无人仓系统订单分批问题及K-max聚类算法

为了提高订单拣选效率、降低拣选成本,研究了以自动引导小车(AGV)为搬运工具的无人仓库系统订单分批问题。分析了影响订单拣选成本和效率的两种主要因素,建立了以订单分批拣选总成本极小化为目标的整数规划模型。根据K-means聚类算法思想,结合订单分批问题的优化目标,基于每批订单中包含的商品种类和拣选每批订单需要搬运的货架信息,利用取大(max)运算符分别定义了能够反映订单拣选成本的两种类中心,以及订单到两种类中心的距离。进一步以工作人员拣选每种商品的单位成本和AGV搬运一个货架的成本为权重,构造了订单到批次(类中心)的加权距离。在此基础上设计了K-max聚类算法求解订单分批问题。采用具体算例验证了K-max聚类算法的有效性。

K-MAX直升机在横断山脉高原林区灭火适应性探讨

滇西北、川西横断山脉高原林区是我国森林火灾易发区和高风险区,国家对该林区森林防火基础设施、扑火力量建设等方面高度重视,并有大量投入。目前,从国外引进的M-26、M-171、K-32等多种机型直升机已在该区域开展森林航空消防作业。从美国引进的K-MAX直升机已连续3年在横断山脉高原林区实施森林航空消防作业。K-MAX直升机性能特点及其开展的大量森林航空消防吊桶灭火实践说明:K-MAX直升机能够完成并已适应高原林区灭火作业。将来应针对高原林区自然条件,运用K-MAX直升机开展物资投送、吊装设备等综合航空应急救援工作。

赴美国调研采购K-Max直升机有关情况的报告

为学习和借鉴美国先进森林航空消防经验,推进我国森林航空消防事业快速发展,应美国康涅狄格州州长丹尼尔·P·马洛依先生邀请,以国家森林防火指挥部办公室王海忠副主任带队的4人调研组,于2014年6月23日至28日,对美国进行了为期6天的调研考察。

美国国防部就无人二次补给评估A160T和K-Max

美国国防部已经确定评估波音A160T和卡曼K-Max无人驾驶直升机在阿富汗执行二次补给任务能力的合同。卡曼公司与洛克希德.马丁公司搭配的评估合同额为4580万美元。

凯门先生、凯门航宇公司和K-MAX直升机

前不久,笔者应美国凯门航宇公司(Kaman Aerospace Corp.)公关主任J.肯尼思纳山的邀请,访问了这家坐落于美国东北部小城布卢姆菲尔德的,尚不为我国读者熟知的航宇公司,并有幸见到了74岁高龄的公司总裁凯门先生(Charles H.Kaman),并在公司高级雇员魏阜旋先生陪同下参观了公司部分试验和生产厂房以及公司最新推出的民用起重直升机——K-MAX“空中拖拉机”。对该公司独特的技术、独特的产品以及走过的独特发展道路留有深刻印象。

基于BG-DATT-CNN网络的方面级别情感分析

分析句子针对不同方面的情感极性,深入挖掘评论文本中的信息,为企业生产决策提供建议。针对传统方法多考虑单一层面注意力信息,且基于RNN的模型忽略了局部特征的重要性,而基于CNN的模型不能捕捉长距离依赖的信息的问题,提出了基于双重注意力机制的BG-DATT-CNN模型。在特征表示上,利用BERT对句子和方面词分别进行词向量编码,获得文本的深层语义特征。在特征提取上,设计了双重注意力机制,通过计算两类权重获得综合权重,强化文本的上下文相关特征和方面相关特征。在模型构建上,设计了BG-DATT-CNN网络,结合GRU和CNN各自的优势,Bi-GRU层捕捉文本的上下文全局特征,CNN层包括K-Max池化层和TextCNN层,通过两阶段特征提取获取分类的关键信息。在SemEval 2014数据集上的实验表明,与现有的其他模型相比,提出的模型取得了较好的效果。

一种基于BERT和池化操作的文本分类模型

使用预训练语言模型的微调方法在以文本分类为代表的许多自然语言处理任务中取得了良好的效果,尤其以基于Transformer框架的BERT模型为典型代表。然而,BERT直接使用[CLS]对应的向量作为文本表征,没有从全局和局部考虑文本的特征,从而限制了模型的分类性能。因此,本文提出一种引入池化操作的文本分类模型,使用平均池化、最大池化以及K-MaxPooling等池化方法从BERT输出矩阵中提取文本的表征向量。实验结果表明,与原始的BERT模型相比,本文提出的引入池化操作的文本分类模型具有更好的性能,在实验的所有文本分类任务中,其准确率和F1-Score值均优于BERT模型。

基于BiLSTM-Attention-CNN混合神经网络的文本分类方法

BiLSTM和CNN网络在文本分类领域取得了较好的应用效果,二者的结合可以充分发挥CNN的特征提取能力和BiLSTM的上下文依赖能力,但是没有体现出每个词语在文本中的重要程度,无法将注意力集中在重要的词上。针对该问题,提出一种基于BiLSTM-Attention-CNN混合神经网络的文本分类方法。在BiLSTM层之后加入注意力机制(Attention)提取输出信息的注意力分值;注意力层之后,连接k-max池化层,提取前k个重要的词,增强模型特征的表达能力。在DBPedia和AGNews数据集上进行实验,结果表明,该模型相较于其他现有网络模型,分类准确率提高1~2个百分点。

基于依存关系与神经网络的文本匹配模型

为增强文本匹配模型的文本语义捕捉能力并提高语义匹配准确度,提出一种基于词嵌入与依存关系的文本匹配模型。构建融合词语义和词间依存关系的语义表示,通过余弦均值卷积和K-Max池化操作获得描述两段文本各部分语义匹配程度的矩阵,并采用长短期记忆网络学习匹配程度矩阵与真实匹配程度之间的映射关系。实验结果表明,该模型的F1值为0.927 4,相比BM25及深度文本匹配模型准确度更高。

基于双通道卷积神经网络的文本情感分类算法

针对现有深度学习方法在文本情感分类任务中特征提取能力方面的不足,提出基于扩展特征和动态池化的双通道卷积神经网络的文本情感分类算法.首先,结合情感词、词性、程度副词、否定词和标点符号等多种影响文本情感倾向的词语特征,形成一个扩展文本特征.然后,把词向量特征与扩展文本特征分别作为卷积神经网络的两个输入通道,采用动态k-max池化策略,提升模型提取特征的能力.在多个标准英文数据集上的文本情感分类实验表明,文中算法的分类性能不仅高于单通道卷积神经网络算法,而且相比一些代表性算法也具有一定的优势.

无线传感器网络k点连通可靠性的研究

无线传感器网络的出现引起了人们的广泛关注,由于无线传感器网络的节点不是预先定位而是随机撒放,那么如何保证一定区域内的传感器节点在满足连通可靠性要求的情况下连结成一张网络?而若干次随机抛撒所形成网络的连通度的平均值与网络的节点个数、节点的通讯半径之间又有何关系?通过计算机仿真模拟试验,给出了网络的k(k>0)连通度概率分布曲线;引入了连通度的数学期望概念来描述若干次抛撒所形成网络的连通度k的平均值,给出了其随网络节点个数、节点通讯半径变化的回归方程;给出了无线传感器网络k点连通概率曲线和3点连通的经验公式;分析了边界节点对网络连通度的影响。这些对无线传感器网络节点个数和节点通讯半径的选择、系统冗余设计等都具有重要的指导意义或参考价值。

基于距离度量的多样性图排序方法

有效结合查询相关性和多样性的扩展相关性,是多样性图排序问题的一种优化目标.基于扩展相关性的多样性图排序可建模为一个子模函数优化问题,贪心子模优化算法可近似求解该问题.然而,扩展相关性不能直接度量节点间的不相似性.子模优化算法是串行算法,不能充分利用诸如Spark等集群计算平台有效提高算法效率.针对这些问题,提出一种描述节点间不相似性的距离度量.基于该距离度量,将多样性图排序问题建模为一个在查询相关节点集上构造的带权完全图的最大和k-dispersion优化问题.提出了求解该问题的多项式时间2-近似算法.鉴于不同节点对的距离度量计算是相互独立的,进一步提出了基于MapReduce编程模型的并行化多样性图排序算法.最后,在真实图数据集上验证了所提出算法的高效性和有效性.

磷酸二铵对大豆超高产品种养分吸收与利用的影响

【目的】探索超高产大豆对氮、磷、钾养分的吸收利用规律,及其与普通品种养分吸收利用的特异性。【方法】于2011和2012年,通过盆栽试验研究超高产品种辽豆14、中黄35与普通品种辽豆11在不同磷酸二铵施肥水平下,植株体内的氮、磷、钾养分含量和吸收积累规律。本试验采用品种、施肥量完全随机试验设计,以磷酸二铵苗期施入,施肥量设5个水平,分别为:F0:0 mg·kg-1干土;F50:50 mg·kg-1干土;F100:100 mg·kg-1干土;F150:150 mg·kg-1干土;F200:200 mg·kg-1干土。在大豆的苗期(V3)、开花期(R2)、鼓粒中期(R6)、鼓粒末期(R7)和成熟期(R8)对各处理选取3盆生长一致的植株混合取样,精细冲根。按器官分开后,在105℃下杀青30 min,80℃下烘干至恒重,测定干物质重量。留小样粉碎后,用浓H2SO4-H2O2法消煮,消煮液中的氮用凯氏定氮仪(KN520)测定,磷用钼酸铵比色法测定(UV-2450),钾用火焰光度计(PEAA800)测定。干物质量乘以N、P、K百分含量为N、P、K积累量;由籽粒中养分含量与单株养分积累量的比值计算得养分收获指数;由单株养分积累量和单株籽粒产量计算得生产单位重量籽粒所需的养分数量。【结果】大豆植株的氮、磷、钾养分积累与利用在品种间差异显著。超高产大豆从出苗到成熟需要积累较多的养分,其地上部和根部氮、磷积累量除苗期外均显著高于普通品种,鼓粒中期的根部钾素积累量显著高于普通品种。超高产大豆具有较强的养分转运能力,其氮、磷、钾收获指数显著高于普通品种。同时,超高产大豆的养分利用效率较高,超高产大豆生产单位重量籽粒所需的养分数量显著低于普通品种。施肥对大豆植株的养分积累、转运与利用有显著影响。在各生育时期,施肥处理的大豆植株对氮、磷、钾的吸收,养分收获指数及生产单位重量籽粒所需的养分数量均显著高于对照,且均有随施肥量的增加而增加的趋势。其中,氮和磷的积累量、钾素收获指数、生产单位重量籽粒所需的氮磷养分数量,无论超高产品种还是普通品种均在最高施肥水平(200 mg·kg-1干土)下达到最大,超高产品种生产单位重量籽粒所需的氮、磷养分数量较普通品种的增加量少;而钾素积累量、氮和磷的收获指数、生产单位重量籽粒所需的钾素数量在超过一定施肥量后反而有所降低,超高产品种较普通品种的降低幅度小。【结论】超高产品种比普通品种有更强的养分吸收转运能力和更高的养分利用效率。施肥显著增强大豆对氮、磷、钾的吸收和转运能力,却降低了养分利用效率。

板栗叶片POD动力学研究

研究板栗叶片的POD动力学特性,结果表明,板栗叶片POD的最适温度为38℃,最适pH为4.6,最适H2O2浓度为0.1%,Km值为128.17mmol/L,Vmax值为281.68U/(s·gFW).硫脲和亚硫酸氢钠对POD活性具有一定的抑制作用,而氯化钙和硝酸钾对POD活性具有一定的激活作用.

基于改进流形距离的粗糙集k-means聚类算法

针对现有的基于流形距离的聚类算法对"绝对流形"数据集较"相对流形"数据集聚类效果佳和参数ρ在较大范围内变化时,聚类性能较差等问题,提出基于改进流形距离的粗糙集k-means聚类算法。该算法通过用属性划分和最大最小距离选择初始聚类中心,以改进的流形距离和粗糙集优化k-means,并结合终止判断条件以达到解决边界数据聚类问题和提升聚类效果的目的。仿真结果表明:该算法对"绝对流形"和"相对流形"数据集聚类效果均有较好改善,且参数变化对聚类性能影响较大。

基于粒计算的粗糙集聚类算法

针对传统K-means聚类算法初始聚类中心随机选取、不能处理边界对象、效率低、聚类精度低等问题,提出了一种新的K-means聚类算法。算法引入粒计算理论,并依据密度和最大最小距离法选择初始聚类中心,避免初始聚类中心在同一个类中,结合粗糙集,通过动态调整上近似集和边界集的权重因子,以解决边界数据的聚类问题;最后采用类间距和类内距均衡化准则函数作为算法终止判断条件,来得到更好的聚类效果。实验结果表明:该算法具有较高的准确率,迭代次数较少,并降低了对噪声的敏感程度。