下肢康复外骨骼的造型与结构优化设计研究

为了满足下肢康复外骨骼造型美观化与结构轻量化的双重要求,提出一种造型设计与结构优化互补的综合设计方法。运用感性工学理论和设计美学原则,归纳出下肢康复外骨骼造型设计的一般特征,并应用于下肢康复外骨骼的造型设计中,然后采用7点标度的语义差异量表挑选造型方案。为了验证造型方案结构的合理性,利用SolidWorks软件对优选方案进行三维建模和有限元分析,同时在不改变优选方案造型轮廓美观性的基础上,使用拓扑优化方法对其进行轻量化设计。最终设计得到的造型方案不论是在造型美观性方面还是结构性能方面都比较突出,表明了该方法的有效性。     

基于QFD和AHP法的适老浴室柜设计研究

目的 设计出符合老年人实际使用需求的浴室柜产品,更好地帮助他们完成日常起居的生活。方法 以质量功能展开(QFD)理论和层次分析法(AHP)作为理论支撑,构建适老浴室柜质量屋(HOQ)设计理论模型,并以此为依据对适老浴室柜进行设计实践。首先通过实地访谈和观察法等方式,获取老年人的行为状况和需求信息,利用KJ法对需求进行聚类和精炼,得到用户需求层次化结构;然后运用AHP法计算出各层需求的权重值;最后利用HOQ理论将用户各项需求转化为适老浴室柜设计特征。结果 依据设计特征得到一款最为符合老年人需求的适老浴室柜设计方案。结论 该方法能够挖掘出用户最为迫切的需求,使设计出的产品更为科学与合理,更好地帮助老年人应对衰老所带来的困扰,同时对同类产品的设计研究也具有重要的参考意义。     

基于GPU加速的超精简型编码数据库系统

在数据爆发式增长的今天,特别是通信、金融、互联网等领域产生的大规模数据,在存储和查询方面给业界带来了前所未有的压力.在这种背景下,当前的数据库和数据仓库系统通过对数据进行压缩编码,在节约空间的同时减少了数据表查询时所需的I/O,获得性能上的提升,但大部分系统在面对实际大规模企业数据应用时依然无法在压缩比、导入时间或查询性能上完全满足企业需求.通过基于一定的规则对数据重新进行编码和精简,实现了一种新型超精简型编码的数据库系统HEGA-STORE.采用行列混合存储的架构;提出基于列内和列间规则挖掘和编码的数据导入存储计划;同时在规则挖掘和编码中使用GPU作为协处理器并行处理算法从而提高效率.通过开发编解码原型系统,对大规模网易易信通信记录数据和网易后台日志数据的导入和查询分别进行了测试,并与其他压缩编码算法和数据库、数据仓库产品进行比较.对比实验结果表明,相比同类数据库和数据仓库产品,原型系统拥有极高的压缩比,并且在导入速度和全表扫描查询速度也处于领先地位,同时使用GPU和CPU协作进行数据处理时也能进一步提高系统性能,验证了提出的超精简型编码数据库系统的实际应用价值.     

面向多模态模型训练的高效样本检索技术研究

深度学习中多模态模型的训练通常需要大量高质量不同类型的标注数据，如图像、文本、音频等. 然而，获取大规模的多模态标注数据是一项具有挑战性和昂贵的任务.为了解决这一问题，主动学习作为一种有效的学习范式被广泛应用，能够通过有针对性地选择最有信息价值的样本进行标注，从而降低标注成本并提高模型性能. 现有的主动学习方法往往面临着低效的数据扫描和数据位置调整问题，当索引需要进行大范围的更新时，会带来巨大的维护代价. 为解决这些问题，本文提出了一种面向多模态模型训练的高效样本检索技术So-CBI. 该方法通过感知模型训练类间边界点，精确评估样本对模型的价值；并设计了半有序的高效样本索引，通过结合数据排序信息和部分有序性，降低了索引维护代价和时间开销. 在多组多模态数据集上通过与传统主动学习训练方法实验对比，验证了So-CBI方法在主动学习下的训练样本检索问题上的有效性.     

基于循环神经网络的数据库查询开销预测

数据库负载管理、性能调优中,开销预测模型是提高其效率的关键技术。首先,由于数据库系统的复杂性和计算机资源的竞争,很难精确地估计不同操作的开销。其次,由于查询计划结构的复杂性,现有研究更多使用笼统的查询信息,而很少利用查询计划中操作层面的信息,并依据这些信息来获得开销模型。另外,现有的研究大多没有真正预测查询的执行时间,而是预测了类似查询优化器中开销模型生成的开销。为了减少负载管理的复杂性,本文提出了基于循环神经网络的精细模型来预测查询开销,以查询计划中的操作行为和其实际运行时间作为特征提取的来源。特别地,考虑到查询计划结构的复杂性,本文采用一种特殊的循环神经网络,长短期记忆（Long-Short Term Memory,LSTM）。给一个特定的查询计划,在该计划实际执行之前,模型就能产生其预测的执行时间。这会比现有数据库的查询优化器产生的开销预估结果（任意单位）更具有参考性;也优于需要在执行开始之后才能预测的查询进度指示器。本文提出的这种创新方法来预测查询执行时间,可以用于解决数据库负载管理中的关键问题。通过实验验证,模型的正确率高于71%,一定程度上证明了方法的可行性。     

基于用户体验的外骨骼机器人舒适性研究

为提高外骨骼机器人的使用舒适性,从用户体验角度,结合诺曼提出的3层次理论研究了影响外骨骼机器人舒适性的因素,从而得到操作便利性、运动匹配性、受力均匀性、外形适应性4个评价标准。在此基础上构建了外骨骼机器人舒适性评价指标体系,采用模糊层次分析法建立了外骨骼机器人舒适性综合评价模型。以上肢外骨骼康复机器人为例,设计了5级李克特量表进行问卷调查,对原型机进行了综合定量评估,发现手臂支撑和后背造型的舒适性较差,然后对其进行改进设计,提升外骨骼机器人用户体验的整体舒适性,为外骨骼机器人舒适性定量测评提供参考依据。     

多重决策论图像脉冲降噪算法及其硬件实现

脉冲噪声是导致图像质量退化的重要因素.针对嵌入式系统应用的实时处理要求,提出基于多重决策论的降噪算法.针对传统决策论算法在降噪性能和算法稳定性中存在的问题,结合硬件设计的特点,在决策过程中引入了多重判定来选取邻域最优插值像素进行脉冲噪声点的像素替换,以提高降噪效果;并采用流水线结构的电路设计来提高其硬件实现特性.逻辑综合和基于FPGA的设计验证结果表明,该算法对于各类任意灰度值、不同浓度的双极型脉冲噪声都具有优异的脉冲降噪性能,且算法的计算复杂度低、所占用的逻辑资源和存储资源少,可以很好地满足高清视频图像处理和实时应用的要求.     

关于主动学习下的知识图谱补全研究

知识图谱补全任务研究如何补全知识图谱中的缺失关系。知识图谱补全任务有许多广泛的应用,例如可以应用到轨道交通运维知识库中以支撑轨道交通的系统设计、运维优化。现有的算法在用于现实的大规模知识图谱时时间开销巨大,并且无法很好地利用知识图谱外部的数据信息。针对以上两点局限性,提出了一种基于主动学习的知识图谱补全框架。该框架结合主动学习的思想,利用链接预测预先筛选缺失知识图谱中最有可能产生链接的前k对实体对,然后充分考虑知识图谱内部信息和外部信息,采用内外部数据相结合的方式实现知识图谱的缺失补全。基于Freebase和DBpedia数据集,针对已有的工作进行了对比实验,实验结果表明提出的增强链接预测算法(ELP)效果更好,并且具有主动学习能力;提出的内部数据和外部数据相结合的关系验证方法能更有效地验证三元组。     

基于树状模型的复杂自然语言查询转SQL技术研究

自然语言查询转SQL （NL2SQL）是指将自然语言表达的查询文本自动转化成数据库系统可以理解并执行的结构化查询语言SQL表达式的技术.NL2SQL可以为普通用户提供数据库查询访问的自然交互界面,从而实现基于数据库的自然问答.复杂查询的NL2SQL是当前数据库学术界的研究热点,主流方法采用序列到序列（Seq2seq）的编解码方式对问题进行建模.然而,已有的工作大多基于英文场景,面向中文领域实际应用时,中文特殊的口语化表达导致复杂查询转化困难;此外,现有工作难以正确输出包含复杂计算表达式的查询子句.针对上述问题,提出一种树状模型取代序列表示,将复杂查询自顶向下分解为多叉树,树结点代表SQL的各组成元素,采用深度优先搜索来预测生成SQL语句.在DuSQL中文NL2SQL竞赛的两个官方测试集中,该方法分别取得了第1名和第2名的成绩,验证了其有效性.