基于正交约束的广义可分离非负矩阵分解算法

可分离非负矩阵分解(NMF)是通过抽取数据集中的部分样本或关键主题来表示整个数据集的一种特殊NMF方法。广义可分离非负矩阵分解(GSNMF)算法是由可分离NMF扩展的算法,可以同时得到数据集中的关键样本和关键主题两类特征,使分解结果更具有可解释性,但在处理某些数据集时由于选择方法存在的缺陷,GSNMF算法只能单独选择行或列的特征,从而失去可解释性的优点。为此,引入正交约束来修正GSNMF算法的选取结果,提出一种基于正交约束的广义可分离非负矩阵分解(OGSNMF)算法,利用非负特性及正交约束的特点,限制迭代过程中关于行和列的迭代矩阵,确保得到行和列的特征,并获取更加精确的分解结果。在此基础上,引入相对近似误差作为实验指标,结合分解结果的秩在行与列上的分配作为实验评判标准。实验结果表明,与原有算法相比,OGSNMF算法在处理数据集时,相对近似误差提高了1~3个百分点,说明在分解过程中损失的信息更少,确保能够获取到行和列的特征,得到更具有可解释性的分解结果。

基于PU-Faster R-CNN的手机屏幕缺陷检测算法研究

手机屏幕缺陷检测是手机生产的重要环节,实现准确而高效的屏幕缺陷检测对于提高手机工业产能具有重要意义;在实际生产过程中,手机屏幕图像缺陷特征隐晦、缺陷尺寸差异大等问题,加大了手机屏幕缺陷检测的难度;为解决上述问题,提出了一种基于Preprocessing operations are combined with U-Net-Faster R-CNN(PU-Faster R-CNN)的手机屏幕缺陷检测模型;针对手机屏幕图像的特征信息隐晦的问题,提出多层特征增强模块,有效的对目标缺陷特征信息进行增强;构建多尺度特征提取网络,有效提取多尺度的缺陷特征信息;为了生成拟合性更好的Anchor box,提出了自适应区域建议网络,通过自迭代聚类算法生成尺寸更准确的Anchor box模板;实验结果表明,基于PU-Faster R-CNN的手机屏幕检测框架在手机屏幕数据集上优于主流的手机屏幕缺陷检测框架。

基于BLSTM与方面注意力模块的情感分类方法

基于方面的情感分析已广泛应用于文本信息挖掘,但在句子情感极性模糊或包含多个不同方面情感极性时难以准确提取特征信息,削弱了情感极性分类效果。为解决该问题,提出一种结合双向长短记忆网络和方面注意力模块的情感分类方法。利用多个方面注意力模块同时对不同方面进行独立训练,使每个方面信息与注意力操作互不影响,各自进行注意力参数的学习与调整,以充分提取特定方面的隐藏信息,从而更准确地识别不同方面的情感极性。在SemEval数据集上的实验结果表明,该方法相对现有的基准情感分析方法,可有效提升分类精确率、查全率与F1值,优化情感分类效果。

面向电动汽车无线充电市场的迭代双边拍卖算法

在智能电网中,分布式能源具有灵活性,可以支持来自电动汽车的快速变化的无线充电需求。针对无线充电市场采用迭代双边拍卖算法进行电能供需匹配,分布式能源作为电能卖方,汇集商汇集电动汽车的充电需求,作为电能买方,买卖方按照自身效益最大化的原则进行出价。代理商作为拍卖师,根据出价进行电能分配和定价,可以在买卖方隐私信息未知的情况下最大化总效益。仿真结果表明,该算法可以最大化供需双方的总效益,且具有较快的收敛速度,能够保证电动汽车与分布式能源之间电能分配的高效性。

一种基于能量预测的双簇首路由控制算法

在深入研究经典网络路由算法LEACH的基础上,提出了一种基于能量预测的双簇首(DCHBEF)路由控制算法。该算法利用改进的阈值产生式与节点剩余能量相关性并设计主、次簇首的选举和工作机制,解决了LEACH和SAHRC协议中的盲目分簇和簇内单簇首通信方式缺陷。仿真结果表明:DCHBEF算法比原有的LEACH和SAHRC算法有较好的节能性,并提高全网通信效率。

一种基于稀疏快速傅里叶变换的卫星信号捕获算法

卫星信号搜索捕获时间长短是影响GPS软件接收机的重要因素。为了更快速、准确地完成卫星信号的捕获,文中提出了一种基于稀疏快速傅里叶变换的并行捕获算法。该算法采用取模运算、余数不同的采样思想,首先对中频信号和本地码进行一次下采样来获得中频信号和本地码的一个子集,其次对多普勒频移量进行一次下采样来获得多普勒频移量的一个子集;然后在子集中进行卫星信号的并行捕获。研究结果表明,与GPS卫星信号的并行捕获算法相比,该算法有效地减少了运算量,提高了捕获性能。最后通过实验验证了该算法的正确性。

基于OAI的LTE通信平台的研究与实现

文章首先介绍基于SDR(Software Defined Radio,软件定义无线电)实现的LTE开源无线通信系统—OAI(Open AirInterface的简称),重点分析OAI的软硬件平台以及OAI连接流程,通过OAIUE OAIeNB+OAI EPC/HSS实验调试与分析,采用FDD-LTE制式,实现了从EPS到eNodeB的S1接口的互连,再通过真实无线环境到UE的上下行通信。相对于其它仿真实验,可为研究LTE和相关科研教学工作人员提供一个更加符合真实应用场景的实验平台。

基于OpenLTE的LTE系统的研究与实现

文章首先介绍了开源软件无线电系统Open LTE。重点分析Open LTE的软硬件平台,详细分析Open LTE的系统框架,对整套系统的各个功能模块进行了介绍。最后经过调试在通用软件无线电平台上成功运行,验证Open LTE实现LTE系统的可行性,能够为研究LTE和相关科研教学工作人员提供一个更加符合真实应用场景的实验验证平台。

无偏稀疏正则化的双策略结构神经网络压缩

虽然深度神经网络模型的性能十分出色,但目前网络存在规模庞大、权重冗余度高的问题。同时,现有对网络权重剪枝的正则子估测偏差大。因此,本文提出无偏稀疏正则化的双策略结构神经网络压缩。首先,本文将神经网络所连接权重视为一组,提出采用估测值偏差小的非线性拉普拉斯函数,构建组间无偏结构稀疏正则子和组内无偏结构稀疏正则子,对冗余神经元和剩余神经元的冗余权重分别进行稀疏约束,构建无偏稀疏正则化的双策略结构神经网络压缩模型。其次,针对所设计的无偏稀疏正则化的网络压缩优化难题,本文采用近端算子技术获得无偏稀疏正则子的闭式解,进而设计基于近端梯度下降法的反向传播算法,实现神经网络准确的结构压缩。最后,通过在数据集MNIST、FashionMNIST和Cifar-10进行实验验证,本文所提出的无偏稀疏正则子的双策略结构神经网络压缩不仅收敛速度快于目前主流正则子。而且在压缩率保持一致的情况下,相比已有的方法识别精度平均提升2.3%,在识别保持精度基本一致的情况下,相对已有方法平均提升11.5%的压缩率。