基于概率LS-SVM 的多标签非均衡样本分类算法

针对多标签分类问题,提出了一种面向样本不均衡及类属不确定性的多标签分类算法。首先,结合“一对一”分解策略和贝叶斯理论,将多标签数据集分解为单标签数据子集,并利用Parzen窗方法估计子集样本后验概率,对类标签进行了基于概率的不确定性表示。然后,在融合概率类标签和LS-SVM模型的基础上,利用样本差异信息来调节惩罚参数值,建立了考虑样本不均衡的概率LS-SVM子分类器模型。依据正态分布的3σ原理,设计了子分类器决策阈值确定方法。最后,结合实例对算法进行了性能分析,结果证明了新算法的合理性和有效性。     

食品质量链风险传递耦合网络研究EI北大核心CSCDCSSCI

在考虑食品质量链风险演变受多质量风险参量影响且各质量风险参量传递具有异构网络特性的基础上,基于食品生产工艺网络,以GERT单元与质量风险参量流表征各质量风险参量传递网络拓扑结构,引入层间交互邻接矩阵,构建食品质量链风险传播多层耦合网络模型.以质量风险参量和阈值区间的关系来表征质量风险的演化,用SIS模型模拟质量风险的传递,设计质量管理策略与风险参量评估指标开展食品质量链的质量风险控制与防范分析.研究结果表明本文所提方法能有效的反映食品质量链风险参量演变为食品质量风险的过程.同时,基于相关质量风险参量对应的质量管理改进和举措,如食品企业生产关键工艺的创新和改良,政府对食品生产过程的质量管制强化,可有效降低相关质量问题发生的概率,进而提高食品质量水平.     

基于上下文感知和注意机制的多学习情绪识别方法

为提高人脸图像情绪识别效率与准确性,在探讨了深度神经网络、注意机制与损失函数基础上,提出基于上下文感知与注意机制的多学习情绪识别网络结构．该网络主要由场景特征提取、身体特征提取与融合决策3个子网络组成,并采用单双输出结构,实现多标签情绪分类与连续空间情绪回归任务．考虑到多标签情绪分类时标签的不平衡性,提出了一个改进的焦点损失（focal loss,FL）函数,可为小样本或难分类样本分配更多的权重,从而提高了网络训练效率．利用EMOTIC数据集进行仿真,结果表明平均绝对误差回归组合损失训练性能更优,分类平均准确率与回归平均误差率分别为28.5%和0.098,该方法对于小样本或难分类样本具有更好的分类效果．      

BiGRU结合注意力机制的文本分类研究

随着信息时代的发展,文本包含的信息量越来越多,而同一段文本可以隶属于不同的类别,为了提升多标签文本分类任务的准确率,提出了一种基于ALBERT预训练、双向GRU并结合注意力机制的改进的多标签文本分类模型——BiGRU-Att模型.在百度发布的中文事件抽取数据集上进行实验,该模型的识别准确率达到了99.68％,相对比较组的BiLSTM-Att、LSTM-Att、BiGRU、BiLSTM、LSTM等模型的测试结果,准确率更高,性能更优.实验结果表明,改进的BiGRU-Att模型能有效提升多标签文本分类任务的准确率.     

单群的点传递图的GI-性质

针对点传递图的同构问题,类似于Babai关于Cayley图为CI图的充分必要条件,给出了点传递图为GI-图的判别准则,并研究了单群的点传递图的GI-性质.     

成型工艺对树脂基摩擦材料及其摩擦学性能的影响

以碳纤维2.5D浅交弯联结构为预制体,分别采用树脂传递成型工艺(RTM)和热压成型工艺(HPM)制备了碳纤维增强酚醛树脂基摩擦材料.通过MS-T3001摩擦磨损试验机考核了材料的摩擦磨损性能,采用扫描电子显微镜、激光三维形貌扫描仪观测了材料的磨损形貌,对比分析了两种成型工艺对材料摩擦学性能的影响.结果表明:随着滑动速度和工作载荷的增大,材料的摩擦系数均减小.热压成型工艺成型摩擦材料的主要磨损形式为磨粒磨损,摩擦系数0.085~0.130,磨损率1.5×10-8 g·N-1·m-1.树脂传递成型工艺成型摩擦材料的主要磨损形式为黏着磨损和疲劳磨损,摩擦系数0.075~0.120,磨损率7.5×10-8 g·N-1·m-1.     

矩阵理论在黏接结构界面脱黏超声检测方法中的应用

黏接结构界面脱黏的超声检测与评价是一个有难度的前沿性课题。基于传递矩阵方法并将脱黏界面层假定为流体薄层,推导了体波入射下具有流-固（气-固和液-固）耦合界面的脱黏结构中声反射与透射系数表达式。将该方法应用于两层结构并与已有结果对比验证了所推公式的正确性。研究了声波入射角度、频率的变化对具有刚性联接界面的黏接结构和具有流-固耦合界面的脱黏结构中体波传播特性的影响。结果表明,体波在多层结构中的传播模式主要依赖于入射角度、频率等参数。若声波的入射角度和频率取值适当,可以将刚性联接、气-固以及液-固耦合界面进行区分。      

箱粒子广义标签多伯努利滤波的目标跟踪算法

针对序列蒙特卡罗广义标签多伯努利滤波(SMC-GLMB)算法计算效率低、实时性差的问题,提出了箱粒子广义标签多伯努利滤波的目标跟踪(Box-GLMB)算法。该算法使用带标签的随机有限集描述多目标的状态,包括目标的位置和速度,并且对每个目标用互不相同的标签进行区分;然后利用箱粒子滤波算法近似单目标状态的概率密度,即用一组带权值的均匀分布拟合单目标状态概率密度;最后通过广义标签多伯努利滤波对多目标状态的概率密度进行预测与更新,从多目标状态后验概率密度中估计单目标的位置与速度,根据目标的标签可以实现航迹跟踪。BoxGLMB算法结合了箱粒子滤波与GLMB算法的优势,能够跟踪目标航迹,同时提高计算效率。仿真结果表明,Box-GLMB算法可以有效估计目标状态以及跟踪目标航迹,相比于SMC-GLMB算法,计算效率提升了62%。     

语境化音乐流派识别

音乐流派识别(music genre recognition,简称MGR)是一项应用前景广阔的研究领域,同时也能够为音乐机器学习技术提供一个良好的测试台.在过去几年中,涌现出了大量基于机器学习的MGR系统.然而,单纯依靠底层声学特征的MGR算法在分类时往往不能得到令人满意的结果.作者受到语境化机器学习技术的启发,提出了基于堆叠泛化的MGR分类系统.该系统通过提取互联网中用户标注音乐时使用的标签,同时融合声学特征完成语境化音乐流派识别.在论文中,MGR系统分为内容层和语境层,内容层由提取Mel倒谱系数(Mel frequency cepstrum coefficient,简称MFCC)和快速傅里叶变换(fast Fourier transformation,简称FFT)特征的声学特征表示,语境层由额外标签表示.在数据集GTZAN的实验结果表明,在数据集GTZAN下,语境化的MGR分类准确率远高于基于声学特征的MGR分类准确率,实现了20%的分类性能的提升.     

基于响应面法的乘用车消声器声学性能优化

针对某乘用车车内、外消声器中频段(0.5~1.5kHz)降噪能力较差的问题,利用响应面法对消声器在中频段的传递损失进行优化.首先,采用Latin超立方法对插入管长度、穿孔板位置和穿孔率等设计变量进行采样,采用声学有限元法计算各样本点在中频段的传递损失;然后,利用Kriging模型建立中频段传递损失的响应面模型,并验证其计算精度;最后,利用遗传算法对该响应面模型的计算结果进行优化.结果表明,与优化前消声器在中频段的传递损失(27.05dB)相比,优化后消声器在中频段的传递损失(41.38dB)增加了14.33dB,其消声性能得到了明显改善.