摘 要:针对离散生产客诉服务中技术文档非结构化、业务数据割裂以及大模型在该领域易产生“幻觉”的问题,设计了基于图检索增强生成的智能问答系统。提出了面向质量追溯系统的生产缺陷知识图谱与领域知识库构建方法,并融合Leiden社区检测算法与混合检索策略,增强了问答系统的准确性与可解释性。实验采用某轴承企业的售后历史数据验证,在RAGAs(Retrieval-Augmented Generation Assessment score)评估框架中较通用GraphRAG方法综合得分提升了8.60分,验证了它在专业领域知识抽取、组织与应用方面的可行性与实用性。
摘 要:针对工业环境下带钢表面缺陷检测任务中存在的缺陷尺度多样、背景复杂、模型计算量大等问题,提出一种轻量级检测模型 IDM-YOLO。该模型以 YOLOv5s 为基础,引入 FReLU(Flexible Rectified Linear Unit)激活函数增强空间细节感知能力,采用 C3Ghost 模块减少冗余参数与计算量,并集成无参数 SimAM(Simple Attention Module)注意力机制以强化对缺陷特征的关注。在 NEU-DET 数据集上的实验结果表明,IDM-YOLO 的平均精度均值(mAP)达到 0.852,较原 YOLOv5s 提升 7.2%,参数量减少 34.7%,计算量降低 34.8%,推理速度达到 58 FPS,在保持高精度的同时显著提升了模型效率,适用于资源受限的工业嵌入式设备部署。
mailycj@163.com; love_truth@126.com; huixinhe@qq.com; liujyx123@163.com; duanyanfeng@gmail.com; huangxin@nbu.edu.cn 摘 要:针对心肌病诊断“多源信息过载”“知识更新滞后”及传统大模型“幻觉频发”等痛点,提出基于检索增强生成(Retrieval-Augmented Generat
摘 要:为突破传统单站点空气质量预测模型捕捉污染物空间关联的局限,提出一种融合智能邻接矩阵的图卷积-长短期记忆网络(GCN-LSTM)模型。该模型通过构建综合地理距离、 PM2.5 浓度时序相关性与站点数据质量的智能邻接矩阵,精准刻画多站点间的动态空间依赖关系。结合图卷积网络(GCN)与注意力机制提取空间特征,并与长短期记忆(LSTM)协同建模时序动态以实现目标站点 PM2.5 浓度高精度预测。实验结果表明,相较于基准LSTM模型,GCN-LSTM模型预测精度显著提升,决定系数 (R2) 达0.8996,均方根误差(RMSE)和平均绝对误差(MAE)分别降至4.93和3.32,验证了智能空间特征建模的有效性,为城市空气质量精准预测提供新思路。
摘 要:针对小麦叶片病害检测中目标尺度变化大、边缘模糊、纹理复杂以及传统方法在复杂田间环境下检测精度不高的问题,提出一种基于改进 RT-DETR(Real-Time DEtection TRansformer)的小麦叶片病害目标检测算法。在 RT-DETR 基础上提出 4 项关键改进:采用 960×960 尺寸大尺度图像进行初始训练以扩大模型感受野,增强对复杂场景中空间层次与纹理细节的表征能力,然后以大尺度训练模型作为预训练权重进行参数微调;在传统 P3~P5 特征金字塔基础上引入 P6 层,通过更大感受野获得超大尺度语义信息,增强对大尺度病害目标整体结构的表征能力;使用 Haar Wavelet Downsampling 频域下采样模块,采用离散小波变换替代传统下采样,将特征分解为低频结构分量和多方向高频细节分量,保留边缘与纹理信息;采用 ChannelTransformer_PLUS 融合机制,通过跨尺度通道耦合实现全局建模,增强多尺度特征的一致性表达。实验结果表明,与原模型相比,改进后的模型 mAP@0.5 提高了 2.8 个百分点, mAP@0.5:0.95 提高了 2.7 个百分点,精确率提高了 4.4 个百分点,在复杂田间环境下表现出更强的鲁棒性。所提算法通过分阶段训练、P6 层扩展、频域下采样和跨尺度注意力融合的协同优化,有效解决了大尺度病害目标检测中的关键技术难题,为智慧农业中的作物病害精准识别提供了高效可靠的技术方案。
摘 要:针对企业云原生环境中 Kubernetes 默认调度器在异构资源和多样化工作负载调度中暴露出的响应延迟高、资源碎片化严重和集群稳定性不足等行业共性问题,展开优化研究。尽管已有研究采用多目标决策和机器学习等方法对调度策略进行改进,但仍普遍存在优化目标单一、动态适应能力弱、对实时敏感任务支持有限以及对集群健康状态关注不足等缺陷。为此,提出一种任务驱动的 Kubernetes 异构任务调度模型。该模型结合改进的 TOPSIS(逼近理想解)多准则决策与事件触发机制,实现对多维资源的动态评估与节点综合排序,并通过资源预留及并行绑定策略显著降低调度延迟。实验结果表明,该模型在调度延迟、I/O 及内存压力等多个性能指标上均显著优于传统调度器及典型优化算法,能够有效提升高并发异构环境下的资源利用率与系统稳定性,为行业提供了一种兼顾效率、实时与稳定性的调度解决方案。
摘 要:锂离子电池的健康状态(SOH)与剩余使用寿命(RUL)精准预测是电池管理系统(BMS)的核心功能。针对电池容量退化过程中的高度非线性、长期依赖性及局部容量再生现象带来的不确定性挑战,提出一种融合经验模态分解(EMD)、长短期记忆(LSTM)网络与高斯过程回归(GPR)的创新数据驱动框架。该框架通过 EMD 将原始容量序列自适应分解为表征局部波动的高频本征模态函数(IMFs)和表征长期退化趋势的低频残差(residual)分量。LSTM 网络被用于捕捉残差中的长期依赖关系,而 GPR 则专门拟合 IMFs,以量化由容量再生引起的不确定性。最终通过分量融合实现全概率预测。在美国国家航空航天局(NASA)和美国马里兰大学能源研究中心(CALCE)公开数据集上的实验结果表明,所提模型在 1 步预测中的均方根误差(RMSE)低至 0.0032,显著优于单一模型及其他混合模型。多步及早期 RUL 预测结果进一步验证了该模型在精度(最大误差<1.8%)、鲁棒性及不确定性量化(95%置信区间有效覆盖真实值)方面的卓越性能,为电池健康管理提供了可靠的理论与工程实践工具。
摘 要:在人工智能迅猛发展的背景下,针对现有共识决策中信息主观性强等问题,引入群智知识挖掘机制。考虑个性化语义的动态变化和专家信任关系对语义变化的影响,提出一种考虑信任关系和持续学习的个性化语义共识决策方法。首先,基于大语言模型等方法挖掘社交媒体中的群智知识,进而构建评价属性体系;其次,考虑专家间的信任关系,结合一致性驱动方法建立持续学习的个性化语义量化模型;最后,通过共识测量识别非共识决策者,通过反馈调整规则生成偏好修改建议,达成共识后得到决策结果。通过无人机选型的案例分析,从群体共识度等方面验证了该方法的有效性和实际性。结果表明,所提方法可有效捕捉语义的动态变化。
✉ wuhaozhe2025@163.com; pingxin_wang@hotmail.com 摘 要:针对传统聚类方法在特征判别性和样本不确定性处理方面的不足,提出了一种融合深度嵌入特征学习、对比学习、焦点损失与三支决策机制的深度聚类方法 DE3WC。该方法基于改进的深度嵌入聚类框架,在特征提取阶段引入对比损失以增强特征判别性,在聚类阶段结合三支决策思想划分核心域、边界域与琐碎域,进一步
✉ laihup@zstu.edu.cn; 2817408175@qq.com; 329173315@qq.com; ab55599@qq.com 摘 要:针对瓶盖工业生产中缺陷检测的精度与效率问题,提出一种新型单元门控神经网络(CGNet)框架。CGNet采用规则网格将输入图像划分为子图像单元(Cell Block),融合位置编码与通道门控机制,对RGB三通道特征进行并行提取,并利用门控控
摘 要:针对现有内存取证工具及研究多聚焦于现代加密算法的密钥提取,对传统 DES 密钥缺乏针对性搜索能力,导致处理 DES 加密数据时取证效率与完整性受限等问题,提出了一种面向内存取证的 DES 密钥搜索算法。首先,基于 OpenSSL 库中 DES 密钥的反混淆机制,解析其初次字节调换与二次位运算的混淆逻辑,通过逆向循环移位、字节置换及滑动窗口定位,将字节混淆序列还原为标准子密钥;其次,通过汉明距离结构验证方法,利用 DES 轮密钥循环群关系,通过 PC-2 逆置换、循环右移及汉明距离计算验证候选密钥合法性,结合位填充补全置换丢失位;最后,通过熵阈值过滤策略,基于 DES 子密钥高熵特性,选定熵阈值最优值。实验结果表明,该算法的搜索性能良好,在多次实验中误检率均为 0,漏检率在选取最优熵阈值的情况下仅有 7%。
摘 要:针对医疗物联网(IoMT)中健康数据授权复杂、权限调整困难等问题,提出一种融合属性基加密与群组化管理的访问控制机制。基于属性基加密构建细粒度访问策略,并群组化处理具有相近访问需求的用户,实现权限集中配置。同时引入区块链记录授权更新与访问行为,实现审计追踪不可篡改。安全性分析与实验结果表明,在群组化授权和周期性权限调整场景下,群组化属性基加密机制在保证细粒度控制与可审计性的同时显著降低管理开销,在本地单线程 Java 实现前提下,重加密令牌生成在 30 人规模下仅约为 0.025 ms,标准差为 0.004 ms,密文更新稳定在 7.5 ms 内,标准差为 1.4 ms,且几乎不受属性和成员数影响,具备良好的可扩展性与实用性。