摘要：图(网络)是一种常用于抽象现实世界实体之间关系的数据结构,网络嵌入广泛应用于图数据的表征.目前大部分异质网络嵌入方法未考虑网络节点之间的多种边类型和边属性,无法完整刻画网络的结构和语义信息,导致原始网络特征信息丢失和下游任务效果差的问题.为解决该问题,基于注意力机制设计了一种多边属性异质网络嵌入方法,其将注意力机制应用于学习不同边类型下嵌入向量的重要系数,通过有偏序列采样、邻居向量聚合和模型参数更新3个阶段的嵌入学习,将网络节点表示成固定长度的稠密向量.实验表明,提出的嵌入方法能够更好地嵌入网络的特征信息,使之在下游的机器学习任务上有一定的效果提升.

摘要：为了高效处理大数据所具有的复杂性和不确定问题,将“不确定性问题+直觉模糊集理论+量子计算”交叉融合,构建基于直觉模糊集理论的量子模糊信息管理数学模型。为了验证该模型的可行性、合理性和有效性,设计了不确定性环境下基于参数化量子线路的量子模糊神经网络仿真实验。实验结果表明,基于该模型的量子模糊神经网络模型能更客观、准确、全面地反映不确定性问题中各对象所蕴含的知识信息,从而提高算法处理大数据的准确性。

摘要：学生考务信息是学校管理中不可或缺的一部分,提出了一种基于PHP语言的学生考务管理系统的设计与实现方案。以B/S模式构建系统,应用MySQL存储数据,利用PHP的快速开发优势,采用MD5对进行数据加密,完成学生信息管理、课程信息管理、成绩信息管理、统计分析和系统管理等模块的开发。同时,系统具备教师、学生、管理员3种角色的权限控制功能。测试表明,系统稳定性和可靠性较好,为管理学生信息提供了便利,为考务管理提供了参考。

摘要：混凝土是一种被广泛应用于各种建设领域的材料,其强度是受原材料的性质等多种因素影响,如水泥、矿渣灰、减水剂等。准确预测混凝土的抗压强度对于工程的稳定性和安全性至关重要。通过设计混凝土强度预测模型,工程师可以更好地理解和掌握混凝土强度的变化规律,以便在给定原材料的性质下预测和优化混凝土的强度,从而提高工程质量和安全性能。

摘要：为满足舰船在广域网环境的安全通信需求,提出广域网环境中舰船通信网络信息安全传输方法。基于云计算技术构建具备信息调度的舰船通信网络信息安全传输模型,并针对舰船通信广域网环境存在的来自不同方向的通信干扰源、信号衰减和噪声干扰,结合噪声消除算法进行舰船通信网络信息传输抗干扰设计,降低外界干扰影响;针对舰船通信广域网环境中实时信息在传输过程中面临的攻击、窃听、截取等多种安全威胁,采用双混沌互反馈加密方法完成舰船通信网络传输信息加密,保障信息在广域网环境下安全传输。实验结果表明,该方法可显著提升舰船通信速率,在不同干扰类型下均表现出良好的抗干扰性能;加密后信息可成功掩盖原始数据分布特征,保障传输信息安全性。

摘要：针对现有边缘计算基础网关服务器既不具备安全、稳定、可靠与通用性强等特点,又无法支持边缘计算场景的计算任务等问题,文中首次在基于ARM架构的鲲鹏920芯片的长虹天宫边缘计算服务器TG225B1上,设计并实现了适用于边缘计算场景的iBMC软硬件架构。该架构采用ARM国产化硬件底座,支持边缘网关硬件管理,实现工控多协议的自适应交互框架。对符合性、功能、性能、易用性、维护性、可靠性、兼容性等指标进行测试,表明iBMC架构能较好满足边缘计算服务器的需求。

摘要：船用柴油机在线诊断和监测对于保障船舶安全航行具有非常重要的作用。经验法和建立数学模型的方法在实际应用中受到非常大的限制,本文提出一种基于振动信号分析的船用柴油机故障诊断系统,分析了柴油机的基本结构和工作流程,对柴油机的不同故障振动信号特征进行分析,在此基础上设计了故障诊断系统的结构,包括振动信号采集、特征提取以及故障诊断模块,通过将柴油机历史振动数据和故障类型建立映射,并基于柴油机振动信号特征使用故障诊断模型输出诊断结果。

摘要：离散数学是计算机专业的一门必修课,其理论知识广泛应用于计算机相关领域工程问题的建模与分析。为解决教学过程中“重理论,轻实践”、知识点琐碎等问题,结合团队多年的教学经验,提出基于知识图谱的“223”实践教学模式,给出了详尽的教学案例。实践表明,这样的改革不但提升了学生学习离散数学的兴趣,而且提高了自主学习和程序设计与实现的能力。

摘要：随着软件工程的快速发展和广泛应用,工程认证在软件工程教育中扮演着越来越重要的角色。离散数学作为软件工程的核心课程之一,对学生的逻辑思维、算法设计和问题解决能力等方面具有深远的影响。因此,如何在软件工程认证的背景下,优化离散数学的教学方法,提高教学效果,成为当前软件工程教育领域亟待解决的问题。本文首先分析了当前离散数学教学中存在的问题,如教学内容抽象、理论与实践脱节、学生缺乏兴趣等。针对这些问题,本文提出了一系列基于软件工程认证的离散数学教学方法的改进策略。

摘要：3D点云由于其无序性以及缺少拓扑信息使得点云的分类与分割仍具有挑战性.针对上述问题,我们设计了一种基于自注意力机制的3D点云分类算法,可学习点云的特征信息,用于目标分类与分割.首先,设计适用于点云的自注意力模块,用于点云的特征提取.通过构建领域图来加强输入嵌入,使用自注意力机制进行局部特征的提取与聚合.最后,通过多层感知机以及解码器-编码器的方式将局部特征进行结合,实现3D点云的分类与分割.该方法考虑了输入嵌入时单个点在点云中的局部语境信息,构建局部长距离下的网络结构,最终得到的结果更具区分度.在ShapeNetPart、RoofN3D等数据集上的实验证实所提方法的分类与分割性能较优.