基于故障因果链的故障模式与影响分析风险评估方法

传统故障模式与影响分析中的风险评估方法没有考虑故障模式发展过程,风险评估缺乏系统性,专家评价缺乏一致件.为提高故障模式与影响分析中风险评估的准确性和实用件,引入了故障因果链的概念.故障因果链作为风险评估对象,明确了风险优先数各因子的具体含义,改进了风险优先数的计算公式,系统地评估部件以及产品的风险.针对专家倾向于给出多粒度语言评价信息的问题,采用基本语言术语集统一输入的评价信息,然后采用依赖不确定性有序加权平均算子集结评价信息.最后,以机械隔膜计量泵维修策略决策过程为例,验证了所提方法的有效性和实用性.     

产品规划中基于群体多粒度语义信息的顾客需求优先度确定研究

针对质量屋构建中信息的模糊性和不确定性,提出了基于群体多粒度语义信息的顾客需求优先度确定方法。首先,由各位专家给出顾客需求的主观判定信息,通过一致性转换和近似理想方案的顺序优选技术获取各项需求的基本优先度。然后,依据各项需求的市场竞争性,计算各项需求的竞争优先度。最后,合成基本优先度和竞争优先度,确定顾客需求的综合优先度。应用实例证明了该方法的有效性和实用性。     

基于多粒度特征的文本生成评价方法

近年来,基于预训练语言模型的文本生成评价方法得到了广泛关注,其通过计算两个句子间子词粒度的相似度来评价生成文本的质量.但是对于越南语、泰语等存在大量黏着语素的语言,单个音节或子词不能独立成词表达语义,仅基于子词粒度匹配的方法并不能够完整表征两个句子间的语义相似关系.基于此,该文提出一种基于子词、音节、词组等多粒度特征的...     

一种改进的多粒度光交叉连接结构

多粒度光交叉连接能够提供光纤、波带和波长三种粒度的光交换,这一机制能有效提高交换性能,同时通过交换端口数的减少来降低光交换的成本。在这种交换结构中,需要在下层进行交换的信号需要首先经过上层的交换,或者所有信号都需要被不加区分地解复用出来进行交换,这造成了信号的过大损耗和失真,以及交换端口的浪费。我们在介绍了现有的研究以后,提出一种改进后的多粒度光交叉连接结构。通过仿真分析,可以看出这一新结构能够比其他结构更灵活地配置交换端口,同时能够避免不必要的信号损耗和失真,降低交换成本。     

基于注意力机制与局部关联特征的行人重识别北大核心CSCD

由于行人在真实场景下易受到背景、遮挡、姿态等问题的影响,为获取行人图像中更具辨别能力的特征,提出一种基于注意力机制和局部关联特征的行人重识别方法。首先,在网络框架中嵌入注意力模块以关注图像中表达能力强的特征;然后,利用图像中相邻区域的关联得到局部关联特征,并结合全局特征。本文方法在Market1501和DukeMTMC-ReID数据集上进行实验,Rank-1指标分别达到了95.3%和90.1%。结果证明,本文方法能充分获取判别力强的特征信息,使模型具有较强的识别能力。     

融合粗细粒度信息的长答案选择神经网络模型

答案选择是问答系统中的关键技术之一,而长答案选择在社区问答系统、开放域问答系统等非实体问答系统中有着重要地位.该文提出了一个结合粗粒度(句子级别)和细粒度(单词或n元单词级)信息的模型,缓解了传统句子建模方式应用于长答案选择时不能把握住句子的全部重要信息的不足和使用比较-聚合框架处理该类问题时不能利用好序列全局信息的缺...     

融合多粒度社区信息的网络嵌入方法

现有大多数网络嵌入方法仅保留了网络的局部结构信息,而忽略了网络中的其他潜在信息.为了保留网络的社区信息,并体现网络社区结构的多粒度特性,提出一种融合多粒度社区信息的网络嵌入方法(EMGC).首先,获得网络的多粒度社区结构,并初始化节点嵌入和社区嵌入;然后,根据上一粒度上的节点嵌入和本层粒度的社区结构,更新社区嵌入,进而...     

基于多粒度语义交互的无监督法律裁判文书检索

随着法律文书数据越来越多,信息过载问题日益严重,快速且准确地在海量法律文书中进行检索显得非常必要。法律文本作为一种特殊的文本形式,具有篇幅较长、结构复杂、专业性强等特点,传统基于关键字的文本检索方法不能满足用户查询法律信息的需求,容易出现答非所问、检索不全等问题。此外,基于语义的文本检索方法,大多依赖于对含有大量标注数据的法律文本进行有监督学习,而法律文本数据的人工标注则严重依赖专家知识,导致其需要高昂的人力成本。该文提出一种基于无监督学习的法律文书检索模型,分别从法律概念、词语和词组3个方面进行多粒度无监督文本匹配,避免了没有训练数据导致的冷启动问题。在法律裁判文书数据集上进行检索实验的结果表明,与基准模型相比,该模型在MAP、MRR和NDCG@10指标上均有显著提升,取得了优秀的检索效果,具有有效性和先进性。     

基于粒计算的多粒度数据分析方法综述

多粒度数据是一种特殊的、有用的数据类型,它通过对论域(研究对象的集合)采用不同的粒化方式使得数据能够在多个粒度空间中进行呈现,在此基础上可以开展数据的多层次知识发现研究.商空间理论、序贯三支决策、多粒度粗糙集、多尺度数据分析模型和多粒度形式概念分析是几种常见的、有效的多粒度数据分析方法,已受到人们的广泛关注.本文对基于...     

基于gcForest的多因子量化选股策略

为了获取股票市场更高的超额收益,提高股票涨跌预测准确率,将gcForest（深度森林）算法引入了股票投资市场,建立基于gcForest多因子量化投资策略,每月月末在沪深300成分股中买入gcForest算法预测上涨的前30支股票,并进行回测。研究结果表明,gcForest算法的年化收益率为29.2%,远超基准年化收益率15.0%,并且获得了15.8%的超额收益。同时还将gcForest算法同随机森林和支持向量机算法进行了比较,从各项技术指标综合分析来看,gcForest算法在股市行情平稳和上涨时期都较其他算法有着明显的优势。