课程文献中心 更多>>

关键词： 网络加权Voronoi图   消防站服务范围   火灾风险评估   应急响应  

摘要： 传统的消防站服务范围划分方法在一定程度上忽略了城市复杂路网和路况对消防车行驶速度的影响。该文在顾及道路交通流量的基础上构建网络加权Voronoi图模型,对兰州市城关区消防站4 min服务范围进行科学划分,同时考虑多种火灾风险类别进行火灾风险评估,以揭示研究区内火灾风险的空间分布特征;最后,综合分析消防站服务范围与火灾风险区的空间对应关系,对消防站服务覆盖范围进行全面评估。结果显示,城关区现有消防站在火灾高风险区覆盖情况总体较好,但部分站点的服务覆盖区域超出规定的响应范围,建议增设微型消防站以提高响应效率。该研究提供了一种城市消防站服务范围精准划分方法,对优化城市消防资源配置和提升应急管理效率具有指导意义。

关键词： 计算机网络故障   故障分析   维护策略  

摘要： 计算机网络在现代社会的各个领域都占据着重要地位,其稳定性和可靠性直接影响着人们的工作效率与生活质量。但是,网络运行中难免会遇到故障情况,怎样迅速且精确地诊断并解决这些网络问题,对于确保网络的持续顺畅运作至关重要。对此,本文对计算机网络故障和维护策略进行了探讨,以期为网络管理人员和相关技术人员提供全面的理论与实践指导,提升网络故障处理能力,确保计算机网络的稳定运行。

关键词： 融媒体   高职院校   辅导员   网络思政  

摘要： 在融媒体时代下,高职院校教育工作的开展离不开辅导员的支持。尤其在新媒介的不断发展中,教育教学工作的开展更需要辅导员发挥自身的育人作用。为了保证学生更好地成长和发展,在网络思政工作开展中,辅导员也应发挥自身的积极作用,做好思想政治的引导。在融媒体时代下,信息技术发展速度不断加快,网络信息对学生的影响较大,只有把握好时代的变革,积极主动地参与到思政工作中,才能在形成良好网络思政意识的同时,使教育工作的开展在创新中更全面。

关键词： 手势识别   轻量型OpenPose   时域循环增强   坐标注意力  

摘要： 针对现有手势识别方法中存在的网络模型参数量大、识别过程中忽略了帧间差异、无法充分捕获视频流关键帧细节特征等问题,本研究提出了一种基于时域循环增强图卷积网络(Time-Domain Cyclic Enhanced GraphConvolutionalNetworks, TCE-GCN)的手势识别方法。首先,采用VGG-19网络的前10层提取图像特征,结合轻量型OpenPose提取手势骨骼的特征关键点坐标,充分关注手势的全局图像特征和局部骨骼信息。其次,引入时域循环增强模块,用于双流自适应图卷积网络中捕捉手势的演变,提高对帧与帧之间手势差异的理解。最后,引入坐标注意力模块,利用坐标信息进一步捕获手势的位置信息,提高模型的泛化能力。该算法在Jester手势数据集上准确率为95.9%,在SHREC’17数据集上识别准确率为96.3%,相对于其他基线算法有更高的手势识别精度。

关键词： 风压预测   方柱   风洞试验   机器学习   长短期记忆神经网络  

摘要： 该文提出了一种基于长短期记忆神经网络的风压时程预测模型,可通过少量测点的风压时间序列预测结构周向未知位置的风压时程。基于不同风向角下均匀来流方柱测压风洞试验数据,模型有效预测了方柱表面未知位置的风压时程。模型数据集需考虑合理序列长度范围内的关联性,以提高预测精度;多层网络结构能够提高模型的数据特征捕捉能力;训练测点数量的增加可以改善预测效果,但需考虑预测精度和测点布置经济性之间的平衡。平均风压分布、脉动风压分布和典型测点风压时程的预测值与试验值较为吻合,但方柱角点附近风压极值的预测误差相对较高,可能与该区域风压非高斯特征较强有关。

关键词： 推荐算法   社交网络   注意力机制   知识图谱  

摘要： 推荐算法能够快速挖掘用户喜好的物品并进行有效推荐,从而极大地节省用户搜索的时间。然而,现有推荐算法虽然可以根据用户的喜好或物品相似度等特点进行推荐,但仍然存在用户和物品的冷启动、数据噪声等问题。为解决上述问题,提出了一种社交知识感知网络推荐算法(SAGN),该算法将物品-用户之间相互依赖的知识以及用户之间相关联的知识注入到用户与物品的特征计算中。在用户端,利用知识感知网络计算用户及其朋友的浏览记录以获取多种偏好特征,并结合自适应注意力门控机制生成用户偏好特征向量;在物品端,获取与待预测物品建立关联的用户朋友集合,将朋友的浏览记录作为物品的初始实体集,使用知识感知网络提取基于用户及其朋友偏好的物品特征向量。为验证算法的有效性,在真实数据集Ciao和Epinions上与SocialFD、GraphRec、SREPS、HGCL、KR-GCN等算法进行对比实验。实验结果表明,与表现最好的模型相比,SAGN算法在Epinions数据集上的RMSE和MAE分别提升了2.14%、1.74%;在Ciao数据集上的RMSE和MAE分别提升了1.81%、1.79%。

关键词： 多变量时间序列   异常检测   深度学习   时空信息   图注意力网络  

摘要： 时间序列异常检测在时序任务中属于经典研究领域,并已在学术界和工业界取得了一系列研究成果。针对多变量时间序列数据中蕴含的多角度深层特征和内在复杂依赖关系,提出一种融合时空特征的异常检测模型。该模型采用图注意力网络结构,由时间图模块(T-GAT)和空间图模块(F-GAT)组成。T-GAT构建一种单向加权图,图的边表示时间依赖特性,以此来模拟时间图结构的先验信息并融入图网络中获取时间依赖关系。F-GAT将时间序列转换为以幅值表示的频域序列,通过建立全局双向加权图来模拟多变量之间的关联关系,并通过正则化来维护邻居节点的稀疏性,以此来保证对空间关系的准确捕捉。同时模型引入多维注意力机制确保对不同特征的深层信息进行有效挖掘和利用。由门控循环单元进一步处理时空信息并融合为全面特征,并通过预测值与观测值的差异来判定异常。实验结果表明,该模型以4个公共数据集上优异的F1分数在12个对比模型中实现先进的性能,并在消融实验中证实了同时建模时空关系的先验双图结构模式和注意力机制有效提升了异常检测精度,可以有效地识别时间序列数据中的异常情况。

关键词： 人体运动预测   扩散概率模型   去噪预测网络   修正线性自注意力   DPM-Solver++  

摘要： 近年来,深度学习方法在人体运动预测方面取得了良好的进展,目前单一阶段方法在预测的准确性和多样性上仍存在改进空间,而采用多阶段方式则导致难以端到端预测.为此,本文提出了一种基于扩散概率模型的去噪预测网络,旨在以端到端的方式去预测出准确多样的人体运动.其中提出了一个基于Transformer的模块,包含一个无softmax的修正线性自注意力,提升了人体运动预测的准确性.此外,本文还提出了一种基于DPM-Solver++的扩散模型采样策略,预测出更加连续和多样性的人体运动姿态序列,并将预测出同一质量人体运动姿态序列的采样时间缩减至一半以下.最后,将本文方法在两个标准数据集Human3.6M和HumanEva-I上进行充分评估.实验结果表明,本文方法优于最先进的单一阶段的方法.

关键词： 压缩超快摄影   图像重建   飞秒激光脉冲   重构算法  

摘要： 利用压缩超快摄像技术,有希望以极高的时间分辨率揭示飞秒激光脉冲在介质中的瞬态散射过程。然而,基于两步迭代收缩/阈值算法(TwIST)的压缩超快摄像重构由于受到欠采样策略引起的超高数据压缩率影响,存在图像重构质量不高、结果不稳定等问题。为克服这些问题,本文提出了一种交替使用全变分(TV)与深度去噪网络(FastDVDNet)结合的即插即用广义交替投影框架重建算法,以改善压缩超快摄影的图像质量。实验结果表明,与传统的两步迭代收缩/阈值算法相比,文章提出的算法可以显著提高超快图像序列的重构质量。

关键词： 网络思想政治教育   大学生   融媒体  

摘要： 融媒体生产方式下的社交媒体平台为高校思想政治教育提供了更加广阔的阵地。本文在阐释融媒体语境下大学生网络思想政治教育内涵的基础上,以“SUST设艺青年”账号运营的具体实践为切入点,从平台搭建、内容建设、主体参与三个维度归纳其范式特点,总结了实践经验,提出了坚持全平台建设、优化平台内容结构、增强互动性三条可行性路径。