基于注意力机制和多分支联合的行人重识别方法

行人重识别是指在行人图像中进行跨设备检索的任务,是一种在视频监控、智能安防等领域具有重要应用价值的技术。因受环境因素(如光照、角度、遮挡等)的干扰产生噪音,加大了行人信息特征的提取和辨别的难度,为此本文提出了一种基于注意力机制的多分支联合网络结构来提高模型的识别能力。该模型选用Omni-Scale Network作为骨干网络,实现全尺度特征的融合,同时嵌入串行的通道注意力机制和位置注意力机制,强化模型深层语义表达,最后借助多损失联合函数对模型进行监督训练,实现行人特征的全局特征提取和输出能力。仿真实验结果表明:该模型在公开数据集Market1501、DukeMTMC-reID以及CUHK03-Labeled(Detected)上的行人图像信息特征提取综合表现优于DRL-Net、DCAL等同类算法,Rank-1值分别达到了95.3%、90.1%和80.4%(Labeled)/78.1%(Detected),mAP值分别达到了89.2%、80.47%和78.9%(Labeled)/75.4%(Detected),具有较高的识别准确率。

自适应引力密度峰值聚类优化算法

针对密度峰值聚类(Density Peak Clustering,DPC)算法对截断距离的取值较为敏感,密度度量标准不统一且人为选取聚类中心存在主观性的问题,提出了一种自适应引力密度峰值聚类优化(Optimized Adaptive Gravitational Density Peak Clustering Algorithm,OAGDPC)算法。首先采用模糊加权K-近邻技术(Fuzzy Weighted KNearest Neighbors Density Peak Clustering,FKNN-DPC)重新定义了局部密度,统一了密度度量的标准;然后提出一种自适应选择聚类中心的策略,结合基于引力的密度峰值(Gravitational Density Peak Clustering,GDPC)算法中牛顿万有引力定律与DPC算法的参数映射,使用引力类比距离,并设置综合考虑局部密度和引力的决策参数,依据决策参数降序折线图的顶角变化自适应确定聚类中心;最后聚集非中心点并识别异常点。实验选取DPC、GDPC、FKNN-DPC和OAGDPC在人工和UCI数据集上进行测试,结果表明,OAGDPC算法在各数据集上都有良好的表现,特别在聚类结果准确性、自适应能力、鲁棒性方面相对于对比算法具有明显优势。

图卷积融合计算时效网络节点重要性评估分析

复杂网络节点的重要性度量与时间属性相关,经典静态网络模型弱化对节点交互时间属性的有效表征.将深度学习模型迁移到动态图数据上进行端到端系统建模,提出基于图卷积融合计算的时效网络节点重要性综合评估模型.通过超邻接矩阵集结时效网络结构特征的动态演化过程,利用图卷积神经网络框架融合计算节点邻域特征,分析节点时序演化重要性顺序结构,实现节点重要性综合排序.仿真实验结果表明,与基线方法相比,所提方法得到的Kendall’sτ值在所选网络数据集上均表现优良,体现出基于图卷积融合计算的时效网络节点重要性综合评估方法的有效性和优越性.

机器学习算法在房地产企业财务风险预警中的性能比较

基于AdaBoost-SVM的房地产企业财务风险预警模型将支持向量机(SVM)和自适应增强(AdaBoost)算法结合在一起,选取19个财务指标,基于60家房地产上市公司2005—2021年的财务面板数据进行仿真计算以及同类预警模型性能对比分析。结果表明,构建的算法模型在企业财务风险评估预测性能上优于同类4种算法模型,可有效帮助房地产企业提前预警潜在危机,防范财务风险,提升企业的竞争能力。

新型低温铝电解质体系的研究——氧化铝的溶解度与溶解速度

分别测定不同温度下粉末状α－Ａｌ２Ｏ３在Ｎａ３ＡｌＦ６－ＡｌＦ３（摩尔比１∶１）Ｋ３ＡｌＦ６－ＡｌＦ３（摩尔比１：１）及Ｎａ３ＡｌＦ６－Ｋ３ＡｌＦ６－ＡｌＦ３（摩尔比０．５：０．５：１）熔盐体系中的溶解度和溶解速度。探讨和分析了ＬｉＦ对Ｎａ３ＡｌＦ６－Ｋ３ＡｌＦ６－ＡｌＦ３熔体（摩尔比０．５：０．５：１）中氧化铝溶解度的影响。结果表明氧化铝在低温钾冰晶石体系Ｎａ３ＡｌＦ６－Ｋ３ＡｌＦ６－ＡｌＦ３（摩尔比０．５：０．５：１）中的溶解度和溶解速度能够满足低温电解的要求。

平均1-依赖决策树集成算法

基于平均1-依赖贝叶斯分类器(AODE)算法的思想,提出了平均1-依赖决策树集成算法(AODT),该算法通过使用每个输入属性和类别属性共同建立集成学习中的个体决策树分类器.同时,我们从多任务学习的角度探讨了AODE和AODT算法的工作原理.通过在Weka平台上使用40个UCI数据集的实验结果表明,该算法可以显著提高决策树学习算法的分类性能,并且具有很好的抗噪声性能.

改进量子遗传算法及其应用

针对量子遗传算法在多维复杂函数优化中迭代次数多、易陷入局部极值等缺点,提出新的量子遗传算法。通过搜索各种群中各染色体的最优个体,组成一个新的种群,并以此种群作为当前最优种群来确定量子门的全局最优搜索方向。引入小生境协同进化策略初始化量子种群,使量子染色体均匀分布于初值空间。以非线性连续优化问题为例所进行的仿真结果表明,该方法具有收敛速度快、寻优能力强等优点。最后,将该算法应用于化工过程的优化,取得良好的效果。

一种基于动态小生境的自组织学习算法

提出了一种基于动态小生境的自组织学习算法(dynamic niche-based self-organizing learning algorithm,简称DNSLA),实现了基于0-1编码的动态学习机制.种群中的个体由被动适应转为主动学习,即通过系统的自组织学习而实现与环境的友好交互,因而具有更强健的动态环境适应能力,能够及时、准确地侦测到环境的变化并跟踪极值点在搜索空间内的运动轨迹,具有良好的可移植性和很强的泛化能力.一系列动态测试问题的对比仿真实验结果表明,该算法即使在剧烈动荡的环境中也能很好地与环境进行稳定而友好的交互学习,表现出了很强的鲁棒性,其动态搜索能力和极值点跟踪能力远优于同类搜索方法.

含钾冰晶石熔体电导率的估算

利用简单模型、串联模型和井联模型分别估算K3AlF6—Na3AlF6和K3AlF6—Li3AlF6二元系的电导率，发现在添加剂浓度较低时，简单模型能够得到较好的结果．据此我们预测了一些常用的添加剂如NaCl、LiF、AlF3、Al2O3、MgF2和CaF2等对钾冰晶石熔体电导率的影响，并进一步利用简单模型推算X3AlF6—AlF3—LiF三元系在一些温度截面的电导率。

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向。将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型。仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能。

基于filter+wrapper模式的特征选择算法

特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时,传统信息增益在特征选择中存在的选择偏好问题,提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合filter和wrapper模式的优点,首先从信息相关性和分类能力两个方面对特征进行综合度量,然后采用序列前向选择(sequential forward selection,SFS)策略对特征进行选择,并以分类精度作为评价指标对特征子集进行度量,从而获取最优特征子集。实验结果表明,该算法不仅能够达到特征空间降维的效果,而且能够有效提高分类算法的分类性能和查全率。

基于交叉熵方法的选择性AODE算法

AODE(Averaged One-Dependence Estimators)算法是最近提出的一种典型的基于naveBayes的改进算法,并受到国际机器学习界的关注。交叉熵方法(Cross-entropy Method)是一种解决组合优化问题的全局随机搜索算法,已经成功地被应用到许多经典的NP问题中。给出了AODE算法选择性集成的理论基础,并基于交叉熵方法,提出了解决AODE算法选择性集成的CESAODE(Cross-Entropy method for Selective AODE)算法。在WEKA平台上使用UCI数据集进行的仿真实验结果表明,CESAODE算法比现有的分类算法,例如AODE等具有更好的分类性能。

含砷硫难处理金矿加CaO焙烧预处理研究

本文用热分析法研究了ＣａＯ用量α（ＣａＯ与金精矿的重量比）为０．３３～１．３３范围内加石灰焙烧金精矿的焙烧过程。研究发现，当α＝１．０时，砷、硫固定率可达８８％，该法可有效地消除砷和硫对环境的污染。对含高砷、高硫的金精矿加ＣａＯ焙烧时建议采用控制气氛和温度的两段焙烧。对得到的焙砂进行氰化，金的浸出率为８８％左右，而未经焙烧预处理的金精矿直接浸出率仅为２５．５％。

基于制造业CAX/PDM/ERP集成研究

分析了制造业内部CAD/CAM/CAPP与企业ERP的关联、因特网与企业内部网之间的关系,对如何利用PDM作为中间桥梁,将企业CAX系统与企业ERP集成的方法进行了论述与研究,构筑了一种基于制造业信息集成系统的模型。基于CAX/PDM/ERP集成模型的应用研究,目的在于提高制造业信息系统的集成深度与广度,为企业的发展与竞争提供充实的信息化基础保证。

Router的一种更安全可靠的设计方案

为强化路由器安全性，提出了一种更安全、可靠的设计方案，在确保路由器功能的前提下，增强了对抗Ｈａｃｋｅｒ攻击的能力。

中低温换热式焦炉气合成天然气新工艺

焦炉气经净化、加热之后,采用不循环一次性通过或少量循环、不补加蒸汽的2种不同试验工况,直接进入中低温换热式反应器进行甲烷化反应,合成的天然气减压后送煤气管网,催化剂床层温度通过汽包压力控制。2种不同工况经72 h考核,CO转化率达100%,CO2转化率达～99%。

混合云可扩展视频编码的视频直播机制研究

随着网络技术的不断发展,使得网络视频的应用研究成为新的研究热点.针对用户请求异构性和服务器资源分配的问题,本文对传统的视频直播技术架构及存储和调度机制进行研究,提出了一种基于混合云存储的可扩展视频编码视频直播存储及调度机制.仿真数据表明,该机制能明显降低视频直播系统中的网络延迟.

基于WGAN单帧人脸图像超分辨率算法

针对人脸超分辨率重建中引入的先验知识不够丰富的问题,提出了一种基于Wasserstein生成对抗网络(WGAN)的人脸超分辨率重建算法。模型包含生成网络和判别网络,生成网络去除批量规范层并增加残差块数量加深网络深度,判别网络增加特征图通道数并引入了快捷连接优化网络,模型用Wasserstein距离代替KL散度作为网络的对抗损失,交替训练生成网络和判别网络,生成高分辨率的人脸图像。实验结果表明,相比原始生成对抗网络超分辨率重建算法(SRGAN),所提算法在MS-Celeb-1M和LFW数据集中峰值信噪比(PSNR)和结构相似性(SSIM)分别提高了0.26 dB、2%和0.31 dB、3%,同时对比最近邻(NN)、双三次插值(Bic)、基于卷积神经网络超分辨率重建(SRCNN)、SRGAN,所提算法在LFW、MS-Celeb-1M数据集上均重建出视觉效果更好的人脸图像,证明了该算法的有效性,为人脸超分辨率重建提出了新的解决方案。

基于特征选择与集成学习的钓鱼网站检测方法

针对目前大部分钓鱼网站检测方法存在检测准确率低、误判率高等问题,提出了一种基于特征选择与集成学习的钓鱼网站检测方法。该检测方法首先使用FSIGR算法进行特征选择,FSIGR算法结合过滤和封装模式的优点,从信息相关性和分类能力两个方面对特征进行综合度量,并采用前向递增后向递归剔除策略对特征进行选择,以分类精度作为评价指标对特征子集进行评价,从而获取最优特征子集;然后使用最优特征子集数据对随机森林分类算法模型进行训练。在UCI数据集上的实验表明,所提方法能够有效提高钓鱼网站检测的正确率,降低误判率,具有实际应用意义。

水淬对金精矿焙砂中磁黄铁矿性质的影响

回转窑焙砂中的硫主要以磁黄铁矿形式存在，在高温及酸性气氛下直接水淬冷却时．磁黄铁矿的结构和性质发生了变化．UTA－TG显示水淬焙砂在230℃有一明显的放热峰和失重，XRD表明水淬焙砂中出现α－S的衍射峰，但经过300℃焙烧后则消失．经250－300℃二次焙烧后金的浸出率显著提高．初步研究结果认为磁黄铁矿受酸作用后表层形成了类似于多硫化物（如等）的缺铁性硫化物．由于多硫化物的键能与α－S接近，因而出现α－S（Ss）衍射峰．多硫化物的硫比较活泼，具有较强的反应活性．230℃的反应峰即为该多硫化物的氧化反应引起．