面向评论信息的跨领域词汇情感倾向判别方法

词汇的情感倾向判别对文本情感分类具有重要意义。已有方法多假设存在基准词,根据目标词与基准词的关联度来判别目标词的情感倾向。实际应用中,尤其是评论语料库中基准词往往存在情感歧义问题,从而影响判别结果的准确性。基于上述分析,面向给定语料库,提出一种基准词的提取和消歧方法,并在此基础上实现跨领域的词汇情感倾向判别。首先在任一标记语料库中自动提取候选基准词;然后基于共现矩阵评估并过滤部分具有情感歧义的基准词;最后通过计算基准词与目标词的相似性,实现目标词的情感倾向判别。实验结果表明了方法的有效性和可行性。     

双质量弹簧基准问题自抗扰控制研究

本文研究了自抗扰控制(ADRC)方法在双质量弹簧基准问题的应用.传统的自抗扰控制方法倾向于使用高增益控制来抑制扰动和模型不确定性,但是对于双质量弹簧基准问题,高增益在评分中受到较大惩罚,而且对于模型参数变化没有足够的鲁棒性.为解决这一问题,本文对ADRC设计提出了两种改进方案.首先,为了减小控制信号的幅度,将扩张状态观测器(ESO)的一个极点配置在原点.其次,采用阻尼比来调整带宽.结果表明,所提出的ADRC设计可以很好地解决双质量弹簧基准系统的控制问题.     

改进蜂群算法的旅行商问题仿真

为了解决基本蜂群算法求解组合优化问题时收敛速度慢、易陷入局部最优的问题,提出了改进的蜂群算法,并应用于求解旅行商问题.新算法中蜜蜂根据收益比值动态转变角色,凸显精英解,加速收敛;针对大规模基准问题,采用改进局部搜索策略,使旅行商问题的复杂度下降一个数量级.不同规模典型基准问题的仿真结果表明,改进蜂群算法与传统优化算法相比在更短时间内有效的降低了误差.     

最大团问题研究进展及算法测试标准

定义了最大团问题,分析和研究了使用启发式算法求解最大团问题的进展,介绍了当前求解最大团问题的典型启发式算法,最后给出了测试这些启发式算法性能的测试基准图.     

环境自适应灰度循迹传感器设计

针对灰度循迹传感器在环境光照发生变化时不能自动适应调节基准电压的问题,设计了一种新型灰度循迹传感器.该传感器将微处理器与传统灰度循迹传感器电路进行结合.微处理器对多路传统灰度传感器电路采集到的检测电压信号进行融合计算,得到该环境光照下最优基准电压,以解决传统灰度循迹传感器基准电压无法自适应环境光照,存在循迹误判的问题....     

求解置换流水车间调度问题的混合蚁群算法

针对最大—最小蚂蚁系统在解决置换流水车间调度问题时易陷入局部最优的问题,引入最好—最差蚂蚁系统中的信息素变异和重置规则,提出了一种混合蚁群算法。使信息素矩阵变异并在搜索过程停滞时重置信息素矩阵以在搜索过程中引入多样性。在基准问题集上的对比实验表明,该算法比传统的蚁群算法具有更好的搜索全局最优解的能力。     

改进型蝙蝠算法在作业车间调度问题中的应用

针对一类以最小化最大完工时间为目标的作业车间调度问题（Job Shop scheduling Problem,JSP）,提出了一种改进型蝙蝠算法（Improved Bat Algorithm,IBA）。为了克服基本蝙蝠算法在求解该类离散组合优化问题存在的局限性,首先对编码方案进行了设计,实现了算法中离散问题的连续编码;然后采用基于G&T算法和随机生成的方法初始化种群,以提高初始解的质量。此外,还引入了变邻域搜索策略,以避免算法早熟收敛,提高IBA算法的性能。最后,基于JSP问题的基准算例进行了大量仿真对比实验,结果显示了IBA算法的可行性和有效性。     

求解第二类广义旅行商问题的虚顶点遗传算法

按照费用函数满足约束条件的不同,可以把广义旅行商问题(GeneralizedTravelingSalesmanProblem,简称GTSP)分为两类。目前,对GTSP解法的研究主要是面向费用函数满足三角不等式的第一类问题,而对于费用函数不满足三角不等式的第二类问题,则研究的比较少。文章针对第二类GTSP问题,提出了在广义染色体中加入虚顶点的新遗传算法。经过14个TSP问题库内的基准问题的测试表明,新算法是有效的。     

基于文章和近答案句信息的问题生成模型

自动问题生成任务旨在给文章中的一段文本生成相应的自然语言的问句,该研究在问答系统和语音助手的对话系统中有重要作用,可以帮助它们启动对话和继续对话。目前的神经网络问题生成模型主要是将包含答案的句子或者整篇文章作为模型的输入,而这些方法存在语义表示不能很好地结合句子和文章信息的问题。因此该文提出多输入层次注意力序列到序列的问题生成网络,能更好地利用文章和答案上下文的两重信息。模型通过关注对答案更有价值的句子信息和全文更丰富的语义信息来生成高质量的问题。在公开数据集SQuAD上的问题生成对比实验表明,该方法在BLEU_4值上表现优越。通过训练好的问答系统来评估问题的可回答率,明显优于基准系统。     

基于红外地中基准的自旋稳定卫星姿态控制修正方法

针对自旋稳定卫星采用红外地中基准进行姿态控制时控制结果偏差较大的问题,首先对等倾角控制原理进行了说明,分析了太阳基准和红外地中基准在姿态控制时的主要区别,并分析了红外地中基准控制偏差较大的主要原因,提出了采用执行角补偿修正的方法。经仿真验证,通过执行角修正,有效提高了控制精度。     

基于自动快速密度峰值聚类的粒子群动态优化算法

针对常规多种群方法在求解动态优化问题时往往存在多样性缺失现象，提出一种基于自动快速密度峰值聚类的粒子群动态优化算法（DPCPSO）。首先，利用自动快速密度峰值聚类通过粒子的自身密度和相对距离创建无敏感参数子种群；然后，使用粒子群优化（PSO）来寻找最优解，在搜索过程中采用停滞计数器来判断粒子是否停滞，防止种群过早收敛；最后，采用最优粒子重定位策略响应环境变化。为了验证所提出算法的性能，在移动峰值基准（MPB）和广义动态基准生成器（GDBG）测试问题上进行了仿真实验。仿真实验中，所提算法性能与基于亲和传播聚类的动态优化算法（APCPSO）、基于聚类的动态优化（CPSO）算法等其他先进算法相比较，在峰值数大于20以及变化频率为2 000和3 000时均取得良好的结果。实验结果表明，所提算法更适合求解多模态和快变特性的动态优化问题。     

论图样中标注设计基准的必要性和方法

通过实例分析，首先说明了为保证准确无误地表达设计意图，将体现设计意图和零部件使用功能的关键要素－设计基准，在图样中明确标注聘为的必要性，并结合实践情况，提出了一套既方便，又不便图样复杂化的标注方法，即在设计基准要素上，直接标注设计基准符号的方法，以及在计算机绘图中实现标注的解决方案。由于标注设计基准后，基准位置一目了然，因而从根本上避免了因未标注设计基准所产生的各种问题，如，无法准确表达设计意图、读图困难耗时、易误解等。此外，采用该标注方法在图样中标注设计基准后，还可有效解决诸如多种尺寸公差并存、未注公差与注出公差不统一等诸多问题。     

面向倾向性分析的基于词聚类的基准词选择方法*

现有的基准词选择方法存在着随机性和主观性的缺陷,提出了一种基于词聚类的基准词的选择方法：从目标领域本体中选出一组初始种子词进行扩展,聚类得出二代种子词,对二代种子词再进行扩展、聚类,依次迭代直至得到最优的聚类种子词,并作为最终选取的基准词。实验结果表明该方法提取的基准词在词的情感倾向分类中具有较高的准确率。     

安徽省高速公路养护管理存在的一些问题及对策

本文分析了在安徽省高速公路管理中重建设轻养护的现象,指出在高速公路养护管理中存在的主要问题,分析了存在问题的成因,并针对存在问题指出了解决的对策。     

GPS差分基准站

从影响GPS定位精度的因素入手,对建立差分GPS(DGP)基准站及基准站地心坐标(基准坐标)的测定,作了较详细的研究.为了解决异地使用中,DGPS不便于用联合观测网站测定基准坐标的问题,根据多次实际测量的结果,提出了用直接测量法确定基准坐标更为方便、有效.     

电磁流量计应用中的信号基准与直流噪声

电磁流量计的流量信号是以流体为基准的。正确拾取基准电位，关系到流量计能否稳定、可靠、准确地进行流量测量，电解质流体与金属管道和测量电极存在电化学作用，总会有直流极化电压在其上产生。分析了直流极化电压作为噪声，影响信号基准电位的原因，试图为使用提供解决直流极化电压引起漂移问题的办法。     

DeepLabel:基于深度学习的问题单分类方法研究

基于机器学习的问题单分类方法无法捕获问题单的文本信息(如标题和描述)中的隐藏语义，从而有碍分类的准确性。为了解决上述问题，从GitHub的1 286个Java项目中，研究了794 601个问题单的标签用法，并识别6个常用的标签来描述问题单类别。提出一个语义增强方法DeepLabel,来自动地对问题单的类别进行分类。DeepLabel建立在神经网络架构上，用于学习问题单中标题和描述的语义表达及问题单和标签之间的语义关联。对30 000个有标签的问题单的实验评估结果表明，DeepLabel在宏平均(Macro-averaging)和微平均(Micro-averaging)的F1-socre上均达到了67.3%,分别较基准方法提高了8.1百分点和8.8百分点。     

基于启发式蚁群算法的VRP问题研究

针对蚁群算法求解VRP问题时收敛速度慢,求解质量不高的缺点,把城市和仓库间的距离矩阵和路径节约矩阵信息融入到初始信息素矩阵中作为启发式信息引入到蚁群算法中用于求解有容量限制的车辆路径规划问题（CVRP）,在三个基准数据集上的实验研究表明,基于启发式信息的蚁群算法与基本蚁群算法相比能够以较快的速度收敛到较好的解。     

多基准站GPS定位靶场测试方法研究

在靶场试验过程中,传统的单基准站由于基线长度的限制使其作用范围有限,从而超出一定距离后,差分精度随着大气误差相关性的减弱而明显受到影响;为了解决靶场GPS单频伪距差分定位距离远时精度下降问题,提出了多基准站GPS定位伪距差分定位方法;该方法深入分析伪距方程和伪距差分定位之间的关系;建立靶场基准站网络实时接收目标定位数据和基准站定位数据并实时传送到控制中心;利用基于距离的线性内差模型,设计多基准站数据处理算法和多基线测量数据加权处理方法,实时解算目标定位信息;测试结果表明,多基准站GPS定位伪距差分定位方法,能够有效地解决常规单基准站伪距差分定位精度随用户站与基准站距离增加而降低的问题,同时提高了测试精度。     

基于带时间窗口车辆路径问题的蚁群算法

带时间窗口的车辆路径问题（VRPTW）是一个NP-Complete优化问题。VRPTW的主要目标在于利用最少的车辆数以及最短的行程来服务客户,客户有固定的需求和被服务的时间限制。基于该问题提出了一种并行多蚁群算（PMACS-VRFTW）：首先利用QUICK-ACS生成初始解,然后利用ACS-VEI和ACS-TIME分别优化车辆数和行程距离。试验表明,所提出的算法基于Solomon的VRPTW基准实例获得了很好的结果。