基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

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。     

基于Bert预训练模型的虚假新闻文本检测

虚假新闻剥夺了人们获取真相的权利,也给社会和国家带来了许多危害。文中以虚假新闻文本为例,分析和验证了多种预训练语言模型在虚假新闻文本分类上的分类效果。经实验证明,相较于其他语言模型,Bert预训练语言模型取得了较好的结果,预测准确率为86.97%,召回率为88.12%,F1值为87.54%。     

原纤化天丝纤维纸基复合材料的制备及其电气性能的研究

天丝纤维作为一种可再生纤维,具有多重原纤结构的特点,通过原纤化处理制备的微纳米级别的天丝纤维可广泛应用于超级电容器、电池隔膜等材料领域。本文选取高度原纤化的天丝纤维,探讨了天丝纤维纸基复合材料结构对其介电常数及击穿电压的影响规律。结果表明,天丝纤维纸基复合材料的相对介电常数实测值与按照体积比经验理论公式模拟计算值有较好对应性;采用具有微纳米直径的天丝纤维制备的定量40 g/m~2的电解电容器纸,压光后介电强度可达到18.27 kV/mm;参考复合介质串联电容模型,可根据单层纸参数计算双层天丝纤维纸基复合材料的击穿电压,从而指导双层电容器隔膜的结构配方设计。     

超级电容石墨烯纸电极渗流及其储能性能研究

以水合肼为还原剂,通过化学还原氧化石墨烯及真空抽滤制备柔性石墨烯纸,并将石墨烯纸制得超级电容电极材料。采用扫描电子显微镜、高倍率透射电子显微镜等手段对样品进行形貌结构表征。采用格子玻尔兹曼方法(LBM),对石墨烯纸孔隙结构中的电解液渗流特性进行数值模拟分析,并研究电解液渗流压力对储能性能的影响。结果表明,在电解液渗流压力从100kPa增大至500kPa条件下,石墨烯纸的润湿率由27.08%提高至85.44%,石墨烯纸的储能比电容达到158F/g。     

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。