摘要：相比于单一视图学习,多视图学习往往可以获得学习对象更全面的信息,因而在无监督学习领域,多视图聚类受到了研究者的极大关注,其中基于图的多视图聚类,近年来取得了很大的研究进展.基于图的多视图聚类一般是先从各个视图原始数据学习相似图,再进行视图间相似图的融合来获得最终聚类结果,因此,多视图聚类的效果是由相似图质量和相似图融合方法共同决定的.然而,现有基于图的多视图聚类方法几乎都聚焦在视图间相似图的融合方法研究上,而缺乏对相似图本身质量的关注.这些方法大多数都是孤立地从各视图的原始数据中学习相似图,并且在后续图融合过程中保持相似图不变.这样得到的相似图不可避免地包含噪声和冗余信息,进而影响后续的图融合和聚类.而少量考虑相似图质量的研究,要么相似图构造和图融合过程是直接联立迭代的,要么在预定义相似图过程中提前利用秩约束进一步初始化,要么就是利用相似图存在的一些底层结构来获取融合图的.这些方法对相似图本身改进很小,最终聚类性能提升也十分有限.同时现有基于图的多视图聚类流程也缺乏对各视图间一致性和不一致性的综合考虑,这也会严重影响最终的多视图聚类性能.为了避免低质量预定义相似图对聚类结果的不利影响以及综合考虑视图间一致性与不一致性来提升最终聚类效果,本文提出了一种自适应相似图联合优化的多视图聚类方法.首先通过Hadamard积来获得视图间高质量一致性部分信息,再将每个预定义相似图和这部分信息对标,重构各个视图的预设相似图.这个过程强化了各视图间的一致性部分,弱化了不一致性部分.其次设计了相似图重构改进和图融合联合迭代优化框架,实现了相似图的自适应改进,最终达到相似图和聚类结果共同提升的效果.该方法将相似图改进过程与图融合过程联合起来进行自适应迭代优化,并且在迭代优化中不断强化各视图间的一致性,弱化视图间的不一致性.此外,本文的方法也集成了现有多视图聚类方法的一些优点,自加权以及无需额外聚类步骤等.在九个基准数据集上与八个对比方法的实验验证了本文方法的有效性与优越性.

摘要：倒伏是限制油料作物高产、稳产、优产的主要因素,对油菜倒伏类型的实时监测与评估对于油菜预产和品种选育至关重要。该研究提出一种无人机可见光影像下融合多尺度特征和注意力机制的油菜倒伏分类方法,对绿熟期和黄熟期的倒伏级别进行分类鉴定。首先,设计一种图像分类模型NGnet(nam-ghost network),用于对角果期的油菜倒伏程度进行分类。该网络采用改进的GhostBottleNeck模块,融入利用权重因子来体现重要特征的注意力机制模块NAM(normalization-based attention module),再将不同尺度的注意力特征进行融合,以降低模型参数量、提高准确率;其次,构建使用无人机高空遥感正射影像的油菜倒伏数据集(rape lodging dataset, RLD),该数据集由5 789张分辨率为3×255×255且人工标注倒伏级别的小区影像构成;最后,将NGnet模型在RLD数据集上的进行验证,准确率达到85.10%,比T2T-VIT、SwinTransformerV2、MobileNetV3、Res2Net、RepVGG和RepLKNet分别高出15.6、11.92、7.01、6.22、6.08、2.37个百分点。试验结果表明,NGnet模型对油菜倒伏分类任务是有效的,可为基于无人机RGB影像的油菜倒伏鉴定和良种选育等提供参考。

摘要：为保证已建桥梁发生涡激振动后桥梁结构的安全以及桥上行车和行人安全,提出综合考虑人员舒适性、结构受力和停车线形三方面的大跨度钢-混结合梁悬索桥涡激振动控制指标体系。该体系包含9项指标,分别为驾乘人员舒适度、驾乘人员晕动症、行人舒适度(狄克曼指标)、加劲梁强度、加劲梁应力、加劲梁挠度、桥面纵坡、竖曲线半径和停车视距。以武汉鹦鹉洲长江大桥为背景,分别计算了“限速”和“封桥”2个交通管制措施下9项指标对应的涡激振动振幅限值。在此基础上,将9项指标对应的涡激振动振幅限值的最小值作为涡激振动限值建议取值。结果表明:当该桥发生低阶竖弯涡激振动(VS1、VAS1)时,涡激振动的控制因素为加劲梁挠度指标;当大桥发生VAS2模态的竖弯涡激振动时,涡激振动由驾乘人员晕动症指标和行人舒适度指标共同控制;当大桥发生高阶竖弯涡激振动(VAS3、VAS4)时,涡激振动由行人舒适度指标控制。涡激振动控制指标体系及限值标准的计算框架可适用于不同桥型涡激振动限值的计算。

摘要：建筑结构隔震技术通过在建筑结构底部或中间楼层设置隔震装置,延长结构的自振周期,并提供适当的阻尼使得结构的响应大幅度减小,能够更有效地保护房屋结构以及室内设备的安全,可显著提升建筑震后功能可恢复能力。目前建筑结构隔震技术已经有较为成熟的技术产品和工程应用,已广泛应用于住宅、医院、学校、博物馆和图书馆等建筑中。随着《建设工程抗震管理条例》的颁布,预期隔震技术将有更广阔的应用场景。隔震建筑也将逐步从低层、简单建筑结构向高层、复杂建筑结构的方向发展。目前常用的隔震装置存在着抗拉能力不足、对竖向地震或竖向环境振动减振效果不足、控制频宽窄、适应性不足以及使用状态及损伤状态难以监测等问题。为此,众多学者针对以上问题进行了深入研究,开发了抗拉隔震支座、三维隔震(振)支座、半主动隔震支座和隔震支座的健康监测系统,为扩展隔震技术的应用范围提供了解决方法。目前,相关研究偏重于新型隔震装置的性能研究,未来应全面考虑新型隔震装置对于建筑的影响,提出配套的设计方法,并进行示范性工程应用,加快隔震技术的推广。

摘要：张靖皋长江大桥南航道桥为主跨2300 m的双塔双吊跨钢箱梁悬索桥,桥下船舶通航密度大、船舶平均吨位大、船舶碰撞概率高、南塔所受船撞力计算值大。经综合分析,传统被动防撞方案均不能很好满足南塔防撞要求,故提出采用锁口钢管桩围堰外挂软体护舷的新型防撞方案。该防撞方案通过在承台外围设锁口钢管桩围堰形成裙墙,在围堰外侧外挂软体护舷,并在围堰与承台之间空隙处填充耗能材料实现防撞及消能,裙墙同时兼作临时施工围水设施以及起到永久冲刷防护和船撞消能作用。为验证新型防撞装置的防撞效果并选择合适的耗能材料,进行船桥碰撞有限元分析。最终采用填充沙粒的新型防撞装置方案,该方案可削减36.68%南塔承台撞击力,防撞效果好。新型防撞方案施工简单,后期仅需对钢管桩作防腐处理,撞后便于修复,工程造价低。

摘要：事件检测旨在检测句子中的触发词并将其分类为预定义的事件类型.如何有效地表示触发词是实现该任务的核心要素.目前基于表示的方法通过复杂的深度神经网络来学习候选触发词的语义表示,以提升模型性能.然而,其忽略了2个问题:1)受句子语境的影响,同一个触发词会触发不同的事件类型;2)受自然语言表达多样性的影响,不同的触发词会触发同一个事件类型.受变分自编码器中隐变量及其他自然语言处理(natural language processing,NLP)任务中分层结构的启发,提出基于分层潜在语义驱动网络(hierarchical latent semantic-driven network,HLSD)的事件检测方法,通过句子和单词的潜在语义信息来辅助缓解以上2个问题.模型从文本表示空间中分层降维到新的潜在语义空间,探索事件宏微观语境中更本质的影响信息.首先,通过BERT对候选句子进行编码,得到句子的表示和句子中单词的表示;其次,设计一个双重的潜在语义机制,并采用VAE挖掘句子和单词级潜在语义;最后,从不同粒度的上下文角度,提出采用一个由粗到细的分层结构来充分使用句子和单词的潜在信息,从而提升模型的性能.ACE2005英文语料库上的实验结果表明,所提方法的F1值在事件检测任务上达到了77.9%.此外,在实验部分对以上2个问题进行了定量分析,证明了所提方法的有效性.

摘要：为提高工位数固定的U型拆卸线拆卸效率,减少有害部件对操作人员的潜在威胁,针对高价值零部件和有害零部件的拆卸需求,本文提出了工位数固定的U型拆卸线部分拆卸平衡问题,建立了以最小化节拍时间、高危工位数目和负载均衡为目标的优化模型,并设计了改进的变邻域搜索算法进行求解.在编码过程中提出一种基于零部件释放位置的选择策略,以减少前继零部件拆卸顺序对编码的影响;提出最小偏差二分法,有效减少解码的迭代次数;提出瓶颈挤压局部搜索策略,用以优化节拍时间和均衡负载指标.通过与其他算法对比,结果表明改进的变邻域搜索算法求解具有优越性,并且可实现对工位数固定的U型拆卸线部分拆卸平衡问题的高效求解.

摘要：近年来,随着图神经网络(graph neural network,GNN)技术在社交、信息、化学、生物等领域的广泛应用,GNN可解释性也受到广泛的关注.然而,现有的解释方法无法捕获层次化的解释信息,同时,这些层次信息未能被充分利用以提升图分类任务的准确率.基于这一问题,提出了一种层次化自解释的图表示学习(hierarchical self-explanation graph representation learning,HSEGRL)模型,该模型通过发现图结构中的层次信息进行图分类预测的同时,输出层次化的模型自解释结果.具体而言,针对图层次信息的发现设计了提取信息的基本单元——解释子,该解释子由提取节点特征的编码器获取层次化解释感知子图的池化层和抽取高阶解释信息的解码器组成.其中,为了准确提取层次化的解释子图,针对该模型的池化操作进行了解释感知优化设计,该设计通过评估模型的拓扑及特征重要性,层次化地筛选解释子图,实现分层自解释的同时完成图分类任务.HSEGRL是一个功能完备且便于迁移的图表示学习自解释模型,可以层次化综合考虑模型的拓扑信息与节点特征信息.在模型有效性验证层面,分别在分子、蛋白质和社交数据集上进行大量实验,实验结果表明所提模型在图分类任务中的分类准确率高于已有的先进的GNN自解释模型和GNN模型,并通过可视化分层解释结果的信息证明了该解释方法可信.

摘要：土壤电导率的准确、实时和原位获取可为农业生产精准管理提供有效的数据支撑,为提高传统电流-电压四端法测量精度,该研究基于电流-电压四端法3种测量组态,开展土壤电导率主要影响因素(土壤含水率、电极入土深度、土壤坚实度和土壤处理方式)对电流-电压四端法的3种测量组态测量精度影响的试验。结果表明,Wenner和Schlumberger两种测量组态可较好地适用于不同土壤环境条件。进一步以Wenner和Schlumberger两种测量组态所测土壤电导率值为输入量,基于BP神经网络构建了双组态融合的土壤电导率回归模型,并在此基础上设计了一种土壤电导率测量装置,该装置主要包括JESTON nano、STM32单片机数据采集模块、传感器、激励源及差分放大模块等组件。工作稳定性试验结果显示,该装置在不同土壤电导率梯度条件下测量数据的标准偏差均小于0.43μS/mm;田间性能对比试验结果显示,该装置测量数据的均方根误差值为0.18μS/mm,测量精度优于传统单独测量组态和市面常用土壤电导率测量仪,以上结果表明所研制的土壤电导率测量装置具有较好的工作稳定性和测量精度。该研究可为田间土壤信息的实时原位采集提供一种高精度的检测工具和技术手段。

摘要：针对电力系统故障持续时间会影响暂态稳定控制的问题,本文提出了一种使系统在固定时间内恢复暂态稳定运行的策略.该策略通过电力系统通信拓扑建模方法为每个发电机建立“邻居发电机”,利用发电机本地信息和其邻居发电机的信息设计分布式控制器,通过控制储能装置作用于受扰动后的系统,使其在固定时间内恢复稳定运行.其次,此控制策略还解决了一些实际挑战,如控制器的输入延时、外部的干扰、储能装置的容量限制等.通过构建李雅普诺夫函数并利用图论知识对该策略展开了稳定性分析,推导出了稳定系统的时间界限.最后,将控制器投入新英格兰39节点测试系统中,并与其它控制器进行比较,仿真结果验证了在低容量储能装置限制下和抗干扰性上控制器性能的优势.