摘要：点云和视图2种模态的全局特征融合已经被证明有效,为了进一步挖掘细粒度的局部特征关系和模态间的互补关系以提升模型性能,提出了一种新的网络架构。该架构包含2个核心模块:设计了局部特征融合模块(LFM),通过特征矩阵的转置变化,集成2种模态在不同层次的局部特征,而特征互补增强模块则利用元素级的简单运算,获取模态间的区别性信息,并以此为根据量化出权重系数,最后加权增强特征,形成更强大的形状描述符。在ModelNet10和ModelNet40数据集上的实验结果表明,该网络在效率和性能上实现了平衡,并且在三维形状识别方面取得了先进的成果。

摘要：针对智能车在大曲率弯道中转向机构过早响应以及驶入弯道车速过高的问题,提出了一种基于动态双点预瞄策略的横纵向模糊控制方法。建立了车辆的动力学模型和视觉预瞄模型,给出了弯道安全车速的确定方法以及双点预瞄动态调节流程,介绍了横纵向模糊控制器的设计方法。所设计的控制系统能根据道路曲率和实时车速调节预瞄距离,既确保了车辆的转向角以较高精度实时跟踪大曲率路径,又保证了驶入弯道前以及在弯道中的车速始终处于安全范围内。

摘要：基于会话的推荐旨在基于会话内数据,为匿名或未登录用户做出推荐.现有的研究工作通常仅以会话中单个商品作为最小单位进行建模,忽略商品在不同感受野下的表征.同时,尚未挖掘会话序列中蕴含的商品隐式主题信息.为了缓解上述问题,文中提出主题增强的多层次图神经网络会话推荐模型(Topic-Enhanced Multi-level Graph Neural Network for Session-Based Recommendation,TEMGNN).首先,设计多层次商品嵌入学习模块,拓宽商品的感受野,获取不同粒度下的商品表示.然后,结合文中提出的多层次图神经网络进行同粒度和跨粒度下的商品信息传播,捕获更丰富的商品嵌入表征.此外,提出商品主题学习模块,在不依赖任何商品属性信息的前提下,抽取商品在隐空间下的主题共性,并以显式的向量空间投影方式自动形成商品的主题表示,用于增强模型推荐性能.在3个基准数据集上的实验表明,TEMGNN的表现较优.

摘要：针对论点对抽取任务中存在着评审段和反驳段之间交互信息难以捕获以及忽略了对句子间的相对位置信息进行建模问题,提出基于异质图卷积神经网络的论点对抽取模型.该模型在评审段和反驳段中构建异质图,定义2种不同类型的节点及4种不同类型的边,通过关系图卷积神经网络来更新图中节点的表示.提出位置感知的句子对生成器,利用旋转位置编码来建模评审段和反驳段句子间的相对位置信息.在RR-passage和RR-submission-v2数据集上进行实验,实验结果表明,提出模型的性能均优于所有的基线模型.这表明通过构建异质图区分不同的节点类型和边的类型,设计位置感知的句子对生成器,能够提升论点对抽取模型的效果.

摘要：针对IT研发外包项目合作技术创新中的目标不一致问题,设计了接包企业参与分享合作创新产品市场收益的研发外包合同,并对合同参数的影响因素进行了分析.研究结果表明:最优收益共享激励系数与产品市场、研发项目的固定支付及双方的成本系数无关,而与发包方对项目成功的影响系数正相关,与接包方对项目成功的影响系数负相关;最优固定支付与双方的成本系数正相关,与合作技术创新产品的市场容量负相关,与产品价格敏感系数及产品单位销售成本正相关.

摘要：针对LCL型电场耦合无线电能传输(capacitive power transfer,CPT)系统现有的参数设计方法运算复杂且计算量大、系统不能运行在软切换状态的问题,提出了一种基于阻抗变换原理的参数设计方法。在此基础上采用频闪映射建模方法和周期不动点理论,求解了使得系统处于零电流切换(zero current switching,ZCS)的软开关频率。分析了耦合机构的等效电容以及负载阻值的变化对ZCS频率造成的影响,给出了软开关运行条件下耦合电容和负载的可变化范围。通过仿真与实验验证了系统参数设计方法和软开关频率的准确性,实验样机整体传输效率可达87%。

摘要：在机械臂的抓取检测中,基于Anchor-based的方法需要考虑很多超参数的选择和设计,难以有效提高算法整体性能。针对该问题,本文将抓取检测转换为关键点检测问题,基于CenterNet提出一种改进的抓取检测模型。首先,该模型重点解决寻找抓取框中心点的问题,其本质是对中心点进行关键点估计,从而降低抓取检测的复杂程度;其次,采用HourglassNet神经网络提取深层特征;然后,为了使模型能聚焦抓取检测中物体的重要特征,设计一种视觉注意力机制;最后,生成关键点的高斯热力图和嵌入式向量,并将抓取框的中心点设置为检测出的关键点位置,将抓取框的中心点偏移量,长,宽以及旋转角分别设置为嵌入式向量中的值,从而有效解决了这些超参数的设置问题。研究结果表明:在康奈尔抓取数据集上进行图像分割和对象分割实验,准确率分别达到了98.3%和96.7%;本文方法通过计算获得一些较优的参数而不是采用先验参数,与其他基于Anchor-free的方法相比,提高了检测精度,而且其计算精度超过一些常用的基于Anchor based的模型的精度。

摘要：目前,大多数推荐技术使用用户评分来推断用户偏好.当有充足的评分信息时,协同过滤技术表现良好.然而,评分数据普遍存在着稀疏性,或者难以让用户将其偏好表示为对物品的评分等级,故有效性受到限制.基于内容的推荐方法依据物品的内容来寻找与目标用户喜欢的物品内容相似的物品.在目标用户没有充足的历史数据的情况下,该方法仍然不充分,其推荐效果也很有限.当前,融合多视图的兴趣偏好信息构建混合推荐系统是个性化推荐研究发展的趋势.混合推荐系统通过融合用户物品的交互评分、隐式反馈和辅助信息进行个性化推荐,故本文提出了一种新颖的基于用户评论的深度情感分析和多视图协同融合的混合推荐方法.针对用户评论、物品内容描述等短文本的情感及语义难以分析,单一推荐视图易导致对用户画像建模粗放等问题,本文利用词向量对用户评论的短文本进行分布式表征,并结合长短期记忆网络实现从上下文语义层面对用户评论的情感进行分析.同时,本文提出基于观点预过滤和基于用户评分嵌入的情感融合方法,设计了一种嵌入的网络结构对用户评论进行深层语义分析和情感计算,以解决用户评分与真实兴趣偏好存在较大偏差、评分等级分布极度不均衡等问题.此外,本文利用分布式的段落向量表征对物品内容描述的短文本进行相似度计算,并设计了候选物品相似性的计算方法及度量K个最近邻物品的方法,解决了推荐系统中物品的内容信息不易挖掘和利用的问题.最后,本文提出了一种基于协同训练的融合用户评分、情感倾向和物品内容信息的混合推荐算法,实现对稀疏的用户评分矩阵的循环填充和修正,进而实现基于评分预测的Top N推荐.该方法解决了混合推荐系统中不同兴趣偏好的多推荐视图难以融合的问题,同时在一定程度上解决了推荐系统建模中缺乏足够的有标签数据问题.本文在亚马逊数据集上进行实验,与多种经典的和当前先进的推荐算法进行性能对比,采用平方误差、命中率和标准化折扣累积增益进行性能评价.实验结果表明,本文提出的算法在挖掘用户情感上效果显著;在10个推荐数据集上,系统的评分预测和Top N推荐指标皆有不同程度的显著改进.

摘要：大数据时代的发展使得聚类算法的应用越来越广泛,但是当前大多数聚类算法对噪声数据比较敏感,并且不能识别非凸形状等复杂结构的数据集。针对该问题,提出一种反向近邻构造连通图的聚类算法。首先,设计一种密度计算方式得到数据点的密度,并构建一种动态的噪声判别器对数据进行去噪,从而削弱噪点对聚类过程的影响;其次,考虑到反向邻居更能体现数据点与周围各点之间的联系,设计一种对去噪后数据构造反向近邻连通图来识别簇内数据结构信息的聚类方法,并利用给定的聚类数合并聚类;最后,对噪点划分聚类时,考虑到仅仅将其划分到距离最近的簇可能导致划分结果不准确,设计一种噪点划分方式,将密度信息考虑到噪点划分聚类中,得到最终的聚类结果。为验证提出方法的有效性,将该方法与其他五种聚类算法的聚类结果进行对比,采用外部评价指标Acc和NMI进行聚类结果的评价。实验结果表明,该算法在非凸形状等复杂结构的含噪数据集上的聚类效果优于对比算法。

摘要：针对社交网络节点分类效果不佳的问题,提出一种融合多元信息的图卷积网络节点分类模型(IMIGCN)。首先,利用特征向量X和邻接矩阵A,分别构造包含节点间同质信息的同质矩阵FA和共引信息的共引矩阵CoA;分析网络中的三角结构,通过转换公式构造包含节点间三角信息的三角矩阵TriA。在此基础上,融入节点自身信息。接着,改进传统图卷积网络(GCN)模型。将GCN的单核改进为适应性多核,通过注意力机制将多核学习的结果自适应融合为一个嵌入,达到一次卷积同时融合多元信息的效果。为了学习更多信息,将模型过程中的嵌入设计为多头,通过多头嵌入注意力自适应学习多头嵌入的权重分配。实验结果表明,与现有较优的节点分类模型相比,提出的IMIGCN在社交网络上的分类精确度提高0.0098~0.0532,F1指标提升0.0127~0.0536,证明了提出的IMIGCN合理有效。