模糊数据下基于连续时间贝叶斯网络的整流回馈系统可靠性建模与评估_王晓明

合集下载

《基于机器学习的评论情感分析系统设计与实现》

《基于机器学习的评论情感分析系统设计与实现》一、引言随着互联网的快速发展，用户在线上平台发表的评论数量急剧增长。

这些评论包含了大量的情感信息，对于企业或个人而言，如何有效地获取并分析这些情感信息成为了一个重要的问题。

因此，基于机器学习的评论情感分析系统应运而生。

本文将详细介绍基于机器学习的评论情感分析系统的设计与实现。

二、系统设计1. 系统架构本系统采用分层设计的思想，将系统分为数据预处理层、特征提取层、模型训练层和结果输出层。

其中，数据预处理层负责对原始评论数据进行清洗和标注；特征提取层利用文本处理方法提取出评论中的特征；模型训练层则采用机器学习算法对提取出的特征进行训练，以构建情感分析模型；结果输出层将模型对评论的情感分析结果进行展示。

2. 数据预处理数据预处理是情感分析的基础，主要包括数据清洗和标注两个步骤。

数据清洗主要是去除无效、重复和无关的评论数据，同时对数据进行格式化和标准化处理。

标注则是为每条评论打上情感标签，以便后续的特征提取和模型训练。

3. 特征提取特征提取是情感分析的关键步骤，主要采用文本处理方法。

首先，通过分词、去除停用词等操作将评论转换为词向量；然后，利用TF-IDF、Word2Vec等算法提取出评论中的关键特征；最后，将提取出的特征输入到模型训练层。

4. 模型训练模型训练是情感分析的核心，主要采用机器学习算法。

本系统采用深度学习中的循环神经网络（RNN）和卷积神经网络（CNN）进行情感分析。

在模型训练过程中，通过不断调整模型参数，使模型对评论的情感分析结果更加准确。

三、系统实现1. 技术选型本系统采用Python作为开发语言，利用Python中的NumPy、Pandas等库进行数据处理和特征提取；采用TensorFlow、PyTorch等深度学习框架进行模型训练和推理；使用Flask等Web 框架进行系统部署和用户交互。

2. 具体实现步骤（1）数据收集与预处理：从各大平台上收集用户评论数据，并进行清洗、格式化和标准化处理，同时为每条评论打上情感标签。

2017年度黑龙江省科学技术奖授奖项目

附件：2017年度黑龙江省科学技术奖授奖项目一等奖序号项目名称奖类完成单位主要完成人员推荐部门1 2型糖尿病早期营养防治和关键技术研究自然科学类哈尔滨医科大学李颖、王旭、么晓轶、杨超、王玉霞提名人推荐2 民猪资源特性及其遗传机制自然科学类黑龙江省农业科学院畜牧研究所刘娣、杨秀芹、张冬杰、李艳华、王玉娥黑龙江省畜牧兽医局3 仿生功能性生物质材料的创生与表征自然科学类东北林业大学王成毓、李坚黑龙江省教育厅4 时滞非线性系统基于模糊模型的设计理论与方法自然科学类哈尔滨工业大学吴立刚、苏晓杰、李繁飙、刘健行、石碰黑龙江省教育厅5 分子基光功能材料及其超低压驱动高效电致发光器件自然科学类黑龙江大学许辉、韩春苗、李光明、闫鹏飞、魏莹黑龙江省教育厅6 稀土上转换发光材料的构筑及抗肿瘤性能研究自然科学类哈尔滨工程大学杨飘萍、高鹏、杨桂欣、代云路、盖世丽黑龙江省教育厅7 电磁冷坩埚及其熔炼和凝固关键技术技术发明类哈尔滨工业大学陈瑞润、李新中、骆良顺、王亮、丁宏升、杨劼人、苏彦庆、郭景杰、吴士平、李邦盛院士推荐8 猪传染性胃肠炎、猪流行性腹泻、猪轮状病毒（G5型）三联活疫苗创制与应用技术发明类中国农业科学院哈尔滨兽医研究所、哈尔滨维科生物技术开发公司、哈尔滨国生生物科技股份有限公司冯力、时洪艳、陈建飞、佟有恩、张鑫、王牟平、王洪峰、孙东波、石达黑龙江省科学技术厅19 木豆资源功能活性成分高值化加工利用关键技术及产业化应用技术发明类东北林业大学、浙江海正药业股份有限公司付玉杰、罗猛、赵修华、焦骄、顾成波、白骅、廖建维、赵春建、孔羽、刘威、魏作富黑龙江省教育厅10 工业产品自动化视觉检测技术与应用技术发明类哈尔滨工业大学高会军、于金泳、孙光辉、李湛、杨宪强、靳万鑫黑龙江省教育厅11 智能光热调控材料与器件制备技术及应用技术发明类哈尔滨工业大学李垚、赵九蓬、张翔、田燕龙、李娜、吕海明、曲慧颖、张航川、张雷鹏、张一、童仲秋黑龙江省石化行业协会12 超（超）临界煤粉锅炉墙式切圆水平燃料分级燃烧技术技术发明类哈尔滨工业大学、哈尔滨锅炉厂有限责任公司刘辉、秦明、赵义军、于江涛、曹庆喜、顾伟伦、高建民、王辉、殷亚宁、孙绍增、吴少华院士推荐13 新型柔性高分子材料功能结构构筑技术及应用技术发明类哈尔滨工业大学、江苏通用科技股份有限公司刘宇艳、王友善、谢志民、成中军、王永臻、马浩翔、康红军、吕通、樊志敏、张东杰、朱健鹏黑龙江省石化行业协会14 沥青路面冰冻灾害防治关键技术技术发明类哈尔滨工业大学、黑龙江省高速公路建设局谭忆秋、徐慧宁、单丽岩、董泽蛟、王大为、周纯秀、赵茂才、张磊、高建辉、吴思刚、李云良院士推荐15 氮化硅基防隔热/承载/透波一体化陶瓷复合材料及应用技术技术发明类哈尔滨工业大学叶枫、刘强、张海礁、张标、高晔、刘利盟、刘春凤、杨海霞、张敬义、刘仕超院士推荐16 复杂表面光学元件的超精密加工关键技术技术发明类哈尔滨工业大学、中国航天科工集团三院8358所赵清亮、郭兵、张飞虎、张勇、回长顺、白庆光、王朋、王金虎、吴明涛、张春雨、潘永成黑龙江省教育厅17 黑土地肥沃耕层构建关键技术创新及技术集成与应用科技进步类中国科学院东北地理与农业生态研究所农业技术中心韩晓增、邹文秀、陆欣春、许艳丽、尤孟阳、李娜、张志明、李猛、杨微、潘凤娟、李禄军绥化市科技局18 天然气长输管线30MW级燃驱压缩机组国产化研制科技进步类哈尔滨船舶锅炉涡轮机研究所（中国船舶重工集团公司第七〇三研究所）、中石油东部管道有限公司、哈尔滨汽轮机厂有限责任公司、沈阳鼓风机集团股份有限公司林枫、马云翔、李伟顺、周书仲、李东明、付正、张学忍、孙鹏、王世君、明维国、李名家黑龙江省科学技术厅219 船舶及海洋平台结构振动噪声预报与控制技术科技进步类哈尔滨工程大学、中国人民解放军92537部队庞福振、王雪仁、陈海龙、靳国永、郭君、张阿漫、杨衡、贾地、李硕、马建强、李海超黑龙江省教育厅20 高集成化实时三维诊查彩色超声系统科技进步类哈尔滨工业大学沈毅、金晶、冯乃章、王强、王艳、李丹丹、张淼、章欣、赵悦、姜宇、王振华黑龙江省教育厅21 强非均质油藏化学驱精细段塞组合驱油技术及应用科技进步类东北石油大学、大庆油田有限责任公司第五采油厂、大庆油田有限责任公司第六采油厂宋考平、苗厚纯、柏明星、唐恩高、董驰、张洪、王朋、刘承婷、王克亮、魏新、杨英黑龙江省教育厅22 寒地建筑绿色性能优化设计关键技术研究与应用科技进步类哈尔滨工业大学孙澄、韩昀松、赵加宁、邢凯、方蕾、董琪、曲大刚、贾永恒、刘蕾、方修睦、陈平黑龙江省教育厅23 高盐、高沙、低温和大雨量环境下空气品质保障技术科技进步类哈尔滨工程大学孙海鸥、王松、王忠义、栾一刚、曲永磊、孙涛、李翀、张涛、王萌、李良才、叶楠黑龙江省教育厅24 玉米原料高效清洁生产谷氨酸关键技术与产业化科技进步类中粮生化能源（龙江）有限公司、天津科技大学佟毅、王宏龄、陈宁、王晓健、徐庆阳、李辉、王兰刚、谢希贤、韩隽、张成林、李越齐齐哈尔市科技局25 微创技术在泌尿外科疾病中的应用科技进步类哈尔滨医科大学附属第四医院徐万海、王璐、彭锂、郭鹏宇、赵宏辉、王志超、王子琦、安瑞华、王春阳、林相国、许涛黑龙江省教育厅26 番茄育种技术和种质资源创新及系列新品种选育与推广科技进步类东北农业大学许向阳、李景富、王傲雪、李烨、张贺、姜景彬、陈秀玲、卢钢、方凌、赵婷婷、康忠宝黑龙江省农业委员会27 晚期乳腺癌精准治疗的研究科技进步类黑龙江省肿瘤医院(哈尔滨医科大学附属第三医院)、大庆油田总医院张清媛、康欣梅、王静萱、赵玲、浦海宏、张明辉、杨玉光、赵曙、赵红、张良玉、朱丹丹黑龙江省教育厅28 燃用准东煤超（超）临界锅炉研制及应用科技进步类哈尔滨锅炉厂有限责任公司张彦军、张殿军、于强、孙浩、王凤君、于江涛、郭建明、夏良伟、于泽忠、宋宝军、李世魁黑龙江省机械工业联合会29 六维磷脂软胶囊科技进步类黑龙江澳利达奈德制药有限公司周有财、于福栋、宫君相、尚晨砚、遆铁军、朱立刚、陈玉花、张明旭、董敬翠、迟海泉、周波黑龙江省医药行业协会3二等奖序号项目名称奖类完成单位主要完成人员推荐部门1 离子稳态协同调控心律失常新机制及miRNA干预手段自然科学类哈尔滨医科大学白云龙、李林强、张巍、吕延杰、杜伟杰哈尔滨市科技局2 区域尺度多介质环境中污染物来源解析与时空演变规律研究自然科学类东北农业大学崔嵩、付强、李一凡、沈振兴、张慧黑龙江省教育厅3 宽温域宽光谱材料辐射特性测量技术研究自然科学类哈尔滨工业大学戴景民、萧鹏、叶树江、唐庆菊、安东阳提名人推荐4 心肌肥厚及其诱发心肌离子通道重构的机制自然科学类哈尔滨医科大学董德利、霍蓉、陈畅、杨宝峰黑龙江省教育厅5 非编码RNA调控的肿瘤基因表达对肿瘤细胞恶性表型的可塑作用及机制研究自然科学类牡丹江医学院冯玉宽、胡静、潘艳明、刘贵波、任凤云黑龙江省教育厅6 miRNA分子靶向调控功能与临床应用研究自然科学类哈尔滨医科大学高旭、张广美、郭兴罡、惠洋、马宁黑龙江省卫生厅7 秸秆类废弃生物质及有机废水资源化利用的机制与方法自然科学类哈尔滨工业大学郭婉茜、冯骁驰、曹广丽、杨珊珊、赵磊黑龙江省环境保护厅8 活性胶体马达的可控构筑及其生物医学应用探索自然科学类哈尔滨工业大学贺强、林显坤、吴志光、费进波、司铁岩黑龙江省教育厅9 多囊卵巢综合征“病-证-方”的代谢组学研究自然科学类黑龙江中医药大学侯丽辉、徐芳、孙淼、王桂媛、冯晓玲提名人推荐10 非线性随机系统的理论分析及多指标控制研究自然科学类哈尔滨理工大学胡军、吴森林、陈东彦、刘凤秋、计东海黑龙江省教育厅411 新型防护涂层的结构优化理论与性能调控机理自然科学类哈尔滨工程大学金国、崔秀芳、王永东、刘二宝、王海斗黑龙江省工业信息化委员会12 复杂结构动力学行为建模理论及分析方法自然科学类哈尔滨工程大学靳国永、叶天贵、宿柱、杨铁军、刘志刚黑龙江省教育厅13 雌性特异性分布的Ah-型感觉神经元--性别差异转化医学研究的新靶点自然科学类哈尔滨医科大学李柏岩、乔国芬、徐文潇、于金玲、吴迪黑龙江省教育厅14 大豆再生分子机制与重要基因功能研究自然科学类东北农业大学李文滨、武小霞、李永光、赵琳、李海燕提名人推荐15 石墨烯/纳米管基复合材料的分子设计、组装及应用自然科学类哈尔滨工业大学李欣、雷圣宾、胡桢、齐晶瑶、何芳黑龙江省石化行业协会16 智能水下机器人抗扰动控制理论与方法自然科学类哈尔滨工程大学李晔、张利军、姜言清、苏玉民、曹建黑龙江省教育厅17 狼毒大戟抗肿瘤活性成分及作用机制的研究自然科学类齐齐哈尔医学院刘吉成、林宇、简白羽、孙永旭、许惠玉黑龙江省教育厅18 miRNAs调控喉癌发生发展的分子机制研究自然科学类哈尔滨医科大学附属第二医院刘鸣、田霖丽、孙亚男、李茗华、张佳蕊黑龙江省卫生厅19 黑土退化危害量化及其调控机制自然科学类中国科学院东北地理与农业生态研究所农业技术中心刘晓冰、张兴义、王光华、金剑、隋跃宇黑龙江省科学技术厅20 林木用植物源杀虫原料植物驯化及制备人工繁育技术自然科学类东北林业大学马玲、王峰、李丹蕾、马伟、王金麟哈尔滨市科技局21 基于硅微纳结构燃料电池型葡萄糖传感器的研究自然科学类齐齐哈尔大学苗凤娟、陶佰睿、王红艳、孙艳梅、邹立颖齐齐哈尔市科技局22 空天推进热端部件高效冷却方法及其耦合传热机理自然科学类哈尔滨工业大学秦江、谢公南、章思龙、周伟星、鲍文提名人推荐523 具有功能化特征手性高分子的可控合成及应用基础研究自然科学类哈尔滨工程大学沈军、刘立佳、郑卫、张丽丽、周惠敏黑龙江省国防科工办24 电子封装互联焊点的服役行为及失效规律研究自然科学类哈尔滨理工大学孙凤莲、刘洋、刘洋、张国旗、李雪梅黑龙江省教育厅25 NF-κB信号转导通路激活的分子机制研究自然科学类哈尔滨医科大学孙文靖、于旸、王浩、范义辉黑龙江省卫生厅26 海洋条件下船用反应堆热工水力特性机理研究自然科学类哈尔滨工程大学谭思超、曹夏昕、高璞珍、田瑞峰、阎昌琪黑龙江省教育厅27 脑胶质瘤标志物的筛选及机制研究自然科学类哈尔滨医科大学附属第二医院王广志、刘明娜、郭冕、武志超、徐杨黑龙江省卫生厅28 掌纹识别理论及方法自然科学类哈尔滨工业大学邬向前、卜巍、张大鹏、王宽全、赵秋实黑龙江省教育厅29 多信号原位细胞电化学检测系统研究自然科学类佳木斯大学武冬梅、邱洪斌、刘继光、李锦莲、朱晓琳佳木斯市科技局30 面向纳制造的纳米机器人系统基础研究自然科学类哈尔滨工业大学谢晖、杨立军、汝长海、荣伟彬、孙立宁黑龙江省教育厅31 位势井族理论及其在高阶发展方程上的应用自然科学类哈尔滨工程大学徐润章、沈继红、杨延冰、于涛、刘亚成黑龙江省教育厅32 beta受体阻断剂通过微小RNA(miRs)调控心力衰竭的新机制自然科学类哈尔滨医科大学许超千、单宏丽、吕延杰、张勇、官晓翔黑龙江省教育厅33 柽柳抗旱、耐盐的分子机制解析自然科学类东北林业大学杨传平、王玉成、高彩球、张剑斌、王超黑龙江省林业厅34 基于不确定模型的航天器相对运动鲁棒采样控制方法研究自然科学类哈尔滨工业大学杨学博、武俊丽、李湛、林伟阳、马志强黑龙江省教育厅635 湖沼湿地生态环境演变过程与机理研究自然科学类哈尔滨师范大学臧淑英、吴长山、宋开山、那晓东、孙丽提名人推荐36 预防心脑血管类疾病五加系列保健制剂基础与应用研究自然科学类黑龙江中医药大学翟春梅、王知斌、杨春娟、孟永海、匡海学黑龙江省医药行业协会37 基于代谢组学策略研究开心散治疗AD的药效物质和作用机理自然科学类黑龙江中医药大学张爱华、王喜军、孙晖、初航、孔玲黑龙江省中医药管理局38 癌症中异常DNA甲基化标记提取技术自然科学类哈尔滨医科大学张岩、张东伟、刘洪波、吴琼、王芳黑龙江省教育厅39 卵巢局部胰岛素抵抗的生物学效应及隐丹参酮的疗效机制自然科学类黑龙江中医药大学张跃辉、吴效科、沈文娟、王涛、彭艳哈尔滨市科技局40 B组柯萨奇病毒致心肌疾病的机制研究自然科学类哈尔滨医科大学钟照华、赵文然、佟雷、王天楹、张凤民黑龙江省教育厅41 考虑导弹动态特性的滑模制导律设计理论及应用自然科学类哈尔滨工业大学周荻、张刚、孙胜、邵春涛、曲萍萍黑龙江省教育厅42 15-HETE 调节缺氧性脑动脉张力的分子离子通道机制自然科学类哈尔滨医科大学附属第二医院朱雨岚、孙威、曲悠扬、陈莉、刘羽黑龙江省教育厅43 电化学强化污染物高效转化污水处理技术技术发明类哈尔滨工业大学冯玉杰、刘佳、刘峻峰、张照韩、曲有鹏、何伟华、于艳玲、杜月、李达黑龙江省工业信息化委员会44 透平叶片精确快速光学三维测量技术研究与应用技术发明类黑龙江科技大学何万涛、车向前、郭延艳、边莉、马鹤瑶、孟祥林、刘元林、赵灿、程俊廷黑龙江省机械工业联合会45 应对多种水源突发污染的饮用水安全保障技术技术发明类哈尔滨工业大学刘冬梅、王威、崔福义、田家宇、贾学斌、高珊珊、姚立三、刘小东、刘志泉黑龙江省环境保护厅46 基于光学等效重构技术的新型激光器件的开发与应用技术发明类黑龙江大学、南京大学、河海大学、北京中水万源科技有限公司、中水三立数据技术股份有限公司刘盛春、陈向飞、吕厚均、陈哲、程卫国、陈雪峰、张金涛、李兵、于秀娟黑龙江省教育厅747 多源融合高精度室内外无缝定位导航技术技术发明类哈尔滨工业大学、警用无线数字通信公安部重点实验室孟维晓、马琳、韩帅、徐玉滨、谭学治、何晨光、叶亮、王孝、刘宁庆黑龙江省公安厅48 优质超大异形核电锻件近净成形技术及应用技术发明类中国第一重型机械股份公司王宝忠、高建军、刘颖、刘凯泉、郭义、曲在文、杨建春、杨晓禹、乔石齐齐哈尔市科技局49 实现高效转化的绿色酸性催化剂的研制及工业应用技术发明类黑龙江大学、黑龙江省科学院石油化学研究院、江苏隆昌化工有限公司吴伟、白雪峰、肖林飞、闫鹏飞、佘卫民黑龙江省教育厅50 水下机器人故障诊断与安全性技术技术发明类哈尔滨工程大学张铭钧、王玉甲、赵文德、姚峰、秦洪德、刘维新、殷宝吉、刘星、杨立平黑龙江省机械工业联合会51 水下工程电视探测关键技术与设备研制科技进步类黑龙江省水利科学研究院白广明、卢建旗、吕利华、杨甫权、茅健、孙光年、刘晓波、孙震、邹红烨黑龙江省水利厅52 基于科技创新和成果转化服务三农信息体系构建与应用科技进步类黑龙江省农业科学院信息中心、河南省农业科学院农业经济与信息研究所、同方知网（北京）技术有限公司黑龙江分公司毕洪文、张海峰、王萍、郑国清、唐立新、李国强、苗玉新、郑妍妍、黄峰华黑龙江省农业委员会53 苏木治疗CVB3m诱导的病毒性心肌炎小鼠的作用机制研究科技进步类黑龙江中医药大学陈会君、周晓、田源、毕尔生、姜芊竹、樊蓉、叶婷、徐倩、王岩黑龙江省中医药管理局54 黑龙江省作物富硒关键技术研究与示范科技进步类黑龙江省农业科学院土壤肥料与环境资源研究所迟凤琴、匡恩俊、张久明、李伟群、李波、郭喜忠、王始峰、王殿君、王彦军黑龙江省农业委员会55 优质牧草新品种选育、生产及转化关键技术集成与产业化示范科技进步类东北农业大学崔国文、李紅、殷秀杰、胡国富、张攀、王德福、杨瞾、陈雅君、次仁旺扎黑龙江省畜牧兽医局56 免疫因子、CA125、超声造影联合判定卵巢巧克力囊肿介入疗效的应用科技进步类哈尔滨医科大学附属第四医院董晓秋、王璐璐、邵小慧、王思明、张立维、戴全、赵宁、蔡怀秋黑龙江省卫生厅57 第三、四积温带玉米新品种选育及高产技术示范科技进步类黑龙江省农业科学院玉米研究所、黑龙江八一农垦大学、黑龙江省农垦科学院农作物开发研究所、哈尔滨市益农种业有限公司、黑龙江天利种业有限公司龚士琛、陈喜昌、杨克军、周朝文、刘兴焱、李春霞、顾万荣、李庭锋、扈光辉黑龙江省农业委员会858 舰船抗爆抗冲击防护设计与试验技术科技进步类哈尔滨工程大学、中国人民解放军92537部队郭君、王诗平、冯麟涵、张阿漫、庞福振、杨衡、任少飞、明付仁、刘云龙黑龙江省工业信息化委员会59 伊曲康唑分散片科技进步类哈尔滨三联药业股份有限公司张忠斌、闫鑫宇、关成山、于代涛、安永刚、刘雅萍、王萍萍、马兰黑龙江省医药行业协会60 林木剩余物制造低醛阻燃纤维板和高效能固体燃料技术科技进步类东北林业大学郭明辉、宋魁彦、袁媛、杜文鑫、孟令辰、王勇、刘祎、胡建鹏、贾潇然黑龙江省森林工业总局61 兔病毒性出血症、多杀性巴氏杆菌病、产气荚膜梭菌病三联灭活疫苗科技进步类黑龙江省兽药饲料监察所、哈药集团生物疫苗有限公司郭文欣、张杨、崔艳丽、郭昭林、丁国杰、杨末、施杏芬、孙德君、藏玉婷黑龙江省畜牧兽医局62 丹贝益肺胶囊对肺纤维化细胞因子和血管生成影响的机制研究科技进步类黑龙江省中医药科学院（黑龙江省中医医院）、黑龙江省卫生和计划生育委员会江柏华、张碧海、武震、谭莉君、蒋鹏娜、李晓燕、金冠男、李强、刘丽敏黑龙江省中医药管理局63 东北林区主要树种（组）林木及林分动态预测技术科技进步类东北林业大学、黑龙江省林业监测规划院、黑龙江省森林防火预警监测信息中心李凤日、姜立春、贾炜玮、董利虎、金星姬、刘兆刚、杨胜涛、甄贞、李国春黑龙江省林业厅64 基于红外激光的光纤光栅传感技术研究科技进步类黑龙江工程学院、哈尔滨理工大学、哈尔滨工程大学、国网黑龙江省电力有限公司、黑龙江省电力科学研究院李林军、杨玉强、杨曦凝、杨晓涛、孙福军、郝俊才、郭庆龙、胡海波、周龙黑龙江省电力有限公司65 工业机器人关键技术研究及应用科技进步类哈尔滨工业大学李瑞峰、葛连正、孔民秀、于殿勇、王珂、赵立军、高云峰、吴重阳、王淑英黑龙江省机械工业联合会66 TGF-β１质粒对肢体移植后免疫耐受反应的实验研究科技进步类哈尔滨市第一医院、哈尔滨医科大学附属第一医院李卫、周世峰、潘宇、毕佳琦、杨琪、李宝林、林琛、孟鑫黑龙江省卫生厅67 五色草景观创新应用及新品种繁育配套技术研究科技进步类黑龙江省经济作物技术指导站、黑龙江农业工程职业学院农机学院李文生、李琳、王秀娟、于杰、张兴、殷广峰、李凤岐、刘志洋、黄春峰黑龙江省农业委员会68 电针治疗急性缺血性脑卒中作用机制的临床研究科技进步类黑龙江中医药大学李晓宁、刘双岭、刘慧慧、王振宇、陶然、孔菲、尹洪娜、李雪岩黑龙江省教育厅969 蛋白基豆制品酶法高值化加工关键技术创制及产品开发科技进步类东北农业大学、山东省高唐蓝山集团总公司、黑龙江省北大荒绿色健康食品有限责任公司、山东万得福实业集团有限公司李杨、江连洲、隋晓楠、王中江、齐宝坤、王欢、周麟依、许振国、范志军黑龙江省农业委员会70 一种水蛭指纹图谱的建立方法和水蛭药材的鉴别方法科技进步类牡丹江友搏药业股份有限公司李振国、倪开岭、陈艳明、务勇圣、于佰凤、邵昕昕、李长伟、张雷、石春燕牡丹江市科技局71 水稻节本降耗增产增效技术集成与示范科技进步类黑龙江省农业科学院齐齐哈尔分院刘传增、马波、胡继芳、谭可菲、赵富阳、柴丽丽、刘颖、骆生、殷再峰齐齐哈尔市科技局72 国产高分卫星数据（黑龙江）农业遥感监测关键技术研制及应用科技进步类黑龙江省农业科学院遥感技术中心、中国农业科学院农业资源与农业区划研究所刘述彬、张有智、刘佳、邹金秋、吴黎、解文欢、王利民、丁旗、李岩黑龙江省农业委员会73 马铃薯病毒病快速检测试纸条制备技术研究及应用科技进步类黑龙江省农业科学院克山分院刘卫平、李志新、张微、张莹莹、张新宇、王磊、刘玲玲、付春江、魏立樯齐齐哈尔市科技局74 早熟、高产、优质、抗逆玉米新品种龙育9号选育与推广科技进步类黑龙江省农业科学院草业研究所、黑龙江省誉丰种业有限公司马延华、孙德全、李绥艳、林红、潘丽艳、王羡国、杨国伟、白瑞、冯锡君黑龙江省农业委员会75 儿科呼吸系统用药二次开发示范项目科技进步类哈尔滨市康隆药业有限责任公司穆滨、王华、翟斌、何林、刘晓凤、刘莹、刘晓丽、李海营、贾磊黑龙江省医药行业协会76 SH波作用下界面圆形衬砌脱胶与界面裂纹的相互作用科技进步类黑龙江科技大学南景富、赵春香、牛广林、乔牧、齐辉、杨在林、王雷雷哈尔滨市科技局77 大球盖菇“南菇北移”生态化栽培技术创新、集成与应用科技进步类黑龙江省农业科学院畜牧研究所倪淑君、张海峰、田碧洁、李淑荣、黄文、王根林、胡志新、苗亿、孟令辉黑龙江省农业委员会78 大跨空间结构强震损伤演化机理及抗震性能提升关键技术科技进步类中国地震局工程力学研究所、哈尔滨工业大学聂桂波、支旭东、刘坤、戴君武、王多智、孙梦涵、马加路、张辰啸、杨丰源黑龙江省科学技术厅79 调肝降脂冲剂治疗非酒精性脂肪肝的试验研究科技进步类黑龙江省中医药科学院（黑龙江省中医医院）潘洋、吴屹波、房莹莹、王利民、何冰冰、王冰、胥颉、徐明、战晶玉黑龙江省医药行业协会10。

OpenStreetMap路网数据的几何精度评价

第４２卷第２期２０１９年２月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４２ꎬＮｏ.２Ｆｅｂ.ꎬ２０１９收稿日期:２０１８－０１－２２基金项目:国家重点研发计划项目(２０１６ＹＦＢ０５０１４０３)资助作者简介:王艳东(１９７２－)ꎬ男ꎬ湖南岳阳人ꎬ教授ꎬ博士ꎬ２００２年毕业于武汉大学摄影测量与遥感专业ꎬ主要从事大数据时空分析计算㊁地理信息系统理论与工程等方面的应用研究工作ꎮＯｐｅｎＳｔｒｅｅｔＭａｐ路网数据的几何精度评价王艳东ꎬ殷寒露ꎬ吴㊀胜ꎬ康泽慧ꎬ李小雨(武汉大学测绘遥感信息工程国家重点实验室ꎬ湖北武汉４３００７９)摘要:针对目前关于ＯＳＭ数据质量的研究现状ꎬ本文以美国地质勘查局数据为参考数据ꎬ根据ＯＳＭ路网数据与参考数据的特点ꎬ完成ＯＳＭ路网数据的转换及其与参考数据的匹配ꎮ同时依据匹配结果ꎬ给出ＯＳＭ路网的距离㊁角度这两种几何精度的评价结果ꎬ并通过计算机编程ꎬ将最终的评价结果可视化ꎬ开发实现了众源数据质量评价原型系统ꎮ关键词:ＯｐｅｎＳｔｒｅｅｔＭａｐꎻ路网数据ꎻ几何精度ꎻ质量评价原型系统中图分类号:Ｐ２０８㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０１９)０２－０００１－０３ＧｅｏｍｅｔｒｉｃＡｃｃｕｒａｃｙＥｖａｌｕａｔｉｏｎｏｆＯｐｅｎＳｔｒｅｅｔＭａｐＲｏａｄＮｅｔｗｏｒｋＤａｔａＷＡＮＧＹａｎｄｏｎｇꎬＹＩＮＨａｎｌｕꎬＷＵＳｈｅｎｇꎬＫＡＮＧＺｅｈｕｉꎬＬＩＸｉａｏｙｕ(ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇｏｆＳｕｒｖｅｙｉｎｇꎬＭａｐｐｉｎｇａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇꎬＷｕｈａｎＵｎｉｖｅｒｓｉｔｙꎬＷｕｈａｎ４３００７９ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＡｃｃｏｒｄｉｎｇｔｏｔｈｅｃｕｒｒｅｎｔｒｅｓｅａｒｃｈｓｔａｔｕｓｏｆＯＳＭｄａｔａｑｕａｌｉｔｙꎬｔｈｉｓａｒｔｉｃｌｅｕｓｅｓｔｈｅｄａｔａｆｒｏｍｔｈｅＵＳＧｅｏｌｏｇｉｃａｌＳｕｒｖｅｙａｓａｒｅｆｅｒｅｎｃｅꎬａｎｄｂａｓｅｓｏｎｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆＯＳＭｒｏａｄｎｅｔｗｏｒｋｄａｔａａｎｄｒｅｆｅｒｅｎｃｅｄａｔａꎬｃｏｍｐｌｅｔｅｄｔｈｅｃｏｎｖｅｒｓｉｏｎａｎｄｍａｔｃｈｉｎｇｏｆｔｈｅＯＳＭｒｏａｄｎｅｔｗｏｒｋａｎｄｔｈｅｒｅｆｅｒｅｎｃｅｄａｔａ.Ａｔｔｈｅｓａｍｅｔｉｍｅꎬｂａｓｅｄｏｎｔｈｅｍａｔｃｈｉｎｇｒｅｓｕｌｔｓꎬｏｂｔａｉｎｅｄｔｈｅｅｖａｌｕａｔｉｏｎｒｅｓｕｌｔｓｏｆｄｉｓ￣ｔａｎｃｅａｎｄａｎｇｌｅｏｆＯＳＭｒｏａｄｎｅｔｗｏｒｋ.Ｉｎｔｈｅｅｎｄꎬｔｈｒｏｕｇｈｔｈｅｃｏｍｐｕｔｅｒｐｒｏｇｒａｍｍｉｎｇꎬｔｈｅｆｉｎａｌｅｖａｌｕａｔｉｏｎｒｅｓｕｌｔｉｓｖｉｓｕａｌｉｚｅｄꎬａｎｄｔｈｅｐｒｏｔｏｔｙｐｅｓｙｓｔｅｍｏｆｐｕｂｌｉｃｓｏｕｒｃｅｄａｔａｑｕａｌｉｔｙｅｖａｌｕａｔｉｏｎｉｓｄｅｖｅｌｏｐｅｄａｎｄｉｍｐｌｅｍｅｎｔｅｄ.Ｋｅｙｗｏｒｄｓ:ＯｐｅｎＳｔｒｅｅｔＭａｐꎻｒｏａｄｎｅｔｗｏｒｋｄａｔａꎻｇｅｏｍｅｔｒｉｃａｃｃｕｒａｃｙꎻｐｒｏｔｏｔｙｐｅｓｙｓｔｅｍｏｆｑｕａｌｉｔｙｅｖａｌｕａｔｉｏｎ０㊀引㊀言ＯｐｅｎＳｔｒｅｅｔＭａｐ(ＯＳＭ)是一个网上地图协作计划ꎬ目标是设计一个内容自由且能让所有人编辑的世界地图ꎬ具有提供开放源码㊁允许所有人在线编辑㊁并免费提供世界范围内的地理数据等功能[１]ꎮＯＳＭ的数据主要依靠全球志愿者上传及更新ꎬ这种方式易造成ＯＳＭ数据几何精度不高㊁位置偏差较大等数据质量问题ꎮ围绕ＯＳＭ数据质量方面的问题ꎬ广大学者已经展开相应的研究ꎮＺｉｅｌｓｔｒａ[２]以德国境内的ＴｅｌｅＡｔｌａｓ导航数据为参考数据ꎬ对比分析了德国境内的ＯＳＭ数据质量问题ꎬ得出在德国的城市范围内ꎬＯＳＭ数据比ＡｅｌｅＡｔｌａｓ导航数据更详细ꎻＨａｋｌａｙ[３]和Ａｔｈｅｒ[４]分别以英国测量局的数据作为参考数据ꎬ对伦敦和英格兰两个实验区的ＯＳＭ数据进行质量分析ꎻＣｉｐｅｌｕｃｈ等[５]从数据的差异性和相似性角度ꎬ对爱尔兰几个实验区域的ＯＳＭ数据与ＧｏｏｇｌｅＭａｐｓ数据和ＢｉｎｇＭａｐｓ数据进行对比ꎬ评价ＯＳＭ数据是否能应用于实际生活中ꎻ王明等[６]从完整性和定位精度方面出发ꎬ以四维图新的导航数据为参考数据ꎬ对武汉地区的ＯＳＭ路网数据的质量进行评估ꎻ罗路长等[７]以上海㊁南昌和赣州３个地区为实验区ꎬ讨论了ＯＳＭ路网㊁Ｂａｉｄｕ地图和Ｇｏｏｇｌｅ地图之间在长度完整性㊁属性完整性等方面的特征ꎬ并获取了一些有意义的结论ꎮ通过上述已有的关于ＯＳＭ数据质量的研究成果可以看出ꎬ目前大多数ＯＳＭ数据质量的研究主要是从数据完整性㊁相似性等角度出发ꎬ从整体上对ＯＳＭ数据质量进行评价ꎬ从细节上对ＯＳＭ数据与参考数据之间的几何精度评价的研究成果相对较少ꎬ因此有必要在这方面展开相应的研究ꎮ针对目前存在的问题ꎬ本文以美国地质勘查局数据为参考数据ꎬ首先根据ＯＳＭ路网数据与参考数据的特点ꎬ完成ＯＳＭ路网数据的转换及其与参考数据的匹配ꎻ其次ꎬ在完成匹配基础上ꎬ从距离㊁角度这两种几何精度因子角度给出ＯＳＭ路网的几何精度评价结果ꎻ最后将评价结果通过计算机编程可视化ꎬ并开发了众源数据质量评价原型系统ꎮ１㊀ＯＳＭ路网数据的概述区别于传统的ＧＩＳ数据ꎬＯＳＭ数据不具备点㊁线㊁面㊁图层㊁比例尺这些基本概念ꎮＯＳＭ采用拓扑数据结构ꎬ包含４种核心元素Ｎｏｄｅ(点)㊁Ｗａｙ(路线)㊁Ｒｅｌａｔｉｏｎ(关系)㊁Ｔａｇ(标注)ꎮＮｏｄｅ为最基本的点单元ꎬＷａｙ由２２０００个Ｎｏｄｅ组成ꎬＲｅｌａｔｉｏｎ由一系列有序的Ｎｏｄｅ㊁Ｗａｙ作为成员要素构成ꎬＴａｇ描述以上三者的属性信息ꎬ采用键值对<ＫｅｙＶａｌｕｅ>存储ꎬ由志愿者定义ꎮＯＳＭ数据有两种格式:基于ＸＭＬ结构化数据㊁基于二进制ＰＢＦ文件数据ꎮ截至目前ꎬＯＳＭ的注册用户达到４２０万ꎬＮｏｄｅ点数量达到４０多亿ꎬ具体的如图１㊁图２所示ꎮ图１㊀ＯＳＭ注册用户数量Ｆｉｇ.１㊀ＱｕａｎｔｉｔｙｏｆＯＳＭｒｅｇｉｓｔｅｒｅｄｕｓｅｒｓ图２㊀ＯＳＭ中Ｎｏｄｅ㊁Ｗａｙ和Ｒｅｌａｔｉｏｎ统计结果Ｆｉｇ.２㊀ＳｔａｔｉｓｔｉｃａｌｒｅｓｕｌｔｓｏｆＮｏｄｅꎬＷａｙａｎｄＲｅｌａｔｉｏｎｉｎＯＳＭ２㊀ＯＳＭ路网数据的几何精度评价２.１㊀几何精度评价指标本文从路网的距离㊁方向两方面对ＯＳＭ路网数据的几何精度展开讨论ꎮ２.１.１㊀道路ＳＭ＿ＨＤＨａｕｓｄｏｒｆｆ距离是道路几何精度的常用评价指标之一ꎬ道路网间Ｈａｕｓｄｏｒｆｆ距离越小ꎬ则表示路网的几何精度越高ꎮ由于传统Ｈａｕｓｄｏｒｆｆ距离在定义上存在一定不足ꎬ考虑到Ｈａｕｓｄｏｒｆｆ距离的方向性ꎬＴｏｎｇ等[８]提出了对Ｈａｕｓｄｏｒｆｆ距离进行改进ꎬ并给出了改进后的ＳＭ＿ＨＤ(ｔｈｅｓｈｏｒｔ－ｌｉｎｅｍｅｄｉａｎＨａｕｓｄｏｒｆｆｄｉｓｔａｎｃｅ)ꎮＳＭ＿ＨＤ计算公式如下:ＳＭ＿ＨＤＬＡꎬＬＢ()＝ｍｅｄｉａｎｐａɪＬＡｍｉｎｐｂɪＬＢｐａ－ｐｂ{}㊀(ｌｅｎｇｔｈ(ＬＡ)<ｌｅｎｇｔｈ(ＬＢ))(１)式中ꎬＬＡ为较短道路ꎬＬＢ为较长道路ꎬｐａ是ＬＡ的结点ꎬｐｂ是ＬＢ的结点ꎮＳＭ＿ＨＤ(ＬＡꎬＬＢ)表示:ＬＢ的结点里找出与ＬＡ中各结点最近的点并计算最近距离ꎬＳＭ＿ＨＤ就是所有最近距离组成的数列的中值ꎮ本文采用ＳＭ＿ＨＤ作为道路偏移距离的定量指标ꎮ２.１.２㊀道路方向角最小面积外接矩形(ＭＡＢＲ)是描述多边形或线状物体常用的形态参数ꎬ本文选取两条道路ＭＡＢＲ的长轴方向角之差ꎬ作为道路的方向偏移指标ꎬ其计算示意如图３所示ꎮ图３㊀道路方向角计算示意图Ｆｉｇ.３㊀Ｃａｌｃｕｌａｔｉｏｎｄｉａｇｒａｍｏｆｒｏａｄｏｆｆｓｅｔａｎｇｌｅ２.２㊀几何精度评价的总体流程根据上节中阐述的几何精度评价指标ꎬ本文设计了如图４所示的ＯＳＭ路网几何精度评价流程ꎮ图４㊀ＯＳＭ路网几何精度评价流程图Ｆｉｇ.４㊀ＦｌｏｗｃｈａｒｔｏｆＯＳＭｒｏａｄｎｅｔｗｏｒｋｇｅｏｍｅｔｒｉｃ㊀㊀㊀㊀ａｃｃｕｒａｃｙｅｖａｌｕａｔｉｏｎ２㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０１９年如图４所示ꎬＯＳＭ路网几何精度评价流程主要包括３个阶段:ＯＳＭ数据转换㊁数据预处理㊁路网匹配与评价指标的计算ꎮ２.２.１㊀ＯＳＭ数据转换由于ＯＳＭ数据结构不同于传统ＧＩＳ矢量数据模型ꎬ同时其数据格式与参考数据也存在不一致的情况ꎬ因此需要对ＯＳＭ数据进行数据转换ꎮＯＳＭ数据转换主要工程包括以下两个部分内容:①从ＯＳＭ原始数据中提取出所有的道路数据ꎻ②将ＯＳＭ道路数据转存为参考数据的数据格式ꎮ从ＯＳＭ原始数据中提取所有的道路数据是依据ＯＳＭ的ｔａｇ进行过滤㊁映射ꎬ映射关系见表１ꎮ表１㊀ＯＳＭ的Ｔａｇ与道路部分映射关系表Ｔａｂ.１㊀Ｐａｒｔｏｆｔｈｅｍａｐｐｉｎｇｒｅｌａｔｉｏｎｓｈｉｐｔａｂｌｅｏｆ㊀㊀㊀㊀ＯＳＭｔａｇａｎｄｒｏａｄＴａｇＫｅｙＴａｇＶａｌｕｅ备注ＨｉｇｈｗａｙＭｏｔｏｒｗａｙ高速公路ＨｉｇｈｗａｙＴｒｕｎｋ主干道ＨｉｇｈｗａｙＰｒｉｍａｒｙ一级道路ＨｉｇｈｗａｙＳｅｃｏｎｄａｒｙ二级道路２.２.２㊀数据预处理由于ＯＳＭ道路数据和参考数据可能存在空间参考不一致的问题ꎬ因此需要将ＯＳＭ道路数据和参考数据的空间参考统一转换为ＷＧＳ－８４ꎮ同时ꎬ根据ＳＭ＿ＨＤ的计算原理ꎬ为了提高路网之间的匹配精度ꎬ本文在计算ＳＭ＿ＨＤ之前ꎬ将按照一定的间隔距离ꎬ在原始道路上增加若干结点ꎬ使距离和方向的计算结果更精确ꎮ增加结点前后的匹配示意图如图５所示ꎮ从图５中可以看出ꎬ未增加结点之前ꎬ其ＳＭ＿ＨＤ为８.２ｍꎻ而增加结点后ꎬ其ＳＭ＿ＨＤ为２.３ｍꎬ增加结点后的ＳＭ＿ＨＤ代表两条道路的位置偏移量更合适ꎮ图５㊀增加结点前后ＳＭ＿ＨＤ计算结果示意图Ｆｉｇ.５㊀ＳＭ＿ＨＤｃａｌｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｄｉａｇｒａｍｂｅｆｏｒｅ㊀㊀㊀ａｎｄａｆｔｅｒｉｎｔｅｒｒｕｐｔｅｄ２.２.３㊀精度评价指标计算上节所述距离和方向这两个几何精度指标ꎬ都依赖于ＯＳＭ路网与参考数据的匹配问题ꎮＯＳＭ路网与参考数据匹配的同时ꎬ会对同名道路的距离和方向这两个几何精度评价指标进行计算ꎮ具体的计算步骤如下所述:１)逐条计算ＯＳＭ路网中每条道路扩展的最小外接矩形ＥＭＢＲ(ＥｎｌａｒｇｅＭｉｎｉｍｕｍＢｏｕｎｄｉｎｇＲｅｃｔａｎｇｌｅ)[９]ꎬ并将落入ＥＭＢＲ的参考路网中的相应道路作为匹配候选集{Ｒｅｆ１ꎬＲｅｆ２ꎬ ꎬＲｅｆｊꎬ ꎬＲｅｆｎ}ꎻ２)逐条计算候选集中的道路与ＯＳＭ道路的ＳＭ＿ＨＤꎻ３)计算候选集中的道路与ＯＳＭ道路的ＭＡＢＲ以及ＭＡＢＲ的方向角差值ꎻ４)根据设定的ＳＭ＿ＨＤ及方向角差值寻阈值ꎬ确定候选集中与ＯＳＭ道路匹配的对象ꎻ５)计算匹配对象间的重叠度ꎬ将重叠度较小的匹配对象剔除ꎻ重叠度的计算如下:ｐ＝ＳＡɘＡᶄ/ＳＡɣＡᶄꎮＡ㊁Ａᶄ为一对同名道路按照二者的ＳＭ＿ＨＤ距离生成的缓冲区ꎬＳＡɘＡᶄ为Ａ和Ａᶄ的交集面积ꎬＳＡɣＡᶄ为Ａ和Ａᶄ的并集面积ꎮ６)可视显示ＳＭ＿ＨＤ及方向角差值计算结果ꎮ３㊀原型系统与实验基于以上方法ꎬ本文在ＶｉｓｕａｌＳｔｕｄｉｏ２０１５开发平台上用Ｃ＃编程语言设计并实现了众源数据质量评价原型系统ꎬ原型系统的主界面如图６所示ꎮ图６㊀原型系统主界面Ｆｉｇ.６㊀Ｍａｉｎｉｎｔｅｒｆａｃｅｏｆｐｒｏｔｏｔｙｐｅｓｙｓｔｅｍ本文选取纽约州威廉姆森镇公园(ｗｉｌｌｉａｍｓｏｎｔｏｗｎｐａｒｋ)附近路网进行实验ꎮ实验的ＯＳＭ路网数据来源于ｈｔｔｐ://ｄｏｗｎｌｏａｄ.ｇｅｏｆａｂｒｉｋ.ｄｅ网站ꎬ参考数据来源于美国地质勘查局(ＵＳＧＳ)ꎮ实验结果中共计２４００余条道路ꎬ能在３ｓ内计算出相应匹配结果和评价指标ꎻ其中路网的ＳＭ＿ＨＤ中误差是３.１１ｍꎬ偏移角中误差为３ʎꎮ图７和图８分别显示了ＳＭ＿ＨＤ数量统计图和角度偏差统计图ꎮ从图７㊁图８中实时统计出的结果可知:该实验结果中ＳＭ＿ＨＤ偏差在１０ｍ以内的道路占比在９５％以上ꎬ方向偏移在３.５ʎ以内的道路占比近９５％ꎮ图７㊀匹配对ＳＭ＿ＨＤ统计图Ｆｉｇ.７㊀ＭａｔｃｈｔｏＳＭ＿ＨＤｃｈａｒｔ(下转第７页)３第２期王艳东等:ＯｐｅｎＳｔｒｅｅｔＭａｐ路网数据的几何精度评价图７㊀算法效果对比Ｆｉｇ.７㊀Ａｌｇｏｒｉｔｈｍｅｆｆｅｃｔｃｏｍｐａｒｉｓｏｎ３㊀结束语本文针对建筑物轮廓线正交的特点ꎬ提出一种基于直线编组的直角多边形拟合算法ꎬ计算轮廓线主方向并将直线段分为正交的两组ꎬ根据直线编组的实际情况选择适应的算法进行拟合ꎮ实验证明ꎬ提出的算法能够很好地贴近建筑物原始形状ꎬ与传统算法相比实用性更强ꎮ参考文献:[１]㊀王俊ꎬ秦其明ꎬ叶昕ꎬ等.高分辨率光学遥感图像建筑物提取研究进展[Ｊ].遥感技术与应用ꎬ２０１６ꎬ３１(４):６５３－６６２.[２]㊀林祥国ꎬ张继贤.面向对象的形态学建筑物指数及高分辨率遥感影像建筑物提取应用[Ｊ].测绘学报ꎬ２０１７ꎬ４６(６):７２４－７３３.[３]㊀赵传ꎬ张保明ꎬ陈小卫ꎬ等.一种基于ＬｉＤＡＲ点云的建筑物提取方法[Ｊ].测绘通报ꎬ２０１７(２):３５－３９.[４]㊀徐景中ꎬ姚芳.ＬｉＤＡＲ点云多层屋顶轮廓线提取方法研究[Ｊ].计算机工程与应用ꎬ２０１０ꎬ４６(３２):１４１－１４３.[５]㊀ＳｈｏｕｊｉＤｕꎬＹｕｎｓｈｅｎｇＺｈａｎｇꎬＺｈｅｎｇｒｏｎｇＺｏｕꎬｅｔａｌ.ＡｕｔｏｍａｔｉｃＢｕｉｌｄｉｎｇＥｘｔｒａｃｔｉｏｎｆｒｏｍＬｉＤＡＲＤａｔａＦｕｓｉｏｎｏｆＰｏｉｎｔａｎｄＧｒｉｄ－ｂａｓｅｄＦｅａｔｕｒｅｓ[Ｊ].ＩＳＰＲＳＪｏｕｒｎａｌｏｆＰｈｏｔｏ￣ｇｒａｍｍｅｔｒｙａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇꎬ２０１７(１３０):２９４－３０７.[６]㊀ＳｉｄｄｉｑｕｉＦａｓａｈａｔＵｌｌａｈꎬＴｅｎｇＳｈｙｈＷｅｉꎬＡｗｒａｎｇｊｅｂＭｏ￣ｈａｍｍａｄꎬｅｔａｌ.ＡＲｏｂｕｓｔＧｒａｄｉｅｎｔＢａｓｅｄＭｅｔｈｏｄｆｏｒＢｕｉｌｄｉｎｇＥｘｔｒａｃｔｉｏｎｆｒｏｍＬｉＤＡＲａｎｄＰｈｏｔｏｇｒａｍｍｅｔｒｉｃＩｍ￣ａｇｅｒｙ[Ｊ].Ｓｅｎｓｏｒｓ(ＢａｓｅｌꎬＳｗｉｔｚｅｒｌａｎｄ)ꎬ２０１６ꎬ１６(７):１１１－１２０.[７]㊀吴秀芸ꎬ李艳ꎬ周华.基于角点检测的建筑物轮廓矢量化方法[Ｊ].遥感信息ꎬ２０１１(５):９５－９９.[８]㊀张阳阳ꎬ门林杰ꎬ李向伟.基于机载ＬｉＤＡＲ数据的建筑物轮廓规则化方法[Ｊ].测绘工程ꎬ２０１５ꎬ２４(１０):５９－７６.[９]㊀柳娜ꎬ孙晓亮ꎬ谭毅华.基于最小外接矩形的直角多边形拟合算法[Ｊ].计算机科学ꎬ２０１７ꎬ４４(６):２９４－２９７.[编辑:刘莉鑫](上接第３页)图８㊀角度偏差统计图Ｆｉｇ.８㊀Ｓｔａｔｉｓｔｉｃｓｇｒａｐｈｏｆａｎｇｌｅｄｅｖｉａｔｉｏｎ４㊀结束语ＯＳＭ为地理空间数据的更新提供实时㊁丰富的数据来源ꎬ但由于ＯＳＭ是由非ＧＩＳ专业的自愿者提供ꎬ其数据的质量必然会影响其在各领域的应用ꎮ本文采用距离㊁角度偏差两个因子对ＯＳＭ数据与参考数据的几何精度进行评价ꎮ首先给出了距离㊁角度偏差两个评价因子的基本算法ꎻ其次详细地介绍了ＯＳＭ路网几何精度评价的详细过程ꎻ最后采用计算机编程语言ꎬ开发实现了众源数据质量评价原型系统ꎬ并以美国地质勘查局(ＵＳＧＳ)为参考数据ꎬ对ＯＳＭ路网数据的距离㊁角度偏差进行评价ꎬ给出评价结果可视化统计图ꎮ本文关于ＯＳＭ路网数据的评价只采用了距离㊁角度偏差两种指标ꎬ在以后的相关研究中ꎬ将采用更多的几何评价指标对其几何精度展开研究ꎮ参考文献:[１]㊀李德仁ꎬ钱新林.浅论自发地理信息的数据管理[Ｊ].武汉大学学报:信息科学版ꎬ２０１０ꎬ３５(４):３７９－３８３.[２]㊀ＺｉｅｂｔｒａＤ.ꎬＺｉｐｆＡ..Ａｃｏｎｐａｒａｔｉｖｅｓｔｕｄｙｏｆｐｒｏｐｒｉｅｔａｒｙｇｅｏ￣ｄａｔａａｎｄｖｏｌｕｎｔｅｅｒｅｄｇｅｏｇｒａｐｈｉｃｉｎｆｏｒｍａｔｉｏｎｆｏｒＧｅｒｍａｎｙ[Ｃ]//１３ｔｈＡＧＩＬＥｉｎｔｅｒｎａｔｉｏｎａｌｃｏｎｆｅｒｅｎｃｅｏｎｇｅｏｇｒａｐｈｉｃｉｎｆｏｒｍａｔｉｏｎｓｃｉｅｎｃｅ.ＧｕｉｍａｒãｅｓꎬＰｏｒｔｕｇａꎬ２０１０.[３]㊀ＨａｋｌａｙＭ.ꎬＷｅｂｅｒＰ.ꎬＯｐｅｎｓｔｒｅｅｔｍａｐ:Ｕｓｅｒ－ｇｅｎｅｒａｔｅｄｓｔｒｅｅｔｍａｐｓ[Ｊ].ＩＥＥＥＰｅｒｖａｓｉｖｅＣｏｍｐｕｔｉｎｇꎬ２００８ꎬ７(４):１２－１８.[４]㊀ＡｔｈｅｒＡ.ꎬＡＱｕａｌｉｔｙＡｎａｌｙｓｉｓｏｆＯｐｅｎＳｔｒｅｅｔＭａｐＤａｔａ[Ｄ].Ｌｏｎｄｏｎ:Ｍａｓｔｅｒ'ｓｔｈｅｓｉｓꎬＵｎｉｖｅｒｓｉｔｙＣｏｌｌｅｇｅＬｏｎｄｏｎꎬ２００９.[５]㊀ＣｉｐｅｌｕｃｈＢꎬＪａｃｏｂＲꎬＷｉｎｓｔａｎｌｅｙＡꎬｅｔａｌ.ＣｏｍｐａｒｉｓｏｎｏｆｔｈｅａｃｃｕｒａｃｙｏｆＯｐｅｎＳｔｒｅｅｔＭａｐｆｏｒＩｒｅｌａｎｄｗｉｔｈＧｏｏｇｌｅＭａｐｓａｎｄＢｉｎｇＭａｐｓ[Ｊ].ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＮｉｎｔｈＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍｏｎＳｐａｔｉａｌＡｃｃｕｒａｃｙＡｓｓｅｓｓｍｅｎｔｉｎＮａｔｕｒａｌＲｅ￣ｓｕｏｒｃｅｓａｎｄＥｎｖｉｒｏｍｅｎｔａｌＳｃｉｅｎｃｅｓꎬ２００６(７):２０－２３.[６]㊀王明ꎬ李清泉ꎬ胡庆武.面向众源开放街道地图空间数据的质量评价方法[Ｊ].武汉大学学报:信息科学版ꎬ２０１３ꎬ３８(１２):４０９－４９４.[７]㊀罗路长ꎬ刘波ꎬ刘雪朝.ＯｐｅｎＳｔｒｅｅｔＭａｐ路网数据质量评价及应用分析[Ｊ].江西科学ꎬ２０１７ꎬ３５(１):１５１－１５７.[８]㊀ＴｏｎｇＸꎬＬｉａｎｇＤꎬＪｉｎＹ.Ａｌｉｎｅａｒｒｏａｄｏｂｊｅｃｔｍａｔｃｈｉｎｇｍｅｔｈｏｄｆｏｒｃｏｎｆｌａｔｉｏｎｂａｓｅｄｏｎｏｐｔｉｍｉｚａｔｉｏｎａｎｄｌｏｇｉｓｔｉｃｒｅ￣ｇｒｅｓｓｉｏｎ[Ｊ].ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃａｌＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅꎬ２０１４ꎬ２８(４):８２４－８４６.[９]㊀安晓亚ꎬ孙群ꎬ肖强ꎬ等.一种形状多级描述方法及在多尺度空间数据几何相似性度量中的应用[Ｊ].测绘学报ꎬ２０１１ꎬ４０(４):４９５－５０１.[编辑:任亚茹]７第２期王㊀华:基于直线编组的直角多边形拟合算法。

基于残差时域注意力神经网络的交通模式识别算法

关键词：时域卷积网络；交通模式识别；残差网络；注意力机制；深度学习中图分类号：TP183 文献标志码：A
Traffic mode recognition algorithm based on residual temporal attention neural network
LIU Shize1，ZHU Yida2，CHEN Runze2，LUO Haiyong3*，ZHAO Fang2，SUN Yi2，WANG Baohui1
1558
计算机应用
第 41 卷
0 引言
随着移动智能终端设备的飞速发展，智能手机已经逐渐成为人们日常生活中的必需品。搭载丰富内置传感器的智能终端设备具备多维度感知用户所处上下文环境信息的能力。近年来，通过捕获用户的上下文环境信息来感知用户的行为模式成［1-3］为了普适计算中的研究热点。用户行为识别通常基于两种数据源来完成，包括基于视觉信息的用户行为识别和基于轻量级传感器的用户行为识别。基于视觉的方法需要外部系统捕捉图像特征，对环境的要求较高并需要良好的光线条件。基于轻量级传感器的方法不依赖基础设施建设，具有较强的普适性。
Key words: Temporal Convolutional Network (TCN); traffic mode recognition; Residual Network (ResNet); attention mechanism; deep learning
收稿日期：2020⁃11⁃04；修回日期：2021⁃03⁃29；录用日期：2021⁃04⁃06。基金项目：国家重点研发计划项目（2019YFC1511400）；国家自然科学基金资助项目（61872046）；北京市自然科学基金资助项目（4212024）；北京邮电大学提升科技创新能力行动计划项目（2019XD-A06）；北京市自然科学基金-海淀原始创新联合基金资助项目（L192004）；河北省重点研发计划项目（19210404D）；内蒙古自治区关键技术攻关计划项目（2019GG328）；移动计算与新型终端北京市重点实验室开放课题。作者简介：刘世泽（1988—），男，辽宁抚顺人，硕士，主要研究方向：大数据挖掘、智能感知；朱奕达（1996—），男，浙江慈溪人，博士研究生，主要研究方向：城市计算、交通模式识别；陈润泽（1996—），男，甘肃白银人，博士研究生，主要研究方向：城市计算、交通模式识别、位置语义挖掘；罗海勇（1967—），男，湖北麻城人，副研究员，博士，CCF 会员，主要研究方向：移动智能、普适计算；赵方（1968—），女，河南开封人，教授，博士，CCF 会员，主要研究方向：移动互联网、大数据挖掘；孙艺（1979—），男，山东菏泽人，高级工程师，硕士，主要研究方向：移动互联网、大数据挖掘；王宝会（1973—），男，江苏滨海人，教授级高级工程师，硕士，主要研究方向：软件工程。

基于信息粒的模糊时间序列预测模型

基于信息粒的模糊时间序列预测模型
王威娜;阚中勋;王严东
【期刊名称】《吉林化工学院学报》
【年(卷),期】2017(034)005
【摘要】时间窗口的分割长度是影响预测结果准确性的重要指标之一,因此根据合理粒化将时间序列分割成一些可处理有意义的信息粒,从而得到更有效的非一致划分的分割方法.进一步,提出基于信息粒的模糊时间序列预测模型去预测股指时间序列.模型首先根据信息粒获取时间序列时间窗口的分割;然后在其基础上定义模糊集并将历史序列模糊化;构造模糊逻辑关系并为每一个模糊趋势指派权重;最终根据得到的信息实施预测.实验结果表明,提出的模型具有较高的准确性.
【总页数】4页(P85-88)
【作者】王威娜;阚中勋;王严东
【作者单位】吉林化工学院理学院,吉林吉林 132022;中石油北方工程设计有限公司设备室,吉林吉林 132002;吉林化工学院材料科学与工程学院,吉林吉林132022
【正文语种】中文
【中图分类】TP274
【相关文献】
1.基于模糊信息粒化和最小二乘支持向量机的风电功率波动范围组合预测模型 [J], 王贺;胡志坚;仉梦林
2.一种新的基于模糊C均值算法的模糊时间序列确定性预测模型 [J], 余文利;方建文;廖建平
3.基于直觉模糊化的广义模糊时间序列预测模型 [J], 王鹏; 田宗浩
4.基于模糊时间序列的计算机信息粒构建研究 [J], 赵凯
5.基于模糊时间序列的计算机信息粒构建研究 [J], 贺适
因版权原因，仅展示原文概要，查看原文内容请购买。

模糊复合抽检贮存数据的Bayes_融合评估方法

第20卷第5期装备环境工程2023年5月EQUIPMENT ENVIRONMENTAL ENGINEERING·57·模糊复合抽检贮存数据的Bayes融合评估方法叶可伟，王晗，马小兵（北京航空航天大学可靠性与系统工程学院，北京 100191）摘要：目的针对包含模糊样本的复合抽检型产品开展贮存寿命评估。

方法针对批次产品中的出厂失效数据和贮存失效数据，开展批次数据的相容性检验。

通过出厂失效样本数随机化处理，量化贮存过程中模糊样本的不确定性。

将出厂试验数据作为先验信息，贮存过程中的出厂试验数据作为观测信息，基于Bayes 融合方法，更新出厂失效概率。

通过更新后的出厂失效概率，确定模糊样本的组成，筛选出贮存失效概率样本。

针对筛选后的样本，基于样本量加权最小二乘方法，开展贮存寿命评估。

结果将所提方法应用于某弹箭产品案例，有效评估了批次出厂失效概率及其估计方差，并给出了可靠寿命评估结果。

结论所提Bayes 评估方法融合了出厂抽检数据和贮存抽检数据，有效解决了含模糊样本的失效概率估计问题，提高了估计的精确性，基于样本量权重的加权最小二乘法，考虑了样本的可信程度，提升了方法的科学性。

关键词：复合抽检；出厂失效；模糊样本；Bayes融合；样本量加权最小二乘；贮存寿命评估中图分类号：TB114 文献标识码：A 文章编号：1672-9242(2023)05-0057-07DOI：10.7643/ issn.1672-9242.2023.05.009Bayes Fusion Evaluation Method for Storage Data of CompositeInspection with Fuzzy SamplesYE Ke-wei, WANG Han, MA Xiao-bing(School of Reliability and Systems Engineering, Beihang University, Beijing 100191, China)ABSTRACT: The work aims to evaluate the storage life of composite inspection products with fuzzy samples. The compatibil-ity test was carried out on the ex-factory failure data and storage failure data of batch products. The uncertainty of fuzzy samples in the storage process was quantified by randomizing the number of ex-factory failure samples. With the failure data in the ex-factory inspection as prior information and the ex-factory failure data in the storage inspection as observation information, the ex-factory failure probability was updated based on Bayes fusion method. The composition of fuzzy samples was determined by the updated ex-factory failure probability, and the storage failure samples were screened out. The storage life of the products收稿日期：2023–04–12；修订日期：2023–05–04Received：2023-04-12；Revised：2023-05-04基金项目：国家自然科学基金（72201019，52075020）；可靠性与环境工程技术重点实验室项目（6142004210105）；国防技术基础项目（JSZL2018601B004）Fund：The National Natural Science Foundation of China (72201019, 52075020); Reliability and Environmental Engineering Science & Tech-nology Laboratory (6142004210105); Basic Technical Research Project of China (JSZL2018601B004).作者简介：叶可伟（1997—），男，博士研究生。

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》范文

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》篇一一、引言随着无线通信技术的飞速发展，大规模MIMO（Multiple-Input Multiple-Output）系统因其高频谱效率和出色的系统性能而受到广泛关注。

在MIMO系统中，方向到达角（Direction of Arrival，DOA）估计是一项关键技术，尤其在雷达、声源定位和无线通信等领域中发挥着重要作用。

近年来，基于稀疏贝叶斯学习的二维DOA估计算法因其出色的估计性能和稳健性而备受关注。

本文将针对大规模MIMO系统中的二维DOA估计算法进行研究，并探讨稀疏贝叶斯学习在其中的应用。

二、研究背景与意义DOA估计是无线通信中一个重要的研究领域。

在MIMO系统中，由于多径效应和信道环境的影响，信号的到达方向往往会发生偏移和分散，导致传统的DOA估计方法性能下降。

因此，研究更高效、更准确的DOA估计方法对于提高MIMO系统的性能具有重要意义。

稀疏贝叶斯学习作为一种有效的信号处理技术，能够充分利用信号的稀疏性特点，实现高精度的DOA估计。

因此，将稀疏贝叶斯学习应用于大规模MIMO系统的二维DOA估计算法研究具有重要的理论价值和应用前景。

三、算法原理与实现1. 算法原理基于稀疏贝叶斯学习的二维DOA估计算法主要利用信号的稀疏性特点，通过构建稀疏贝叶斯模型，实现对信号到达方向的准确估计。

该算法将DOA估计问题转化为稀疏信号恢复问题，通过优化算法求解稀疏贝叶斯模型，得到信号的到达方向。

2. 算法实现（1）构建稀疏贝叶斯模型：根据信号的稀疏性特点，构建稀疏贝叶斯模型，包括信号模型、噪声模型和先验模型等。

（2）优化求解：采用优化算法对稀疏贝叶斯模型进行求解，得到信号的到达方向。

常用的优化算法包括迭代优化算法、贪婪算法等。

（3）二维DOA估计：将一维DOA估计结果进行二维化处理，得到二维DOA估计结果。

四、算法性能分析1. 算法优点（1）高精度：基于稀疏贝叶斯学习的二维DOA估计算法能够充分利用信号的稀疏性特点，实现高精度的DOA估计。

《2024年大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》范文

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》篇一一、引言随着无线通信技术的飞速发展，大规模MIMO（Multiple-Input Multiple-Output）系统因其高频谱效率和出色的系统性能，已成为现代无线通信的关键技术之一。

在MIMO系统中，二维DOA（Direction of Arrival）估计技术是信号处理的重要环节，其准确性和实时性对系统性能有着至关重要的影响。

传统的DOA 估计算法往往依赖于特定的信号模型和假设条件，难以适应复杂多变的无线通信环境。

因此，本文提出了一种基于稀疏贝叶斯学习的大规模MIMO系统二维DOA估计算法，以实现更高效、更准确的信号处理。

二、背景及研究现状大规模MIMO技术通过在基站端部署大量天线，显著提高了系统的频谱效率和能量效率。

然而，如何有效地从接收到的信号中提取出有用的信息，即进行准确的二维DOA估计，一直是该领域的研究热点。

传统的DOA估计算法如MUSIC（Multiple Signal Classification）、ESPRIT（Estimation of Signal Parameters via Rotational Invariance Techniques）等，虽然在一定程度上能够满足系统的需求，但在复杂多径、干扰和噪声环境下，其性能会受到严重影响。

因此，研究更为鲁棒、适应性更强的DOA估计算法具有重要意义。

近年来，稀疏贝叶斯学习在信号处理领域得到了广泛应用。

其通过引入稀疏性约束，能够有效地从高维数据中提取出有用的信息。

因此，将稀疏贝叶斯学习应用于大规模MIMO系统的二维DOA估计问题具有很大潜力。

然而，现有的相关研究尚不够深入，存在许多待解决的问题。

三、算法原理本文提出的基于稀疏贝叶斯学习的大规模MIMO系统二维DOA估计算法，主要包括以下步骤：1. 信号模型建立：根据大规模MIMO系统的特点，建立合适的信号模型。

该模型应能够准确地描述信号的传播过程和接收过程。

一种基于稀疏贝叶斯学习的桥梁结构损伤识别方法[发明专利]

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202011442045.6(22)申请日 2020.12.08(71)申请人中国矿业大学地址 221008 江苏省徐州市大学路1号中国矿业大学科研院(72)发明人王其昂　戴阳　张诚　王长保　王浩博　(74)专利代理机构南京瑞弘专利商标事务所(普通合伙) 32249代理人秦秋星(51)Int.Cl.G06F 30/27(2020.01)G06K 9/62(2006.01)G06N 5/04(2006.01)G06N 7/00(2006.01)(54)发明名称一种基于稀疏贝叶斯学习的桥梁结构损伤识别方法(57)摘要本发明提供一种基于稀疏贝叶斯学习的桥梁结构损伤识别方法。

本发明首先基于结构在健康状态下的结构动力响应数据，构造结构健康状态因子损伤指标；接着引入稀疏贝叶斯学习以构造贝叶斯非参数模型作为参考基准指标；再根据损伤未知的结构动态响应数据构造结构健康状态因子，获取该状态下的稀疏贝叶斯回归模型，并与参考基准指标作对比，最终通过贝叶斯因子开展结构损伤识别定量分析。

因稀疏贝叶斯学习考虑了理论模型、实测数据的不确定性，其损伤识别结果更为精确。

权利要求书1页说明书6页附图3页CN 112528564 A 2021.03.19C N 112528564A1.一种基于稀疏贝叶斯学习的桥梁结构损伤识别方法，其特征在于，具体包括以下步骤：S1、根据桥梁结构在健康状态下的结构动力响应数据，绘制相应的时域图；对时域图进行时域分析，利用NExT法得到互相关函数；S2、根据S1的互相关函数，对其经傅里叶变换后得到互功率谱密度，并依据互功率谱密度进行频域分析得到桥梁结构的模态参数——频率，之后确定敏感频带；S3、根据S2的敏感频带数据，得到损伤指标——结构健康状态因子；S4、根据S3的结构健康因子的实部和虚部数据，引入稀疏贝叶斯学习算法，建立以虚部数据为自变量、实部数据为因变量的结构健康状态因子的回归参考模型；S5、当有新的监测数据时，重复步骤S1至步骤S3，得到新的损伤指标，并将此损伤指标带入S4中的回归参考模型，此时可依据新的损伤指标的实部数据是否拟合回归参考模型进行损伤的定性识别；S6、计算S5中新的损伤指标的实部数据与回归参考模型的实部数据的残差，将残差视为随机变量，并对残差均值进行贝叶斯假设检验，最后根据贝叶斯因子进行损伤的定量识别。

基于Bow-tie模型的模糊贝叶斯网络在风险评估中的应用

基于Bow-tie模型的模糊贝叶斯网络在风险评估中的应用作者：孙震卢俊峰来源：《中国内部审计》2020年第04期[摘要]本文以Bow-tie模型为基础，借鉴工业部门风险分析方法，建立基于Bow-tie模型的模糊贝叶斯网络风险评估框架，实现从静态层次分析向动态网络推理转变、从风险评估向风险预测深化、从风险发生前评估向风险发生后分析发展，为内部审计职能拓展与价值深化提供借鉴。

[关键词]Bow-tie 模型贝叶斯网络模糊集理论前，审计风险评估多局限于静态分析，未考虑风险因素之间的逻辑关系与关联强弱，且难以有效应对不确定性。

应用基于Bow-tie模型的模糊贝叶斯风险评估框架，能够拓展审计风险评估职能范围，促进内部审计价值增值作用的发挥。

一、相关理论模型及风险评估框架（一）Bow-tie模型Bow-tie模型最早由澳大利亚昆士兰大学提出（见图1），包含危险源、风险事件、潜在结果以及安全屏障四大要素，其中安全屏障包括事故前预防措施和事故后控制措施，事故前预防措施在事前设置，以降低事故发生的可能性;事故后控制措施在事故发生后通过相关补救方法，以降低事故的影响程度。

（二）贝叶斯网络理论贝叶斯网络（BN）1988年由Judea Pearl提出（见图2），为基于概率推理的图形化网络，是目前不确定知识表达和推理领域最有效的理论模型之一。

贝叶斯网络由有向无环图（DAG）和条件概率表（CPT）组成。

其中DAG由变量节点及连接节点的有向边构成。

节点代表随机变量（如根事件，事故后果），其中根节点是指没有紧前工作的节点，中间节点是指既有紧前工作又有紧后工作的节点，叶节点是指没有紧后工作的节点。

节点间的有向边代表了节点间的互相关系（由父节点指向子节点），条件概率表达关系强度，无父节点的用先验概率进行信息表达。

以图2所示的贝叶斯网络为例，X1、X2、X3称为根节点，B1、B2为中间节点，A1为叶节点。

同时X1、X2为 B1的父节点，X3为B2的父节点。

贝叶斯动态模型及其预测算法在数据挖掘中的应用研究

!， ! 状态方程：， !%,$%!%0%/" % "% 2--" 1 %.
图% 贝叶斯动态模型及其预测算法分类和处理模型
信息：（!%0%4!%0%） 2<. -2%0%， 3%0%.
%0%
该文提出，（观察方程、状态方程）确定 &’( 是由两个方程的系统，并具有如下性质：过程的观测随机地依赖于当前的状态参数；（% ）状态参数随时间变化时，产生了系统内部的动态变化（! ）和随机扰动。
5A#3%$&3： &7/+: ’, CP+ 7,7;6/./ ’J &76+/.7, J’=+97/C.,L I=’9+:E=+/， CP./ I7I+= /ELL+/C/ C+, :.JJ+=+,C -.,:/ ’J &76+/.7, :6,78.9 8’:+;/ 7,: J’=+97/C.,L 7;L’=.CP8/ RP.9P 876 S+ E/+: ., :7C7 8.,.,L 7II;.97C.’,/， 7,: L.B+/ ’EC CP+ 7,/R+= C’ CP+ ;.,+7=.T7C.’, I=’S;+8/ ., ,’,);.,+7= :6,78.9 8’:+;$47C7 5.,.,L U6/C+8/ SE.;:.,L ’, CP+/+ 8’:+;/ 7,: 7;L’=.CP8/ P7B+ S++, C+/C+: 7,: I=’B+: C’ S+ B+=6 E/+JE; ., I=79C.9+ 7,: ., CP+’=6$F,: CP+6 97, S+ 7II;.+: C’ CP+ J.+;:/ ’J L’BV +=,8+,C 7,: +,C+=I=./+/$ B"+C(%0#： &76+/.7, 46,78.9 5’:+;， J’=+97/C.,L 7;L’=.CP8， :7C7 8.,.,L

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》范文

《大规模MIMO系统基于稀疏贝叶斯学习的二维DOA估计算法研究》篇一一、引言在现代无线通信系统中，多输入多输出（MIMO）技术因其能有效提高系统容量和可靠性而得到广泛应用。

而在大规模MIMO（Massive MIMO）系统中，由于其拥有大量天线单元，信号处理能力显著增强，使得对信号的方向性估计问题，如二维到达角（DOA）估计，成为研究的热点。

本文旨在探讨大规模MIMO系统中基于稀疏贝叶斯学习的二维DOA估计算法的研究。

二、背景与相关研究DOA估计在雷达、声学和无线通信等领域中有着广泛的应用。

在大规模MIMO系统中，由于其具备高分辨率和高增益的特点，能够准确估计出信号的到达方向，进而提升通信质量和可靠性。

近年来，基于稀疏贝叶斯学习的DOA估计算法因其优秀的性能和适应性，受到了广泛的关注。

三、稀疏贝叶斯学习理论基础稀疏贝叶斯学习是一种通过引入先验知识来描述信号的稀疏性，进而实现信号处理的方法。

其基本思想是在贝叶斯框架下，通过引入稀疏性约束，使得模型能够自动识别并学习信号中的有效成分。

在大规模MIMO系统的DOA估计中，稀疏贝叶斯学习可以通过对天线接收信号的稀疏表示，有效估计出信号的到达方向。

四、大规模MIMO系统中的二维DOA估计在大规模MIMO系统中，二维DOA估计涉及到方位角和俯仰角的联合估计。

传统的DOA估计算法往往只考虑一维情况，无法满足二维估计的需求。

而基于稀疏贝叶斯学习的算法可以有效地解决这一问题。

通过将二维DOA估计问题转化为稀疏信号恢复问题，利用稀疏贝叶斯学习的强大学习能力，可以准确估计出信号的二维到达方向。

五、算法设计与实现本文提出了一种基于稀疏贝叶斯学习的大规模MIMO系统二维DOA估计算法。

该算法首先通过构建天线接收信号的稀疏表示模型，然后利用稀疏贝叶斯学习方法对模型进行学习和优化，最后通过优化算法得到二维DOA的估计结果。

在算法实现过程中，我们采用了高效的优化方法和并行计算技术，以提高算法的计算效率和准确性。

基于模糊变结构动态贝叶斯网的目标识别方法

ｉｓｐｒｏｐｏｓｅｄ．ＩｔｃｏｎｓｔｒｕｃｔｓｔｈｅｆｕｚｚｙｖａｒｉａｂｌｅｓｔｒｕｃｔｕｒｅｄｙｎａｍｉｃＢａｙｅｓｉｎａｎｅｔｗｏｒｋａｎｄｐｒｏｏｓｐｅｓａｓｔａｉｓｔｉｃｔｌｍｅａｈｏｔｄｂａｓｅｄｏｎｓａｍｐｌｅｉｎｏｒｆ－ｍａｉｏｔｎａｎｄａｌｅａｒｎｉｎｇｍｅｈｏｔｄｏｆｓａｍｐｌｅ－ｆｒｅｅＢａｙｅｓｉａｎｎｅｔｗｏｒｋｐａｒａｍｅｔｅｒｓｆｏｒｉｍｐｌｅｍｅｎｔａｉｏｔｎｏｆｔａｒｇｅｔｉｄｅｎｉｔｉｃｆａｉｔｏｎａｃｃｏｒｄｉｎｇｔｏｎｅｔ－ｗｏｋｒｉｎｆｅｅｎｒｃｅｎｄａａｐｐｌｉｃａｉｔｏｎｏｆｔｒａｄｉｉｔｏｎａｌｈａｒｄｄｅｃｉｓｉｏｎ．Ｔｈｅｄｙｎａｍｉｃｄｅｃｉｓｉｏｎｈｓａｂｅｅｎｐｅｆｏｒｍｅｒｄｂａｓｅｄｏｎｔｈｅｓｏｆｔｄｃｉｅｓｉｏｎｐｒｉｎｃｉｐｌｅｓｎｄａｈｅｔｎｅｔｗｏｒｋｐａｒａｍｅｔｅｒｓ ’ｕｐｄａｔｅｏｎｌｉｎｅｉｓｉｎｆｉｓｈｅｄｂｓｅａｄｏｎｌｉｎｅｒｗｅｉｇｈｔｉｎｇｈｅｔｏｒｙ．ＣｏｍｐａｒｅｄｗｉｔｈｔｒａｄｉｉｔｏｎｌａｓｔａｉｔｃＢａｙｅｓｉｎａｎｅｔｗｏｋｒｏｒｆｔａｒｇｅｔｉｄｅｎｉｔｉｃｆａｉｏｔｎ．ｉｔｈａｓｓｏｌｖｄｅｈｅｔｉｓｓｕｅｓｓｕｃｈａｓｈｅｔｓｅｑｕｅｎｉａｔｌｒｅｌａｉｔｏｎｓｈｉｐｏｆｅｖｉｄｅｎｅｅａｔｄｉｆｅｅｎｒｔｉｍｅｔｎｄａｈｅｔｎｅｔｗｏｒｋｓｉｎｆｅｒｅｎｃｅｏｆｃｏｎｓｔａｎｔｒａｎｄｏｍｖａｒｉａｂｌｅｓ．ＭｅｎｗｈａｉｌｅｉｔｈｓａｎｏｔｏｎｌｙｉｍｐｒｏｖｄｅｈｅｔｃｏｎｉｄｆｅｎｃｅｃｏｅｆｆｉｃｉｅｎｔｏｆｔａｒｇｅｔｉｄｅｎｉｆｔｉｃａｉｔｏｎｂｕｔｌｓａｏｓｈｏｒｔｅｎｄｅｈｅｔｉｄｅｎｉｆｔｉｃａｉｔｏｎｃｏｎｖｅｒｇｅｎｃｅｅｒｐｉｄｏｎｄａｅｆｅｃｔｉｖｅｌｙｅｓｒｏｌｖｄｅｅｌＴｏｒｉｄｅｎｉｆｔｉｃａｉｔｏｎｐｒｏｂｌｅｍｃａｕｓｅｄｂｙｅｒｒｏｒｏｒｍｂａｉｇｕｉｔｙａｓｓｏｃｉａｉｔｏｎ．Ｉｎａｄｄｉ ‘ ｔｉｏｎ，ｈｅｔｐｒｏｂｌｅｍｏｆｎｅｔｗｏｒｋｐａｒａｍｅｔｅｒｓｕｎｃｈｎｇａｄｅｈａｓｂｅｅｎｏｌｓｖｅｄａｎｄｈｅｔｎｅｔｗｏｒｋｐｒａａｍｅｔｅｒｓ ’ｕｐｄａｔｅｏｎｌｉｎｅｈｓａｌｓａｏｂｅｅｎｃｏｍｐｌｅｔｄ．ｅＫｅｙｗｏｒｄｓ：ｄａａｔｕｓｆｉｏｎ；ｔａｒｇｅｔｉｄｅｎｉｔｉｆｃａｉｏｔｎ；Ｂａｙｅｓｉｎａｎｅｗｏｔｒｋ；ｓｔｒｕｃｔｕｒｅｌｅａｒｎｉｎｇ；ｐａｒａｍｅｔｅｒｌｅａｒｎｉｎｇ

基于联合稀疏的信号检测与恢复方法研究读书随笔

《基于联合稀疏的信号检测与恢复方法研究》读书随笔目录一、内容概述 (2)1.1 背景介绍 (3)1.2 研究意义 (4)1.3 研究目的与内容 (4)二、相关理论与技术 (5)2.1 联合稀疏理论 (6)2.1.1 稀疏表示的基本概念 (7)2.1.2 联合稀疏的数学模型 (9)2.2 信号检测与恢复方法 (10)2.2.1 信号检测的基本原理 (11)2.2.2 信号恢复的基本方法 (13)三、基于联合稀疏的信号检测方法 (14)3.1 联合稀疏系数矩阵分析 (15)3.2 基于稀疏表示的信号检测算法 (17)3.2.1 基于稀疏表示的阈值检测算法 (18)3.2.2 基于稀疏表示的贝叶斯检测算法 (19)3.3 实验设计与结果分析 (20)3.3.1 实验参数设置 (22)3.3.2 实验结果展示 (23)3.3.3 结果分析 (24)四、基于联合稀疏的信号恢复方法 (25)4.1 联合稀疏字典学习 (26)4.2 基于稀疏表示的信号恢复算法 (28)4.2.1 基于稀疏表示的凸优化恢复算法 (29)4.2.2 基于稀疏表示的非凸优化恢复算法 (30)4.3 实验设计与结果分析 (31)4.3.1 实验参数设置 (32)4.3.2 实验结果展示 (33)4.3.3 结果分析 (34)五、结论与展望 (36)5.1 主要成果总结 (37)5.2 研究不足与改进方向 (38)5.3 未来工作展望 (39)一、内容概述本书介绍了联合稀疏信号处理的背景和意义，作者详细阐述了在现代通信系统中，由于信号环境的复杂多变以及信号的稀疏特性，传统的信号处理方法面临着巨大的挑战。

在此背景下，联合稀疏信号处理技术的发展显得尤为重要。

作者对信号检测的基本原理和方法进行了概述，从传统的信号检测技术，到近年来兴起的基于稀疏表示的信号检测技术，书中详细介绍了各种方法的优缺点以及适用场景。

也介绍了信号恢复技术的基本原理和方法，包括信号重建、去噪、压缩感知等领域的研究进展。

【国家自然科学基金】_模糊时间_基金支持热词逐年推荐_【万方软件创新助手】_20140802

2008年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52
项目进度计划非线性网络控制系统非线性三角模糊数隶属度函数隶属度隶属函数隔行扫描ccd 随机引物pcr检测降雨类型降雨径流阈值长贮产品镇定锚泊作业量子行为的微粒群优化算法量化因子野外宿营重复博弈采样控制配电网配电快速仿真与模拟郑州市污水处理厂道路服务水平速度限制递归神经网络算法(lmbp) 进度运动目标捕捉运动模糊图像边缘检测边缘样本车速车辆路径问题距离模糊函数距离模糊超球体超微结构超宽带穿墙探测雷达超分辨率重构起步控制资源优化配置贮存可靠度质量功能展开负荷预测贝叶斯推理贝叶斯学习调度算法评估计量学解藕控制视网膜铺片规则划分观测模型覆盖血脑屏障
铅锌烧结过程铁路安全铁路司机采购策略道路交通噪声速度测试逐日水沙逆向物流逆向工程退模糊连续t-s模型运动控制边缘数据轮廓提取路径选择距离徙动超高压气动超球体超声电机资源约束质谱峰质心负载均衡负载负启动调速调度算法语言变量试验证据理论计算机视觉计算机仿真视频信号处理表达力虚拟企业自适应调整算法自适应模糊神经网络自应卡尔曼滤波自组织特征映射自整定pid参数自整定脑电能量管理聚类有效性联合模糊函数网络模型网格监控网格安全网格中间件结节分割经济订购批量组批计划组合温控组合导航
53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106

基于模糊贝叶斯网络的引水隧洞安全评价模型分析

基于模糊贝叶斯网络的引水隧洞安全评价模型分析
皮明;杨涛;张良;田华平;黄山河
【期刊名称】《太赫兹科学与电子信息学报》
【年(卷),期】2024(22)5
【摘要】为准确预测黄河引水隧洞安全隐患,提出基于模糊集理论和主观贝叶斯方法的模糊贝叶斯安全评价模型。

结合实际巡检数据,模型使用贝叶斯网络处理模糊信息与不确定信息,将巡检数据中给出的多态性故障事件模糊化;再通过贝叶斯网络的条件概率表找出不同故障事件之间的逻辑关系;最后获得对引水隧洞安全模型的整体评价。

通过开展引水隧洞安全评价模型实例分析,验证了该方法的可行性。

【总页数】7页(P558-564)
【作者】皮明;杨涛;张良;田华平;黄山河
【作者单位】西南科技大学信息工程学院
【正文语种】中文
【中图分类】TP306.3;TP206.3
【相关文献】
1.基于GSA-PP模型的寒区引水隧洞结构健康状态评价
2.基于改进G2-AEW-UMT模型的引水隧洞结构安全评价
3.基于熵理论-可拓云模型的引水隧洞塌方风险评价
4.基于改进G2-EWM-TOPSIS模型的引水隧洞塌方风险评价
5.基于改进突变级数法的引水隧洞施工安全综合评价
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊贝叶斯的改进决策方法在企业评价中的应用

基于模糊贝叶斯的改进决策方法在企业评价中的应用
冯思捷;管建和
【期刊名称】《软件工程师》
【年(卷),期】2017(020)009
【摘要】朴素贝叶斯算法是数据挖掘领域最简单的分类算法之一.为了让朴素贝叶斯能够灵活地处理连续型数据,分类过程就需要对数据进行离散化处理.而使用模糊数学理论来解决离散化问题是一个不错的选择.因此本文考虑将这两种方法结合,同时在去模糊化过程中引用了一种新型去模糊化方法("内心法"),从而生成一种新的模糊贝叶斯混合模型.并通过一个企业评价实例简单地验证了模糊贝叶斯算法在应对连续性数据时具有良好、可靠的分类效果.
【总页数】8页(P34-41)
【作者】冯思捷;管建和
【作者单位】中航光电科技股份有限公司,河南洛阳 471000;中国地质大学(北京),北京 100083
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于模糊贝叶斯的改进决策方法在企业评价中的应用 [J], 冯思捷;管建和;
2.基于动态贝叶斯博弈的双机行为决策方法 [J], 江建成;周中良;阮铖巍;邹明媚
3.基于贝叶斯改进模型在供电可靠性预测中的应用 [J], 韩菲;李道宽;冯光
4.基于模糊贝叶斯风险和T-S模糊模型的故障诊断 [J], 路涛;梁智超;索明亮
5.基于三角模糊数的贝叶斯供水管网评价模型改进及其应用 [J], 石小林;丁相毅;刘思然;凌敏华
因版权原因，仅展示原文概要，查看原文内容请购买。

P2P网络信任模型的无知证据融合问题研究

P2P网络信任模型的无知证据融合问题研究
张震;王晓明
【期刊名称】《计算机工程与应用》
【年(卷),期】2007(043)002
【摘要】在完全开放的P2P网络环境中,资源共享是用户的自愿行为,用户不愿为自身的行为负担责任,因而要建立节点之间的信任关系.在已有的基于推荐的信任机制中,基于D-S证据理论方法可以很好地解决信任的不确定性问题,但是目前在这一领域地研究还没有注意到证据空间呈现大规模无知前提下证据的合理融合问题.针对这一问题,本文对现有的D-S证据理论加以改进,使其符合P2P网络的安全性要求.
【总页数】4页(P171-173,183)
【作者】张震;王晓明
【作者单位】暨南大学,计算机科学系,广州,510632;暨南大学,计算机科学系,广州,510632
【正文语种】中文
【中图分类】TP393
【相关文献】
1.基于二重动态组的移动P2P网络信任模型 [J], 黄砚文;黄大广;张琳
2.一种基于神经网络与证据理论融合的P2P业务感知模型 [J], 顾成杰;张顺颐;黄河;孙雁飞
3.面向选择推荐节点的P2P网络信任模型 [J], 马满福;何春玲
4.一种基于推荐证据的有效抗攻击P2P网络信任模型 [J], 田春岐;邹仕洪;王文东;程时端
5.基于概率统计论的P2P网络信任模型构建研究 [J], 王莉
因版权原因，仅展示原文概要，查看原文内容请购买。

基于概率密度逼近的无监督特征排序

基于概率密度逼近的无监督特征排序
王晓明;王士同
【期刊名称】《计算机应用研究》
【年(卷),期】2007(024)004
【摘要】依据概率密度逼近提出了一种新的无监督特征排序,应用于特征选择降维.实验证明,这种方法与一些现有的方法相比,更为有效.
【总页数】5页(P47-51)
【作者】王晓明;王士同
【作者单位】江南大学,信息工程学院,江苏,无锡,214122;江南大学,信息工程学院,江苏,无锡,214122
【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.基于Legendre逼近的地下水位概率密度函数推断 [J], 董贵明;常大海;田娟;李娜;高付明
2.基于粗糙集-逼近理想解排序的辐射源威胁排序方法 [J], 杨远志;王红卫;索中英;陈游;范翔宇
3.基于概率密度距离的监督特征选择 [J], 任珂;蔡明;李亚平
4.基于概率密度距离的无监督特征选择方法 [J], 任珂;蔡明;李亚平
5.基于排序互信息的无监督特征选择 [J], 李纯果; 张春琴; 李海峰
因版权原因，仅展示原文概要，查看原文内容请购买。

基于模糊神经网络的传感器可信度实时获取

基于模糊神经网络的传感器可信度实时获取
温晓君
【期刊名称】《电子器件》
【年(卷),期】2007(030)003
【摘要】针对传感器在复杂环境中所测信息不完全准确的问题,提出了一种基于专家规则的零阶Sugeno模糊模型神经网络来获取传感器可信度的方法.神经网络经训练样本训练后,可以根据传感器状态和环境信息实时地得到传感器可信度.将该模型学习算法中的最小二乘识别器加以改进,并引入了遗忘因子,可以使该网络实现在线学习,不断更新网络参数.仿真结果表明该模糊神经网络可以有效地获得传感器可信度,且越小则网络在线学习能力越强.
【总页数】4页(P954-957)
【作者】温晓君
【作者单位】哈尔滨工业大学,哈尔滨,150001
【正文语种】中文
【中图分类】TP183
【相关文献】
1.一种基于模糊神经网络的知识获取方法 [J], 曹谢东;赵金洲;李允;黄光燕;杨垒
2.基于Rough Sets和模糊神经网络的汉语兼类词词性标注规则的获取方法 [J], 支天云;张仰森
3.基于TS模糊神经网络的Fuzzy规则自动获取研究 [J], 黄金才;陈文伟;黄宏斌;赵新昱
4.基于Kohonen网络-粗集-模糊神经网络获取模糊规则的集成方法 [J], 郑丽英;刘丽艳;王海涌
5.Android手机上传感器信息的实时获取与可视化 [J], 李神送;温嘉铭;刘学锋因版权原因，仅展示原文概要，查看原文内容请购买。