结合深度学习的网络邻居结构研究及应用

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响。实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的。对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning)。通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力。分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性。     

互联网视听节目监管系统简介

现阶段国内最先进的一个查询搜索技术就是互联网视听节目监管系统，该系统具有将各类媒体信息进行综合分析的功能，所以必须要具备适用于多种形式的模态信息分析工作，它能够将各种格式以及形式的信息监听形式综合为一体有利于多互联网上的音频网站以及数据资料进行自动识别与分类，通过这些手段来实现网络管理的智能化，提高公共网络健康安全的全民监督，以提高对公共信息网络的管理效率，提供合理、有效的技术手段。     

因素空间理论下基点分类算法研究

目前，基于因素空间理论的背景基提取算法计算过程复杂，初始化必须依赖各因素极值，基点数量提取冗余等原因，未能在应用中取得很好效果。为此，结合内点判别法和知识可继承、可扩展的思想，提出一种计算简单、初始化独立、基点数量小的改进的背景基提取算法。然后，利用改进的背景基提取算法构造出一种全新的数据分类算法-基点分类算法，基点分类算法以提取每一类样本的背景基为预测模型，再通过新定义的λ-背景基，优化预测模型。数值实验表明:基点分类算法原理简单、构造难度小、分类模型泛化能力强，预测能力准确率高，同时严格的模型限定区域又能为识别新类别提供新方法。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。     

人员行为对住宅建筑热负荷需求的影响研究

本文对西安市某居民住宅楼不同人员的作息规律和用能行为进行了调研测试,利用马尔可夫链模型和事件机制模拟了不同人员的在室情况,结合DeST软件对考虑人员在室情况和人员行为影响后的住宅建筑热负荷需求进行了模拟,并与传统负荷计算方法下得到的建筑热负荷需求进行比较.结果表明,人员行为对住宅建筑热负荷需求的影响较大,考虑人员行为影响因素后建筑的热负荷需求呈现显著地波动变化且供暖季近92％的时刻建筑的负荷率均不超过60％,上述结果可为供暖系统的设计和运行管理提供指导.     

基于DTW改进算法的孤立词识别系统的仿真与分析

传统的DTW算法在进行孤立词语音识别时着重于时间规整和语音测度的计算，而没有对数据的可靠性和有效性进行分析。本文提出了一种改进的端点检测算法，并采用一种改进的DTW算法，在计算机上进行了仿真。实验结果表明采用改进后的DTW算法有效的降低了识别时间和存储数据量，提高了系统性能。     

环保，从选购做起 读懂形形色色的安全环保标志

欧洲科研机构对人体组织内化学成分的最新研究结果表明，人体组织内至少存在高达300种以上的有毒化学物质，而这些物质正来自于我们日常生活中必不可少的电子设备和化学合成产品。[编者按]