本体融合已经成为学科领域知识图谱的重建和知识共享的重要途径, 为解决本体融合领域缺乏标准融合 框架问题, 提出一种基于国际标准 MFI4OR 的本体融合模型。 该模型提供一个标准的本体信息划分标准, 即 本体鄄本体构件鄄本体原子构件, 实现对本体信息的管理和映射。 在融合计算过程中, 选择编辑距离算法并引入 外部资源 WordNet 词典进行相似度计算。 最后, 以省级基金项目中的学习者模型构建需求为应用背景, 将 FOAF(Friend-Of-A-Friend)本体和 RELATIONSHIP 本体进行融合试验。 结果表明, 该标准化融合模型能实现 通用本体融合。

真实的自然图像常被各类图像噪声污染, 而传统去噪方法普遍只针对一种噪声类型设计, 因此在处理混 合噪声时往往去噪效果不佳。 针对这一问题, 提出一种快速二步交叉非局部混合滤波算法。 该滤波包括二步 交叉滤波部分与整体滤波部分, 在二步交叉滤波部分, 首先找到像素灰度的极值点进行定位, 并使用非局部中 值滤波对极值点进行简单的去除椒盐噪声, 求出图像的差值积分图, 最后使用改进的加速非均值滤波进一步去 除噪声。 在整体滤波部分, 使用非局部中值滤波整体去除噪声。 实验结果表明, 所提算法在高强度的混合噪声 污染情况下, 修复的图像获得了更高的测量指标和更加理想的视觉效果。

当前网络用户隐私保护算法在实现时, 未将数据中的噪声点进行剔除, 导致算法加密耗时长、安全指数 低、完整性差, 严重影响网络用户的应用体验感, 为此, 提出基于概率统计的网络用户隐私保护算法。 首先通 过小波变换阈值法对数据进行降噪处理, 消除数据在采集时产生的不确定因素, 使算法在加密过程中耗时更 短; 为提高算法安全指数, 采用层次分析方法在概率统计知识的基础上建立隐私保护层次分析模型, 并利用该 模型通过 Logistic 混沌映射系统, 对获得的隐私保护目标值进行加密, 实现对网络用户的隐私保护。 实验对比 结果表明, 所提算法加密耗时短, 安全指数高, 完整性更好, 可以被广泛运用。

为更准确定位 Android 终端(GNSS: Global Navigation Satellite System)定位精度, 使手机更好地在泛测绘 场景应用, 选取两个典型测点, 通过 48 h 连续观测并采用 GAMIT/ GLOBK 软件解算获得测点“真实”坐标。 使用两款智能手机采集全球导航卫星系统原始观测数据, 进行静态和动态定位精度和准确度对比实验。 结果 表明, 三星 Galaxy S8 定位结果普遍优于华为 P10; 静态后处理, LGO(Leica Geo Office)解算结果好于 RTKLIB 解算结果; 动态实时解, 三星 Galaxy S8 实现固定解且具有较好的准度(优于 1dm); 华为 P10 的结果较差, 准度 在 3. 18 ~ 5. 52 m 之间, 精度在 2. 67 ~ 4. 88 m 之间, 且未实现固定解。

针对钙钛矿太阳能电池的电子传输层/ 钙钛矿层界面处存在的大量缺陷, 提出了一种无机盐界面钝化的 优化策略。 该策略选用低成本的氯化锂(LiCl: Lithium Chloride)作为电子传输层/ 钙钛矿层的界面钝化材料, 制备了器件结构为 ITO/ TiO₂ / LiCl / CH₃NH₃PbI₃ / spiro-OMeTAD/ Ag 的钙钛矿太阳能电池。 在引入浓度经过优化 的 LiCl 后, 钙钛矿太阳能电池的短路电流密度和填充因子达到 21. 05 mA/ cm ² 和 72. 55% , 能量转换效率为 16.95% , 与没有引入 LiCl 的器件相比提高了 23. 00% 。 对器件和薄膜进行表征后发现, LiCl 可以钝化界面处 的缺陷和陷阱, 并提高了 TiO₂ 的电导率, 从而减少了界面复合损失, 促进了电荷传输。

为缓解现有分时电价机制可能造成新的负荷高峰情况, 提出了一种从负荷侧考虑的对电网调峰有贡献度 的用电激励机制。首先建立各类家庭用电设备负荷模型、蓄电池负荷模型以及电动汽车充放电模型, 其次提出 从负荷侧间接调整电网峰谷差的激励机制模型, 最后以用电成本与用户舒适度为目标函数, 采用基于小生境的 混沌粒子群优化算法求解多目标 Pareto 解。仿真结果表明, 所提出的激励机制在满足舒适度要求的同时能显 著降低用电成本与用电峰谷差, 在一定程度上缓解了电网压力并提高其运行稳定性。

为解决传统扰动观察法误判、振荡和追踪速度慢的问题, 提出一种基于功率预测变步长扰动观察法的控 制策略。 当采样频率固定, 光强不变温度变化的情况下, 单位时间内光伏电池的输出功率曲线可近似为线性变 化。 利用步长较大的传统扰动观察法的快速性追踪到最大功率点附近, 然后进行线性化功率预测, 进而精确地 追踪到最大功率点。 并在仿真平台中搭建仿真模型, 结果表明新的控制策略提高了系统的跟踪速度和精度, 优化了系统的输出性能。

针对绝缘子因分布位置较远、背景复杂而导致传统方法无法精准并高效识别其故障的问题, 提出一种基 于集成卷积小波极限学习神经网络(ECWELNN: Ensemble Convolution Wavelet Extreme Learning Neural Network) 的绝缘子故障检测方法。 首先通过安装在无人机上的工业级摄像机采集现场的绝缘子图像数据并进行预处理; 其次将卷积神经网络、自动编码器、极限学习机和小波函数的优势结合, 构造集成卷积小波极限学习神经网 络, 并逐层堆叠建立多个深层神经网络; 最后将绝缘子图像样本输入多个深层神经网络进行自动特征学习, 将 预测结果进行集成并输出最终的故障检测结果。 通过实验对比验证了小波函数作为极限学习机网络模型中的 激活函数在绝缘子识别领域中的优势。 实验结果表明, 该方法的平均故障检测准确率达到了 98. 49% , 标准差 仅 0.20, 相比其他方法在图像特征提取和故障检测准确率方面更具优势, 适用于绝缘子故障的自动识别。

为解决传统流形学习方法在轴承数据的非欧氏空间中特征提取时的不佳表现, 提出引入黎曼流形学习方 法。 在黎曼流形的框架下, 利用原始数据集构造出黎曼流形, 并基于此流形提出了黎曼图嵌入特征提取方法, 通过对局部结构编码实现初步降维。 然后, 在低维黎曼流形的基础上融合主成分分析算法( PCA: Principal Components Analysis)和线性判别分析算法(LDA: Linear Discriminant Analysis)设计分类器并对轴承数据进行了 聚类。 最后, 通过在两个轴承数据集上的实验，分析了该方法提取特征的能力。 实验结果表明, 与现有的故障 诊断方法相比, 该方法具有较强的故障诊断能力。

为提高文本分类的准确性和效率, 构建了一种基于 Attention 的 CNN-BiLSTM/ BiGRU(简称 CBLGA)混联 文本分类模型。 首先通过并联不同卷积窗口大小的 CNN(Convolutional Neural Networks)网络同时提取多种局部 特征, 之后将数据输入至 BiLSTM 和 BiGRU 并联组合模型中, 利用 BiLSTM 和 BiGRU 组合提取了与文本中的上 下文有密切关系的全局特征, 最后对两个模型所得到的特征值进行了融合并在其中引入了注意力机制。 构建 基于 Attention 的 CNN-BiLSTM/ CNN(简称 CBLCA) 混联文本分类模型, 特点是将 CNN 的输出分为两部分, 其中一部分输入 BiLSTM 网络中, 另一部分则直接和 BiLSTM 网络的输出进行融合, 既保留了 CNN 提取的文字 序列局部特征, 又利用了 BiLSTM 网络提取出的全局特征。 实验表明 CBLGA 模型和 CBLCA 模型在准确率和效 率方面均实现了有效提升。 最后, 建立了一套针对不同长度的文本进行相应预处理和后续分类工作的分类的 流程, 使模型无论面对长文本还是短文本数据, 均实现了同时提高文本分类的准确率和效率的目标。

许多国家政府都发布了抗击新冠肺炎(covid-19)传播的联系人追踪应用程序, 旨在帮助卫生官员发现感 染者后追踪接触情况。 然而, 位置追踪应用程序会对用户隐私造成泄露。 因此, 为了解决接触者追踪对用户隐 私影响, 分析、讨论、综述了当前接触者追踪中的隐私风险和保护问题, 保证在不降低对公共健康有用性的情 况下改善隐私泄露问题。 希望通过此研究结果, 确保移动联系人追踪应用程序的用户隐私, 并鼓励政府努力开 发有效的替代解决方案, 为用户提供更强的隐私保护。

当前个人健康记录(PHR: Personal Health Records)存在着存储不安全和难以共享的问题。 为提高 PHR 的 安全性和共享性, 提出一种基于超级帐本(Hyperledger)和手指静脉(FV: Finger Vein)特征身份验证的安全共享 模型。 PHR 提供方在录入医疗记录时将 FV 特征与临床医生的私钥签名结合, 生成 PHR 索引。 然后将 PHR 的 索引存储在 Hyperledger Fabric 中, 将真正的隐私数据存储在 Filecoin 中, 减少了存储成本和链上存储压力。 同时, 设计了 PHR 访问控制合约防止恶意节点攻击。 实验结果表明, 该模型在性能和存储上有显著的优势。

为适应集中化 IT 系统运维管理形式, 提高用户检索正确率, 增强用户服务质量, 提出了基于贝叶斯网络 的集中化 IT 运维信息检索算法。 从运维战略、模式、流程等方面分析 IT 运维体系架构, 明确用户提交检索申 请到结果反馈的整体流程; 对文本信息做预处理, 实现用户浏览内容结构化显示, 计算用户特征矢量; 利用有 向图表示贝叶斯网络拓扑结构, 通过获取术语节点与文件节点的先验概率, 推理文件与检索之间的概率关系, 过滤冗余信息; 建立样本空间, 将信息检索问题变换为在样本空间中的概念匹配问题, 获取文件和检索的关联 函数表达式, 并对其做简化处理, 完成运维信息检索模型构建。 仿真实验表明, 该方法可提高信息检索的查全 率与查准率, 减少网络负载。

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。

目前现有问答系统模型大多数都采用模板匹配的方式进行推理, 对问题推理不够充分, 因此, 提出基于 认知图谱的问答系统推理模型。 依据专业领域知识作为知识源构建本体; 并基于该认知图谱构建了 “问题-关系”一对一的认知图谱问答系统模型。 最后通过将问答问题划分为简单问题与复杂问题分别对问题进 行处理, 其中简单问题运用 BERT + CRF ( Bidirectional Encoder Representations from Transformers + Conditional Random Field)模型进行模板匹配; 针对复杂问题运用 Node2vec 生成子图后用 GCN ( Graph Convolutional Network)推理模型进行推理, 将得出的答案作为输出结果。 最后对所提出的模型通过井下作业领域进行了 实验, 结果表明认知图谱问答模型优于其他算法模型。

由于已有算法未能在静态分析过程中加入最小置信度原则和大数据技术, 导致静态分析结果不准确和费 用较高等问题, 提出一种基于最小置信度的嵌入式软件成熟度静态分析算法。 将最小置信度作为隶属准则, 通过量分权重和满意度对嵌入式软件成熟度静态分析思想进行评价, 构建评价指标体系。 使用大数据技术对 各项软件成熟度评价指标进行标准化和无量纲化处理, 获取有效指标。 结合嵌入式软件成熟度评价维度, 利用 属性数学原理, 在专家调查问卷形式下对评价指标的测度进行计算分析, 组建嵌入式软件成熟度静态评估模 型, 通过模型完成软件成熟度的静态分析。 仿真实验结果表明, 所提算法能获取高准确性的嵌入式软件成熟度 静态分析结果, 同时静态分析费用也能得到有效降低。

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。

为使本科生了解生物医学影像处理技术, 掌握深度学习方法, 结合吉林大学大学生创新创业训练计划, 设计了“基于深度学习的眼角膜图像自动化分析研究”实验项目。 在研发治疗角膜新生血管(CNV: Corneal Neovascularization)等疾病的药物过程中, 人们需要观察并获取小鼠眼角膜血管在药物影响下的生长情况及数 据。 为此设计了基于深度学习的眼角膜图像自动化分析程序, 以合作医院提供的经凝胶处理的小鼠眼角膜图 像为项目研究对象, 通过 Matlab 工具以及神经网络等深度学习算法完成对眼角膜特征的提取和分割。 采用 SegNet 语义分割网络和基于 SVM(Support Vector Machine)的图像分割两种方法实现小鼠眼角膜图像的自动提 取, 分析了两种方法下眼角膜提取的精度与可靠性。 结果表明, 使用 SegNet 语义分割网络得到的结果精度较 高, 其准确率可以达到 97. 75% 。