基于融合变分图注意自编码器的深度聚类模型

聚类作为数据挖掘和机器学习中最基本的任务之一,在各种现实世界任务中已得到广泛应用.随着深度学习的发展,深度聚类成为一个研究热点.现有的深度聚类算法主要从节点表征学习或者结构表征学习两个方面入手,较少考虑同时将这两种信息进行融合以完成表征学习.提出一种融合变分图注意自编码器的深度聚类模型FVGTAEDC(Deep Clustering Model Based on Fusion Varitional Graph Attention Self-encoder),此模型通过联合自编码器和变分图注意自编码器进行聚类,模型中自编码器将变分图注意自编码器从网络中学习(低阶和高阶)结构表示进行集成,随后从原始数据中学习特征表示.在两个模块训练的同时,为了适应聚类任务,将自编码器模块融合节点和结构信息的表示特征进行自监督聚类训练.通过综合聚类损失、自编码器重构数据损失、变分图注意自编码器重构邻接矩阵损失、后验概率分布与先验概率分布相对熵损失,该模型可以有效聚合节点的属性和网络的结构,同时优化聚类标签分配和学习适合于聚类的表示特征.综合实验证明,该方法在5个现实数据集上的聚类效果均优于当前先进的深度聚类方法.     

一种基于改进图波网的双重自回归分量交通预测模型

随着智慧城市的建设,城市交通流量预测在智能交通预警和交通管理决策方面至关重要.由于复杂的时空相关性,有效地对交通流量进行预测成为了一项挑战.现有的对交通流量进行预测的方法大多采用机器学习算法或深度学习模型,而它们各有优缺点,若能够将两者优点结合起来,将进一步提高交通流量预测的精度.文中针对交通时空数据,提出了一种基于改进图波网(Graph WaveNet)的双重自回归分量交通预测模型.首先,通过门控3分支时间卷积网络有效融合3个时间卷积层,从而进一步提升了捕获时间相关性的能力;其次,首次引入自回归分量,将自回归分量和门控三分支时间卷积网络、图卷积层有效融合,使模型能够充分反映时空数据之间的线性和非线性关系.在METR-LA和PEMS-BAY两个真实的公共交通数据集上进行实验,并将所提模型与其他交通流量预测基准模型进行比较.结果表明,不管是短时间还是长时间的预测,文中所提模型在各个指标上都优于基准模型.     

融合文本特征的汉老双语句子相似度计算方法

双语句子相似度旨在计算不同语言句子间的语义相似程度,在信息检索、平行语料库构建、机器翻译等领域有重要作用。由于汉语、老挝语平行语料稀少,且老挝语在语义表达、句子结构上与汉语有明显差异,导致汉老双语句子相似度研究的难度较大。该文提出了一种融合文本特征的汉老双语句子相似度计算方法,并构建了句子相似度模型。首先,在句子相似度模型中将汉语、老挝语的词性、数字共现等文本特征与GloVe预训练词向量融合,以此丰富句子特征,提升模型计算准确率。其次,由基于自注意力的双向长短时记忆网络组成多层孪生网络来提取长距离上下文特征和深层次语义信息,其中自注意力机制可以保证语义信息的有效利用。最后,采用迁移学习的方法将通用模型参数初始化,并使用不同的微调参策略增强模型的泛化能力。实验表明,该文提出的方法,其召回率、准确率和F₁值分别达到了82.5%、85.78%和84.00%。     

基于加权密集连接网络和注意力机制的滚动轴承故障诊断

针对当前诊断方法对滚动轴承故障特征表征困难以及在噪声干扰大的环境中检测性能下降的问题,提出了一种基于加权密集连接网络和注意力机制的滚动轴承故障诊断的方法,该方法由特征提取和故障分类两部分组成;在特征提取部分,首先采用加权密集连接网络从轴承振动信号中提取特征,并将不同空间级别的特征进行组合以增强信息的多样性,然后利用注意力机制突出重要信息,获得准确的表征故障特征;故障分类模型以表征的特征信息作为输入,经过Softmax函数输出每种故障类型的诊断结果;实验结果表明,所提模型在加性噪声干扰的情况下具有良好的诊断性能,比其他方法更具优势。     

基于GrabCut和HSV彩色空间的三七叶片病斑图像分割

针对三七叶部病斑图像中存在背景与病斑颜色相近和阳光照射下存在影子的情况导致对图像病斑分割精度不高、效果差的问题,提出一种基于GrabCut和HSV彩色空间模型的分割方法.通过GrabCut算法实现对复杂背景以及阳光照射下的影子与待分割三七叶片的分离.保留第一次分割结果的基础上,在HSV彩色空间下提出一种颜色距离的定义.根据定义的颜色距离,在使用颜色信息的同时结合空间信息,得到病斑的分割边界.实验表明,当色调分量因子k1和饱和度分量因子k2分别取0.1和0.05时得到的分割边缘效果较好.     

校企协同育人模式探索与实践

提高应用型人才工程实践能力是高等教育的重要任务,校企合作是使高等教育融入现代社会生产生活实践的最直接的途径。昆明学院软件工程专业通过与中关村软件园合作专业共建,实施"3+1"协同育人模式的探索,为新工科不同专业的工程化培养提供了可借鉴的、具有操作性的人才培养模式。     

粒子群优化算法在关联规则挖掘中的研究综述

关联规则挖掘是数据挖掘中的重要领域,考虑到当前数据的大规模、高维度、模态多样及类型复杂等特性,传统关联规则挖掘算法已无法适应大数据的需求,粒子群优化算法作为一种高效的智能优化算法,为其提供了一种全新的解决方案,近年来被广泛应用于该领域。首先对粒子群优化算法的基本原理及关联规则的基本概念进行了详细介绍,回顾了粒子群优化算法的研究进展,分析了粒子群优化算法在关联规则挖掘中的研究,包括常用的数据转换方法、编码方式及评估指标,并与其他在关联规则挖掘中被广泛应用的算法进行了对比,总结了各自的优缺点及适用场景。然后对已有改进方法进行了较为系统的分类,即分为基于参数、基于变异机制和混合其他算法的改进。接着梳理归纳了粒子群优化算法在关联规则挖掘中的应用领域,阐述了该算法在购物篮、金融、医疗、工业生产及风险评估领域中的应用优势。最后在介绍这一领域的最新研究进展的基础上,通过对现存问题进行分析,讨论了进一步的研究方向。     

多水源河流生态补水优化配置模型与应用

生态需水不足是河流生态系统健康的重要制约因素。为了有效保障河流生态需水,构建了基于多水源的河道月尺度生态补水目标优化模型,并以滇池流域的宝象河为例,开展了案例研究。研究结果表明:①宝象河生态需水量为0.37亿m~3/a,以基本生态需水量为主,占比为94.3%,且具有显著的年内变化特征,因此生态补水应当考虑到比年更小的时间尺度;②在无补给和污水处理厂再生水两种情景下,宝象河无法满足生态需水的水量和水质要求,必须配合外流域调水;③多水源优化后,最优的再生水补给量和调水量分别为0.24亿m~3/a和1.37亿m~3/a,当前再生水补给在部分月份过剩(10月份),不利于流域水资源优化配置;④河流水质达标能够降低98.6%的生态补水,水质是影响生态补水优化配置的关键因素。     

对称式基坑渗流涌水量的计算方法

随着地铁、越江隧道等地下工程的日益增多,涌现出了大量的对称式基坑。基于共形映射理论,推导了对称式基坑涌水量计算表达式,并对其计算参数进行分析。研究表明,对称式基坑的单宽涌水量与渗透系数、基坑内外水头差成正比,与（相对）隔水层层顶到坑底的距离和基坑两侧止水帷幕间距的比值、止水帷幕嵌固深度和（相对）隔水层层顶到坑底距离的比值、基坑内外水头差和（相对）隔水层层顶到坑底距离的比值成反相关。     

基于代理模型的中空轴式大型静压轴承多目标优化

建立了中空轴式静压轴承的油膜仿真模型,分析了油腔包角、偏位角、油腔宽等设计参数对其承载力和液压功耗的影响规律。以主电机功率为8000kW的大型球磨机静压轴承的承载力和液压功耗为优化目标,以静压轴承所需提供的最小载荷和轴瓦的许用应力为约束条件,提出了基于RBF(径向基函数)代理模型和多目标粒子群优化算法相结合的多目标优化设计方法,得到了Pareto最优解集,应用基于灰色关联度的TOPSIS方法选取出了最优妥协解。优化结果表明:优化后的静压轴承承载力提升了2.99%,液压功耗降低了3.87%,所承受工作介质重力提升了8.74%。