检索结果-内蒙古大学图书馆

仪器仪表学报 2025年第1期46卷 157-169页

作者：李茂月雷金超张成龙刘泽隆哈尔滨理工大学先进制造智能化技术教育部重点实验室哈尔滨150080 哈尔滨理工大学机械动力工程学院哈尔滨150080

航发涡轮叶片裂纹的长度测量是裂纹危险等级评判的基础和修复的前提。针对涡轮叶片表面裂纹形状不规则、目标小、数据集样本稀少和裂纹成像角度失真等问题,提出一种稀疏数据驱动的涡轮叶片表面裂纹长度提取方法。首先,为提升Unet模型在... 详细信息

航发涡轮叶片裂纹的长度测量是裂纹危险等级评判的基础和修复的前提。针对涡轮叶片表面裂纹形状不规则、目标小、数据集样本稀少和裂纹成像角度失真等问题,提出一种稀疏数据驱动的涡轮叶片表面裂纹长度提取方法。首先,为提升Unet模型在处理稀疏数据时的精度,采用GeLu函数与Vgg16网络结合的方法提取裂纹特征,将输出作为Unet网络解码部分的输入,保证模型匹配的前提下,在随机初始化权重中引入预训练权重,并在跳跃连接层中引入高效金字塔压缩注意力模块,增强模型在复杂背景下对裂纹特征的聚焦能力。然后,为了得到裂纹的单位像素特征曲线,在精分割后提出使用八邻域骨架化保留裂纹的主干特征结构。最后,深入分析了相机成像原理,讨论了叶片弦线角和相机自身参数对裂纹长度的测量影响,采用张正友标定法求解相机内部参数,建立了像素尺寸与实际尺寸转换模型。实验结果表明,与X光测量相比,该方法在测量距离为100~300 mm时,得到的裂纹长度最大误差为6.8%,证明该方法在测量涡轮叶片表面裂纹长度中对X光检测技术具有可替代性;与原算法相比,改进的算法在针对稀疏数据检测时精度显著提高,平均交并比提升了7.14%。所提出的涡轮叶片裂纹长度提取方法,为叶片质量评估及后续修复提供了理论基础和数据支持。

关键词：稀疏数据深度学习裂纹涡轮叶片相机标定

来源：评论

学校读者我要写书评

暂无评论

压水堆棒束多通道流场稀疏数据深度学习求解技术研究

引用

核动力工程 2025年第2期46卷 81-89页

作者：钱浩陈广亮刘东于洋姜宏伟殷新立杨玉诚哈尔滨工程大学核科学与技术学院哈尔滨150001 中国核动力研究设计院核反应堆系统设计技术重点实验室成都610213

反应堆堆芯典型工况雷诺数高达10~5,冷却剂流动具有显著的非线性,实际流动边界及状态与理想流动方程存在一定的匹配性偏差,会导致求解过程中数据与控制方程的约束相冲突,彼此制约,导致求解收敛困难。为解决该问题,本文研发了一种基于深... 详细信息

反应堆堆芯典型工况雷诺数高达10~5,冷却剂流动具有显著的非线性,实际流动边界及状态与理想流动方程存在一定的匹配性偏差,会导致求解过程中数据与控制方程的约束相冲突,彼此制约,导致求解收敛困难。为解决该问题,本文研发了一种基于深度学习的稀疏数据求解方法,通过设计不匹配性自适应调节方案,在控制方程中引入自适应调节因子,动态修正理想模型,克服因数据与方程不一致所引发的收敛障碍及精度不足等问题。在此技术基础上,进一步探讨了在小样本数据条件下的流场求解策略,设计了均匀配点、基于速度梯度配点、混合配点策略,旨在通过优化样本点的空间分布,提升流场求解的整体精度。研究结果表明,在3种策略中,均匀配点策略能够更全面地覆盖流场的整体特性,表现出最佳的优化效果,达到决定系数(R2)大于0.95、均方误差(MSE)在10-4至10-3量级的精度;且在仅采用60个小样本数据配点下(占原始数据点的7.8%)。本文所提出的方法也能有效实现高精度流场求解,为稀疏数据条件下求解压水堆堆芯棒束多通道流场提供了一种高效且适用的技术方案。

关键词：物理信息神经网络(PINNs) 调节因子稀疏数据压水堆棒束多通道深度学习

来源：评论

学校读者我要写书评

暂无评论

基于知识图谱的稀疏数据协同过滤推荐算法

引用

科技和产业 2025年第6期25卷 30-35页

作者：许雪晶林辰玮莆田学院信息工程学院福建莆田351100 湄洲湾职业技术学院福建莆田351119

因缺乏足够的交互关系支撑导致推荐精度不佳,对此,提出基于知识图谱的稀疏数据协同过滤推荐算法。抽取用户与物品的交互关系,构建知识图谱,利用知识图谱中的实体关系对用户和物品进行扩展表示。结合卷积神经网络(CNN)将交互关系扩为复... 详细信息

因缺乏足够的交互关系支撑导致推荐精度不佳,对此,提出基于知识图谱的稀疏数据协同过滤推荐算法。抽取用户与物品的交互关系,构建知识图谱,利用知识图谱中的实体关系对用户和物品进行扩展表示。结合卷积神经网络(CNN)将交互关系扩为复杂结构,捕获上下文信息,以欧氏距离算相似度。找到目标用户相似邻居集,用用户协同过滤预测评分,融合时间加权策略动态调整,生成推荐列表。测试表明,该算法归一化折损累计增益(NDCG)值高,平均绝对误差(MAE)和均方根误差(RMSE)低,推荐效果较理想。

关键词：知识图谱稀疏数据推荐算法相似度 CNN网络推荐精度

来源：评论

学校读者我要写书评

暂无评论

稀疏数据下的交通状态估计自适应卷积网络

引用

吉林大学学报(工学版) 2024年

作者：田婧马社强宋现敏赵丹陈发城中国人民公安大学交通管理学院吉林大学交通学院

卷积神经网络（CNN）是目前交通状态估计的深度学习算法中提取交通特征的关键模块，但其对稀疏数据和多模式交通状态的计算不稳定，制约深度学习的状态估计精度。为进一步提升CNN的交通特征分析精度，本文建立了一种编码-解码的交通自... 详细信息

卷积神经网络（CNN）是目前交通状态估计的深度学习算法中提取交通特征的关键模块，但其对稀疏数据和多模式交通状态的计算不稳定，制约深度学习的状态估计精度。为进一步提升CNN的交通特征分析精度，本文建立了一种编码-解码的交通自适应卷积网络。该网络首先构建一种交通特征编码CNN，采用下采样操作聚合邻域交通信息，以从稀疏数据中提取有效交通特征；其次，网络构建交通状态自适应重构CNN，利用提取的特征准确重构不同模式的交通状态。为表征多样化交通状态时空结构，该CNN引入先验知识引导卷积核形变；最后，实验采用长春市出租车GPS数据对算法在稀疏数据和不同情景下的交通状态估计性能进行验证。结果表明，改进的CNN与LSTM、GAN等先进算法相比，提出的算法估计精度提高了6.05 km/h RMSE，同时在不同交通情景下的估计精度仅差3.34% RMSE，能够为深度学习估计交通状态提供有力的交通特征分析支撑。

关键词：交通管理工程交通状态估计稀疏数据卷积神经网络编码-解码结构

来源：评论

学校读者我要写书评

暂无评论

稀疏数据下复杂流域的水质模拟:以赣江为例

引用

环境科学学报 2003年第4期23卷 422-427页

作者：邓义祥陈吉宁程声通清华大学环境科学与工程系北京100084

以赣江流域为例 ,对稀疏数据条件下复杂流域水质模型的建立和参数识别进行了探讨 .采用了结构相对比较简单的CSTR模型 ,将其参数划分为水文参数和水质参数 ,并分别进行识别 .水文参数采用回归方法进行识别 ,对水文参数的扰动实验表明 ,... 详细信息

以赣江流域为例 ,对稀疏数据条件下复杂流域水质模型的建立和参数识别进行了探讨 .采用了结构相对比较简单的CSTR模型 ,将其参数划分为水文参数和水质参数 ,并分别进行识别 .水文参数采用回归方法进行识别 ,对水文参数的扰动实验表明 ,水质对于水文参数在可能的取值范围内的变化不敏感 ,因此在随后的水质参数的识别中 ,将其固定在回归方法求出的最优值上 .水质参数的确定则采用了模型方法和资料方法相结合的手段 ,综合考虑了赣江流域可获得的数据信息、文献资料中对于参数的经验取值和模拟者在大量数学建模中的经验 ,最终根据河流的不同类型确定了赣江流域的水质参数。

关键词：稀疏数据复杂流域赣江水文参数水质管理数学模型

来源：评论

学校读者我要写书评

暂无评论

面向稀疏数据的协同过滤用户相似度计算研究

引用

计算机科学与探索 2022年第5期16卷 1043-1052页

作者：武森董雅贤魏桂英高晓楠北京科技大学经济管理学院北京100083

基于用户的协同过滤通过获取最近邻的偏好实现对目标用户偏好的预测推荐,相似度计算为其核心步骤。传统数值相似度计算依赖于用户共同评分项的评分数值,用户-项目评分矩阵稀疏程度的加剧导致数值相似度计算准确性降低,难以为目标用户选... 详细信息

基于用户的协同过滤通过获取最近邻的偏好实现对目标用户偏好的预测推荐,相似度计算为其核心步骤。传统数值相似度计算依赖于用户共同评分项的评分数值,用户-项目评分矩阵稀疏程度的加剧导致数值相似度计算准确性降低,难以为目标用户选取可靠的最近邻,影响推荐效果;现有结构相似度大多利用用户共同评分项占比度量,计算简单,受数据稀疏影响较小但区分度低。针对上述协同过滤任务中数据稀疏带来的相似度计算问题,提出一种稀疏余弦相似度。首先定义新的结构相似度——稀疏集合相似度,将用户区分为高相关用户与低相关用户,并进一步针对不同类型用户设计差异化的数值相似度计算方式,以缓解传统数值相似度在面临数据稀疏时的不足,最终综合数值相似度与结构相似度形成稀疏余弦相似度。实验结果表明,与七种相似度计算方法相比,稀疏余弦相似度解决了传统数值相似度受数据稀疏影响严重和结构相似度计算结果区分度低的问题,可更准确计算用户相似度,提升推荐效果。

关键词：相似度计算协同过滤稀疏数据推荐系统

来源：评论

学校读者我要写书评

暂无评论

稀疏数据下基于用户偏好的协同过滤算法

引用

重庆邮电大学学报（自然科学版） 2021年第4期33卷 669-674页

作者：赵文涛张烁河南理工大学计算机科学与技术学院河南焦作454150

协同过滤(collaborative filtering,CF)是推荐系统中最常用和最成功的推荐技术之一。现实中的数据往往比较稀疏,用户之间缺少共同评定项目,使一些传统的相似性度量无法进行计算;此外,传统的协同过滤算法忽视了用户偏好问题,这样会造成... 详细信息

协同过滤(collaborative filtering,CF)是推荐系统中最常用和最成功的推荐技术之一。现实中的数据往往比较稀疏,用户之间缺少共同评定项目,使一些传统的相似性度量无法进行计算;此外,传统的协同过滤算法忽视了用户偏好问题,这样会造成推荐精度的下降。针对这些问题,从用户全局项目和地方评级信息分析影响用户兴趣偏好的因素,通过计算用户评级信息在全局的概率分布和使用海明贴近度计算用户的兴趣偏好度,利用Jeffries-Matusita距离得出关于用户偏好的相似度算法,将相似度算法与加权的Jaccard相似度算法有效结合,提出了一种在稀疏数据下基于用户偏好的协同过滤算法模型。实验结果表明,提出的模型性能优于传统协同过滤算法,并且在更为稀疏的数据集上也有很高的准确率。

关键词：协同过滤全局项目用户偏好稀疏数据

来源：评论

学校读者我要写书评

暂无评论

一种解决稀疏数据和冷启动问题的组合推荐方法

引用

中国科学技术大学学报 2015年第10期45卷 804-812页

作者：郭晓波赵书良牛东攀王长宾逄焕利河北师范大学数学与信息科学学院河北石家庄050024 长春工业大学人文信息学院吉林长春130000 长春工业大学计算机科学与工程学院吉林长春130000

针对传统推荐算法所面临的冷启动与稀疏数据问题以及现有ARM(association rule mining)算法大多用于购物篮顾客行为分析,并不适用于特定用户推荐业务且效率较低等现象,提出一种基于相似度的关联推荐模式,实现一种新的结合关联规则推荐... 详细信息

针对传统推荐算法所面临的冷启动与稀疏数据问题以及现有ARM(association rule mining)算法大多用于购物篮顾客行为分析,并不适用于特定用户推荐业务且效率较低等现象,提出一种基于相似度的关联推荐模式,实现一种新的结合关联规则推荐与协同过滤推荐方法.采用基于指定后件项的关联规则推荐,直接对目标用户和目标项目进行关联规则挖掘,并利用兴趣因子对活跃用户(或项目)与非活跃用户(或项目)进行权值均衡,以加权方法推荐最优解(规则).同时,采用相似度测量方法,过滤低相似度的项目,为用户推荐既有高评分又具有较高相似度的项目集合.最后,结合规则推荐与CF(collaborative filter)推荐形成最终推荐结果,实现基于用户(或项目)的协同过滤推荐.在MovieLens数据集上的实验结果表明,同已有成果相比本文方法能够更好地处理稀疏数据和冷启动问题,推荐质量明显提高.

关键词：关联推荐组合相似度协同过滤冷启动稀疏数据

来源：评论

学校读者我要写书评

暂无评论

稀疏数据非线性降维的CN-Isomap算法

引用

数学的实践与认识 2010年第17期40卷 182-188页

作者：武森全喜伟陈学昌北京科技大学经济管理学院北京100083

针对经典的流形学习算法Isomap在非线性数据稀疏时降维效果下降甚至失效的问题,提出改进的切近邻等距特征映射算法(Cut-Neighbors Isometric feature mapping,CN-Isomap).该算法在数据稀疏的情况下首先通过有效识别样本点的"流形邻... 详细信息

针对经典的流形学习算法Isomap在非线性数据稀疏时降维效果下降甚至失效的问题,提出改进的切近邻等距特征映射算法(Cut-Neighbors Isometric feature mapping,CN-Isomap).该算法在数据稀疏的情况下首先通过有效识别样本点的"流形邻居"来剔除近邻图上的"短路"边,然后再通过最短路径算法拟合测地线距离,使得拟合的测地线距离不会偏离流形区域,从而低维嵌入映射能够正确地反映高维输入空间样本点间的内在拓扑特征,很好地发现蕴含在高维空间里的低维流形,有效地对非线性稀疏数据进行降维.通过对Benchmark数据集的实验表明了算法的有效性.CN-Isomap算法是Isomap算法的推广,不仅能有效地对非线性稀疏数据进行降维,同样也适用于数据非稀疏的情况.

关键词：降维流形学习等距特征映射稀疏数据

来源：评论

学校读者我要写书评

暂无评论

稀疏数据频繁项集挖掘算法研究综述

引用

计算机工程与科学 2019年第5期41卷 780-787页

作者：肖文胡娟河海大学文天学院安徽马鞍山243031

频繁项集挖掘FIM是最重要的数据挖掘任务之一,被挖掘数据集的特征对FIM算法的性能有着显著影响。在大数据时代,稀疏是大数据的典型特征之一,对传统FIM算法的性能带来严峻挑战。针对在稀疏数据中如何高效进行FIM的问题,从稀疏数据的特征... 详细信息

频繁项集挖掘FIM是最重要的数据挖掘任务之一,被挖掘数据集的特征对FIM算法的性能有着显著影响。在大数据时代,稀疏是大数据的典型特征之一,对传统FIM算法的性能带来严峻挑战。针对在稀疏数据中如何高效进行FIM的问题,从稀疏数据的特征出发,分析了稀疏数据对3种类型FIM算法性能的主要影响,对已经提出的稀疏数据FIM算法进行了综述,对算法中采用的优化策略进行了讨论,最后通过实验对代表性的稀疏数据FIM算法进行了性能分析。实验结果表明,采用伪构造策略的模式增长算法最适合用于稀疏数据的FIM,在运算时间和存储空间上,相比其他算法该算法具有较大的优势。

关键词：大数据稀疏数据频繁项集挖掘性能分析综述

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：