安徽大学互联网学院
- 作品数：209 被引量：660H指数：12
- 相关机构：合肥工业大学计算机与信息学院安徽理工大学电气与信息工程学院石河子大学信息科学与技术学院更多>>
- 发文基金：国家自然科学基金安徽省自然科学基金安徽省高校省级自然科学研究项目更多>>
- 相关领域：自动化与计算机技术文化科学电气工程经济管理更多>>
- 基于特征迁移学习的提升机轴承智能故障诊断被引量：9
- 2022年
- 针对提升机复杂实际工况导致的现有故障诊断方法准确率低和适应性弱的问题,提出了一种基于深度迁移特征选取(DTF)与平衡分布自适应(BDA)的提升机轴承智能故障诊断方法。对不同工况下的轴承故障信号进行时频分析,提取时域、频域统计特征,采用深度置信网络进行高维深度特征提取。为从高维深度特征集中选取出既有利于故障模式识别,也有利于跨域故障诊断的特征,采用基于ReliefF与域间差异的迁移特征选取(TFRD)方法对各特征的可迁移性进行量化评估,利用TFRD方法对各特征进行类别区分度和域不变性量化评估,采用ReliefF算法处理各类特征数据,获得表征类别区分度的权重值;计算同一特征在不同域间的最大均值差异,构建一种新的特征可迁移性量化指标。基于TFRD方法,选取特征可迁移性大的深度特征构建特征子集,利用BDA对源域和目标域的特征子集进行分布适应,降低两者间的分布差异。采用源域特征集训练故障模式识别分类器,对目标域样本进行故障识别与分类。采用经典机器学习方法、深度学习方法和迁移学习方法构建了8种故障诊断模型,用于与提出的DTF-BDA故障诊断模型进行故障诊断准确率对比。结果表明:① DTF-BDA故障诊断模型能够取得明显优于其他对比模型的性能,最高故障诊断准确率可达100%。② TFRD方法能有效提高基于迁移学习方法构建的故障诊断模型的性能,与迁移成分分析和联合分布自适应相结合情况下的最高故障诊断准确率分别可达96.46%和97.67%。
- 潘晓博葛鲲鹏董飞
- 关键词：矿井提升机轴承故障故障诊断
- 基于流形学习的企业信用风险组合评价模型被引量：1
- 2022年
- 为精准预测企业潜在的信用风险,构建基于流形学习的信用风险评价模型。首先,计算企业违约情况与财务指标的相关系数,剔除掉相关性弱的指标。其次,基于流形学习的局部线性嵌入方法对剩余指标数据进行约简,利用贝叶斯模型、决策树模型和BP神经网络模型对企业的信用风险进行分类评价,构建基于诱导有序集成的组合评价模型。对300家创业板上市企业数据进行仿真分析,为验证模型的有效性,在300家公司中(其中270家为训练样本,30家为测试样本)随机选取2组样本,使用ST公司被执行特别处理(special treatment,ST)前一年的数据进行测试,结果表明组合模型具有更高的稳定性和分类精度。
- 罗敏周礼刚刘欣悦朱家明陈华友
- 关键词：流形学习组合评价信用风险评价贝叶斯分类
- 基于短时傅里叶光谱与数据融合的土壤成分含量预测
- 2024年
- 土壤肥力是衡量土壤质量的重要指标.为了评估土壤质量和提高作物产量,迫切需要找到快速预测土壤成分的途径.首先提出Inception层短时傅里叶变换卷积神经网络(inception short-time Fourier transform convolutional neural network,简称I-STFT-CNN)单一光谱模型,然后提出2个融合光谱模型II-STFT-CNN(indirect inception short-time Fourier transform convolutional neural network)和CI-STFT-CNN(cascade inception short-time Fourier transform convolutional neural network),最后对这些光谱模型的性能参数进行对比.研究结果表明:相对于SVR(support vector regression),PLSR(partial least squares regression)和STFT-CNN(short-time Fourier transform convolutional neural network)模型,该文提出的单一光谱I-STFT-CNN模型具有更高的预测精度;融合光谱模型的预测精度优于单一光谱模型;两个融合模型中,级联融合CI-STFT-CNN模型的性能优于通道融合II-STFT-CNN模型.因此,3种模型中,CI-STFT-CNN模型的预测精度最高.
- 任慧东鞠薇程志友张梦思
- 关键词：土壤肥力卷积神经网络近红外光谱数据融合
- 循环经济视角下“互联网+废品回收”可行性分析和创新研究——以合肥市为例被引量：2
- 2019年
- 循环经济发展的大背景下,环境保护成为各类经济发展需要考虑到的因素,同时随着人们生活水平的提高,产生大量的生活废旧用品,回收现状却不容乐观,这时“互联网+废品回收”模式成为一个研究焦点。针对废品回收问题,笔者以合肥市为例进行深入研究,深入调查了解废品回收的现状以及在当下“互联网+废品回收”模式的可行性与必要性。在调查了解的前提下对该模式的优势以及局限性进行分析并提出相关建议。
- 张燕陈赟江雪珺汪佳万紫薇
- 关键词：循环经济环境保护
- 大语言模型对抗性攻击与防御综述被引量：1
- 2025年
- 随着自然语言处理与深度学习技术的快速发展,大语言模型在文本处理、语言理解、图像生成和代码审计等领域中的应用不断深入,成为了当前学术界与工业界共同关注的研究热点.然而,攻击者可以通过对抗性攻击手段引导大语言模型输出错误的、不合伦理的或虚假的内容,使得大语言模型面临的安全威胁日益严峻.对近年来针对大语言模型的对抗性攻击方法和防御策略进行总结,详细梳理了相关研究的基本原理、实施方法与研究结论.在此基础上,对提示注入攻击、间接提示注入攻击、越狱攻击和后门攻击这4类主流的攻击模式进行了深入的技术探讨.更进一步地,对大语言模型安全的研究现状与未来方向进行了探讨,并展望了大语言模型结合多模态数据分析与集成等技术的应用前景.
- 台建玮杨双宁王佳佳李亚凯刘奇旭贾晓启
- 关键词：防御策略网络空间安全
- 基于流形邻域保持嵌入分布对齐的轴承故障诊断方法
- 2024年
- 基于数据驱动的轴承故障诊断方法应用时仍面临以下挑战:变工况下同故障数据样本间分布差异造成的故障诊断准确率下降;缺乏足量且种类完备的实际工况下的故障数据,导致训练的故障诊断模型泛化能力弱。针对此问题,提出一种基于流形迁移学习的轴承跨域故障诊断方法,主要包括4个步骤:利用经验模态分解对原始振动信号进行处理并提取统计特征;基于朴素贝叶斯分类精度与域差异提出域自适应特征评价方法,从原始特征集中选取域适应能力强的特征;提出一种流形邻域保持嵌入分布对齐方法,处理源域和目标域特征集,减小域间分布差异,并训练得到结构风险最小化原则下的域不变分类器,实现轴承跨域故障诊断;最后,采用2种不同的轴承故障数据开展跨域故障诊断实验分析。实验结果表明:所提域自适应特征评价方法能够有效选取更有利于域适应处理的统计特征,提高跨域故障诊断准确率;所提流形邻域保持嵌入分布对齐方法的性能明显优于其他经典特征迁移学习方法,可实现理想的跨域故障诊断性能。在此基础上构建的故障诊断模型在2种轴承故障数据下的跨域故障诊断准确率最高分别可达100%和95.17%,明显优于其他对比模型。
- 钱孟浩李彦廷郑哲刘海盈王晓宁董飞
- 关键词：故障诊断特征提取
- 基于Res2Net和双线性注意力的番茄病害时期识别方法被引量：17
- 2022年
- 针对番茄叶片型病害在早晚期具有类内差异大、类间差异小的特点,常规神经网络对此类病害的分类效果不佳的问题,提出了基于Res2Net和双线性注意力的番茄病害时期识别方法,通过多尺度特征和注意力机制,提高网络的细粒度表征能力。首先,提出EFCA通道注意力模块,在不降维的基础上,使用二维离散余弦变换代替全局平均池化,以减少常规通道注意力获取时的信息丢失。其次,在外积之后加入最大池化和concat操作,避免双线性融合后因维度过高导致的特征冗余。在7种不同种类和14种不同程度病害番茄叶面型病害数据集实验中,本文方法分类准确度分别为98.66%和86.89%。
- 贾兆红张袁源王海涛梁栋
- 关键词：神经网络
- 基于卷积块注意力胶囊网络的小样本水稻害虫识别被引量：17
- 2022年
- 针对真实复杂背景下小样本水稻害虫识别模型泛化能力弱,易受复杂背景干扰以及重要特征表达能力不强等问题,提出了一种基于卷积块注意力胶囊网络的小样本水稻害虫识别方法。采用数据增强的方法扩充数据,以提高模型的泛化能力同时预防过拟合;利用GrabCut算法去除图像中的复杂背景,减小复杂背景对水稻害虫识别的干扰;将空间注意机制和通道注意机制相结合的卷积块注意模块(Convolutional block attention module,CBAM)引入到胶囊网络中,提高模型对水稻害虫特征的表达能力,使模型关注重要特征,抑制不必要的特征。其中胶囊网络主要用来更加敏锐地发现小样本图像中水稻害虫的相对位置和角度等信息。结果表明:在对复杂背景下小样本水稻害虫的识别时,本研究方法准确识别率达99.19%,优于支持向量机(Support vector machine,SVM)、k近邻(k-nearest neighbors,kNN)等浅层网络方法,也优于VGG16、GoogLeNet以及Mobilenet等深度网络方法,可实现复杂背景下的小样本水稻害虫的准确识别。
- 曾伟辉唐欣胡根生梁栋
- 关键词：水稻害虫害虫识别
- 多用户MIMO-MEC网络中基于APSO的任务卸载研究被引量：3
- 2024年
- 在移动边缘计算(Mobile Edge Computing,MEC)系统中引入多输入多输出(Multiple Input Multiple Output,MIMO)技术与数据压缩技术,能够降低数据冗余度和提高数据传输速率,从而降低任务的执行时延与能耗。针对具备数据压缩功能的多用户MIMO-MEC网络,研究了多用户任务卸载问题。通过联合优化任务卸载比例、数据压缩比例、发送功率、计算频率和信道带宽,来最小化系统总时延。在能耗、功率和带宽等约束条件下,将任务卸载归纳为一个非凸优化问题。由于能耗约束较为复杂,构造罚函数将其归并,得到一个相对简单的等价问题。将所有优化变量视为一个粒子,基于自适应粒子群优化(Adaptive Particle Swarm Optimization,APSO)框架提出多用户的任务卸载方法。由于粒子更新时可能违反约束条件,提出的方法对粒子越界的情形进行了特别处理。该方法能自适应地调整惯性权重来提高寻优能力和收敛性,通过不断迭代最终获得最优或者次优解。仿真实验评估了所提卸载方法的性能,分析了用户数、任务计算强度等参数对系统性能的影响。结果表明,提出的方法优于本地计算、传统粒子群优化(Particle Swarm Optimization,PSO)算法等对比方案,能够有效降低系统的任务执行时延。
- 顾敏徐雅男王辛迪花敏周雯
- 关键词：多输入多输出粒子群优化
- 南极臭氧柱总量的时空变化特性与影响因素分析被引量：2
- 2023年
- 利用大气本底站监测数据验证了大气红外探测仪(AIRS)反演数据(2003年3月―2021年2月),在此基础上基于AIRS数据分析了南极臭氧柱总量时空分布以及变化特性,并进而利用线性回归、相关性分析、小波分析等方法,结合平流层温度和海冰数据,分析了南极臭氧柱总量变化特征的影响因素。结果表明:AIRS反演数据与大气本底站监测数据的相关系数均在0.945以上,具有较高的准确度和平稳性。南极臭氧柱总量的时间变化具有很强的周期性,谷值与谷值交替约为12个月。通过小波时-频结合分析发现,南极臭氧柱总量明显存在时间尺度为2、4、6、8~10、13年的周期,其中震荡最剧烈的第一主周期13年又以10年为周期变化,第二主周期6年又以4年为周期变化,2003―2021年内第一主周期经历了2次高-低变化期,第二主周期经历了4次高-低变化期。臭氧柱总量随季节变化明显,春季是南极臭氧柱总量最高的季节,冬季、夏季、秋季依次次之。南极臭氧的空间分布特征差异较大,总体来看纬度越高,臭氧柱总量越低,并在85°S附近达到最低值。南极洲大部分区域平流层温度与臭氧柱总量呈显著正相关,统计结果显示当平流层温度小于189K时会出现臭氧洞;南极海冰范围与南极臭氧柱总量变化基本一致,两者皆存在2、6~8、12~14年的变化周期,但海冰范围变化要早一个月。
- 唐超礼郝德卫魏圆圆戴聪明魏合理
- 关键词：小波分析
