基于人工智能算法的刀具磨损形貌预测研究现状

磨损表面形貌能够反映运动副的磨损状态,通过对运动副表面磨损形貌进行研究分析,可以得到其磨损规律,预测磨损形貌变化。随着人工智能的快速发展以及在工程中的广泛应用,人工智能技术中的人工神经网络、模糊神经网络算法、遗传神经网络算法、支持向量机和多目标粒子群优化算法等方法逐步应用于磨损表面形貌表征参数的预测,且具有较高的预测精度。本文主要介绍国内外利用人工智能技术对磨损表面形貌的研究现状,分析各种算法的优点和应用局限性。总结了人工智能技术在磨损表面形貌预测领域中亟待解决的关键难题以及未来的研究方向。

基于隐结构模型和频繁项集的针刺治疗慢性前列腺炎辨证取穴规律

目的:探讨针刺治疗慢性前列腺炎的辨证取穴规律,为临床治疗慢性前列腺炎提供帮助。方法:检索国家知识基础设施数据库(CNKI)、中文科技期刊数据库(CCD)等数据库中关于针刺辨证论治慢性前列腺炎的文献,构建包含症状、证型、穴位处方的慢性前列腺炎病历数据库,运用隐结构模型分析、频繁项集等方法,分析针刺治疗慢性前列腺炎的辨证取穴规律。结果:共纳入文献64篇,涉及穴位91个,症状248项。高频穴位如三阴交、中极等;高频症状包括舌体瘀点瘀斑、苔黄腻、滴白、尿急等;构建隐结构模型,得出慢性前列腺炎主要证型有湿热下注、肾阳不足等;挖掘出症状-穴位频繁项集、症状-证型-穴位频繁项集各4项。症状-穴位频繁项集如“尿急+滴白+阳痿+早泄+肾俞+足三里”,症状-证型-穴位频繁项集如“尿频+尿急+苔黄腻+滴白+舌体瘀点瘀斑+湿热瘀阻+三阴交+会阴”,提示治疗时可根据相应症状判定证型及选择对应穴位。结论:针刺治疗慢性前列腺炎多以三阴交、中极、关元等为主要穴位,穴位配伍依据临床情况辨证选穴,此可为临床治疗慢性前列腺炎提供参考。

基于隐结构模型联合频繁项集的针灸治疗弱精子症不育患者的辨证取穴规律

目的:探讨针灸治疗弱精子症不育患者的辨证取穴规律,为临床治疗弱精子症不育患者提供帮助。方法:检索国家知识基础设施数据库(CNKI)、中国生物医学文献数据库(CBM)、中国学术期刊数据库(CSPD)及中文科技期刊数据库(CCD)等数据库有关针灸治疗弱精子症的相关文献,提取症状、取穴处方信息构建医案数据库,采用隐结构模型、频繁项集的数据挖掘方法,分析针灸治疗弱精子症的辨证取穴规律。结果:纳入文献35篇,涉及症状62种,穴位49个。高频症状包括腰酸、神疲乏力等,高频腧穴包括关元、肾俞等。对症状、腧穴、证型进行频繁项集分析,挖掘出症状-腧穴频繁项集4项,包括耳鸣+头晕+腰酸+关元+肾俞等;证型-症状频繁项集4项,包括肾精亏虚证+健忘+性欲淡漠+神疲乏力+脉细等;证型-症状-腧穴频繁项集4项,包括肾精亏虚证+性欲淡漠+神疲乏力+头发易脱+关元等。结论:针灸治疗弱精子症多以关元、肾俞、足三里为主穴。

基于邻接比特压缩表的频繁闭项集挖掘算法

频繁闭项集(Frequent Closed Items,FCI)是一种表示事物之间关联关系的有效方式,它能克服频繁项集(Frequent Items,FI)信息冗余的缺点。FCI挖掘算法研究旨在以更优的时空效率,在原始数据集中找到所有的FCI。相关研究成果重在关注时间效率的提升,但空间效率欠佳。提出一种高空间压缩率数据结构——邻接比特压缩表(Compressed Adjacency Byte table,Cab-table),将项集与交易集压缩到剔除全部0之后的比特表中,使空间高度压缩。基于此数据结构的频繁闭项集挖掘算法(Cab-Miner),采用运算栈与检索栈来实现非递归方式的频繁闭项集挖掘,相较于之前普遍采用递归方式的算法,在理论上可使空间占用率由O(L*N+M)降为O(3N)。基于公开数据集与真实数据集的实验表明,上述算法在原始数据集压缩,以及运算内存消耗上,都有较优的表现,尤其在处理真实数据集时,空间表现极佳。另外在某些属性的数据集上也表现出优越的时间效率。

多设备源项区域监测反演算法初步研究

在一些设备室和实验室中,可能存在同一区域布置多个带源项设备的情况。为了对同一区域内多个设备中的源项同时进行监测,提出了一种多设备源项的区域监测方法。该方法通过蒙特卡罗程序,确定各设备材料成分、几何尺寸及探测系统相关的响应矩阵,利用数值模拟或实验测量得到某工况下各探测器的探测响应计数,利用反演算法求解各设备的源项,实现对同一区域内多个源项的监测。数值模拟实验表明,该方法是可行的,能够实现对于区域内重点关注源项设备的监测,可缓解探测器中干扰的问题。

基于特征项权重评估模型的英语试题关键词抽取算法研究

为提高英语试题数字资源的检索效率,提出一项基于特征项权重评估模型的英语试题关键词抽取算法。该算法主要由词同现因子、词长因子、位置因子、词频因子和特征项权重调节系数所组成。为提高该算法的通用性水平,研究还通过遗传算法对该模型的权重调节系数进行训练,并将权值优化后的算法应用于全国大学生英语四级考试试题的关键词抽取实验中。实验研究发现,研究所提出的特征项权重评估模型算法在各类英语试题的关键词抽取中均取得了良好的应用效果,平均准确率、平均召回率和平均F-measure三个方面的指标均高于TF-IDF算法和KEA算法,具有一定的应用价值。

Web环境下基于项目反应理论的自适应考试系统研究与设计

本文在Web环境下基于项目反应理论(IRT)设计并实现了一种自适应考试系统。通过独创的试题抽取算法,该系统能够根据考生能力动态调整试题难度,从而提高考试的准确性和效率。研究比较了传统考试与基于IRT的自适应考试系统,结果表明后者能够更精确地评估考生能力。此研究不仅引入了新型考试模式,也为教育评估领域的发展提供了新的视角和参考。

An Improved Apriori Algorithm

In this paper,We study the Apriori and FP-growth algorithm in mining association rules and give a method for computing all the frequent item-sets in a database.Its basic idea is giving a concept based on the boolean vector business product,which be computed between all the businesses,then we can get all the two frequent item-sets(minsup=2).We basis their inclusive relation to construct a set-tree of item-sets in database transaction,and then traverse path in it and get all the frequent item-sets.Therefore,we can get minimal frequent item sets between transactions and items in the database without scanning the database and iteratively computing in Apriori algorithm.

三参数Normal-Ogive模型参数估计的SAEM算法

Normal-Ogive模型是项目反应理论的代表性模型之一,其参数估计主要是基于MCMC抽样实现的,但MCMC抽样的不足是计算效率较低。针对这一问题,本文以混合模型(mixture model)的视角,通过变量扩充,提出三参数normalogive(3PNO)模型题目参数估计的随机逼近EM(stochastic approximation EM,简称SAEM)算法,并通过Monte Carlo模拟对SAEM算法的主要影响因素、计算效率、估计的返真性进行验证。模拟研究的结果表明:SAEM算法能够准确实现3PNO模型题目参数估计的计算,并且具有较高的计算效率,表现出优良的计算性质。

基于RS_Hash频繁项集的卫星载荷关联规则算法

遥测数据是反映卫星健康状态的重要依据,对遥测载荷数据进行关联性分析,在一定程度上能反映出卫星的整体运行情况的好坏。针对传统关联规则算法存在效率低下、占用内存过多的问题,提出一种基于RS_Hash频繁项集的卫星载荷关联规则算法。首先对事务数据库使用动态随机抽样的方法获取样本数据,设计抽样误差和抽样停止规则来确定最优的样本容量;其次将抽取出的样本使用哈希桶来存储频繁项集,进而减少占用的内存,提高算法的运行效率;最后使用3个与载荷数据相似的公开数据集和卫星载荷数据集进行实验,结果表明,在公共数据集上取得了良好的效果,尤其是在具有大数据量级的卫星载荷数据集上效果明显,在不同事务长度和支持度的情况下,相较于Apriori、PCY、SON、FP-Growth、RCM_Apriori和Hash_Cumulate算法,RS_Hash算法在平均时间效率上分别提高了75.81%、49.10%、59.38%、50.22%、40.16%和39.22%。

融合GA-CART和Deep-IRT的知识追踪模型

随着深度神经网络的快速发展,基于深度学习知识追踪模型的优势逐渐显现。Deep-IRT将项目反应理论与动态键值记忆网络(DKVMN)相结合,增加了学生与练习之间的联系,却忽略了学习特征的影响。DKVMN-DT在DKVMN的基础上增加了基于CART决策树的行为特征预处理,但决策树仍是一种贪心算法。为优化CART带来的局部最优问题并加强学生能力与项目难度的联系,提出了一种将基于遗传算法的CART与Deep-IRT相融合的优化模型。首先对CART基于遗传算法进行2次优化,对学习者的学习行为特征进行预处理;然后计算交叉特征并融入DKVMN底层模型中;最后引入项目反应理论,根据学生能力与项目难度完成概率预测。实验结果表明,DKVMN-GACART-IRT模型的AUC值均优于原始模型,具有更好的预测性能。

基于FCM-CSIs的跨海铁路大桥投资分析及施工组织优化研究

杭州湾跨海铁路大桥是一座集大跨、长联和高墩为一体的超长跨海高速铁路桥梁集群,建成后将是世界上最长大的高速铁路跨海桥梁。项目建设条件复杂,施工条件恶劣,现场有效作业时间短,施工组织及投资控制难度大。为科学合理编制概预算和施工组织方案,控制工程投资,指导设计和施工,需利用数学模型方法开展投资分析及施工组织优化研究。结合杭州湾跨海大桥特点,基于模糊C均值聚类模型FCM,根据桥梁结构形式、桥梁跨度等因素将15个桥梁区段聚合为航道桥、深水区引桥、浅滩区引桥等5类。利用显著性成本分析CSIs方法,识别出钢管桩、混凝土箱梁和钢围堰是影响跨海大桥成本的显著项目。基于灵敏度分析方法,识别出施工用电、钢管桩、混凝土、钢筋、钢桁梁、钢围堰以及大型运输船等7类因素是影响项目造价的敏感因素。研究结果表明:利用模糊C均值聚类模型,可有效减少杭州湾跨海大桥投资分析段落,降低投资分析难度;利用显著性成本分析可有效识别影响跨海大桥成本的关键部位,为合理编制施工组织方案、降低工程投资提供可靠依据。研究成果可用于识别复杂重点工程的关键部位和影响成本的关键因素,有效节约工程投资,合理编制施工组织方案,为类似项目提供新的思路和借鉴。

一种考虑气象因素的配电网设备故障关联挖掘模型

电网结构日益复杂,故障监测与防范的成本随之增大,而强对流天气的频繁出现使得设备故障与外界条件关联更加紧密,因此挖掘故障设备与故障因素间的关联关系,并对具有较高关联度的设备进行重点监测与防范,对电力系统的安全稳定运行具有重要意义。基于模糊频繁项挖掘算法,提出了1种考虑气象因素的配电网设备故障关联挖掘模型。该模型首先从多元信息库中提取故障特征数据,采用Relief-F算法排除相关程度较小的冗余特征,通过数据预处理与数据整合,构建包含气象因素的故障关联特征库。其次,以故障关联特征库为基础,引入模糊集理论,提出基于模糊频繁项集挖掘算法的故障因素与故障设备关联模型构建方法。最后,基于故障关联模型进行了算例分析,结果验证了所提方法的正确与有效性。

基于改进YOLOX算法的X射线图像违禁品检测方法

为了实现自动检测X射线图像中的违禁品,解决相互遮挡、目标相近和小目标违禁品检测难的问题,提出一种基于改进的你只观察一次(YOLOX)算法的X射线图像违禁品检测方法。首先在YOLOX的主干网络低层中引入使用大核注意力构建的空间注意力,提取低层特征图的远距离依赖信息和纹理信息,之后在主干网络的中层和高层增加卷积块的注意力模块以增强感兴趣区域信息并抑制无用信息;该方法在公开的安全检查X射线数据集上进行实验,同时为改善模型的鲁棒性,在训练前70个周期使用Mosaic数据增强方法。结果表明,改进的模型较基本模型增加少量的参数和计算量,均值平均精度增加2.45%,提升到87.88%,平均推理速率为58.5 frame/s。该研究为即时自动检测X射线图像中违禁品提供了有益的参考。

基于遗传和改进布谷鸟算法的BP神经网络建模

针对现代工业系统具有高度非线性的特点,以及采用BP神经网络对非线性系统建模易出现局部最优、过拟合或欠拟合的问题,提出采用遗传算法(GA)和改进布谷鸟算法(CS)优化BP神经网络建模的方法(GACSBP算法)。首先利用遗传算法自适应、全局搜索的特点优化神经网络拓扑结构,避免神经网络建模出现过拟合或欠拟合的问题;然后采用改进布谷鸟算法优化BP神经网络权值,加入惩罚项进一步防止神经网络建模时陷入局部最优。对NACA0012翼型自噪声数据进行建模,仿真结果表明,与BP神经网络相比,提出的GACSBP算法避免了局部最优,明显提高了模型预测精度,且所需迭代次数和时间均明显减少。

基于关联规则算法的网络安全隐患数据挖掘研究

网络安全隐患数据具有海量化、复杂化、多元化的特点,因此在对网络安全隐患数据进行挖掘时存在执行时间长、挖全率低、内存消耗量大的问题。为了优化网络安全隐患数据挖掘效果,研究了基于关联规则算法的网络安全隐患数据挖掘模型。计算关联权值和平均值,由此获取数据项集关联度的准确性。通过判别关联程度,完成数据预处理。采用Apriori算法对预处理后的数据进行量化处理,抽取、挖掘、记录可应用数据信息。利用亲和度函数建立目标函数,以获取隐患数据。建立关联规则,以确保隐患数据差异。以可信度结果为基础,构建网络安全隐患数据挖掘模型,实现网络安全隐患数据挖掘。试验结果表明,采用此模型后,执行时间较短、挖全率较高、数据挖掘过程中占用的内存较少。该研究可为网络安全隐患数据挖掘系统设计提供有效支持。

应用基于密度聚类的频繁模式增长算法进行煤层气产能分析

由于传统的煤层气产能分析算法存在影响因素不够全面,运行效率低和人为设置聚类参数缺乏说服力的问题。因此,该文在煤层气产能分类的基础上,对分类结果进行回溯,挖掘煤层气产能影响因素的规律,将基于密度聚类算法(Density-Based Spatial Clustering of Application with Noise,DBSCAN)与频繁模式增长算法(Frequent-Pattern Growth,FP-Growth)关联度分析算法优化结合,提出新的基于DBSCAN的FP-growth煤层气产能分析模型,找出影响煤层气产能的关键因素及其对应的参数范围。该文是深度学习与煤层气开发交叉学科的应用与研究,致力于煤层气产能分析评价体系的构建,为提高煤层气单井产气量,提升措施选井的决策效率有积极影响。

基于GA-BiLSTM网络的建筑负荷分解方法研究

提出一种基于遗传算法和双向长短时记忆网络的非侵入式负荷分解方法,通过卷积神经网络对总能耗波形进行特征提取,借助双向长短时记忆网络的双向传播特性对能耗波形特征进行训练,引入遗传算法对网络的超参数进行优化,以提高网络性能。利用UK-DALE数据集对所提方法进行对比验证,证明了本文方法对建筑分项能耗预测的有效性和准确性,以及在波动能耗跟踪上的优良性能。

求解多维背包的改进差分进化算法

针对多维背包问题,提出了一种改进的差分进化(IDE)算法。该算法保留了基本差分进化算法的交叉策略,同时将特定维数的0-1变异融入其中;为提高算法的收敛性,设计了最大和最小可装入背包的物品数量模型,作为对后续操作产生解的一个条件判断,从而缩小了搜索范围及时间;最后,通过对10个背包测试集进行测试,并与贪心二进制狮群优化(GBLSO)算法、混合粒子群(HPSO)算法进行比较。结果表明,该算法能较好的求得最优解,具有更快的收敛速度及更高的精度。

一种聚类矩阵和剪枝策略结合的关联规则算法

在医学领域,Apriori关联规则算法在慢性病等方面有广泛应用。然而,该算法存在一些问题,比如需要多次扫描病例数据库、产生大量数据集和冗余规则。针对出现的相关问题,提出一种结合聚类矩阵和剪枝策略的关联规则数据挖掘算法。通过添加约束条件,并采用聚类矩阵方法来压缩存储事务数据库。同时,引入前剪枝和后剪枝策略优化算法。实验证明,这种优化算法显著减少了数据库的扫描次数,降低了候选项目集的数量,缩短了算法的执行时间,大大提高了运行效率。