舟山地区电网调控一体化应用研究

<正>舟山群岛新区是我国首个以海洋经济发展为主题的新区,伴随新区设立,电力需求必将急剧增长。舟山电力如何与时俱迸地跟踪当前的技术发展趋势,积极主动地引进新技术,建设一个先进性、成熟性、可靠性、实用性和方便性的调度和集控合一的技术支撑系统,是当前的迫切任务。本人认为,在舟山电力新调度大楼引入调度和集控于一体的南瑞的OPEN3000技术支持系统,能完全满足当前舟山电力调控中心的管理需要和电网运行需要。     

一种位置关系约束的异源图像匹配算法设计

为解决无人机植保过程中由于无光照或无信号造成的定位不准问题,文中介绍了一种基于红外与可见光图像匹配算法。该算法首先对可见光图像选取两处显著性区域,其次利用两区域的位置关系约束,生成将两区域包络的矩形作为模板,最后使用简化的协方差相关算法快速计算出定位坐标。实验表明,利用显著性区域位置关系的模板匹配比单个显著性区域匹配的鲁棒性更好,简化的协方差算法能够有效减少运算量。     

铝在农业领域的应用现状及前景分析

铝是一种“年轻”的金属,铝元素从发现至今只有一百余年的历史;铝又是地壳中含量最为丰富的金属,同时还具有质量轻、易加工、比强度高、耐腐蚀、导电导热性好等诸多优良特性,因此在工业大规模生产之后不到60年(即1956年),铝便开始超越铜成为产量和消费量最大的有色金属,也是仅次于钢(铁)产量的第2大金属材料,广泛应用于建筑结构、交通运输、电力电子、包装容器、机械装备、耐用消费等多个领域,不但是制造业发展的主要基础材料,同时也是高新技术发展和国防建设的重要支撑材料。     

基于情感分析的文本检索系统的研究

针对目前文本挖掘的情感分析方法的准确性、实时性、提取等问题,构造一种神经网络混合模式,使用记忆神经网络和卷积神经网络对文本特性的提取,再利用情感分析方法进行挖掘。实验表明对文本挖掘的准确性提高了,这种模式在应用中有很大的实用性。     

基于文本与语义相关性分析的图像检索

为了更加有效地检索到符合用户复杂语义需求的图像，提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步：基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联，在选定图像库中通过语义相关性分析得到“种子”图像；接下来在图像扩展检索中，采用基于SIFT特征的相似图像检索，利用之前得到的“种子”图像作为查询条件，在网络图像库中进行扩展检索，并在结果集上根据两次检索的图像相似度进行排序输出，最终得到更加丰富有效的图像检索结果。为了证明算法的有效性，在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验，实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果，并且通过扩展算法可以得到更加丰富的检索结果。     

新形势下和谐企地关系建设探讨

进入21世纪以来,我国的经济实力和科学技术水平有了很大的发展和进步,综合国力与国际地位也在不断的提高。在这样的形势之下,我国致力于和谐社会的构建工作当中。无论是在人与自然、人与人还是人与社会之间,都提倡和谐共处,以创造和谐社会为目标。在当今时代,人们对于和谐企地关系的建设工作越来越重视,从目前的情况来看,我国在新形势下的企地关系并不是十分的和谐,从而使得我国经济和社会的整体发展受到了一定程度的阻碍。本文将以新形势下和谐企地关系建设为主线,进行简要的分析和描述。从经济学的角度入手,对当前地方与企业之间关系建设不和谐之处进行分析,深入的挖掘不和谐情况出现的根本原因,并从可持续发展观的角度来进行阐述。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

多关系社交网络中社团结构发现算法

社交网络的节点之间存在着多种关系,这些关系共同决定了网络中节点的社团结构划分。为了准确地发现多关系社交网络中的社团结构,通过研究信息在多子网复合复杂网络模型上的传播过程,提出了一种多关系网络中的社团结构发现算法。该算法基于多子网复合复杂网络模型建立的多关系社交网络,利用信息在多关系社交网络中的传播过程,将网络中的节点转化成能够被聚类算法处理的向量形式,进而采用聚类算法完成多关系社交网络中的社团结构划分。该算法综合考虑了网络中多种关系的相互作用以及异质节点间的相互影响,得到的传播信息量矩阵表示了各节点在整个网络中的影响力,并将影响力相似的节点划分到同一个社团结构中。实验结果显示,与传统社团结构发现算法相比,该算法不仅在准确度上有所提高,还能将异质节点划分到一个社团中,可以根据用户不同需求挖掘出多关系社交网络中的隐藏信息。