期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于关键词加权的混合特征文本快速分类仿真
1
作者
徐佳丽
杨长红
《计算机仿真》
2024年第3期510-513,518,共5页
电子文本形式的网络信息不仅数量多,且混合特征具有较高相似性,很难达到特征的平均分布。特征项在类别间的不均性导致文本权重计算易出现偏差,影响类别特征词的提取,导致文本分类难度较大。为此,提出一种基于关键词加权的混合特征文本...
电子文本形式的网络信息不仅数量多,且混合特征具有较高相似性,很难达到特征的平均分布。特征项在类别间的不均性导致文本权重计算易出现偏差,影响类别特征词的提取,导致文本分类难度较大。为此,提出一种基于关键词加权的混合特征文本快速分类方法。采用词频逆文本频率指数信息检索方法对文本加权,计算不同权重下文本关键词在中心集合中出现的频率。根据频率阈值提取关键特征,确定文本集合中类中心点。计算与类中心相关性最高的文本数据,提取关联度特征。建立神经网络分类模型,预先设定一组包含详细特征的文本集,作为初始值输入到神经网络中,每个层次根据目标特征逐一比对实现有效分类。实验证明,所研究方法的查全率更高,文本混合特征提取的召回率高于40%,说明研究方法应用性能更优,对不同种类的文本集均能完成精准分类。
展开更多
关键词
关键词加权
混合特征文本
频率阈值
神经网络分类模型
下载PDF
职称材料
基于混合FE-SEA法的箱梁结构噪声特性研究
2
作者
雷晓燕
翁凌霄
+2 位作者
余亮亮
王鹏生
罗锟
《华东交通大学学报》
2023年第4期1-8,共8页
为探讨箱梁结构噪声规律及其影响因素,以南昌某高架铁路箱梁为研究对象,建立混合FE-SEA模型进行数值仿真分析,并进行现场试验验证。在此基础上,探讨了板厚对结构噪声的影响规律,分析了箱梁各子系统对远场声压的声贡献量。研究结果表明:...
为探讨箱梁结构噪声规律及其影响因素,以南昌某高架铁路箱梁为研究对象,建立混合FE-SEA模型进行数值仿真分析,并进行现场试验验证。在此基础上,探讨了板厚对结构噪声的影响规律,分析了箱梁各子系统对远场声压的声贡献量。研究结果表明:混合FE-SEA法适用于箱梁结构噪声研究;箱梁结构振动的峰值频率为125 Hz,结构噪声频率范围为50~160 Hz;箱梁顶板和翼板对远场声压级的贡献量较大:增加各板厚度能降低结构噪声,其中增加顶板厚度效果较为明显。因此在减振降噪的过程中,应着重关注顶板和翼板。
展开更多
关键词
FE-SEA模型
结构噪声
现场试验
箱梁
下载PDF
职称材料
基于注意力机制深度学习的轻量级无线网络数据分选方法
3
作者
何靓华
赵英
《现代计算机》
2024年第7期44-48,75,共6页
轻量级无线网络通常用于资源受限的设备,使得数据传输和处理能力有限,且数据量庞大,特征识别较为困难,导致数据分选精度较低。为此,提出基于注意力机制深度学习的轻量级无线网络数据分选方法。计算数据的特征值,对基础数据量化预处理,...
轻量级无线网络通常用于资源受限的设备,使得数据传输和处理能力有限,且数据量庞大,特征识别较为困难,导致数据分选精度较低。为此,提出基于注意力机制深度学习的轻量级无线网络数据分选方法。计算数据的特征值,对基础数据量化预处理,采用领域粗糙集算法测算出数据分选的冗余限值,多阶提取数据特征,构建注意力机制深度学习网络数据分选流程,采用最优筛选的方式来实现数据分选处理。最终的测试结果表明:针对选定的6个数据分选测试周期,注意力机制深度学习网络数据分选方法最终得出的数据分选平均F⁃Score均可以达到85%以上,说明在注意力机制深度学习技术的辅助下,当前所设计的数据分选方法的针对性更强、效率更高,具有实际的应用价值。
展开更多
关键词
注意力机制
深度学习
轻量级无线网络
数据分选
分选方法
下载PDF
职称材料
题名
基于关键词加权的混合特征文本快速分类仿真
1
作者
徐佳丽
杨长红
机构
南昌应用技术师范学院电子与信息工程学院
江西科技
师范
大学数学与计算机科学
学院
出处
《计算机仿真》
2024年第3期510-513,518,共5页
文摘
电子文本形式的网络信息不仅数量多,且混合特征具有较高相似性,很难达到特征的平均分布。特征项在类别间的不均性导致文本权重计算易出现偏差,影响类别特征词的提取,导致文本分类难度较大。为此,提出一种基于关键词加权的混合特征文本快速分类方法。采用词频逆文本频率指数信息检索方法对文本加权,计算不同权重下文本关键词在中心集合中出现的频率。根据频率阈值提取关键特征,确定文本集合中类中心点。计算与类中心相关性最高的文本数据,提取关联度特征。建立神经网络分类模型,预先设定一组包含详细特征的文本集,作为初始值输入到神经网络中,每个层次根据目标特征逐一比对实现有效分类。实验证明,所研究方法的查全率更高,文本混合特征提取的召回率高于40%,说明研究方法应用性能更优,对不同种类的文本集均能完成精准分类。
关键词
关键词加权
混合特征文本
频率阈值
神经网络分类模型
Keywords
Keywords weighting
Mixed feature text
Frequency threshold
Neural network classification model
分类号
TP327 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于混合FE-SEA法的箱梁结构噪声特性研究
2
作者
雷晓燕
翁凌霄
余亮亮
王鹏生
罗锟
机构
华东交通大学铁路环境振动与噪声教育部
工程
研究中心
南昌应用技术师范学院电子与信息工程学院
深圳综合交通设计研究院
出处
《华东交通大学学报》
2023年第4期1-8,共8页
基金
国家自然科学基金项目(51978264)
江西省科技厅科技计划项目(20223AEI191004)
江西省教育厅科技项目(GJJ219001)。
文摘
为探讨箱梁结构噪声规律及其影响因素,以南昌某高架铁路箱梁为研究对象,建立混合FE-SEA模型进行数值仿真分析,并进行现场试验验证。在此基础上,探讨了板厚对结构噪声的影响规律,分析了箱梁各子系统对远场声压的声贡献量。研究结果表明:混合FE-SEA法适用于箱梁结构噪声研究;箱梁结构振动的峰值频率为125 Hz,结构噪声频率范围为50~160 Hz;箱梁顶板和翼板对远场声压级的贡献量较大:增加各板厚度能降低结构噪声,其中增加顶板厚度效果较为明显。因此在减振降噪的过程中,应着重关注顶板和翼板。
关键词
FE-SEA模型
结构噪声
现场试验
箱梁
Keywords
FE-SEA model
structure-borne noise
field test
box girder
分类号
U24 [交通运输工程—道路与铁道工程]
下载PDF
职称材料
题名
基于注意力机制深度学习的轻量级无线网络数据分选方法
3
作者
何靓华
赵英
机构
南昌应用技术师范学院电子与信息工程学院
出处
《现代计算机》
2024年第7期44-48,75,共6页
基金
南昌应用技术师范学院校级课题(NYSJG2209)。
文摘
轻量级无线网络通常用于资源受限的设备,使得数据传输和处理能力有限,且数据量庞大,特征识别较为困难,导致数据分选精度较低。为此,提出基于注意力机制深度学习的轻量级无线网络数据分选方法。计算数据的特征值,对基础数据量化预处理,采用领域粗糙集算法测算出数据分选的冗余限值,多阶提取数据特征,构建注意力机制深度学习网络数据分选流程,采用最优筛选的方式来实现数据分选处理。最终的测试结果表明:针对选定的6个数据分选测试周期,注意力机制深度学习网络数据分选方法最终得出的数据分选平均F⁃Score均可以达到85%以上,说明在注意力机制深度学习技术的辅助下,当前所设计的数据分选方法的针对性更强、效率更高,具有实际的应用价值。
关键词
注意力机制
深度学习
轻量级无线网络
数据分选
分选方法
Keywords
attention mechanism
deep learning
lightweight wireless network
data sorting
sorting method
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于关键词加权的混合特征文本快速分类仿真
徐佳丽
杨长红
《计算机仿真》
2024
0
下载PDF
职称材料
2
基于混合FE-SEA法的箱梁结构噪声特性研究
雷晓燕
翁凌霄
余亮亮
王鹏生
罗锟
《华东交通大学学报》
2023
0
下载PDF
职称材料
3
基于注意力机制深度学习的轻量级无线网络数据分选方法
何靓华
赵英
《现代计算机》
2024
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部