提出具有解耦能力的多通道图注意力社交推荐模型,该模型主要包括深度聚类模块、多通道图注意力聚合模块和评分预测模块。其中,深度聚类模块用于对用户和项目进行分组,并利用聚类结果将用户社交图和用户项目图拆分成多个用户社交子图及用户项目子图,以学习用户兴趣分组及用户对不同类项目的兴趣；多通道图注意力聚合模块学习不同子图对预测结果的注意力；评分预测模块将学习到的用户表示向量和项目表示向量输入多层感知机进行评分预测。在多个真实数据集上的实验结果表明:提出的方法优于其他社交推荐算法。与最新的用于社交推荐的图神经网络方法相比,在Ciao和Epinions数据集上,均方根误差分别降低了2.26%和2.07%,平均绝对误差分别降低了2.58%和3.06%。

为研究集群的形成与否和半径大小之间的关系,主要考虑了具有单个领导的一般等级结构及其领导者速度不变的Cucker-Smale模型。探讨了自由意志对集群产生的影响,通过证明可以给出半径有下界的充分条件(下界和速度差、粒子数、通信强度等有关)。当半径大于下界时,会产生集群。通过MATLAB数值仿真验证了相关结论。

主成分分析网络(principal component analysis network, PCANet)是一种简单的深度学习算法,在图像识别领域具有优秀的性能。将图嵌入思想融入PCANet,提出一种新的图像识别算法光滑主成分分析网络(Smooth-PCANet)。为了验证Smooth-PCANet算法的有效性,在人脸、手写体字符以及图片等不同数据集上构建实验,并将Smooth-PCANet与多种基于深度学习的图像识别算法作了对比。实验结果证明,Smooth-PCANet算法比PCANet获得了更高的识别性能,并且更有效地避免了过拟合,在小样本训练时具有显著优势。

在多示例多标记学习问题中,标记之间往往是相互关联的,其中有向无环图结构是一种常见的层次关联结构,可见于蛋白质的基因本体学生物学功能预测的应用场景中。针对其标记间的有向无环图结构,提出了一种新的多示例多标记学习算法。算法从原始数据的特征空间训练出所有标记共享的低维子空间,通过随机梯度下降方法来降低模型排序损失,并融入标记间有向无环图结构关系对预测标记进行优化。将该算法应用于多个数据集的蛋白质功能预测中,实验结果表明,该算法具有更高的效率及预测性能。

针对具有固定物品总和、多最优解特征的组合优化问题,以固定总和实数子集问题和购买鸡翅问题为例,给出了这类多最优解组合优化问题的形式化表示。在分析枚举等经典算法基础上,提出了基于整数状态表示和实数状态表示的0-1决策递归搜索多最优解动态规划算法。针对该算法在最优解数量较大时,时间复杂度趋向O(mⁿ)的问题,提出了基于相同决策路径合并和基于0-x决策的两种改进算法。实验中两种改进算法的计算时间基本符合与O(nb+nm)的正比关系,表明对于这类多最优解组合优化问题具有良好的求解性能。

城市交通流量预测对交通管理和公共安全具有重要意义。然而,交通栅格流量数据中的规律在时刻变化,在城市中存在全局范围的时空间关系,并且不同特征通道在每个城市区域上有不同的重要性。为解决这些挑战并做出更准确的预测,设计了一种新颖的时空神经网络模型——3D通道注意力网络(three-dimensional channel-wise attention networks,3D-CANet)。提出一个3D通道内注意力(three-dimensional inner channel attention,3D-InnerCA)单元来动态捕获各个通道中不同的全局时空相关性,同时设计通道间注意力(inter channel attention,InterCA)单元来自适应地重校准每个区域上不同特征通道的贡献。在3个真实交通栅格流量数据集上的实验结果表明,3D-CANet模型的预测能力优于其他对比方法,证明了模型的有效性。

传统的主动学习方法往往仅基于当前的目标模型来挑选样本,而忽略了历史模型所蕴含的对未标注样本预测稳定性的信息。因此,提出基于不稳定性采样的主动学习方法,依据历史模型的预测差异来估计每个未标注样本对提高模型性能的潜在效用。该方法基于历史模型对样本的预测后验概率之间的差异来衡量无标注样本的不稳定性,并挑选最不稳定的样本进行查询。在多个数据集上的大量实验结果验证了方法的有效性。

个体活动识别对用户画像、个性化推荐、异常行为检测、群体行为分析和基于活动的资源配置优化具有重要价值。提出了一种基于稀疏的社交媒体签到数据的个体活动语义识别方法,从签到数据中提取活动行为的时间周期性和趋势性特征,并采用空间偏好量化算法,从个体与群体活动的空间关联中提取群体和个体的空间访问偏好,使用自然语言嵌入工具BERT模型提取访问兴趣点的语义。时间特征、空间偏好特征和访问兴趣点名称语义特征共同构成表征群体、个体偏好的时空联合特征,通过极限梯度提升分类器对其进行分类,得到活动语义识别结果。在Foursquare数据集上的对比实验和消融实验中验证了所提活动语义识别模型可以有效提升活动语义识别的准确性。

构造模型决策树时超参数较多,参数组合复杂,利用网格搜索等调参方法将会消耗大量的时间,影响模型性能的提升。提出了一种多核贝叶斯优化的模型决策树算法,该算法为应对不同分类数据特性,采用三种高斯过程建模寻优,利用贝叶斯优化技术,选出最优的参数组合。实验结果表明,所提算法在参数寻优上要优于传统的模型决策树寻优方法,并且能够在迭代次数不多的情况下找到全局最优参数值,在一定程度上提升了算法的分类性能,节省了大量的调参时间。

标记者的知识水平、评价标准等均具有显著差异,导致收集到的标签质量参差不齐,提高标签和学习模型的质量对众包标签中学习起着关键作用。针对众包标签推断问题,提出了一种双重置信度推断算法,分别从数据分布特征及标签信息两方面计算得到标记者置信度,再通过此置信度推断数据集的集成标签,以此提高集成标签的质量。实验结果表明,与其他仅使用标签信息的推断算法相比,所提算法可以得到更优结果。

针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。

隐身飞机已逐步成为大国重器,并将持续发挥重要影响,隐身技术也已成为飞行器设计的关键技术。隐身飞机的雷达散射截面积(radar cross section, RCS)测量是设计、制造、维护隐身飞机的必要手段。从缩比模型的RCS测试、全尺寸飞机室外RCS测试、全尺寸飞机室内近场测试三个方面,回顾了隐身飞机RCS测量的基本流程,总结了隐身飞机RCS近场测量的理论基础,并着重对具有成像诊断功能的近场RCS测量技术进行了梳理与分析。对隐身飞机RCS测量的应用趋势和关键技术进行了总结与展望, 有利于对隐身飞机RCS测量形成总体性了解,并把握RCS测量的发展方向。

为量化飞行器级间分离过程随机不确定性和认知不确定性的综合影响,结合概率和区间理论混合模型特点,提出基于随机和区间理论混合模型的飞行器级间分离可靠性分析方法。面向高超声速飞行器分离任务需求,建立分离动力学仿真模型,针对级间分离结构的几何特点,设计快速碰撞检测方法,进而构建分离任务的可靠性分析混合模型。通过将该模型转化为随机可靠性分析的无约束优化问题,考虑分离过程中复杂外力及力矩导致功能函数高度非线性的特点,利用高效全局优化和主动学习Kriging方法实现无约束优化问题高效求解。结合实例表明,该方法能够准确描述混合不确定性因素对飞行器分离过程的影响,给出了飞行器分离任务可靠性区间,可为飞行器分离方案的精细化设计提供决策支持。

内聚力单元是进行推进剂“脱湿”损伤研究的重要手段。通过分子动力学方法构建推进剂高填充比几何模型,结合周期几何和周期边界处理方法,构建推进剂细观有限元分析模型。采用内聚力单元结合PPR内聚力模型开展颗粒和基体黏接界面“脱湿”行为模拟。在单轴拉伸和纯剪试验下分析推进剂细观结构的力学响应,开展推进剂“脱湿”损伤机理研究。针对不同的体分比、应变速率以及内聚强度,开展了“脱湿”损伤影响规律分析。研究方法和研究结论可以为新一代高性能推进剂配方的研制提供有利的参考。

发展群伞减速着陆系统是实现大载重航天器高效减速和无损着陆要求的关键。借助空气动力学理论对群伞系统中单具降落伞的气动性能进行仿真分析,以仿真结果做参考开展大型环帆伞构型优化设计。在仿真方法正确性和收敛性的基础上,以多种单伞构型条件下的群伞系统作为研究对象,重点研究群伞系统在伞衣充满状态时的气动阻力性能和姿态稳定性。通过对仿真结果进行流场分析和数据对比发现,开窗开缝设计既能够确保群伞系统具有良好的阻力特性,又能够维持群伞系统的工作稳定性,避免单伞之间由于受力而发生碰撞现象。

针对太阳风等离子体中航天器的充电过程,基于欧洲航天局开发的航天器表面充电仿真软件,建立了航天器的数值计算模型,模拟了太阳风等离子体与航天器的相互作用,实现了不同表面材料时航天器表面电位以及尾迹结构的计算分析,给出了近日环境下航天器周围的空间电位结构以及等离子体密度分布情况。研究结果表明:表面材料的选择将影响空间势垒深度以及尾迹结构,表面充电至更低电位的表面材料具有较小尾迹区域；航天器向阳面电位分布主要由光电子以及二次电子主导,而背阳面的电位分布则主要受到尾迹效应的影响。以上结果对太阳风环境航天器探测和评估等相关工作以及工程研究具有一定的理论参考价值。

为获取可调喷油规律条件下喷油提前角对柴油机性能的影响规律及成因机理,在实现可调喷油规律喷射的基础上,基于Fire软件建立了柴油机工作过程计算模型,并通过试验对模型中的主要参数进行标定,进而利用模型分析靴形喷油规律下柴油机性能随喷油提前角的变化。结果表明:随着增压时刻的滞后,喷油规律由矩形过渡到斜坡形再到靴形,实现了灵活可调的喷油规律。在靴形喷油规律条件下,存在一个最佳的喷油提前角,使柴油机的动力性和经济性均达到最优。同时,随着喷油提前角的增大,柴油机缸内压力、缸内温度以及放热率均逐渐升高,且到达各自最大值的时刻前移,而NO_x排放量和碳烟排放量则分别呈现增加和减小的趋势。

为研究TA2-B10合金管在不同电偶腐蚀防护方式下对B10管腐蚀特性的影响,在青岛小麦岛海水试验场设置通径DN80 TA2-B10管直接连接、电绝缘连接、电绝缘＋涂层连接三组不同电偶腐蚀防护方式对照管道,依次进行1 m/s、3 m/s、4 m/s流动海水与浸泡交替腐蚀试验。对试验后的三组B10管道线切割,通过管道内表面电位分布试验分析不同电偶腐蚀防护方式下B10管道的腐蚀类型；采用动电位极化曲线、电化学阻抗谱和微观表征,分析不同电偶腐蚀防护方式下距离法兰接头250 mm处B10管试样的腐蚀特性。结果表明,直接连接TA2-B10管处于电偶腐蚀状态,B10端内电位正移腐蚀加速,电绝缘连接和绝缘＋涂层连接TA2-B10管均处于自腐蚀状态,但电绝缘＋涂层连接具有更好的绝缘效果；电绝缘＋涂层连接防护下的B10试样,腐蚀电流密度最小,自腐蚀电位最负；三组B10试样阻抗谱均呈现单容抗弧特征,电绝缘＋涂层连接防护下的B10试样具有更大的传递电阻和膜层电阻；电绝缘＋涂层连接能有效减缓点蚀、坑蚀和晶间腐蚀三种腐蚀倾向。以上结果综合说明,绝缘＋涂层防护方式具有更好的电偶腐蚀防护效果。

推导了导轨间磁场均匀分布和非均匀分布两种情况下电感梯度数学计算模型。引入了速度频率来模拟电枢发射过程速度趋肤效应,对导轨二维模型以及三维电磁场模型进行时谐仿真,并将获得的单位长度电感以及电感梯度,分别用于电气仿真系统中电感和电枢推力的计算。电气仿真和试验结果表明,电流和出口速度误差均在2%以内,证明了动态电感梯度分析及参数提取方法的正确性和准确性。

针对合成孔径雷达图像目标检测中存在的样本获取困难且数量有限问题,提出了联合生成对抗网络和检测网络的学习模型。利用原始训练集对特别设计的超快区域卷积神经网络进行预训练；通过基于注意力机制的深度学习生成对抗网络生成高质量合成样本,并输入检测网络进行预测；依据预测信息和概率等价类属标签分配策略为新生样本提供注释信息,并以一定占比对原始训练集进行扩充；利用扩充数据集对检测网络进行再训练。多组仿真实验证明,所提框架能够有效提升网络检测效率和性能。

为了对潜艇涂层破损状态的水下腐蚀电场进行快速评估,基于电化学腐蚀原理和潜艇结构特点,建立潜艇涂层局部破损时的腐蚀电流等效电路,对潜艇涂层局部破损时的腐蚀电流强度进行估算,并基于点电流源对潜艇腐蚀电场建模,将潜艇涂层破损部位和裸露螺旋桨等效为点电流源,利用点电流源在分层介质中的电场计算公式对潜艇涂层破损时的腐蚀稳恒电场进行估算。与潜艇腐蚀电场商业有限元软件COMSOL仿真结果对比表明:该估算方法得到的潜艇表面腐蚀电流和不同路径电场分布曲线规律与COMSOL仿真结果基本一致,电流估算值相对误差不超过6.5%,电场各分量峰峰值相对误差不超过18%。

报文分类是网络的基本功能,研究人员在过去二十年提出了众多解决方案,其中决策树报文分类算法由于吞吐量高、适用于多字段、可流水线化等特点受到了广泛关注和深入研究。介绍了决策树算法最新研究成果,阐述了决策树报文分类算法的几何意义、常用技术和测试基准,从节点切割技术和规则集分组技术两个维度对决策树算法进行了系统分析和归纳。针对两类常用的决策树构建技术介绍了其中的典型算法,对比了各种典型算法的设计思路和特点,分析了它们的适用场景。总结并展望了决策树算法的下一步研究方向。

在基于图的分割(graph-based segmentation,GBS)算法的基础上引入层次聚类算法,构造出一种解决GBS算法欠分割的方法,同时采用多线程并行处理数据的方式,有效改善了传统层次聚类算法的处理速度。该方法首先在RGB彩色空间中使用GBS算法得到图像中每个像素点的初始分割结果,然后提取出每一类区域中的像素值,对其进行层次聚类,得到每一类区域中像素值的类别标签,再根据层次聚类所得到的类别标签和预设的类别范围,修改每个像素点的初始分割结果。根据区域合并准则,生成一个新的分割图。经实验表明,该方法与K-means-SLIC算法和GBS算法等相比,很好地解决了欠分割现象,并产生了分割精度较高的语义分割图。

针对新型小规模装备备件品种确定过程中决策信息犹豫性和模糊性特点突出、难以运用传统备件品种确定方法进行决策的问题,提出一种基于犹豫模糊粗糙集的备件品种确定方法。利用风险偏好系数对不完备犹豫模糊信息进行数值延拓,为构建不同风险偏好下备件品种确定的犹豫模糊决策信息系统奠定基础；考虑得分函数和数值延拓边界的综合因素影响,给出改进的包含度计算公式,并基于包含度定义进行了证明；给出基于改进包含度计算的备件品种决策属性的约简条件和规则获取方法,实现了犹豫模糊决策信息的深度挖掘和有效利用。研究结果表明:通过该法能够有效处理犹豫模糊决策信息,获取精简实用的备件品种决策规则集,验证了方法的可行性。