结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

给排水常用管材分类使用探讨

在进行给排水的安装工作期间,对于所用材料的尺寸、规格和品质的标准要求是非常高的,但是当前在安装期间对于材料的选取上还是存有一些问题的。部分施工机构贪恋眼下的小利,采用伪劣的建材替换高品质的建材,另外还有相关工作人员对于建材的管理不到位,使得伪劣的建材流入施工场地并用于建设,致使给排水工程中存有大量的品质问题,例如,水管爆裂、阀门无法关紧等,干扰了居民的正常使用。基于此,本文主要对给排水常用管材分类使用进行了有效的分析,希望可以为相关工作学者提供一定的参考。     

利用空间面-面叠置分析实现在线地理数据的信息挖掘

介绍了在大数据的环境下,从Internet上获取在线的地理信息数据,以空间叠置分析为技术方法,对多个专题的POI进行聚类、凸包分析得到聚集面后进行叠置分析.叠置分析通过地理空间的区域多重地理对象(如学校、商场和医疗机构)进行交(intersect)、并(union)和差(Erase)等运算,得到新的多边形区域,使这些新的区域满足多个特定条件.程序的实验选择了住房选址问题,通过空间叠置分析确定符合目标条件(住房附近有学校、超市和医院)的特定区域,从而对购房行为进行指导,缩小选房范围,提高住房选址效率.程序运算结果在电子地图中显示,地图中显示的主要数据为地理底图和polygon(面)、marker(标记)等地理对象.     

云计算设备中的大数据特征高效分类挖掘方法研究

云计算设备中的大数据分类挖掘是现实模式识别和智能控制的基础,传统方法中对云计算设备中的大数据挖掘采用拓扑结构网格分区挖掘算法,不能有效提取大数据的细节特征,分类的准确性不好。提出一种基于分数阶Fourier变换特征匹配和K-L分类的云计算设备中的大数据特征高效分类挖掘算法。进行云计算设备中大数据存储机制体系分析,采用分数阶Fourier变换进行云计算设备中大数据特征提取和大数据特征匹配,基于K-L变换,选择最优的路径进行分类空间导引,构建了K-L大数据特征分类器,进行云计算设备中的大数据特征分类挖掘。仿真结果表明,采用该算法进行云计算设备中的大数据特征分类挖掘,特征分类挖掘的准确度较高,能量开销较少,效率较高。     

科技期刊中文文摘的撰写

摘要是现代科技论文的必要附加部分,只有极短的文章才能省略。它是帮助读者从浩瀚的信息海洋中能较快、较准地找到他们所需要的科技信息的一种有效工具。摘要一般置于作者及其工作单位之后、关键词之前。根据GB/T6447-1986《文摘编写规则》关于摘要的定义,摘要是以提供文献内容梗概为目的,不加评论和补充解释,简明、确切地记述文献重要内容的短文。按摘要的不同功能来划分,它大致分为报道性摘要、指示性摘     

基于FP-tree的Apriori算法的改进

在经典的Apriori策略中,各次遍历操作均访问全部数据库。将FP-tree策略移植到Apriori中以重构数据库,提出了FP-A算法。通过对原数据库划分为一系列子数据库,并设置相应的频繁度计数,避免每次访问全部数据库记录,提高算法效率。实验结果表明,FP-A策略具有高效性。