基于本体的知识聚合策略

探讨了本体论在知识库管理中的应用和方法,给出了基于本体论知识库元模型结构,阐述了知识库本体的建立和融合过程,并利用有色Petri网对融合工程进行验证.

基于改进短链聚合策略的无线传感器网络路由算法

为延长网络生存时间和数据传输的时效性,提出一种基于改进短链聚合策略的无线传感器网络路由算法.首先,分析无线传感器网络协议结构,考虑到无线传感器网络运行过程中的节点能耗问题,根据链式数据采集协议设计改进路由算法;其次,利用贪心算法找到邻居节点,通过引入距离门限方程实现建链,建链后综合考量节点传输数据能耗与剩余能量选举路由簇头,以达到延长网络寿命并提高数据传输效率的目的;最后,利用MATLAB软件仿真实验验证该算法的有效性.仿真实验结果表明,该算法能有效控制网络能量的均衡性,并延长了网络寿命,运行效果良好.

乐器识别中频谱特征与聚合策略性能评估

乐器识别领域中,传统降采样或全局映射方法得到的特征对输入表达不够准确且判别能力不足。为此借鉴图像领域聚合局部特征的思想,提出一种结合频谱特征和图像领域特征聚合策略的方法。考虑涉及中国传统乐器的研究较少,建立了包含12种中国传统乐器的独奏音乐数据集。为适应频谱图输入,对ResNet34的变体网络模型进行了修改,在建立的数据集上分别针对乐器识别和验证任务对不同特征和聚合策略的9种组合模型进行了性能对比。实验结果表明,基于短时幅度谱和GhostVLAD的组合模型,在乐器识别任务中达到93.3%的准确率,优于其他模型,且收敛速度最快。

践行聚合策略提高语文阅读教学实效探赜

阅读教学是师生围绕文本进行深入对话的过程,教师要聚合学生的原始水平、思维方式和情感态度,将阅读教学推向扎实、丰实和充实的境界。要聚合学生原始水平,迈向扎实之境;要聚合学生思维方式,达成丰实之境;要聚合学生原有情感,走向真实之境。要切实提高语文阅读教学实效,提升学生语文核心素养。

从包容走向聚合——小学语文“合·实”课堂中实施聚合策略的实践点滴

要实现真正的有意义学习，就需要遵从学生的个性特点，包容他们迥异的个人色彩，并由此聚合学生的心理变化、思维动态与情感波澜等多方面学习因素，从而实现语文“合·实”课堂的充实和丰满，在自主钻研文本、合作学习中走向语文学习的共生。

基于关联数据的数字资源语义聚合策略

文章在梳理国内外关联数据语义聚合研究现状的基础上,针对语义网环境下数字图书馆资源多维度聚合问题,对关联数据在语义关联中的特点和优势进行研究,提出基于关联数据的数字资源语义聚合策略,为数字图书馆资源多维度聚合从理论走向应用提供有益参考。

基于指标排序的电动汽车聚合控制策略

考虑电动汽车车主、电动汽车聚合商以及调度机构的需求,依据电动汽车充放电特性建立了以需求响应为基础的电动汽车聚合商及调度机构双层管理模式。根据电池寿命、可控状态、荷电状态、经济效应等因素,提出4种电动汽车调控次序指标及综合判定指标。在此基础上,考虑用户出行需求等约束条件,提出基于指标排序的电动汽车聚合控制策略。基于工商业区的仿真算例验证了该聚合策略的合理性及有效性。

基于用户兴趣模型的个性化阅读策略研究

大数据时代,最大的挑战在于如何推荐用户感兴趣的内容与铸就高品质个性化阅读服务。为解决这一问题,需研究以用户为中心的多元化服务聚合;研究系列化、多情境、多视角的文献内容聚合方法;打造支撑内容聚合的聚类技术体系。因此,探讨了以用户为中心的服务聚合、内容聚合和技术聚合,形成了一系列聚合策略;并探讨了个性化阅读的发展前景与应用价值。

基于OVO分解策略的智能卷烟感官评估方法

针对智能卷烟感官评估系统中涉及的多分类问题,采用"一对一"(one-versus-one,OVO)分解策略将复杂的多分类问题分解成多个易于处理的二分类子问题,然后针对这些子问题分别建立二值分类器,最后采用一定的聚合策略将二值分类器组合成多类分类器.此外,分别采用基于动态分类器选择和基于距离相对竞争力加权法对OVO中的冗余二值分类器进行处理,从而降低其对OVO系统的消极影响.为了验证所采用的方法在智能卷烟感官评估中的有效性,采用国内某烟草公司提供的数据集进行对比实验.实验结果表明,在智能卷烟感官评估中基于OVO分解策略的多分类方法比传统方法具有更优的分类性能.

基于代理的网格中间件设计与策略研究

为了使网格技术能更好的支撑上层应用,增强网格中间件的灵活性和调度效率。提出了一种基于代理的网格中间件体系结构,该中间件在设计上充分利用代理的可移动性和可控管理提高网格底层资源的利用率。最后在电信客户价值分析业务的实现框架基础上,给出网格中间件中任务分解、任务执行和服务聚合等策略,本研究结果可以提供高效、安全和可控的上层应用开发。

基于递进式特征增强聚合的伪装目标检测

伪装目标检测(COD)旨在检测隐藏在复杂环境中的目标。现有COD算法在结合多层次特征时,忽略了特征的表达和融合方式对检测性能的影响。为此,提出一种基于递进式特征增强聚合的COD算法。首先,通过主干网络提取多级特征;然后,为了提高特征的表达能力,使用由特征增强模块(FEM)构成的增强网络对多层次特征进行增强;最后,在聚合网络中设计邻近聚合模块(AAM)实现相邻特征之间的信息融合,以突显伪装目标区域的特征,并提出新的递进式聚合策略(PAS)通过渐进的方式聚合邻近特征,从而在实现多层特征有效融合的同时抑制噪声。在3个公开数据集上的实验表明,所提算法相较于12种最先进的算法在4个客观评价指标上均取得最优表现,尤其是在COD10K数据集上所提算法的加权的F测评法和平均绝对误差(MAE)分别达到了0.809和0.037。由此可见,所提算法在COD任务上拥有较优的性能。

不同基础配置的虚拟电厂内部资源组合策略研究

虚拟电厂内部资源的组合形式影响到其出力稳定性以及各分布式资源的使用效率。针对含有不同基础配置的虚拟电厂对不同DER的选择方式,提出了不同基础配置的虚拟电厂内部资源组合策略。首先对各DER的特性进行描述,之后以VPP在日前市场的预期收益最大化为目标,兼顾各DER运行特性以及电网约束,建立了计及DER特性的VPP内部资源聚合模型,通过算例分析得到了多场景下VPP内部资源的组合形式以及各DER的出力情况。算例结果表明,VPP内部资源组合策略随着运行场景的变化而变化,并且各个场景下VPP对可调节资源的需求均很大。相比于其他VPP,自身拥有可调节资源作为基础配置的VPP运行收益明显较大。

词汇学理论下的英语词汇记忆策略初探

英语词汇是英语学习中最关键的环节之一,如何记忆单词也是重中之重。该文从词缀法策略、语义场策略以及纵聚合关系策略对英语词汇记忆进行探讨研究。

浙江省虚拟电厂高质量发展路径研究

为系统梳理浙江省现有虚拟电厂建设运行现状,量化评估虚拟电厂建设资源潜力,科学谋划浙江省虚拟电厂高质量发展路径,研究拟通过虚拟电厂技术支撑体系与商业模式,围绕工业、建筑、交通等重点领域分类测算虚拟电厂建设资源潜力,并聚焦政策制定、技术标准、市场机制等方面提出具体建议,以期为浙江省虚拟电厂高质量发展提供支撑。研究显示,浙江省需求响应资源超1000万kW,若能全部发挥效用,最大可相当于1.5个白鹤滩电站实现顶峰送电,平衡电力供需作用相当明显。建议尽快建立全省统一虚拟电厂管理机构,加快构建虚拟电厂市场化机制,加强技术、制度保障,全力打造虚拟电厂“浙江样板”。

基于代理的网格计算机中间件的研究

本文基于对网格技术支撑上层应用的阐述,提出一种基于代理的网格中间件体系结构,在设计上利用代理的可移动性及可控管理使网格底层资源利用率明显提高,对于提高网格中间件的调度效率及灵活性具有十分重要的意义。

环境监测中无线传感器网络路由算法的改进

针对无线传感网在环境监测应用中节点能量的问题,基于PEGASIS算法设计了一种改进的路由算法PBRE。该算法采用了改进的距离门限策略(短链聚合策略),并在簇头选举过程中综合考虑了节点发送数据的能耗和剩余能量。实验表明,该算法在延长网络生存时间和数据传输时效性上的有效性,且具有一定程度上的避障功能。

基于激励机制的联邦学习优化算法

针对联邦学习的训练过程迭代次数多、训练时间长、效率低等问题,提出一种基于激励机制的联邦学习优化算法。首先,设计与时间和模型损失相关的信誉值,基于该信誉值,设计激励机制激励拥有高质量数据的客户端加入训练。其次,基于拍卖理论设计拍卖机制,客户端通过向雾节点拍卖本地训练任务,委托高性能雾节点训练本地数据从而提升本地训练效率,解决客户端间的性能不均衡问题。最后,设计全局梯度聚合策略,增加高精度局部梯度在全局梯度中的权重,剔除恶意客户端,从而减少模型训练次数。

基于卷积循环神经网络的关系抽取

关系抽取是信息抽取领域一项十分具有挑战性的任务,用于将非结构化文本转化为结构化数据。近年来,卷积神经网络和循环神经网络等深度学习模型,被广泛应用于关系抽取的任务中,且取得了不错的效果。卷积网络和循环网络在该任务上各有优势,且存在一定的差异性。其中,卷积网络擅长局部特征提取,循环网络能够捕获序列整体信息。针对该现象,该文综合卷积网络抽取局部特征的优势和循环网络在时序依赖中的建模能力,提出了卷积循环神经网络(convolutional recurrent neural network,CRNN)。该模型分为三层:首先针对关系实例抽取多粒度局部特征,然后通过聚合层融合不同粒度的特征,最后利用循环网络提取特征序列的整体信息。此外,该文还探究多种聚合策略对信息融合的增益,发现注意力机制对多粒度特征的融合能力最为突出。实验结果显示,CRNN优于主流的卷积神经网络和循环神经网络,在SemEval 2010Task 8数据集上取得了86.52%的F1值。

基于双路多尺度金字塔池化模型的显著目标检测算法

为提升复杂环境装甲目标的检测精度,提出了一种显著目标检测算法,该算法通过视觉注意机制与联合金字塔上采样模块分别获取视觉注意机制约束的低层次特征与多尺度池化语义特征,利用聚合策略进行融合,提升低对比度或遮挡情况下的目标表征能力。测试结果表明,文中算法对复杂场景下多尺度目标均取得了良好的检测效果,其精度、召回率与平均精度分别为72.2%、71.4%与77.1%,能够满足实际应用需求。

融入词汇共现的社交网络用户情感Biterm主题模型

近年社交网络用户数量不断增加,基于文本的用户情感分析技术得到普遍关注和应用。但数据稀疏性、精度较低等问题往往会降低情感识别方法的精度和速度,提出了用户情感Biterm主题模型(US-BTM),从特定场所的文本中发现用户偏好及情感倾向,有效利用Biterm进行主题建模,并使用聚合策略形成伪文档,为整个文本集创建词汇配对以解决数据稀疏性和短文本等问题。通过词汇共现算法对主题进行研究,推断文本集级别信息的主题,并通过分析特定场景下的评论文本集中的词汇配对集及其相应主题的情感,达到准确预测用户对特定场景的兴趣、偏好和情感的目的。结果证明,所提方法能准确地捕捉用户的情感倾向,正确地揭示用户偏好,可广泛应用于社交网络的内容描述、推荐及社交网络用户兴趣描述、语义分析等多个领域。