课程文献中心 更多>>

关键词： 轴向柱塞泵   故障诊断   增量学习   图神经网络图形样本聚合   K-最邻近法   图结构数据  

摘要： 针对轴向柱塞泵在故障诊断中对大规模、动态变化数据处理困难,以及故障类型增加导致分类性能下降的问题,提出了一种基于改进图神经网络图形样本聚合(Graph-SAGE)的增量学习模型。首先,将轴向柱塞泵的不同故障振动信号构建为带标签的数据集,并通过数据增强生成了新的数据集;然后,采用K-最邻近法(KNN)分别构建了初始训练阶段和增量训练阶段的图结构数据(其中,初始阶段的图结构用于模型的初始训练,增量训练阶段的图结构用于增量训练);接着,为了确定最适合轴向柱塞泵故障图数据集的聚合方法,在初始训练阶段比较了不同聚合器对故障识别准确率的影响,并在增量训练阶段结合显性知识与隐性知识对模型进行了优化;最后,采用了实验的方式,验证了该模型的可行性,并通过对比实验和鲁棒性测试,对该模型的性能和稳定性进行了评估。研究结果表明:该增量学习模型在应对新增故障类型时表现优异,在轴向柱塞泵的复合故障识别中,平均准确率达到了92.35%,显著优于传统图神经网络在相同条件下的表现;同时,该模型在混合工况下的增量训练准确率达到了95%,展现出较强的适应性和鲁棒性。该方法能够有效应对不同的故障模式和工况条件,准确识别轴向柱塞泵的复合故障。

关键词： 卷积神经网络   电梯火灾识别   注意力机制   特征融合   实时预警  

摘要： 针对传统电梯火灾识别算法存在的识别率低、延迟大等问题,本文提出一种改进的基于卷积神经网络的电梯火灾识别方法。通过融合RGB-HSV双色彩空间对疑似火灾区域进行预处理和分割,采用改进的VGG16网络提取深层特征,并结合注意力机制增强关键区域特征表达。试验结果表明,改进后的算法在电梯火灾识别准确率达到95.8%,处理速度为12f/s,对不同光照、烟雾干扰具有较强的鲁棒性,可为电梯火灾早期预警提供更可靠的技术支持。

关键词： 推荐系统   云API   投毒攻击   生成对抗网络   代理模型  

摘要： 针对现有投毒攻击方法生成的虚假用户攻击数据存在攻击效果差且易被检测的不足,提出一种基于代理生成对抗网络的投毒攻击方法。首先,在生成对抗网络中采用K-means算法将数据分类,并引入自注意力机制学习每个类中的全局特征,解决生成对抗网络在数据稀疏时难以有效捕捉真实用户复杂行为模式这一问题,提升虚假用户的隐蔽性。其次,引入代理模型评估生成对抗网络生成的虚假用户的攻击效果,将评估结果作为代理损失优化生成对抗网络,进而实现在兼顾虚假用户隐蔽性的同时增强攻击效果。云API服务质量数据集上的实验表明,所提方法在兼顾攻击的有效性和隐蔽性方面均优于现有方法。

关键词： 模糊逻辑   计算机网络课程资源   用户兴趣模型   自适应特征量   个性化推荐列表  

摘要： 由于传统方法在提取用户行为特征时,直接采用原始数据而未计算分词的相似度,导致用户意图和偏好刻画存在偏差,使得特征提取存在稀疏性,进而导致推荐的准确性较低。为此,文章提出基于模糊逻辑的计算机网络课程资源个性化推荐方法。该方法通过融合多维度行为数据计算行为数据综合指数,构建加权行为数据矩阵并定义用户兴趣特征向量;再通过模糊隶属度函数将特征向量赋予隶属度值,从而构建用户兴趣模糊模型;利用模型得出匹配资源需求,评估特征相关性并计算特征兴趣度;根据特征重要性计算资源整体兴趣度,引入调整因子和自适应特征量调整权重并重新计算兴趣度,最后根据筛选阈值筛选资源,经多次排序实现计算机网络课程资源的个性化推荐。实验结果表明,该方法的归一化折损累积增益值更平稳且增长趋势较佳、命中率更高。这些结果充分证明了该方法在处理复杂推荐任务时的稳定性和准确性。

关键词： 动态贝叶斯网络(DBN)   风险识别   医学实验设备   安全管理  

摘要： 目的:构建基于动态贝叶斯网络(DBN)风险识别模型,探讨其在中心实验室精密医学实验设备中的安全管理效果。方法:基于DBN模型识别中心实验室精密医学实验设备管理中的各类风险因素,构建风险识别模型,采用指标评价集对设备运行阶段可能出现的风险进行提前预警和有效防范。选取2023年2月至2024年2月上海中医药大学附属曙光医院中心实验室在用的51台精密医学实验设备,分别对26台设备采用常规管理模式,对25台设备采用DBN风险识别模型管理模式(DBN管理模式)进行管理,自制设备管理认可度调查问卷对参与设备使用管理的工程师、设备操作人员和临床医生进行问卷调查,对比两种管理模式下设备目标达成度、临床服务质量、设备风险发生率和设备使用相关人员对设备管理的认可度评分。结果:采用DBN管理模式的设备操作规范度、消毒清洁完成度和应急管理及时性评分分别为(91.58±3.36)、(90.58±3.69)和(93.69±4.25)分,均高于常规管理模式,差异有统计学意义(t=19.466、15.704、15.549,P<0.05);DBN管理模式下设备执行率、质量检测合格率和故障问题处理率平均值分别为(92.69±3.69)%、(93.27±3.01)%和(94.57±3.65)%,均高于常规管理模式,差异有统计学意义(t=13.811、18.401、20.374,P<0.05);DBN管理模式下设备故障率、零部件破损率和清洁消毒不合格率分别为4%(1/25)、8%(2/25)和4%(1/25),均低于常规管理模式,差异有统计学意义(x^(2)=10.395、12.829、13.542,P<0.05)。参与设备使用管理的工程师、操作人员和临床医生对采用DBN管理模式的认可度平均评分分别为(90.26±4.65)、(91.54±4.62)和(93.25±3.65)分,均高于常规管理模式,差异有统计学意义(t=12.910、12.379、18.328,P<0.05)。结论:基于DBN风险识别模型在医院中心实验室精密医学实验设备管理中应用,能够提高设备运行质量与效率,降低设备使用风险,改善设备服务水平。

关键词： 计算机通信   网络安全与防护   教学  

摘要： 计算机通信网络安全与防护是计算机网络专业的一门重要课程,其目的是培养学生具备一定的网络安全意识,在课堂教学过程中,通过教学手段,让学生掌握必要的网络安全知识,并能够独立进行网络安全防护工作。因此,在进行教学活动中,教师要结合学生的实际情况,将课程知识内容与实际情况结合起来,以课堂教学为主,通过实验实践的方式提升学生学习的主动性与积极性,让学生在学习过程中能够掌握更多的实用技能。

关键词： 无线传感器网络   部署优化   改进黑猩猩优化算法   覆盖率  

摘要： 为解决无线传感器网络部署优化覆盖率低、传感器节点分布不均匀等问题,提出了一种基于改进黑猩猩优化算法的无线传感器网络部署优化方法。首先,为了保证黑猩猩种群具有多样性,使用Tent混沌映射进行种群初始化;其次,提出了一种非线性变化的收敛因子,以增强算法的全局和局部搜索能力;然后,为了防止算法陷入局部最优,同时引导种群向最优个体靠近,提出了一种狩猎贡献度加权策略对4类黑猩猩在狩猎过程中的贡献程度进行加权处理;最后,通过基准函数测试实验和无线传感器网络部署优化仿真实验验证了所提改进算法的寻优性能和应用性能。结果表明:改进黑猩猩优化算法具有比对比算法更好的寻优性能,其优化得到的无线传感器网络平均覆盖率明显优于其他对比算法,平均覆盖率最高可达99.81%,且传感器节点分布更加均匀。

关键词： 突发事件   网络舆情   研究方法   舆情引导和治理  

摘要： 回顾2009-2024年研究突发事件网络舆情的文献,梳理现有研究脉络,对现有的基础理论、研究方法和影响作用进行系统总结。通过CiteSpace知识图谱软件进行分析,运用可视图系统展现突发事件网络舆情研究的发文量年限分布、研究热点关键词和研究热点时间变迁趋势。研究发现,突发事件网络舆情的学科间的关联性有待加强、研究方法略显单一。因此,要加强不同领域专家学者的合作,同时避免孤立看待所要研究的领域,做到多种方法间的有效结合,实现定性和定量方法的优势互补。

关键词： 多目标优化   RBF径向基神经网络   NSGA-III优化算法   结构轻量化设计   灵敏度分析   有限元分析  

摘要： 低地板电动客车常采用电池组置于车顶的布置方式,这使得车辆重心升高而影响其安全性。在保证车顶力学性能需求前提下,进行多目标结构轻量化设计是解决该问题的有效方案之一。首先,针对低地板电动客车承载式车身特点,对车顶参数化模型进行刚、强度分析和模态分析;继而通过灵敏度分析筛选出7组对质量和刚度影响较大的设计变量;根据拉丁超立方试验设计得到的仿真结果数据,利用径向基(RBF)神经网络建立近似模型,以车顶质量最小、载荷作用下位移最小为目标,采用NSGA-III算法进行多目标优化,并对比分析前后模型的结构性能。优化结果表明:在不改变材料的前提下,车顶实现减重11.32kg,降低超过1.5%,而力学性能变化在1%左右。这里研究可为特殊种类电动车辆轻量化结构设计提供参考。

关键词： 滚动轴承   故障诊断   多传感器   互异网络   数据融合   特征互补  

摘要： 为了解决单传感器单一分支网络的输入容易受到外界干扰以及在不同域信号转换过程中丢失特征信息,导致故障诊断效果不佳的问题,提出了基于多传感器数据融合的互异网络轴承故障诊断方法。设计了数据预处理模块,以数据级的融合方式实现来自多传感器的多角度故障特征互补,充分考虑了轴承设备多传感器之间的相关性。同时,将经过快速傅里叶变换(FFT)和频率切片小波变换(FSWT)处理后的信号融合为多域信号作为模型的输入,以多域信号独立作为模型输入的形式确保不同域信号在转换过程中关键的特征信息不会丢失。该方法针对不同的域信号设计了相对应的互异网络结构对多传感器数据高维非线性空间中的低维特征关键提取,这也为设备维修人员提供了更加可靠方便的维修手段。当其中一个分支网络的输入受到外界干扰时,另外两个分支网络会起到纠错的作用,不仅增强了网络的容错能力,同时也会增加网络的特征互补能力。利用记忆单元将特征视为不同的时间步,以此建立不同故障特征之间的依赖关系。为了防止模型陷入局部最优,使用适配于所提模型的学习率余弦退火算法优化模型训练。在两个轴承数据集上进行实验,结果表明,该方法拥有好的故障诊断效果和泛化能力,可以满足基于多传感器数据融合的轴承故障诊断任务。