基于多层Markov网络的信息检索模型

随着信息检索技术的不断发展,挖掘更加有效的信息来提高检索精度成为研究热点,已有的研究表明在检索过程中有效地融合各种信息将得到更好的检索效果。对一个具体查询而言,可以充分利用与已有查询的相关性、词语相关性和文档相关性等信息进行查询扩展和重构。基于这种思路,该文分别构造查询网络、词网络和文档网络,提出了多层Markov网络的信息检索模型,模型可以融合词间关系、文档间关系和查询间关系,为了有效降低计算量,给出了基于团计算模型。在标准数据集上的实验表明该文的模型能够有效融合三类信息,并较大幅度地提高检索效果。

基于迭代方法的多层Markov网络信息检索模型

查询扩展是提高检索效果的有效方法,传统的查询扩展方法大都以单个查询词的相关性来扩展查询词,没有充分考虑词项之间、文档之间以及查询之间的相关性,使得扩展效果不佳。针对此问题,该文首先通过分别构造词项子空间和文档子空间的Markov网络,用于提取出最大词团和最大文档团,然后根据词团与文档团的映射关系将词团分为文档依赖和非文档依赖词团,并构建基于文档团依赖的Markov网络检索模型做初次检索,从返回的检索结果集合中构造出查询子空间的Markov网络,用于提取出最大查询团,最后,采用迭代的方法计算文档与查询的相关概率,并构建出最终的基于迭代方法的多层Markov网络信息检索模型。实验结果表明:该文的模型能较好地提高检索效果。

基于改进Markov算法的电力线载波通信网络安全态势感知仿真研究

针对电力线载波通信网络安全态势感知单位运算时间较长且误差较大等问题,基于改进Markov算法研究一种新型通信网络安全态势感知方法。采用分区采集与降维运算数据预处理,去除电力线载波信号干扰因素。利用隶属关联矩阵挖掘网络安全要素特征,构建层次化Markov网络安全态势感知模型。利用BW算法寻找目标参数最优解,来确定感知目标点位置,缩短挖掘时间,提高感知精准度。经过试验验证,所提方法单位感知时间只有60~90 ms,多组并行感知均方误差不超过2%,表明所提方法能够满足电力线载波通信网络安全态势感知应用需求。

基于层次依赖的Markov网络信息检索扩展模型

查询扩展是解决查询词与相关文档中的词不匹配而导致检索效率低下问题的关键技术之一。提出了基于层次依赖的Markov网络信息检索扩展模型。该模型综合考虑了候选词与查询词的层次距离、词间相关性、词节点的出度和路径等因素，通过层次依赖关系对候选词进行重新加权，选择与查询最为相关的候选词应用于信息检索扩展模型，有利于挖掘出更多潜在的、深层次依赖关系的查询候选词。在5个标准数据集上进行了实验，结果表明基于层次依赖的Markov网络信息检索扩展模型与未进行查询扩展的BM25模型相比，在3-avg和11-avg上分别提高了5%-41%和5%-70%不等，与基于直接相关的Markov网络信息检索扩展模型相比，该模型在总体检索效率上表现更优。

增强多层网络心理地图保持效果的力引导布局算法

为了增强多层网络可视化中网络布局的心理地图保持效果,减轻读者在跨层分析任务中的认知负担,提出一种应用于切片式多层网络可视化的力引导布局算法.首先计算节点副本间的单向吸引系数;然后根据单向吸引系数和各节点副本的当前位置计算各节点副本的理想位置及距离差;最后结合距离差损失项、KK算法能量函数和节点副本间距损失项构建损失函数并优化得到布局方案.通过在10个公开数据集,包括7个社交网络数据集、3个遗传网络数据集上,与同类型算法对比在心理地图保持指标,即节点移动总距离上的表现的结果表明,所提算法能够显著增强多层网络布局的心理地图保持效果.

基于多层耦合网络的装备保障体系级联失效及抗毁性分析

为准确描述装备保障体系结构特征与毁伤失效流程,进而提升装备保障体系功能与抗毁能力,基于杀伤层、保障层和储供层构建装备保障体系的多层耦合网络模型。基于杀伤链给出装备维修保障链与储供保障链的特征和典型样式,在此基础上,提出考虑装备保障体系多层耦合网络特性的级联失效模型与节点重要度评估方法。给出对应的网络抗毁性评估指标。仿真结果表明,考虑级联失效的多层耦合网络模型能较好地反映遭受攻击时整个装备保障体系的性能变化情况,所提出的使命任务节点重要度能准确识别关键节点。与传统网络抗毁性指标相比,杀伤链数量对节点失效产生的装备保障体系抗毁性变化更加敏感。

基于多层时序网络模型的中国机场网络特征分析

为克服静态网络模型在分析动态系统时出现网络结构特性反映不全面和数据表达失真的问题,引入时间属性,提出一种基于时序复杂网络模型的中国机场网络(CAN)结构分析方法。通过分析节点时序度、时序度中心性、时序介数中心性和时序接近中心性等网络特征指标,探究中国机场时序网络的结构特征,筛选和排序网络中的重要机场节点,并分析异质节点产生的原因。结果表明:CAN结构呈现出无标度网络特性;CAN的平均时序距离值差距较大,最大值是最小值的6.06倍;乌鲁木齐地窝堡国际机场(ZWWW)、呼和浩特白塔国际机场(ZBHH)的时序介数中心性相对其他指标较高,其在网络中起到重要的中心作用,而深圳宝安国际机场(ZGSZ)相对其他指标具有较高的时序度中心性。

基于BP神经网络的高分辨率海底地形跨层生成模型

为了满足海底地形的高分辨率需求及解决测量数据的有限性问题,基于多层前馈神经网络(back propagation,BP)和跨层网格生成策略,建立了兼顾海底区域地形整体特征和局部地形信息的海底地形跨层生成模型,实现对海底地形数据生成填充。以南海海底地形为例,通过误差对比、假设检验以及海底地形云图的图像清晰度对本文模型生成数据进行有效性验证。结果显示所建立的模型在保证与原始数据之间误差小和数据特征相同的前提下完成了对地形云图的图像清晰度的提升,并且结果优于传统克里金插值方法。本文分析结果可为地形数据相关研究提供参考。

基于金字塔池化网络的质子交换膜燃料电池气体扩散层组分推理方法

针对质子交换膜燃料电池气体扩散层(gas diffusion layer composition,GDL)形貌划分与制备工艺改进问题,提出了一种基于金字塔池化网络(pyramid scene parsing network,PSPNet)与多层感知器(multi-layer perception,MLP)的气体扩散层组分识别与比例推理方法:首先将带标签的气体扩散层扫描电镜(scanning electron microscope,SEM)图片输入神经网络,得到特征图;得到的图像特征层进入金字塔池化模块后,获取SEM图像的深层和浅层特征;随后将深层和浅层特征图层融合输入全卷积网络(fully convolutional network,FCN)模块,得到预测图像;最后统计各个组分上的像素点比例,通过MLP完成组分比例推理。结果表明:所提方法组分识别像素准确率达81.24%;在5%偏差范围内,比例推理准确率为88.89%。该方法解决了气体扩散层多组分无法区分、比例无法获知的问题,可有效应用于气体扩散层的质检、数值重构以及制备工艺改进。

阿尔茨海默病的多层脑网络链路预测重构

功能脑网络的构建工作是阿尔茨海默病辅助诊断中的基础任务.针对基于全频域的单层网络构建方法难以处理小频段间的异质性特征以及脑网络中可能存在错误边或缺失边的问题,提出一种基于多层网络链路预测的功能脑网络模型.利用多层网络框架使节点间存在多个频段描述下的连接关系,并设计融合层间相似性和节点重要性的局部相似性指标,进而基于多层网络拓扑结构进行链路预测,以重构网络结构.实验结果表明,与当前先进的脑网络模型相比,该模型在阿尔茨海默病分类诊断中性能表现更好,证明所提模型能有效提升网络表达的精准性,且在计算机辅助诊断中具有良好的应用价值.

政策网络的性质与功能:介于市场与科层之间

从科层和市场的功能性类比和延伸讨论的角度对政策网络性质进行重新认识和思考,与从政策网络的各种要素属性的角度来理解网络的属性高度一致,理解一个事物性质的时候有很多维度。显然,和作为一种组织形态具有功能性或从行动者关系角度来定义政策网络的功能不同,从政策网络自身具有的理论和实践功能性研究拓展了讨论的空间。

基于多层全连接神经网络的6C地震波极化向量识别研究

利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。

基于可达性的多层动态航空网络鲁棒性分析

为更准确地描述航空网络以分析其鲁棒性,提出1种以同一始发机场及其离场航班为子网络层,随出发时刻动态变化的多层动态航空网络模型。针对我国国内(不含港澳台)多层动态航空网络,以可达性、度中心性和加权介数中心性为节点特征指标,网络效率为网络性能测度指标,从随机攻击和蓄意攻击2种策略下对网络进行鲁棒性分析。研究结果表明:我国国内(不含港澳台)航空网络的鲁棒性主要由20%的机场提供,且在不同时间段内鲁棒性不同,在2023年夏秋航季,7∶00~20∶00间鲁棒性较好,4∶00~7∶00和20∶00~24∶00鲁棒性较差;用可达性指标衡量航空网络中机场节点的重要程度比度中心性和加权介数中心性指标更准确。研究结果可为保障航空运输网络安全提供一定参考。

基于端到端深度神经网络和图搜索的OCT图像视网膜层边界分割方法

视网膜层边界的形态变化是眼部视网膜疾病出现的重要标志,光学相干断层扫描(optical coherence tomography,OCT)图像可以捕捉其细微变化,基于OCT图像的视网膜层边界分割能够辅助相关疾病的临床判断.在OCT图像中,由于视网膜层边界的形态变化多样,其中与边界相关的关键信息如上下文信息和显著性边界信息等对层边界的判断和分割至关重要.然而已有分割方法缺乏对以上信息的考虑,导致边界不完整和不连续.针对以上问题,提出一种“由粗到细”的基于端到端深度神经网络和图搜索(graph search,GS)的OCT图像视网膜层边界分割方法,避免了非端到端方法中普遍存在的“断层”现象.在粗分割阶段,提出一种端到端的深度神经网络—注意力全局残差网络(attention global residual network,AGR-Net),以更充分和有效的方式提取上述关键信息.具体地,首先设计一个全局特征模块(global feature module,GFM),通过从图像的4个方向扫描以捕获OCT图像的全局上下文信息;其次,进一步将通道注意力模块(channel attention module,CAM)与全局特征模块串行组合并嵌入到主干网络中,以实现视网膜层及其边界的上下文信息的显著性建模,有效解决OCT图像中由于视网膜层形变和信息提取不充分所导致的误分割问题.在细分割阶段,采用图搜索算法去除AGR-Net粗分割结果中的孤立区域或和孔洞等,保持边界的固定拓扑结构和连续平滑,以实现整体分割结果的进一步优化,为医学临床的诊断提供更完整的参考.最后,在两个公开数据集上从不同的角度对所提出的方法进行性能评估,并与最新方法进行比较.对比实验结果也表明所提方法在分割精度和稳定性方面均优于现有方法.

拥堵车源的区域多层交通网络混合路径诱导策略

为了缓解高速公路交通拥堵,利用国道和省道实现交通分流,并有针对性地实施路径诱导策略,建立了考虑拥堵车源的区域多层交通网络混合路径诱导模型。首先,构建了由国道、省道以及湖南省高速公路组成的区域多层交通网络,标定网络链接权重。然后,定位交通拥堵车源,建立了考虑拥堵车源的混合路径诱导模型,对从拥堵车源出发的车辆实施有针对性的路径诱导,在保障缓解交通拥堵效果的同时,尽可能减少对出行者的影响。研究结果表明,该模型能够实现多层网络有效分流,有效减少路网中车辆的平均出行时间。在实际应用中,可以只对少数出行者提供路径诱导信息以降低模型的实施难度,并通过调查出行者对建议路径的接受率,制定合适的路径诱导信息发布方案。

面向产业人才需求识别的多层职技网络构建研究

[目的/意义]传统职业分类体系作为观察劳动力市场的重要工具,难以及时反映产业人才需求的变化。为化解这一难题,文章聚焦探究如何利用数字化手段描绘职业与技能要求间的关系,建构多层职技网络的方法与实施路径。[方法/过程]首先,设计一套中文语境下描述不同岗位的通用语言——跨工作描述符,并据此建立起面向招聘数据资源开发利用的岗位描述框架;其次,建立基于岗位描述的职业智能分类技术,进而形成一套体现技能要求的多层职技网络构建方法与模式;最后,以上海集成电路产业为例,对该方法进行验证。[结果/结论]源自企业实际用工活动的多层职技网络能够辅助细粒度、灵活地观测多样化的产业人才需求。

动态层簇式无线传感网络信息加密算法

与传统的无线网络基于某种确定的网络拓扑结构组织不同,动态层簇式无线传感网络(Dynamic Layer Clustered Wireless Sensor Networks,DLCN)则是通过动态层次化的方式进行组织,导致DLCN在层次簇、簇首节点选取等诸多细节,实现较为复杂,其信息加密复杂度增加,安全性和平衡性问题一直是一个难点。提出针对动态层簇式无线传感网络的信息加密算法。分析动态层簇式无线传感网络结构,计算网络节点权重跳数以及传输时延,选取最优簇首,通过Logistic混沌映射对混沌序列展开计算,结合Merlay状态机的迁移传输,输出子密钥,实现了传感信息的加密。仿真结果表明:所提算法在DLCN数据加密过程中的密文位数始终在60左右、平均密钥扩展用时在2.5 ms以下、且二值比数值更接近于1,具备较高的安全性和平衡性。

基于GOOSE反馈机制的智能变电站过程层网络备用方法

智能变电站过程层光纤网络一旦发生故障,会使二次系统功能失效,故障修复效率低,可靠性降低。为此,提出一种基于GOOSE反馈机制的智能变电站过程层网络备用方法。文章根据二次系统对过程层网络的传输要求,对间隔抖动、丢帧率和光功率等指标建立相应的危害程度量化模型;建立了备用光纤光口单指标和综合指标启动判据;利用GOOSE反馈机制实现对主光纤光口的备用。仿真表明,所提方法可快速完成故障光纤光口的备用切换,提高了过程层网络的可靠性。

多属性神经网络反演在重力流储层预测中的应用——以歧口凹陷歧南斜坡沙一段为例

歧口凹陷歧南斜坡沙一段属于典型的重力流水道沉积,受湖盆深陷扩张、沉积坡度陡等因素影响,各层砂体普遍发育,但纵向相互叠置、横向变化大,地震属性分析对纵向相互叠置砂体的区分能力较差、精度不高。基于特征曲线重构的多属性神经网络反演技术先通过叠后地震资料拓频处理,提高薄层砂岩识别能力,再利用基于高阶统计量的时频分析技术构建五级层序格架,细化地质研究对象,最后采用基于GR曲线重构的多属性神经网络反演进行储层预测。该技术使得砂体叠置区分辨能力更强,边界刻画更清晰,提高了反演结果的精度和准确性,实践证实储层预测符合率可达到80%以上,为纵横向变化大的砂体分布预测提供了一种新的技术思路。

基于多层残差网络的地震提频处理在薄储集层识别中的应用

基于多层残差网络的地震提频处理方法,通过智能化网络将测井高频信息与地震数据相结合,能有效提升纵向分辨率,保持横向连续可追踪,利于薄储集层识别。针对AMH地区常规处理的地震数据仅能识别厚度大于30 m的碳酸盐岩层,无法有效识别厚度较小的薄储集层的问题,提出基于多层残差网络的地震提频处理方法,以井旁地震振幅作为训练数据,测井相对波阻抗作为训练标签,利用深度学习网络多层残差网络开展训练,获取相对波阻抗曲线的预测模型;通过将地震数据作为输入,利用深度网络训练模型计算得到相对波阻抗数据体,进而得到提频后的地震数据体相对应的反射系数体。通过对靶区地质情况的分析认识,对宽频子波进行标定后提取合适的宽频子波,与反射系数体进行褶积,得到提频后的地震数据体;利用提频后的地震数据体开展储集层反演,反演结果纵向具有较高分辨率,与主要目的层能够较好匹配,横向可以进行识别和追踪,利用高分辨地震数据反演结果实现AMH地区的薄储集层识别。结果表明,通过基于多层残差网络的地震提频处理及相应的高分辨模型反演,在AMH地区能够识别厚度大于10 m的薄储集层,较好地解决由于地震分辨率低无法识别薄储集层的问题,有效提高了薄储集层预测的精度,对同类型薄储集层识别具有借鉴意义。