随着通信、大数据及云计算等技术的成熟应用和广泛普及, 伴随着设备的急剧增多, 数据爆炸式增长, 使网络环境变得日益复杂, 给网络安全带来巨大隐患。 为此, 针对网络安全技术发展需要, 叙述了如何应用 人工智能(AI: Artificial Intelligence)帮助解决网络安全问题。 针对网络中的特定领域或网络技术, 对如何应用 机器学习(ML: Machine Learning)方法提升网络安全性能进行了详细分析。 首先, 总结了在使用 AI 打击网络攻 击方面的现有研究工作, 包括采用传统的机器学习方法和现有的深度学习解决方案。 然后, 分析了 AI 本身可 能遭受的反击, 剖析了它们的特点, 并对相应的防御方法进行了分类。 最后, 提出了一些先进的人工智能网络 安全技术的高级概念, 并展望了未来人工智能如何更好地应用到网络安全领域。

针对遥感光伏图像分辨率高、 环境噪声较大以及背景复杂等问题, 提出了一种改进 Yolov5 目标检测模 型, 以实现对光伏电厂的定位。 首先, 在主干特征提取网络的卷积层中添加 CA(Coordinate Attention)坐标注意 力机制提高网络特征的学习能力; 其次, 将 Ghostconv 网络结构加入到 Backbone 中, 用 Ghostconv 网络模块替换 Conv 网络模块; 设计新的 GhostC3 网络代替原来的 C3 网络模块, 提高模型的学习效率; 最后, 将损失函数由 GIoU_Loss 函数改为 SIoU_Loss 函数。 实验结果表明, 相比原 Yolov5 方法, 改进算法的平均精度均值 mAP、 精准率和召回率分别达到了 97. 5% 、98. 9% 和 94. 9% , 提升了 1. 8% 、1. 7% 和 5. 8% , 验证了该算法对光伏检测 具有很好的效果。

运行在电脑的手写数字识别系统在移动性和便捷性方面存在诸多缺陷, 为此, 将数字识别算法移植于灵 活小巧的高性能嵌入式设备, 设计了一种基于视觉库 OpenCV(Open Source Computer Vision Library)的手写数字 识别系统。 通过舵机云台调整拍摄角度, 利用图片拼接和数字分割技术, 实现短距离、大面积的手写数字识 别。 比较了使用 KNN(K-Nearest Neighbor)、支持向量机和人工神经网络 3 种分类算法训练的模型在识别速度、 识别准确率、模型体积等方面的区别, 经过测试, 使用人工神经网络算法在树莓派上的识别时间可低至 0. 115 s, 识别准确率可达 72% , 具有一定的应用价值。

现有成绩预测研究多集中于如何构建预测模型, 但都忽略了预测时间的重要性。 针对此问题, 提出基于 BP(Back Propagation)神经网络方法构建大一成绩同最终毕业时的成绩预测模型, 旨在挖掘大一成绩同毕业成绩存在的潜在联系, 实现早指导早见效的原则。 通过对某高校信息与计算科学专业 2016 级学生成绩进行随机预测实验, 证明大一成绩同毕业成绩间具有潜在联系。 同时, 提出的基于 BP 神经网络的高校学生成绩预测模型具有良好的预测精度、 实用性和推广性, 可以成为提升教学质量的重要组成部分, 为实现人才培养的目标发挥更大的作用。

为减小复杂多变的电磁环境对车辆的影响, 利用三维电磁场仿真软件 CST ( Computer Simulation Technology)在车辆发动机舱建立线缆模型, 研究不同因素对车辆电磁耦合效应的影响。 通过仿真得到线缆长 度、 线缆距车底高度、 线缆相对距离、 线缆终端电阻、 导体半径、 绝缘层厚度等参数变化下, 线缆感应电压和 感应电流的峰值绘制关系曲线。 这些结论可以为车辆线束设计提供理论指导, 并为电磁防护设计中对于线缆 导体半径选择、 线缆相对距离、 离地高度、 线缆长度等提供依据。

针对用于三自由度机械臂各关节末端轨迹跟踪控制的非线性系统在扰动存在的情况下跟踪效率较低的问题, 提出一种变增益迭代学习控制律。 利用拉格朗日法建立动力学方程, 设计三自由度机械臂结构的变增益迭代学习控制器并进行收敛性分析, 通过 Matlab 的 Simulink 仿真模块, 构建三自由度机械臂控制系统仿真图,进行闭环定常 PD(Proportion Differentiation)型和闭环变增益 PD 型迭代学习控制器的三自由度机械臂对比仿真试验。 仿真结果显示, 基于变增益迭代学习的三自由度机械臂在干扰的状态下, 能较短时间内收敛到期望轨迹。

为实时监测室内 CO2 浓度变化, 以 STC89C52 单片机为核心, 设计了一种基于气体传感器的二氧化碳 报警器。 硬件系统包括二氧化碳传感器、 信号调理电路、 模数转换电路、 STC89C52 单片机和声光报警单元。 软件系统包括数据采集、 数据处理、 报警逻辑等功能单元。 该报警器在室内 CO2 体积百分比超过1. 5% 时可以 及时启动声光报警功能, 并可实时显示室内 CO2 值。

微地震反演是根据微地震监测数据反演推测震源位置、 发震时刻、 真震级、 震源初始振幅、 震源机制 以及介质参数等信息, 进而完成微地震监测主要任务的重要途径。 为通过对微地震反演技术的研究, 获取更 精确的微地震信息, 进而提升对储层压裂评价的可靠性、 降低开发成本以及提高油气采收率, 从微地震震源 定位、 震源机制以及多参数联合反演 3 个方面对微地震反演进行综述。 回顾了近年来微地震反演技术的研究 进展, 分析了各种反演方法的原理与优缺点, 总结了各种反演技术的改进以及应用情况, 展望了未来的研究 思路和发展方向, 为今后微地震反演技术进一步发展提供参考借鉴。 

针对现实生活中垃圾分类知识普及不够, 许多城市和学校都面临着垃圾分类困难的问题, 利用神经网络对分类问题的高效性和准确性, 通过一种基于 ResNet 网络和 SENet 网络的深度残差收缩网络实现垃圾图像分类。 通过对 Garbage 数据集进行筛选得到实验所需数据集, 并对 ResNet 进行改进, 将 SENet 和软阈值化操作加入 ResNet 结构中。 实验结果表明, 该方法通过网络训练和超参数调整, 得到了较好的识别率, 在校园垃圾分类中获得了较好的识别效果, 具有一定可行性。

为提高卫星星座网络受到攻击后的抗毁性及工作能力, 提出了一种模拟退火狼群算法。 该算法利用主客 观权重法结合综合逼近理想排序法(TOPSIS: Technique for Order Preference by Similarity to Ideal Solution)对网络 中的节点进行重要度评估, 并按照节点重要度排序依次攻击。 以网络连通度与网络连通效率为优化目标, 卫星 星座网络通信限制为约束条件, 采用运动算子的思想实现狼群自适应步长的游走、 召唤和围攻。 使用通过优化 得出的加边方案对网络结构进行优化。 实验表明, 与其他优化算法相比, 该算法具有优越性, 解决了卫星星座 网络在受到攻击后工作能力下降的问题, 提高了其受到攻击后的抗毁性。

针对在以数字化的方式传承和保护蓝印花布的技术中由于缺乏具有原始手工特征的蓝色印花图案数据集, 极大地限制了深度学习技术在蓝印花布纹样识别领域的应用问题, 构建了一个大规模蓝印花布纹样数据集。 该数据集包含 50 216 张蓝印花布纹样, 从动物、 植物、 中国神话传说及复合四大题材的角度将数据分为85 个子类。 该数据集的创建不仅涉及到蓝印花布的数字化建设, 如蓝印花布纹样检索及相关纹样命名, 还能使相关研究人员设计和验证机器学习算法。 在所构建的数据集基础上, 提供了 4 个典型深度学习网络的实验结果, 以此作为其性能基准。

 为满足“新工科”背景下科研与教学融合的课程建设需求, 设计了一套基于 Python 的多维度、 层次化的 综合实验平台。 平台以专业人才培养方案为导向, 在图像识别、 机器学习及数据分析 3 个科研热点方向, 设计 了多维的实验教学内容。 图像识别实验从文字识别入门, 进而通过多种方式实现人脸和车牌识别。 机器学习 实验基于 Python 的机器学习算法实现, 并应用于玉米病害识别。 数据分析实验将 Python 处理 Excel 数据应用于 计算工作量和生物信息数据分析中。 学生在实验中可以根据专业需求和科研方向选择不同的实验项目, 从而 实现因材施教的培养目标。 将实验平台应用于教学实践中表明, 学生对 Python 在图像识别、 机器学习以及 数据分析的编程实现有了更深入的了解, 提升了科研兴趣, 从而实现将科研融入教学, 提高本科生教学质量的 目标。

为解决微博网络暴力言论的自动识别和检测问题, 基于微博语料进行了数据集构建, 数据清洗等工作, 提出一种改进的 TFIDF(Term Frequency-Inverse Document Frequency)文本向量化方法。 将传统方法和此方法构 建的向量用于逻辑回归模型输入, 分别创建出传统方法和改进方法的逻辑回归暴力文本分类模型。 对上述模 型做评估并进行横向比较, 实验结果表明, 改进方法的 AUC 指标和准确率分别为 0. 969 和 0. 970, 较之传统方 法分别提升 14. 4% 和 15. 5%.

为充分发挥战机集群整体作战优势以得到最优目标分配方案, 采用改进狼群算法对战场态势模型进行求解。 通过保证算法的寻优效率, 引入次头狼概念对狼群的召唤与围攻行为做出改进, 并对狼群算法的更新机制做出了优化, 提高算法的全局寻优能力。 仿真结果表明, 所提方法能快速准确地寻找到最优目标函数值, 且在一定程度上改善了传统狼群算法易陷入局部最优的情况。

为解决异构数据孤岛之间难以开展安全机器学习的问题, 提出了一种异构数据孤岛之间的联邦学习通信 方式, 实现了横向和纵向混合的联邦学习通信, 突破了传统联邦学习横向和纵向参与方之间模型结构不统一的 通信壁垒。 基于政府、 银行等机构的特殊性隐私需求, 在混合联邦学习模型的基础上进一步去除了第三方聚合 器, 计算只在参与方之间进行, 大大提高了本地数据的隐私安全性。 同时针对上述模型中纵向同态加密为通信 过程带来的计算速度瓶颈问题, 通过增加本地迭代轮次 q 将纵向联邦学习的加密时间缩短了 10 倍以上, 降低 了横向参与方与纵向参与方间的计算瓶颈, 并且精度损失不超过 5% 。

为使移动机器人能在各种环境中高效工作, 需要根据实际的地形选择合适的路径规划算法。 为此, 使用A* 与 DWA(Dynamic Window Approach)算法结合的混合路径规划算法, 在仿真环境下搭建 U 型、 S 型、 L 型、狭窄通道型 4 种典型地形进行寻路实验, 同时改进了建图的权重递归公式消除对前一时刻数据依赖, 提高了算法效率。 结果表明, 该混合路径规划算法相较于单一算法具有较快的寻路速度和良好的避障能力, 其在 L 型地形下的寻路速度最快, 在 U 型地形和 S 型地形下则速度较慢。

 为探究影像组学方法诊断乳腺病灶良恶性的能力, 比较磁共振(MR: Magnetic Resonance) 影像组学与 传统MR 诊断在良恶性乳腺疾病鉴别中的效能。 回顾分析 2019 年 1 月-2022 年 1 月在吉林大学第一医院放射科 进行乳腺 MR 平扫及增强检查的患者, 收集病理结果证实为良性或恶性的乳腺病灶共 190 例。 MR 影像组学 方法通过建立逻辑回归模型实现诊断; 传统 MR 诊断由一名副高级职称的影像科医生完成。 结果显示测试集 MR 影像组学模型的灵敏度 0. 92, 特异度 0. 83, 曲线下面积(AUC: Area Under Curve)为 0. 92, 以上数值均高于 传统 MR 诊断的对应值, 且差异具有统计学意义(P = 0. 00)。 MR 影像组学的方法可以辅助诊断乳腺病灶的 良恶性, 且诊断效能优于传统 MR 诊断模式。

为解决目前对高密度人群计数问题, 提出了一种基于 Yolov5 的人群计数方法。 其中输入层主要进行 Mosaic数据增强, 即自适应锚框和自适应的图片缩放技术; Backbone 中 Yolov5 主要采用 Focus 和 CSP(Cross Stage Partial)结构; Neck 层采用 SPP(Spatial Pyramid Pooling)模块和 FPN(Feature Pyramid Networks) +PAN(Pixel Aggregation Network)结构; 输出端主要针对 Bounding Box 损失函数采用了 CIOU_Loss 作为损失函数和 DIOU_ loss 作为 NMS(Non Maximum Suppression)的平均指标; 最终输出训练结果。 实验结果表明, 该方法能有效提高 人群计数的精度。

为解决跨区域科技资源共享和协同创新存在管理、 协同、 关联难等问题, 开展科技资源平台实践应用和理论研究并构建科技创新生态数字化展示系统。 首先构建科技创新要素的定义、 组成及指标体系, 提出以创新地图、 能力、 主体、 载体、 资源和环境为核心的数字化展示系统, 并以吉林省为例, 以指数法监测区域科技创新水平, 以文本挖掘法进行科技政策热点分析, 基于 Vue+Django+MySQL 技术架构进行系统的体系架构和功能设计, 最终实现区域内的科技数据创新生态数字化展示, 使系统具有数据共享、 数据关联、 决策支撑等智慧化服务功能。 应用实践表明, 该系统丰富了科技数据资源的可视化方式, 提升了科技创新生态的可视化程度, 提高了系统的高扩展性、 高效率和良好性能。

针对传统的命名实体识别方法无法充分学习古汉语复杂的句子结构信息以及在长序列特征提取过程中 容易带来信息损失的问题, 提出一种融合 SikuBERT( Siku Bidirectional Encoder Representation from Transformers) 模型与 MHA(Multi-Head Attention)的古汉语命名实体识别方法。 首先, 利用 SikuBERT 模型对古汉语语料进行预训练, 将训练得到的信息向量输入 BiLSTM(Bidirectional Long Short-Term Memory) 网络中提取特征, 再将 BiLSTM层的输出特征通过 MHA 分配不同的权重减少长序列的信息损失, 最后通过 CRF(Conditional Random Field)解码得到预测的序列标签。 实验表明, 与常用的 BiLSTM-CRF、 BERT-BiLSTM-CRF 等模型相比, 该方法 的 F1 值有显著提升, 证明了该方法能有效提升古汉语命名实体识别的效果。

随着无线通信不断发展, 对无线通信信道仿真需求逐渐增加, 为了解决无线通信信道仿真局限性低, 准确度差等问题, 采用硬软结合的无线通信信道仿真系统, 使其具有适用性强, 人机交互性好等特点。 整体上 将信号的传播损耗分为大尺度衰落和小尺度衰落。 对于大尺度衰落采用晴空模型; 使用多径预测模型模拟 小尺度衰落。 硬件部分采用 FPGA(Field Programmable Gata Array)和 DSP(Digital Signal Processing)搭建系统计 算损耗。 对于晴空模型使用 FPGA 计算视距传播、衍射、对流层、大气波导层和附加基本损耗; 多径仿真模型 使用 FPGA+DSP 的形式搭建抽头时延先的仿真系统。 软件部分使用 Qt 编写上位机可视化界面, 提供了用户输 入入口和结果显示, 并使用串口通信的方式传输模型的设定参数以及输出结果。 经过实验测试和真实数据对 比, 系统能够较好地仿真不同环境下的无线信道, 从而可以提高信道仿真的便捷性, 并减小成本。

以加深学生对半导体器件性能知识的理解和掌握为目的, 设计并开发了适用于本科实验教学的“MOS (Matal-Oxide-Semiconductor)静态参数性能研究冶综合实验项目及性能测试仪。 该测试仪可以分项也可组合测量 多项参数, 不仅有利于加深学生对器件性能知识的理解, 而且有利于学生实践动手能力的培养。 多年实践教学 表明, 该综合实验项目有助于提高学生对本专业基础课《半导体器件物理》的学习兴趣和思考。 学生在实践教 学中由被动学习转变为主动实验设计者与参与者, 并实现了师生互动和学生之间的交流合作, 取得了良好的教 学效果。

垃圾短信发送者会不断尝试修改垃圾短信内容以欺骗过滤系统, 导致识别准确率降低, 为此提出一种基于 自分簇自学习算法的识别方法。 首先以最小编辑距离的方式构建垃圾短信关系链, 使用 MeanShift 算法对其进行 聚类实现自分簇功能。 之后计算每个簇核心, 并以与核心的距离确定每个样本的权值, 以权值样本训练分类器, 当新垃圾短信样本被分类器识别后, 会被归类到某个簇并重新计算该簇的核心和各个样本的权值, 并更新分类 器, 重复此过程实现自学习功能。 实验结果表明, 新方法准确率提高约 2. 51% ~ 5. 14% , 且能长时间保持。

针对传统听障儿童发音康复训练中患者主动训练积极性逐渐减弱的问题, 设计了一种基于虚拟现实 VR 技术的沉浸式听障儿童发音康复训练系统。 系统采用 Unity3D 引擎开发康复场景, 并采用虚拟现实头盔作为输 出端展示虚拟环境, 其能以极高的还原度重现虚拟环境, 具有很高的沉浸感。 通过面部捕捉技术, 训练出标准 的发音、 口型等, 通过高清晰的视觉虚拟现实成像系统及手部动作捕捉系统实现人机交互的方式, 触发训练功 能, 利用虚拟现实技术实现更好地帮助听障儿童进行沉浸式发音康复训练。 实验结果表明, 系统中的发音训练 方式可以有效地提高听障儿童的发音能力, 对患者语言能力的康复具有积极作用。

由于丙型病毒性肝炎病毒感染后约有 3 ~ 10% 丙肝病例发展为肝细胞癌, 因此准确预测丙肝感染情况,提高丙型肝炎病毒检测技术非常重要, 为此, 采用机器学习中的集成算法进行丙肝预测。 为挑选出最优检测丙肝模型, 将不同机器学习模型在 UCI(University of California Irvine)丙肝数据进行比较分析。 实验结果表明,梯度提升树, 随机森林以及轻量级梯度提升机表现较好, 其中梯度提升树在预测丙肝准确率高达 0. 9351。使用梯度提升树对丙肝感染情况进行预测最为准确。

针对传统协同过滤算法用户相似度计算准确度低的问题, 在推荐系统中引入项目属性信息和项目标签信息, 提出融合标签和属性信息的混合推荐算法。 首先将用户对项目的评分转化为用户对项目属性值及标签的评分, 构建用户-属性值偏好矩阵和用户-标签偏好矩阵, 将其作为用户描述文件; 然后分别根据用户-属性值偏好矩阵和用户-标签偏好矩阵计算用户之间的相似性, 并将结果加权平均, 得到每个用户的最近邻居列表;最后根据邻居对项目的评分产生推荐结果。 由于项目属性值的数量和主要标签数量远低于项目数量, 该算法能有效解决协同过滤算法的数据稀疏性问题, 同时也能更直观地描述用户的偏好。 而且在构建用户描述文件时, 考虑到用户偏好随时间变化的规律, 对用户不同时间点的评分赋予不同的权重, 权重随着时间推移逐渐增大。 实验结果表明, 该算法能更准确地预测用户对未评分项的评分, 提高推荐的准确度和召回率。

为更好地保护生态环境并提高可回收垃圾的经济价值, 针对现有的垃圾识别方法面临的分类背景复杂、 垃圾目标形态变化多样等问题, 提出一种面向垃圾图像分类的残差语义强化网络, 能从复杂背景中剥离前景 语义目标。 该网络以骨干残差网络为基础, 利用视觉概念采样、 推理以及调制模块实现视觉语义的提取, 并通过注意力模块消除语义层次和空间分辨率与视觉概念特征的差距, 从而对垃圾目标形态变化更加具有 鲁棒性。 通过在 Kaggle 开源的 12 分类垃圾数据集及 TrashNet 数据集上进行实验, 结果表明, 相较于骨干网络 ResNeXt-50 和其他深层网络, 该算法均取得了性能的提升, 在垃圾图像分类任务上有较好表现。

为提高光电编码器的细分精度, 实现莫尔条纹信号的补偿和校正, 分析了对信号质量产生影响的误差 来源, 建立了莫尔条纹信号的波形方程。 设计了一种利用布谷鸟搜索算法结合最小二乘法, 用残差平方和作为 适应度函数实现波形方程多参数辨识的方法。 并利用辨识得到的参数结合波形方程对信号中的正弦性偏差、 直流分量和等幅性偏差进行修正。 将辨识得到的相位参数用于构建查找表, 以实现信号的正交性偏差补偿。 实验结果表明, 上述方法有效降低了输出信号中出现的偏差, 提高了光电编码器的细分精度。

为解决评估过程中评估指标体系权重分配不合理和空战数据不确定的问题, 提出基于博弈论和区间云模型进行非完备空战决策效能评估的研究方法。 针对空战攻防决策, 构建评估指标体系, 基于博弈论合理调整主客观权重获得指标的综合权重值。 然后, 对评估中出现的随机性和模糊性问题, 研究区间云模型方法, 通过区间云发生器确定非完备空战决策效能优劣。 最后, 通过仿真验证了所提方法的可行性和有效性, 为解决非完备信息下的空战决策效能评估问题提供了技术支撑。

为探究电子支付科研现状和发展趋势, 针对电子支付研究热点进行了分析。 采用文献计量方法, 从电子 支付领域的研究概况、 研究力量和学科分布 3 个方面分析了电子支付领域的发展现状, 利用科学知识图谱 方法, 对该领域的研究热点进行可视化分析。 结果表明, 电子领域的论文产出最多的国家是中国和美国; 主要 产出机构是北京邮电大学和中南大学; 研究热点主要侧重于电子支付体系安全性的理论和实践应用研究。

针对传统加油站生产环境下卸油作业检测效率低, 违规操作引发的安全问题, 提出一种基于改进 YOLOv3的加油站卸油检测方法。 该方法通过在 Darknet-53 主干输出后引入 RFB(Receptive Field Block)感受野模块, 使模型能选择合适的感受野对不同尺度目标进行匹配, 提高检测精度; 结合 CSP(Cross Stage Partial)网络并提出RFB_CSP 和 RFBS_CSP 两种结构, 实现两条支路的跨级拼接与通道整合, 降低计算成本; 用 K-means++算法对现场的 9 类目标重新聚类分析, 确定合适的网络 anchor 参数。 实验结果表明, 优化后的模型对比原始的 YOLOv3 模型, 其平均精度均值提高了 2. 3% 和 2. 9% , 说明优化后的 YOLOv3 模型在加油站场景检测具有较高的实用价值。

由于基于传统深度学习的岩石图像识别算法模型比较繁琐, 而且应用于移动终端等需要一定的计算能力, 因此很难实现对岩石类型的实时准确判别。 为此, 以 ShuffleNetV2 网络为基础, 插入通道连接注意力机制ECA (Efficient Channel Attention)模块, 使用 Mish 激活函数代替 ReLU 活函数并引入轻量级网络部件中的深度可分离卷积。 将该方法用于岩石图像识别, 实验结果表明, 改进后的算法结构简单, 同时具有轻量化的特点, 其识别精度达到 94. 74% , 可在移动终端等有限资源环境下应用。

 针对经过拼接合成等篡改操作的图像被压缩后, 难以检测出篡改证据的问题, 提出了一种基于摄像机标定的压缩图像拼接合成检测方法。该方法首先分析压缩图像的成像规律, 将空间变换矩阵作为检测证据;然后基于摄像机标定参数, 估计单应矩阵; 最后基于摄像机外部参数, 通过旋转图像的空间变换矩阵, 确定图像的真实性, 完成拼接合成压缩图像的检测。实验结果证明, 该方法可以检测出经过拼接合成篡改的图像,检测精度为75%。

近年来, 随着中国的经济和人们生活水平的迅速提高, 对能源开采和运输的需求日益增加, 油气运输管 道作为重要的能源运输方式之一, 其总长度有了巨大的增长。而管道泄漏检测技术是保证油气管道高效、稳定 运行的关键技术之一。为此, 首先对管道泄漏检测以及定位技术的发展历程和现有研究成果进行了总结, 并对 各种常见方法进行了归类。其次研究了多种常见管道泄漏检测方法的基本原理和操作方法; 然后根据实际 工业情况阐述了各个检测方法的特点和适用应用场景; 最后, 对管道泄漏检测技术存在的挑战和未来研究的 重心进行分析和展望。

传统推荐算法缺少对图结构的隐含信息及上下文信息的利用, 从而可能降低推荐效果。 为提高传统推荐 算法的推荐效果, 提出基于图神经网络的推荐模型。 该模型基于图的高阶连通性理论, 使用图神经网络挖掘 用户-物品二部图中的隐含信息, 并由一阶扩展到多阶, 从而获取更精确的嵌入式表示和推荐效果; 在更新过 程中考虑上下文信息, 有利于理解上下文间的交互关系。 并将该模型在 Yelp-OS、Yelp-NC 和 Amazon-book 数据 集上进行实验, 实验结果表明, 在 HR(Hit Ratio)和 NDCG(Normalized Discounted Cumulative Gain)指标上均优于 相关对比算法, 证明该算法可优化推荐效果, 提升推荐质量。

为解决传统移动机器人在局部路径规划中的避障问题, 针对传统 DWA(Dynamic Window Approach)算法 的移动机器人避障时间过长以及在密集动态障碍物区中无法选择最佳路径的缺点, 提出了 A * 算法结合 VO (Velocity Obstacle)算法的 VO 混合路径规划算法, 对移动机器人避障算法进行优化。 基于 ROS(Robot Operating System)机器人操作系统, 在具有 3 种障碍物的情况下, 采用模块化的软件架构, 通过设计 DWA 算法与 VO 混合路径规划算法的对照研究实验, 检验 VO 混合路径规划算法的避障效果。 多种环境下的仿真实验结果 表明, 在动态障碍物多、 障碍物移动速度快以及雷达扫描频率低的情况下, 使用 VO 混合路径规划算法, 避障 效果有明显改善。

针对在传统的统计方法中, 联合分析方法不能同时对大量参数进行变量估计问题, 提出了贝叶斯 茁 回归模型。 该模型使用 Dirichlet 分布作为模型参数的先验分布, 并设计相关 MCMC(Markov Chain Monte Carlo)算法对模型进行拟合。 通过分析将该模型应用于离散指标变量评估中, 结果表明该模型对数据拟合效果好且算法收敛速度快,说明贝叶斯层次模型弥补了传统联合分析方法的缺陷, 并对联合分析方法进行了优化改进。

针对非结构化大数据边缘安全性较差, 存储效果受限的问题, 提出基于边缘计算的非结构化大数据动态 安全存储算法。 有效分析和识别非结构化大数据, 利用构建的数据敏感级别识别模型确立非结构化大数据敏 感度等级并加密。 基于边缘计算及云计算, 建立云边协同架构, 利用该架构编写的分布式压缩感知鄄同时正交 匹配追踪(DCS-SOMP: Distributed Compressed Sensing-Simultaneous Orthogonal Matching Pursuit)算法对加密数据 进行压缩采集, 以此降低数据存储量, 最终将非结构化加密数据上传至云边协同框架各个边缘, 实现非结构化 大数据动态安全存储。 经存储量、 元数据占比、 加密耗时和带宽消耗测试实验, 结果表明该算法鲁棒性较高, 能保证实际应用性。

针对在电力物联网中用户侧数据处于相对孤立的位置, 导致数据关联规则挖掘难度增加的问题, 提出了 基于关联规则映射的电力物联网用户侧数据深度挖掘方法。 该方法以用户侧数据网状拓扑的有向图结构为 基础, 根据关联属性组分析数据集的关联映射关系, 利用相互关系矩阵挖掘数据集的关联规则。 引入极值规范 化策略与径向基函数神经网络, 构建无量纲方法与离散聚类方法, 通过隐藏层神经元网络中心获取与连接权重 计算等训练阶段, 按照 K 均值聚类流程完成数据预处理, 根据显性与隐性的不同用户侧数据类型以及用户鄄 项目评分矩阵与兴趣度矩阵, 实现数据深度挖掘。 实验结果表明, 该方法可以用较短的时间完成挖掘任务, 不同规模数据集处理效果更好, 且能在较小的内存空间内完成数据深度挖掘。

为解决基于 RNN(Recurrent Neural Network)的序列推荐模型在处理长序列时易出现梯度消失或爆炸从而 导致推荐模型训练过程不稳定问题, 在传统门控循环单元(GRU: Gated Recurrent Unit) 基础上, 引入了残差 连接、 层归一化以及前馈神经网络等模块, 提出了基于深度残差循环神经网络的序列推荐模型 DeepGRU。 并 在 3 个公开数据集上进行了验证, 实验结果表明, 该 DeepGRU 相较于目前最先进的序列推荐方法具有明显的 优势(推荐精度平均提升 8. 68% )。 消融实验验证了引入的残差连接等模块在 DeepGRU 框架下的有效性。 并且, 该 DeepGRU 有效缓解了在处理长序列时训练过程不稳定的问题。