基于改进的PSO算法的神经网络相关性剪枝优化*

针对传统的神经网络训练算法收敛速度慢、易陷入局部最优的问题,提出了一种基于改进的分期变异微粒群优化算法（SMPSO）的神经网络相关性剪枝优化方法。SMPSO在初期使适应度过低的微粒发生变异,在后期使停滞代数过高的个体极值和全局极值发生变异,后将SMPSO用于优化神经网络相关性剪枝算法。实验结果表明,该方法与采用BP算法及标准PSO算法进行相关性剪枝相比,在训练收敛速度、剪枝效率及分类正确率三方面都有较大提高。     

“舒特”攻击行动描述与效能评估探要

文章基于UML概念建模语言对“舒特”攻击行动进行了形式化描述,构建了“舒特”攻击行动效能评估指标体系,运用模糊层次分析法对“舒特”攻击行动的效能进行了评估,同时给出了应对“舒特”攻击的建议。     

乳胶涂料中填料粒径测定与分散剂的选择

介绍了重力沉降法和容量沉降法两种测定乳胶涂料中填料粒径的方法。通过比较粉体粒径结果显示：沉降法比激光法更形象直观，更能代表体系粒径真实情况。以滑石粉、重钙、轻钙粉体为基准，采用不同用量、不同类型的分散剂的容量沉降法进行比较得出：用容量沉降法能定量地对分散剂性能做出评价。     

实时分布式系统性能测试技术研究

实时分布式系统的性能是关注核心,对其进行评估和测试关系着系统的应用前景。基于实时分布式系统的性能测试需求,对系统关键的处理性能、存储性能、传输性能以及实时恢复性能这四种性能测试方法进行了研究和探讨,同时分别利用实时分布式系统中e600架构的处理器、flash存储器、FC网络以及分区调度策略针对这些方法开展了测试,并对获得的测试结果进行了分析。分析结果表明,性能测试结果可信,方法可行,可作为实时分布式系统评测依据。     

基于MCGS和PLC的化肥自动配料称重控制系统

介绍化肥自动配料称重控制系统的设计过程,重点阐述上位机组态监控界面和PLC程序设计,以提高化肥生产效率和质量。     

氯醇法环氧丙烷产品除醛方法的研究探讨

工业用环氧丙烷GB/T 14491-2015颁布实施后,下游聚醚客户对环氧丙烷质量要求更高。通过优化氯醇法环氧丙烷工艺降低环氧丙烷产品总醛质量分数,满足客户需求。     

WuT3无血清培养上清中单克隆抗体纯化工艺的建立

目的对WuT3杂交瘤细胞生物反应器无血清培养上清中单克隆抗体进行分离纯化,建立中试分离纯化工艺。方法采用两步离子交换层析法结合硫酸铵盐析法分离纯化WuT3单抗。在通过小量试验优化纯化参数后,进行中量试验和中试放大。结果建立的纯化方法可以放大到中试规模,每批投料30000ml培养上清,可收获单抗达1.5g,单抗总回收率大于60%。经分离纯化后,单抗IgG纯度大于95%,采用免疫荧光法检测抗体活性合格。结论建立了一条生物反应器无血清培养杂交瘤细胞大规模分离纯化单抗的工艺路线。     

虚拟手术缝合线实时打结仿真研究

针对虚拟手术中缝合线打结仿真时存在的实时性、逼真度较差等问题,采用质点弹簧系统(Mass Spring System,MSS)方法建模,并结合物体非线性及弯曲特性对其进行受力分析.采用Verlet法数值求解模型动力学方程,并基于跟踪控制点方法实现缝合线运动模拟.提出一种基于层次包围球的模拟受力方法解决缝合线打结过程中的自碰撞检测与响应.仿真结果表明,跟踪控制点方法能有效地完成缝合线的动态仿真,并且通过模拟受力方法能够实现缝合线的打结操作,增加了缝合线运动模拟的逼真度和实时性,提高了仿真效率.     

基于多重差异特征网络的街景变化检测

街景变化检测对于自然灾害破坏和城市发展变化的研究起着重要作用.其主要目标是将成对的输入图片中变化的区域标注出来,其实质是二分类的语义分割问题.不同时间拍摄的街景图片可能受到如光线、天气、背景噪声、视角误差等诸多干扰因素的影响,这给传统的变化检测方法带来挑战.针对该问题,提出了一种新的神经网络模型(Multiple Difference Features Network,MDFNet).该模型首先使用孪生网络提取成对输入图片的不同深度特征,并使用差异模块对相同深度特征计算差异,以此有效获得不同尺度的变化信息;然后通过JPU模块融合多重差异特征,在不损失细节信息的情况下提取其深层语义信息;最后使用金字塔池化模块结合全局和局部信息生成二分类的变化检测图像.在PCD数据集上的GSV和TSUNAMI部分分别采用5折交叉验证法对模型进行实验,实验结果表明,MDFNet获得了0.787和0.862的F-score,相比排名第二的DOF-CDNet方法,其值提高了约11.9％和2.9％,同时其能够更精准地分割变化细节.因此,所提模型可以有效应对干扰,对于复杂场景也具备优秀的检测能力.     

基于EDA和回译的导游投诉文本混合增强方法

近年来,使用机器学习算法从导游投诉文本数据中识别出导游违规行为,辅助旅游监管人员工作,为旅游监管提供依据,成为一个必然趋势。然而导游投诉文本存在着语料单一、难以获取等困难,如何对这些导游投诉文本进行文本增强以满足导游违规行为识别需要,是一个迫切需要解决的问题。针对这一问题,提出了一种基于EDA(easy data augmentation)和回译的导游投诉文本混合增强方法。从EDA和回译两个角度对导游投诉文本进行增强,将两种方法返回的增强投诉语料进行混合,得到最终的增强文本;并将该方法在实际的导游违规行为识别系统中进行了应用与验证。通过大量实验对该方法与传统的EDA文本增强方法、回译文本增强方法进行了分析与对比,实验数据表明,基于EDA和回译的导游投诉文本混合增强方法相对于其他两种传统文本增强方法具有更高的准确率和更优秀的文本增强效果,应用在实际的导游违规行为识别系统中得到了87.54%的准确率,相比原始数据集准确率提升了7.4%。