检索结果-南通市图书馆

作者：邱文轩大连海洋大学

学位级别：硕士

随着数据挖掘在各个领域的广泛应用,船舶轨迹数据成为海上交通信息重要关注领域,航运业作为庞大的基础性产业,不断产生海量数据存储在船舶识别系统(Automatic Identification System,AIS)中,涵盖船舶时空信息涉及船舶通信导航,为船舶轨... 详细信息

随着数据挖掘在各个领域的广泛应用,船舶轨迹数据成为海上交通信息重要关注领域,航运业作为庞大的基础性产业,不断产生海量数据存储在船舶识别系统(Automatic Identification System,AIS)中,涵盖船舶时空信息涉及船舶通信导航,为船舶轨迹预测提供丰富的数据源,存在数据断层冗余问题。针对AIS原始数据存在的问题,对数据进行预处理获得有效数据,然后进行典型轨迹聚类,挖掘船舶运动模式、规划航线、观察船舶运动规律是热点研究方向,典型轨迹研究为海上交通流分析以及船舶密度分析提供直观的可视化呈现,可为建立科学智能高效的海事监管系统奠定理论和技术基础。本文对获取的AIS数据进行研究,选择合适的算法进行聚类,并且改进DBSCAN算法,减少查询次数提升运算效率,通过数据以及图像处理技术将数据以图像的方式呈现,直观展示船舶运动轨迹,揭示船舶入港运动轨迹的时空演变规律,对海事安全监管和决策提供支持具有重要意义,主要的研究内容有:(1)数据预处理工作。对AIS数据进行收集、清理、补差缺失值预处理,针对航迹数据集缺失问题,按时间间隔进行插值,保证恢复原始轨迹数据的完整性。(2)典型轨迹聚类算法理论。阐述经典的轨迹聚类算法,并结合船舶轨迹的时空特征,分析不同的船舶轨迹相似性确定每艘船的驻点,然后采用算法对多个经纬度格点进行聚类,归纳算法特性,结合算法分析特性以及船舶数据属性,从而确定适用于入港船舶轨迹的聚类算法。(3)基于DBSCAN算法的轨迹聚类与可视化研究。针对DBSCAN聚类算法存在对数据进行重复区域查询的情况,改进DBSCAN的聚类算法减少样本邻域重复查询过程,避免重复查询,在此基础上取得了减少算法时间消耗以及提升准确率的结果。(4)实验仿真。采用天津港段水域验证算法的有效性,聚类收敛过程使用相似性度量方法进行评定,实验结果表明:改进后的算法有较好的聚类效果,细化类簇提升数据分析效率,减少运算时间成本,通过生成的轨迹点船舶航行轨迹线生成直观的信息可视化图像。

关键词： AIS数据典型轨迹聚类 DBSCAN算法轨迹可视化

基于卷积神经网络的故障视频图像识别与诊断技术研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络的故障视频图像识别与诊断技术研究与实现

作者：陈凌云华中师范大学

学位级别：硕士

在进行数字图像处理的过程中,视频图像的质量会受到硬件采集设备、图像处理方式、环境变化、噪声信号等因素的影响,出现失真和降质的现象,不仅会造成信息的损失,而且会影响后续图像处理工作的进行,因此需要检测与识别视频图像质量。传... 详细信息

在进行数字图像处理的过程中,视频图像的质量会受到硬件采集设备、图像处理方式、环境变化、噪声信号等因素的影响,出现失真和降质的现象,不仅会造成信息的损失,而且会影响后续图像处理工作的进行,因此需要检测与识别视频图像质量。传统的视频质量检测多依靠人工经验对图像的特征进行提取和分析,实现检测的目的。鉴于产生视频图像质量异常的原因有很多,且这些异常呈现出多样性、复杂性的特点,在进行实际应用的过程中,使用单一或者少量的特征对视频进行质量检测的可靠性和稳定性比较差。卷积神经网络模型是一种多层次体系结构,具有高容错性、并行计算能力和高效的计算特性,目前已被广泛应用于模式识别、智能图像分析等领域。它通过局部感受野、权值共享机制降低了结构复杂性,在参数的量上进行了减少,实现对目标图像特征的提取和学习。将卷积神经网络应用于视频图像质量的检测与分类,具有良好应用前景。本文基于卷积神经网络构建故障视频图像识别与检测的模型,实现对清晰度异常和偏色异常图像的分类,主要做了以下几个方面的工作:研究CNN的相关基础理论与相关应用,对BP算法、激活函数、池化等问题进行探究;通过对现有的几个显著应用模型文字识别系统、ImageNet模型以及人脸检测模型进行分析,归纳网络设置过程中数据集、网络层数等因素对模型的影响。设计和实现了故障图像识别的卷积神经网络结构,获得了特征模型,并通过扩大数据集、调整网络层数和网络参数等措施对模型进行优化。实验研究证明,本文提出的卷积神经网络模型能够对异常图像和正常图像进行区分,并取得了良好效果。

关键词：图像故障识别深度学习卷积神经网络清晰度故障偏色故障

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OpenMV流水线物料分拣系统的设计

基于OpenMV流水线物料分拣系统的设计

作者：单晓晖广西师范大学

学位级别：硕士

在流水线作业的整个流程中,分拣是非常重要的环节。传统的流水线上通常采用人工分拣模式,但这种方式工人劳动强度大、分拣效率低。随着机器视觉技术的发展,智能化分拣装置不断更新,流水线多采用机器分拣,而现今的自动化分拣装置存在精... 详细信息

在流水线作业的整个流程中,分拣是非常重要的环节。传统的流水线上通常采用人工分拣模式,但这种方式工人劳动强度大、分拣效率低。随着机器视觉技术的发展,智能化分拣装置不断更新,流水线多采用机器分拣,而现今的自动化分拣装置存在精细化程度不高、分拣功能单一、造价昂贵等缺点,因此设计一款功能多样、分拣准确率与性价比高的自动分拣装置具有重要的实际应用价值。本文采用OpenMV嵌入式机器视觉模组进行图像处理,经过软件硬件系统综合调试,接入阿里云物联网完成云端控制,针对系统需求设计了一款多功能物料分拣装置。本设备能够通过颜色、形状、尺寸及神经网络提取的物料特征进行智能分拣,是一款可以处理多种类型分拣任务的功能性装置。本文的研究内容如下:(1)针对功能需求设计了流水线分拣装置的整体方案。以市面上应用最广的皮带输送机为原型搭建流水线分拣实验平台,以STC90C52RC作为下位机核心处理器控制分拣模块、搬运模块、Wi Fi模块、显示模块、通信模块、定位模块多个功能模块。(2)针对图像处理过程依赖PC机使得嵌入式设备不够灵活的问题,选择OpenMV机器视觉模组作为上位机进行图像采集与算法处理工作。对比分析RGB、Lab等不同色彩空间的优缺点,选用色域更广的Lab颜色追踪算法完成颜色类物料分拣工作。对比Canny与Sobel边缘检测算子在OpenMV中的检测效果,对效果更好的Canny算子增加45度与135度的梯度检测模板,改进后的算法减少了圆检测与四边形检测需要遍历的边缘特征点数量,提高物料形状检测效率。OpenMV在固定高度下,利用单目摄像头成像原理对物料尺寸进行检测的方法存在设备灵活性差、检测误差大等缺点。本文提出加入Apriltag辅助基准系统的解决方案,一方面解决输送带高低不平造成的检测误差问题,另一方面可以实现OpenMV任意高度下的物料尺寸检测。(3)对于物料颜色、形状无法区分的特定分拣任务,本系统在云端AI平台Edge Impulse上将MobileNet V2作为预训练模型,后添加新的可训练层实现模型内物料特征的提取与归类。使用t-SNE方法对模型提取的特征进行降维与可视化处理,通过对比训练前后的特征提取图像直观展示模型效果。使用Int8方法对模型进行量化,量化后的模型部署到OpenMV端完成物料识别。构建完成的云端项目公开后,用户仅需提供小型数据集就能够实现从模型训练到OpenMV端部署的一键操作,为流水线智能分拣装置实现复杂工作任务提供了可行方案。(4)针对流水线分拣设备智能化程度不高的问题,提出将分拣装置与物联网技术相结合的方案,采用ESP8266作为Wi Fi模块发送MQTT报文实现设备接入物联网平台。将物联网平台远程控制功能和OpenMV的Wi Fi扩展板图传功能相结合,实现PC端或移动端的远程监控,满足流水线分拣装置智能化管理的应用要求。对样机进行综合测试,实验数据表明,在光线稳定、输送带转速合适的条件下,装置根据物料的颜色、形状、尺寸以及训练后的模型特征进行分拣的准确率均在99%以上。

关键词：流水线智能分拣装置 OpenMV机器视觉模组图像处理物联网

基于多核多尺度卷积神经网络的心电成分分类算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多核多尺度卷积神经网络的心电成分分类算法研究

作者：吴燃重庆邮电大学

学位级别：硕士

心电图是医生在临床诊断工作流程中作为判读心脏相关疾病的重要依据,提供了患者心脏状况的生理细节。但因为人工诊断心律失常耗时且效率低下,而基于人工智能的自动化分类算法能够提供相当大的帮助。因此,本课题将以心律失常的自动分类... 详细信息

心电图是医生在临床诊断工作流程中作为判读心脏相关疾病的重要依据,提供了患者心脏状况的生理细节。但因为人工诊断心律失常耗时且效率低下,而基于人工智能的自动化分类算法能够提供相当大的帮助。因此,本课题将以心律失常的自动分类进行分析研究。本文系统分析了传统心电识别和现代常用的深度学习心电识别分类模式,针对传统算法对心电分类的特征工程提取难度太大的问题,引入改进的卷积神经网络深度学习算法,使心电识别过程变得更加简单方便且自动化效率高,识别效果更佳。研究主要包含两个部分,第一部分是针对信号去噪、医学数据异常样本稀少、分类模型容易过拟合问题进行包括小波去噪、波群检测定位、平衡少样本数据集等预处理的工作,第二部分是针对单核尺度卷积神经网络提高准确率并简化预处理能力进行改进多核多尺度模型自动分类心电信号。1.第一部分,本文选取麻省理工心律失常数据库作为心电的数据来源,并对所有数据进行小波去噪处理,经过R波定位检测,采用以R峰为基准的心拍分割策略,获得原始数据。在输入分类器前考虑心电医疗数据样本过于不平衡的问题,对原始数据进行等比例扩充。2.第二部分,按照美国医疗仪器促进协会的心电五分类标准,经过k折交叉验证,在多核多尺度卷积神经网络分类模型上进行实验,最终在测试集中分类准确率达到99.50%,灵敏度为98.97%,综合评价F1为99.21%。实验结果表明,相比于单核尺度卷积神经网络和其他深度学习心电分类方法,该模型简化了数据处理方式,整体准确率获得0.40%的提高、灵敏度提高1.50%、F1-score综合提高7.75%。根据本文的研究结果,多核多尺度的卷积神经网络心电成分自动分类的方法,不需要任何手动选择的特征提取,就可以更高效地得到隐含的信息,与基于单核尺度的卷积神经网络实验相比,结果验证了多核尺度和过采样扩增数据的有效性,并讨论了滤波的影响。结果表明,该方法对预处理流程的简化,更易于将数据传输到云,通过预训练模型算法处理,能很快得到准确的分类效果,具有较好的应用前景。

关键词：心电图心电信号多核多尺度卷积神经网络数据扩增算法分类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

分心驾驶监测系统的设计与实现

分心驾驶监测系统的设计与实现

作者：吴春旭浙江工业大学

学位级别：硕士

驾驶是一项需要注意力高度集中的复杂任务,它包含信息感知、决策和执行等多个环节。在由驾驶员、车辆和道路环境构成的交通系统中,驾驶员是系统中最薄弱的环节。分心驾驶是由于执行与驾驶任务无关的事(如调节收音机、接打电话、发短信等... 详细信息

驾驶是一项需要注意力高度集中的复杂任务,它包含信息感知、决策和执行等多个环节。在由驾驶员、车辆和道路环境构成的交通系统中,驾驶员是系统中最薄弱的环节。分心驾驶是由于执行与驾驶任务无关的事(如调节收音机、接打电话、发短信等)所引起的注意力不集中。驾驶员在分心状态下,驾驶安全意识的下降,注意力的转移降低了驾驶员对周围环境的感知、判断和决策能力,影响对车辆的安全操控,易引发交通冲突。为此,我们设计并实现了一种基于Movidius神经计算棒的分心驾驶实时监测系统,它可以对驾驶员的分心状态快速识别,当发现驾驶员长期(2-3秒)处于危险驾驶行为状态时,系统将对驾驶员进行提醒。同时,如果有需要,可以将监测结果传输到云平台,使得交通控制中心的人员可以远程掌握驾驶员状态。Movidius神经计算棒是基于USB模式的深度学习推理工具和独立的人工智能加速器,为嵌入式设备提供专用深度神经网络运算加速功能,使得边缘设备也能部署准确度极高的神经网络模型。首先,通过改进现有的GoogLeNet网络模型,使之经过训练后能够对危险驾驶行为进行识别;然后,将危险驾驶行为监测模型结合我们提出的基于驾驶员行为的分心驾驶检测方法,部署到搭载Movidius神经计算棒的树莓派上;最后,为了加强交通控制中心人员的管理能力,我们将检测结果上传到OneNet云平台,并实时显示,使得管理中心的人员可以实时查看驾驶员状态。实验结果表明,搭载Movidius神经计算棒的树莓派,对驾驶员图片的处理时间在90毫秒左右,整个系统的处理速度在每秒5-8帧,基本上实现了实时监测分心驾驶的任务。

关键词：分心驾驶深度学习树莓派 Movidius神经计算棒云监测

基于Spark分布式蚁狮算法的小波神经网络短时交通流预测研究

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Spark分布式蚁狮算法的小波神经网络短时交通流预测研究

作者：常鹏阳湖北工业大学

学位级别：硕士

道路交通高效运作的条件之一就是进行实时准确的车流预测,这不仅能帮助相关交通部门针对外出车辆进行约束和引导,还是智能交通系统(Intelligent Transportation Systems,ITS)众多值得研究的主题之一。近年来,以数据为导向的智能模精度... 详细信息

道路交通高效运作的条件之一就是进行实时准确的车流预测,这不仅能帮助相关交通部门针对外出车辆进行约束和引导,还是智能交通系统(Intelligent Transportation Systems,ITS)众多值得研究的主题之一。近年来,以数据为导向的智能模精度不断提高,很重要的原因之一就是相关道路交通检测数据的获取原来越方便、快捷。其中,深度学习中的神经网络结构被大量应用在道路车流序列估计等各个方面,主要得益于网络模仿人体内大脑单元的学习方式,并具备信息处理和学习的高效能力。然而,合理的计划和方案同样需要应用在如何充分利用复杂海量数据上。除了要管理和存储不同类型的数据之外,全面的数据虽然可以为复杂模型提供丰富的训练数据集,但是这些数据本身也使得项目人员面临着大规模样本处理和复杂特征工程的挑战。因此,海量数据的处理技术与运输行业的融合方案就显现出非比寻常的探讨深度和经济价值。利用海量规模处理技术和Spark分布式多点运算,使得当前如何在合理时间内学习到符合预期要求的数据处理模型成为了本文研究主题,并进而尝试可以打造更复杂的应用程序模型。在对主流多节点异地计算框架Spark的分析研究之后,本文基于分布式内存计算框架Spark提出一种并行改进自适应变异精英加权调整的蚁狮优化算法,其分布式设计采用数据并行和计算并行的混合优化策略,并应用于短期道路车流估测中。具体工作如下所示:首先,对来源于美国加州道路监测评估平台(Peformance Measurement Sys-tem,PeMS)的交通流数据进行识别,完成数据填充和去除隐藏噪音的预处理工作,并利用序列数据暗含混沌这一特点,重建了一维数据的高维复杂构造,以提取更多隐藏的特征。为了加快模型学习的收敛速度,还对训练集进行了归一化。在深入探究了每种常见算法原理的优劣势之后,在小波神经网络(Wavelet Neural NetWork,WNN)的基础上,设计了一个短期道路车流估计模型,并对比分析了模型训练后的实验。实验证明,基于WNN的短期道路车流量估计虽然较为符合实际变化趋势,但在准确性和稳定性方面有待进一步提高。接着,由于随机生成的待优化参数初始值会影响经过梯度计算调整的小波神经网络估计效果。本文介绍了一种新的群体寻优算法Ant Lion Optimizer(ALO),以改进小波神经网络参数设置,为短期道路车流量估计问题设计一个新的算法ALO-WNN,并与传统WNN网络,以及基于GA-WNN和基于PSO-WNN的模型进行了对比实验。结果表明基于ALO-WNN模型的预测精度虽然有了一定的提高,但仍有改进空间。为进一步提高ALO搜索精度,本文提出一种改进自适应变异精英加权调整的蚁狮算法(Improved Weighted Elitism Ant Lion Optimizer,IWALO),经仿真实验分析可得,IWALO-WNN模型在精度高低,整体性能方面,均比上文所涉及的各模型的估测效果更优。最后,典型常见的群体寻优算法仅仅只可以在有限处理器环境下,以顺序模式模拟完成并行迭代,这种运算原则已经无法在合理时间内处理当下时代海量增长的信息集合,为了解决传统算法模型计算量大、模型设计复杂,无法有效利用大规模训练数据的问题。本文将IWALO-WNN算法模型与Spark分布式计算平台结合,提出了数据并行和计算并行融合的分布式设计算法,构成了基于Spark的改进自适应变异精英加权调整的蚁狮算法优化小波神经网络(Spark-IWALO-WNN)的短期道路车流量估测模型。

关键词：大数据分布式车流量估计蚁狮算法小波神经网络

面向呼叫中心话音服务质量监控的关键词检出技术研究与应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向呼叫中心话音服务质量监控的关键词检出技术研究与应用

作者：戴东良浙江工商大学

学位级别：硕士

随着国民经济的飞速发展,企业与客户之间的互动日益频繁,作为两者之间沟通桥梁的呼叫中心已经成为企业运营不可缺少的一部分。话音服务质量的监控和保证是呼叫中心管理工作中的重中之重。目前面向呼叫中心的话音服务质量监控还处在低效... 详细信息

随着国民经济的飞速发展,企业与客户之间的互动日益频繁,作为两者之间沟通桥梁的呼叫中心已经成为企业运营不可缺少的一部分。话音服务质量的监控和保证是呼叫中心管理工作中的重中之重。目前面向呼叫中心的话音服务质量监控还处在低效的人工模式监控。单一的人工监控模式已经不适于应用在当前以高量级增长的呼叫中心业务监控系统中。正是基于上述背景本文在原有评测指标的基础上利用关键词检出技术实现机器自动检测,然后对于检出的话音关键词信息设计了一套评测算法用于最后的话音服务质量评分。根据这个解决方案本文设计开发了一个基于关键词检出的话音服务质量监控应用系统。本文首先介绍了关键词检出系统的基本架构和相关技术模块。一个关键词检出系统主要由模型训练和识别匹配这两部分构成。关键词检出的基本技术模块主要包含：语音预处理,特征提取,声学模型训练,解码和识别等。本文分别阐述了各个技术模块所涉及的技术要点,重点介绍了基于HMM的声学模型的训练。本文利用Sphinx系统的SphinxTrain完成了AN4语料库CD聚类声学模型的训练。关键词检出引擎的设计实现是本文的主要工作之一。本文在Sphinx-4现有的识别功能模块的基础上设计了填充模型数据结构,即语法识别网络,基于该网络实现了关键词检出。填充模型数据结构将节点定义为初始节点、终止节点、关键词节点和NULL语法节点。通过这4种节点创建识别网络。其中NULL是Sphinx中特殊的语法结构,它可以自动匹配关键词表外的任意词,适用于递归的语法结构。当采用AN4声学模型作为关键词检出引擎模型对引擎进行性能测试时,实验表明：用8个高斯混合数的声学模型作为引擎模型,引擎在虚报指数较低的情况下有较好的识别率和正确率,性能良好。此外,本文还测试了用WSJ大词汇量声学模型作为引擎模型时引擎的性能,实验表明：基于WSJ声学模型的引擎识别性能良好,可以满足大词汇表识别检出。本文设计了一套基于关键词信息通用的话音服务质量评测指标体系,并设计了评测算法集成到系统,实现话音服务质量监控的准确化和自动化。本文开发的话音服务质量监控系统基于关键词检出技术以实现评测呼叫中心话音服务质量情况,系统分为后台关键词检出引擎和前端的智能交互平台。系统可集成到现有的呼叫中心系统以实现协同操作。

关键词：关键词检出声学模型呼叫中心话音服务质量评测 Sphinx-4

基于Spark的用户行为分析系统的设计与实现

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Spark的用户行为分析系统的设计与实现

作者：殷乐战略支援部队信息工程大学

学位级别：硕士

互联网给政务办公带来机遇和便利的同时也带来了风险与挑战,企业需要通过分析网络日志来获取用户访问行为和兴趣偏好,然而单机日志处理系统早已不能满足日益膨胀的日志数据,因此一个大规模数据处理框架Hadoop便于2006年面世了,随后诞生... 详细信息

互联网给政务办公带来机遇和便利的同时也带来了风险与挑战,企业需要通过分析网络日志来获取用户访问行为和兴趣偏好,然而单机日志处理系统早已不能满足日益膨胀的日志数据,因此一个大规模数据处理框架Hadoop便于2006年面世了,随后诞生的Spark逐渐代替MapReduce成为Hadoop的缺省执行引擎。进一步的,MLlib(Machine Learning Library)作为Spark的重要组成部分,其内容涵盖了多种常用智能处理算法以及数据工具。通过运用MLlib中的挖掘算法进行序列模式挖掘来获取用户上网行为习惯,有助于管理人员优化网站服务和用户上网体验等。然而原始网络日志文件中数据通常是不完整、冗余甚至错误的,直接使用这些数据进行分析挖掘效果并不理想,因此对日志数据的采集和预处理工作要求比较高。针对以上问题,在完成企业关于用户行为分析方面的需求调研后,本文研究并设计开发了一个基于Spark及其机器学习库MLlib的用户行为分析系统,主要研究内容包括:1.构建了基于Spark/MLlib的可扩展的用户行为分析系统框架。该框架综合了日志采集、日志预处理、数据挖掘、可视化展示和系统配置管理等功能,通过对日志采集模块所收集的原始日志数据进行预分析与处理,生成符合格式要求的中间数据,然后通过数据挖掘模块,采用序列模式数据挖掘算法,根据对用户行为序列模式的对比和分析对用户进行归类整理,并将分析结果通过可视化模块进行各种图表化展示。2.设计了基于哈希映射分区的日志采集存储策略。该存储策略基于用户的IP地址或ID标识,通过哈希取模计算得到其分区信息,再根据该分区信息对日志数据进行分别存储,并创建相应的Hive分区表格。实验结果表明,该策略可有效提高大规模日志数据的检索效率。3.提出了基于混合阈值会话识别的数据预处理算法。该算法通过数据清洗、用户识别、会话识别和行为解释完成数据的预处理。其中会话识别部分采取基于动态会话时长和访问间隔阈值相结合的综合策略,提高了用户会话划分的准确性,为后续的数据挖掘模块提供了有效的数据支持。

关键词： Spark MLlib 日志采集预处理数据挖掘用户行为分析

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

知识图谱构建与检索系统的设计与实现

知识图谱构建与检索系统的设计与实现

作者：郭霄北京邮电大学

学位级别：硕士

知识图谱作为一种信息管理工具,不仅可以有效地处理大规模数据和语义信息,还提供了高质量的数据呈现与展示能力。本课题设计并研发了面向武器装备的知识图谱的构建与检索系统充分发挥知识图谱在数据处理方面的应用优势,通过可视化的手... 详细信息

知识图谱作为一种信息管理工具,不仅可以有效地处理大规模数据和语义信息,还提供了高质量的数据呈现与展示能力。本课题设计并研发了面向武器装备的知识图谱的构建与检索系统充分发挥知识图谱在数据处理方面的应用优势,通过可视化的手段辅助展示不同武器实体间的关联,为武器装备的智能化建设提供了一种更加高效、便利的数据管理方案。本文主要内容可分为三点:1.基于Seq-to-Seq框架与RoBERTa模型的知识联合抽取算法课题中构建了武器装备领域的原始数据集,并设计其领域本体,为实体关系抽取提供模式层信息;针对数据集中一主多客导致的主体重复现状,本文设计了一种以Seq-to-Seq框架为基本思想,并与RoBERTa模型结合的知识抽取模型,将实体识别与关系分类合并为一个强调主实体表征且使用半指针-半标注的sigmoid结构的序列抽取任务,还对损失函数进行了乘方优化,经验证得到了较好的效果。2.基于节点匹配与查询拓展的知识图谱检索策略课题中提出了基于节点匹配与查询拓展的武器装备知识图谱检索策略。该模型首先将用户检索词经过同义词转换、实体名称索引构建、模糊匹配等预处理,使其映射到图谱中的具体节点中,然后借助编辑距离、属性匹配、Jaccard系数等计算手段,将语义匹配分数计算分为两类,并在不同的节点匹配结果场景下使用,从而实现了对用户检索关键词的语义理解和查询拓展。实验证明该模型不同于常见的单一匹配检索方法,可以返回更符合用户需求的结果。3.面向武器装备领域的知识图谱构建与检索系统为了提升用户对武器装备知识的利用效率,课题中集成了本体构建方式、实体关系联合抽取与信息检索模型,设计并实现了武器装备领域知识图谱构建与检索系统。该系统分为数据层、模型层、业务层、表现层四层,在功能设计上主要包括数据处理、本体构建、知识抽取、知识存储、知识检索与可视化交互六大功能模块,为用户提供了简洁统一的数据管理方式。

关键词：武器知识图谱本体建模知识抽取信息检索

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RFID的实验室设备管理系统的研究

基于RFID的实验室设备管理系统的研究

作者：倪洁北京邮电大学

学位级别：硕士

传统的高校实验室大多采用人工管理模式,纸质手工记录设备原始及使用等信息。随着实验室数量增多、规模膨胀、设备种类繁多、使用频繁、精密仪器增加等,这些非自动化管理方式已经达不到管理人员和实验用户的要求。为了建立先进的实验室... 详细信息

传统的高校实验室大多采用人工管理模式,纸质手工记录设备原始及使用等信息。随着实验室数量增多、规模膨胀、设备种类繁多、使用频繁、精密仪器增加等,这些非自动化管理方式已经达不到管理人员和实验用户的要求。为了建立先进的实验室设备管理系统,本文引进射频识别(Radio Frequency Identification,RFID)技术,它是一种无需接触的传感器技术,利用射频信号对静止或动态的物品进行自动识别。利用RFID自动识别读写器批量读写设备的唯一身份标识电子标签,可准确识别及时记录跟踪每一件设备的信息,同时射频识别技术还可与当下流行的移动通讯、互联网等技术结合,智能识别自动管理,可以避免由于人工错误等造成的仪器丢失保管不善等问题。普通用户可以快速定位到设备进行相关实验,设备管理者工作量大幅减少,工作效率有效提高,同时高层管理者统筹掌握实验室动态以进行更科学的管理工作。本文就目前高校实验室管理的现状及存在问题,结合RFID技术在实验室管理方面的应用,叙述了RFID自动识别应用于实验室设备管理系统的现实意义。在对学校实验室的设备管理工作进行调研后,本系统决定在硬件方面使用RFID高频(HF)模块,软件方面采用B/S(浏览器／服务器)结构模式,C#编程语言在Visual Studio2010平台上进行开发,后台数据库采用大型数据库系统SQL Server2008。进行系统需求分析后,明确了系统的设计原则、总体架构、开发环境、主要功能等,进行了系统的概要设计,重点阐述了系统的数据库、数据表的结构设计,并且针对系统的三类用户,完成了用户登录、系统管理、设备管理、统计分析等重点功能模块的实现与测试。把已经发展成熟的RFID技术应用到学校实验室设备管理系统中,可以满足国内学校实验室设备管理的智能化、一体化需要。

关键词： RFID 实验室设备管理系统 B/S架构