结合句法依存信息的方面级情感分类

引入句法依存信息到原方面术语,提出一种新的方面术语表示方法,利用Glove词向量表示单词以及单词与单词之间的依存关系,构造出包含句法依存信息的依存关系邻接矩阵和依存关系表示矩阵,利用图卷积神经网络和多头注意力机制将句法依存信息融入到方面术语中,使得方面术语表达与上下文结构高度相关。将改进后的方面词术语表示替换到现有模型后,模型泛化能力得到有效提升。对比试验和分析结果表明:该方法具有有效性和泛化性。     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.     

基于KANO模型的后共享时代单车设计决策研究——从设计师与消费者视角

目的 探究消费者对共享单车的需求偏好，获取用户和设计师对产品的认知差距，并提出相应的设计决策，为共享单车以及两轮车行业的产品创新提供启迪与参考。方法 从设计师思维与消费者偏好的视角出发，对共享单车消费者偏好的各项设计原则(属性)进行细致分类，建立8个评价维度与41个评价特征，采用KANO模型对有效回收样本进行定量统计及定性分析。结果 基于前期调研与KANO模型分析，提出后共享时代单车设计的相关策略。结论 在后共享单车时代下，设计师需要根据用户真实的产品偏好与体验感知进行设计策略的研究，以设计出真正满足用户需求和体验期望的产品。同时也证明KANO模型作为一种阐明用户不同感性需求的方法，有助于设计师进行设计决策的综合判断，提升设计的竞争力。     

基于魅力工学的盲盒玩偶外观要素研究

目的 随着潮玩市场的不断发展，盲盒玩偶受到了大量年轻消费者的青睐。通过研究盲盒玩偶外观与消费者偏好之间的关系，可以了解现代年轻群体的审美偏好，从而辅助设计师创造出更多满足消费者偏好的产品。方法 基于魅力工学等研究方法展开定性与定量研究。以POP MART盲盒玩偶为研究对象，首先进行深度访谈，根据访谈内容绘制盲盒玩偶外观评价构造图，得到消费者对偏好的盲盒玩偶外观的原始评价、抽象感受和关注的具体要素;再结合抽象语义设计Likert问卷，并进行问卷调研，以此获得盲盒玩偶的魅力评价均值;最后运用数量化I类理论进行多元回归分析，建立多个要素与消费者审美偏好之间的线性关系。结果 利用SPSS26.0统计软件进行定量研究，得到“治愈温馨”“纯洁可爱”“潮酷个性”“有趣搞怪”四类语义分别与消费者吸引力的线性关系，以及具有显著影响的外观设计要素。结论 研究获得了消费者对不同语义盲盒玩偶外观的审美偏好与关注要素，以及不同职业、不同年龄段消费者对盲盒玩偶外观审美偏好程度的差异。研究结果对潮玩设计师的创作具有参考性意义，也可将研究结果拓展应用于小型艺术装饰品/创意玩具等类似产品中。     

基于Relief-F特征加权的模糊支持向量机的分类算法

传统基于样本与类中心的欧氏距离构造模糊支持向量机隶属度函数的方法将所有特征同等对待,并未考虑不同特征对样本与类中心距离的影响。针对这一问题,提出基于Relief-F特征加权的模糊支持向量机分类算法。首先通过Relief-F算法计算各特征权重并剔除权重较小的特征;然后应用特征权重计算样本到所属类中心的加权欧氏距离;最后,基于加权欧氏距离构造隶属度函数。该方法在考虑到特征重要性对分类效果影响的同时,通过权重阈值剔除权重较小的特征,从而将数据降维,提高了分类准确度和训练效率。实验结果表明:与支持向量机和传统基于距离构造隶属度的模糊支持向量机相比,基于Relief-F特征加权的模糊支持向量机具有更高的训练效率和分类准确率。     

基于ISVD多级降噪和SVM的轴承故障诊断研究

在强噪声背景下难以提取出滚动轴承的故障特征，导致对轴承的故障诊断准确率不高，针对这一问题，提出了一种基于小波变换、改进奇异值分解多级降噪算法与支持向量机模型的轴承故障诊断方法。首先，采用小波降噪对滚动轴承的原始信号进行了初始降噪，消除了部分的随机噪声；然后，主要通过改进相空间矩阵重构方式，对该信号进行了改进奇异值分解二次降噪，并提出了新的奇异值有效秩阶次确定方法，利用峭度对一维信号提取方案进行了优化，并对其完成了降噪；最后，通过提取了10个有效特征，结合支持向量机在MATLAB中进行了仿真实验，分析了不同特征对轴承的故障诊断结果的影响，并将方法与其他方法进行了对比分析。研究结果表明：采用多级降噪算法降低了轴承工作状态下的背景噪声，使其故障特征频率更为明显；支持向量机分类诊断器的故障识别准确率达到98.3%,能够有效地识别轴承故障发生的位置和严重程度。     

云制造环境下人力资源需求的评价与选择方法

为了解决云制造环境下人力资源提供方对需求方的选择问题,以人力资源提供方的视角,提出一种基于需求方的需求能力和偏好符合度的评价与选择方法。首先,构建了对需求方需求能力的评价指标体系,结合变精度粗糙模型,求得各候选需求方的需求能力;其次,由提供方的供给偏好,计算出各候选需求方的偏好符合度;然后根据各候选需求方的需求能力以及偏好符合度求解其各自的综合需求价值,从而为提供方对需求方的选择提供重要参考依据;最后,以实例验证了该方法的有效性。