变工况下基于自适应深度置信网络的轴承智能故障诊断

机械设备服役过程中,工作环境和运转状态的动态变化直接影响设备故障诊断正确率,导致时间成本和经济效益的损失.优化深度置信网络结构,结合固定学习步长的信号分解技术,保留传感器数据原始特征,逐层反复提取信号的深层关键信息,并集成数据丢失技术优化网络结构,可以规避过拟合问题.进一步,结合迁移学习中的领域自适应方法,固化不同层级深度置信网络的记忆特征,形成考虑平移不变特征的自适应深度置信网络,识别变工况下同类故障信号特征信息,提升轴承智能故障诊断的准确性和泛化性.基于滚动轴承公开数据集,不同工况下该方法平均正确率高达95.65%,与其他5种方法相比较,证实了本文方法的有效性与准确性.

基于自动提取句法模板的情感分析

提出了一种自动化提取情感依存句法关系的分析方法。在待分析语句依存句法树的基础上,结合中文语法特点,定义了分枝、嫁接、剪枝和枝解四种基本操作,压缩依存树的特征空间的同时将语句转换成表征句法关系的子树集合,最后利用遗传算法求解最优情感子树集。针对第三届自然语言处理及中文计算会议(NLPCC 2014)评测数据的实验结果表明,该方法在语句是否表达情感的判别上具有优异效果。与基于词典的情感分析结合,可降低词典对客观句的高误判缺陷,进而明显改进基于词典的情感分析方法。

基于组合赋权法的中国物流业质量发展指数研究

物流业质量发展水平的评价体系和方法是提高整体产业质量和效益的基础,以政策导向性、内涵丰富性、数据准确性为原则构建综合性的中国物流业质量发展指数(CLQDI)内涵和指标体系,基于最优离差平方和组合赋权法构建综合性的评价模型。通过我国近5年指数和分项指数的实证分析,分析我国物流业过去在质量方面的发展情况,找出提升方向。