课程文献中心 更多>>

关键词： 图卷积网络   多层感知机   Kolmogorov-Arnold网络   对比学习   节点分类  

摘要： 多数图深度学习模型通过可学习权重加固定激活函数的方式提取图数据的特征信息,采用不同激活函数时对模型性能有较为显著的影响。针对上述问题,提出了一种基于Kolmogorov-Arnold网络(KAN)的全连接神经网络模型G-KAN,无需特定的激活函数和显式的节点信息传递策略,通过KAN动态学习激活函数,并引入节点相似度引导的对比损失隐式提取原始图特征信息。G-KAN通过线性层将图数据映射到特征空间,通过KAN层提取输入数据中的潜在特征,通过线性层和Softmax函数将KAN层的输出映射为节点标签的概率分布,并引入对比损失对KAN层的输出进行优化,推动高相似度节点彼此接近、低相似度节点彼此远离。在节点分类任务中,G-KAN优于当前较为先进的基线模型,特别是在BlogCatalog数据集上,G-KAN的Micro-F1和Macro-F1相较图卷积网络(GCN)提高了50.42和52.84个百分点。在激活函数对比实验中,引入KAN的方法不仅优于采用不同激活函数的变体,对不同数据集的泛化能力也更强。上述实验结果表明,G-KAN采用的可学习激活函数策略能够提高全连接神经网络的表征能力,使生成的低维节点表示具有更高的区分性。

关键词： 协同过滤   延迟容忍网络   灰色模型  

摘要： 在延迟容忍网络(DTN)中,网络的拓扑结构是随机动态变化的,节点之间的间歇性连接使得网络拓扑有很大的不确定性.所以设计一个高效的路由策略,来提高消息成功投递的机率是容迟网络的主要研究方向.本文对喷射等待路由算法进行优化,提出了一种融合协同过滤和相遇概率预测的DTN路由算法CFPP(A DTN Routing Algorithm Combining Collaborative Filtering and Encounter Probability Prediction).该算法关注节点间的社会属性特征,通过协同过滤算法为节点推荐最佳好友集.在消息转发时,优先考虑将消息转发给处于消息目的节点的最佳好友集中的节点.同时提出了基于灰色预测模型的相遇概率预测算法,将节点间的历次相遇概率作为初始序列进行建模,来预测两个节点下一次相遇的概率.仿真实验表明,与SCSS,CPNASW,TLRNSA,SaW,DPN-ASW算法相比,CFPP算法在消息投递率、网络负载率方面均要优于上述算法.

关键词： 搅拌叶片   折弯成型   Python软件  

摘要： 混凝土搅拌车的搅拌叶片具有复杂的空间螺旋曲面,制造难度较大。传统的模具制造成本较高,不适合用于新产品的开发和实验研究。为此,提出了一种快速的叶片折弯成型方法,通过Python软件优化折弯位置和角度,最小化折弯成型叶片与原始复杂空间曲面之间的误差。该方法不仅制造简便、成本低廉,而且特别适用于实验研究中的叶片制作。

关键词： 通感一体   虚警抑制   多维度特征融合   深度学习  

摘要： 通感一体技术作为未来无线通信领域的重要发展方向,融合了通信与感知功能,但虚警问题严重影响其性能。本文针对虚警抑制问题,提出了一种GNN-MLP算法。该算法综合利用GNN的空间特征提取能力和MLP的时间特征提取能力,通过逐步抽象和融合,实现对点云序列的高效分类。仿真结果表明,本文所提算法在通感基站虚警滤除方面表现出色,召回率和精确率都达到了95%以上。其分数与现有工作的结果相比也存在明显的对比优势,验证了本方案在实际应用中的巨大潜力。

关键词： 桥式吊车   强化学习   深度确定性策略梯度   自适应控制   防摆控制  

摘要： 为解决桥式吊车控制中存在的台车定位速度慢和负载摆动大等问题,提出一种基于深度确定性策略梯度(DDPG)的控制策略.将桥式吊车设为强化学习的智能体;通过设定状态量及其误差作为智能体观测目标,设计合适的惩罚与奖励函数;智能体通过对控制系统的实时运行情况进行响应来生成控制动作.仿真结果表明,与传统控制算法相比,基于DDPG强化学习的算法在定位速度和摆角抑制方面的表现都优于传统方法,展现出较传统控制算法更高的性能和应用潜力.

关键词： Gabor小波   多级滤波器   特征提取   超像素处理  

摘要： 为了对复杂图像数据进行高效表示和分析,提取有价值的图像特征信息,研究超像素图像尺度空间特征提取算法.使用一般滤波器构造出多级滤波器,使用多级滤波器抑制图像背景滤波,处理原始图像,对处理后的原始图像,进行超像素处理,以超像素为基元,分割图像,作为目标尺度空间,利用Gabor小波滤波器提取尺度空间特征,提取不受图像大小变化影响的尺度,为最佳尺度,计算特征值,提取对应的尺度空间特征.实验结果表明:基于Gabor小波的超像素图像尺度空间特征提取方法计算简单、速度快,特征值重复率不高,特征点提取效果较优.

关键词： 物联网   分组密码算法   分组密码工作模式   机器学习   密码算法识别   支持向量机  

摘要： 针对物联网密码产品检测过程中的密码算法识别问题,采用选择明文密码分析的思想,提出了DES、3DES、SM4、AES和Blowfish的密码算法识别方案。方案利用5种不同类型的明文构造了密文数据集,以字节信息熵和字节概率两种密文特征进行了模型训练和测试。实验结果表明,明文的构成元素越简单,密码算法的识别准确率越高;利用全“0”或者全“1”构成的明文作为输入,在部分密文条件下(如ECB、CBC、CFB和OFB模式下),该方案对上述5种密码算法的分类识别准确率均可达到100%。

关键词： 非下采样轮廓波变换   引导滤波   遥感图像融合   全色锐化  

摘要： 遥感图像融合技术能够将两幅或多幅多源遥感图像信息进行互补、增强,使图像携带的信息更加准确和全面。非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT)对遥感数字图像进行多尺度多方向分解,有益于提取高分遥感图像细节,从而实现图像的锐化高空间分辨率,但传统NSCT直接生成的高频细节信息过少,且容易产生“虚影”现象。基于此,论文结合NSCT与引导滤波(guided filter,GF),提出了一种新的遥感图像全色锐化融合算法。该算法通过NSCT变换的多尺度多方向分解与重构特性,提取直方图匹配后的图像的细节分量,同时结合GF提取具有全色细节特征的多光谱细节分量,最终通过加权细节信息锐化获得高空-谱融合结果。通过多个高分遥感数据集的主客观评价验证了所提出算法有效性。

关键词： 气体分馏   脱丙烷塔   稳态模拟   遗传算法   Aspen   Plus模拟  

摘要： 以某处理能力为160 kt/a的气体分馏工艺流程中的脱丙烷单元为研究对象,利用Python的接口功能实现了Aspen Plus稳态模型和遗传算法的耦合,进而完成了对脱丙烷单元操作参数的优化。在符合产品纯度要求的条件下,用高、低压双塔脱丙烷工艺替代原流程单塔脱丙烷工艺,并将高、低压脱丙烷塔的运行成本作为目标函数,将流程中的高、低压双塔的塔底热流流量(高压脱丙烷塔的热水消耗量和低压脱丙烷塔的蒸汽消耗量)作为决策变量,对高、低压脱丙烷单元的操作参数进行优化。结果表明:在高、低压双塔塔板数分别为68和80、进料塔板编号分别为19和36、回流比分别为3.0和4.6时,该气体分馏装置的高压脱丙烷塔热水负荷降低36%,低压脱丙烷塔蒸汽负荷降低19%,装置运行成本从554万元a降至335万元a。

关键词： Logistic回归   随机森林   决策树   剖宫产   术中低体温  

摘要： 目的:基于Logistic回归、随机森林以及决策树3种机器学习算法分别构建剖宫产产妇术中低体温的预测模型,分析并比较不同模型的效能及预测价值。方法:选取2021年6月—2024年6月医院行剖宫产手术的190例产妇为研究对象,按7∶3的比例,采用随机抽样法将190例产妇分为训练集(n=133)和验证集(n=57),并根据是否发生术中低体温分为低体温组和未发生低体温组,收集产妇的临床资料并进行分析。基于单因素及多因素分析结果构建Logistic回归、随机森林和决策树预测模型,采用受试者工作特征(ROC)曲线下面积(AUC)分析模型效能及预测价值。结果:训练集中低体温组产妇35例(26.32%),验证集中低体温组产妇19例(33.33%),产妇低体温发生率为28.42%(54/190)。多因素分析结果显示,合并甲状腺功能减退、采取主动保温措施、术中液体丢失量、入室时室温、术中室温及术中输血均为术中低体温的独立影响因素(均P<0.05)。Logistic回归、决策树和随机森林预测模型的准确度分别为0.879,0.887,0.889,灵敏度分别为0.829,0.814,0.974,特异度分别为0.888,0.839,0.862,召回率分别为0.829,0.814,0.974,精确率分别为0.812,0.795,0.841,F1值分别为0.820,0.804,0.902。ROC曲线分析显示,Logistic回归、决策树和随机森林预测模型的ROC的AUC分别为0.909,0.880,0.925,随机森林的AUC均高于Logistic回归及决策树,且验证集中随机森林模型的AUC为0.912(均P<0.05)。结论:随机森林模型对剖宫产产妇术中低体温风险的预测性能优于Logistic回归及决策树。