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。     

基于支持向量机的小波域自适应水印算法

提出一种小波域中基于小波系数方向树模型的支持向量机自适应水印算法.利用支持向量机在小样本的情况下具有良好的学习和泛化性能的特点,建立小波域内不同尺度上同方向子带内相同空间位置的小波系数间的关系模型;根据关系模型来嵌入和提取水印.为提高图像视觉效果,采用模糊聚类的方法自适应地选取水印的嵌入位置.实验结果表明:该方法对常见的图像攻击具有很好的鲁棒性,而且水印的隐蔽性好、安全性强.     

基于机器视觉的风力机叶片损伤检测系统

针对风力机叶片表面出现的磨损等早期损伤特征现象,传统损伤检测方法存在高成本低效率等问题,设计了一种基于机器视觉和图像处理相结合的风力机叶片损伤检测系统。通过搭建机器视觉实验平台完成风力机损伤叶片图像采集和处理,通过使用HSV进行颜色平面提取,卷积运算、高亮显示操作滤波,选用自动阈值分割方法中最小均匀性度量法进行阈值分割处理,最后通过数学形态学去噪处理,腐蚀、膨胀、开运算等操作完成特征提取,设计了基于LabVIEW的风力机叶片智能图像识别系统,通过对图像处理后的损伤特征识别效果调试,完成性能测试。实验结果表明：基于该算法处理后的图像在设计的识别系统内准确识别率达到92.3%,并对裂纹损伤进行目标测量得到实际长度且绝对误差最大为3 mm。该系统满足叶片检损的要求,实现对风力机叶片表面裂纹、轮廓磨损等损伤的图像处理和识别,并对损伤处进行标记、计数和测量,实现无损探伤,为兆瓦级风力机叶片损伤检测提供方法借鉴和图像处理、系统设计的技术支持。     

面向网络遥操作的多传感器集成手爪的设计

以网络遥操作为应用背景,设计了一种分层的多传感器集成手爪。设计中首先提出了包含了数据采集层、数据处理层、网络交互层等三个层次的手爪体系结构。然后提出了基于支持向量机的融合算法,并结合CAN总线等技术对手爪系统进行了逐层设计,使其具有模块化、智能化等特点。还搭建了多传感器集成手爪实验系统,完成了基于多传感器集成手爪的网络遥操作作业。实验结果表明：该手爪具有较强的局部自主能力,并有效提高了网络遥操作系统的作业能力。     

分类任务中标签噪声的研究综述

近年来,随着机器学习的发展,分类系统的性能有了很大的飞跃。模型需要大量带标签数据才能使训练结果达到要求,而获取高质量的标注数据费时费力。为了降低成本,出现了众包、自动化系统等方法标注训练数据。但是,这些标注方法往往会产生大量错误标注,即标签噪声。另外,信息不足、专家错误和编码错误等因素,也可能使标签受到污染。训练过程中对标签噪声的处理不当,可能会使预测精度和准确性降低,或者使模型复杂度增加。因此,研究标签噪声对推广机器学习在各领域的应用和降低机器学习算法的部署成本等方面具有重要意义。通过综述产生标签噪声的原因、影响以及近几年来应对标签噪声的一些技术方法,对标签噪声的研究现状和发展前景进行分析。     

基于支持向量机的图像检索主动学习方法

为解决基于内容的图像检索中训练集样本过小问题,本文提出一种结合相关反馈和支持向量机的主动学习算法,首先计算未标注样本到分类超平面的距离以及与当前训练集中样本的余弦距离和,然后取具有总的最大余弦距离同时到超平面距离最短的样本加入训练集,通过增加最具信息的样本到训练集,使得分类器可通过少量反馈次数而快速达到较高的准确性.试验表明,本文算法能有效提高分类器的分类精度和泛化能力,在减少评价样本数量的前提下,可快速收敛于用户定义的目标查询概念.     

数控加工复合循环功能与子程序编程的特点及其应用

零件的数控加工,为了简化数控加工程序,既可以利用复合循环功能编程,又可以应用子程序技术编程.通过对复合循环功能编程与子程序编程的比较得知,应用子程序编程利大于弊,有利于保证零件的加工质量,提高加工效率,降低生产成本.     

面向微束等离子选区熔化的在线检测系统

为解决微束等离子选区熔化过程中的自动化检测问题,开发出一套面向微束等离子选区熔化的在线检测系统。该系统以每一层的成形金属为研究对象,基于深度学习目标检测原理,对金属成形表面进行缺陷检测,并根据检测结果控制设备的启停,确保每一层的成形质量达到要求。同时,通过双目相机和线激光的配合,利用线阵扫描的方式对成形表面形貌进行三维重建,并显示在自主开发的可视化软件上,实现了缺陷检测和三维重建相结合的检测方案。实验结果表明：该系统能够快速、精确的检测出成形过程中产生的缺陷,实时性强、漏检率低,并将结果及时反馈到系统,实现了成形过程的主动、有效调控。     

基于ISA-ECI参数的肽高效液相色谱保留时间支持向量机预测模型

基于氨基酸描述子ISA-ECI,利用加和法构建了101个混杂肽高效液相色谱保留时间的支持向量回归(SVR)预测模型(ε=0.001、σ=4和C=100),并与多元线性回归和投影寻踪回归作了比较研究,结果表明SVR要好于其它方法,SVR方法对数据集留一法交叉检验和拟合的预测复相关系数分别为0.8822和0.9530,其预测结果与实验值一致.且提出了一个简单的方法并指出保留时间与描述肽的分子结构信息的ISA-ECI参数存在着非线性关系.     

数据中心多目标虚拟机管理研究

通过建立起资源使用、服务器热点与电源能耗三者的统一优化模型,设计多目标虚拟机动态管理系统,协同优化资源使用、服务器热点和电源能耗,以使得数据中心的效益达到最优.鉴于数据中心负载流量的动态波动性,采用基于滑动窗口的两级状态检测策略来决策迁移虚拟机时刻,基于多目标统一优化模型设计相应算法来解决迁移虚拟机和目的主机的选择问题.最后在Xen虚拟机平台上测试该系统,实验结果表明:本文设计的虚拟机动态管理方法能够较好地协同优化数据中心的资源使用、服务器热点和电源能耗,使得数据中心的效益达到最优.