集束型半导体装备的性能分析模型研究

由于集束型装备自身结构的复杂多变,使得对集束型装备的性能分析和产能预测变得非常困难。建立集束型装备性能分析模型是预测装备产能和辅助装备设计的有效方式之一。以可扩展的模块化方式,建立了装备的随机Petri网模型,模型中引入随机变迁来描述装备活动时间的随机性;基于该模型,采用马尔可夫链分析方法,研究了装备主要性能参数如吞吐量、晶圆滞留率和利用率的理论模型。研究结果为集束型半导体装备的性能分析提供了一种有效手段。     

基于分类语义的Web信息检索系统

在海量数据空间中快速、准确地获取用户所需Web信息成为检索系统研究的焦点．将一种全新的网页自动分类技术引入WWW信息抽取领域来解决网上信息有效获取的问题。设计一个基于分类语义的搜索引擎系统——SESC系统．通过Web数据抽取机制以及Web信息分类技术实现检索结果的分类和层次化展示，使得用户快捷地从WWW上获取所需信息．     

基于分类本体的Web信息集成系统研究与实现

为了从海量数据空间中快速、准确获取用户所需Web信息,设计并实现了一个基于分类本体的Web信息集成系统.设计了Web信息自动归类算法,研究了基于分类本体的异构分类体系集成方法,实现了异构分类体系的合并,形成逻辑统一的、基于分类的Web集成视图.通过Web数据抽取机制以及Web信息分类技术实现了检索结果的分类和层次化展示,方便用户浏览、快速定位所需信息.     

SNMP的RD模型研究

针对网络管理时简单网络管理协议(SNMP)中请求/响应模型造成的管理信息流量大、存在时滞的缺陷,提出一个注册/分发(RD)模型,给出对象属性表的概念及其组织方式,对管理信息库进行扩充,阐述为支持RD模型而增加的分发协议,解决与RR模型的兼容性问题,降低管理信息的流量,有效避免了时滞问题,从而实现SNMP协议的高效操作。     

基于分类本体的Web信息集成

在信息和服务迅猛增长的Web上构建信息集成系统是当前的一个研究热点.基于分类本体的Web信息集成机制,构建了一个分类本体Web信息集成框架,以基于Portal的集成视图形式展示集成结果,有效地集成Web上的各种异构数据源来为终端用户提供更为方便的服务和应用.     

Web信息检索中信息分类技术研究

随着Internet/Intranet的快速发展和普及,丰富的Web资源构成一个巨大的全球信息仓库。在海量数据空间中快速、准确地获取用户所需成为Web检索系统研究的焦点。将一种全新的网页自动分类技术引入WWW信息抽取领域,解决网上信息有效获取的问题。获取网站分类体系,设计的Web信息自动归类算法,可通过Web数据抽取机制以及Web信息分类技术实现检索结果的分类和层次化展示,使用户快捷准确地从WWW上获取所需信息。     

基于SPMYOLOv3的水面垃圾目标检测

为解决水面垃圾检测中存在目标形状尺度差异大, 难以区分背景以及目标偏小的问题, 本文提出了一种SPMYOLOv3目标检测算法来实现对水面垃圾的检测. 首先, 对收集到的水面垃圾数据集进行标注, 使用改进的K-means算法对数据集重新聚类, 得到与数据集更匹配的先验框. 其次, 在YOLOv3的主干网络后添加SE-PPM模块, 加强目标的特征信息, 保证目标尺度不变且保留全局信息. 再使用多向金字塔网络对不同尺度的特征图进行融合, 获得携带更加丰富的上下文信息的特征图. 最后使用在损失函数中使用focal loss计算负样本的置信度损失, 抑制了YOLOv3中正负样本不均衡问题. 改进后的算法在水面垃圾数据集上的实验结果表明, 相比于原YOLOv3算法检测精度提升了3.96%.     

融合时序关联动态图与常微分方程的区域间出租车需求预测

为解决出租车行业中的高空驶率和不均衡的需求分布问题,通过对出租车出行的区域进行深入研究,提出了一个融合时序关联动态图与常微分方程的需求预测模型TCG-ODE(temporal correlation graphs-ordinary differential equations)。首先,模型使用ODE(ordinary differential equation)对图卷积神经网络(graph convolutional network, GCN)进行微分方程建模,将堆叠局部特征信息抽象为动态图,以节点的时序特性来推进局部节点状态;然后,设计了一种基于注意力分数调整采样策略的蒸馏方案,提高对多层稀疏图的适应效果,以更稳定地表征复杂时空特征,最终实现对区域间出租车需求量的预测。在真实的出租车订单数据集上进行实验,研究结果表明,TCG-ODE模型的预测效果均优于对照模型和改进前的模型。通过精准预测不同区域之间的出租车需求量,可以为出租车司机和乘客出行提供决策支持信息,从而优化供需关系。