【摘 要】
：
面对互联网服务自动化的需求，一类Trigger-Action Programming pattern（TAP）的自动化驱动应用受到用户的好评。然而新手在使用这类应用时往往不能顺利的找到需求的服务。因此，本文提出了一种基于文本融合的物联网TAP服务推荐方法。该方法将文本融入异构信息网络中并设计元路径和关系权重，最终训练生成神经网络模型寻找物联网中相关联的对象，从而通过分析一段文本对服务进行推荐。实验
论文部分内容阅读
面对互联网服务自动化的需求，一类Trigger-Action Programming pattern（TAP）的自动化驱动应用受到用户的好评。然而新手在使用这类应用时往往不能顺利的找到需求的服务。因此，本文提出了一种基于文本融合的物联网TAP服务推荐方法。该方法将文本融入异构信息网络中并设计元路径和关系权重，最终训练生成神经网络模型寻找物联网中相关联的对象，从而通过分析一段文本对服务进行推荐。实验结果表明，本文提出的方法明显的优于一些经典的方法。
其他文献
在智能电网发展的新时期，提高业扩报装的工作效率以及智能化程度是一项重要任务，在这一过程中对于电气图纸中电气元件符号的识别尤其关键。已有方法在算法精度以及鲁棒性上都存在不足。本文基于YOLOv3提出了一种改进的电气符号识别算法，改进了模型超参数选取策略，构建了自下而上的特征融合网络以及基于图像冗余的图像预处理方法，有效的解决了传统方法精确度低的问题。平均准确率和召回率达到94.8%和96.5%，与传
立足于电厂安全管理现状，针对部分人员不按规定佩戴安全帽进入电厂作业区域造成安全隐患问题，对基于图像智能处理的安全帽佩戴检测技术开展研究。设计了一种安全帽佩戴检测方法，通过掩膜区域卷积神经网络（mask region convolution neural network， Mask R-CNN）深度学习算法对作业人员图像分析，采集5000张安全帽佩戴照片样本作为训练图集，对其进行预处理，再由改进的特
行人异常行为的视觉检测是人工智能领域的研究热点之一。本文提出一种基于运动分析的行为检测方法，用于行人异常行为的检测。利用HSV色彩空间变换法抑制阴影；利用三帧法建立初始化背景模型；将所提取的连续三帧图像的背景像素进行填充融合以实现背景图像的重构，进而更新背景图像，最终完成背景图像的建立；将大津法（Otsu）和背景差分法进行融合以自适应检测前景目标；将目标区域的质心差值、矩形宽高比和倾斜角度的多个特
基于图像的虚拟试衣能够将目标服装图像合成到人物图像上，这一任务近年来因其在电子商务和时装图像编辑方面的广泛应用而备受关注。针对该任务的特点和已有方法的缺陷，提出一种两阶段可调节感知蒸馏方法(TS-APD)。TS-APD方法包括3个步骤：首先，分别对服装图像和人物图像预训练两个语义分割网络，生成更准确的服装前景分割和上衣分割；然后，利用这两个语义分割和其他解析信息训练基于解析器的“导师”网络；最后，
为消除γ辐射环境视频监控图像内大量形状不规则、分布无规律、能量不均衡的噪斑,提出一种利用图像局部相邻像素关联信息去除噪斑的方法。首先根据γ辐射环境视频监控图像噪斑像素值的突变特性分割噪斑区域,再利用噪斑与当前帧噪斑相邻干净区域的局部关联性及噪斑与相邻帧相同坐标干净区域像素点的局部关联性,以两个干净区域像素值为基准、像素值差值为关联度,采用步进式方法修复噪斑区域。实验结果表明,与传统的图像噪斑去除算
物联网在集群企业中的应用与发展改变了传统集群网络结构和协同机制。在物联网中,集群企业嵌入网络并融合互联互通的物联信息,对其协同创新能力具有重要影响。在对相关研究进行整理的基础上,结合物联集群企业发展特点,提出物联集群网络嵌入力、物联集群信息融合力、物联集群协同创新力3个概念,运用结构方程模型对3个概念的结构性特征进行CFA检验,并就信息融合力与网络嵌入力对协同创新力的双因素效应进行检验,研究结论有
锅炉火焰瞬时运动特征与锅炉燃烧状态密切相关，但因检测手段限制，长期以来相关研究甚少。文章提出一种基于金字塔分层改进的Lucas-Kanade算法，用于计算炉内火焰运动的光流矢量，再利用统计分析法，提出四种描述火焰瞬时运动的速度特征，最终实现变工况下火焰运动特征的变化分析。为了验证火焰运动特征用于监测炉膛状态的灵敏性和有效性，采用互信息法建立火焰光流运动特征与锅炉运行参数间的相关模型，仿真结果表明采
针对现有深度学习中图像数据集缺乏的问题，提出了一种基于深度卷积生成式对抗网络（Deep Convolutional Generative Adversarial Network， DCGAN）的图像数据集增强算法。该算法对DCGAN网络进行改进，首先在不过多增加计算量的前提下改进现有的激活函数，增强生成特征的丰富性与多样性；其次通过引入相对判别器有效缓解模式坍塌现象，从而提升模型稳定性；最后在现有
近年来，无需人工干预的深度学习已经成为缺陷图像检测与分类的一种主流方法。本文针对室内墙壁缺陷缺检测中数据集大多是小样本的问题，提出了相关的深度学习研究方法。首先，自制墙壁表面缺陷数据集（Wall surface defect dataset,WSDD）并对其进行数据标注，进而使用Faster RCNN和YOLOv5进行目标检测，两个模型的评价指标（Mean Average Precision,MA
深度学习已成为点云分析的主要方法，但是现有方法在点云特征抽象时无法充分参考局部形状信息，因此对局部形状变化感知的鲁棒性较差，难以针对形状特征生成合适的卷积核。为此，我们提出了局部关系卷积（Local Relation Convolution，LRConv），一种通过全面局部关系感知形状特征的卷积算子。首先，参考点云局部中所有邻域点之间的低维空间关系，定义了一种不依赖于点的顺序与刚性变换的局部关系描