与共融,面向切削过程的刀具数字孪生模型可提高刀具全生命周期状态管理的智能性、主动性、预测性,支持面向刀具精准利用的优化、决策和服务。
随着信息爆炸,知识图谱推理算法在社会网络、生物信息学等许多领域都有着重要应用。现有RESCAL张量分解的知识图谱推理算法仅从信息论或数值分析角度进行了张量分解,未充分考虑知识图谱数据的复杂性。因此,基于RESCAL张量分解,对于知识图谱推理问题,提出了一种改进的优化算法,称为KLLS*-RESCAL算法。该算法通过融合相对熵与平方差设置新的损失函数,从信息论与数值分析两个角度进行张量分解,综合考虑知识图谱数据的复杂性。实验结果表明,在知识图谱推理中,KLLS*-RESCAL算法相对于其他RESCAL算法具有更高的预测准确率。
孪生支持向量机(TWSVM)是在支持向量机(SVM)的基础上产生的一种高效二分类算法,由于现实中存在的问题大多数是多分类的,将二分类孪生支持向量机扩展到多分类孪生支持向量机(MTWSVM)是非常重要的。目前常用的MTWSVM一般是基于“一对一”策略,但该策略中各子分类器都采用相同的惩罚参数以及核参数,忽略了不同子分类器之间的差异,不能使其发挥最好的作用。通过提出一种基于混合参数的多分类孪生支持向量机(MP-MTWSVM),为不同的子分类器选取合适的参数,保持分类器的多样性,进而根据“一对一”策略构建MTWSVM。TWSVM本就面临着参数难确定的问题,而MP-MTWSVM算法又引入了大量的参数,通过灰狼算法(GWO)对MP-MTWSVM的参数进行寻优,进一步提出了基于灰狼优化的混合参数多分类孪生支持向量机(GWO-MP-MTWSVM)。通过实验表明,GWO可以快速找到各子分类器的最优参数,并进一步提升了算法的准确率。
针对七轴龙门式自动铺丝机运动过程中,因采用连续短线段的轨迹描述方式而产生的拐点速度不连续的问题,提出基于柔性加减速控制的拐点光顺插补算法。在该插补算法中,首先改进三次Bernstein-Bézier曲线,使其能用3个控制顶点进行定义,然后使用该曲线连接相邻短线段,以保证铺放路径切向连续、曲率连续。利用轨迹误差和曲线性质确定控制顶点的位置,最后在柔性加减速控制方法的基础上对“直线段+过渡曲线段”的铺放路径进行插补运算,并采用标注协调点的方法保证机床在各插补运算阶段的速度和加速度连续。通过仿真分析,表明该插补算法能够保证机床在整个铺放路径上快速平稳运动。
针对实际数据集中的每一类数据都潜在或显著地包含独有的数据风格信息,提出一种挖掘数据风格信息的双知识表达分类方法.在训练阶段,利用K近邻(KNN)算法构建社交网络以表达数据点之间的组织架构,并利用社交网络属性挖掘数据点及每一类数据整体风格信息.在分类阶段,用双知识表达约束所提出方法的分类行为,即赋予测试样本标签时既要使该样本物理上与所建分类模型最相似,也要使该样本风格上与分类模型最相似.与其他对比分类方法相比,所提出方法在不包含或包含不显著风格的数据集上至少能够取得竞争性的分类性能,在包含明显风格的数据集上能够取得优越性的分类性能.
针对现存血压测量方法不规范、波动范围大且预测准确率低下等问题,提出一种基于网格搜索与交叉验证相结合的支持向量回归(K-SVR)的血压预测算法。该算法首先对数据进行清洗,随后利用网格搜索与交叉验证相结合的方法寻找出最优参数对,然后通过分析人体生理指标数据心率、血氧与血压之间的隐含关系来建立相应的血压预测模型,最后将预测得到的结果与另外几种比较经典的机器学习模型得到的结果进行对比,并利用准确率及均方根误差这2种指标进行评估。实验结果表明,该算法对于高压和低压的预测准确率约为71.39%、81.69%,均方根误差值约为0.5349、0.4279,均明显优于传统的机器学习算法。
不同于长文本,短文本信息量缺乏,在研究中通常难以获得丰富的语义特征并且难以提取完整的句法特征,因此短文本分类模型的分类效果有待提升。针对这个问题进行了研究,基于ResLCNN模型进行改进,引入神经主题模型,并融合多个神经网络输出特征进行分类。首先,通过神经主题模型提取主题来丰富短文本的信息;其次,将主题信息储存在记忆网络中,并与序列信息进行融合,丰富文本的表示;最后,将其输入具有残差结构的卷积神经网络以及双向GRU中,提取局部以及全局的语义特征,在特征融合之后进行分类。该模型在Google网页搜索公开数据集中取得了较高的准确率和F1值,表明了改进模型在短文本分类任务中的有效性。
无摘要