摘要：对于产品的定制产业,客户对产品定制的满意度取决于定制的效率和智能化程度。为了提高产品定制效率和定制的智能化程度,改善定制过程的引导性和条理性,提出了一种基于K-means算法的产品定制特征分类方法。首先构建定制产品特征数据集和顾客需求数据集之间的关联映射模型;然后定义产品特征关联度计算,利用产品特征关联度和类别权重指标为参数,采用K-means聚类算法对定制产品特征进行聚类迭代计算,将产品定制特征进行分类;最后,以家用电器洗衣机产品为案例,验证了该方法的可行性与有效性。

摘要：针对企业信息化系统存在的问题,分析了当前网络安全存在的误报和漏报现象,对海量信息分析代价大、无法预知安全策略内容、系统自身安全等方面问题作了探讨,设计并建立了基于多标记学习改进算法的入侵检测系统模型。该模型主要包括数据采集、数据预处理、算法检测及响应处理等模块。在设计好基于多标记学习改进算法的入侵检测系统后,将该系统部署到原有系统中,并检测入侵数据,数据检测监控界面显示入侵检测系统的检测结果。针对未处理的网络连接记录,系统管理员可通过手动方式判断其是否为攻击行为;而对于异常的数据,系统会将此类型的攻击行为添加到样本库中。算法在适当的时间通过新的样本库来完善分类器。该模型在不改变原有信息化系统工作的基础上,实现了入侵检测系统的应用。

摘要：现有语义分割模型容易受到雨滴遮蔽干扰,在雨天道路场景数据集上表现不佳;且没有着重关注道路场景中较为重要的车辆和行人2个类别。针对上述2个问题,设计雨天道路场景语义分割算法并将其部署在移动端,以促进自动驾驶技术的发展。提出快速融合金字塔池化模块(Fast Fusion Pyramid Pooling Module,FFPPM),使特征图融合丰富的全局语义信息和局部细节信息,有效分割雨滴遮蔽的场景;提出多重注意力融合模块(Multiple Attention Fusion Module,MAFM),并提高损失函数中车辆和行人的类别权重,增加模型对车辆和行人的关注度;借助Android Studio平台将模型部署到移动端,使用ONNX Runtime进行前向推理,分割效果与电脑端一致。在Rainy WCity数据集上与较新的5种模型进行比较,本文模型在电脑端和移动端分割精度一致;PA和mIoU分别为95.25%和72.96%,车辆PA和IoU分别为84.04%和74.15%,行人PA和IoU分别为34.91%和26.37%,均高于其他5种模型;此外本文模型在电脑端和移动端的FPS分别为45.46和1.26,分割速度较快。本文模型能够在移动端有效分割雨水遮蔽下的道路场景图像,对车辆和行人分割更加精确。