摘要：伴随着信息时代的飞速发展,生活中每个行业内需要处理的信息成倍递增。对于海量的数据在完全分布式的环境下计算和存储更为合适。但是在检索方面,对于中文短文本数据的检索任务时效率却略显不足。综上所述,文章设计了一种基于HBase的中文短文本快速检索方案。首先通过BTM训练出对应的主题概率分布。其次将传统的knn文本分类结合潜在的中文语义分析,来实现短文本的潜在主题文本分类,并设计了基于MapReduce并行化knn文本主题分类来解决海量数据计算量大的问题,最后将文本主题分类结果与ES上的Top Hits相结合,构建对应表的二级索引来避免对于原始文本数据复杂的全表扫描。从而实现快速检索。最后通过实验对比,这种方案比传统的HBase检索中文短数据的方案效率更高。

摘要：针对传统穿线法过度依赖数码管字符分割效果、无法对小数点字符进行识别以及机器学习算法识别数码管用时过长的问题,提出了基于改进穿线法与knn算法相融合的数码管字符识别方法,达到了对不同数码管字符及小数点识别的目的,减少了对字符预处理效果的依赖。在嵌入OpenCV图像处理程序的LabVIEW人机交互平台采集到实时图像后,输出识别结果。经多次实验,该方法的识别时间相比单独使用knn的识别时间明显缩短,识别率可以达到95%以上,具有识别速度快、精度高的优势。

摘要：针对小数据集复杂文本验证码识别,使用传统的机器学习方法存在去噪难和分割难的问题,使用深度学习方法需要大量数据增加泛化性,数据不足容易导致过拟合。根据验证码的特点,提出了基于字符分割的小数据集复杂文本验证码识别方法,使用pix2pix做文本去噪,使用目标检测网络YOLOv4分割单字符,使用knn算法进行分类。实验结果表明,该方法的单字符识别准确率达98.7%,优于开源模型的识别结果,验证了该方法在破解小数据集复杂文本验证码上的可行性和有效性。

摘要：针对现有的挤压铸造工艺参数研究方法效率低下、局限性较大的现状,利用已有挤压铸造工艺数据采用机器学习方法实现了对挤压铸造温度工艺参数的快速设计。首先基于K最近邻(K Nearest Neighbors,knn)算法参考相近材料铸件的温度工艺参数,从材料成分层面对浇注温度和模具预热温度进行初始设计,然后结合铸型参数和广义回归神经网络(Generalized Regression Neural Network,GRNN)对设计误差较大的模具预热温度进行修正,建立了误差修正模型;基于数据和实例铸件进行应用,并结合Procast进行实例铸件仿真试验,验证了提出的温度工艺参数设计方法的有效性。

摘要：在智能交通系统中,准确和高效的短时交通流量预测是交通诱导、管理和控制的前提。由于交通流量动态变化中表现出的时变性和非平稳性特征,其预测难度较大,是交通领域中亟待解决的难题。为提高短时交通流量的预测精度,本文设计与实现了基于自适应时序剖分与knn(A-TS-knn)的短时交通流量预测算法。①基于动态时间规整(Dynamic Time Warping,DTW)动态剖分单日时序为不同的交通模式;②在不同交通模式,采用互信息法求解每个预测时刻时间延迟的最大阈值,构造不同时间延迟的状态向量,生成交通流量历史数据库;③采用十次十折交叉验证的方法求解每个时刻不同时间延迟与不同K值的正交误差结果分布,提取误差最小的正交结果,得到自适应时间延迟与K值的参数组合;④采用K个最相似的近邻的距离倒数加权值作为预测结果。对比K近邻(K-nearest neighbors,knn)、支持向量回归(Support vector regression,SVR)、长短期记忆神经网络(Long-short term memory neural network,LSTM)以及门控递归单元神经网络(Gate recurrent unit neural network,GRU)共4种主流预测模型,A-TS-knn算法预测精度显著提升;将A-TS-knn算法用于福州市城市路网中其他交叉路口的短时交通流量预测,结果表现出良好的泛化能力。

摘要：随着区块链技术的发展,以Hyperledger为代表的联盟链技术得到了广泛应用,其异常交易检测需求也逐渐凸显。但当前的区块链异常交易检测技术大多针对公有链设计,没有考虑联盟链交易的隐私保护需求。为了实现高效异常检测并保证联盟链交易的隐私性,文章提出一种基于knn的具有隐私保护功能的区块链异常交易检测方案。该方案中记账节点使用矩阵乘法对交易数据进行随机化,云服务器使用knn对随机化后的交易数据特征进行异常检测,并将结果反馈给联盟链记账节点进行验证。实验结果表明,该方案对联盟链效率的影响很小,同时具有良好的检测效果,召回率、精度、F1值分别可达85.3%、87.7%和86.5%。

摘要：Through an analysis of the temperature stability of(K0.5Na0.5)NbO3(knn)based ceramics and knn solid solutions,we propose a method to enhance the temperature stability of knn *** materials are valuable for their piezoelectric *** verify the feasibility of this method,0.9(K1-xNax)NbO3-0.06LiNbO3-0.04CaTiO3(KNLN-CaTiO3)ceramics were designed,and their structure and properties were *** results show that KNLN-CaTiO3(x=0.54)ceramics have a good temperature stability over a wide temperature range(25-320°C).Also,they have good piezoelectric properties(d33=152 pC/N in x=0.54).This result confirms the feasibility of our proposed solution for improving the piezoelectric properties of knn-based ceramics that have poor temperature stability.

摘要：针对轴承故障诊断中知识难以获取的问题,提出了一种GA-CFS(Genetic Algorithm and Correlation-Based Feature Selection,GA-CFS)结合案例推理的轴承故障诊断方法。利用案例推理技术(Case-Based Reasoning,CBR)建立轴承故障案例库进行故障诊断。又针对案例推理技术中案例检索时遇到的属性冗余问题,以及难以人工确定关键属性及其权重的问题,采取GA-CFS方法对属性集合进行筛选,初步确定特征子集,再根据遗传算法确定各个子集中的特征的权重,最后根据特征子集及其权重选取符合要求的最佳特征子集,再用该特征子集构建轴承故障案例库,并通过实验验证了该方法的可行性。

摘要：类偏斜问题(class i mbalance problem)是数据挖掘领域的常见问题之一,人们提出了各种策略来处理这个问题.当训练样本存在类偏斜问题时,knn分类器会将小类中的样本错分到大类,导致分类的宏F1指标下降.针对knn存在的这个缺陷,提出了文本训练集的临界点(critical point,CP)的概念并对其性质进行了探讨,给出了求CP,CP的下近似值LA、上近似值UA的算法.之后,根据LA或UA及训练样本数对传统的knn决策函数进行修改,这就是自适应的加权knn文本分类.为了验证自适应的加权knn文本分类的有效性,设计了2组实验进行对比:一组为不同的收缩因子间进行对比,可看做是与Tan的工作进行对比,同时用来证实在LA或UA上分类器的宏F1较好;另一组则是与随机重取样进行实验对比,其中,传统knn方法作为对比的基线.实验表明,所提的自适应加权knn文本分类优于随机重取样,使得宏F1指标明显上升.该方法有点类似于代价相关学习.

摘要：为了在获得较高压电性能的同时又不大大降低陶瓷的居里温度(TC),设计和制备了Bi_(0.45)Nd_(0.05)(Na_(0.92)-Li_(0.08))_(0.5)ZrO_3改性的K_(0.48)Na_(0.52)NbO_3系无铅压电陶瓷((1–x)knn-xBNNLZ),研究了BNNLZ含量对knn基无铅压电陶瓷相结构和电学性能的影响。研究结果表明,所有陶瓷样品均具有较高的居里温度T_C(>300℃)。随着BNNLZ含量的增加,陶瓷的正交-四方相变温度(T_(O-T))不断向低温方向移动,而三方–正交相变温度(T_(R-O))不断向高温方向移动,最终在陶瓷中形成了三方–四方(R-T)共存相,R-T共存相处于0.05<x<0.07范围。BNNLZ的加入引起陶瓷相结构的演化改变导致压电常数(d_(33))、介电常数(ε_r)、剩余极化强度(Pr)和机电耦合系数(k_p)都先增大后减小,当x=0.06时陶瓷具有最佳压电性能:d_(33)=313 pC/N,k_p=42%,P_r=25.48μC/cm^2,ε_r=1353,tanδ=2.5%,T_C=327℃。