检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

人在回路的航空装备研制与保障效能分析

火力与指挥控制 2013年第9期38卷 74-78页

作者：王磊孙纲要赵永平空军西安飞行学院领航研究所解放军95437部队

针对人在回路的航空装备研制与保障过程中,缺乏技术和保障人员综合效能评估体系的问题,根据各类人员不同能力域指标在航空装备设计、开发和使用中权重的不同,提出了基于过程的动态权重分析方法,提高了指标权重的可靠性,同时将模糊理论... 详细信息

针对人在回路的航空装备研制与保障过程中,缺乏技术和保障人员综合效能评估体系的问题,根据各类人员不同能力域指标在航空装备设计、开发和使用中权重的不同,提出了基于过程的动态权重分析方法,提高了指标权重的可靠性,同时将模糊理论引入灰色评估法,解决了技术人员指标量化困难、稳定性较差的问题,首次建立了人在回路的技术人员效能评估体系,为技术人员综合能力评估提供了有效手段。

关键词：人在回路效能评估动态权重模糊多属性决策灰色评估

在线全文

学校读者我要写书评

暂无评论

一种新的多分类器融合方法

西南师范大学学报（自然科学版） 2014年第1期39卷 126-130页

作者：李健苹游中胜重庆工商职业学院重庆400052 重庆师范大学计算机与信息科学学院重庆401331

提出了一种新的基于多分类器联合的模式识别方法,该方法引入图像处理领域的对比度概念,对多分类器系统中不同基本分类器的融合权重动态赋值,并通过融合权重联合所有基本分类器决策信息,同时构建一个临时的全局分类器来做出模式识别任务... 详细信息

提出了一种新的基于多分类器联合的模式识别方法,该方法引入图像处理领域的对比度概念,对多分类器系统中不同基本分类器的融合权重动态赋值,并通过融合权重联合所有基本分类器决策信息,同时构建一个临时的全局分类器来做出模式识别任务的融合决策输出.试验表明该方法在模式识别性能上能够获得较好的性能.

关键词：分类器联合模式识别动态权重

在线全文

学校读者我要写书评

暂无评论

基于数学理论的煤矿资源开采指数评价分析

煤炭技术 2013年第10期32卷 62-63页

作者：阚惠萍李海英唐山职业技术学院河北唐山063004

科学采矿水平的高低关系到煤矿企业甚至一个国家的现代化发展程度。文章对科学采矿的概念进行了详细介绍,以此为基础构建一个完整的数学评价指标体系,并为每一个评价指标设计量化函数,确定主观动态权重方法为基础的数学模型,用具体实例... 详细信息

科学采矿水平的高低关系到煤矿企业甚至一个国家的现代化发展程度。文章对科学采矿的概念进行了详细介绍,以此为基础构建一个完整的数学评价指标体系,并为每一个评价指标设计量化函数,确定主观动态权重方法为基础的数学模型,用具体实例演示科学采矿的运行过程和计算方法。

关键词：数学模型科学采矿指数动态权重

在线全文

学校读者我要写书评

暂无评论

物联网自治区域内的网络路径规划建模研究

计算机仿真 2015年第12期32卷 263-266页

作者：郑富娥程钢中州大学开放教育学院河南郑州450000

针对物联网的网络缺少统一的标准,当网络路径关键属性发生变化时,传统的路径规划模型进行自治区域网络路径选择方法,无法对差异网络下的路径综合权重进行归一化处理,只能选择较为优良的路径进行数据的转发和投递,导致路径发现效率低、... 详细信息

针对物联网的网络缺少统一的标准,当网络路径关键属性发生变化时,传统的路径规划模型进行自治区域网络路径选择方法,无法对差异网络下的路径综合权重进行归一化处理,只能选择较为优良的路径进行数据的转发和投递,导致路径发现效率低、自适应性弱的问题。提出建立动态权重算法的物联网自治区域内的网络路径规划模型。通过对物联网自治区域内的环境进行分析组建多路径规划模型,融合层次选择算法搜索不同状态下的路径规划关键属性,并以网络路径的带宽、时延、抖动、丢包率属性特征为路径选择的判决标准,构建属性的判断矩阵,利用特征根法计算每个判断属性的权重,进行归一化计算,在对各个候选路径的灰色关联系数进行网络路径加权排序,进而完成对网络路径规划优化。实验结果证明,改进方法具有较高的效率,而且适应性强。

关键词：动态权重物联网网络路径

在线全文

学校读者我要写书评

暂无评论

求解全局优化问题的多策略改进灰狼算法

国外电子测量技术 2022年第11期41卷 22-29页

作者：陈敏陈晔牛兴龙武志博中北大学电气与控制工程学院太原030051

针对原始灰狼算法在求解全局优化问题时,存在后期收敛速度慢、易陷入局部最优、优化效率低等缺点,提出一种多策略改进的灰狼优化算法(multi-strategy improved grey wolf optimization, MSI_GWO)。从参数、搜索机制以及最优解扰动3个方... 详细信息

针对原始灰狼算法在求解全局优化问题时,存在后期收敛速度慢、易陷入局部最优、优化效率低等缺点,提出一种多策略改进的灰狼优化算法(multi-strategy improved grey wolf optimization, MSI_GWO)。从参数、搜索机制以及最优解扰动3个方面引入3种改进策略。对控制参数a,采用非线性调整策略,改进算法的勘探和开发能力;采用动态权重策略进行位置更新,提高算法的收敛性;设计小波最优解扰动策略,提高种群多样性,同时避免算法陷入局部最优。对MSI_GWO算法的寻优性能进行验证,选取单峰多峰共9个测试函数完成仿真实验,并与其他改进灰狼优化算法以及粒子群、天鹰优化算法、蜜獾算法进行比较,结果表明,MSI_GWO算法在收敛速度和寻优效率方面均为最优的。

关键词：改进灰狼算法控制参数动态权重小波函数

基于集成学习的疾病辅助诊断关键技术研究与实现

在线全文

学校读者我要写书评

暂无评论

基于集成学习的疾病辅助诊断关键技术研究与实现

作者：叶明郑州大学

学位级别：硕士

传统的疾病诊断方法依赖于医生的经验水平和外部环境,误诊则可能带来无法挽回的后果。研究基于机器学习的疾病诊断预测模型,能够辅助提高疾病诊断的准确性,减少疾病诊断成本,减轻医生工作压力。随着疾病种类越来越多以及数据特征越来越... 详细信息

传统的疾病诊断方法依赖于医生的经验水平和外部环境,误诊则可能带来无法挽回的后果。研究基于机器学习的疾病诊断预测模型,能够辅助提高疾病诊断的准确性,减少疾病诊断成本,减轻医生工作压力。随着疾病种类越来越多以及数据特征越来越复杂,使用单一分类器建立的疾病诊断模型已经不能保证决策的正确性。在机器学习算法中,考虑集成多种技术的方法,进一步提高分类预测模型的分类性能。本文引入动态权重的思想,同时将几种不同的分类器集成在一起,并针对数据的不平衡改变决策阈值,提出了CELEDAT算法。主要工作如下:使用单一的分类算法很难达到较为满意的分类预测结果,本文基于集成学习的思想,与大多集成学习算法集成同质分类器不同,选择了K近邻算法、决策树、支持向量机和逻辑回归四种不同的分类算法作为基分类器进行集成。针对传统的集成学习算法中确定基分类器的权重后是一成不变的,没有考虑到不同的样本数据与基分类器的适应性不同这一问题。引入动态权重的思想,根据测试样本与聚类得到的类簇的样本相似性以及各类簇与基分类器的权重,为每个测试样本分配不同的权重。对于疾病数据集中的数据不平衡问题,根据不同类别的样本数目,改变决策阈值,更新决策规则,得到最终的预测结果。将算法在UCI数据资源库上的多个疾病数据集上进行实验验证,并对实验结果使用G-mean、AUC、F1分数、正确率、灵敏度和特异度多种指标从多角度去对比分析模型的分类性能。对各种数据集的评价结果,进行了简单的可视化展示,更直观地对比分析各个算法模型的优劣。同时,将CELEDAT算法应用于实际的医学临床项目中,并进行验证。

关键词：集成学习动态权重疾病诊断数据不平衡

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于Nginx的负载均衡研究

基于Nginx的负载均衡研究

作者：陈锦华中科技大学

学位级别：硕士

随着计算机技术的不断发展,互联网已经成为了人们日常生活中不可分割的一部分。一些大型网站提供不间断的服务,每天巨大的访问量给系统的正常运行带来了严峻的挑战,单个服务器已经不能满足企业的需求。为了满足系统支持高并发、低延迟... 详细信息

随着计算机技术的不断发展,互联网已经成为了人们日常生活中不可分割的一部分。一些大型网站提供不间断的服务,每天巨大的访问量给系统的正常运行带来了严峻的挑战,单个服务器已经不能满足企业的需求。为了满足系统支持高并发、低延迟的需求,许多大型网站的后端系统采用了服务器集群的方式,而不再是单一的服务器。通过集群内服务器节点的协同合作,提供稳定的服务。但这种方式带来了一个新的问题,服务器集群可能会出现负载不均衡的情况,造成了大量可用资源的浪费,甚至在一些时候反而会降低服务器集群整体的性能。负载均衡技术的诞生很好地解决了服务器集群内各个节点负载分配不均的问题。结合负载均衡技术,系统按照合理的策略,把请求转发到集群中某个服务器节点,使整个系统中节点负载处于均衡状态,从而增大系统的吞吐量、降低请求的响应时间。因此,为了使集群系统具有更高的性能,研究探索更优秀的负载均衡算法显得至关重要。Nginx是一款业界常用来实现负载均衡的软件,它内置了许多常用的负载均衡算法。本文对Nginx进行了研究,学习了Nginx的优秀的模块化设计的理念,对Nginx的一些负载均衡算法的优缺点进行了分析和对比,在此基础上提出了一种权重动态调整的负载均衡算法,它根据CPU、内存、磁盘IO等资源的使用情况,动态调整集群中服务器节点分配的权重,以尽可能地使整个系统处于负载均衡状态。在Nginx的基础上,结合模块化设计的思想,将权重动态调整的负载均衡算法分为四个模块。运用模块之间的协同合作来完成算法决策的整个过程,用来满足Web应用场景下高并发的需要,以提升集群系统整体的性能。通过对实验结果进行分析,本文提出的负载均衡算法优于传统的负载均衡算法,能提升系统的整体性能,给用户带来更好的体验。

关键词：负载均衡 Nginx 服务器集群动态权重

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

Web实体事件重复检测问题研究

Web实体事件重复检测问题研究

作者：王龙龙山东大学

学位级别：硕士

随着网络技术的日新月异,Web上的信息量也在飞速增长。Web已经成为一个巨大的数据源,拥有着海量的数据。这些数据中蕴含着大量有价值的实体事件,对人们的工作和社会的生产具有举足轻重的作用。对Web上的实体事件进行充分的挖掘和分析,... 详细信息

随着网络技术的日新月异,Web上的信息量也在飞速增长。Web已经成为一个巨大的数据源,拥有着海量的数据。这些数据中蕴含着大量有价值的实体事件,对人们的工作和社会的生产具有举足轻重的作用。对Web上的实体事件进行充分的挖掘和分析,能够获取丰富的知识,在市场情报分析、舆情分析、电子商务、商业智能等领域具有十分重要的意义。但是Web是一个自由和开放的空间,Web实体事件来自不同的数据源,Web数据源具有自治性强的特点,发布信息相对随意,再加上自然语言也具有自由灵活的特点,同一实体事件采用不同的表述方式是一种极其常见的现象。这给实体事件的发现分析工作带来了极大的困难,也给搜索信息的用户和决策者带来了很大的困扰。为了让用户获得简洁、准确、无重复的实体事件信息,就需要对来自不同数据源的实体事件表象进行重复检测,这也是Web实体事件发现研究领域的重要子任务。要实现以上目标,就必须解决以下两个关键问题：(1)实体事件表象的重复检测。对来自不同数据源的实体事件表象进行重复检测,识别同一实体事件的多种表象,即将来自不同数据源的表意相同、表达方式不同的实体事件表象识别出来。(2)实体事件的重复检测。实体事件是由重复的实体事件表象组成的集合表示的,经过实体事件表象的重复检测之后,实体事件之间仍然可能存在重复,需要进一步识别实体事件之间的重复现象。本文对不同的实体事件表象、实体事件之间的关系进行了研究,以Web实体事件重复检测为目标,针对以上两个待解决的关键问题展开研究,探索了实体事件表象的重复检测和实体事件的重复检测两方面的问题,主要工作与研究内容如下： (1)针对实体事件表象的重复问题,根据商业领域中,同一时间、同一地点,一个特定的主体只能参加一个活动这一个规律,本文提出了“基于动态权重的线性组合方法”。将实体事件表象对的时间、地点、主体三个主要属性,以及其他辅助属性进行相似度计算,并利用属性相似度计算出动态权重,然后利用各个属性的相似度得分和动态权重求出实体事件表象对的相似度得分。最后将实体事件表象对的相似度得分与特定的阈值进行比较,对实体事件表象对是否重复做出判断。实验结果表明,该方法相对于其他方法能够获得较高的F-measure值,有效的解决了实体事件表象的重复问题。 (2)实体事件由重复的实体事件表象组成的集合表示,不同的实体事件之间也可能存在重复。因此,在基于动态权重的线性组合方法的基础之上,本文进一步提出了两种实体事件重复检测的方法：基于实体事件属性的重复检测方法和基于实体事件关系的重复检测方法,用以解决不同实体事件之间的重复问题。第一种方法是一种直接的重复检测方法,直接计算实体事件之间的相似度;第二种方法以第一种方法为基础,是一种间接的重复检测方法,它根据实体事件之间的关系,将待比较实体事件的关联事件集进行比较,进而得出两个待比较实体事件之间的关系相似度。

关键词： Web实体事件实体事件的重复检测动态权重实体事件关系

基于多卷积神经网络融合的细粒度图像分类算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多卷积神经网络融合的细粒度图像分类算法研究

作者：王宁内蒙古科技大学

学位级别：硕士

计算机视觉是人工智能的一个重要领域,在计算机视觉研究中,图像分类一直是一个经典的研究方向,传统图像分类任务普遍是针对诸如“猫”和“狗”等大类别上的分类。但在现实场景中,需要分类的对象往往是来自于某个传统类别下的子类别,如... 详细信息

计算机视觉是人工智能的一个重要领域,在计算机视觉研究中,图像分类一直是一个经典的研究方向,传统图像分类任务普遍是针对诸如“猫”和“狗”等大类别上的分类。但在现实场景中,需要分类的对象往往是来自于某个传统类别下的子类别,如在“狗”这一物种下识别不同种类的狗,这类专注于将图像中目标物体的所属类别从传统意义上的大类别进行进一步的子类别划分的研究称为细粒度图像分类。由于细粒度图像之间本身存在着同一子类差异性大、不同子类相似性大的特点,导致其分类难度远超传统的粗粒度图像分类,如果再加上图像中存在的姿态、角度、光照、复杂背景等影响因素,更加难以有效识别。针对以上难点,本文通过采用多模型融合技术实现比单模型方法更好的识别效果,同时创新性的提出了一种用于细粒度图像分类的动态权重多模型融合方法来解决单模型方法泛化能力不足和传统多模型融合方法权值固化的问题,主要研究内容如下:(1)本文提出了一种用于细粒度图像分类的动态权重多模型融合方法,通过在基于迁移学习和基于注意力机制的两类网络模型上进行实验验证,整体上提升了模型的性能;同时在模型训练过程中,提出了权重自适应调整算法,算法会以参与融合的子模型在每次训练过程中的准确率变化为依据,自适应地调整其权重值,从而保证模型整体达到最优状态。实验中分别使用了复杂背景下的农业数据集和简单背景下的医学数据集两个细粒度图像数据集上进行实验,并从不同评价角度对本文方法进行验证。实验结果表明,相较于传统的单模型方法,本文方法有较为明显的分类效果提升;并且相较于权值固定的多模型融合方法,本文方法在提升分类效果的同时,能够更快达到最优状态,节省了时间和计算成本,另外通过在两个来自不同领域、分别具有简单背景和复杂背景的数据集上进行实验,取得了理想的效果,从而证明了本文方法的泛化能力。(2)本文在ResNet模型中分别引入Squeeze and Excitation注意力模块、Selective Kernel注意力模块以及Efficient Channel Attention注意力模块,建立了SEResNet、SK-ResNet和ECA-ResNet三种Attention-ResNet模型,并在本文提出的多模型融合方法上对三个Attention-ResNet模型进行实验验证,同样分别使用了复杂背景下的农业数据集和简单背景下的医学数据集对本文方法进行验证。实验结果表明,无论是相较于单一注意力模型,还是相较于权值固定的多模型融合方法,本文方法在提升分类效果的同时,能够更快达到最优状态,而且在本文所提出的多模型融合方法在复杂背景的细粒度图像分类任务上具有显著优势,从而证明了本文所提方法的优越性与现实意义。另外本文分别使用原始的、未经结构改动的官方网络模型(迁移学习模型)和经过本文实验进行结构改进的网络模型(注意力模型)进行实验,进而证明本文所提出的多模型融合方法在子模型选择上同样拥有广泛的适用性。

关键词：细粒度图像分类注意力机制迁移学习多模型融合动态权重