联合吸收马尔可夫链和骨架映射的视频分割

因严重遮挡和剧烈形变等挑战长期共存,精准鲁棒的视频分割已成为计算机视觉的热点之一.构建联合吸收马尔可夫链和骨架映射的视频分割方法,经由“预分割—后优化—再提升”逐步递进地生成精准目标轮廓.在预分割阶段,基于孪生网络和区域生成网络获取目标感兴趣区域,建立这些区域内超像素的吸收马尔可夫链,计算出超像素的前景/背景标签.吸收马尔可夫链可灵活有效地感知和传播目标特征,能从复杂场景初步预分割出目标物体.后优化阶段,设计短期时空线索模型和长期时空线索模型,以获取目标的短期变化规律和长期稳定特征,进而优化超像素标签,降低相似物体和噪声带来的误差.在再提升阶段,为减少优化结果的边缘毛刺和不连贯,基于超像素标签和位置,提出前景骨架和背景骨架的自动生成算法,并构建基于编解码的骨架映射网络,以学习出像素级目标轮廓,最终得到精准视频分割结果.标准数据集的大量实验表明:所提方法优于现有主流视频分割方法,能够产生具有更高区域相似度和轮廓精准度的分割结果.

结合层次图神经网络与长短期记忆的产业链风险评估预警模型

产业链风险评估预警是有效保护产业链上下游公司利益和减轻公司风险的重要措施。然而,现有方法由于忽视了产业链上下游公司之间的传播效应和公司信息的不透明性,无法准确评估公司风险,且忽略了动态财务数据对产业链的影响,无法提前感知风险,进行风险预警。针对以上问题,提出一种结合层次图(HG)神经网络与长短期记忆(LSTM)的产业链风险评估预警模型(HiGNN)。首先,利用产业链上下游关系和投融资关系构建“产业链-投资”HG;其次,利用财务特征提取模块提取公司多季度财务数据的特征;再次,利用投资特征提取模块提取投资关系图特征;最后,利用注意力机制融合财务特征和投资特征,通过图表示学习方法对公司节点进行风险分类。在真实的集成电路制造业数据集上的实验结果表明,与图注意力网络(GAT)模型、循环神经网络(RNN)模型相比,当训练比率为60%时,所提模型的准确率分别提升了14.87%、22.10%,F1值提升了12.63%、16.67%。所提模型能够有效捕捉产业链中的传染效应,提高风险识别能力,优于传统的机器学习方法和图神经网络方法。

基于长链状传感网的智慧路灯控制系统

为了满足路灯控制网络中可靠性和实时性要求,提出一种基于长链状传感网的智慧路灯控制系统。通过分析路灯控制的业务需求,利用时间同步技术和可变半径动态路由方法,解决了网络内通信冲突和通信可靠性易受环境干扰的问题。在此基础上,进行了路灯控制器的硬件设计和软件设计。对实际的道路环境进行测试的结果表明,系统较现有的电力线载波控制系统和Zig Bee控制系统在响应时间和稳定性两方面有很大提高,对以后的路灯控制系统,尤其是采用太阳能和风能等新一代能源路灯控制系统有很大的实际应用价值。

基于多Sink的长链状无线传感器网络功率控制算法

长链状无线传感器网络常用于矿井、隧道等特殊场景,传统的无线传感器网络由于只有一个Sink,应用在长链状无线传感器网络中容易造成Sink周围区域出现"热区"现象,影响网络整体生存期,为了解决上述问题,降低长链状无线传感器网络的整体能耗,延长网络生存期,提出一种多Sink分布式功率控制算法,该算法引入多Sink的网络结构,同时采用非均匀成簇的思想,将多Sink网络结构和分簇的Voronoi scoping路由算法进行结合,为每个Sink分配最优的通信半径和发射功率,将各Sink作为簇头,对网络进行分簇,从而在保证网络覆盖率的前提下,优化网络拓扑,仿真结果表明,该算法在连通度、能耗有效性、分簇干扰和网络性能上具有优势,可以有效的降低网络整体能耗、延长网络生存期。

一种基于能量均衡的分区成链路由算法

提出了一种基于能量均衡的分区成链路由算法CDEB(A Chain By Division Based on Energy Balance Routing Algorithm).该算法假定网络范围为一圆形,通过选定圆心角θ将网络分成2π/θ个区域;成链时,链上的节点根据相邻节点到本节点的距离是否小于设定的阈值来决定是否将其加入链中;成链后,综合考虑链上每个节点的剩余能量、到基站的距离以及节点的度数来选取链首.仿真结果表明,该算法能够避免"长链"产生,改善节点能量消耗的不均衡,有效延长网络生命周期.

基于深度学习的集群式供应链应急物资需求预测研究

在突发事件和大数据情景下,建立基于数据流模糊C均值聚类算法的集群式供应链应急物资需求重要度决策算法,有助于辨识集群式供应链子系统应急物资需求的重要程度。针对集群式供应链中各子供应链之间的耦合特性和预测指标的快速变化数据流特征,提出基于长短期记忆网络的集群式供应链应急物资需求动态预测算法,提取集群式供应链多个子系统应急物资需求参数的时序特征,动态地、分布地对互联大系统的应急物资需求不确定性进行系统辨识估计。仿真实验结果表明了基于长短期记忆网络的集群式供应链互联大系统应急物资需求动态预测算法的可行性和精确性。

融合LSTM-DNN的工业安全态势预测模型

态势预测对于感知工控系统中的安全风险有着重要的作用.传统的态势预测模型往往会忽略工控系统中态势要素的时序性,难以准确对系统的安全态势进行预测.因此本文提出一种基于LSTM-DNN的工业网络安全态势预测模型,以提高传统态势预测模型的精确度.首先从海量数据中选取出与系统态势强相关的态势要素;接下来利用LSTM对提取的态势要素进行预测,得到未来的态势要素链;最后将提取出的态势要素链送入DNN模型中,预测系统未来的安全态势.实验表明,相较于传统的网络安全态势预测模型,该模型框架能够有效地预测未来的态势值;相比于其它算法,所提出的算法具有较高的预测精度.

基于路由半径自适应的长链状无线传感网络协议

长链状无线传感网络的节点呈长链状分布。这种特殊的拓扑结构将导致数据碰撞概率增大、传输时延增加,且越靠近Sink节点的地方该现象越明显,这将影响Sink节点的数据接收,甚至导致整个网络的崩溃。针对长链状无线传感网络的链路特征,提出了基于最大传输距离的路由半径自适应调节策略RAMD(Route-radius Adaptive with Max Transmission Distance)。该协议通过以PRR(Packet Receive Rate)及RSSI(Received Signal Strength Indication)相结合的链路质量评估方法自适应调节路由半径,设计基于分级同步的冲突避免机制及基于最优传输距离的自适应路由调整策略。通过与典型的分层路由和顺序传输路由的性能对比的仿真,以及对200个节点的长链状无线网络的物理平台的搭建及测试表明,RAMD协议对简化路由选择、降低时延和减少数据冲突有显著的作用。

基于无线传感器网络的高压检修输电线路监测数据传输

用于高压电力线路检修数据监控的无线传感器网络具有典型的长链结构,因此在汇聚节点附近的性能瓶颈较为明显。针对这个问题,提出了一个基于多节点的合作机制的无线传感器网络数据传输模型。该模型采用不同的数据节点相邻部署的形式,基于多模和空间复用网络技术,实现不同层次的数据流的负载分流。通过多节点合作机制,解决了汇聚节点及其附近节点的性能瓶颈问题,并通过调整信道发射功率来处理节点间通信的竞争。仿真结果表明,该方法可以解决汇聚节点的性能瓶颈效应,获得较好的电力线路检修数据传输服务性能。

梯度距离能量优化算法于长链式网络中的应用

针对井下煤矿的特殊地理环境和长链式网络的特点,提出一种基于差分进化算法的梯度距离能量优化算法,通过优化节点间的距离来均衡不同距离间节点转发数据所损耗的能量,以延长整个网络的使用寿命。用差分进化算法模拟软件1stopt,求解节点能量损耗最小和整个网络使用寿命最长为多目标函数的节点间的距离值,并采用距离能量百分比加以修正,求出优化距离值。仿真实验表明:基于差分进化算法的梯度距离能量优化算法,提高了节点能量使用率,延长了网络的使用寿命。

基于蚁群算法的长链状无线传感网络路由算法

针对输电线路监测系统对无线传感器网络实时性和可靠性要求较高的特点,提出了一种用于线路监测传感网络的带信息素负增长的蚁群算法。该算法中不需要网络节点维护全局信息,但需要赋予唯一的编号。启发函数计及了链路的时延、收包率和距离汇聚节点的跳数,并经过试验增加了以参数α的不同选取可以调整跳数在整个选择过程中所占的重要程度。算法还为当前不可行和拥塞节点设置定时器,超时后可重新参与路由选择。仿真结果表明,相比基本蚁群算法,该算法能够找到具有更好性能的路由。

基于改进的LSTM的药品温湿度预测方法

针对医药冷链系统中药品温湿度数据不易诊断的问题,提出一种改进的长短期记忆(LSTM)预测药品温湿度的方法。首先通过插值扩充算法扩充湿度数据集,接着提出一种内含多个LSTM细胞元的LSTM结构,代替传统的迭代预测,随后通过Adam优化算法调整网络参数和改变网络层数降低预测误差,实现对药品温湿度的提前预判。最后在药店冷藏柜中采集到的药品温湿度数据集上进行测试,均方误差(MSE)为0. 036 9。与传统的BP神经网络预测方法和高斯过程混合模型预测方法对比,改进的LSTM药品温湿度预测方法预测更准确。

基于GEO数据库的银屑病lncRNA筛选与ceRNA网络构建

目的:构建银屑病竞争性内源性RNA(ceRNA)调控网络,为银屑病发病机制提供生物信息学参考。方法:基于基因表达综合数据库(GEO)筛选差异表达的lncRNA并通过相关性分析找到与其相关的编码基因,进行京都基因与基因组百科全书(KEGG)通路富集分析。使用lncBase数据库预测lncRNA的靶向微小RNA(microRNA,miRNA);使用TargetScan数据库预测编码基因靶向miRNA;利用Cytoscape构建ceRNA网络。结果:本研究基于差异表达的lncRNA构建出6个lncRNA(LIN01094、LINC01215、KLF-AS1、TINCR、EMX2OS、C14orf132)介导的lncRNA-miRNA-mRNA ceRNA网络,显示这些lncRNA可能通过影响细胞周期、蛋白酶体、DNA复制、细胞因子-细胞因子受体的相互作用、FoxO信号通路等发挥作用。结论:差异表达的(lncRNA LIN01094、LINC01215、KLF-AS1、TINCR、EMX2OS、C14orf132)可能作为ceRNA发挥调控功能,参与银屑病发病。

多价值链视角下基于深度学习算法的制造企业产品需求预测

多价值链协同发展背景下,制造企业没有充分考虑服务链、营销链等其他价值链对产品需求的影响。为提高制造企业产品需求预测的精度,提出了产品数据空间和一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)-长短期记忆(long short-term memory,LSTM)神经网络的深度学习算法。首先,整合不同价值链对产品需求影响的相关数据构建产品数据空间。其次,从数据空间中获取多链数据集用于1D-CNN-LSTM模型的预测。其中,1D-CNN通过两次卷积池化操作获取数据的深层次特征,LSTM则通过进一步学习数据特征中的重要信息来进行时间序列预测。最后,通过某电气设备制造企业生产销售的环网柜产品的相关数据进行算例分析,并与其他几种模型进行预测结果比较。结果表明:1D-CNN-LSTM模型的预测效果优于神经网络模型和单一的LSTM模型。可见提出的1D-CNN-LSTM深度学习模型更具优越性,预测效果好。

基于DTW-LSTM的短期楼宇电力负荷预测方法

为了提高楼宇电力负荷预测精度,解决传统聚类算法楼宇用电曲线聚类效果差的问题,提出一种基于DTW-LSTM的楼宇短期电力负荷预测模型.采用DTW聚类算法对楼宇日用电曲线进行聚类与编码,分析楼宇用电行为.根据楼宇10天的日用电曲线编码,利用马尔科夫链对未来一天的用电曲线编码进行预测,得到用电曲线原型.将编码作为一个特征,结合历史用电数据对楼宇的短期负荷进行预测,结果表明,相对于传统的聚类算法,所提方法的聚类结果更加合理且预测精度也有所提升.

基于ceRNA网络筛选卵巢癌铂类药物的耐药基因及临床验证

目的探讨竞争性内源RNA(ceRNA)网络筛选卵巢癌铂类药物的耐药基因并进行临床验证。方法通过PubMed数据库检索卵巢癌长链非编码RNA(lncRNA),构建卵巢癌铂类耐药内源竞争RNA(ceRNA)调控网络。收集2018年4月至2020年4月在西北妇女儿童医院治疗的64例铂类药物耐药卵巢癌患者为耐药组,另纳入同期64例铂类药物敏感卵巢癌患者为对照组。采用荧光定量PCR法检测患者癌组织中lncRNA表达水平,分析lncRNA对卵巢癌铂类药物耐药和患者预后的判断价值。结果亚细胞定位分析显示共有6个lncRNA位于细胞质,其中HOX转录反义RNA(HOTAIR)和Y框蛋白2(SOX2)为关键ceRNA。lncRNA HOTAIR与miRNA(miR-519d、miR-148b-3p)及mRNA(XIAP、OCT4)构成ceRNA调控网络,lncRNA SOX2与miRNA(miR-302、miR-429、miR-140-3p)及mRNA(EGFR、ABHD2)构成ceRNA。耐药组癌组织lncRNA HOTAIR和lncRNA SOX2水平分别为2.72±0.58和1.45±0.37,显著高于对照组的1.92±0.49和1.26±0.40,差异均有统计学意义(P<0.05)。ROC曲线分析显示lncRNA HOTAIR和lncRNA SOX2对判断卵巢癌铂类药物耐药具有较高的价值(AUC=0.813、0.775,P<0.05)。lncRNA HOTAIR和lncRNA SOX2高表达患者1年无进展生存(PFS)率分别为65.2%和65.0%,显著低于低表达者的83.1%和80.9%,差异有统计学意义(Log-rankχ2=5.501、4.054,P<0.05)。结论基于ceRNA网络有助于筛选卵巢癌铂类药物耐药的相关基因,其中lncRNA HOTAIR、lncRNA SOX2与铂类药物耐药及卵巢癌预后相关。

基于长短期记忆网络的扩展软件稳态训练仿真

针对目前方法对扩展软件进行稳态训练时,存在软件检测缺陷的时间较长,检测率较低、误报率较高的问题,提出基于长短期记忆网络的扩展软件稳态训练方法。方法首先利用长短期记忆网络对软件中的数据进行特征提取,建立数据集与验证集并以此构建马尔可夫链稳态训练模型,再引入关联缺陷矩阵对软件中的缺陷关联关系进行计算,获取缺陷关联系数,最后依据缺陷的检测率、关联回扣值、关联系数设定资源函数,通过计算剔除软件中的缺陷,完成对软件的稳态训练。实验结果表明,运用上述方法对软件进行稳态训练时,检测缺陷的时间较短、检测效率较高、误报率较低。

美国长臂管辖下中国高新技术企业供应链安全测度及对策研究——基于华为和海康威视的双案例分析

长期以来,美国限制对华高新技术出口,并通过长臂管辖制裁我国高新技术企业,使其面临的全球供应链安全问题日益严峻。本文基于社会网络和知识基础理论,采用复制逻辑的双案例分析方法研究华为和海康威视两家典型企业,探讨美国长臂管辖情境下如何确保供应链安全。研究发现:(1)焦点企业应避免单一区域供应商来源,扩大技术来源的区域广度,构建区域多元化的全球供应链网络。(2)焦点企业应以各国家和区域的贸易规则为主要考量,根据区域性动态调整供应商伙伴选择。增加强关系区域供应商数量,推进本土化布局,减少弱关系和中间状态区域供应商;保持对国内技术的首位依赖,并提升国内技术来源占比。(3)焦点企业应通过对非长臂管辖区域技术引进,自主研发可替代性技术,加强研发投入及强化人才储备来实现企业内外部知识积累。(4)焦点企业在非长臂管辖区域实施联盟战略,如建立联合创新实验室等增进供应链成员共享意识,提升供应链上知识共享程度。

网络经济下供应链管理模式的创新与构建

从供应链管理现行模式出发,分析了网络经济效应,然后基于经济长波周期理论,在对网络经济下供应链可能面临的合作信任、人力资源和社会责任管理等社会心理健康问题进行分析,并且综合考虑战略、运作和技术层面对网络经济下的供应链新模式进行构建,并提出相应的解决措施。

零售商长期后悔规避的供应链网络动态均衡

本文研究了基于时变随机需求的供应链网络动态均衡。由于需求的不确定性和季节性,网络中的零售商会考虑缺货后悔和存货后悔的负效用,基于长期后悔规避效用做出最优决策。利用变分不等式,刻画了网络中制造商层、考虑长期后悔规避效用的零售商层和需求市场层的均衡决策行为。通过数值算例,基于三种长期后悔情形分析了零售商长期后悔规避行为对其均衡订购量、利润、后悔值的影响。研究结果表明,零售商的长期后悔规避程度在不断增加、保持不变,不断减少这三种情况下,对其均衡订购量、利润、后悔值的影响不同。研究结论将指导供应链网络中企业,基于长期后悔规避制定最优决策。