摘要：针对现有产学研绩效评价体系及方法中存在的评价指标覆盖范围单一、评价样本特征表达不充分、评价模型自优化能力待提高的问题,提出主客观产学研综合绩效智能评价的评价体系及方法。首先,围绕三方合作主体,挖掘产学研合作过程中影响绩效的要素及这些要素之间的联系,自主构建主客观产学研绩效三级评价体系;其次,通过将收集到的离散序列评价样本映射至极坐标空间、马尔可夫转移矩阵等不同高维空间域,增强离散样本特征表征;然后,通过基于精英反向翻筋斗觅食的混沌优化策略设计,提高深度模型冗余压缩和超参数的全局寻优效率,构建轻量压缩及高维超参数的自适应寻优的ParNet(AParNet)分类模型;最后,将模型应用于产学研绩效评价中,实现高性能的绩效智能评价。实验结果表明,所提方法很好地贴合了离散序列非线性分类应用,同时模型中加入优化策略后,在减少计算量的同时提高了分类性能,具体体现在:与ParNet相比,AParNet中的参数量减少了10.8%,较好地实现了模型的压缩,且它在产学研绩效评价中的分类准确率可达到98.6%。在产学研绩效智能评价应用中,该方法提高了评价模型的自适应能力,能够实现准确、高效的产学研绩效评价。

摘要：最短路径计数是图计算中的一个重要研究问题,旨在查询顶点间的最短路径数,在路径规划与推荐、社交网络分析、介数中心性计算等领域中具有广泛应用。目前越来越多的网络可以建模为时序图,但少有针对时序图最短路径计数查询问题的研究工作。与静态图相比,时序图增加了时间信息,结构更复杂,在查询顶点间的路径数时必须考虑边的激活时间,因此静态图中最短路径计数方法不再适用于时序图,并且在大规模时序图上查询更具有挑战性。针对时序图最短路径计数问题,提出一种基于树分解构建TG-TL(Temporal Graph-Tree Label)索引的方法。该方法包含构建索引和在线查询两个阶段,构建索引阶段根据时序图的属性设计时序树分解算法,将时序图转化为树结构;然后根据树分解的结构信息以及凸路径定义提出高效构建索引算法;在线查询阶段基于TG-TL索引提出了高效的时序最短路径计数查询算法。在4个真实数据集上的实验结果表明,与基于TG-base(Temporal Graph-base)索引的查询算法相比,所提算法在查询效率上至少提升了61%,因此所提算法在时序图最短路径计数问题上具有高效性和有效性。

摘要：为充分发掘文本序列中潜层语义关系信息,提出一种实体和关系联合抽取的潜层关系增强模型SREM(text subtext relationship enhancement model)。在潜层关系表示层利用结构化对齐的方式,获取并保持文本序列中的语义信息结构。在融合注意力机制的关系网络层中对数据进行建模,提高模型对文本词汇间关系信息的捕获能力。结合注意力机制获取细粒度语义信息,对上下文信息进行选择过滤。实验结果表明,在数据集NYT和WebNLG上取得的F1值分别为92.40%和92.52%,验证了模型的有效性。

摘要：基于传输矩阵法和耦合模理论,分析相移光纤光栅的传输函数以及透射谱特性,结果表明相移光纤光栅具有较好的积分特性,并且相移光纤光栅的积分阶数与所插入的相移点数成正比。基于相移光纤光栅一阶积分特性设计出一种光脉冲整形结构,该结构可将高斯型超短光脉冲整形成平顶脉冲或对称三角形光脉冲。通过进一步调整结构中的加权系数,该系统还可输出非对称三角形光脉冲。当输入的高斯型光脉冲的脉宽发生±10%的波动时,仍然可以得到效果较好的平顶脉冲和三角形光脉冲,故所设计的光脉冲整形系统具有较好的稳定性。

摘要：基于传输矩阵法对马赫-曾德尔干涉仪的输出特性进行分析,结果表明,当干涉臂臂长差为中心波长与有效折射率比值的整数倍时,马赫-曾德尔干涉仪具有微分特性,且微分阶数与级联的干涉仪数目成正比。根据信号系统理论知识,利用马赫-曾德尔干涉仪的微分特性,设计出基于马赫-曾德尔干涉仪的超短光脉冲合成系统,并通过调节输入高斯脉冲及其各阶微分的加权系数,将输入的高斯脉冲分别合成为平顶脉冲、三角脉冲以及抛物线型脉冲。改变高斯脉冲各阶微分加权系数与输入脉冲宽度发现,输出脉冲波形基本保持不变,系统的稳定性良好。

摘要：遥感图像地物种类丰富、尺寸多变、分布不均衡、背景复杂,导致经典图像语义分割网络难以在遥感图像上取得理想分割效果。局部注意力网络模型(LANet)在遥感图像语义分割上取得了较好的实验效果,但大尺寸、小尺寸和细长的地物目标分割效果不佳。提出了一种改进LANet网络的高分辨率遥感图像语义分割网络模型,首先,针对全局特征提取设计了全局卷积模块(GCM^(+)),以组合卷积的形式扩大感受野,提升大尺寸地物目标的分割性能;其次,利用针对计算机视觉提出的激活函数Funnel ReLU(FReLU)来解决细小目标漏分的问题。实验结果表明:该网络模型在Potsdam数据集上平均交并比达到了75.83%,像素准确率达到了94.95%,比基础网络LANet有较大提升。

摘要：V-系统是L2[0,1]上的一类完备正交分段多项式函数系,由于其基函数的间断特性,在非连续信号的表达与分析上优势显著。然而,在目前的V-系统变换算法中,对于一个长度为N的信号,不仅需要事先生成并存储一个N阶的正交矩阵,而且其时间复杂度高达Ο(N^(3))。为实现对大规模数据的高效处理,从V-系统的多分辨率分析角度出发,设计并实现了V-系统的快速分解与重构算法,不仅无须存储额外信息,而且其时间复杂度仅为Ο(N)。测试结果表明,提出的快速算法能够满足大规模数据高效处理要求,为V-系统在更多领域的应用奠定了基础。

摘要：针对目前交通模式识别以人工设计特征为主,特征设计主观性强、区分度不高的问题,本文依据深度学习理论,建立了基于卷积神经网络的特征自动学习模型。该模型利用卷积神经网络自动学习深度特征,然后与人工特征共同用于交通模式识别。模型基于微软Geo Life数据,针对不同特征组合与分类方法设计实验,实验结果表明模型能学习到高区分度深度特征、有效提高交通模式识别准确率。

摘要：采用自适应模糊技术,设计了300kA预焙槽电解质温度和初晶温度的控制系统。该系统包括参数采集,参数网络传输和参数预处理,专家知识规则库、模糊逻辑决策,参数辨识、模糊规则自适应,人机界面和执行机构等模块。通过调整氟化铝添加量、出铝量和设定电压,以及氧化铝下料间隔的自修正,实现对电解槽温度、初晶温度、效应系数的控制。该系统在常规模糊控制基础上,通过变化在线辨识参数,得到系统自适应不同的电解槽。系统的输入参数除传统的电压、温度和分子比外,还采用初晶温度、过热度和阴极压降等作为系统的输入参数。控制系统在我国某厂300 kA铝电解槽上运行9个月,电流效率达94.3%,效应系数为0.08,每吨铝的直流电耗13 000 kW.h。

摘要：互联网的发展使数字作品版权保护面临着历史性的挑战,解决互联网版权问题对于版权产业的发展起着决定性作用。为了有效地保护数字网络环境下的作品版权,对版权保护方案进行设计。通过数字作品版权登记平台为每个数字作品赋予DCI,对数字作品的版权进行标识,通过特定的水印检测算法提取出数字作品中的DCI码,获取作品的权利信息,从而确认数字作品的版权真伪,为实现数字作品版权的检测、跟踪、取证及证据保全等管理工作奠定基础。