基于HTM-Attention的时序数据异常检测方法

针对现有工业时间序列数据异常检测算法并未充分考虑时序数据在时间相关性方面的研究问题,提出了一种改进的HTM(Hierarchical Temporal Memory)-Attention算法。该算法结合了HTM算法和Attention机制,能学习数据之间的时间依赖关系,并在单变量和多变量时序数据上得到验证。同时,通过引入Attention机制,算法可以关注输入数据中的重要部分,进一步提高了异常检测的效率和准确性。实验结果表明,该算法对不同类型的时间序列异常数据能进行有效地检测,并且比其他常用的无监督异常检测算法具有更高的准确率和更低的运行时间。该算法在工业时间序列数据异常检测的应用中具有较大的潜力。

融合语义和句法信息的方面情感三元组抽取

方面情感三元组抽取(ASTE)是方面情感分析中一项极具挑战性的子任务,目的是提取所给句子中的方面项、观点项和对应的情感极性。现有的面向ASTE任务的模型分为流水线模型和端到端模型。针对流水线模型易受到错误传播的影响,且大部分现有端到端模型忽略了句子中丰富的句法信息问题,提出一种语义和句法增强的双通道方面情感三元组抽取模型(SSED-ASTE)。首先,使用BERT(Bidirectional Encoder Representation from Transformers)编码器对上下文编码;其次,使用双向长短期记忆(Bi-LSTM)网络捕捉上下文语义依赖关系;再次,通过2个并行的图卷积网络(GCN)分别使用自注意力机制和依存句法分析提取语义特征和句法特征并融合;最后,使用网格标记方案(GTS)抽取三元组。在4个公开数据集上进行实验分析,与GTS-BERT模型相比,所提模型的F1值分别提升了0.29、1.50、2.93和0.78个百分点。实验结果表明,所提模型可以有效利用句子中隐含的语义信息和句法信息,实现较准确的三元组抽取。

基于大数据分析的用户信息多重加密存储技术

在大数据的分析中,当前方法对信息进行加密存储时,主要以线性微分求解对混合加密存储方法进行优化。在对密钥进行扩展的过程中,信息链路加密存储的信息出现非线性的突变,造成加密存储的信息安全性较低。鉴于此,提出一种基于超带宽的用户信息多重加密存储方法。利用混沌映射给用户信息增加反破解的保护外壳,以达到大数据分析下用户信息多重加密的目的,克服了当前方法存在的弊端,降低了加密信息存储产生的非线性突变。利用超带宽多重加密存储技术对用户信息进行多重加密存储,有效地增强了加密存储信息的抗攻击性,提高了用户信息多重加密存储的安全性,完成了对基于大数据分析的用户信息多重加密存储技术的研究。实验结果表明,利用该方法进行信息的多重加密存储提高了信息的安全性。

基于Hadoop的精准扶贫大数据信息系统

随着我国信息化建设的不断发展,在扶贫开发领域已经积累了大量具有实际指导意义的扶贫数据,如何有效管理和利用这些日益增长的扶贫大数据是当前亟待解决的问题。为实现高性能的扶贫大数据管理平台建设,文中将大数据技术与精准扶贫相结合,提出了一种基于Hadoop的精准扶贫大数据信息系统,设计了分布式数据清洗和FPGrowth算法,实现对扶贫大数据的安全可靠存储和智能管理利用,为精准扶贫提供科学依据。经测试,系统可靠性高,能达到支持决策的作用。

基于大数据的贵州山地农业种植适应性智能评估系统

基于大数据开发的贵州山地农业种植适宜性智能评估系统,立足于贵州省大数据、大扶贫发展战略,以农村土地(耕地、荒地开辟和土地改良)种植为着眼点,充分利用贵州省的大数据资源,开展以地块为单位的土地种植适宜性智能评估系统研究。项目根据地块的属性数据、周边的气候和环境特征等建立农村土地适宜性评价指标体系,按照不同农作物、林果、药用植物或其他高附加值经济作物等生长发育习性及最佳生长发育对土地、环境的参数要求,综合应用GIS空间分析、统计分析、数据挖掘和人工智能等技术,评估在该地块进行种植及生产的适宜性匹配度,并对种植面积、分布、市场供需等进行大数据分析,估算种植成本和收益,为农民、企业和农业管理部门开展农业布局和生产提供决策提供技术支持,实现土地种植的增效增收。

大学生素质拓展活动实施探究

为了有效提升大学生综合素质,文章基于相关研究背景,首先分析了大学生素质拓展活动实施的意义,然后阐述了大学生素质拓展活动实施的现状,最后提出了大学生素质拓展活动实施的路径。

基于隐式数据的改进LFM-SGD协同过滤推荐算法

采用传统协同过滤推荐算法对目标用户进行个性推荐时,由于用户评价数据和物品属性等显性数据稀疏,导致推荐物品的准确率和质量相对较差。本文基于隐语义模型(LFM),结合随机梯度下降算法(SGD),对协同过滤推荐算法做出改进。首先,在用户对物品行为的隐式数据中,采用LFM算法结合矩阵分解的思想,对数据进行处理;其次,利用SGD算法迭代求解损失函数的最小值。根据预测的评分矩阵,对目标用户推荐其感兴趣且未接触过的物品。实验结果表明,改进的LFM-SGD算法指标覆盖率、召回率、准确率分别比UserCF提高了0.761%、1.131%和3.175%,比ItemCF提高了0.154%、1.388%、3.898%。改进算法在缓解数据稀疏性、提高推荐精度方面取得了一定的成效。

基于时序数据挖掘的铝电解槽工艺参数优化研究

中国铝电解生产过程通过获取在线监测数据和离线测量数据进行自动化控制,但是因工艺反应机理复杂、异构数据关联度低、作业控制大量依赖人工经验等问题,只能实现模糊控制,为了进一步提升电流效率、节能降耗,需要深入研究电解槽各项铝工艺参数间的数据相关度模型,本文基于铝电解槽生产时的时序数据,采用数据挖掘方法发现工艺参数之间关联性关系。首先,将预处理好的数据进行平稳性检验和正态分布检验,将满足性质的序列集合通过皮尔逊相关性分析、格兰杰因果检验和梯度提升回归树得到各个工艺参数之间的相关系数集合、因果关系集合和非线性关系系数集合,并建立工艺参数之间数学模型;其次,将非线性关系系数集合通过有向概率图建立物料平衡和热量平衡模型。以果变量出铝量为例,平衡模型检索出影响出铝量的所有工艺参数并进行验证,出铝量的拟合结果验证了本文方法的有效性。

融合词语信息的细粒度命名实体识别

针对基于字级别的命名实体识别方法无法充分利用句子词语信息的问题,提出一种融合词语信息的细粒度命名实体识别模型。该模型通过引入外部词典,在基于字表示中融入句子潜在词语的信息,避免了分词错误传播的问题,同时构建了一种增强型字向量表达;利用扁平化的Lattice Transformer网络结构对字和词语的表示以及位置关系信息进行建模;通过CRF(Conditional Random Filed)计算得到最优标签序列。在细粒度命名实体语料CLUENER2020上进行了实验,精确率达到82.46%,召回率达到83.14%,F1值达到82.80%,验证了融合词语信息可以提升细粒度命名实体识别效果。

基于C-D模型的人才贡献率研究——以贵州省人才资本分析为例

本文基于柯布-道格拉斯生产函数(简称“C-D生产函数”)建立模型,采用了贵州省2000—2020年相关数据,由经济成分的增长率、GDP、人力资本组成及增长等要素计算,测算了贵州省的人才贡献率。结果显示,贵州省人才教育尚存欠缺,人才贡献率较低,经济发展更依赖于物质资本。本文建立函数并分析贵州省人才发展情况与经济发展的内在联系,以求预测贵州省未来经济发展走向,并调整人才政策,实现多元、合理地应用人才。

过渡金属W、Mn、V、Ti掺杂二维材料MoSi_(2)N_(4)的第一性原理计算

本文基于密度泛函理论(DFT)的第一性原理计算了W、Mn、V、Ti替位掺杂二维MoSi_(2)N_(4)后的几何结构、电子结构以及光学性质的变化.电子结构分析表明W、Mn、W、Ti替位掺杂二维MoSi_(2)N_(4)后的禁带宽度分别为1.806 e V、1.003 e V、1.218 e V和1.373 e V;四种过渡金属掺杂后MoSi_(2)N_(4)的带隙类型没有发生改变,均为间接带隙半导体;W掺杂后的杂质能级靠近价带顶,费米能级靠近价带顶,为p型半导体,杂质能级为受主能级;Mn掺杂后的杂质能级靠近导带底,费米能级靠近导带底,为n型半导体;V和Ti掺杂后杂质能级位于费米能级附近,为复合中心;光学性质分析表明,在2 e V~4 e V的能量区间内,W掺杂结构的吸收波长为336 nm,体系发生红移;Mn、V和Ti替位掺杂后的吸收波长分别为320 nm、358 nm和338 nm,且掺杂体系均发生蓝移.

混合策略改进的野马优化算法

针对野马优化算法存在种群多样性低、收敛速度慢和易陷入局部最优等问题,提出一种混合策略改进的野马优化算法(IWHO)。在马驹位置公式中引入基于饥饿游戏的Tent惯性权重,更好平衡算法的全局搜索与局部搜索能力;在放牧阶段引入折射镜像学习策略,利用折射镜像学习生成可行解的反向解,加快算法的求解速度;利用混合黄金正弦与飞蛾扑火算子,使算法跳出局部最优。将改进后的算法(IWHO)和其它算法在10个基准函数上对比测试,并通过Wilcoxon秩和检验和拉/压弹簧设计问题验证算法性能。仿真结果表明,IWHO在收敛速度和寻优精度上有明显改进。

一种超低失调集成运算放大器的设计与实现

基于双极型工艺设计了一种超低失调集成运算放大器。通过在差分输入级的有源负载处设计电阻修调网络来调整失调电压,并针对基极电流补偿不可控的问题设计了可修调的基极电流补偿结构来降低偏置电流,利用激光修调技术减小基极补偿结构引入的随机失调,有效改善了输入级失调。增益级采用结型场效应晶体管(JFET)差分对管以获得高增益,输出级采用全npn晶体管的乙类输出结构可满足大功率输出需求。芯片实测数据表明:在全温度范围内,失调电压最大为-25.3μV,失调电压温漂为0.025μV/℃,输入偏置电流为-3.535 nA,输入失调电流为-0.825 nA。实现了超低的失调电压、电流和温漂。

基于人物交互的学生课堂行为识别研究

深度学习技术促进了学生课堂行为识别研究的发展,为精准刻画学生的课堂学习行为提供了有效途径。然而,该方法面临真实课堂场景下目标多、行为特征复杂等困难,导致行为识别准确率不高。基于此,文章提出了一种基于人物交互的学生课堂行为识别网络,将交互对象作为重要特征引入课堂行为识别,首先将原网络中的检测模块替换为YOLOv5s,然后引入欧氏距离减少冗余人-物节点关系,并设计新特征提取算法优化听课这类无交互物品的学生行为识别,最后通过实验验证了此网络有效性和准确性。文章通过研究,旨在为规模化课堂行为识别研究提供理论参考和实践借鉴,进一步优化课堂教学效果的过程化评价,促进教学质量提升。

一种基于视觉显著性的码率控制算法

针对当前高效视频编码的码率控制算法未能充分确保视频显著区域的图像质量问题,提出了一种基于视觉显著性的码率控制算法。首先,采用基于图的流形排序显著检测算法获取视频的显著区域;其次,在图像编码过程中,为每个编码单元(Coding Unit,CU)建立基于视觉显著性的加权失真公式,将显著性值作为权重;最后,通过求解得到拉格朗日乘子λ,并根据原始码率控制算法中的λ与量化参数(Quantization Parameter,QP)的关系为每个CU确定QP。试验结果表明,该算法有效地根据视频内容的显著性权重实现了码率的合理分配,并在保持码率控制准确性的同时,提升了视频显著区域的图像质量。

用于篡改图像检测和定位的双通道渐进式特征过滤网络

针对现有基于深度学习的篡改图像检测网络通常存在检测精度不高、算法可迁移性弱等问题,提出一种双通道渐进式特征过滤网络。利用两个通道并行提取图像的双域特征,一个通道提取图像空间域的浅层和深层特征,另一个通道提取图像噪声域的特征分布;同时,使用渐进式细微特征筛选机制过滤冗余特征,逐步定位篡改区域;为了更准确地提取篡改掩码,提出一个双输入细微特征提取模块,结合空间域和噪声域的细微特征,生成更准确的篡改掩码;在解码过程中,通过融合不同尺度的过滤特征和网络的上下文信息,提高网络对篡改区域的定位能力。实验结果表明,在检测和定位方面,与现有先进的篡改检测网络ObjectFormer、MVSS-Net(Multi-View multi-Scale Supervision Network)和PSCC-Net(Progressive Spatio-Channel Correlation Network)相比,所提网络的F1分数在CASIA V2.0数据集上分别提高10.4、5.9和12.9个百分点;面对高斯低通滤波、高斯噪声和JPEG压缩攻击时,相较于ManTra-Net(Manipulation Tracing Network)、SPAN(Spatial Pyramid Attention Network),所提网络的曲线下面积(AUC)分别至少提高了10.0、5.4个百分点。验证了所提网络可以有效解决篡改检测算法存在的检测精度不高、迁移性差等问题。

稀土元素(La、Eu、Ho)掺杂单层WSe_(2)的第一性原理研究

单层二硒化钨(WSe_(2))是一种具有良好的热稳定性、电子运输和大面积可扩展性的优秀特性。基于密度泛函理论,利用第一性原理计算研究了稀土元素(La、Eu、Ho)掺杂单层WSe_(2)的结构、电学性质和光学性质。采用稀土元素(La、Eu、Ho)掺杂使单层WSe_(2)呈现P型导电传输特性,增强了导电性能,展现半金属特性。此外,La、Eu、Ho掺杂后,提高了单层WSe_(2)在红外光区的光探测能力和对可见光的利用率,在深紫外区域也具有应用潜力。研究结果证明了La、Eu、Ho掺杂单层WSe_(2)的电学性质、光学性质和扩大其应用方面的重要性。

液滴外延下生长参数对InAs纳米结构形貌的影响

利用液滴外延法在GaAs(001)衬底表面制备InAs量子点,通过控制变量分别研究沉积速率、沉积量对In液滴在GaAs表面生长过程中的影响.使用原子力显微镜(Atomic Force Microscope,AFM)表征I⁃nAs纳米结构形貌,得出结论:(1)沉积速率主要通过影响In液滴成核率来控制液滴的密度,即随着沉积速率的增大,In原子在衬底表面的成核率增加,InAs量子点密度增加,实验符合生长动力学经典成核理论.(2)沉积量的改变主要影响液滴的熟化过程,即随着沉积量的增大,可参与生长的活跃的In原子增加,促进了液滴熟化,使得扩散坍塌的原子数量增加,导致在InAs纳米结构中出现多量子点现象.

GaAsBi半导体材料的制备及应用研究进展

稀铋Ⅲ-Ⅴ半导体材料在电子和光电子领域具有广泛的应用前景,其制备方法主要有分子束外延法(MBE)和金属有机物气相外延法(MOVPE)。本文聚焦于具有较大带隙收缩、温度不敏感以及强自旋轨道分裂等特殊物理特性的GaAs_(x)Bi_(1-x)半导体材料,对其制备方法和研究进展进行了综述。研究人员对GaAsBi材料的研究主要集中在薄膜、多量子阱、纳米线和量子点材料的制备。在薄膜材料方面,侧重于研究制备工艺条件对GaAsBi薄膜的影响,例如低衬底温度、低生长速率和非常规的Ⅴ/Ⅲ束流比;在多量子阱材料方面,采用双衬底温度技术有效减少Bi偏析问题;对于纳米线和量子点材料,金属Bi作为表面活性剂可以改善材料的形貌和光学性能。然而,目前在该材料研究和应用方面仍存在挑战,如薄膜材料的结晶质量恶化和金属Bi分凝团聚,以及量子点材料中Bi的均匀性和形成机制的争议。解决这些问题对于提高GaAs_(x)Bi_(1-x)半导体材料的质量和促进器件发展具有重要意义。

基于模糊证据理论的多传感器数据融合算法

针对多传感器实时测量值的可靠性难以评价从而影响数据融合精度的问题,提出一种基于模糊证据理论的多传感器数据融合算法。首先将所有测量值构成的集合视为辨识框架,应用模糊数学原理引入隶属度函数,设计了多传感器之间互支持度计算的新方法,并借鉴信任分配思想将测量值转换为相应的证据,最终通过基于冲突分配的证据组合规则得到融合结果。仿真结果表明,该算法简单有效,无需传感器先验信息条件下仍可获得较高的融合精度。