基于主成分分析的轮胎缺陷检测算法研究

针对X光射线轮胎图片中出现的灰度特征缺陷,提出基于主成分分析的轮胎缺陷检测算法.该算法首先通过图像增强技术使轮胎的缺陷特征更加明显;然后,采用主成分分析技术设置阈值,保留整幅图片的主要特征,再通过重构图像将轮胎图片映射到更少的相互正交的向量空间中,将原图与重构图像的像素值矩阵进行差分,得到初步定位的含有缺陷的图像;最后,初步定位的图像经过阈值分割和腐蚀得到只含有缺陷的图像,实现精确定位.对200幅具有不同灰度缺陷形状的X射线轮胎图片进行缺陷检测,实验结果表明：该算法能有效地检测出缺陷所在位置,且算法时效性优于其他算法.      

WSNs中一种新颖的模糊识别定位技术研究

 针对WSNs中定位技术存在的不足,提出了一种新颖的基于模糊识别的定位模型.在该模型中,定位空间被一些样本点划分为若干个相同的小区域,每一个样本点唯一地对应一个信号向量,通过计算未知点对应的信号向量与各个样本点对应向量的贴近度可以最终地确定未知点的坐标.该定位模型采用射频信号进行定位,不但避免了现有模型的误差叠加,提高了定位精度,而且避免了高计算复杂度与多参考点需求.基于NS-2的仿真结果表明该定位模型在具有较高的性能与较强的实用性.     

基于高阶特征交互的点击率预估模型的实现

传统的低阶特征模型不能充分利用大数据,从多个维度描述数据和用户.专注于高阶特征提取,结合显式和隐式特征交互的点击率预估模型可以利用好大数据的特点.使用Tensorflow框架搭建包含深度神经网络、因子压缩交互网络和多重特征自交互网络结构的模型,使用淘宝展示广告点击率预估数据集进行训练.模型采用对数损失值和ROC曲线下面积作为评价指标,与原始的LR、FM、Deep&Wide等典型模型进行比较,对数损失值降低了0.04,AUC值提高了0.05左右.     

移动无线传感器网络中的网络分割

移动无线传感器网络因为传感器节点具有自主移动能力而使网络无法持久保持稳定的连通性,导致网络长时间处于被分割成多个局部子网的状态.通过对网络动态分割的深入研究,从物理层、链路层分析产生网络分割的原因,定义网络分割时间比、网络分割度和网络承载率等指标,量化地分析了网络分割问题.通过仿真实验得到的大量实验数据,揭示出移动无线传感器网络连接在网络分割方面的两个特征:网络分割时间比与节点数目呈反比,网络承载率与网络分割度的稳定性呈正比.研究结果既可为无线传感器网络的实际应用提供依据,又可为上层协议的研究提供有价值的参考.     

基于二维卷积神经网络高层数据特征学习的过程故障检测

针对化工生产过程中高维数据故障特征难以学习和提取的缺点,提出一种基于二维卷积神经网络的化工过程故障检测方法.首先,采集化工过程不同故障的数据构成训练集和测试集;然后,对训练集和测试集中对应的正常样本和故障样本标注标签;最后,将训练集中的样本数据作为卷积神经网络的输入来训练、优化模型.方法应用于田纳西-伊斯曼化工过程,数据结果表明：二维卷积神经网络能够提取出原始数据中样本与样本、变量与变量之间更为抽象的高层数据特征,通过特征提取和学习后的重构特征数据输入到全连接层BP神经网络进行故障分类,比单独使用全连接BP神经网络的检测率提高了14.42 %,误报率降低了2.55 %.     

基于编解码器结构的中文文本摘要

传统生成式模型中存在的梯度经过多次传播后,倾向于消失或爆炸,且存在语言理解不充分的性能缺陷,为此提出一种生成式自动文本摘要方法(BiGRUAtten-LSTM).编码器端将原始文本输入到编码器并结合双向门控循环单元生成固定长度的语义向量,使用注意力机制分配每个输入词的权重来减少输入序列信息的细节损失.解码器端使用LSTM网络,融合先验知识和集束搜索方法将语义向量解码生成目标文本摘要.通过工业新闻数据集的实验验证,与传统的生成式文本摘要模型相比,ROUGE-1指标提高0.026、ROUGE-2指标提高0.056、ROUGE-L指标提高0.025.     

融合延迟变换和张量分解的金融时序预测算法

金融时序预测可以为从业人员提供行业变化趋势信息。采用多路延迟嵌入变换将时间序列转化为低秩块Hankel张量,利用Tucker分解将高阶张量投影到压缩核心张量中,对核心张量使用季节性差分自回归滑动平均算法实现对未来的预测。在4个公共数据集上验证了该算法与经典的XGBoost、VAR、SARIMA等算法相比具有更好的计算精度和更少的计算成本。     

基于改进Attention Mask编解码器CPI的研究

化合物-蛋白质相互作用(CPI)的研究对药物发现有着重要作用,它可以为药物靶标选择提供有价值的信息,在一定程度上提高先导化合物的命中率,进而加快药物发现的进程.由此提出了一种基于改进Attention Mask编解码器的化合物与蛋白质相互作用分类的预测模型,分别使用RDkit和Item2vec处理化合物的SMILES字...     

基于时序卷积网络的词级语言模型研究与应用

提出一种卷积神经网络——时序卷积神经网络.将该网络应用于语言模型,时序卷积神经网络的基本结构由输入层、扩大卷积层、因果卷积层、Relu层、Dropout层、输出层组成,将扩大卷积应用在语言模型中.实验结果表明,将语言模型的复杂度降到83.21,误差降到3.87,该网络同RNN比较复杂度下降14％、误差下降0.69,该网络同LSTM比较复杂度下降13％、误差下降0.4,综合复杂度、误差两个指标,时序卷积网络优于其它基准模型.     

Motion JPEG视频压缩IP核的设计与实现

设计了一个高效的全流水线结构的Motion JPEG视频压缩IP核。在设计中提出了一种适合FPGA结构的并行快速矩阵转置电路结构和全流水线的二维离散余弦变换电路结构。实验结果表明,Motion JPEG视频压缩IP核具有较大的实用价值和广阔的应用前景。