[目的/意义]研究“睡美人”文献的识别方法,对尽早发现重要科技成就及其发明人、加快科技成果转化以及完善学术评价方法等均具有重要意义。[方法/过程]针对高校学术论文成果评价这一特定场景,提出“先客观指标粗筛、后多维参数细选”的...[目的/意义]研究“睡美人”文献的识别方法,对尽早发现重要科技成就及其发明人、加快科技成果转化以及完善学术评价方法等均具有重要意义。[方法/过程]针对高校学术论文成果评价这一特定场景,提出“先客观指标粗筛、后多维参数细选”的研究思路,组合使用K值算法和三指标法,对东北大学发表于Web of Science核心合集的论文样本集进行了“睡美人”文献挖掘的实证研究。[结果/结论]该方法共识别出12篇“睡美人”文献,并对其被引特征、期刊特征、睡眠特征、内容特征等因素进行了分析。实获数据处理结果表明了该方法的有效性,相关研究方法和结果可对东北大学学术论文评价提供重要参考。展开更多
针对电力巡线无人机检测绝缘子缺陷,具有缺陷绝缘子样本数据不均衡、采集难度大等问题,提出一种基于YOLOV5(you only look once V5)算法的绝缘子异常检测模型。首先借助YOLOV5目标检测算法定位绝缘子位置,再把绝缘子图像输入到残差网络...针对电力巡线无人机检测绝缘子缺陷,具有缺陷绝缘子样本数据不均衡、采集难度大等问题,提出一种基于YOLOV5(you only look once V5)算法的绝缘子异常检测模型。首先借助YOLOV5目标检测算法定位绝缘子位置,再把绝缘子图像输入到残差网络提取多层金字塔特征,然后通过K邻近值算法判断特征层像素是否为离群点,由此可判断绝缘子是否存在缺陷。所提方法无须负样本绝缘子图像,仅通过正样本即可训练网络;与常用方法相比,所提算法的准确率和召回率均为最高,表明所提方法泛化性和稳定性较好。展开更多
高速铁路隧道环境中采用LTE-R(long term evolution-railway)无线通信位置指纹定位解算时,针对加权K值邻近位置指纹解算精度低的问题,利用混沌粒子群算法优化权值的良好性能,提出基于混沌粒子群优化的加权K值邻近算法对列车位置指纹定...高速铁路隧道环境中采用LTE-R(long term evolution-railway)无线通信位置指纹定位解算时,针对加权K值邻近位置指纹解算精度低的问题,利用混沌粒子群算法优化权值的良好性能,提出基于混沌粒子群优化的加权K值邻近算法对列车位置指纹定位在线阶段进行指纹匹配解算,分别讨论了指纹间距取25 m、50 m、100 m时混沌粒子群优化加权K值邻近算法的收敛性和精确性.仿真结果表明:经混沌粒子群优化的加权K值邻近算法收敛速度更快,定位解算结果精度更高;在提高列车位置指纹定位精度方面,比单纯的加权K值邻近算法以及经粒子群优化的加权K值邻近算法更具优越性,当指纹间距取25 m时,列车定位误差小于25 m的概率高达96%,使隧道环境中列车位置指纹定位精度得到有效改善.展开更多
文摘[目的/意义]研究“睡美人”文献的识别方法,对尽早发现重要科技成就及其发明人、加快科技成果转化以及完善学术评价方法等均具有重要意义。[方法/过程]针对高校学术论文成果评价这一特定场景,提出“先客观指标粗筛、后多维参数细选”的研究思路,组合使用K值算法和三指标法,对东北大学发表于Web of Science核心合集的论文样本集进行了“睡美人”文献挖掘的实证研究。[结果/结论]该方法共识别出12篇“睡美人”文献,并对其被引特征、期刊特征、睡眠特征、内容特征等因素进行了分析。实获数据处理结果表明了该方法的有效性,相关研究方法和结果可对东北大学学术论文评价提供重要参考。
基金Project(51875481) supported by the National Natural Science Foundation of ChinaProject(2682017CX011) supported by the Fundamental Research Foundations for the Central Universities,China+2 种基金Project(2017M623009) supported by the China Postdoctoral Science FoundationProject(2017YFB1201004) supported by the National Key Research and Development Plan for Advanced Rail Transit,ChinaProject(2019TPL_T08) supported by the Research Fund of the State Key Laboratory of Traction Power,China
文摘针对电力巡线无人机检测绝缘子缺陷,具有缺陷绝缘子样本数据不均衡、采集难度大等问题,提出一种基于YOLOV5(you only look once V5)算法的绝缘子异常检测模型。首先借助YOLOV5目标检测算法定位绝缘子位置,再把绝缘子图像输入到残差网络提取多层金字塔特征,然后通过K邻近值算法判断特征层像素是否为离群点,由此可判断绝缘子是否存在缺陷。所提方法无须负样本绝缘子图像,仅通过正样本即可训练网络;与常用方法相比,所提算法的准确率和召回率均为最高,表明所提方法泛化性和稳定性较好。