MLCPM-UC:一种基于模式实例分布均匀系数的多级co-location模式挖掘算法

空间co-location(并置)模式是一组空间特征的子集,其实例在空间中频繁地邻近出现.由于空间数据同时存在关联性和异质性,co-location模式实例的分布或在整个研究区域中全局出现(全局co-location模式),或在研究区域的局部区域出现(区域co-location模式),从而提出了多级co-location模式挖掘.当前的多级co-location模式挖掘方法存在两个问题:1)已有的多级co-location模式挖掘方法忽略了模式在空间中的分布特性,未能准确区分全局和区域co-location模式;2)已有的多级模式挖掘方法将全局非频繁co-location模式作为候选区域co-location模式,导致候选区域co-location模式数量过多.针对以上问题,首先,定义了模式的实例分布均匀系数,在考虑模式频繁性的同时考虑了模式在空间中的分布情况,从而正确、高效地识别出全局和区域co-location模式.其次,基于模式的实例分布均匀系数,设计了一个有效的多级co-location模式挖掘算法,提出了有效的剪枝策略以提高算法效率.最后,在真实和合成数据集上进行了广泛的实验,验证了所提方法的正确性和高效性.     

多级特征增强的图表示学习模型

针对图数据的表示学习在推荐系统、链接预测等图下游任务已展现出重要的研究价值。然而目前主流的方法存在一些缺陷：图卷积网络的固定传播模式限制节点表示的语义表达能力,以及编码器-解码器结构中的正则化重建阻碍学习节点间的差异化特征,这些都可能导致节点表示不能很好适应图下游任务。为此,基于互信息最大化理论提出一种多级特征增强的图表示学习模型,能以无监督的方式生成高质量的节点表示。模型使用提取器保留节点原始属性中的差异化特征,利用注意力聚合器维持编码空间中节点分布的局部相关性和全局差异性,应用深度图信息最大化策略统一全局编码规则。实验结果证明,在几个基准图数据集上该模型在直推式学习和归纳式学习下的编码表现均超过了所有的主流对比基线。     

高效化方坯连铸机二冷室横梁改造

昆钢8^#方坯连铸机于2001年进行高效化改造，3年后，二冷室横梁弯曲变形严重，导致固定其上的喷淋水管、托辊歪斜，铸坯在二冷过程中抖动剧烈，拉坯阻力增大，使漏钢事故增多、铸坯跑偏、产生脱方质量问题，影响了生产正常进行。经过对二冷室横梁改造，上述状况有较大好转，最为显著的是解决了二冷各段位及铸坯的抖动现象，减少了漏钢事故，提高了铸坯质量。     

基于概念层次树的例外挖掘方法研究

例外检测能够在诸如电子商务、信用卡欺骗及气象数据分析等领域中挖掘真正未预料到的知识,人们注意到,已有发现例外的方法只能处理数值型属性,同时不允许用户动态地改变参数。在此,文章基于“概念层次树”、“语义距离”及“语义贴近度”等概念,研究了SDB—例外及FCB—例外,并给出了挖掘这些例外的有效算法。     

异质信息网络中基于邻接熵的影响力最大化

影响力最大化是研究如何在社会网络中寻找小部分最具影响力的节点作为信息扩散源,使信息在网络中传播范围最大的问题.已有相关研究大多只是针对同质信息网络,但现实中的社会网络是包含了多种对象类型和对象之间多种关系类型的异质网络,因此提出了基于元路径的邻接信息熵(MPAIE)模型,以及基于元图的邻接信息熵(MGAIE)模型来模拟异质信息网络中的社会影响.通过设置元路径或元图,该方法可以灵活地整合异质网络中的结构和语义信息,对节点的影响力做出度量,并在两个真实数据集上验证了MPAIE及MGAIE模型的有效性.     

全变分极端通道先验的盲图像去噪去模糊

图像先验是图像复原中求解不适定问题的关键。针对在图像具有显著噪声时,极端通道先验去模糊算法容易产生振铃伪影和无法抑制噪声的缺点,利用全变分模型可以同时抑制噪声和保护边缘的优势,提出一种有效的全变分极端通道先验的盲图像去噪和去模糊模型。首先,将全变分模型分别引入暗通道和亮通道中,用于保护图像的边缘及消除噪声或振铃伪影;其次,利用半二次分裂技术解决模型的非凸问题和估计潜在的清晰图像;最后,用迭代多尺度盲反褶积估计图像的模糊核。实验结果表明,该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影。相比近几年具有代表性的其他方法,该模型的鲁棒性、主观视觉效果和客观评价指标均有明显提高。     

影响图及遗传算法的私人信息推测

市场竞争中,准确推测竞争对手的私人信息对于竞争者掌握竞争的主动权具有重要意义。以影响图作为竞争对手的决策模型,以对手的目标是使整体决策的总期望效用最大,而不仅仅是使每一步决策获得最大效用为准则,根据所观测到的竞争对手的决策行为,利用遗传算法推测对手的自然信息、决策信息或效用信息。实验结果表明,所提方法是正确有效的。     

冰蓄冷空调群参与风光本地消纳的微网随机经济调度策略

可再生能源在未来新型电力系统中渗透率日益提高,分布式风、光电量输入主网、并网消纳会导致过剩功率在馈线中形成逆向潮流,增加配电网线损。为减少电量传输损失,促进新能源本地消纳,本文以大量冰蓄冷空调集群为载体,构建了冰蓄冷空调集群参与微网经济调度框架,分析了冰蓄冷空调蓄冷、释冷过程的调控优势及其参与调度的流程;其次,基于场景法对微网分布式风、光出力不确定性进行建模,考虑了不确定性影响下微网调度成本、线损成本及条件风险成本,构建了总成本期望值最小的优化调度模型及系统内各设备调节容量、成本约束集,并根据拉格朗日乘子法验证模型最优解唯一性。算例仿真表明,提出的随机调度策略能够促进微网运行经济性并应对不确定性风险,且冰蓄冷空调集群促进风光本地消纳,减少功率逆送造成的网损,相比于普通空调及锂电池更具经济性。     

一种数控玻璃切割机运动控制系统的设计

介绍了国内外运动控制系统的研究现状,以及数控玻璃切割机的机械结构和工作原理,针对数控玻璃切割机结构特点和控制功能需求,设计了一套以4轴运动控制器为核心,配合伺服电机组成数控玻璃切割机运动控制系统,并详细介绍了该运动控制系统的各部分组成。同时还设计了相应的人机交互界面,配合硬件系统使用,可以同时实现Y、Z两轴同步运动,Y、Z两轴和X轴平面插补,C轴跟随切割轨迹自动旋转,从而完成玻璃轮廓轨迹的切割加工,并提高生产加工效率。     

基于注意力机制的苗族服饰图案分割

针对苗族服饰图案存在色彩差异大、样式及纹理多样性等问题,采用传统的图像分割算法进行苗族服饰图案分割,会使得一些特征空间信息丢失,导致图像分割的效率与精度较低。为此,本文提出一种基于注意力机制的苗族服饰图案分割模型,通过提取图像特征,使模型能够更好地将感兴趣的特征从局部水平关联到全局水平。同时也采用了数据增强策略,增加训练数据以提高模型泛化能力。实验结果表明,本文模型与传统语义分割网络(U-Net)和全卷积神经网络(FCN)模型相比,仅采用不到1/2的训练参数,IoU增长了14.79%和18.21%,Dice系数增长了11.03%和13.95%。因此,本文为苗族服饰图案分割算法研究提供了一种有效可行的方法。