基于超声解调信号多特征融合的轴承故障识别

针对当前振动监测对轴承初期微损状态监测难、精准度低的问题,提出了一种基于经验模态分解与多类熵值相结合的轴承状态监测方法,研究超声解调信号对故障诊断的可行性。首先将预处理后的超声解调信号进行经验模态分解得到若干本征模态分量,然后对各本征模态分量计算不同熵值特征,再将多特征融合后代入随机森林训练分类模型,利用混淆矩阵进行精度评价,最终对早期故障识别准确率高达97.92%。研究表明,超声解调信号对判别轴承早期故障效果更佳;经过多类熵值特征融合后,轴承状态分类具有更高的识别准确率。     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

在网络环境下图书馆服务理念及服务方式创新

介绍了网络环境及图书馆的优势,分析了个性化服务的意义及其实现方式,探讨了图书馆服务工作创新的措施。     

试论网络环境下高校图书馆的采访工作

分析了网络环境下高校图书馆文献采访工作面临的新问题,从3个方面提出了解决这些问题的具体措施。     

一类MIMO网络控制系统的时滞相关鲁棒控制器设计

针对一类多输入多输出(MIMO)网络控制系统,提出一种时滞相关鲁棒控制器的设计方法.首先经过等价推导,将系统转化成具有多输入时滞的连续系统,利用李雅普诺夫函数,通过求解若干线性矩阵不等式,获得系统时滞相关鲁棒控制器.算法递推简单,避免了进行系统变换和处理交叉项,减少了计算负荷.仿真结果表明:在网络具有一定传输时延的情况下,该方法可以获得满足系统稳定性的控制器.     

基于多智能体的电力软科学智能实验室研究

针对电力软科学研究的复杂性、不确定性,总结了电力软科学研究包括的类别,采用最新的信息集成标准、CORBA规范,基于多智能体技术,应用复杂适应系统理论与智能工程理论,提出了电力软科学智能实验室建设框架和开发思路,并详细讨论了其实现方式。该体系结构采用开放式信息集成技术,方便已有软件的集成和功能扩展,可以为其它行业的软科学实验平台的研究和实现提供参考。     

基于自适应进化粒子群算法的多目标优化方法

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化 PSO算法的性能.AEPSO算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO算法中,来提高算法的全局搜索能力和粒子的多样性.与常用的整体加权方法来处理多目标优化问题不同,AEPSO算法采用非劣解排序来引导粒子的飞行,以改进算法的收敛性,同时采用特殊的变异操作防止早熟收敛并增加优化解的多样性.所提算法的有效性经过四种代表性benchmark函数进行验证,并与几种典型同类型算法进行比较.该算法已成功地用于合金材料的多目标优化设计.实验结果表明AEPSO算法能够较好地兼顾收敛精度与优化解的多样性,满足多目标优化设计的要求.     

基于单模态生理信号无监督特征学习的驾驶压力识别

针对基于多模态生理信号分析的驾驶压力识别会影响驾驶员的行车舒适性,且传统的生理特征的提取需要依赖先验知识的问题,构建了基于单模态生理信号无监督特征学习的驾驶压力识别模型.首先采用单模态生理信号,通过构造卷积自编码器进行无监督的特征学习来提取抽象特征;然后将特征依次送入支持向量机、随机森林、K最近邻、梯度提升决策树4种不...     

复杂多源数据表征学习理论研究与应用

开放环境下复杂多源数据表征学习是机器学习理论高效解决实际任务的关键。目前的机器学习方法大多面向同源同分布数据,并不适用于开放环境下由多源数据融合而造成的复杂标签分布、样本分布以及多域分布等复杂数据表征学习问题。因此,本文提出面向信息安全方向的复杂多源数据特征信息的表征学习理论与方法。通过开展标签融合中相似信息共享与异构信息分离、跨源数据样本转换与语义关联知识迁移、强耦合下跨域与多源数据分布解耦等理论研究,实现开放环境复杂多源数据分布场景下表征学习基础理论创新与复杂多源信息应用系统验证。