基于自注意力机制的中文金融事件元素抽取

针对中文金融事件元素抽取任务中多个代词指代同一个元素的问题,提出了基于自注意力机制的事件元素抽取模型。该模型在预处理阶段融入金融事件领域知识与事件类型知识,使得预训练模型可以根据事件类型信息获得更可靠的事件元素表示;然后,使用多头注意力机制挖掘新闻上下文不同元素指代词的指代含义,做到重叠元素间的指代消解;最后,使用双向长短期记忆网络与条件随机场挖掘新闻长文本的上下文特征表示,实现事件元素抽取。构建了中文金融事件语料库,通过与主流模型的对比实验验证了该模型的有效性。

多样性表示的深度子空间聚类算法

针对深度子空间聚类问题中不同层次特征中互补信息挖掘困难的问题,在深度自编码器的基础上,提出了一种在编码器获取的低层和高层特征之间探索互补信息的多样性表示的深度子空间聚类(DRDSC)算法。首先,基于希尔伯特-施密特独立性准则(HSIC)建立了不同层次特征衡量多样性表示模型;其次,在深度自编码器网络结构中引入特征多样性表示模块,从而挖掘有利于提升聚类效果的图像特征;此外,更新了损失函数的形式,有效融合了多层次表示的底层子空间;最后,在常用的聚类数据集上进行了多次实验。实验结果表明,DRDSC在数据集Extended Yale B、ORL、COIL20和Umist上的聚类错误率分别达到1.23%、10.50%、1.74%和17.71%,与高效稠密子空间聚类(EDSC)相比,分别降低了10.41、16.75、13.12和12.92个百分点;与深度子空间聚类(DSC)相比,分别降低了1.44、3.50、3.68和9.17个百分点,说明所提出的DRDSC算法有更好的聚类效果。

基于双分支融合注意力机制的图像分割算法

针对DeepLabV3+在特征提取阶段忽略了不同尺度特征重要程度出现的部分细节信息损失导致图像分割不细致,提出一种融合双分支特征提取和注意力机制的改进算法.ResNet101骨干网络初步提取出的特征图作为注意力机制的输入特征,解决了网络退化及梯度消失的问题,也能够捕获到被DeepLabV3+忽略的图像细节信息;设计双分支特征提取机制扩大特征提取能力,细化图像边缘信息以优化网络对不同尺度特征关注不均的问题;同时,联合采用交叉熵损失和类别不平衡函数两种损失函数作为损失函数,通过聚焦于前景样本降低背景的影响,提高算法分割精度.实验结果表明,改进算法在PASCAL VOC 2012和CityScapes数据集上的平均交并比(MIoU)值分别达到了79.92%和68.59%,与经典算法和基于DeepLabV3+改进的算法相比,特征提取的准确性有所提高,分割效果更优.

计算机系统能耗估量模型研究

为了解决计算机能耗估量问题,本文分析了计算机各部件的参数对能耗变化的贡献程度和参数之间的相关度,选取最能代表系统能耗变化的可监测参数建立了CMP模型,CMP模型可根据计算机系统处理任务时的状态不同而选取不同的能耗变化主导元件,利用这些元件的监测参数对计算机系统能耗进行估量。本文在各种任务状态下进行了实验,结果证明,CMP模型在计算机能耗估量中要优于常用的FAN模型和Cubic模型,尤其是在计算机做数据密集型任务的时候。

基于非线性收敛因子和局部扰动的鲸鱼算法

为提高鲸鱼算法的收敛速度和寻优精度,提出一种基于非线性收敛因子和局部扰动的鲸鱼优化算法。引入非线性收敛因子,提高鲸鱼种群的多样性,扩大鲸鱼搜索食物的范围;在鲸鱼包围捕食阶段,采用一种局部扰动策略,使算法在跳出局部极值时的能力增强,提高算法的寻优精度。实验结果表明,改进后算法和粒子群算法、蝙蝠算法、基本鲸鱼算法相比,寻优速度、收敛精度、算法稳定性方面更优。

工程认证视域下“数据结构”混合式教学模式探究

基于工程教育认证理念,以“数据结构”课程为例,探索和实践以学生为中心的线上线下混合式教学模式,同时构建多元评价反馈机制。实践证明,混合式教学模式融入到专业课程的教学中是可行且有效的,对人才培养有着积极的作用。

用FCA对搜索结果进行分类

用形式概念分析的方法,对用户的搜索结果进行自动分类研究,经过建立模型进行实验证明,用形式概念的方式可以对搜索结果进行自动分类,用户可以更便利更准确地使用搜索结果,有效提高查找信息效率。

基于C#的网络蜘蛛的设计和实现

网络蜘蛛是现代搜索引擎获得网络信息的重要手段,直接影响到搜索引擎的查全率,C#是微软发布的开发平台.NET中的旗舰,本文设计了一种简易的网络蜘蛛并通过C#语言将其实现。

个性化搜索服务策略研究

目前传统的搜索引擎技术虽然可以满足人们的一定需要,但是由于其通用的性质,返回的查询结果数量巨大不利于人们准确获取自己需要的信息。个性化的搜索服务就是针对这些问题提出来的,它针对用户的不同背景、不同专业和兴趣爱好,为用户提供范围更小、更接近用户需求的搜索结果,本文就是对个性化搜索引擎的策略进行研究分析。

FCA在无线传感器网络中的应用

FCA(Form al ConceptAnalysis)是一种数据分析、知识发现、信息管理的方法。无线传感器网络是一种全新的技术。本文在系统介绍无线传感器网络的特点、形式概念分析和概念格的基础上,提出了用最低的能量消耗来监控最多的区域以延长无线传感器网络寿命的主要措施。

基于无线传感器网络的温室大棚太阳能集热调温系统

为了改善日光温室大棚内的昼夜温度更适合作物的生长,利用大棚支撑骨架和水作为热循环的主体,白天吸收太阳能并储存,晚上将储存的能量释放给温室加热。借助无线传感器网络设计太阳能集热调温系统,系统主要由温度采集、执行节点和中心决策节点组成,通过采集室外温度、骨架内水温和棚内温度,中心决策节点再根据控制策略将相应的指令发送给对应的执行节点对循环泵、阀门和加热设备进行控制,从而实现对棚内温度的自动智能调节。通过对比试验发现,设计的太阳能集热调温系统工作稳定,可提高夜间大棚内的平均温度(达2.78℃),避免作物被冻伤而减产,还可平衡中午棚内过高的温度,将其控制在最适宜的范围(20~25℃)内,从而有效延长作物进行光合作用的时间,更利于作物的生长。

海泡石的改性及其在铅锌冶炼废水处理中的应用

以磁改性海泡石(Mms)为吸附剂,以汉中市某铅锌冶炼企业综合生产废水为处理对象,以多指标综合评分法为综合处理效果评价方法,考察了Mms对铅锌冶炼复合重金属污染废水的处理效果,通过正交试验极差分析可以得出,Mms处理重金属废水的的影响因素主次顺序为Mms投加量>pH值>反应时间t。最佳试验条件Mms投加量为3.5 g/L,pH=4,反应时间为60 min,此时Pb2+、Zn2+、Fe2+、Fe3+、As3+、Cu2+、Cd2+的去除率依次为:83.69%、98.82%、97.35%、99.17%、99.62%、89.18%、96.3%。同时对吸附饱和的Mms的再生性能进行了研究。

海泡石改性及其在含铬废水处理中的应用

海泡石资源丰富,廉价易得,被广泛用于各类废水的处理。详细综述了海泡石的改性方法、改性条件及其特点,介绍了海泡石及改性海泡石在含铬废水处理中的应用,总结海泡石吸附剂的再生方法。指出海泡石及改性海泡石在含铬废水处理方面需要对吸附去除机理和吸附剂的再生方面深入研究。

案例教学在JAVA程序设计课程中的探讨与实践

JAVA程序设计课程需要培养学生综合运用基础知识来解决问题的能力,因此在教学过程中采用案例教学的教学模式显得尤为重要,可以极大的提高学生的兴趣和能力。本文以开发一个在线聊天软件为案例,综合利用多线程、I/O流、图形界面等章节的内容,进行综合分析和开发的授课方式,探讨案例教学在实践中的应用。

一种高能效低时延的LLN路由修复算法

由于低功耗有损网络(LLN)中无线链路的不稳定性和有损性,外部环境的干扰极易导致网络出现故障,从而严重影响网络性能,而LLN网络中现有路由修复算法存在控制开销冗余和修复时延较大等问题。为此,提出了一种高能效低时延的LLN路由修复算法(EELDR-RPL)。该算法通过采用"零额外控制开销通告链路故障及邻居节点信息"机制,使得链路故障节点的子节点能够及时获知链路故障以及链路故障节点的邻居情况;通过采用"自适应调整节点网络深度值"机制,使得链路故障节点能够快速地重新接入网络;通过采用"链路故障节点子节点自适应切换"机制,能够达到优化网络拓扑的目的。仿真结果表明,与现有路由修复算法相比,EELDR-RPL算法能够有效地降低路由修复时延和减少控制开销。

基于OBE的《Web编程基础》课程教学模式改革与实践

OBE教学模式强调以学生为中心,以目标为驱动,在教学过程中,重在体现学生的主体地位,其目的在于提高教学质量和效率,培养学生的创新精神和实践能力。该文把OBE的理念引入到《web编程基础》课程的教学环节中,通过以学习目标为立足点,,将知识点划分为不同等级的目标,让学生通过自主、协作、实践等方式分级实现目标,教师再针对出现的问题具体辅导,这种方式大大提高了工程型人才培养的质量。

基于动态自适应权重和柯西变异的蝙蝠优化算法

为了加快蝙蝠算法的收敛速度并提高寻优精度,提出一种基于动态自适应权重和柯西变异的蝙蝠优化算法。该算法在速度公式中加入了动态自适应权重,以动态地调整自适应权重的大小,加快算法的收敛速度。此外,该算法引入了柯西逆累积分布函数方法,在每次迭代时,能有效提高蝙蝠算法的全局搜索能力,避免陷入局部最优。对12个典型的测试函数进行仿真实验,结果表明,改进后的算法显著提高了寻优性能,具有较快的收敛速度和较高的寻优精度。

高维数据空间索引方法的研究

讨论了高维数据空间索引的基本结构、建树算法，重，最对几种有代表性的索引方法，如R—Tree，X-Tree，M—tree，VP-tree在重叠、插入原则、分裂原则、再插入等方面进行了比较研究。该文中主要介绍了一些索引结构的特点和一些具有代表性的索引结构。

基于预训练语言模型词向量融合的情感分析研究

针对传统情感分类模型的分类效果不足,无法准确地捕捉词语之间关系的问题,提出一种基于预训练语言模型词向量融合的GE-BiLSTM(Glove-ELMO-BiLSTM)情感分析模型。通过预训练语言模型ELMO以语言模型为目的训练词向量,再与传统的Glove模型的训练结果进行运算融合,结合了全局信息以及局部上下文信息,增加了词向量矩阵的稠密度,词语之间的特征得到更好的表达,结合BiLSTM神经网络可以更好地捕捉上下文信息的关系。实验结果证明:GE-BiLSTM情感分析模型可以达到更好的分类效果,准确率比传统模型提高了2.3百分点,F1值提升了0.024。

C-Canny算法和改进单层神经网络相结合的面部特征点定位

深度学习在面部特征点识别领域已取得了较为显著的成果,然而在处理遮挡、光照、角度不当等复杂条件下的面部图像时,预测数目较多的面部特征点仍是一个具有挑战性的问题。为解决面部多特征点在复杂条件下的定位问题,设计了一种C-Canny算法和改进单层神经网络相结合的网络结构,将传统Canny算法应用到面部区域定位阶段,使得神经网络可以快速进行面部区域重定位,从而提升识别的准确率。实验结果表明,在300-w和300-vw数据集上与一些传统方法、神经网络相比,该神经网络结构将损失函数的值平均降低了12.2%。