基于正则化正交非负矩阵分解的旋转目标检测方法

小样本的旋转目标检测是指在样本数少的情况下进行旋转目标检测模型的训练,深度学习在旋转目标检测领域往往需要庞大的样本数和计算算力。现有的基于机器学习的旋转目标检测方法大多有着对目标尺度和姿态敏感的缺点。因此提出一种基于正则化正交非负矩阵分解的旋转目标检测方法,来解决小样本的旋转目标检测难题。首先,针对样本不具有各种角度的图片,对样本进行旋转后进行背景填充,这样便于更好的表征学习。其次,提出一种基于正则化正交非负矩阵分解算法对旋转样本的梯度直方图特征进行表征学习。最后,为了测试算法在特征学习后的有效性,利用支持向量机对特征提取后的数据进行训练和测试。实验结果表明本文的目标检测方法在多个数据集中可以取得不错的效果。     

融合图注意力网络和注意力因子分解机的服务推荐方法

为了解决服务推荐过程中的特征稀疏问题、提高服务的语义表示能力,进而提升推荐的准确性和有效性,提出基于图注意力网络(graph attention networks,GAT)研究服务推荐方法,引入服务的组合权重和组合的结构信息,综合利用多种服务特征,提高服务推荐质量。将GAT和注意力因子分解机(attention factorization machine,AFM)结合在一起,利用多头自注意力机制,学习每个节点在图邻域中的重要性;进行信息聚合,处理网络中的不同图结构,以适应服务动态变化的场景。 实验结果显示,在数据平衡的情况下,提出的方法性能表现均好于对比方法;在数据不平衡的情况下,提出的方法大部分性能指标也表现良好,达到了提升服务推荐准确性和有效性的目标。     

Banach空间一阶非线性混合型积微分方程正解的存在性

通过构造一个闭凸集合并利用全连续算子的不动点理论,对Banach空间中混合型一阶非线性奇异脉冲积微分方程进行了研究, 获得了正解的存在性结果。     

基于兴趣值的适应度模型的研究

提出了一种基于兴趣的网络模型,通过给每个网络中已存在的节点分配一个兴趣值,兴趣值与该节点的适应度和节点的度有关.重新建立网络模型,实验结果表明,该网络具有幂律分布.     

可拓集合的提升与物元信息模型

根据集值映射的思想,把可拓集及物元等概念向幂集上提升,给出了广义可拓集的定义,并提出了物元图和物元信息模型,指出了它们在计算机科学中的应用前景。     

非光滑两级优化问题的必要条件及其算法

利用集值分析、非光滑分析与优化理论,研究了两级优化问题的性质、结构,提出了处理这类问题的一个通用性结构化模型,并利用该模型导出了非凸非光滑条件下两级优化问题的微分包含型必要条件,最后给出了其求解的算法及算例．     

递阶多目标非光滑优化问题的最优性条件

建立了递阶多目标非光滑优化问题的一个通用性结构化模型,利用参数规划、集值分析及非光滑非线性分析的理论和方法,研究了模型锥有效解存在的最优必要条件和充分条件．     

大系统仿真建模的系统最优分解判定法及应用

就如何进行大系统空间模块的分解以满足建模的需要,作了理论上的探讨,给出了最优空间分解判定及性质定理证明。从理论上引出了空间分解秩、系统权、共亨度的概念。最后,介绍了该法在某电站仿真机建模中的应用实例。     

T-模糊联盟间相互影响的度量

针对局中人以三角模糊数的形式参与合作对策的问题,给出了T-模糊联盟间相互影响的基本概念.探讨了T-模糊联盟间相互独立时模糊特征函数的表达式及模糊特征函数具有k-严格单调性时T-模糊联盟间相互影响的变化规律,通过对Shapley值和Banzhaf-Coleman势指标度量概念的推广,得到相应的Shapley值和Banzhaf-Coleman势指标,用于表示T-模糊联盟间相互影响的期望度量指标和方差度量指标,并通过算例分析来说明其有效性和实用性.     

提高电能效率的自备电厂并网备用容量费用计算模型

自备电厂并网备用容量费的计算是我国电力市场化改革所面临的急待解决的问题之一.从概率统计学的角度,分析所有与供电公司并网的自备电厂所需要备用容量的各种情况以及其对应的概率分布,并求其期望值作为计算备用容量的依据;在此基础上,采用熵值法对供电公司和自备电厂收取并网备用容量费的收益风险进行度量,并对它们的收益风险进行比较;从平衡供电公司与自备电厂收益风险角度,构建它们的收益风险平衡模型,并采用间接搜索法对其进行求解.算例表明:所构建并网备用容量费计算模型是可行的,可以减少电网和电厂的投资,提高电能的利用效率,且对平衡供电公司与自备电厂之间的利益具有一定的参考作用.