露天采矿爆破振动对民房破坏的LS-SVM预测模型

利用支持向量机学习原理,研究露天采矿爆破振动对民房破坏的预测问题。选取爆破振动幅值、主频率、主频率持续时间、灰缝强度、砖墙面积率、房屋高度、屋盖形式、圈梁构造柱、施工质量和场地条件作为露天采矿爆破振动对民房破坏的影响因素,以工程实际检测数据为训练样本,建立露天采矿爆破振动对民房破坏的LS-SVM预测模型。利用32组爆破实验数据作为学习样本对支持向量机进行训练,建立相应的预测模型并通过回代估计方法进行回检,误判率为0,用另外12组现场实验数据作为检验样本进行测试,测试结果良好。结果表明,LS-SVM预测方法的误判率低,判别精度高,为露天采矿爆破振动对民房破坏预测提供了一种行之有效的新方法,可以在实际相关工程中展开使用。     

基于分布和逆文本类别指数的特征迁移加权算法

传统机器学习面临一个难题,即当训练数据与测试数据不再服从相同分布时,由训练集得到的分类器无法对测试集文本准确分类。针对该问题,根据迁移学习原理,在源领域和目标领域的交集特征中,依据改进的特征分布相似度进行特征加权;在非交集特征中,引入语义近似度和新提出的逆文本类别指数(TF-ICF),对特征在源领域内进行加权计算,充分利用大量已标记的源领域数据和少量已标记的目标领域数据获得所需特征,以便快速构建分类器。在文本数据集20Newsgroups和非文本数据集UCI中的实验结果表明,基于分布和逆文本类别指数的特征迁移加权算法能够在保证精度的前提下对特征快速迁移并加权。     

基于压力流模型的植物顶端优势模拟

当前顶端优势模拟方法大多不能与植物生理相结合,针对现有方法的不足,为了使模型体现植物顶端优势规律,提高建模真实性,提出一种基于压力流模型的植物顶端优势功能模拟方法.该方法以压力流模型思想构建生长素传输与分配模型,计算生长素在植物顶端与侧枝间的传输与分配.顶端产生生长素使其与侧枝产生压力势差,推动生长素在各器官间不断传输与分配.以虚拟器官作为描述植物的基本单位,所有的虚拟器官并行工作.各器官根据分配到的生长素量和生长素阈值决定生长速度,最终完成生长素的传输与分配.生长引擎将生理部分的变化反馈到结构部分,展示算法通过读取各个虚拟器官的属性进行3维展示.     

融合小样本元学习和原型对齐的点云分割算法

目的 针对点云分割需要大量监督信息所造成的时间成本高、计算效率低的问题，采用融合原型对齐的小样本元学习算法对点云进行语义分割，使模型能够在监督信息很少的情况下完成分割任务。方法 首先，为了避免小样本训练时易导致的过拟合问题，采用2个边缘卷积层（edge convolution layer，EdgeConv）与6个MLP （multilayer perceptron）交叉构造DGCNN （dynamic graph convolutional neural network），同时还保证了能充分学习到点云信息；然后，以N-way K-shot的形式将数据集输入上述网络学习支持集与查询集的特征，通过average pooling feature获取类别原型并融合原型对齐算法得到更为鲁棒的支持集原型；最后，通过计算查询集点云特征与支持集原型的欧氏距离实现点云分割。结果 在S3DIS （Stanford large-scale 3D indoor spaces dataset）、ScanNet和闽南古建筑数据集上进行点云语义分割实验，与原型网络和匹配网络在S3DIS数据集上进行比较。分割1-way时，平均交并比（mean intersection over union，mIoU）相比原型网络和匹配网络分别提高了0.06和0.33，最高类别的mIoU达到0.95；分割2-way时，mIoU相比原型网络提高了0.04；将DGCNN网络与PointNet++做特征提取器的对比时，分割ceiling和floor的mIoU分别提高了0.05和0.30。方法应用在ScanNet数据集和闽南古建筑数据集上的分割mIoU分别为0.63和0.51。结论 提出的方法可以在少量标记数据的情况下取得良好的点云分割效果。相比于此前需用大量标记数据所训练的模型而言，只需要很少的监督信息，便能够分割出该新类，提高了模型的泛化能力。当面临样本的标记数据难以获得的情况时，提出的方法更能够发挥关键作用。     

基于Java实现模型动态调用

针对DSS开发中决策模型的不确定处理问题,将模型以BLob对象的形式存入ovacle数据库,利用Java动态类装载技术在运行时根据不同的情况装载不同的模型.该方法已被应用于煤炭销售系统开发中,目前运行情况良好.     

基于分类的term重要性识别方法

在传统的搜索引擎和信息检索中,用户Query中的term-weight通常是以一种上下文无关的方式得到的。现有的大多数信息检索技术都使用词袋方法,例如布尔模型、向量空间模型和概率模型等,这些方法均没有考虑Query中term之间的相关性。为了能够充分利用Query中的信息来提高term-weight的准确度,提出了一种有监督的机器学习方法来学习用户Query中的term-weight。该方法基于分类的方法,并引入了句法分析作为分类的一项重要的特征来训练模型。考虑用户Query中term之间的关系后,既避免了由Query到单个term的信息丢失,又增加了短文本的特征,同时使分类器实现软输出,能够给term的重要程度一个更为准确的量化值。     

软件工程专业实训教学体系的应用研究(英文)

For the status and characteristics of practice teaching in software engineering major of my school,in order to shorten the gap between the ability of students and the needs of society,a large-scale software projects practical training teaching system is proposed.The problems in the implementation process of practical training teaching system is described,and the construction of concrete ideas is given.     

基于模糊神经网络的植物生长建模

提出一种基于模糊神经网络的植物建模方法,将测量的植物生理数据作为模糊神经网络的输入,自动学习拟合植物器官生长函数,提取生长规则。由同化物驱动植物生长发育,对虚拟器官的属性进行修改,将生理部分的变化反馈到结构部分。当虚拟环境变化时,模型响应环境变化,自动调整生长函数的参数和生长规则,使植物趋向于有利生长环境。实验结果表明,该方法能够准确提取植物生长函数和生长规则,对植物生长进行逼真的模拟。     

基于DTS组件的分布式数据库系统集成

针对企业信息化建设过程中需要集成数据孤岛的问题,采用建设共享数据仓库的思想,利用完成ETL功能的DTS组件从遗留信息系统中整合数据,加载到一个集中的数据仓库中,满足当前对数据存储、查询、统计、分析等的一系列要求,并在该平台上实现全企业的资源规划。给出利用DTS组件集成分布式数据库系统的方案及其总体结构,以及在B/S模式下调度DTS包的部分关键实现代码。     

改进人工鱼群算法在SVM参数优化中的应用

支持向量机的参数优化一直是一个重要的研究方向。参数的好坏很大程度上决定了支持向量机的分类精度和泛化能力。针对人工鱼群算法优化支持向量机参数时,容易在后期徘徊于最优解附近、难以逼近的问题,提出了人工鱼群加速算法,使用速度参数代替人工鱼步长,从而求得最优目标并得到SVM的最优参数组合。仿真实验结果表明：该算法收敛速度快,求解数值精度高,对初值的依赖程度低,在SVM参数优化中具有更好的性能、更高的分类准确率,是一个极其有效的参数优化方法。