Cross-Search系统的设计与实现

本文主要对跨库集成检索系统Cross-Search的设计思想,系统结构及功能模块实现进行了较为全面的介绍,系统主要解决了对异构数据源的连接,统一格式转化及处理和并发检索等方面的问题,对多数据源的同步检索给出了较为理想的解决方案,并予以实现。

跨界知识搜寻、吸收能力对制造企业突破式创新的影响研究

基于创新理论、资源基础观理论与组织学习理论,构建跨界知识搜寻、吸收能力、战略柔性与企业突破式创新的理论模型和分析框架,运用SPSS和SmartPLS软件进行实证检验。研究结果表明:技术知识跨界搜寻正向影响企业突破式创新;市场知识跨界搜寻对企业突破式创新没有显著影响;知识跨界搜寻正向影响企业吸收能力;吸收能力正向影响企业突破式创新;吸收能力在跨界知识搜寻与企业突破式创新之间发挥显著中介作用;战略柔性在跨界知识搜寻对企业突破式创新的影响中发挥显著调节作用。

基于Cross熵与改进麻雀搜索算法的图像分割模型

传统基于熵标准的图像分割法采用穷尽法搜索分割阈值,存在计算代价高、分割效率低的不足。针对这一问题,设计基于Cross熵与改进麻雀搜索算法的图像分割方法。为了提升标准麻雀搜索算法的寻优精度和寻优速率,利用反向学习机制进行种群初始化,改善初始种群结构,提升种群多样性和初始解质量。设计正余弦优化和惯性权重的发现者更新机制,提升发现者全局搜索能力。提出柯西混沌变异的追随者更新机制,结合混沌映射和柯西变异,避免算法产生局部最优。以Cross熵最小为标准评估个体适应度,利用改进麻雀搜索算法寻找图像分割最佳阈值,并实现图像分割。实验结果表明,改进算法在分割指标上表现优异,可以有效提升图像分割精度和分割效率。

基于监督学习的跨模态图文检索方法

近年来,由于哈希技术在计算速度和存储成本方面的优势,使得跨模态哈希在信息检索领域获得了广泛的关注。然而现有大多数方法只是简单地探索全局相似性,而多模态数据中的局部信息常被忽略。另外现有的大多数方法常采用一步策略同时哈希码和哈希函数,常会导致优化难解决并增加计算复杂度。为此提出了一种新的算法,即鉴别性监督跨模态哈希方法。方法联合考虑全局和局部信息并将其嵌入到哈希学习中并设计了一个跨模态哈希函数学习方案以学习强大的哈希函数。在两个大规模数据集上进行跨模态检索实验,实验结果表明,所提方法可以获得良好的检索性能,验证了该算法的有效性。

铁路客运场景下基于图像搜索的遗失物品查找方法

当前铁路客运场景下的遗失物品查找方法效率低下,影响了旅客的出行体验,给各车站的生产经营造成了困扰。为创新铁路客运场景下的遗失物品查找方式,在分析铁路客运遗失物品查找需求与难点的基础上,结合人脸识别以及深度学习的前沿技术成果,建立了一种基于图像搜索的遗失物品查找框架,设计了面向铁路客运场景的安检遗失物品查找方案以及非安检遗失物品查找方案。研究结果表明,该方法可进一步提高铁路客运运营的智能化水平,优化遗失物品的查找效率,在跨模态检索测试中有较高的检索精度,但在部分类别中的检索结果存在误差。基于研究结果,从算法改进与模型微调策略等方面进行了展望。

跨域无人集群协同反潜搜索方法研究

针对海上反潜搜索问题,提出一种将无人艇作为无人机的通信中继的跨域无人集群协同搜索方法,采用数字网格地图表征任务区域,构建了跨域平台的运动学模型;提出了跨域无人系统的协作方法,设计了无人系统之间的分布式信息融合机制;设计了异构平台的搜索目标函数,引导无人系统在搜索任务中实时决策。仿真结果表明:所提方法能够有效适用于文中反潜搜索任务想定,跨域平台之间能够通过优势互补提高搜索效能。

融合向量叉积与跳点搜索策略的改进A^(*)算法研究

为解决传统A^(*)寻路算法在搜索过程中会产生大量冗余节点,导致算法整体搜索效率低,运算内存消耗大等问题,从A^(*)算法的两个重要决策点出发,改进算法的代价评估函数与邻节点搜索策略,提出一种改进融合算法。首先,采用向量叉积与尺度平衡因子相结合的方法优化传统A^(*)算法的启发函数,减少A^(*)算法寻路过程中在最优路径周围产生的具有相同代价值的冗余节点,减少了对称路径的搜索;其次,融合跳点搜索(Jump point search, JPS)策略,通过逻辑判断实现路径的变步长跳跃搜索,避免了A^(*)算法逐层搜索效率低的弊端。在不同尺寸的栅格地图中进行仿真分析,发现改进融合算法相比于传统A^(*)算法,在路径长度基本相等的情况下,节点搜索数量约减少95%,且与传统JPS寻路算法相比,有效过滤了路径周围复杂形状障碍物产生的大量冗余跳点。最后,将改进融合算法应用于ROS移动机器人并进行对比实验以验证算法的可行性。实验结果表明:改进融合算法在获得高效安全的路径基础上,搜索效率相比于A^(*)算法可提高约94%。

双曲形复合材料构件成型精度修正技术研究

双曲形复合材料构件固化变形是影响零件质量和几何精度的关键问题之一,为了提高双曲形复合材料构件成型几何精度,本文提出了一种基于试验数据的变形修正方法,详细阐述了试验数据获取、去噪和数据对齐以及基于多截面的试验数据搜索法和镜像法等关键问题;并基于CATIA/CAA二次开发技术开发了修正模块,该模块能够对双曲形复合材料构件的固化变形进行有效补偿。以某机上双曲形零件为例进行试验验证,经过该模块修正后,零件的制造误差显著减小,证明了该方法的有效性和可行性。本研究结果对于提高双曲形复合材料构件的制造精度和性能具有重要意义。

融合差分进化和Sine混沌的改进粒子群算法

将差分进化与Sine混沌相结合,提出一种改进的粒子群算法。利用Sine混沌映射对初始种群进行优化,提高了收敛速度;该算法通过引入非同步变化的学习因子的速度更新公式,引入随机惯性权重,使算法能够更好地兼顾全局搜索与局部优化;借鉴差分进化算法中的交叉操作,采用淘汰机制随机搜索策略,提高算法的全局搜索能力,提高算法收敛速度。为了验证融合差分进化和Sine混沌的改进粒子群算法(improved particle swarm optimization algorithm,IPSO)的性能,与基于压缩学习因子的粒子群算法(yield-based particle swarm optimization,YPSO)、自适应加权粒子群算法(self-adaptive particle swarm optimization,SPSO)等PSO相关算法以及蜘蛛蜂优化算法(spider wasp optimization,SWO)、能量谷算法(energy valley algorithm,EVA)等2023年最新算法相比较,验证融合差分进化和Sine混沌的改进粒子群算法(IPSO)的有效性。在不同维度下解决12个常用基准函数,对12个测试函数进行实验,并与其他的几种算法进行比较,实验结果表明,改进后的PSO算法收敛速度快,收敛精度高。

基于图搜索的陆空两栖平台3D路径规划算法

为了解决陆空两栖平台路径规划能效与寻径效率问题,提出了一种基于图搜索算法的全局路径规划算法。考虑了空中飞行能耗与地面行驶能耗模型的不同,结合起飞阈值、地面移动成本系数、空中移动成本系数等参数决定模态切换机制,在遇到难以越过的障碍时使用逃脱算法脱困,当允许地面通过时优先采用地面行驶的方式到达目标点以提升寻径效率与能效。为验证该算法,分别建立了针对陆空2种模式下的能耗模型,在现有交通规则约束下完成城市场景和虚拟迷宫测试。结果表明:本算法的搜索效率相较于对照组算法提升了30%以上,有效提升搜寻效率的同时降低了能量消耗。

边缘市场导向对新创企业颠覆性创新的影响研究

颠覆性创新已成为新创企业成长的关键,探究边缘市场导向下新创企业颠覆性创新具有重要意义。基于资源基础观,分析边缘市场导向对新创企业颠覆性创新的影响作用,并考察了跨界搜索的中介效应以及制度环境的调节作用。基于新创企业调查数据,运用层次回归分析进行实证检验。研究发现:反应式边缘市场导向、先动式边缘市场导向分别对新创企业低端市场颠覆性创新、新市场颠覆性创新具有正向作用;广度跨界搜索在先动式边缘市场导向和新创企业新市场颠覆性创新间起着重要的中介作用,而深度跨界搜索在反应式边缘市场导向和新创企业低端市场颠覆性创新间扮演重要中介角色;相较于低端市场颠覆性创新,制度环境更加正向强化先动式边缘市场导向对新创企业新市场颠覆性创新的作用,制度环境负向显著调节了反应式边缘市场导向与新创企业新市场颠覆性创新的关系,而制度环境对反应式边缘市场导向与新创企业低端市场颠覆性创新的关系负向调节但不显著。

政府推动下企业跨界合作意愿演化博弈研究--基于知识搜索和知识基础视角

企业通过跨界合作能够突破行业壁垒获取外部资源从而提升创新活力,知识搜索是促进跨界合作的重要途径。基于知识搜索和知识基础,构建政企三方演化博弈模型,分析了政府推动下企业在跨界合作中的策略选择,并用仿真分析研究了各博弈主体策略选择的影响因素。研究表明:企业知识基础宽度较高时,合作方企业合作意愿上升;企业跨界知识搜索深度越高,三方跨界合作机会越大;企业合作制定的协议惩罚力度越高,企业进行跨界合作的意愿越高;政府扶持力度有助于企业降低合作成本,促进跨界合作。

Google学术搜索引擎与跨库检索系统的功能对比

文章介绍了两种数字资源整合利用的方法——Google中文学术搜索引擎和Cross-Search跨库检索系统,并将它们各自的功能进行了对比。

轻量级广电智能媒资平台设计与实现

本文主要介绍了轻量级广电智能媒资平台的设计与实现,平台支持多模式部署,可实现媒资的高效智能化管理;支持媒资自动分析、精细分类、标签化及跨模态检索,可提升媒资处理速度与精度。平台结合AIGC技术,可自动化生成视频、文稿等内容,加速内容创作与分发,同时平台还提供非货币化交易体系,有助于促进媒资价值最大化。

基于随机森林的输气管道压缩机流量软测量技术研究

压缩机是输气管道最主要的耗能设备,其流量计量结果的准确与否直接关系到管道全线的管理水平。在现场测试实验的基础上,构建了基于随机森林的数据驱动软测量模型,采用网格搜索和交叉验证对影响模型精度的超参数进行寻优,最终构建最优预测模型,并与支持向量机(SVM)模型、朴素贝叶斯(NB)模型和经网格搜索确定超参数的支持向量机(GS-SVM)模型的预测结果进行对比。结果表明,通过基尼指数确定的燃料气消耗量和大气压力对压缩机流量的相关性较小,其变量应予以删减;当决策树的个数n为300,分裂特征数m为5时的预测效果最佳;随机森林模型的均方根误差(RMSE)、平均绝对百分比误差(MAPE)均最小,说明了随机森林模型对于压缩机流量这类复杂非线性数据集的回归效果较好,具有一定的先进性和科学性。

随机森林法对北京移动用户体验影响因素研究

目的/意义:移动信息技术是当今社会赖以需求的。提高客户满意度等是提升网络服务质量的最佳方法,也是共同推动移动网络高质量可持续发展的关键步骤之一。方法/过程:使用斯皮尔曼和随机森林对数据进行相关性和量化分析。对影响因素进行研究分析建立数学模型,进行调参处理。得到预测结果。结果/结论:结果表明影响移动用户体验的因素对客户打分影响程度的量化分析和结果。模型精确度89%,准确度强于其余模型。

基于岭回归的地铁车载设备故障预测

针对现场实际记录中屡次发生故障的车载设备,为预测其下一次故障发生时间,提出基于岭回归算法的故障时间预测方法,整个研究过程通过随机森林算法结合人为经验的方式提取出6个有效故障特征,建立岭回归故障预测模型,并通过网格搜索结合交叉验证(Gridsearch CV)的方法优化模型超参数,在深圳某地铁线路实际数据中得到有效的验证,提出的方法可以较为准确的预测下一次故障,可以作为指导预防性维修的依据,实现故障的提前预测、提前感知、提前处理。

基于Stacking集成学习的高校录取分数线预测

针对如何准确预测高校录取分数线,帮助高考生做出更加准确的志愿填报决策问题,提出一种基于Stacking集成思想的双层模型。该模型采用机器学习算法暴露特征重要性,融合3个单一算法并使用交叉检验法和网格搜索法进行参数优化。通过在贵州省2018-2022五年高考高校录取数据上进行实验结果表明,该双层融合模型的预测效果优于支持向量回归、决策树、随机森林等单一模型和其他集成模型;预测误差在5分以内的精度超过95%,平均绝对值误差低于2.43;较单一模型中表现最好的梯度提升指标分别提升44%和19%,提升了预测效果,为未来分数线预测提供了新的方向。

国内外数字信息资源整合管理系统的对比研究与思考

介绍了开发数字信息资源整合管理系统的背景和原理 ,分别从开发背景、结构框架、系统特色、运行环境和遵循标准等各方面深入分析和比较了国内外主要的数字信息资源整合管理系统 .最后分析了建立数字信息整合管理系统的 3种方式 (自主开发、引进国外、购买国内 )的优势和劣势 。

双十字搜索算法的快速块匹配运动估计

在块运动估计中,不同形状、不同大小的搜索模型对搜索速度和搜索质量有很大的影响.通过运动矢量概率分布分析,发现了运动矢量概率分布具有除中心十字偏置特性以外的方向性特性,提出了一种快速的双十字搜索(DCS)运动估计算法.该算法首先根据运动矢量概率分布的中心十字偏置性,采用小十字搜索模型(SCSP)和大十字搜索模型(LCSP)对小运动矢量进行搜索,从而减少搜索点数.然后,根据运动矢量概率分布的方向性,使用非完全对称十字搜索模型(NFSCSP)对大运动矢量进行搜索,进一步提高了搜索速度.在保持相当搜索质量的前提下,双十字搜索算法与菱形搜索算法(DS)和十字菱形搜索(CDS)算法相比,搜索速度分别可提高70%和40%.实验结果证明双十字搜索算法是非常有效的,且具有较强的鲁棒性.