基于电信数据的通话行为模式发现

在移动通信优化服务问题的研究中,随着移动通信技术的快速发展及手机的大范围普及,移动通信已与人们的生活息息相关,对用户通话行为模式进行分析发现具有重要的现实意义.以真实的移动电话通话记录为数据,通过提取用户的多个重要通话特征,运用数据挖掘技术对用户的通话行为进行实验分析,在宏观及微观两个层面实现了对用户通话行为模式的有效发现.结合用户的通话模式,可以提高无线资源的利用效率,同时也可以根据用户的个人习惯提供更好的电信服务,实现精准营销及个性化服务.     

基于改进型批决策与调度建模的生产计划调度系统的研究

热轧型钢生产工艺复杂,其生产中极易出现由于计划调度安排不当而产生的交货期延误、库存超负荷等问题。针对以上问题研究设计了MES生产计划调度系统,改进了批决策调度策略用于数学建模,利用自适应遗传算法求解生产调度计划。以此为基础,为某热轧企业设计实现了生产计划调度系统,并通过真实的热轧型钢订单、原料、设备等数据,对模型改进前后的计划编制方法进行模拟与比较,验证了利用该改进型批决策与调度模型编制的热轧型钢生产调度计划可节省生产时间、降低设备调度时间,以此来指导热轧型钢的生产可切实减少交货延误和减少库存占用率,并提高企业利润率。     

双态形状重构及其在前列腺超声图像分割中的应用

前列腺超声图像在临床中的准确分割对于后续诊断具有重要的影响,而当前已有研究结论无法精确分割各个部分。提出了一种基于点分布模型和流形学习的双态形状重构的方法,并对前列腺超声图像进行分割：通过随机森林指示隐态表达进行目标初定位;改进边界算子以改善粗分割准确性;使用显态表达与噪声部分相邻的部分灰度显著点来进行插值计算,从而恢复整体形状。该分割方式不仅减少了数据计算量,还增加了分割可靠性。实验表明,该方法的DSC指标为97.38%,mIoU指标为95.24%,精度强于当前热门分割神经网络。     

电动汽车用锂离子电池模组低温加热仿真研究

针对锂离子电池在低温环境下其放电容量会发生衰退而需要预热的现状,建立了以电加热膜为外部热源的电池模组低温加热仿真模型,对比分析得出三种加热膜布置方案下的低温加热效果.仿真结果表明,当模组的侧面和底面同时布置加热膜时其温度一致性以及使用安全性均效果良好.仿真模型可以用于分析不同加热方案下的预热效果,为电池低温加热系统的开发提供了理论基础与指导思路.     

一种基于边缘方向连续性的车道线快速检测算法

针对复杂环境下车道线检测算法鲁棒性和实时性差的问题,提出一种基于边缘方向连续性的车道线快速检测算法.首先,为解决复杂光照下黄色车道线模糊不清的问题,采用Lab色彩空间中b分量与灰度图像加权的方法增强黄色车道线的对比度;为获得上升沿和下降沿的连续直线轮廓区域,选择合适掩膜遍历边缘点,剔除非连续干扰边缘;为拟合出正确车道轮廓,经过曲直判定后,采用改进的Hough变换和最小二乘法检测车道线.实验结果表明,在多种复杂环境下,本文算法仍能满足车道线检测的准确性和实时性要求.     

基于大数据的药品安全网络舆情监测系统设计

该文介绍了在大数据时代背景下针对药品安全网络舆情监测现状,梳理分析了药品安全网络舆情监测系统需求,根据需求和网络舆情监测的特点,提出了药品安全网络舆情监测系统的软件设计框架,介绍了实现该系统所需的主要舆情监测处理技术。该系统设计该设计集监测、预警、分析、报告于一体,合理融合了大数据处理与自然语言处理技术,同时提出了用传统统计分析和深度学习方法来解决舆情分析中“文本分类和情感分析”等关键技术问题。最后,从用户交互的层面给出了药品安全网络舆情监测系统的可视化方案,为药品安全行业网络舆情监测提供了一种实现途径。     

基于Word2Vec词嵌入和聚类模型的安全生产事故文本案例分类

安全生产事故的分析对应急管理能力提升具有重要意义.通过对安全生产案例的语义分析,利用Word2Vec词嵌入技术和聚类模型,选用CBOW+负采样技术实现词向量,并结合安全生产事故案例分类的数据特点,通过基于半监督学习的聚类模型算法,根据事故性质的认定特点,提出了一种优化初始聚类中心的算法,并利用K-means聚类算法实现安全事故文本案例的分类.实验表明该方法较好实现安全生产的事故案例分类,并对安全生产事故的多个维度分析具有很好借鉴意义.     

结合CNN与双向LSTM的心律失常分类

心律失常是心血管疾病中常见的病症之一,实现心律失常的自动分类对心血管疾病的诊治具有重要意义.基于一维心电信号的心律失常分类方法以若干节拍作为输入,通过模型提取特征并用于分类.针对现有方法预处理时间成本高以及未按医疗仪器促进协会(AAMI)标准分类等问题,提出了一种基于原始一维心电信号并按照AAMI推荐标准类别进行心律失常自动分类的方法.该方法首先利用卷积神经网络(CNN)学习心电信号的形态特征,之后通过双向长短期记忆网络(BLSTM)获取特征中的上下文依赖关系,最后借助softmax函数完成分类任务.方法采用mish函数作为激活函数,使得模型在训练中更为稳定.在公开数据库MIT-BIH上进行五折交叉验证,评估结果达到了99.11％的平均准确率,表明该模型可以有效地提取心电信号的特征,适用于监测系统中心律失常疾病的诊断.     

外场激光导引性能分析

外场激光导引性能的测试分析是激光半主动制导武器科研试验中的重要环节,通过对激光半主动制导试验中从激光照射器-大气-目标-大气-导弹的光学传递链的分析和对激光大气传输特性和目标激光散射特性的研究,建立了从照射器到目标和从目标到探测器两个环节的照射激光能量传递模型,通过理论计算和外场试验实测数据,实现了对导引头入瞳处接收能量的计算分析,为外场激光导引性能分析提供了依据,具有较高的实用价值。     

显著性的无人机远距离障碍物检测

针对旋翼无人机的避障问题,结合人眼视觉的显著性注意机制和HOG特征,提出一种实时的障碍物检测算法。该算法首先采用形态Haar小波分解的方法构建增强图像,然后根据增强图像的投影曲线提取出障碍物的候选区域。其后,对障碍物候选区域进行尺度归一化后提取HOG特征,并采用线性SVM分类器进行分类判别。该算法采用C++语言实现,在Celeron 2.3GHz处理器、2G内存的单板计算机上测试分辨率为640×480的VGA视频图像的处理速度约为14f/s。实验结果表明该算法满足无人机在低空环境下的障碍物的实时检测需求。