外形特征类量词的语义辨析及发展趋势

汉语的外形特征类量词非常丰富,笔者力图从一些用例范围比较宽泛的词例出发,探求它们的语义特征并从认知的角度分析了量词使用灵活性的原因,丰富的外形特征类量词有其积极作用,也有其消极作用,它们的发展趋势也需要我们予以足够的关注。

《世说新语》双音复合词内部形式反映对象特征类分

《世说新语》双音复合词内部形式反映对象特征类分李杏华《世说新语》中有双音复合词１３２６条，从内部形式反映对象特征看，复合词可分为表象和表质两大类。表象复合词内部形式所反映的对象，能诉诸于眼、耳、、鼻、舌、身等感觉器官。例如，声音、气味、状貌、外在行为...

基于特征聚类的轨道不平顺潜在病害辨识

研究目的:轨道不平顺潜在病害隐蔽性强,对其准确合理辨识是开展预防修策略下线路养护维修作业的前提。本文以轨检数据为基础,分别构造了以轨道质量指数(TQI)和轨道不平顺幅值为对象的潜在病害辨识指标。在此基础上,基于k-means++聚类算法和手肘法通过判定样本最佳聚类簇数实现潜在病害的识别及定位。依托某有砟铁路动检数据对所提轨道不平顺潜在病害辨识方法进行了验证。研究结论:(1)对于均值管理来说,在16 km连续轨道区段上2处区段单元潜在病害被准确识别,其历史最大TQI值分别约为5.5 mm、5.3 mm,且潜在病害定位结果与实际里程基本吻合;(2)对于峰值管理来说,在500 m连续轨道区段上2处局部不平顺潜在病害也被准确识别,其历史最大幅值约为3 mm、3.3 mm,潜在病害定位结果与实际里程基本吻合;(3)本研究成果可与大机捣固作业、人工精调作业相结合,为预防修策略下的潜在病害整治提供辅助参考。

结合未知类特征生成与分类得分修正的SAR目标开集识别方法

现有合成孔径雷达(SAR)目标识别方法大多局限于闭集假定,即认为训练模板库内训练目标类别包含全部待测目标类别,不适用于库内已知类和库外未知新类目标共存的真实开放识别环境。针对训练模板库目标类别非完备情况下的SAR目标识别问题,该文提出一种结合未知类特征生成与分类得分修正的SAR目标开集识别方法。该方法在利用已知类学习原型网络保证已知类识别精度的基础上结合对潜在未知类特征分布的先验认知,生成未知类特征更新网络,进一步保证特征空间中已知类、未知类特征的鉴别性。原型网络更新完成后,所提方法挑选各已知类边界特征,并计算边界特征到各自类原型的距离(极大距离),通过极值理论对各已知类极大距离进行概率拟合确定了各已知类最大分布区域。测试阶段在度量待测样本特征与各已知类原型距离预测闭集分类得分的基础上,计算了各距离在对应已知类极大距离分布上的概率,并修正闭集分类得分,实现了拒判概率的自动确定。基于MSTAR实测数据集的实验结果表明,所提方法能够有效表征真实未知类特征分布并提升网络特征空间已知类与未知类特征的鉴别性,可同时实现对库内已知类目标的准确识别和对库外未知类新目标的准确拒判。

老年陪护机器人的人格化类童特征情感表达研究

目的 在面向医养结合的智慧养老服务模式下,研究用户对老年陪护机器人情感表达的感知结果和形态偏好,以减少用户的使用障碍和对机器人的不信任感。方法 采用文献分析的方法,对老年陪护机器人CareBot提出6种类童特征的情感表达设计原则,通过与机器人的互动实验研究,对调查问卷结果进行统计学分析,形成可视化的数据报告来深入探讨用户对机器人的评估结果。结果 参与者能较好识别其中3种情感表达(热情的、冷漠的和惊讶的),参与者的年龄与熟悉儿童或智能产品的程度对评估结果有明显影响。同时,机器人具有大眼睛表情、可爱动作和儿童声音的类童特征形态,对老年人更具亲和力。而情感表达原则中“表情”“表情与声音的组合”适用性和一致性较高。结论 适当的类童特征可以增强机器人的情感表达能力,增加机器人正面情感表达、减少负面情感表达的设计,有助于提高养老服务机器人的接受度。

一种基于融合特征聚类和随机配置网络的轴承剩余寿命预测方法

针对轴承剩余寿命(remaining useful life,RUL)预测中故障始发时刻(first predicting time,FPT)基于人为主观选择以及预测滞后带来的维护风险的问题,提出了一种基于融合特征和随机配置网络(stochastic configuration networks,SCNs)的轴承剩余寿命预测方法。首先,采用互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)对原始轴承水平振动信号进行分解,再提取其时域、频域信号,构建融合特征。最后,使用小波聚类划分健康状态,找到合适的FPT,并结合能反应轴承退化的特征构建健康数据集,通过SCNs网络离线建模进行预测,并根据拟合曲线的斜率以及RMSE指标对预测结果进行校正。通过实验分析,所提方法的综合得分高达0.83,误差百分比的平均绝对误差(mean absolute deviation,MAD)和标准偏差(standard deviation,SD)分别为5.26和3.38;与其他预测方法相比,本文所提方法有较高的预测精度。

基于特征聚类驾驶员服从度跟驰模型参数标定

服从度是指网联车驾驶员在跟驰过程中对前车传递的信息服从程度。现有的服从度划分方法无法满足精确标定跟驰模型参数的要求。提出了一种基于真实轨迹数据特征聚类精确划服从度的方法。首先,提取真实轨迹数据中与服从度相关的5类特征,设计基于离群点递归筛除的Kmeans++算法进行精确特征聚类,将服从度分为三类(高、一般、低);然后将前景理论效用函引入IDM模型,构建考虑服从度的改进IDM模型;最后将聚类后的轨迹数据按照2:1比例划分参数标定与验证数据集,分别对不同服从度的改进IDM模型与常用IDM模型进行标定与验证。使用车头间距相对均方根误差(RMSPE)作为参数标定与结果验证的误差量化指标。结果表明:高服从度-IDM模型、一般服从度-IDM模型与低服从度-IDM模型在参数标定与结果验证中RMSPE均值分别为:18.2%,21.9%,24.1%和23.2%,26.8%,28.1%,均低于IDM模型两个阶段RMSPE均值:29.7%和32.2%。说明上述分类方法满足精确划分服从度与标定改进跟驰模型参数的要求。

基于特征聚类与降维的新闻文本智能分类算法

文本分类是当前智能处理新闻数据信息的一种有效手段。为了提高信息处理的准确性和有效性,提出基于特征聚类与降维的新闻文本智能分类算法。首先,利用汉语词汇分析系统ICTCLAS对新闻文本分词作预处理,去除其中的停用词,并区分新闻文本的词性。然后,利用权重函数对新闻文本作降维处理,约简新闻文本的关键词集。最后,采用聚类分析技术对新闻文本特征实施聚类,得到不同类别的新闻文本。实验表明,所提出的算法得到的分类结果准确率在96%以上,召回率在98%以上,说明所提出的算法能够实现对新闻文本智能精准分类,具有良好的应用前景。

基于异构特征融合的多维时间序列分类算法

随着大数据时代的到来和传感器的发展,多维时间序列分类问题成为数据挖掘领域的重要问题。多维时间序列存在维度高、维度间关系复杂、数据形态多变的特点,从而生成巨大的特征空间。现有方法难以选取有区分力的特征,导致方法的准确度普遍较低。另一方面,现有方法的分类结果的可解释性较差。针对上述问题,提出了一种基于异构特征融合的多维时间序列分类算法。该算法融合了时域、频域和区间统计值这3种特征并对特征进行聚类,从而找到最有代表性的特征。首先为每个维度提取不同类型的代表性特征,再通过多维度特征转换的方法融合所有维度的不同类型的特征,形成特征向量,并基于此训练分类模型。为了提高分类结果的可解释性,算法基于树结构生成不同类型的候选特征集合,然后通过聚合消除冗余和相似的特征,最终获得少量代表性特征。为了验证所提算法的有效性,在公开的UEA数据集上进行了大量实验。实验结果显示,所提算法的准确性、特征融合的合理性,以及分类结果的可解释性均优于现有方法。

基于自适应邻域与聚类的非平衡数据特征选择

为了解决传统邻域粗糙集未考虑不平衡数据的类分布,多数邻域系统通过人工调试难以找到最佳邻域半径,以及聚类时指定簇的数目等问题,提出一种基于自适应邻域与聚类的非平衡数据特征选择方法。根据样本在各个特征下与其他样本距离的平均值来确定样本的自适应k近邻和共享近邻,定义自适应邻域密度并设计混合采样模型,构建平衡决策系统。基于特征分布定义新的邻域半径,使用高斯核函数研究邻域内样本之间的模糊相似关系,使用模糊邻域互信息度量特征间的相关性,基于此对特征进行聚类。基于模糊邻域互信息构造粒子群初始化策略,并引入动态位掩码策略与适合整数编码的差异性扰动算子,改进整型粒子群优化算法,实现从特征簇中选出代表性特征构成最终的特征子集。在19个非平衡数据集的实验结果表明所设计的算法有效地提高了非平衡数据的分类性能。

基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测

净负荷是实际负荷与光伏出力之差,针对净负荷中实际负荷强波动性与光伏出力强随机性相互耦合、表后光伏出力不可见等特点导致准确预测困难的问题,提出了一种基于时空特征聚类和双层动态图卷积网络建模的短期净负荷预测方法。首先,通过提取用户净负荷的日内时间特征、长期趋势特征和空间关联特征建立净负荷子集群聚类模型;其次,以子集群为图节点构建考虑“负荷-光伏”双维相关性的图结构,使其能够同时反映负荷和光伏出力特性;最后,引入净负荷总节点和动态邻接矩阵,构建通过长短期记忆神经网络连接的双层动态图卷积模型,得到净负荷预测结果。基于悉尼Ausgrid实际净负荷数据设计的消融实验结果表明,所提时空特征聚类方法和双层动态图结构分别使净负荷预测结果的均方根误差降低了13.44 kW和7.55 kW。未来将进一步拓展预测尺度,为电网保供决策提供更多信息支撑。

基于邻域互信息与K-means特征聚类的特征选择

针对多数邻域系统通过人工调试很难搜索到最佳邻域半径,以及传统的K-means聚类需要随机选取簇中心和指定簇的数目等问题,提出了一种基于邻域互信息与K-means特征聚类的特征选择方法。首先,将样本在各特征下与其他样本距离的平均值作为自适应邻域半径,确定样本的邻域集,并由此构建自适应邻域熵、邻域互信息、归一化邻域互信息等度量,反映特征之间的相关性;然后,基于归一化邻域互信息构建自适应K近邻集合,利用Pearson相关系数表示特征的权重定义加权K近邻密度,实现自动选取K-means算法的簇中心,进而完成K-means特征聚类;最后,给出加权平均冗余度,选出每个特征簇中加权平均冗余度最大的特征构成最优特征子集。实验结果表明所提算法不仅可以有效提升特征选择的分类结果而且可以获得更好的聚类效果。

基于质心−凸包−自适应聚类法的浮选泡沫动态特征提取

面对复杂的浮选现场环境及浮选泡沫自身相互粘连导致的边界不清等情况,现有泡沫动态特征(流动速度和崩塌率)提取方法往往无法准确划定属于每个泡沫的动态特征采样区域、不能全面匹配相邻帧间的特征点对且难以有效识别崩塌区域。针对上述问题,提出了一种基于质心−凸包−自适应聚类法的浮选泡沫动态特征提取方法。该方法采用集成Swin−Transformer多尺度特征提取能力的改进型Mask2Former,实现对泡沫质心的精准定位和崩塌区域的有效识别;通过最优凸包评价函数搜寻目标泡沫周围相邻一圈泡沫质心构建的凸包,拟合出接近实际泡沫轮廓的动态特征采样区域;运用基于Transformer的局部图像特征匹配(LoFTR)算法匹配相邻帧图像间的特征点对;针对动态特征采样区域内部的所有特征点对,通过基于OPTICS算法的主特征自适应聚类法提取每个泡沫的主要流动速度。实验结果表明,在普通泡沫质心定位和崩塌区域识别任务中,该方法分别取得了88.83%,97.92%的准确率及77.90%,96.52%的交并比;以2.69%的平均剔除率实现了99.93%的特征点对匹配正确率;在多种工况下均能有效划定与实际泡沫边界相近的特征采样区域,进而定量提取每个泡沫的动态特征。

基于特征聚类和等距映射的无监督特征选择算法

为了提高无标签场景下特征选择的准确率和稳定性,提出一种基于特征聚类和等距映射的无监督特征选择算法。特征聚类将相似性较高的特征聚成一类,然后结合等距映射和稀疏系数矩阵定义新的特征得分计量函数。该函数对各特征簇中的特征进行打分,选择出每个类簇中得分最高的代表特征,构成特征子集。在14个广泛应用的数据集上的实验结果表明:本文所提算法能够选择出具有强分类能力的特征,且算法具有很强的泛化性。

语音数据特征聚类分析

由于语音的复杂与多变,传统声学方法并不能很好地提取出语音的公共特征,容易受到训练数据中说话人发声特点差异的影响,造成模型的不稳定并影响其精度。针对这一问题,文章提出利用语音特征的聚类中心替代原语音特征进行BERT模型预训练的方法,通过与普通BERT模型对比在自动语音识别(Automatic Speech Recognition,ASR)下游任务的表现,证明了对语音特征进行的聚类操作在聚类中心数量合适的情况下,聚类后的BERT模型拥有更好地下游任务契合度,聚类中心数量为100的预训练模型错词率比普通预训练模型降低了2.32%。

大数据消冗技术下虚拟网络聚类特征层次布局算法

针对在虚拟网络布局过程中,存在大量重复特征与相关性较少的特征,影响其布局效率的问题,提出了大数据消冗技术下虚拟网络聚类特征层次布局算法。利用加权无向图方式建立虚拟网络图,通过社团划分虚拟网络社团结构,在保持原有特征不变的前提下,最大限度消除虚拟网络聚类特征,得到相关性较大特征;根据库伦力的斥力增加各社团之间距离,采用胡克定律的引力缩小网络节点与中心点之间距离,结合共轭梯度(FR:Flecher-Reeves)算法调整虚拟网络聚类特征层节点的斥力与引力之间关系,实现层次布局算法。实验结果表明,所提算法能更加清晰展现出各社团内部结构特征,且布局用时最短。

基于特征聚类和时间序列分析的协同过滤推荐方法

分布式系统各节点间的故障特征具有相似性,推荐方法根据故障特征的相似性给出推荐结果,能够提升维护效率。推荐方法采用相似度全局比对,计算效率较低。维护方案的有效性随时间降低,存在时效性差的问题。提出了一种基于特征聚类和时间序列分析的协同过滤推荐方法,利用K-means算法对故障特征进行聚类,以提升相似度比对的计算效率。根据多模态故障特征融合匹配维护方案,对推荐结果进行时间序列分析,调整维护方案权重,保证推荐结果的准确性和时效性。此外,利用均值策略实现了评分融合,建立多故障特征下的组推荐模型。实验表明,与UBCF和IBCF两种方法相比,该文方法的准确率分别提升了1.27%和4.46%,召回率分别提升了2.77%和0.61%。

长三角城市群碳排放空间分布与聚类特征研究

该文基于“统计数据+大数据”的多源数据,系统分析了长三角城市群碳排放的指标、时空及聚类特征,得出碳排放空间呈现出典型的“核心—边缘”特征,碳排放效率与城市行政级别、城市空间、社会结构、生态本底、经济基础高度相关,并基于此提出构建低碳国土空间格局,提升空间减碳效益;实行低影响城市开发,以碳定人管控城市发展;建立“因城治碳”管理体制,引导城市可持续发展的治理策略与建议。

Ⅱ类广义气水混驱特征曲线的建立及应用

在Ⅱ类广义水驱特征曲线的基础上,引入了地下含气水率概念,类比建立了Ⅱ类广义气水混驱特征曲线。此类曲线对应的含气水变化规律数学模型在n、m取不同数值时,不仅可以转化为S型含气水变化规律,而且也可以转化为描述凸型、S-凸型、S-凹型、凹型等不同形态的含气水变化规律,丰富了气水混驱油藏开发效果评价方法。给出了Ⅱ类广义气水混驱特征曲线通式及其对应的含气水变化规律数学模型的求解方法,并分别评价了葡北油田三间房组油藏气水交替混相驱和锦州油田S31油藏气顶+边水混驱的开发效果,拟合精度较高,可供其他油藏开发借鉴。

考虑关联波段特性的光谱相似图像分类方法

光谱相似图像分类性能过差会增加光谱信息冗余度,降低地物勘探与军事防御等多种领域的光谱探测效率。为了多元素匀质区分光谱信息与光谱曲线,提出考虑关联波段特性的光谱相似图像分类方法。该方法首先利用光谱匹配消除光谱相似图像白色光源过曝现象。然后提取优化图像的关联波段,并将其作为聚类特征输入支持向量机中。最后根据支持向量机的输出结果,实现光谱相似图像分类。实验结果表明,所提方法分类结果清晰度较高,分类误差或像素块填色错误小,混淆矩阵中同行同列矩形块的分类精度较高。