基于网格耦合的数据流异常检测

基于网格的数据分析方法以网格为单位处理数据,避免了数据对象点对点的计算,极大提高了数据分析的效率。但是,传统基于网格的方法在数据分析过程中独立处理网格,忽略了网格之间的耦合关系,影响了分析的精确度。在应用网格检测数据流异常的过程中不再独立处理网格,而是考虑了网格之间的耦合关系,提出了一种基于网格耦合的数据流异常检测算法GCStream-OD。该算法通过网格耦合精确地表达了数据流对象之间的相关性,并通过剪枝策略提高算法的效率。在5个真实数据集上的实验结果表明,GCStream-OD算法具有较高的异常检测质量和效率。     

融合关键词的中文新闻文本摘要生成

The existing seq2seq model often suffers from semantic irrelevance when generating summaries, and does not consider the role of keywords in summary generation. Aiming at this problem, this paper proposes a Chinese news text abstractive summarization method with keywords fusion. Firstly, the source text words are input into the Bi-LSTM model in order. The obtained hidden state is input to the sliding convolutional neural network, so local features between each word and adjacent words are extracted. Secondly, keyword information and gating unit are used to filter news text information, so as to remove redundant information. Thirdly, the global feature information of each word is obtained through the self-attention mechanism, and the hierarchical combination of local and global word features representation is obtained after encoding. Finally, the encoded word feature representation is input into the LSTM model with the attention mechanism to decode the summary information. The method models the n-gram features of news words through a sliding convolutional network. Based on this, the self-attention mechanism is used to obtain hierarchical local and global word feature representations. At the same time, the important role of keywords in abstractive summary is considered, and the gating unit is used to remove redundant information to obtain more accurate news text information. Experiments on Sogou's news corpus show that this method can effectively improve the quality of summary generation, and effectively enhance the values of ROUGE-1、ROUGE-2、ROUGE-L.     

基于动态DCVS网络模型的流量分析及规划方法

针对目前机场远端行李运输目的地编码车系统未对流量进行规划而造成的资源浪费现状,提出了一种基于动态DCVS网络模型的流量分析及规划方法。该方法首先基于图论建立了DCVS静态网络模型,接着根据系统在特定时间段的流量需求,采用最大流最小时间动态流量分析和规划算法对DCVS资源进行动态调度。实验结果显示,该方法可以在很短的时间内完成对DCVS流量的整体分析和规划,实现远端行李运输任务的可行性预测,从而为DCVS资源的控制提供有效的参考依据。     

室内智能消防机器人设计与路径规划研究

设计研发了一种室内智能消防机器人,由激光雷达、移动底盘、机械臂、深度相机、热成像深度相机、灭火剂喷头、控制箱等组成。机器人具备遥操作、建图、自主导航、巡检、灭火等功能,通过感知周围环境完成自动导航避障。消防机器人基于火情报警信息,采用改进A*算法进行全局路径规划,并使用动态窗口法（Dynamic Window Approach,DWA）修正局部路径。在移动到火警位置后,机器人使用机械臂调整灭火装置喷嘴,对准火源喷射灭火剂实现灭火。实测结果表明,所设计机器人具备机动灵活、性能稳定等优点,能够有效完成设定灭火任务。     

基于部分卷积的文字图像不规则干扰修复算法研究

针对文字图像中不规则干扰与文字粘连导致误识字的问题,提出了基于部分卷积的文字图像不规则干扰修复算法。研究分析了若干常见字体的文本图像特点,建立文字图像数据库,使其与干扰掩码数据库进行图像融合后对模型的修复效果进行评测,并对不同等级的修复情况进行分类测试。实验表明,所提模型在保证原有文字信息不损失的前提下,根据当前文字的现有部件对缺失部分进行预测,峰值信噪比最高达到32.46 dB,结构相似性最高为0.954,最佳损失值达到0.015,修复前后文字识别率提升2785%,对隶书、篆书、甲骨文、行书4种古代文字缺损图像进行修复后峰值信噪比最高达到30.46 dB,结构相似性最高为0.964。     

融合LSTM和LDA差异的新闻文本关键词抽取方法

针对语义信息对TextRank的影响,同时考虑新闻标题信息高度浓缩以及关键词的覆盖性与差异性的特点,提出一种新的融合LSTM和LDA差异的关键词抽取方法。首先对新闻文本进行预处理,得到候选关键词;其次通过LDA主题模型得到候选关键词的主题差异影响度;然后结合LSTM模型和word2vec模型计算候选关键词与标题的语义相关性影响度;最后将候选关键词节点按照主题差异影响度和语义相关性影响度进行非均匀转移,得到最终的候选关键词排序,抽取关键词。该方法融合了关键词的语义重要性、覆盖性以及差异性的不同属性。在搜狗全网新闻语料上的实验结果表明,该方法的抽取结果相比于传统方法在准确率和召回率上都有明显提升。     

偏好匹配满意度最大化的众包任务分配

众包任务分配机制对众包任务完成质量起着至关重要的作用,然而现有的分配方法未在稳定性条件下考虑众包用户双边偏好,分配结果的准确性有待提高,并且存在众包用户因不满意当前分配对象而导致众包任务完成质量较低的问题。为此提出一种基于偏好匹配的众包任务分配方法,该方法首先考虑众包任务与工人的双边偏好,根据偏好序计算任务与工人的满意度,生成满意度矩阵;其次,该方法借鉴稳定匹配思想在考虑分配主体偏好的基础上,使分配主体对当前分配对象尽可能满意,以保障分配结果的稳定性;然后,将众包任务分配问题建模为稳定匹配规则下寻找任务最大满意度的优化问题;最后,使用贪心算法对该问题进行求解,得到众包任务分配方案。通过实验验证了该方法的有效性,实验结果表明,该方法提高了分配方案的准确性,并有效减少了无效分配的数量,从而提高了众包任务完成质量。     

基于HDP的主题词向量构造——以柬语为例

针对单一词向量中存在的一词多义和一义多词的问题，以柬语为例提出了一种基于HDP主题模型的主题词向量的构造方法。在单一词向量基础上融入了主题信息，首先通过HDP主题模型得到单词主题标签，然后将其视为伪单词与单词一起输入Skip-Gram模型，同时训练出主题向量和词向量，最后将文本主题信息的主题向量与单词训练后得到的词向量进行级联，获得文本中每个词的主题词向量。与未融入主题信息的词向量模型相比，该方法在单词相似度和文本分类方面均取得了更好的效果，获取的主题词向量具有更多的语义信息。     

基于Inception区域候选定位网络的太阳黑子群描述研究

准确地检测和描述全日面图像中的黑子群可以为监控和预测太阳活动提供依据。目前图像描述技术已有大量研究工作,但关于太阳黑子群描述方面的研究仍未涉及。针对苏黎世分类法中的9类太阳黑子群,制作了一个黑子群图像和描述文本的数据集,设计了一种Inception区域候选定位网络IRLN模型,首次将Inception区域候选网络Inception-RPN应用到图像描述中,通过使用Inception-RPN获得候选区域,并根据黑子群的特征改进了Inception模块的结构,提高网络对多尺度黑子群的检测能力。实验结果表明,本文模型在Visual Genome(VG)数据集上mAP为6.09%,比全卷积定位网络FCLN模型提高了0.7%;Meteor为31.9%,比FCLN模型提高了4.6%。在太阳黑子群数据集上mAP为74.47%,比FCLN模型提高了16%;Meteor为47.6%,比FCLN模型提高了14.2%。     

土地利用及降雨和气温变化对生态流量的影响研究

针对降雨量、气温和土地利用变化对生态流量的影响开展定量研究。以云龙水库流域为研究对象,采用SWAT模型和改进的Tennant法,定量分析了土地利用和降雨量、气温对月尺度生态流量过程的影响。研究结果表明：2008-2018年云龙水库流域内水域和建设用地面积有较大幅度的增加,使流域月平均生态流量和生态流量峰值均有一定程度的增大。经计算,流域水域和建设用地面积的增长率分别为950%、100%,累计年生态流量增加了7.82 m³/s;生态流量与降雨量和气温关系密切,其与降雨量呈正相关,与气温呈负相关,相较于气温,降雨量对生态流量的影响更大;在相同变幅下,降雨量增加比减少对生态流量产生的影响更大,气温下降比上升导致的生态流量变化更大。经计算,降雨量变幅分别为10%和-10%时,相应的生态流量变化量分别为+0.061 7和-0.057 0 m³/s,气温变幅分别为1 ℃和-1 ℃时,相应的生态流量变化量分别为-0.015 1和+0.019 3 m³/s。综上所述,降雨、气温和土地利用变化对生态流量的影响均较为显著。