基于条件增强和注意力机制的文本生成图像方法

针对现有文本生成图像模型存在训练效率低下、生成图像分辨率较低以及图像不真实等问题,本文提出一种基于条件增强和注意力机制的深度融合生成对抗网络模型。该模型由文本处理网络和生成对抗网络两部分组成。文本处理网络采用双向长短期记忆网络对文本进行编码,通过条件增强模块增加文本词语对应的特征数据,丰富文本语义特征。在生成对抗网络中,文本特征与视觉特征进行融合,通过使用注意力机制从通道和空间两个维度对输出特征进行调整,使生成网络关注文本描述的重要特征并抑制不必要特征,最终得到生成图像。通过判别器对生成图像与真实图像进行判别,并设计对抗损失函数对网络模型进行优化。在MSCOCO和CUB birds 200两个数据集上进行训练与测试,实验结果表明,与其他模型相比该模型具有明显优势。     

基于视觉显著性和感知相似性的全参考图像质量评价方法

目的 图像质量评价（IQA）旨在使用计算模型自动衡量和评价图像质量,以代替人类视觉系统的主观意见,并应用到相关实际问题中。方法 首先将参考图像与失真图像进行输入,使用视觉显著性模型计算图像局部相似度的特征映射,并在质量得分池化阶段作为加权函数,同时,针对视觉显著性图作为单一特征映射的不足,增加了梯度幅度,然后将图像进行颜色空间的转化提取颜色特征,最后分配相应的权重来计算图像相似度。结果 在4个大型数据集上的对比测试显示,在保持适度计算复杂度的同时,VSPSI相比其他有代表性的模型在预测精度上得到了一定的提升,特别是在TID2013数据集上的SROCC达到了0.9055。结论 研究结果表明,VSPSI是一个性能优良的IQA方法,在不同数据集和不同失真类型中都有良好的表现,具有较强的鲁棒性,可胜任多类失真图像的客观质量评价,同时可通过优化视觉显著性模型进一步提升VSPSI的性能。     

基于知识工程复杂产品开发过程的模型研究

 为了提高复杂产品开发的效率,驾驭复杂产品开发过程各个环节相互关联的复杂性,提出一种基于知识工程的复杂产品开发过程新模型.该模型把知识工程理论融入复杂产品开发全生命周期过程中,通过知识推理技术从数据库和知识库中获取相应开发阶段的知识和数据来驱动和指导整个复杂产品开发过程,以更好地重用设计知识.研究了该模型的关键技术,包括复杂产品开发知识处理技术和基于知识的CAD/CAM/CAE/CAPP集成技术,提出了两种知识处理方法,即基于规则-对象-框架的知识处理方法和基于规则-实例的知识处理方法,并研究了相应的推理算法;以知识库、数据库、规则库和实例库为基础,通过PDM,STEP中型文件、规则、实例和知识等,实现CAD/CAM/CAE/CAPP集成.最后,通过数据库技术、编程语言VC# . NET和CATIA软件实现了隧道掘进机（TBM）主机的快速设计系统,有效地减少了隧道掘进机主机开发的复杂性和缩短开发周期,以TBM主机为应用实例进一步介绍该模型的合理性和有效性.     

线性振动结构的识别

本文研究了具有复阻尼多自由度结构系统的识别问题。提出了一种基于复模态分析的识别方法，该方法通过构造各阶模态参数的灵敏度矩阵来形成海赛矩阵，将识别问题归结成一新变量（参数）集下的无约束优化问题。本方法具有物理力学意义明确，算法简捷，能自动实现模型定阶，收敛快，识别精度高且数据工作量小等特点。为了说明本方法的效果，一大型复杂结构的识别实例及比较结果在文中给出。本研究分线性和非线性两部分；非线性识别问题将在另一篇文中讨论。     

一种基于同质映射的视频图像中文本检测方法

提出了一种基于同质映射域的纹理特征的文本检测方法,并通过实验验证了该方法的性能.该方法与传统的文本检测方法的不同之处在于,首先将图像映射到同质性空间域中,在此空间域中计算纹理特征,然后通过支持向量机(SVM)分类器确定文本区域.与直接在图像空间域中提取纹理特征的方法相比,该方法对复杂背景下的文本检测更为有效,能有效地解决场景纹理特征与文本区域相近似造成的文本检测错误.     

面向对象数据库中的频繁模式发现

提出了基于高阶归纳逻辑编程发现面向对象数据库中的频繁模式的算法.此算法使用高阶逻辑编程语言Escher作为数据及模式表示语言.由于高阶逻辑编程语言不仅能描述复杂结构的数据而且还能描述复杂的模式,以及Escher语言的强类型语法能有效缩小由于高阶逻辑编程语言较强表达能力所带来的较大的模式搜索空间,故此算法能充分利用面向对...     

一类基于认知心理特征的知识发现新模型

为克服数据挖掘过程中的"数据海量,算法复杂"的困扰,建立了两个用于在知识发现系统与过程中模拟认知心理特征的协调器--启发型协调器和维护型协调器,从而实现了系统自主地发现知识短缺和进行知识库的实时维护;创建了双库协同机制,它揭示了数据库与知识库在特定构造下,两个范畴间的等价关系(即结构对应定理);并将这两个协调器和双库协同机制融入经典的数据库中的知识发现(KDD)过程模型,诱导出新的知识发现过程模型--KDD和基于数据库和知识库双库数据挖掘(KD (D&K))过程模型,实现了"定向搜索"与"定向挖掘".最后通过实例验证了其有效性与先进性.     

空间桁架结构特征响应信息对模型修正的影响机理分析

实测的结构响应特征信息是有限元模型修正的基础。由于土木工程结构体型巨大和服役环境复杂，使得结构现场测试难度大、成本高和测试信息有限，因此，合理和高效地利用这些来之不易的有限测量信息，以最小的代价实现对有限元分析模型的有效修正，意义重大。从数学问题求解的角度分析结构模型修正，通过一个空间桁架的数值仿真，研究结构特征信息量大小和类型对模型修正的影响，揭示结构特征信息对模型修正的影响机理和规律。基于设计和建立的实验室空间桁架模型的标准试验和损伤试验，开展了基于实测数据的桁架结构模型修正，验证了结论的准确性和可靠性。对如何充分利用有限的结构特征信息对有限元模型进行高效和可靠的修正，提出了一些有价值的参考建议。     

基于KBE的汽车覆盖件冲压工艺方案设计

汽车覆盖件的冲压工艺方案设计是一个复杂且经验性强的创造性过程,需要一种支持多种知识表达模式和多智能决策技术的方法,解决工艺方案决策问题.通过以工艺特征为核心来表达知识,建立了基于KBE的覆盖件工艺知识模型,采用基于知识驱动决策树表达模式的特征转换机制来实现设计特征到工艺特征的映射,在工艺知识库的支持下完成工艺方案设计.实现了知识的多种描述形式及其应用,有效地解决了工艺方案设计中基于图形、规则及经验知识的决策判断,提高了汽车覆盖件工艺方案设计的智能化程度.     

基于图像处理的明火火灾探测研究

基于数字图像处理技术，实时采集火灾现场帧彩色图像，实时计算图像数据在空间分布上所包含的纹理特征信息——能量（CON）、熵（ENT）、相关（COR）、惯性矩（ASM），并提取火焰的形状，获得火焰特征参数——面积、周长、圆形度、重心．通过融合处理连续帧图像数据，量化得到纹理信息表示的现场环境状况和火焰特征参数表示的火焰形状及其不稳定性特征。这些特征参数在火灾发生时出现了明显的变化，呈现出一定的规律，利用这些规律可以在现代船舶上实现火灾图像探测报警。     

大数据：开启面向未来的标准化事业

在当今的信息时代,云技术、物联网和基于二者的大数据技术正推动经济社会发生着变革。未来经济在互联网等技术的作用下变得越来越个性化,对大数据技术的应用将有利于标准化事业对经济社会发展做出更大贡献,标准化的服务内容由经济主体自由选择,标准化机构和研究人员更多地关注经济主体的个性化培养,标准化机构由被动服务逐渐转变为主动服务。在逐步到来的大数据时代,网络标准化服务与实体标准化服务将逐渐分离,更多的交往互动、个性化服务和灵活的服务方式将使标准化事业获得新的生机。     

建筑金属结构行业计算机辅助工程报价决策方法研究

讲述了一个利用KDD的方法进行工程报价分析的实例，它从过去的报价单及其报价信息出发，利用决策树的方法，寻找中标率较大的投标项目，从而得出一些实用的投标规则，对建筑金属行业的工作将起很大的指导作用。     

Mining Software Repository for Cleaning Bugs Using Data Mining Technique

Despite advances in technological complexity and efforts, software repository maintenance requires reusing the data to reduce the effort and complexity. However, increasing ambiguity, irrelevance, and bugs while extracting similar data during software development generate a large amount of data from those data that reside in repositories. Thus, there is a need for a repository mining technique for relevant and bug-free data prediction. This paper proposes a fault prediction approach using a data-mining technique to find good predictors for high-quality software. To predict errors in mining data, the Apriori algorithm was used to discover association rules by fixing confidence at more than 40% and support at least 30%. The pruning strategy was adopted based on evaluation measures. Next, the rules were extracted from three projects of different domains; the extracted rules were then combined to obtain the most popular rules based on the evaluation measure values. To evaluate the proposed approach, we conducted an experimental study to compare the proposed rules with existing ones using four different industrial projects. The evaluation showed that the results of our proposal are promising. Practitioners and developers can utilize these rules for defect prediction during early software development.     

Visualization and data mining of high-dimensional data

Visualization provides insight through images and can be considered as a collection of application specific mappings:

ProblemDomain→VisualRange.

For the visualization of multivariate problems a multidimensional system of parallel coordinates (abbreviated as -coords) is constructed which induces a one-to-one mapping between subsets of N-space and subsets of 2-space. The result is a rigorous methodology for doing and seeing N-dimensional geometry. Starting with an the overview of the mathematical foundations, it is seen that the display of high-dimensional datasets and search for multivariate relations among the variables is transformed into a 2-D pattern recognition problem. This is the basis for the application to Visual Data Mining which is illustrated with real dataset of Very Large Scale Integration (VLSI—“chip”) production. Then a recent geometric classifier is presented and applied to three real datasets. The results compared to those of 23 other classifiers have the least error. The algorithm has quadratic computational complexity in the size and number of parameters, provides comprehensible and explicit rules, does dimensionality selection—where the minimal set of original variables required to state the rule is found—and orders these variables so as to optimize the clarity of separation between the designated set and its complement.

Finally, a simple visual economic model of a real country is constructed and analyzed in order to illustrate the special strength of -coords in modeling multivariate relations by means of hypersurfaces.     

数据挖掘在计量增值服务中的应用

计量业务管理信息化、证书报告数字化为各级计量技术机构积累了海量数据,这些数据大多用于检定或校准结果的合法性判定,其潜在价值没有得到充分挖掘。本文通过分类分析、聚类分析和关联分析等方法,分析了数据挖掘在计量增值服务中的应用途径和意义,并以实例的形式证明计量大数据挖掘可为客户提供优质高效的增值服务,产生良好的社会效益和经济效益。     

Estimating printed circuit board assembly times using neural networks

Several production planning tasks in the printed circuit board (PCB) assembly industry involve the estimation of the component placement times for different PCB types and placement machines. This kind of task may be, for example, the scheduling of jobs or line balancing for single or multiple jobs. The simplest approach to time estimation is to let the production time be a linear function of the number of components to be placed. To achieve more accurate results, the model should include more parameters (e.g. the number of different component types, the number of different component shapes, the dimensions of the PCBs, etc.). In this study we train multilayer neural networks to approximate the assembly times of two different types of assembly machines based on several parameter combinations. It turns out that conventional learning methods are prone to overfitting when the number of hidden units of the network is large in relation to the number of training cases. To avoid this and complicated training and testing, we use Bayesian regularisation to achieve efficient learning and good accuracy automatically.     

基于数据仓库与数据挖掘技术的包装信息处理方法研究

针对包装信息的特点,阐述了包装信息数据仓库的建立方法,把各种包装信息内部数据和外部数据进行有效集成,并同时阐述了在包装信息数据仓库下进行包装信息数据挖掘的方法,实现了将包装信息中的数据挖掘技术集成到复杂的包装信息技术应用环境中,为各层次的研究决策、分析人员服务。     

数据挖掘与最优化结合的理论方法体系与问题求解模型

在研究了已有数据挖掘的过程模型的基础上,提出了数据挖掘与最优化结合的理论方法体系和支持最终决策分析的管理问题求解模型,目标是有效地将各种数据挖掘技术与最优化方法在实际应用中有机地结合起来,并为复杂的管理决策分析问题求解和决策实施提供一个切实可行的参考模型。通过在客户群决策分析中的应用,验证了提出的方法和模型的可行性和有效性。     

一种高效的基于位图序列模式挖掘算法

为实现在大型事务数据库中挖掘有价值的序列数据,提出了一种基于位图的高效的序列模式挖掘算法(SMBR)。SMBR算法采用位图表示数据库的方法,提出一种简化的位图表示结构。该算法首先由序列扩展和项扩展产生候选序列,然后通过原序列位图和被扩展项位图位置快速运算生成频繁序列。实验表明,应用于大型事务数据库,该方法不仅能有效地提高挖掘效率,而且挖掘处理过程中产生的临时数据所需的内存大大降低,能够高效地挖掘序列模式。     

基于关联规则的团购优惠数据挖掘

数据挖掘在各行各业中被广泛应用,提高工作效率,加强了各行业决策判断的依据和准确性。本文主要针对电信行业的新业务团购优惠进行数据挖掘,基于关联规则从海量的优惠、用户、客户等资料信息中挖掘出团购优惠这项新业务的进展情况,作为业务部门执行下一步市场发展计划的决策依据。