基于贝叶斯网络的DC-DC电源故障不确定性分析

为解决DC-DC电源模块故障诊断中不确定性的相关问题,研究了电源模块故障不确定性产生的原因,同时对不确定性信息类型与推理方法进行了研究。利用贝叶斯网络对DC-DC电源模块故障产生原因与故障模式进行建模描述,经过BIC与K2评分算法训练完成后,可以进行不确定性推断。在故障概率方面分析了模块中的不同故障部件对电源模块故障的影响,利用MATLAB平台根据模拟数据对不确定性模型进行了分析,验证了基于贝叶斯网络的故障预测不确定性模型的有效性。     

基于5G消息业务的聊天机器人用户评价系统构建研究

通过对5G消息以及聊天机器人的功能特性及架构的研究,基于现有5G消息业务系统的架构,提出了一套聊天机器人用户评价系统的建设方案.通过该方案可建设一套贯通终端、5G消息网络以及5G消息业务平台的用户评价系统,帮助用户将对聊天机器人的评价信息提交到5G消息业务平台,5G消息业务平台将用户评价信息作为聊天机器人的信息提供给终...     

服装消费数据的分析与可视化平台研究

当前服装数据的分析与可视化存在数据单一等缺陷,以至于企业及消费者不能有效处理和利用网络购物平台中产生的海量消费数据.为此,本文以行业统计数据、服装评价、服装类新闻等3类关键数据为对象,设计并实现了服装消费数据的分析与可视化平台.平台针对文本类型的服装评价和新闻,运用NLP技术进行预处理;根据评价数据的主题差异性特点,分别采用基于词向量和欧氏距离的k-means、基于tf-idf的k-means思想进行分类,并将2种结果结合进行分类与分析;根据服装潮流新闻关键词的特征,采用tf-idf对其进行关键词的提取与分析.最后采用ECharts、词云、交互式等方法将各类数据进行可视化并嵌入到平台中.     

如何针对不同应用设计适宜的802.11b前端结构

随着无线局域网(WLAN)芯片组集成水平的提高,前端结构已经成为无线局域网产品设计者实现产品差异化的一个关键部分.在选择前端结构时,许多因素都很重要,例如输出功率、电流消耗、接收灵敏度、镜像与寄生抑制、材料成本以及占板面积等.每个因素都能影响客户对无线局域网产品性能的评价,而这些因素决定于你是否选择了正确的前端结构.     

导航数据异常对舰载雷达影响分析及应对

舰载相控阵雷达可以通过电子方法实现动平台的补偿,保证其在大地坐标系内的空域覆盖及对目标的跟踪精度.电子平台修正过程中,导航系统发送的舰姿态信息的误差会引入雷达的测量误差中,从而影响到雷达的测量精度.只有尽可能实时识别这些误差,并采取措施加以应对,才能在舰姿态数据出现跳变时有效地减小误差的影响,确保雷达的性能.     

110kV变电站设计中变压器的选择

变电站是电力系统的一个重要组成部分,而变压器是变电站中十分重要的设备,变压器容量、数量会对变电站配电产生较大影响,同时,合理选择变压器也会对变电站供电可靠性以及变电站未来扩建产生一定的影响.在变压器选择方面,需要综合考虑基础资料、输送功率等多种因素.对此,本文将对变电站设计中变压器的选择要点进行详细探究.     

视频大数据技术在智慧城市中的应用

现代社会的信息量正以飞快的速度增长．这些信息里又积累着大量的数据。预计到2025年．每年产生的数据信息将会有超过1／3的内容驻留在云平台中或借助云平台处理。我们需要对这些数据进行分析和处理．以获取更多有价值的信息。在未来的“智慧城市”中，会有越来越大的结构化以及非结构化的数据。那么我们如何高效地存储和管理这些数据．如何分析这些数据呢？答案是，我们需要强有力的大数据处理系统进行支撑。     

视频大数据技术在智慧城市中的应用

现代社会的信息量正以飞快的速度增长．这些信息里又积累着大量的数据。预计到2025年．每年产生的数据信息将会有超过1／3的内容驻留在云平台中或借助云平台处理。我们需要对这些数据进行分析和处理．以获取更多有价值的信息。在未来的“智慧城市”中．会有越来越大的结构化以及非结构化的数据。那么我们如何高效地存储和管理这些数据．如何分析这些数据呢？答案是．我们需要强有力的大数据处理系统进行支撑。     

谈无功补偿装置谐波治理技术在配电线路上的应用

谐波会直接影响到低压电网的正常运行,随着在配网系统中广泛应用电子装置产品,谐波也与之形成,其主要能对电网的电流和电压产生作用,导致出现变化异常的波形,并对电力质量造成影响,甚至还会直接影响到电力设备的正常功效.本文主要分析了谐波对低压配电网造成的影响,以及治理谐波的技术措施,并就选择低压无功补偿装置进行探讨.     

基于模型仿真的云计算PaaS构建模式选择

平台即服务(PaaS)是企业云平台产品选择和云技术研发的热点.通过基于SOA的PaaS平台构建,从微观与宏观上探讨PaaS构建模式,提出了一个跨层面的PaaS构建模式选择方法.将Petri网结构化分析用于寻找可行服务组合,利用CloudSim模拟各种架构模式的PaaS环境,通过应用Petri网与CloudSim的交互仿真实现PaaS构建模式的服务组合技术性能评估,应用网络层次分析法(ANP)评价PaaS构建模式的综合性能,以指导企业的PaaS产品选择和云服务平台构建.     

基于三维图卷积与注意力增强的行为识别模型

针对当前行为识别方法无法有效提取非欧式3维骨架序列的时空信息与缺乏针对特定关节关注的问题,该文提出了一种基于3维图卷积与注意力增强的行为识别模型。首先,介绍了3维卷积与图卷积的具体工作原理;其次,基于图卷积中可处理变长邻居节点的图卷积核,引入3维卷积的3维采样空间将2维图卷积核改进为具有3维采样空间的3维图卷积核,提出一种3维图卷积方法。针对3维采样空间内的邻居节点,通过3维图卷积核,实现了对骨架序列中时空信息的有效提取;然后,为增强对于特定关节的关注,聚焦重要的动作信息,设计了一种注意力增强结构;再者,结合3维图卷积方法与注意力增强结构,构建了基于3维图卷积与注意力增强的行为识别模型;最后,基于NTU-RGBD和MSR Action 3D骨架动作数据集开展了骨架行为识别的研究。研究结果进一步验证了基于3维图卷积与注意力增强的行为识别模型针对时空信息的有效提取能力及识别准确率。     

结合时空注意力机制和自适应图卷积网络的骨架行为识别

针对骨架行为识别对时空特征提取不充分以及难以捕捉全局上下文信息的问题,研究了一种将时空注意力机制和自适应图卷积网络相结合的人体骨架行为识别方案。首先,构建基于非局部操作的时空注意力模块,辅助模型关注骨架序列中最具判别性的帧和区域;其次,利用高斯嵌入函数和轻量级卷积神经网络的特征学习能力,并考虑人体先验知识在不同时期的影响,构建自适应图卷积网络;最后,将自适应图卷积网络作为基本框架,并嵌入时空注意力模块,与关节信息、骨骼信息以及各自的运动信息构建双流融合模型。该算法在NTU RGB+D数据集的两种评价标准下分别达到了90.2%和96.2%的准确率,在大规模的数据集Kinetics上体现出模型的通用性,验证了该算法在提取时空特征和捕捉全局上下文信息上的优越性。      

基于超像素与图卷积神经网络的白细胞分割

白细胞分割是医学图像处理领域的一项富有挑战性的任务,针对目前白细胞分割存在的准确度不高、粘连情况不易分割等问题,将图像的分割转化为区域节点的分类问题,提出基于图卷积神经网络的白细胞分割算法.首先将训练图像经超像素分割得到若干超像素区域,把每个超像素区域作为图的一个节点,并充分利用超像素区域的彩色特征以及空间邻域关系构造稀疏加权图来训练图卷积网络,然后利用训练好的网络对测试图像进行白细胞核、质、背景的三域一次性分类.实验数据表明,本文算法对不同类白细胞均具有较好的分割效果.     

基于图网络优化及标签传播的小样本图像分类算法

近年来,虽然深度学习技术在图像分类任务中取得了有竞争力的表现,但实际应用中,往往存在缺乏大量训练样本的情况,易于产生过拟合现象.小样本学习技术为此提供了解决方案.由于图神经网络在表示类内和类间样本关系上的优势,已被用于小样本图像分类任务.现有算法是通过几个卷积块获取图像特征作为节点特征输入图网络,为了更好的表示图节点之...     

基于光谱注意力图卷积网络的高光谱图像分类

近年来,图卷积网络因其特征聚合的机制,能够同时对单个节点以及近邻节点的特征进行表示,被广泛应用于高光谱图像的分类任务。然而,高光谱图像(HSI)中常存在波段冗余、同物异谱等问题,使得直接利用原始光谱特征构建的初始图可靠性不足,从而导致高光谱图像的分类精度低。为此,该文提出一种基于光谱注意力图卷积网络(SAGCN)的高光谱图像半监督分类方法。首先,利用注意力模块对光谱的局部与全局信息进行交互,以增加重要光谱的权重、减小冗余波段以及噪声波段的权重,从而实现光谱的自适应加权;然后,针对光谱加权处理后的高光谱图像,通过空间-光谱相似性度量构建更为准确的近邻矩阵;最后,通过图卷积对标记和无标记样本进行有效的特征聚合,并使用标记样本的聚合特征训练网络。在Indian Pines, Kennedy Space Center和Botswana 3个真实高光谱图像数据集上的实验结果验证了所提方法的有效性。     

基于Word Embedding的遥感影像检测分割

遥感影像检测分割技术通常需提取影像特征并通过深度学习算法挖掘影像的深层特征来实现.然而传统特征（如颜色特征、纹理特征、空间关系特征等）不能充分描述影像语义信息,而单一结构或串联算法无法充分挖掘影像的深层特征和上下文语义信息.针对上述问题,本文通过词嵌入将空间关系特征映射成实数密集向量,与颜色、纹理特征的结合.其次,本文构建基于注意力机制下图卷积网络和独立循环神经网络的遥感影像检测分割并联算法（Attention Graph Convolution Networks and Independently Recurrent Neural Network,ATGIR）.该算法首先通过注意力机制对结合后的特征进行概率权重分配;然后利用图卷积网络（GCNs）算法对高权重的特征进一步挖掘并生成方向标签,同时使用独立循环神经网络（IndRNN）算法挖掘影像特征中的上下文信息,最后用Sigmoid分类器完成影像检测分割任务.以胡杨林遥感影像检测分割任务为例,我们验证了提出的特征提取方法和ATGIR算法能有效提升胡杨林检测分割任务的性能.     

二值化身份感知图卷积神经网络北大核心CSCD

针对有限的内存资源导致图神经网络(graph neural network, GNN)无法完全加载属性图的问题,文中提出了二值化身份感知图卷积神经网络(binary identify-aware graph convolutional network, BID-GCN)。该网络通过在消息传递过程中递归地考虑节点的信息,为了获得一个给定的节点的嵌入,BID-GCN将提取以该节点为中心的自我网络,并进行多轮的异构消息传递,在自我网络的中心节点上应用与其他节点不同的参数。在消息传递过程中,对网络参数和输入节点特征进行二值化,并将原始的矩阵乘法修改为二值化以加速运算。通过理论分析和实验评估,BID-GCN可以减少网络参数和输入数据的平均约36倍的内存消耗,并加快引文网络上平均约49倍的推理速度,可以提供与全精度基线相当的性能,较好地解决内存资源有限的问题。     

一种基于图注意力网络的异质信息网络表示学习框架

常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分:基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传播模型通过堆叠注意力层学习网络的高阶邻居特征;可更换的任务模型适用于不同的应用场景。与基准模型相比,该文所提框架在知识图谱的链接预测任务和异质信息网络的节点分类任务中都取得了相对不错的效果。     

一种基于图注意力网络的异质信息网络表示学习框架

常用的异质信息网络有知识图谱和具有简单模式层的异质信息网络,它们的表示学习通常遵循不同的方法。该文总结了知识图谱和具有简单模式层的异质信息网络之间的异同,提出了一个通用的异质信息网络表示学习框架。该文提出的框架可以分为3个部分：基础向量模型,基于图注意力网络的传播模型以及任务模型。基础向量模型用于学习基础的网络向量;传播模型通过堆叠注意力层学习网络的高阶邻居特征;可更换的任务模型适用于不同的应用场景。与基准模型相比,该文所提框架在知识图谱的链接预测任务和异质信息网络的节点分类任务中都取得了相对不错的效果。     

基于查询-文档异构信息网络的半监督学习

基于图的半监督学习近年来得到了广泛的研究,然而,现有的半监督学习算法大都只能应用于同构网络。根据查询及文档自身的内容特征和点击关系构建查询—文档异构信息网络,并引入样本的判别信息强化网络结构。提出了查询—文档异构信息网络上半监督聚类的正则化框架和迭代算法,在正则化框架中,基于流形假设构造了异构信息网络上的代价函数,并得到该函数的封闭解,以此预测未标记查询和文档的类别标记。在大规模商业搜索引擎查询日志上的实验表明本方法优于传统的半监督学习方法。