基于初始划分的标签传播社区发现算法

采用标签传播算法进行社区发现时间效率高,无需人工参数,但容易产生精度限制的问题.研究了启发式的标签传播算法,快速地进行社区的初始划分,大量减少了初始标签的个数,进行标签迭代传播来修正初始划分得到最终的社区.理论分析和实验证明这种方法在不增加时间复杂度的情况下,提高了准确率,并有效消除了精度限制的现象.     

基于网络编码的车联网数据分发策略

提出一种基于网络编码的车联网数据分发算法.算法没有简单采用传统机会转发方式,而是在转发之前依据车辆的地理位置进行优先级排序,然后将数据包进行网络编码,让每个编码包携带下一跳车辆信息并通过车辆应答实现对下一跳转发车辆的选择,确保了由转发开销最低的下一跳车辆完成数据的转发.同时,给出转发车辆收到的数据包与转发次数的比值,从而确定转发计数器.仿真结果显示,提出的方案能减少不必要的传输行为,有效改善网络性能.     

基于偏旁部首计数分析网络的零样本汉字识别

为了提高零样本汉字识别的准确率,克服传统方法在未见汉字识别上的局限性,并进一步改进以偏旁部首为基元的汉字识别方法,本研究提出了一种以注意力机制为基础的编码器-解码器架构的部首计数分析网络,用于零样本汉字识别问题。在编码器阶段,引入了多尺度部首计数模块;而在解码器阶段,则运用了多尺度注意力机制。本文将一个汉字看作是由若干偏旁部首及其空间结构组成的序列,通过计算偏旁部首及空间结构的数量,实现了对汉字的有效识别。实验结果表明,在SCUT-SPCC和CTW两个基准数据集上,本文所提出的新模型在零样本汉字识别方面表现优异。本研究能够更好地捕捉汉字的特征信息,并实现对未见汉字的准确识别。这对汉字识别领域的研究与应用具有重要指导意义,可为相关领域的研究提供新思路和方法。     

基于过程挖掘的未来感知预测模型

将事件日志中蕴含的过程模型看成两紧邻活动的组合,提出两种新的过程模型。首先,利用日志信息中的活动紧邻关系构造邻接矩阵提取过程模型,该模型中每个活动仅发生一次;其次,为避免过程模型中出现回路或者环路而造成模型预测精度降低的情况发生,在构造的邻接矩阵中增加活动在事件日志中所处的顺序位次,构造含有活动位次信息的邻接矩阵,以此为基础上进一步提取过程模型,该模型中每个活动在同一个位次上仅发生一次;再次,通过矩阵中的信息可获得过程模型中每个上层节点到各个下层节点的路径与相应概率;接下来,根据事件日志中信息的类型和特征,利用过程模型对决策者所需要的信息（如活动名称、等待时间、发生概率）进行预测;最后,利用随机数据与实际数据同基于序列提取规则的过程模型预测结果进行比较,验证所提模型的实际有效性。     

宋代古船的三维激光扫描技术重建与模型3D打印

针对古文物的完整有效保存,文物研究、修复,以及其可能造成的毁损,提出采用三维激光扫描技术对文物进行数字化重建.构建文物真实三维模型,并通过3D打印技术制作文物的高精度实体复原模型.以宋代古船实体模型重建为例,对所提出的方法进行验证,研究结果表明:三维激光扫描技术和3D 打印技术可以提高文物历史信息的保存和修复效率,避免接触式测量文物造成的表面损坏,提高研究人员对文物分析研究的参与度.但是,对于表面纹理比较复杂的文物,这项技术依然存在精度上的缺陷.     

无监督异常检测的深度变分自编码高斯混合模型

针对高维数据无监督异常检测难以重构异常样本,无法保留低维空间信息的问题,提出一种深度变分自编码高斯混合模型（deep variational autoencoding gaussian mixture model,DVAGMM）。该模型利用深度变分自编码器为每个输入样本生成低维数据和重构误差,并将这些数据输入高斯混合模型。为更好地学习到原始样本的低维特征,同时避免自编码器自身的局部优化问题,减少重构误差,模型采用联合优化深度变分自编码器和高斯混合模型参数的方法,并利用单独的估计网络促进混合模型的参数学习。实验结果表明,该模型在几个基准数据集上的检测准确率和效果都比其他传统模型更高,以F1值作为综合评价指标,模型的综合分数比第二名高出大约4%。     

基于MADDPG的多AGVs路径规划算法

针对多辆自动导引车系统（automated guided vehicle system,AGVs）在动态不确定环境下完成货物运送并进行路径规划的问题,提出一种基于多智能体深度确定性策略梯度（MADDPG）的多AGVs路径规划算法。本方法通过状态空间、动作空间、奖励函数和网络结构重新设计MADDPG算法的模型结构,通过OpenAI Gym接口搭建二维仿真环境用作多AGVs (agents)的训练平台。实验结果表明,相比于深度确定性策略梯度（DDPG）算法和双延迟深度确定性策略梯度（TD3）算法,基于MADDPG的多AGVs路径规划算法在智能仓储仿真环境下,多AGVs碰到货架的次数分别减少了21.49%、11.63%,碰到障碍物的次数分别减少了14.69%、10.12%,全部AGVs到达货物装卸点的成功率分别高出了17.22%、10.53%,表明学习后的AGV具有更高效的在线决策能力和自适应能力,能够找到较优的路径。     

采用SNMP网络协议的地质公园设备管控系统设计

基于简单网络管理协议(SNMP),设计地质公园智能设备的管控系统,可实现开启或禁用拟定设备、远程监控智能设备端口、汇总设备数据、查看和更新设备工作事件信息、实时监控设备运转状态的功能.应用结果表明:该系统可通过有线及无线网络把地质公园所有智能设备连接到同一管控平台,实时监控设备的运行状态、流量信息、数据统计及故障数据等,并能通过手机短信及自动电话拨打方式向管理员发出故障报警.     

融合Logistic回归与Tabnet模型的P2P网贷违约预测方法

结合P2P网贷平台的特点,融合Logistic回归和Tabnet模型,提出一种P2P网贷违约预测方法。采集人人贷平台借贷数据,并对数据进行清洗与加工预处理;通过信息价值法和相关性分析,对众多解释变量进行筛选,以借款状态作为因变量,采用Tabnet神经网络进行训练,根据训练得到的特征重要性选择关键的解释变量;将Tabnet神经网络预测结果作为新的训练数据集,构建Logistic回归模型;将人人贷数据集输入Logistic回归学习与训练,以训练好的Logistic回归用于网贷违约预测。实验结果表明,Tabnet模型的网贷违约平均预测准确率和精确率分别为9958%、9547%,Logistic回归的平均准确率和精确率分别为9872%、9221%,而融合模型的平均准确率和精确率分别为9960%、9672%;在3个测试集上的准确率标准差分别为0001 4、0000 6、0000 5,精确率标准差分别为0034 4、0013 3、0013 2。表明融合Logistic回归与Tabnet的网贷违约预测方法具有Logistic回归模型的可解释性与稳定性,可提高单一模型的预测精确度。