实体关系模型的面向对象实现

在实体关系模型中有许多必需的代码组能够被用于组成一般的 ER类的层来直接表现不同的概念 ,针对某种应用领域的特殊 ER模型 ,可以用最少的编码作为一般 ER类的子类而确立。除了减少编码 ,这些类同样清除转换工作而不必考虑实现 ,本文讨论和描述一般 ER类的设计。

基于多模态关系建模的三维形状识别方法

为了充分利用点云和多视图两种模态数据之间的局部空间关系以进一步提高三维形状识别精度,提出一个基于多模态关系的三维形状识别网络,首先设计多模态关系模块(multimodal relation module,MRM),该模块可以提取任意一个点云的局部特征和一个多视图的局部特征之间的关系信息,以得到对应的关系特征.然后,采用由最大池化和广义平均池化组成的级联池化对关系特征张量进行处理,得到全局关系特征.多模态关系模块分为两种类型,分别输出点-视图关系特征和视图-点关系特征.提出的门控模块采用自注意力机制来发现特征内部的关联信息,从而将聚合得到的全局特征进行加权来实现对冗余信息的抑制.详尽的实验表明多模态关系模块可以使网络获得更优的表征能力;门控模块可以让最终的全局特征更具判别力,提升检索任务的性能.所提网络在三维形状识别标准数据集ModelNet40和ModelNet10上分别取得了93.8%和95.0%的分类准确率以及90.5%和93.4%的平均检索精度,在同类工作中处于先进水平.

智能手机组装线质量-可靠性耦合建模与评估方法

为研究多装配阶段因素因果关联致使产线良率传导与形成的机理,以实验室手机组装数字孪生产线为原型测试平台,围绕该平台锁螺丝、点胶两大工艺段良率问题,从因果关联关系出发,提出智能手机组装工艺过程产品质量-设备可靠性耦合建模方法,构建考虑多阶段因果要素关联的动态贝叶斯网络(dynamic Bayesian network,DBN)模型,并进行影响最终良率形成的溯因分析与重要度评价。所提方法的可用性和有效性在手机组装数字孪生产线上获得了测试和验证,所提方法可为产线良率损失阻隔机制、产线预防性维护决策提供性能评估支撑。

面向社交推荐的自适应高阶隐式关系建模

近年来,社交推荐的研究主要聚焦于社交网络中显式、隐式关系的联合建模,却忽视了高阶隐式关系并非对每个用户都同等重要这一特殊现象.高阶隐式关系对一个有着足够多邻居的用户与一个仅有少量邻居的用户重要性存在明显差异.此外,由于社交关系建立的随机性,显式关系并不总是可用的.提出了一种新的自适应高阶隐式关系建模方法(adaptive high-order implicit relations modeling,AHIRM),该模型由3个部分组成:首先,过滤不可靠关系且识别出潜在可靠关系.旨在避免不可靠关系带来的负面影响,并部分缓解数据稀疏的问题;其次,设计自适应随机游走算法,结合规范化后的节点中心度为用户捕获不同阶数的邻居,构建用户间的高阶隐式关系,进而重构社交网络;最后,运用图卷积网络(graph convolutional network,GCN)聚合邻居节点信息,更新用户嵌入,实现高阶隐式关系建模,从而进一步缓解数据稀疏问题.在建模过程中,同时考虑到社交结构和个人偏好的影响,模拟并保留了社交影响传播的过程.在LastFM、Douban和Gowalla这3个数据集上与相关算法做了对比验证,结果证实了该模型的有效性和合理性.

智慧搜索中的实体与关联关系建模与挖掘

随着网络搜索空间从互联网扩展到人、机、物互联的泛在网络空间,以及大数据时代的到来,传统的搜索引擎已经不能满足时代的需求,新时代的搜索引擎技术——大搜索(或称智慧搜索)概念应运而生。因此,讨论实现大搜索所需关键技术之一的实体与关联关系建模与挖掘,以及相关的设计思想和实现技术。

运动损伤与运动强度的关系建模仿真分析

传统模型不能很好地描述运动强度与运动损伤之间的关系,提出一种运动损伤与运动强度之间的关系模型,确定关节变化参数及约束条件,利用智能SVM原理关系,构建仿真模型。模拟应用环境设计仿真实验,结果表明,上述构建的模型可很好地描述运动损伤与运动强度间关系,解决运动损伤与运动强度间关联度问题,避免运动强度过大造成运动损伤。

基于伪3D残差网络与交互关系建模的群组行为识别方法

针对复杂场景下群组行为特征的多样性以及交互关系难以建模的问题,提出一种全新的分层网络架构.第一层网络,利用伪3D残差网络与图卷积网络相结合捕获交互关系特征;第二层网络,利用伪3D残差网络捕获群组全局场景时空特征.根据上述特征之间的互补作用对它们的群组行为决策输出,提出一种权重自适应调整决策融合算法,对上面两层网络的群组行为类别自适应计算重要性权重,实现决策融合.该方法在CAD和CAE上分别取得了91.4%和97.9%的平均识别精度.

基于最大信息传递熵的ICS因果关系建模

针对传统因果关系算法难以准确分析含大量噪声的非线性数据的问题进行了研究,提出基于最大信息传递熵的因果关系建模算法。首先,利用最大信息系数对非线性数据的时序趋势间的关联度进行检测,弱化噪声对变量间相关性的影响;然后根据筛选因子剔除弱相关变量,并通过随机经验估值计算强关联变量间的传递熵,以减少传递熵的计算量;最后,传递熵确定因果关系方向,形成支持链路溯源的单向因果网络。利用经典化工过程数据集对该算法进行测试分析,实验结果表明,相比于现有的因果关系建模算法,该算法可定位异常变量,对12维以上的高维数据建模的稳定性高于85%,因果关系的准确率可达83.33%,实际建模效果优于对比算法,可用于工业控制系统异常检测定位。

生理点配准的颅面局部形态关系建模

为提高对颅骨与面皮之间形态关系建模的准确度,提出一种生理点配准的颅面局部形态关系建模方法。以特征点对应关系为约束条件,基于TPS变形实现颅面初配准;根据欧氏距离与局部几何特征的加权距离确定顶点的最优生理对应关系,建立分类颅面模型库;将颅面形态关系建模问题分解为对每一面皮生理点各坐标分量建模的子问题集,运用单因变量多自变量PLSR,以面皮生理点的各坐标分量为因变量,选取显著相关的颅骨生理点相应坐标分量为自变量,建立由各面皮生理点坐标计算模型构成的局部形态关系模型。实验结果表明该方法可更准确有效地描述颅面形态变化关系。

入侵时长与网络信道受损关系建模仿真分析

网络入侵时间存在较强的无序性,与网络信道受损的关系比较复杂。传统的方法只能通过简单的线性关系对两者之间的关系进行描述,一旦入侵时间复杂程度增加,将会造成入侵时间非线性关联性急剧增加,导致模型的可信度降低。为此提出一种基于约束聚类算法的网络入侵时间与网络信道受损关系建模方法。根据模糊聚类相关原理建立网络入侵时间约束模糊聚类的目标函数,对该目标函数进行最小化变换处理,计算不同入侵时间次数的权重和对应的置信度,根据计算结果建立两者关系的模型。实验结果表明,利用改进算法进行入侵时间与信道受损关系建模,能够获取不同入侵次数对于信道受损程度的影响,保证了网络的安全。

XML中对复杂关系数据建模初探

首先阐述了由于数据表示方式上的差异,为了使XML和传统数据库之间能够互通信息,必须在XML文档和传统数据库之间建立数据转换机制。然后提出在XML中使用ID/IDREF/IDREFS属性类型针对多元复杂联系的关系数据进行建模的方法。

关系数据的建模分析

本文采用E-R图直观地描述现实世界的实体、属性及联系等信息,建立数据处理的概念模型,在概念模型的基础上分析关系数据的建模,以适应关系数据库管理系统的应用,概念模型转换为关系模型的方法很多,同一概念模型不同的转换方法得出关系模型不同,但分析比较会得出好的结论。

基于核心人物和交互关系建模的群组行为识别

提出了一种层级关系网络与关键人物检测相结合的群组行为识别方法。首先从空间CNN和时间CNN提取每个群组成员的时空特征,经LSTM后进一步利用视频的长时序上下文关系,形成组群的时空级联特征;然后利用层级关系网络捕获群组成员交互关系,在每个关系层中构建无向关系图,通过共享多层感知机来捕获交互关系图中边的特征(即成员间的交互关系),并将节点所有边的特征求和后作为此节点新的特征;为了获得高阶的层级交互关系表征,构建了多个关系层,并学习每个人的层级关系表征。同时,在关键人物检测网络,定义运动特征最强的一个成员为核心人物,依据与核心人物的空间距离和运动特征相关性,定义其他关键人物;再将所有关键人物的特征输入到Bi-LSTM,学习关键人物之间隐含的交互关系。为了进一步优化识别结果,将通过softmax层获得的群组识别候选标签的概率值输入CRF层,利用二元势函数鼓励外观特征和运动特征相近的群组分配相同标签,纠正由于学习偏差引起的错误,提高了群组识别精度;最后,在公开标准数据集Collective Activity Dataset和Volleyball Database的平均识别率达到93.9%和91.2%,实验对比相同主干网络的最新方法,证明了本方法的有效性。

一种视频中时空动作检测的交互关系建模方法

目前,在时空动作检测任务中,很少有方法明确提出使用优化动作交互关系特征来提升检测的准确性。笔者提出基于多头注意力的交互特征增强方法,包括人物视觉、人的时序、全局背景和空间位置的特征增强,采用串行融合策略连接增强块,有效提升了时空动作检测的准确性。模型在自建Unload-Actions数据集上的帧级mAP达到27.93%,并在消融实验中证明了交互特征增强块和串行融合策略的有效性。

结合关系建模与项重写技术的时序电路等价验证

提出一个新颖的时序电路等价验证的方法框架。该方法有效地结合了关系建模和项重写技术。首先利用带有测试条件的Kleene关系代数建模时序设计,进而通过对关系表达式的项重写来证明时序设计的等价性。与传统的基于状态空间遍历的时序等价验证方法相比,该方法提供了一种全新的思路。

基于双重注意力和关系语义建模的实体对齐方法

实体对齐任务目标是在知识图谱间发现更多的等价实体对。目前一些实体对齐方法聚焦实体结构和属性信息,却没有很好地处理两者交互学习的问题。为此,提出一种基于双重注意力和关系语义建模的实体对齐方法,采用双重注意力在属性分类嵌入的基础上学习实体属性和结构的交互特征,采用关系语义建模对实体结构嵌入进行局部语义优化,最后对实体多方面语义特征下的相似度矩阵进行融合。在三个真实数据集上的对齐准确率分别可达到81.00%、83.90%和92.73%,与基准模型相比平均提升了2.62%,实验结果表明提出的方法可以有效地识别出对齐实体对。

室内建筑温度与体感舒适度的关系建模分析

提出了一种改进室内建筑温度与体感舒适度关系判断模型,该模型可描述不同室内建筑温度下人体对室内建筑环境的冷热感觉和变化规律,依据室内建筑温度的变化,按照风、太阳辐射、湿度等因素分析体感温度的变化,计算出室内环境下体感温度。将体感温度作为室内建筑人体舒适度的关键干扰因子,获取室内建筑中人体舒适度指数判断函数,按照不同室内建筑气温的波动,得到室内建筑体感舒适度等级规范,实现对室内建筑温度同体感舒适度关系的判断。实验结果说明,所提模型是一种高效实用的室内建筑温度与体感舒适度关系判断模型,具有较高的判断准确率。

矿山地质地面沉降与地下水资源污染的关系建模研究

为在保持良好矿山地质条件的前提下,控制地下水资源的污染范围,提出一种基于矿山地质地面沉降的地下水资源污染控制模型。通过确定地层岩性的方式,计算地质地面的空间分布特征与动态演化特征,完成矿山地质地面的沉降特征分析。在此基础上,对地下水资源质量进行评价,并利用污染地下水资源的预报分析,实现沉降系数与地下污染水流的数值模拟,完成矿山地质地面沉降与地下水资源污染的关系建模分析。与初级控制手段相比,应用新型关系控制模型后,随着矿山地质系数的不断增大,地下水资源的污染面积不再无限扩张,污染范围得到有效控制。

员工加班强度与离职的关系建模仿真分析

加班的强度一直是离职的主要原因,单纯的加班强度与离职直接的关系受到员工心理、外部因素等复杂条件的影响,而影响因素都是非线性的,无法运用有限的约束表述之间的关系,导致两者的关系一直无法系统建模。提出采用条件概率算法对员工加班强度与离职的关系建模方法。先依据员工加班强度与离职影响性的关系测度与状态值组建因果关系模型。利用员工加班强度与离职影响关系的动态变化性对建立的模型进行拓展,引入D-optimal设计将因果关系样本集分为训练集和测试集两部分,并对拓展后的员工加班强度与离职影响因果关系模型进行预测,进而建立了精确的员工加班强度与离职的关系模型。仿真结果表明,提出的条件概率算法的员工加班强度与离职的关系建模精确度高。

化工材料受热时间与可燃性的关系建模仿真

研究化工材料受热时间与可燃性间的关系,对于提高化工材料质量具有重要作用,传统依据模糊神经网络模型仅在特定温度下塑造化工材料受热时间与可燃性的关系模型,长期受热关系较为复杂,波动呈现较强非线性,模型不能得到在任意受热时间下的化工材料可燃性准确值,不能对化工材料受热时间和可燃性的关系,进行有效的建模分析。提出一种依据前馈式神经网络的化工材料受热时间与可燃性关系模型,依据化工材料受热模型,采用Themecmastor-Z型热加工仿真试验机对化工材料进行不同程度的加热试验,得到不同受热时间、不同受热温度下的可燃性数据,融合可燃性数据以及神经网络,塑造具有前馈式算法的人工神经网络,进行训练后的神经网络则是化工材料受热时间与可燃性的关系模型。实验结果说明,改进神经网络模型具有较高的精度,最大误差为3%,不超过5%,远远低于传统模型,并且所提模型的拟合度为4.3%,可以很好地描述化工材料受热时间与可燃性的复杂关系。