基于分项电器用电数据的用户侧能耗分布与能效分析

针对当前用户侧用电数据单一,无法实现对用电电器能耗情况有效评估的问题,基于一种非侵入负荷辨识获取居民侧分项电器细粒度行为数据,据此进行用户侧能效具象评估.首先构建了海量细粒度监测、诊断分析、用户互动的闭环监测应用架构;进一步地,从电器用电量占比、峰谷用电量占比、阶梯电价负荷占比构建单(区域)用户能耗分布模型;基于待机电器活跃时段统计分时段待机功耗,基于保温事件捕捉、加热时间、加热间隔综合分析保温电器能耗及运行情况.选取一定数量的用电行为数据进行案例分析,结果显示该能耗分布、能效分析方案可向用户提供个性化能效服务.     

IP网络的NGOSS的细粒度设计方法*

从抽象技术中立的分布式构件出发,实现NGOSS设计的COTS。给出IP网络QoS管理的NGOSS构架,结合Internet技术、电子商务技术以及协调管理技术,给细粒度设计方法提供了一个很好的实现案例。     

基于多维关联细粒度的电力信息化客户画像模型研究

针对当前模型构建的客户画像对客户信息约束不足，导致客户画像模型拟合度较低的问题，提出了基于多维关联细粒度的电力营销信息化客户画像模型。根据电力营销客户画像信息需求和数据源，采集并预处理电力营销客户信息。采用多维关联细粒度，分析客户信息关联性，通过支持度和置信度，约束电力营销客户信息，结合CS算法和模糊均值算法，构建电力营销信息化客户画像模型。实验结果表明，所提模型的信息标准指数较为接近0,规范拟合指数和拟合优度指数较为接近1,能够有效提高客户画像模型拟合度。     

基于细粒度信息感知BERT-EEP的情绪分类方法

网络舆情情绪分析专注于挖掘特定领域文本中深层次的情绪信息，对及时评估和化解舆情风险有重要意义。以往研究大多依赖情感符号、词性等基本情绪知识构建情绪语义特征，忽略了文本中情绪的持有者、线索等细粒度语言表达。为此，针对COVID-19疫情期间网络舆情数据的特点，引入同步双通道循环递归网络抽取细粒度情绪信息。在此基础上，提出辅助句构造法和基于BERT的情绪表达感知网络BERT-EEP,利用细粒度情绪信息辅助标签分类，并通过多头注意力机制和双向门控循环单元学习辅助信息和上下文之间的依赖关系，最终实现情绪分析。为评估所提方法的有效性，构建了一个具有细粒度表达的COVID-19中文情绪数据集。实验结果表明，所提方法能有效地融合细粒度情绪信息，在情绪分类任务上获得了优异的性能。     

应用上下文技术在高安全级数据库中的应用研究

讨论了应用上下文技术的工作原理和实现方法,并给出了该技术在高安全级数据库中应用的几个实例。通过实际应用来看,应用上下文技术可以用于提高细粒度访问控制的性能,从而提高数据库的安全性。     

基于特征融合和注意力机制的图像语义分割

针对目前高精度语义分割模型需要大量计算资源，难以在硬件存储和计算力有限的嵌入式平台上部署，提出了一种基于特征融合和注意力机制的图像语义分割模型。首先，对基于DeepLabV3+的模型进行优化，采用通道剪枝对MobileNetV2骨干网络轻量化；然后，在轻量化后的模型中引入拆分三重注意力模块(STA)来提高特征图内部维度相关性；最后，在解码部分增加细粒度上采样模块完善边缘细节信息。在PASCAL VOC 2012和Cityscapes数据集上的实验中，本文模型的参数量仅为4.15×10⁶,浮点计算量为10.23 GFLOPs,平均交并比分别为70.98%和72.26%,表明该模型在计算资源、内存占用和准确性之间达到了较好的均衡。     

ELID磨削后石材的表面微观特性研究

用不同粒度金刚石砂轮及ELID技术精密磨削两种典型的天然石材，跟踪观察天然石材在ELID磨削过程中表面形貌变化、加工后的表面粗糙度以及表面光泽度，并通过扫描电子显微镜和三维表面构造分析仪分析加工后的石材表面。实验结果表明，利用超细粒度金刚石砂轮进行ELID磨削可在石材主要矿物上获得粗糙度极低的光滑表面，但无法消除石材与生俱来的裂隙、晶界等缺陷，正是这些缺陷限制了表面光泽度的进一步提高。     

支持偏序和同异步权限建模角色访问控制框架

角色访问控制（Role Based Access Control,RBAC）的应用提高了系统易用性和健壮性。分析了RBAC标准模型,指出其在细粒度和表达能力等方面的一些缺陷,结合UML对其重构,提出支持偏序权限建模的面向对象角色访问控制模型（Object Oriented Role Based Access Control,OORBAC）,基于该模型结合部分GoF模式设计了通用应用框架。与其他应用框架相比有着良好的通用性,支持权限关系的同异步及偏序关系表达,并在细粒度动态访问控制上具有更好的效率。     

协同环境下基于角色的细粒度委托限制框架

提出了基于角色的细粒度委托限制框架,将角色分为对象角色和委托角色,实现细粒度的控制.分析了三类委托限制:时间限制、禁止限制和义务限制.针对不同类型定义相应限制规则,并用于描述条件委托和受控使用,条件委托要求满足条件后执行委托操作,防止非法扩散;受控使用约束委托权限,防止权限滥用.多个委托限制规则之间可能冲突,给出了时间复杂度为O(n2)的基于图论的一致性检测算法.     

基于OpenCL的尺度不变特征变换算法的并行设计与实现

针对尺度不变特征变换（SIFT）算法实时性差的问题,提出了利用开放式计算语言（OpenCL）并行优化的SIFT算法。首先,通过对原算法各步骤进行组合拆分、重构特征点在内存中的数据索引等方式对原算法进行并行化重构,使得算法的中间计算结果能够完全在显存中完成交互;然后,采用复用全局内存对象、共享局部内存、优化内存读取等策略对原算法各步骤进行并行设计,提高数据读取效率,降低传输延时;最后,利用OpenCL语言在图形处理单元（GPU）上实现了SIFT算法的细粒度并行加速,并在中央处理器（CPU）上完成了移植。与原SIFT算法配准效果相近时,并行化的算法在GPU和CPU平台上特征提取速度分别提升了10.51～19.33和2.34～4.74倍。实验结果表明,利用OpenCL并行加速的SIFT算法能够有效提高图像配准的实时性,并能克服统一计算设备架构（CUDA）因移植困难而不能充分利用异构系统中多种计算核心的缺点。