OPC UA信息建模:煤矿监控系统集成案例研究

为了传统OPC技术由于数据建模能力不足而导致的互操作性问题,OPC基金会发布了OPC UA规范,从理论上解决了此问题,但缺乏具体的建模流程。提出具有可操作性的OPC UA信息建模流程,并以煤矿监控系统集成作为案例来验证此建模流程具有可行性,同时推动了OPC UA从理论到实践的发展。     

基于模糊熵的改进型PCNN图像分割方法

针对传统的PCNN在图像分割中需要设定大量的参数,并且分割的最佳迭代次数无法自动确定等问题,简化了传统PCNN模型的接受部分,改进了PCNN的连接部分,改变了PCNN的阈值衰减方式,并利用最大模糊熵作为最佳分割迭代次数的判定准则,提出了一种新的PCNN改进模型,从而实现了PCNN的自动精确分割.对各类图像的实验结果表明,该方法能够自动确定循环迭代次数和自动选取最佳阈值,与基于最大香农熵的PCNN分割方法相比,该方法具有收敛速度快、分割精度高、分割效果好等特点.     

多因素影响特征选择的短文本分类方法

特征选择即是降维去噪的过程,一个词汇是否具有强的类别区分能力通过特征选择评价函数的权值大小来衡量,然而影响特征选择的因素有很多,主要包括特征的维度、重要性和语义;针对短文本信息量少导致特征表示高维稀疏和传统特征提取方法缺乏语义的问题,构建多因素融合的特征选择函数FS,和传统的特征选择函数TF-IDF对比,FS不仅融入了特征的语义性,而且能够去除大量冗余特征,提高具有类别区分能力特征的权重;把FS作为新的特征选择函数,使用搜狗实验室的中文语料库进行短文本分类实验,验证了方法有效性.     

基于暗原色先验的煤矿井下图像增强技术

针对现有煤矿井下图像模糊增强算法不能应对井下浓雾情况且处理后的图像较模糊的问题,提出一种基于暗原色先验的煤矿井下图像增强技术,通过线性模糊化函数来达到图像增强的目的,并使用暗原色先验理论来增强图像的对比度,同时去雾尘。实验结果表明,基于暗原色先验的煤矿井下图像增强技术可提高煤矿井下图像的可视性,同时明显增强图像的对比度。     

结合语义的特征权重计算方法研究

为进一步改善目前大多数基于向量空间模型(VSM)的文本聚类算法的效果,研究了文本聚类的基础和关键环节--文本间相似度的计算,其中一个重要步骤就是计算各文本中特征词的权重,该计算的合理性和有效性直接影响到文本相似度的准确性和聚类的效果.传统的VSM特征权重计算方法-TF-IDF,没有考虑语义相似的词语在文本集中的分布情况,针对该问题,在基于"知网"的词语语义相似度分析基础上,提出了一种改进的TF-IDF权重计算方法.实验结果表明,该算法是有效可行的,且在一定程度上提高了文本聚类的查准率和查全率.