一种三层加权文本聚类集成方法

为了提高聚类集成效果,本文设计了一种对点、簇、划分进行加权的统一框架,提出一种三层加权文本聚类集成方法。首先根据基聚类生成超图邻接矩阵,然后依次对点、簇、划分进行加权获得加权邻接矩阵,最后用层次凝聚聚类算法获得最终结果。在多个真实文本数据集上进行实验,结果表明,与未加权及其他层面加权相比,三层加权方法可以获得更好的聚类效果,三层加权相较于未加权的平均提升幅度为12.02%;与近年来的其他8种加权方法相比,该方法在所有数据集上的平均排名位列第一,验证了本文方法的有效性。

基于文心一言的数据结构课程教学方法初探

针对当前大语言模型如何应用于高校教育的问题,该文基于百度提出的大语言模型——文心一言,以数据结构课程教学为例,初步探索了如何利用文心一言助力高校教学,主要包括助力教师课堂教学和助力学生课后学习两大方面,并给出了相应的实例以供参考。

一种结合谱聚类与关联规则的轴承故障诊断方法

针对现阶段机械设备轴承故障诊断方法难以挖掘隐含特征、诊断精准度低等问题,将谱聚类(spectral clustering, SC)算法与关联规则算法Apriori相结合,提出SC-Apriori算法;首先根据美国西储大学轴承数据中心网站公开发布的轴承故障数据集,选取0负载下的数据,计算得到滚动轴承振动信号的9个时域特征和3个频域特征;其次使用Pearson相关系数进行特征筛选,留下9个有效特征,再利用SC-Apriori算法挖掘出训练数据集中轴承不同特征数据之间的关联关系,并引入提升度来去除冗余的关联规则,进而构建一个规则库;再将测试数据进行处理,并与已建立的规则库进行比对,根据匹配率来判断其故障类型;在测试数据上的实验结果表明,与已有算法相比,文章设计的SC-Apriori算法挖掘出的规则数量大幅减少,匹配速度更快,且匹配效果更好。

YOLOv5-W桥梁裂纹实时检测算法

桥梁的定期检修与维护,是保证交通安全、保障桥梁使用年限的重要措施。在桥梁的诸多损伤中,桥梁裂纹是最为普遍的损伤。针对现有裂纹研究中模型计算量大、实时性较差、需要大数据集训练等问题,提出了一种基于YOLOv5改进的YOLOv5-W模型。对YOLOv5的损失函数和颈部网络的设计进行了优化,使用Wise IoU,通过离群度来衡量检测框质量,做出最合适的梯度增益分配,提高检测精度。使用轻量化颈部Slim-Neck设计缩小模型的参数量,提高检测速度。在小数据集Crack400上验证表明,改进模型准确度为98.7,均值平均精度(mean average precision, MAP)为98.5,检测速度为47.958 FPS,模型参数减少到14.5 GPLOPs。相较于原始的YOLOv5,平均精度提升3%,FPS提升12,模型大小减小1.3 GFLOPs。