基于四元数图神经网络的知识图谱嵌入

针对当前大多数知识图谱嵌入方法对实体和关系的表示能力低、难以处理复杂关系的问题,提出一种基于四元数图神经网络的知识图谱嵌入方法,用于解决知识图谱的链路预测问题。该方法为了包含更丰富的关系信息,将四元数引入到知识图谱嵌入中对实体和关系建模,并考虑两者之间的共现关系。模型利用勒维图变换将知识图谱中的实体和关系转换为图网络中的节点,采用两者的共现关系构建图中的边;将四元数图神经网络(quaternion graph neural networks, QGNN)作为编码器模块,学习图节点的四元数嵌入;利用四元数空间内的哈密顿乘积构造评分函数对生成三元组进行排序。实验结果表明,所提模型能够很好地捕捉到实体与关系之间潜在的相互依赖关系,在知识图谱嵌入方面优于现有的嵌入模型。     

齿轮图的星边染色

图的星边染色是一个正常边染色且满足任意2种颜色导出的连通子图为长度不超过3的路.利用反证法和组合分析法讨论了齿轮图的星边染色,通过构造具体染色得到了齿轮图的具体星边色数.     

基于分形关联维的汽轮机转子的振动故障诊断

采用Bently实验台模拟不同转速下碰摩、松动、不对中、不平衡几种常见汽轮机转子振动故障,进行实验研究．通过相空间重构理论,对满足随机分形统计自相似性的振动信号序列进行相空间重构,计算其分形关联维数,从而再现动力学特性．实验分析结果表明：碰摩故障时的分形关联维数最大,松动和不对中时的分形关联维数次之,不平衡时计算所得的分形关联维数最小;不同故障类型下的分形关联维数增量不同．因此,分形关联维数可以作为一种振动故障征兆加以提取．     

定温加热下微石英管内部换热特征的实验研究

以蒸馏水为工质,流过内径分别为242μm,315μm和520μm石英管,采用饱和水蒸气来加热石英管,实现定温加热以研究石英管内部的换热．根据饱和水蒸气的压力来确定石英管外壁的温度值,实现了定温加热与温度测量的同步．实验得到了雷诺数RP在100-6000变化时的努谢尔特数Nu,并与经典的层流、过渡流及紊流换热准则方程式进行了对比．实验结果表明,在Re较低时,微石英管内部的Nu低于常规经典的换热准则方程式的解,但RP增加到16001900时,微石英管内的Nu与过渡流准则方程式的解基本一致;当RP增加到3500～5000时,微石英管内部换热的Nu达到常规尺度下的紊流换热方程式的解．     

一种模糊高斯混合说话人识别模型

为了研究模糊聚类算法在高斯混合模型（GMM）参数获取方面的应用,采用模糊C均值算法（FCM）进行语音特征矢量的聚类,并结合Tabu搜索算法得到全局最优的聚类结果,进一步用EM算法得到GMM模型参数.使用TIMIT数据库中的语音进行测试,开集和闭集说话人辨认实验都表明,该方法获取的GMM参数比普通EM算法获得的GMM模型参数性能更优,能有效降低说话人辨认系统的误识率.     

棱锥图若干性质的研究

锥图最早是在研究广义轮图时被提出的.目前关于锥图的国内外相关文献相对较少,而锥图的构造方法十分巧妙,其模型可以用于通讯系统模型;在几何学上,也可用于高维度锥体的研究.本文主要研究了多锥图的色数、可平面性、邻接矩阵、哈密顿性和邻接矩阵特征值(谱)等基本性质.     

超立方体三次幂的可区别数研究

根据d维超立方体p次幂结构特性,研究了其顶点间距离与海明距离的关系,给出了确定顶点坐标的充分必要条件,并对d维超立方体三次幂H3d的可区别数进行了研究.得到H3d可区别数的一个上界:D(H3d)≤5(d≥6).     

基于改进四元数阻尼误差模型的SINS初始对准算法

针对传统捷联惯导系统(strapdown inertial navigation system, SINS)四元数非线性误差模型存在坐标系不一致的问题, 对姿态误差模型和速度误差模型进行改进, 将误差矢量统一投影至计算导航坐标系下。此外, 引入全球定位系统阻尼信息, 在阻尼SINS解算基础上, 结合四元数无迹估计器提出了一种改进四元数阻尼误差模型对准算法, 可应用于系泊状态下的SINS初始对准。仿真和车载试验结果表明, 在不同的大失准角下, 该改进算法相比传统四元数阻尼误差模型对准算法和欧拉角阻尼误差模型对准算法, 具有更好的对准精度、收敛速度以及稳定性。     

乘积空间上的混合测度和维数

在乘积空间Rm×Rn上定义了一种新的混合维数,给出了它的一些基本性质,并比较了它和Hausdorff维数、填充维数等维数之间的关系,得到了一个乘积公式等相关的结论.     

Loewy矩阵与几乎Koszul代数

几乎Koszul代数作为Koszul代数的推广,在代数周期性和分次自入射代数的研究中起到了重要的作用.几乎Koszul代数的刻画是一个复杂的计算问题,而Loewy矩阵为Koszul代数的刻画带来了较为直观的计算方法.通过经典的Loewy矩阵和构造增广Loewy矩阵,利用分次代数分次模的两种不同Loewy维数向量得到了一...