基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

云加密在衡器中的应用

在衡器行业的发展历程中，防作弊一直是衡器厂家重点关注的对象，而随着作弊水平的不断提高，一些防作弊技术已经被破解。主要原因是传统的防作弊技术密钥的获取、验证是在本地进行的。不同以往，云加密防作弊技术借助云物联平台，密钥的获取、验证是在云服务器上进行的，作弊无从下手，真正做到了防作弊。本文阐述了云加密技术的概念，通过与传统防作弊技术的对比，展示了云加密技术的防作弊效果，介绍了云加密系统的组成及应用，以方便理解。     

结合结构学习的多头密集连接图池化模型

目的:利用图神经网络，构建带有结构学习的多头密集连接图池化模型并用于图分类任务。方法:首先，用图卷积神经网络提取节点的初始特征。其次，用多头密集连接网络学习节点重要性得分，并根据得分进行节点采样得到池化图。之后，对池化图中的节点进行结构学习，以保证图结构的完整性。最后，将学到的图表示放到分类器中，完成图分类任务。结果:与其他图分类模型在七个广泛使用的数据集上进行实验对比，我们构建的模型在五个数据集上的分类结果达到最优。结论:结合结构学习的多头密集连接图池化模型在图分类任务中具有先进性。     

浅谈紫砂“云肩如意壶”的造型美感以及文化意境

紫砂壶是中国传统茶文化的重要组成部分,是中国特有的饮茶器具,自古以来深受很多爱茶人士的喜爱。紫砂壶在宋朝开始出现,更是盛行于明清,到如今五六百年时间里,经历无数兴废衰荣之后发展逐渐成熟,更是掀起了一阵世界性的紫砂文化热潮。紫砂壶集篆刻、绘画、书法等诸多艺术于一体,造型个性美观、风格迥异、与众不同、独树一帜,令很多人为之着迷。更特别的是紫砂壶和一般的陶器不同,由于材质以及制造工艺的特殊性,更加经久耐用,并且烧成后的紫砂壶保温性和透气性都很好,能较长时间保存茶叶的色、香、味,故称其为:“世间茶具称为首”。笔者以紫砂壶“云肩如意壶”为例,浅谈它的造型特征以及文化意境。     

基于Bert预训练模型的虚假新闻文本检测

虚假新闻剥夺了人们获取真相的权利,也给社会和国家带来了许多危害。文中以虚假新闻文本为例,分析和验证了多种预训练语言模型在虚假新闻文本分类上的分类效果。经实验证明,相较于其他语言模型,Bert预训练语言模型取得了较好的结果,预测准确率为86.97%,召回率为88.12%,F1值为87.54%。     

基于双时间点检测的毫米波雷达人流量监测方法

针对现有基于视频监控的人流量统计方案成本高、算法复杂且不利于个人隐私保护的局限性，利用毫米波雷达体积小、成本低、分辨率高的特点，提出了一种基于双时间点检测的人流量监测方法。该方法先获取人体目标散射点位置和多普勒频移信息来构成点云数据，然后根据多普勒频移正负来判断人体的运动方向，并筛选具有高多普勒频移值的点云数据以降低干扰点对聚类结果的影响；在双时间点对特定区域内人员数量进行统计，并根据双时间点之间所获取的点云数据聚类结果对所统计人员数据进行修正。实验结果表明，该方法能够用匿名的方式以较高的正确率统计人员进出。