基于物联网的分体空调集中控制系统

针对当前公共场所分体空调管理和节能需求,通过分析分体空调的管理模式和设备能耗,设计并实现了一种基于物联网和嵌入式技术的分体空调集中控制系统；分体空调集中控制系统将每台分体空调进行联网,并采集分体空调运行的环境参数以及功耗数据,再结合人体舒适度等因素制定分体空调的节能控制策略,最终通过学习红外编码的方法实现对分体空调的控制；系统已在公共场所实地安装运行与测试,证明本系统能够安全、稳定地运行,具有方便空调管理和良好的节能减排的效果。     

MLICP-CNN:基于CNN与ICP的多标记胸片置信诊断模型

针对胸片的多标记预测集缺少可校准性的缺陷,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与归纳一致性预测器(Inductive Conformal Prediction,ICP)的多标记胸片置信诊断模型MLICP-CNN。该模型将学习数据划分为训练集和校准集,通过使用CNN从训练集中学习出规则D。基于规则D和校准集使用算法随机性对被测数据进行置信预测,即为每个被测数据提供附带置信度的多标记预测集。在对Chest X-ray14胸片数据集的实验结果表明,该模型在临床常用的95%置信度下,模型准确率为95%,体现了置信度评估的恰好可校准性。在CNN架构为Resenet50并采用LS-MLICP为奇异值映射函数下,模型性能最好,其确定预测率为96.43%,理想预测率为92.31%。另外,CNN架构对预测效率的影响程度远远小于奇异值映射函数。     

分布式工作流管理系统中的一种资源搜索策略

针对分布式工作流管理系统中的资源搜索问题，提出一种新的搜索策略。该方法利用聚类算法将网分簇管理，使得查找过程中的逻辑拓扑和物理拓扑相互匹配，在此基础上采用结合了兴趣度的蚁群算法提供查找线索。实验表明，该方法提高了工作流引擎服务的整体响应时间，在查找成功率、平均响应时间和平均消息数上较泛洪查找和传统蚁群算法都更具优势。     

多段时间温度智能温控系统的研究

介绍一种单片机多段时间温度智能控制系统,利用TM7705进行当前温度的采集,MOC3061进行输出控制.给出了系统连接框图和硬件电路图,同时介绍了系统的工作原理及主要的软件实现.     

基于综合评判的数据空间刻面检索优化研究

数据空间包含大量的异构异质数据源,为了对数据源进行有效快速的检索,本文在刻面分类方案的基础上提出综合评判方法,允许从不同的刻面对数据进行检索的同时从分类的三个角度对返回结果进行打分,再综合评判,依据评判结果,可以对返回结果排序.实验证明该方法在保证一定的查准率的同时提高查全率以及相应的模糊匹配能力.     

基于神经网络和模型迁移学习的不相关多源频域载荷识别

针对使用模型初始权重随机设定的神经网络模型进行不相关多源频域载荷识别时训练效率低、精度低的问题,提出一种基于神经网络和模型迁移学习的不相关多源频域载荷识别方法.首先,利用某频率点的历史数据对不相关多源载荷识别的多输入多输出神经网络模型进行训练;其次,将该频率下的神经网络的模型参数迁移到相邻的目标频域的神经网络中作为网络权值的初值;再次,利用目标频率的历史数据对神经网络进行微调训练,从而得到目标频率的不相关多源频域载荷识别模型;最后,将该频率的训练好的神经网络的模型参数迁移到下一个相邻频率的模型,循环该过程直到建立所有频率点的神经网络模型.在圆柱壳声振实验数据集上的载荷识别结果表明,该方法具有较好的网络权值初值、能有效减少训练时间,比不使用迁移学习的神经网络方法、基于传递函数和最小二乘广义逆的方法、基于多元一次线性回归的方法具有更高的识别精度.     

基于需求/服务模式的大规模个性化网络服务定制方法

服务互联网环境下,海量的服务需求可能被不同用户同时提出.如何在保证成本有效的情况下实现大规模用户需求的个性化服务定制仍然缺乏有效的解决方案.针对该问题,提出了一种基于需求/服务模式的大规模个性化网络服务定制方法.首先,基于历史服务模式库构建与更新可复用的服务网络;其次,针对当前的每一批用户需求,通过定制服务网络中的服务子网生成满足每一个用户需求的服务解决方案.最后,通过实验验证了所提方法的有效性.     

项目反应理论在计算机自适应题库建设中的应用

题库建设是教学过程中，学生学习及反馈的重要工作。项目反应理论能克服经典测量理论的不足，通过建．立被试者与其潜在特质之间的非线性曲线模型，抽调出与之相适应的题目，较为准确地评估出被试者的能力水平。     

基于随机森林的高维数据可视化

目前对高维数据进行挖掘的方法大多是基于数学理论而非可视化的直觉。为便于直观分析和评价高维数据,提出引入随机森林(RF)方法对高维数据进行数据可视化。首先,采用RF进行有监督学习得到样本间的相似度度量,并采用主坐标分析法对其进行降维,将高维数据的关系信息变换到低维空间;然后,在低维空间中采用散点图进行可视化。在高维基因数据集上实验结果表明,基于RF有监督降维的可视化能够较好地展现高维数据的类分布规律,且优于传统的无监督降维后的可视化效果。