摘要：图文数据逐渐成为网络舆情的主流载体,图文情感分析利用多模态的信息互补效应提高情感分析效果,在人机对话、舆情监控等领域具备极大的应用潜能。以往的研究大多将图像和文本的特征拼接后再使用注意力进行融合,模态信息交互不充分,融合特征存在大量的噪声。提出了一种深层注意力和两阶段融合的图文情感对比学习方法。使用深层跨模态注意力网络进行模态交互,有助于提取不同模态的隐藏信息。设计的跨模态门控融合模块利用门控机制和注意力实现特征的两阶段融合,动态调整特征权重,降低数据噪声。模型通过对比学习和情感分类任务的联合训练,充分捕获与情感相关的跨模态共同特征,有利于提升模型的鲁棒性。方法在MVSA-Single、MVSA-Multiple和HFM等数据集上进行实验得到的准确率和F1值相较于基线模型的最优者平均提升了1.04和0.96个百分点。

摘要：针对单传感器和单模态信号特征信息不足的问题,该文提出一种基于多模态融合的端到端深度聚类旋转机械多传感器故障诊断方法(EDCM-MFF)。首先,利用门控递归单元自编码模块提取多传感器故障信号的深度时序特征。然后,应用短时傅里叶变换(STFT)将故障信号转换为时频图像,并通过卷积自编码器提取这些图像的深度空间特征。接着,设计了一种模态融合注意力机制,通过计算不同模态深度特征之间的亲和矩阵,实现模态特征的融合。最后,采用Kullback-Leibler(KL)散度聚类,以端到端方式实现故障类型的识别。实验结果显示,该方法在东南大学齿轮箱和轴承数据集上的识别准确率分别为99.16%和98.63%。与现有的无监督学习方法相比,所提方法能够更有效地实现多传感器和多模态的旋转机械故障诊断。

摘要：针对新产品开发项目的特点,考虑项目与企业战略的匹配程度及项目间的相互依赖关系研究项目组合选择问题.首先提出战略一致性的概念来衡量项目与企业战略的匹配程度,并进行定量化描述;然后考虑项目的战略一致性对组合收益的影响,对仅考虑项目间相互依赖性的项目组合选择模型进行改进,建立基于战略一致性的新产品开发项目组合选择模型;从可变邻域构造方面设计改进的模拟退火算法求解模型;最后以轿车整车开发企业为背景进行实例分析,验证了模型和算法的有效性.

摘要：考虑了配送准时性和配送成本之间的悖反关系,将延迟理论引入配送调度,研究了订单随机到达、准时配送的supply hub的出库调度问题.考虑订单到达时间的随机性对配送准时性的影响,设计了一个带延迟因子的滚动调度模型,建立了supply hub准时制配送的出库调度多目标规划模型.根据模型的特点,设计了求解模型的克隆免疫算法.最后,结合数值实验,对延迟调度模型和实际使用的调度模型进行了对比分析.研究结果表明,带延迟因子的调度模型相比常规调度策略.能明显降低随机性订单的配送成本.

摘要：知识推送是提高产品协同设计中知识获取效率的重要方式。通过分析现有设计知识推送研究的不足,运用知识模块集来描述设计过程知识需求模型,提出设计过程知识需求模型的更新方法,设计了一种面向协同的产品设计知识推送模型,其推送思路是:当设计人员接受设计任务时,对设计过程知识需求模型中的知识模块集进行基于概念语义扩展的设计知识检索,然后根据设计人员的知识水平过滤预推送的知识,最终将知识推送给设计人员,从而达到在产品设计过程中主动地为设计人员提供个性化知识服务的目的。

摘要：以绿色制造为背景,假定机器设备具有不同的能源消耗成本或维护成本,研究了一类考虑成本限制的平行机调度问题.调度的目标是最小化最大延迟时间.为该问题建立了整数规划模型MIP,设计了改进的EDD (earliest due date firstly)算法,命名为MEDD.由于考虑成本限制,证明了MEDD算法的可行性,并进而理论分析了算法的最坏误差界.通过算例说明了算法的执行情况,同时采用大量随机数据实验验证算法的性能.对于小规模问题,将MEDD的解与MIP的精确解进行了对比;对于大规模问题,由于MIP精确解难以获得,以MIP对应的线性规划松弛模型MLP的最优值为下界对MEDD算法的解进行了衡量.实验结果表明了所构建MEDD算法的有效性.

摘要：一些常用的多属性决策方法在处理多属性评价问题时,易出现评价结果相近,评价值差异较小、区分度不高等问题.运用离差最大化思想构建的多属性决策模型,能有效拉大评价值间的差异,便于决策方案的优选和排序.但该模型在实践中,只考虑了因属性值差异性引起的可变权重,忽略了评价指标本身的属性权重,易造成评价结果偏离真实结果.鉴于此,对已有的基于离差最大化的多属性决策模型进行改进,综合考虑评价属性的可变权重和属性权重,设计了改进的离差最大化决策模型,并将该模型应用于临近空间多任务系统综合效能评估中,为临近空间多任务规划方案的排序及优选提供决策支持.最后,通过算例,对比验证了该模型具有一定的适用性.

摘要：【目的】为缓解在公开论坛、企业后台数据仓库的数据自动化分类及存储过程中,由于电商评论文本具有一词多义、信息分布稀疏等特点而造成的处理困难,本文设计基于BERT语言模型和多通道特征抽取的文本分类模型,实现评论文本的自动化分类。【方法】考虑到中文文本的最小表达单元是字,通过BERT的字向量编码联动TextCNN缓解一词多义的问题。为捕获长距离上下文语义信息,模型设计了BERT联动BiLSTM的通道。充分利用BERT的微调机制,使字向量编码根据两个通道的特征抽取方式进行调整,从而得到适配局部和长距离特征抽取的字向量编码结果。模型最终融合两个通道的特征向量,完成文本分类任务。【结果】本文提出的MFFMB(Multi-Features Fusion Model BERT-based)模型在公开的电子商务评论多分类数据集上的准确率高达0.9007,相对于基线模型BERT+TextCNN、BERT+BiLSTM、BERT+LSTM+MaxPooling、BERT+LSTM+Attention分别提升2.36、8.55、4.61、5.11个百分点。同时,实验结果说明BERT和注意力机制的引入,相对于基线模型中的较优者,准确率分别提升约1.48和4.81个百分点。【局限】注意力机制仅在BiLSTM通道引入,没有在全局设计;本文模型未在更多数据集上验证效果。【结论】本文模型能够更好地结合多维度信息,更加充分地挖掘BERT预训练模型在文本分类任务上的作用,提高了分类的准确性。

摘要：研究目标为最小化原料浪费、最小化下料方式数和最小化可用余料返回的多目标优化下料问题。运用多目标优化和多属性决策相结合的方法设计下料决策方法,即先用改进的非支配排序启发式进化算法求出问题的Pareto最优解集,再采用综合主客观赋权法计算各优化目标的权重,最后运用多属性决策方法选出一个满意解作为下料方案。实验结果证实所提方法对多目标下料决策是有效的。

摘要：奶制品加工厂主要从总部采购鲜奶(生产),也会从当地奶农采购部分鲜奶(外包)。出于能力和策略的考虑,两种来源的鲜奶采购量均有限;考虑到客户允许奶制品延期交货,相应的鲜奶也可延期交货,生产、外包和库存/延期交货成本均为一般凹函数,问题是以最小的总成本来满足规划期的鲜奶需求。为求解该问题,设计了一种新的基于群体可行状态和个体约束违背程度的自适应惩罚方案,据此设计了求解该问题的遗传算法。为测试算法的性能,先进行了算子组合和遗传算子概率的选择实验,选出最适合的算子和算子概率;在此基础上,针对4个问题实例,通过50次运行,测试了所提自适应罚函数相对4种常见罚函数的优势。