DFA-ODENets:面向周期多阶段复杂系统的预测仿真框架

部分复杂系统受内外部因素影响在运行时会呈现出周期性的阶段变化,且在不同阶段具有完全不同的动态特性.因此在使用数据驱动方法解决此类系统的预测和仿真问题时,使用单一结构模型难以准确地学习系统在不同阶段的动态特性.本研究提出了基于确定性有限状态机-常微分方程网络的预测仿真框架(DFA-ODENets),以建模周期多阶段系统.该模型由多个ODENet组成,每个ODENet能够从不规则采样的序列数据中学习系统在各个阶段内的动态特性.同时模型集成了基于确定性有限状态自动机思想的阶段转换预测器以实现模型预测时在不同阶段之间自动转换.最后,将DFA-ODENet框架应用于某计算中心制冷系统的预测仿真场景中.模型能够在给定系统运行过程中的服务器负载和环境温度下模拟系统运行过程,并对系统的制冷功率、进气口温度等主要输出变量进行预测.其中,对于制冷系统能耗预测的平均相对误差在5%以内.同时,利用制冷系统仿真模型优化了系统停止制冷时的温度设定值,通过仿真实验表明该优化最高可以节省18%的制冷能耗.

基于Hadoop的大数据工程实践多层次教学设计

面对众多的大数据技术与研究领域,需要设计合理的学习路径和线索。通过在教学过程中划分多层次(基础层、提高层、综合层),让学生可以有针对性地由浅入深学习,掌握诸如安装维护、基本操作、应用开发、平台调优、架构设计等不同层面的知识。针对大数据工程实践中的常用技术方向,设计了不同层次的实践教学内容,并以工程中常用技术HDFS知识点为例进行阐述。在课程实施过程中该设计内容满足教学需要,使学生能够更加清晰地了解大数据技术在实际中所面对的不同业务需求。

基于视觉检测的非接触式膏体浓度识别方法

为解决膏体料浆对于接触式浓度计的损坏以及核子浓度计对施工人员的辐射等问题,提出一种基于视觉检测的非接触式膏体浓度识别方法,以膏体图像数据集为基础,采用卷积神经网络模型提取膏体深度特征,设计多模型全连接层融合算法、伽马矫正数据增广策略,对膏体浓度监测准确率进行分析。研究结果表明:手动搅拌膏体数据集的准确率为88.79%,在自动搅拌膏体数据集上获得91.42%的准确率,可有效提高浓度识别准确性,避免浓度计损坏或辐射危险。

混合音频下心率信号感知的放松状态评估模型

以放松减压为目标的情绪调节及放松状态评估有助于提升国民身心健康。针对降低生理信号采集导致的放松情绪诱发困难,使用附着型人体传感器采集受试者的心率信号进行放松状态识别,使用混合音频诱发受试者产生放松情绪,从二维情绪量表中换算获得放松状态标签。采集受试者的心率信号,从心率信号中提取时域特征、频域特征和心拍数。基于多层感知机和长短时记忆网络构建放松评估模型,实现放松状态识别。实验结果表明,相比于目前的研究成果,该放松识别模型具有更优的分类性能,能够为情绪调节与放松状态评估问题提供一种新的可靠解决方法。

基于差异性的分类器集成:有效性分析及优化集成

差异性是分类器集成具有高泛化能力的必要条件.然而,目前对差异性度量、有效性及分类器优化集成都没有统一的分析和处理方法.针对上述问题,本文一方面从差异性度量方法、差异性度量有效性分析和相应的分类器优化集成技术三个角度,全面总结与分析了基于差异性的分类器集成.同时,本文还通过向量空间模型形象地论证了差异性度量的有效性.另一方面,本文针对多种典型的基于差异性的分类器集成技术(Bagging,boosting GA-based,quadratic programming(QP)、semi-definite programming(SDP)、regularized selective ensemble(RSE))在UCI数据库和USPS数据库上进行了对比实验与性能分析,并对如何选择差异性度量方法和具体的优化集成技术给出了可行性建议.

基于信息熵的核属性增量式高效更新算法

针对基于信息熵求核算法效率不理想的情况,给出信息观下的二进制差别矩阵定义,理论上证明基于信息熵的核属性与基于二进制差别矩阵的核属性等价;并将决策表划分为相容的对象集和不相容的对象集,缩小求核算法的搜索空间;然后针对动态的决策表,研究核属性的增量更新机制,由此构造一种基于信息熵的核属性增量式高效更新算法.实例分析与实验结果验证文中算法优于同类求解算法.

支持模型复用的通用大数据分析平台

针对大数据分析中的数据预处理困难、数据和模型重用性差等问题,构建了通用分析平台。平台集主题建立、数据源获取、数据探索、数据预处理、算法模型自定义与使用于一体,实现了数据源、算法模型的共享和复用,大大降低数据分析人员的重复工作并避免了人力和物力资源的浪费。介绍了平台的总体设计及各功能模块设计,对平台在实际数据集上的应用进行了探索和验证,证明了平台数据重用、预处理过程重用及模型重用的可行性。

MujavaX:一个支持非均匀分布的变异生成系统

变异分析是一种广泛用来评估软件测试技术性能的方法.已有的变异分析技术通常将变异算子平均地应用于原始程序.由于现实程序中的故障分布往往具有群束的特征,采用平均分布的变异分析方法不能客观地评估软件测试技术的性能.前期研究工作中提出了非均匀分布的变异分析方法,采用实例研究验证了不同的故障分布对测试技术性能评估的影响.为了增强非均匀分布的变异分析方法的实用性,开发了支持非均匀分布的变异生成系统MujavaX,该系统是对广泛实践的Mujava工具的扩展与改进.采用一个实例系统验证了开发的MujavaX的正确性与可行性,实验结果表明该系统能够生成指定分布的非均匀变体集合.

基于深度学习的宫颈癌异常细胞快速检测方法

宫颈癌是严重危害妇女健康的恶性肿瘤,威胁着女性的生命,而通过基于图像处理的细胞学筛查是癌前筛查的最为广泛的检测方法.近年来,随着以深度学习为代表的机器学习理论的发展,卷积神经网络以其强有效的特征提取能力取得了图像识别领域的革命性突破,被广泛应用于宫颈异常细胞检测等医疗影像分析领域.但由于病理细胞图像具有分辨率高和尺寸大的特点,且其大多数局部区域内都不含有细胞簇,深度学习模型采用穷举候选框的方法进行异常细胞的定位和识别时,经过穷举候选框获得的子图大部分都不含有细胞簇.当子图数量逐渐增加时,大量不含细胞簇的图像作为目标检测网络输入会使图像分析过程存在冗余时长,严重减缓了超大尺寸病理图像分析时的检测速度.本文提出一种新的宫颈癌异常细胞检测策略,针对使用膜式法获得的病理细胞图像,通过基于深度学习的图像分类网络首先判断局部区域是否出现异常细胞,若出现则进一步使用单阶段的目标检测方法进行分析,从而快速对异常细胞进行精确定位和识别.实验表明,本文提出的方法可提高一倍的宫颈癌异常细胞检测速度.

图像分割评估方法在显微图像分析中的应用

图像分割是计算机视觉领域中的重要分支,旨在将图像分成若干个特定的、具有独特性质的区域.随着计算机硬件计算能力的提高和计算方法的进步,大量基于不同理论的图像分割算法获得了长足的发展.因而选择合适的评估方法对分割结果的准确性和适用性进行综合评估,从而选择最优分割算法,成为图像分割研究中的必要环节.在综述14种图像分割评估指标的基础上,将其分成基于像素的评估方法、基于类内重合度的评估方法、基于边界的评估方法、基于聚类的评估方法和基于实例的评估方法五大类.在材料显微图像分析的应用背景下,通过实验讨论了不同分割方法和不同典型噪声在不同评估方法中的表现.最终,讨论了各种评估方法的优势和适用性.

面向视网膜脱离手术的硅油填充模拟

针对传统医疗手段无法有效量化评估手术中不同硅油加注量对于视网膜裂孔贴附效果的问题,本文提出一种面向视网膜脱离手术的硅油填充模拟方法,基于物理建模与计算机数值离散化技术对眼内受力、硅油填充状态进行分析,并对填充模拟过程进行三维模型构建与可视化,实现医疗过程决策辅助目的.首先对人类眼球与手术器具进行基础建模与模型采样,模拟手术流程中眼球状态;然后,根据水与硅油的密度、黏滞系数、表面张力等不同物理性质,对水‒硅油两相流动及交互进行模拟;最后,构建固液交互模型,实现多相液体在眼球中的运动与填充.实验结果表明,本文方法能够较好地呈现眼球内多相流体运动交互效果,实现了诸如表面张力、固液耦合、液体分层、连通器效应等效果,实现了对眼内腔中通过导管注入硅油与排出水分流程的模拟,为预测硅油填充后的眼内状态提供了一种有效的方式,辅助医生进行手术流程规划与效果预测.

一种基于信息粒度的动态属性约简求解算法

动态属性约简是粗糙集理论的重要研究内容之一。针对动态决策表构造了一种基于信息粒度的动态属性约简模型,详细分析了决策表中出现新属性动态增加时信息粒度的增量式计算方法;在此基础上,以信息粒度作为启发信息,设计了一种动态属性约简求解算法,该算法能有效利用原决策表的属性约简结果和信息粒度来降低算法的计算复杂度,并使得约简结果具有较好传承性;最后通过算例分析和实验比较进一步验证了本算法的可行性和有效性。

面向显微影像的多聚焦多图融合中失焦扩散效应消除方法

多聚焦图像融合是计算机视觉领域中的一个重要分支,旨在使用图像处理技术将同一场景下的聚焦不同目标的多张图像中各自的清晰区域进行融合,最终获得全清晰图像.随着以深度学习为代表的机器学习理论的突破,卷积神经网络被广泛应用于多聚焦图像融合领域,但大多数方法仅关注网络结构的改进,而使用简单的两两串行融合方式,降低了多图融合的效率,并且在融合过程中存在的失焦扩散效应也严重影响了融合结果的质量.针对上述问题,在显微成像分析的应用场景下,提出了一种最大特征图空间频率融合策略,通过在基于无监督学习的卷积神经网络中增加后处理模块,规避了两两串行融合中冗余的特征提取过程,实验证明该策略显著提高了多张图像的多聚焦图像融合效率.并且提出了一种矫正策略,在保证融合效率的情况下可有效缓解失焦扩散效应对融合图像质量的影响.

工业场景下基于深度学习的时序预测方法及应用

为了系统性地归纳工业场景下时序预测方法及应用,首先介绍了统计学习、集成学习、深度学习三类时序预测算法,并围绕工业数据分析与决策问题,重点分析了循环神经网络、卷积神经网络、编码−解码器模型三类深度学习模型的优缺点及适用的工业应用场景.为了清晰全面地评估模型性能,介绍了面向点预测、序列预测问题的统计指标和误差计算方法.同时,整理了经典的公开工业数据集,以便研究者快速评估算法性能.并以过程工业中的采矿、冶金为例,介绍了时序预测方法在真实工业场景下的应用和效果.最后,总结了工业领域中应用深度学习技术所面临的低稳健性和弱可解释性等问题,并探讨了工业场景下时序预测方法研究的未来发展方向.

基于数字图像处理的环境气象颗粒物监测仪采样滤膜结构分析

采用传统的公式法和介质饱和法对颗粒物监测仪采样滤膜进行测试;并提出利用MATLAB编程的数字图像处理(DIP)方法。对采样滤膜的SEM显微图像进行图像二维孔隙率的计算;同时对孔径分布进行统计分析。实验和图像处理所得的孔径分布情况表现出客观一致性,结果表明 DIP 方法对滤膜的孔径分布分析有一定的可信度,可以作为一种对滤膜的制备工艺设计与产品性能检测的分析方法,并进行应用研究。另外,由于二维图像的限制,图像统计获取的孔隙率数值要小于计算法与实验数据,需要寻找转换二维孔隙率与三维真实孔隙率的有效方式。

基于深度学习算法的卫星影像变化监测

遥感影像的变化检测是遥感应用研究的热点之一,在城市变化、环境监测、土地利用以及基础地理数据库更新等领域中有着广泛的应用.变化检测是从不同时期的遥感数据中定量分析和确定地表变化的特征和过程,具体工作是对同一地区不同时相的两幅或多幅图像进行分析,检测出其中的变化部分与未变化部分.本文提出了基于堆栈降噪自动编码器网络的变化检测方法,将应用于SAR (Synthetic Aperture Radar,合成孔径雷达)卫星图像变化检测的深度学习算法改进,使之适用于高分光学卫星图像,然后在孪生网络的结构上进行改进,提出了基于分支卷积神经网络的变化检测方法,最后设计算法去除了阴影干扰和噪声等伪变化,并在高分二号卫星中宁夏地区的实际生产数据影像上进行了测试,取得了不错的效果.

基于卡尔曼滤波理论的容迟与容断网络自适应感知路由算法

针对容迟与容断网络中的单播通信问题,提出了一种自适应感知路由协议(adaptive context aware routing protocol,ACRP);并引入卡尔曼滤波理论,给出最优的消息轮渡节点选取策略。仿真实验表明,与常见的单副本拷贝或多副本拷贝协议相比,提出的面向情境感知的自适应路由协议拥有更好的传输性能和稳定性。

面向单目视频的非牛顿流体仿真重建

本构模型参数不恰当导致仿真结果与真实视频的视觉效果不一致。对此,提出了一种非牛顿流体仿真重建方法。在模型训练阶段,使用非牛顿流体仿真视频作为输入,学习单帧流体仿真图像的最佳低维潜在空间表示,并在该潜在域中进行帧间预测,采用卷积长短时记忆网络预测未来帧的潜在向量表示。基于逐帧潜在表示编码和帧间时序特征预测本构模型的重建参数。在模型验证阶段,以非牛顿流体单目真实视频为输入,预测流体本构模型参数,实现基于Cross模型的非牛顿流体仿真重建。仿真实验结果表明,使用面向视频的仿真重建方法能够获得比使用基于流变仪测量的重建方法与真实视频更吻合的流体重建结果,在不同时间点均有更高的像素准确率、像素精准率和更符合实际流动的视觉效果。

考虑特征稀疏特性的短文本命名实体快速识别方法

首先,通过过滤标点符号选择适当的特征,并构建向量,分割两个及两个以上词语组成特定语义,标注词性,找出相对词类。其次,利用潜在狄利克雷分配(LDA)模型令话题与文档间存在相关性,明确文档主题,降低数据特征稀疏特性。再次,本文双向长短期记忆网络条件随机场(BR-BiLSTM-CRF)模型通过双向LSTM模型检测文本命名实体的边界,与链式条件随机场层的输出实体类型相结合,增加了词汇和词类的特征,实现对文本整体序列实体边缘的检测。最后,采用交叉熵和梯度下降修正网络参数,直至误差不超过指定数值,实现文本命名实体的识别。实验结果表明:本文方法识别速度快、精度高、整体性能强;该方法能够更好地通过计算机识别语言明确文本词性,提高命名实体识别的准确性和效率。

一种面向Web服务的综合可信性度量模型

基于Web服务的可信应用程序构造的一个关键问题是如何度量Web服务的可信性.在遵循Web服务特点的基础上,提出一个综合的Web服务可信性度量模型TMM4WS,从Web服务的内部实现和外部使用两方面对Web服务的可信性进行度量,开发了相应的度量支持工具TMT4WS.采用Web服务实例对提出的度量模型与工具进行了验证.实验结果表明,度量模型TMM4WS及其支持工具TMT4WS具有较好的可操作性,能够定量地度量Web服务的可信性.