高校科研成果统计信息化系统的研究与设计——以桂林航天工业学院为例

科研成果的数量和质量作为衡量高校科研能力的重要指标,反映了高校的科研综合实力。如何科学地利用信息化手段,及时准确地统计科研成果并加以分析,对于准确把握高校科研发展现状,合理制订发展规划,推动科研工作发展有着重要意义。采用.net和java等软件开发技术,设计架构一个基于高校科研成果管理的信息系统,实现与校园门户系统集成和公共数据平台对接,完成科研成果的分类统计,同时实现和上级部门统计指标的对接,自动生成基础报表数据,从而完成科研成果统计上报。系统的使用大大提升科研工作管理效率,有利于科研成果服务师生。

基于SDN的机器人焊接物联网监测系统研究

针对IoT底层网络异构且连接规模巨大的特点,提出了一种包括物理层、控制层及应用层的SDN-IoT架构。使用此架构,设计了基于SDN的机器人焊接物联网监测系统。并针对SDN-IoT网络中存在大量不同QoS要求数据流的情况,提出了一种萤火虫优化的负载均衡路由算法GSOR,该算法将驻留萤火虫荧光素值的更新规则映射成为当前网络状态与数据流QoS要求的函数,从而实现路由优化及负载均衡。仿真实验结果表明,GSOR能够根据数据流给定的QoS要求来规划路径,并且体现出了优于ECMP协议的性能。

基于卷积神经网络的CO_2焊接熔池图像状态识别方法

为了通过熔池图像对焊接状态进行判断,将卷积神经网络引入到CO_2焊接熔池图像状态识别中,提出了一种CO_2焊接熔池状态识别卷积神经网络CNN-M。该网络使用简单预处理的熔池图像作为输入向量,避免了人工提取图像特征的主观性对识别率的不良影响。同时,CNN-M采用了ReLU激活函数、随机Dropout及SVM分类器来降低样本集稀少可能导致的网络过拟合现象。试验结果表明,和人工提取熔池特征状态作为输入向量的BP神经网络相比,CNN-M在识别率及识别速度方面均体现出了更好的性能,其良好的泛化能力能够满足在线熔池状态监控的要求。

基于原问题求解的非稀疏多核学习方法

传统的多核学习方法通常将原问题转换为其对偶问题再进行求解,但直接求解原问题比求解对偶问题有更好的收敛属性.为此,文中提出了一种在原问题上求解、LP范数约束的非稀疏多核学习算法,首先采用次梯度和改进的拟牛顿法求解支持向量机(SVM),然后通过简单计算求解基本核的权系数.由于拟牛顿法具有二次收敛性,并且不需要计算二阶导数来得到Hessian矩阵的逆,因此文中算法具有更快的收敛速度.仿真结果表明,文中算法不仅具有较好的分类精度和泛化性能,还具有较快的收敛速度及很好的可扩展性.

非稀疏多核组合的支持向量回归方法

为了改善支持向量回归机的性能,提出一种利用多核学习解决回归问题的算法(NS-MKR)。算法对基本核函数的组合系数施加了Lp范数的约束(p>1),以得到组合系数的非稀疏解,并采用了两步优化方法,首先求解基于加权组合核的标准支持向量回归问题,用于学习拉格朗日乘子,然后采用简单的计算,求得基本核函数的组合系数,这2个步骤交替进行,直到满足事先定义的收敛准则。在人工数据集和真实数据集上的实验表明,相对于传统的单核和稀疏多核支持向量回归方法,提出的算法有更好的泛化性能。

基于递归自编码器的广告短语相关性

针对现有广告短语相关性研究成果多采用字面匹配,忽略了短语所包含的深层语义信息,限制了任务的性能等问题,提出了采用深度学习算法研究广告短语的相关性,采用递归自编码器(RAE)对短语进行深层结构分析,使得短语向量包含深层的语义信息,以此来构建广告语境下的短语相关性计算方法。具体地,给定一个包含若干词的序列,序列中所有相邻的两个元素尝试合并产生一个重构误差,遍历将重构误差最小的元素两两合并,形成类似哈夫曼树结构的短语树。采用梯度下降法最小化短语树的重构误差,采用余弦距离度量短语之间的相关性。实验结果显示,通过引入词语权重信息,加大了重要词语在最终短语向量表示中贡献的信息量,使得RAE更适合短语计算;比起传统LDA和BM25算法,在50%召回率的条件下,提出的算法的准确率分别提高了4.59个百分点和3.21个百分点,这证明了所提算法的有效性。

基于Boosting框架的非稀疏多核学习方法

针对传统的分类器集成的每次迭代通常是将单个最优个体分类器集成到强分类器中,而其他可能有辅助作用的个体分类器被简单抛弃的问题,提出了一种基于Boosting框架的非稀疏多核学习方法 MKL-Boost。利用分类器集成学习的思想,每次迭代时,首先从训练集中选取一个训练子集,然后利用正则化非稀疏多核学习方法训练最优个体分类器,求得的个体分类器考虑了M个基本核的最优非稀疏线性凸组合,通过对核组合系数施加LP范数约束,一些好的核得以保留,从而保留了更多的有用特征信息,差的核将会被去掉,保证了有选择性的核融合,再将基于核组合的最优个体分类器集成到强分类器中。提出的算法既具有Boosting集成学习的优点,同时具有正则化非稀疏多核学习的优点,实验表明,相对于其他Boosting算法,MKL-Boost可以在较少的迭代次数内获得较高的分类精度。

新型多尺度碳氮化物强化马氏体耐热钢的稳定性

提出了一种新型多尺度碳氮化物强化马氏体耐热钢的组织模型。首先,通过降C和去除Mo、B的成分设计原则,分别抑制M_(23)C_6长大动力学,进而降低其粗化速率;抑制(Fe,Cr)_2Mo型Laves相的形成,进而降低M_2X型Laves相的粗化速率;减少硼化物脆性相的生成等,以优化组织结构。其次,通过改进形变诱导析出+热处理的方法,最终获得尺度主要分布在50nm以下和100～200nm这两个范围内的形状多样的碳氮化物析出相。本工作研制的新型碳氮化物强化马氏体耐热钢由于含有多尺度碳氮化物的不同强化机制,基体位错密度提高,亚晶界强化作用增强。经650℃高温时效1 000h,其马氏体板条未发生明显变化,基体表现出优良的高温稳定性。同时与传统工艺制得的耐热钢相比,其初始强度基本不变,但随着高温时效时间的延长,其硬度降低较小,性能退化缓慢。

一种新型多尺度碳氮化物强化马氏体耐热钢的研制

为了强化马氏体耐热钢,采用控制热变形程中的温度、速率、弛豫时间及热处理工艺的方法制备了多尺度碳氮化物。研究了工艺参数和热处理工艺对多尺度碳氮化物析出相的影响。结果表明,碳氮化物析出相尺度主要分布在50 nm以下和100~200 nm,其中尺寸在50 nm以下的析出相可强化基体和阻碍位错运动;而尺寸在100~200 nm的碳氮化物析出相可促进亚晶界的形成以及马氏体板条界和原奥氏体晶界的稳定。经过处理的马氏体耐热钢在蠕变或时效过程中组织的高温稳定性增强,可延长材料在高温长时条件下的服役寿命。

SDH光传输系统时延测算的分析与研究

针对SDH光传输系统时延问题,为验证时延测试和计算结果,提出搭建测试系统,测算和分析SDH光传输系统的时延。介绍了时延计算方法和测算的原则,并通过测试实验对比了分析仪测试时延和计算结果,其误差均在合理范围内,验证了计算方法的正确性,并可用在实际工程的设计和验收中。

一种混合机制的网络良性蠕虫模型研究与分析

目前,网络蠕虫已经成为互联网所面临的最为严重的安全威胁之一,网络蠕虫的传播模型和防御技术的研究已经成为学术界的热点。针对现有网络良性蠕虫的传播规律和传播模型的不足,补充提出一种采用混合探测机制的良性蠕虫,建立其传播的数学模型。通过分析研究,该模型能快速抑制网络中的恶性蠕虫传播,并迅速消灭恶性蠕虫,保证网络节点主机的安全。仿真实验表明该模型能有效降低网络资源消耗,提高网络利用率及网络整体性能。