基于时间槽的并行机调度连续时间建模方法

采用基于时间槽的连续时间建模方法对匀速并行机调度问题建模以获得最优解.基于3-索引和2-索引的分配变量下标的不同定义方法,通过变换空时间槽在时间轴上的位置,分别提出了针对该并行机调度问题的不同的连续时间模型.为了进一步提高连续建模近似求解问题的效率,提出启发式算法用于减少时间槽数目.通过实验分析了所建立的不同模型的优势和缺点.实验结果表明:3-索引模型的求解速度快于2-索引模型,随机安排空时间槽在时间轴上的位置能够加快模型的求解速度.此外,提出的启发式算法提高了模型的求解效率.     

云计算中基于遗传算法的任务调度算法研究

为解决云计算中的任务调度问题,提出了一种以遗传算法为基础的任务调度模型.在算法初始化种群产生时通过染色体匹配率来使种群个体均匀分布在解空间上,有效地避免了早熟;引入服务质量标准进行建模以改进适应度函数,充分考虑用户对调度结果的满意程度;采用规则约束的交叉和变异操作,提高个体的质量.仿真实验的结果分析表明:该改进算法能更有效地求解云计算环境下作业调度问题.     

基于兴趣和专业度建模的CQA专家发现方法

现有问答社区专家发现方法通过学习用户解答的问题序列单向信息建模用户兴趣，忽略了用户兴趣的波动性，对于解答过较少问题的用户建模准确度将受到影响，此外，未考虑历史回答与问题的语义相关性对评估用户表现的作用。论文提出基于兴趣和专业度建模的CQA专家发现方法，首先，使用BERT4Rec学习用户近期解答的问题序列双向信息得到近期动态兴趣表示；其次，构建用户社交网络，使用DeepWalk算法学习网络结构特征，得到用户长期兴趣表示；再次，构建用户专业度评估网络，依据用户回答与问题的语义相关性及反馈信息计算权重，对相应问题进行加权，引入注意力机制，重点关注用户在与新问题相近问题上的表现，得到用户专业度表示；最后，综合用户近期动态兴趣、长期兴趣和专业度表示与新问题进行匹配打分，为新问题找出有意愿接受邀请并能提供优质回答的用户。实验表明，该方法取得了较好表现，较基线方法在英语、3D打印和天涯问答数据集的MRR评价指标上分别提升了5.2%、2.7%、16.1%。     

利用多层感知机和Ⅰ-Ⅴ特性的光伏组件建模方法

为了提高光伏组件模型的准确度和可靠性,提出一种利用多层感知机和不同工况下实测的Ⅰ-Ⅴ特性曲线数据集的建模新方法.首先,使用双线性插值法对实测Ⅰ-Ⅴ曲线进行重采样,以提高Ⅰ-Ⅴ曲线上数据点分布的均匀性;然后使用基于温度-辐照度的网格采样法对数据集进行下采样,降低数据冗余度.其次,提出一种基于多层感知机神经网络的光伏组件模型,并基于预处理的Ⅰ-Ⅴ曲线数据集,使用Adam算法训练该模型.最后,采用实测Ⅰ-Ⅴ特性曲线数据集,验证和测试了所提出的建模方法,并与支持向量机、梯度提升决策树等机器学习算法进行对比.实验结果证明,所提出的建模方法具有更高的精度和泛化性能.     

一种新的临近空间高超声速目标跟踪算法

针对变结构多模型算法(VSMM)在模型集自适应转换过程中,模型集选取容易出现只在单一类型模型中选取的问题,提出一种基于模型集匹配程度检测激活不同类模型的方法。在连续4个滤波周期没有激活不同类模型时,对每个周期所使用模型集与真实运动模式进行匹配程度检测,以此决定是否激活不同类模型。该方法既能有效解决模型转换的缺陷,同时避免了因单个滤波周期内检测判决导致算法切换频繁的问题。仿真结果表明,对比传统算法改进算法能有效提高跟踪性能。     

基于层次结构的参数化装配模型重用机制

针对复杂装配参数化模型设计资源重用问题,提出了基于层次结构的参数化装配模型重用机制.该机制由装配-零部件参数化层次建模、主控-细节参数的层次引用、几何链接层次更新、用户导航界面层次设计和基于层次匹配的可视化自动测试框架构成.通过该机制在模具设计平台上的应用实施,提升了装配重用的效率.     

基于认知图谱的智能问答系统推理模型研究

目前现有问答系统模型大多数都采用模板匹配的方式进行推理,对问题推理不够充分,因此,提出基于认知图谱的问答系统推理模型.依据专业领域知识作为知识源构建本体;并基于该认知图谱构建了"问题-关系"一对一的认知图谱问答系统模型.最后通过将问答问题划分为简单问题与复杂问题分别对问题进行处理,其中简单问题运用BERT+ CRF(Bidirectional Encoder Representations from Transformers+Conditional Random Field)模型进行模板匹配;针对复杂问题运用Node2vec生成子图后用GCN(Graph Convolutional Network)推理模型进行推理,将得出的答案作为输出结果.最后对所提出的模型通过井下作业领域进行了实验,结果表明认知图谱问答模型优于其他算法模型.     

密集池化连接和短语注意力下的文本分类算法

为了解决在文本分类中神经网络训练时产生的梯度消失、特征信息丢失以及注意力机制短语维度组合不匹配的问题,提出一种基于密集池化连接和短语注意力机制的文本分类算法.首先,通过密集池化连接中的残差网络部分进行特征提取,可有效缓解梯度消失问题;其次,通过池化层复用重要特征,改善特征信息丢失问题;最后,通过改进常规注意力机制,提出短语注意力机制,可灵活得到不同阶短语之间的联系,解决常规注意力机制短语维度不匹配问题.结果表明,该模型在对比模型中取得了最好的效果,在相同的新闻数据集中准确率可达92.7％,同时还对3个对比模型的收敛性和分类准确性进行分析,可见改进后的模型可以有效缓解梯度消失,并且解决短语维度组合不匹配问题,从而提高了分类准确性.     

基于多尺度模板匹配和部件模型的车牌字符分割方法

为提高车牌字符分割的准确率,提出了一种基于多尺度模板匹配和部件模型的车牌字符分割方法. 对单层车牌,根据车牌结构特征建立多尺度模板作用于车牌候选区域,通过投影得分估计出最佳模板对应的尺度和位置信息;对双层车牌,使用部件模型对双层车牌进行建模,双层车牌的上层字符区域和下层字符区域分别对应部件模型的一个部件,通过多尺度的模板匹配得到上下层部件的候选集合,利用部件模型中部件之间的几何约束得到最终的车牌字符分割结果. 实验结果表明,所提出的方法可以有效进行单/双层车牌的字符分割.      

用于面部虚拟整形的三维人脸重建系统设计

为解决面部整形手术成功率低的问题,设计了用于面部虚拟整形的三维面部重建系统。该系统首先利用高精度深度相机采集人脸多角度深度图像,将每幅深度图像分别转换为对应点云模型并进行去噪预处理。接着,将正面点云和侧面点云进行粗匹配实现点云拼接,并提出一种改进的精配准算法进行精配准,得到目标人脸三维点云模型。对点云模型网格化处理后,提出一种基于半边结构的细分算法来提高重建模形精度,最后完成贴图即可构建人脸模型。为了验证所设计系统的重建精度,设计了对比实验。结果表明:系统重构人脸与其他重建系统相比,提高了人脸精度,且与真实人脸间差距小于2 mm,可以将其应用于面部虚拟整形,从而对专业医师提供术前指导,提高手术成功率。