课程文献中心 更多>>

摘要： 在高中数学的学习过程中,听讲、做题是学生掌握知识的重要方法,但是如果学生长期处在这样的学习环境下,那么就很容易产生疲倦心理,而且学生的发散思维和创造性思维也会被限制.为了激活学生的思维,提高知识学习的效率,让学生把握住知识点间的关系,思维导图学习法未尝不是一种好方法.学生在搭建导图的过程中,能够进一步理解知识间的关系,建立起系统的知识体系.下面具体分析.

关键词： 聚类   密度峰值   k近邻图   相对路径距离   两级分配策略  

摘要： 密度峰值聚类(density peaks clustering, DPC)算法简单高效,能够识别任意形状簇,但在处理簇间密度差异大的数据集时,不能准确识别出簇中心.同时,其分配策略可能会导致连续的分配错误.为解决上述问题,提出一种基于k近邻图的密度峰值聚类(kNNG-DPC)算法.首先,算法利用k近邻思想构造k近邻全局图和局部图,并在此基础上提出新的局部密度和相对路径距离,从而保证簇中心选取的正确性;然后,制定一种两级分配策略,对不同密度大小的数据点采用不同的分配策略,以避免出现连续的分配错误.在10个合成数据集和8个真实数据集上,将kNNG-DPC算法与6种优秀的聚类算法进行对比.实验结果表明, kNNG-DPC算法的聚类表现优于对比算法,能获得更好的聚类结果.

关键词： 多智能体系统   集合一致性   集合稳定性   领导-跟随  

摘要： 针对领导智能体和跟随智能体可能发生碰撞的情况，结合实用一致性和恒同一致性特点，本文提出并研究领导-跟随多智能体系统的集合一致性。首先，选取不含零的有界集合，给出集合一致性的概念；然后，设计合适的分段牵引控制协议，建立误差系统，将多智能体系统的集合一致性问题转化为误差系统的集合稳定性问题，得到加权有向网络拓扑结构下多智能体系统达到集合一致的充分条件；最后，数值模拟验证理论结果的正确性。

关键词： 结构安全   结构可靠度   功能函数   随机变量   概率密度函数  

摘要： 功能函数的概率分布的计算是不确定性量化及可靠度设计中的核心问题，最近提出的等效期望法是解决该问题的有效途径。本文提出了一种改进的等效期望法。针对既有等效期望法中的辅助变量取值对其概率分布有重要影响的问题，提出了辅助随机变量标准差系数的合理计算公式，得到了更为精确的辅助函数的概率分布。同时，针对既有等效期望法中由两个辅助函数的概率分布计算功能函数的概率分布时存在的计算精度问题，本文仅用一个辅助函数推导了功能函数概率分布的计算公式，提出了一种由辅助函数到功能函数的概率分布精确理论变换，使得功能函数概率分布的计算更为精确。最后通过三个算例验证了该方法的有效性和准确性。结果表明，该方法适用于高维非线性或隐式功能函数的概率分布近似计算。

关键词： 子全域(SED)基函数   区域连接模型(CRM)   快速偶极子方法(FDM)   大规模介质-金属复合周期结构  

摘要： 在计算大规模介质-金属复合周期结构的电磁散射时，传统积分方程方法存在未知量大、存储占用多和计算时间长等问题。本文采用广义Poggio-Miller-Chang-Harrington-Wu-Tsai (PMCHWT)-电场积分方程(electric field integral equation， EFIE)方法计算均匀介质金属复合结构的电磁响应。该方法通过在分界面处设置区域连接模型(contact-region modeling， CRM)来保证边界处的连续性。为加速子阵列阻抗矩阵填充，本文采用快速偶极子方法(fast dipole method， FDM)来提高计算效率并降低内存占用。结合子全域(sub-entire-domain， SED)基函数方法，子阵列的电流分布特征可被推广到大规模介质金属复合周期结构的电磁场计算中。数值算例表明，该方法能够在保证计算精度的同时大幅度降低计算代价，内存占用降低至商业软件Altair FEKO(使用快速多层多级子方法)的1/10，计算误差在2.6 dB以内。

关键词： 图神经网络推荐算法   双通道注意力机制   时间编码  

摘要： 针对多数图神经网络推荐算法未结合时间信息导致信息浪费和推荐结果不准确的问题，本文提出融合双通道注意力和时间编码的图神经网络推荐算法（GUITRec）。该模型充分利用数据集中信息，将用户自身特征、物品信息及用户与物品交互行为建为图结构，通过图神经网络进行数据聚合以形成用户和物品表征行为，从而更全面地捕捉两者特征及关系。其次，引入双通道注意力机制（CBAM）为用户和物品表征行为赋予不同权重，使模型依据权重进行深度学习，更关注重要特征信息。最后，引入时间编码器模型对用户与物品交互时间及用户位置编码，新增日、周、月周期编码和位置编码，充分挖掘时间和位置信息，为推荐提供更丰富上下文。在Ciao数据集上进行实验，在MAE、MSE和RMSE 三个评价指标上，GUITRec 均优于基线模型。

关键词： 视觉传达理论   思维导图教育   行为训练   纤维支气管镜  

摘要： 目的:探究基于视觉传达理论的思维导图教育配合行为训练对纤维支气管镜检查患者心理状态及配合度的影响。方法:选取2021年3月至2023年3月在菏泽市立医院接受纤维支气管镜检查的612例患者，根据入院时间分为常规组和研究组，各306例。常规组给予常规护理，研究组给予基于视觉传达理论的思维导图教育配合行为训练护理。于护理前、检查前后(检查前1 h、检查后5 min、检查结束)对比两组患者的应激反应指标(血压、心率、血氧饱和度)水平变化，采用焦虑自评量表(SAS)和抑郁自评量表(SDS)评估护理前、检查前1 h和检查后的心理状态;对比两组患者检查期间的配合程度和不良反应发生情况，采用视觉模拟评分法(VAS)评估两组患者检查的舒适程度。结果:检查期间，两组患者总不良反应发生率[10.13%(31/306)，9.15%(28/306)]比较差异无统计学意义( P>0.05)，检查结束后，研究组VAS评分低于常规组，配合度高于常规组，差异有统计学意义( P<0.05);护理前，两组SAS、SDS评分、血压、心率和血氧饱和度比较差异无统计学意义(均 P>0.05)，检查后5 min，研究组患者SAS、SDS评分、血压和心率均低于常规组，血氧饱和度高于常规组，差异有统计学意义(均 P<0.05)。 结论:基于视觉传达理论的思维导图教育配合行为训练能有效降低纤维支气管镜检查患者应激反应，减轻其焦虑和抑郁情绪，提高患者的护理舒适度和护患配合度。

关键词： 多模态   情感分析   模态差异性   信息冗余   自适应图学习   跨模态注意力   相似性约束   信息瓶颈  

摘要： 在多模态情感分析任务中，由于不同模态表现方式的不一致性，模态间的情感信息密度具有较大的差异。为了平衡情感信息在不同模态中分布的不均匀性并减少多模态特征表示的冗余性，提出了一种基于自适应图学习权重的多模态情感分析方法。首先，采用不同的特征提取方法捕获单一模态内的特定信息；其次，将不同模态通过公共编码器映射到同一空间中，利用跨模态注意力机制来显式构建模态间的关联；然后，将每种模态对任务分类的预测值以及模态表示嵌入到自适应图中，通过模态标签学习不同模态对最终分类任务的贡献度来动态调整不同模态之间的权重，以适应主导模态的变化；最后，引入信息瓶颈机制进行去噪，旨在学习一种无冗余的多模态特征表示进行情感预测。在公开的多模态情感分析数据集上对所提出的模型进行了评估。实验结果表明，其有效提升了多模态情感分析的准确性。

关键词： 多通道融合   故障诊断   胶囊图神经网络   对称点模式  

摘要： 针对传统电机故障诊断方法依赖专业知识和经验，且在处理复杂数据时精度不高的问题，提出了结合彩色图像融合的对称点模式与多通道融合残差图胶囊网络（multichannel residual fusion graph capsule network，MCFRes-CapsGNN）的电机故障诊断方法。通过对称极坐标变换技术构建雪花图，并结合彩色多通道融合技术整合多传感器信号，生成彩色融合图像，以优化信号特征的视觉表征。利用超像素分割技术将图像划分为超像素块，并依据其纹理、颜色和距离特征构建图结构数据。使用MCFRes-CapsGNN模型对图结构数据进行处理，通过构建胶囊提取图数据特征，有效捕捉数据中的层次结构和复杂空间关系，增强特征学习能力。实验结果表明，所提方法在常规故障类型的诊断上准确率达到98.12%，优于其他智能故障诊断算法。

关键词： 图神经网络   图池化   多粒度   偏序关系   节点分类任务   图表示学习   半监督学习   图嵌入  

摘要： 图池化作为图神经网络中重要的组件，在获取图的多粒度信息的过程中扮演了重要角色。而当前的图池化操作均以平等地位看待数据点，普遍未考虑利用邻域内数据之间的偏序关系，从而造成图结构信息破坏。针对此问题，本文提出一种基于偏序关系的多视图多粒度图表示学习框架(multi-view and multi-granularity graph representation learning based on partial order relationships， MVMGr-PO)，它通过从节点特征视图、图结构视图以及全局视图对节点进行综合评分，进而基于节点之间的偏序关系进行下采样操作。相比于其他图表示学习方法，MVMGr-PO可以有效地提取多粒度图结构信息，从而可以更全面地表征图的内在结构和属性。此外，MVMGr-PO可以集成多种图神经网络架构，包括GCN(generative adversarial network)、GAT(graph attention networks)以及GraphSAGE(Graph SAmple and aggreGatE)等。通过在6个数据集上进行实验评估，与现有基线模型相比，MVMGr-PO在分类准确率上有明显提升。