如何从海量多媒体文章中自动识别高质量内容是信息推荐、搜索引擎等系统的核心功能之一.现有的方法在训练中依赖大量的人工标注数据.针对其未考虑社交媒体中的社交信息和视觉内容的问题,提出一种基于正无标记(positive and unlabeled, ...
详细信息
如何从海量多媒体文章中自动识别高质量内容是信息推荐、搜索引擎等系统的核心功能之一.现有的方法在训练中依赖大量的人工标注数据.针对其未考虑社交媒体中的社交信息和视觉内容的问题,提出一种基于正无标记(positive and unlabeled, PU)学习的图卷积高质量文章内容识别模型--基于PU学习的图卷积网络(graph convolutional network based on positive and unlabeled learning, GCN-PU),在统一的框架中使用一个异构网络同时建模社交媒体文章的文本和社交信息,并在该网络上使用图卷积网络来融合这些信息得到高阶特征.另外,使用多媒体文章的全局视觉布局信息来捕捉文章的综合视觉质量特征,用于补充图卷积网络输出的高阶特征.最后,在训练机制和损失函数中引入了PU学习来充分利用社交媒体中大量未标注的文章信息.在真实社交媒体数据集上的实验结果表明,相比于现有的方法, GCN-PU方法的F值提升了3%以上.
针对污水处理过程控制中能耗过大、出水水质超标严重等问题,提出了一种基于均匀分布的NSGAII(non-dominated sorting genetic algorithm II based on uniform distribution, UDNSGAII)多目标优化智能控制系统。首先,该方法以污水处理能...
详细信息
针对污水处理过程控制中能耗过大、出水水质超标严重等问题,提出了一种基于均匀分布的NSGAII(non-dominated sorting genetic algorithm II based on uniform distribution, UDNSGAII)多目标优化智能控制系统。首先,该方法以污水处理能耗和出水水质作为优化目标,建立多目标优化模型。其次,为了获得溶解氧和硝态氮的优化设定值,提高Pareto解的性能,该算法将种群映射到目标函数对应的超平面,并在该平面上进行聚类以增加解的多样性。此外,加入分布性判断模块和分布性加强模块提高解的分布性。最后,采用比例积分微分(proportional integral derivative, PID)控制器对溶解氧和硝态氮的优化设定值进行底层跟踪控制。为了验证该算法的有效性,采用国际基准的污水处理仿真平台(benchmark simulation model No.1, BSM1)来进行实验。结果显示,所提出的UDNSGAII多目标优化控制方法能够在满足出水水质达标的同时,有效地降低污水处理过程能耗。
暂无评论