基于LSTM的空气质量预测模型

为了准确预测空气质量,结合实际的天气污染情况,在WRF-CMAQ等一次预报模型的基础上,利用神经网络、机器学习方法中的LSTM算法以及线性学习方法,针对大量的数据进行二次数学建模来提升预测的准确性,同时解决了对现实中存在数据不全导致无法预测的问题.根据预测数据和实际数据对比,建立的空气质量预测模型预测出的数据与真实值的误差均在2%以内.

基于citespace和中介中心性算法的全国农业信息化知识图谱构建

以CNKI 2010~2020年期间发表的农业信息化领域论文作为数据来源,通过citespace可视化技术和改进的中介中心性算法相结合的方法完成全国农业信息化知识图谱的构建与分析.改进的中介中心性算法将共现网络中的前驱节点和后继节点的中心性依赖值关联起来,不断地更新中介中心性值,而且执行从一个点到所有其他点的最短路径搜索(单源最短路径搜索),时间复杂度从O(N^(3))优化为O(MN),空间复杂度从O(N^(2))优化为O(M+N),大大提高了运算效率.

基于本体建模的动态知识图谱构建技术研究

目前知识图谱领域构建的图谱多以静态知识图谱为主,数据集较大时,构建出的静态知识图谱的规模会非常大,且存在可读性差、交互性低等问题,非常不利于信息的动态浏览和筛选.为解决这一问题,应以增加知识图谱的动态交互性为目标来完成动态知识图谱的构建.将从知识图谱的体系架构、本体建模等方面进行系统探索,给出基于本体建模的动态知识图谱构建技术流程.最后从知识推理等方面对未来的研究方向进行了展望.

多模态情感识别综述

针对多模态情感识别这一新兴领域,分别从数据集、多模态特征表示以及多模态情感融合等三方面进行系统探索.特别针对多模态情感融合这一重点问题,分别对特征级融合、决策级融合、模型级融合这三个主流的融合策略进行了探讨.最后从引入新模态和多模态融合等方面对未来研究方向进行了展望.