基于多源异构信息融合的采摘机械臂驱动控制研究

[目的]为了准确感知采摘机械臂的作业信息,提高驱动控制精度,需要对多自由度采摘机械臂的驱动控制模块进行优化设计。[方法]本研究将采摘机械臂各关节自由度、运动学以及动力学原理融合到设备结构中,完成了多自由度采摘机械臂等效模型的构建。基于构建的等效模型,确定多源传感器设备的安装位置,利用内部安装的传感器设备对机械臂的实时运行信息进行采集,获取位姿信息。同时,根据传感器的空间位置及其相互之间的作用进行信息分群,得出信息级融合结果,以此作为特征级信息融合结果的输入值,提取多源异构信息特征,并通过特征匹配完成融合操作,由此得出任意时刻采摘机械臂运行参数的检测结果。[结果]结合给定的采摘任务,计算采摘机械臂所需的驱动动力以及位姿数据,通过与当前数据的比对确定驱动控制量,利用装设的驱动控制器生成可执行的控制指令,完成驱动控制。与2种对照方法进行的对比试验显示,基于多源异构信息融合的驱动控制方法采摘机械臂的位置控制误差降低约25 mm,姿态角与驱动力控制误差分别降低了0.22°和6.32 mm,得出的控制数据更精准。[结论]由于多源异构信息融合技术能够发挥多种数据的优势,获取到更全面、更准确的位姿信息和控制数据,能够实现对目标果实的精准采摘,从而降低了采摘工作对果实的伤害,具有明显的对比优势和应用价值。

基于异构信息网络的Android恶意程序检测方法

针对传统Android恶意程序检测方法无法解决的伪装及实时检测问题,提出了一种基于异构信息网络的Android恶意程序检测方法。将Android实体及关系建模为异构信息网络中的节点和边,设计了元结构注意力网络表示学习模型和增量学习模型。首先使用元结构注意力网络表示学习模型进行训练集节点嵌入,将节点嵌入及标签输入到深度神经网络中进行训练,再采用增量表示学习模型学习测试集节点嵌入,使用top-k算法寻找邻居节点进行聚合,将待检测节点输入到训练好的深度神经网络中进行检测。实验结果表明,该方法F_(1)值为97.5%,准确率为96.7%,平均检测时间3.7 ms。与现有方法相比,F_(1)值和准确率更高,平均检测时间更短,表明该方法能够有效应对Android恶意程序伪装,可以用于实时Android恶意程序检测。

航空发动机多源异构信息融合诊断新方法

针对航空发动机实际工作中主要监测的气路、油路和机械振动3类参数,建立了全机故障方程,改进了现有技术仅考虑单类别发动机监测参数与故障模式的简单方法。在考虑同类别监测参数与故障模式的前提下,兼顾不同类别监测参数与不同类别故障模式之间的耦合关系,实现了多源异构监测数据的有效融合,解决了同型号多台发动机/单台发动机监测参数得到的同一故障模式的结果差异或矛盾的精化处理问题,给出了一种提高发动机故障诊断结果精度的新方法。

基于AHP+异构信息网络的高校精准志愿服务模型研究

教育数字化是教育高质量发展的应有之义和必由之路。文章在教育数字化背景下,将数字化技术手段应用到高校志愿服务研究中,讨论了党委引领下的高校精准志愿服务构建目标及原则,搭建了基于层次分析法和异构信息网络的高校精准志愿服务算法模型,力图实现多态化服务、精准化服务对象匹配、多维度评估的高校精准志愿服务,为高校德育建设培育新领域、新模式提供参考。

基于Web的网络异构信息提取与聚合方法

为提高网络异构信息提取效率与聚合效果,引进Web技术,开展网络异构信息提取与聚合方法研究。为消除差异性对网络异构信息提取与聚合的影响,通过网络异构信息的归一化处理,实现网络异构信息的预处理;利用Web技术中的线性组合方式,结合用户指导信息,挖掘网络异构信息结构,在Web社区网络中建立信息之间的目标矩阵,实现对网络异构信息多关系的抽取;构建网络异构信息之间的模糊隶属函数,实现对网络异构信息多源目标特征统计与聚合存储。以某科研单位提供的网络异构数据统计集合为例,设计对比实验,实验结果表明:该方法可以在实现对网络异构信息高效、连续提取的基础上,提高聚合后同类别信息之间相似度,优化异构信息聚合效果。

基于多源异构信息自适应融合的镁砂熔炼过程运行状态评价

本文针对镁砂熔炼过程中的电流、声音和图像信息,提出了一种基于多源异构信息自适应加权融合的过程运行状态评价方法。首先,针对镁砂熔炼过程中的多源异构信息进行数据预处理,采用深度学习方法建立基于不同信息的运行状态评价子模型;其次,利用注意力机制建立各子模型决策层自适应融合网络,以综合分析不同熔炼状态下的多源异构信息对评价结果的影响;最后,将融合结果输入SoftMax分类器,建立镁砂熔炼过程运行状态评价模型。仿真结果显示,相比于仅依赖单一种类信息建立的评价模型以及现有的深度学习多源异构信息评价模型,本文所提方法综合考虑多源异构信息的共同作用,基于仿真平台数据与实际生产数据的评价准确率分别达99.5%与98.44%,优于其他被比较的方法,验证了所提方法的有效性和优越性。

半监督全局异构信息保存的网络表示学习

传统的网络表示学习模型存在网络信息保存不全面的缺点,为此提出一种半监督全局异构信息保存网络表示学习框架。采用元路径引导的随机行走策略对路径进行采样并提取异构信息,从而通过自定义的路径模式形式来挖掘异构信息网络中的隐藏信息。该方法通过最小化自编码器的节点检索误差来获得预边缘节点表示,推断节点的边缘属性,并在一个连续的公共向量空间中表示不同类型的节点。进一步通过灵活的自动编码网络,将节点间的高阶邻近性和语义信息集成到一个通用框架中。通过几个异构信息网络挖掘任务,实验结果表明,该方法能够有效地保存各种路径模式下的网络信息,在网络重构、链路预测和节点分类等实际应用中表现优于现有的方法。

异构信息网络的注意力感知多通道图卷积评分预测模型

异构信息网络(Heterogeneous Information Network,HIN)包含了丰富的语义信息,利用其进行评分预测已成为缓解推荐系统数据稀疏性问题的一个重要途径。然而,传统采用元路径来提取HIN语义信息的方法忽略了元路径中的评分信息,从而导致元路径无法精确捕获用户和推荐项目之间的语义相似性,同时也未能良好区分不同元路径的重要性。为了解决这两个问题,首先提出了一种带有评分限制的元路径以获取更准确的HIN语义信息,利用这些信息构建用户和项目多层网络;然后结合图卷积网络和注意力机制设计了一个用于评分预测的神经网络,通过多通道图卷积有效地表示了HIN的多种语义信息,采用注意力机制区分不同元路径的重要性,弥补了传统方法的不足;最后融合了用户和项目的属性信息,进一步提高了评分预测的准确性。在Douban Book和Yelp数据集上的实验结果表明所提模型明显优于对比的基线模型,尤其在数据稀疏的情况下,均方根误差比基线模型最多减少了50%,从而验证了所提模型的优越性。

基于异构信息网络的最大影响力社区搜索

异构信息网络能够对对象类型多样、交互复杂的数据系统进行有效建模。基于异构信息网络进行社区搜索的研究,通常以顶点类型、最小度和网络结构为中心建立社区模型,查询内聚子图。但现有研究存在两个问题:(1)未考虑网络中隐藏的另一种自然属性——影响力对查询结果的影响;(2)忽略了用户对查询结果规模上限的要求,导致查询结果与用户预期不匹配。为此,对与影响力信息相结合的异构信息网络进行研究,并提出组合约束模型作为该类网络的社区内聚性度量标准。为解决基于组合约束模型的社区搜索问题,提出了两种通过预处理和剪枝策略进行优化的搜索算法。最后,在8个数据集上对所提算法的有效性和高效性进行验证。

基于知识图谱的多源异构信息通道耦合技术研究

政务数据资源来源广泛、类型多样、数据量大且分布情况不清晰,缺乏统一管理,数据获取和使用效率较低,无法持续释放数据价值。为解决上述问题,实现不同来源和不同类型数据的关联融合,该文采用多源异构数据融合技术,为政务数据的交换和共享提供技术支持。该文不仅提出了信息通道和通道耦合的概念,还提出一种基于知识图谱的多源异构信息通道耦合的方法,可先实现多源异构数据统一化,再进行数据融合。该方法包括构建初始通道耦合知识图谱、基于通道耦合知识图谱实现通道数据耦合和基于通道耦合知识图谱实现知识更新3个模块。基于知识图谱的多源异构信息通道耦合的方法将图谱构建、知识抽取、知识融合、知识加工、知识更新等技术相结合,通过一种自顶向下的排序检索模型,加快了知识融合和数据检索的速度和准确度。

融合多源异构信息的隧道围岩智能分级方法探索

常用的围岩分级方法受限于样本数量与经验归类,通常只适用于特定类型围岩,存在不良地质条件考虑不精细、多源地质信息利用不充分等局限,其智能化程度不高,在复杂地质条件下隧道围岩分级应用的精度和效率有限。针对这些问题,基于地质勘察设计、超前地质预报、岩石物理实验、掌子面测量等技术获取多源数据,综合考虑岩石性质、不连续体、地质背景、工程施工等多种因素对围岩分级的影响,提出一种融合多源异构信息的隧道围岩智能分级方法。综合多个网络单元构建关联多源异构信息与围岩级别的混合深度神经网络模型,可针对不同来源、不同类型的输入数据选用不同的网络结构开展特征学习,并面向围岩级别开展多分类目标学习,实现围岩智能分级,具有良好的灵活性。

异构信息网络中的社区发现算法应用研究

社区发现是数据挖掘的重点问题之一,社区发现有助于提取数据中隐含的信息和知识,对链路预测、关键节点识别以及个性化推荐等提供有力支撑。多源异构数据一般由多种类型的实体对象和关系组成,具有格式异构、语义多样等特征,异构信息网络可以更好地挖掘数据中的语义信息。针对如何充分利用异构信息网络中丰富的语义信息,提出一种融合多条元路径的社区发现算法。算法综合考虑多条不同元路径下的语义信息,组合多条元路径度量任意节点间的相似性,计算节点的重要性,选取种子节点进行拓展完成初始社区划分,基于种子社区进行标签拓展优化,最终完成社区划分。在真实数据集上进行仿真实验,实验结果表明该算法针对异构信息网络可以得到较好的社区发现结果。

基于异构信息网络的推荐研究综述

推荐在满足用户信息需求和解决信息过载问题中发挥着重要作用,异构信息网络因其蕴含丰富的语义信息为推荐的优化提供了新的途径。在查阅国内外异构信息网络的推荐研究基础上,采用SATI、Ucinet、NetDraw和SPSS等软件进行文献计量分析和可视化分析,得出当前研究热点和进展。依据文献关键词的聚类结果,发现已有研究主要是基于聚类、随机游走、元路径、矩阵分解和网络嵌入的算法,并实现了在学术科研、兴趣点、Web服务、社交好友、专利交易和新闻等推荐场景的应用。基于异构信息网络的推荐研究还有较大发展空间,未来可以在动态推荐、深度网络表示学习和拓展应用等方面开展研究。

基于PML的物联网异构信息聚合处理方法

为了解决常规的物联网异构信息聚合处理方法存在的处理召回率过低问题,提高异构信息处理效果,需要基于PML设计一种新的物联网异构信息聚合处理方法。构建物联网PML异构信息聚合处理模型进行归一化处理;计算PML信息相似度过滤冗余信息;设定动态滑动窗口进行信息流聚类,完成物联网异构信息聚合处理。进行实验表明,设计方法的处理召回率较高,处理效果较好。

基于异构信息网络与TF-IDF的核心药物发现算法

提出一种基于异构信息网络和TF-IDF的核心药物发现算法。其核心思想是建立包含症状、方剂等多种类型对象的异构信息网络,并使用PathSim算法得到方剂之间的相似度来完成方剂聚类。以此为基础使用综合了剂量因素与TD-IDF算法原理的药物重要性系数计算方法完成核心药物发现。本文从《伤寒论》的方剂中划分出9个主要聚类并给出了各个聚类上重要性排名前5的药物,该算法可以考虑到多方面的信息,合理地挖掘出核心药物。

基于异构信息网络的信贷反欺诈研究

近年来,移动终端设备的数字化程度陡升,信贷行业的欺诈行为呈现出动态发展、行为隐蔽和专业伪装等新特点,海量数据的跨量级增长为传统反欺诈算法的有效性和计算效率都带来了不小的挑战。因此,为了充分学习信贷场景中不同实体间的交互信息,降低算法计算消耗以使其适用于大规模图数据任务,提出了基于异构信息网络的特异群组挖掘算法BKH-(Bron-Kerbosh-H-II),即首先针对源数据中的信贷实体及实体间的关系进行界定和分类,并将不同实体间的相似度作为关系权重,以此构建信贷异构信息网络,对该网络采取了两阶段的基于H图的极大团枚举算法,用于挖掘特异群组,最终通过局部特征工程修正划分得到潜在的欺诈群体,经实验证明,BKH-II在4种评价指标上的准确度分别为NMI=0.983,NRI=0.96,F-score=0.943,Omega=0.95,并表现出了良好的泛化性和较低的计算复杂性。

面向大型制造企业的MES多源异构信息集成架构

常规MES多源异构信息集成架构易受信息原有连接关系影响,导致架构的ULL指标偏低,因此需要面向大型制造企业设计一种全新的MES多源异构信息集成架构。即分析大型制造企业生产特点,设计MES多源异构信息集成业务流程,面向大型制造企业构建MES多源异构信息集成模型,生成MES多源异构信息集成优化架构,从而实现了多源异构信息集成。测试结果表明,设计架构的ULL指标较高,证明其集成处理速度较快,数据信息分辨率较强,具有可靠性。

基于异构信息网络的社区精准志愿服务模型研究

社区志愿服务是志愿服务的重要组成部分,而目前社区志愿服务却陷入服务不当、共享不足、管理错位、评价失效的困境。该文提出基于异构信息网络的社区精准志愿服务模型,该方法通过元路径计算得到相似度矩阵,在一定阈值下实现志愿者、受助者、志愿活动、社区间的精准智能配对;同步构建区域、社区、志愿活动、志愿者、受助者等多方志愿服务画像,具象化志愿服务整体情况;初步探索出以精心服务、智能匹配、精细管理为特征的社区志愿服务新模式,为通过技术将共建共享的理念在人民心中生根、推动共同富裕建设提供参考。

基于Java和XML技术的异构信息系统数据集成框架应用研究

企业信息化的逐步深入,企业内部以及企业之间存在着大量异构信息的交互和共享,Java与可扩展的标记语言(XML)技术为实现网络环境下异构信息的交互提供了解决方案。提出应用Java和XML技术建立适用于企业信息化的面向异构系统数据集成的框架结构,并对实现框架结构所涉及的关键技术和实现方法进行了研究,在此框架结构的基础上建立了基于Web的面向异构应用系统的集成适配器工具,作为一个主要的支撑工具模块,在基于PDM技术的项目管理系统中得到了应用。

一种引入加权异构信息的改进协同过滤推荐算法

协同过滤作为当前应用最成功的推荐技术之一,其推荐质量在很大程度上取决于近邻用户选取的准确性,而数据的稀疏性问题(sparsity)和相似度度量方式(similarity metrics)严重影响着最近邻的选择。该文提出了一种引入加权异构信息的改进协同过滤算法。首先利用异构网络中丰富的语义信息和边属性信息,得到用户之间基于不同元路径的相似度;然后将相似度分别应用到典型的基于用户的协同过滤推荐算法中,得到基于每个相似度的用户评分值;最后采用监督学习算法为每个打分值分配不同的权重,融合为用户最终评分。在扩展Movie Lens经典数据集上的实验结果表明,本文所提算法在精确度上较传统算法有显著提高。