保温杯真空度缺陷检测方法与系统开发
这是一篇关于保温杯,真空度,机器学习,机器视觉,数据压缩的论文, 主要内容为不锈钢真空保温杯作为人们生活中常用的保温容器,在其生产过程中,必须严格保证其保温性能,其中真空度的好坏是衡量保温杯保温性能的关键指标。目前,大多数厂家对保温杯真空度的检测,依旧采用热风注入,人工判断的方法。这种检测方法的缺点:耗费大量的电力能源、耗费人工、自动化程度低、效率低。为了改善这种现状,本文对保温杯真空度检测方案进行研究,提出了三种检测真空度好坏的方法。并对其检测系统进行设计与开发,主要做了如下工作:(1)提出了称重法检测保温杯真空度的方法,设计了基于称重法检测保温杯真空度的方案,称重法检测真空度的原理是:将保温杯放入真空箱内进行抽真空,抽真空过程中,真空层焊接口处漏气的保温杯与正常保温杯的重量变化明显不同。本文通过检测不锈钢真空保温杯真空层的密封性,对保温杯真空度进行分类,从而衡量保温杯的保温效果。完成了系统的总体结构,设计了以工控机为主控、PLC为从控的控制系统,对各器件进行了选型,搭建了整个系统。基于SVM设计了保温杯加权分类算法。完成了系统软件的编写,基于触摸屏开发了系统的交互界面。(2)提出了两种保温杯真空度批量检测方案,一种基于温度传感器阵列的保温杯真空度批量检测方法,另一种基于红外相机的保温杯真空度批量检测方法。采用Solidworks详细设计了两种检测方案的机械结构,包括上料、运送装置、测温单元、分拣框架等。(3)针对基于红外相机的保温杯批量检测方案设计了保温杯批量识别算法。对比了图像预处理中的方法,确定了保温杯红外图像的预处理方法与流程,设计了基于Hough变换的保温杯中心定位算法,实现了对保温杯的批量识别与定位。(4)对保温杯降温过程中的分类方法进行研究,针对温度降温序列数据维度过大的问题,采用分段线性表示PLR算法对数据进行压缩处理。针对温度序列特点,提出基于时间点加权的欧式距离对时序数据相似性进行度量,通过实验对比不同分类方法的准确率,最终选择1-NN算法对保温杯降温过程的温度序列进行分类。对基于红外相机对保温杯批量检测方案的整体流程进行软件开发,根据系统的核心功能实现了交互界面。
众筹众创教育资源个性化推荐系统设计与实现
这是一篇关于个性化推荐,知识图谱,知识推理,机器学习的论文, 主要内容为随着当今互联网传输技术的不断变革,网络上的数据资源出现爆炸性的增长,人们对于自我学习和信息获取的需求不断增加,学习提高自身的途径也不断增加。这类趋势也使得传统教育的方式向着数字化、网络化发展。一方面数字教育资源的规模仍在不断扩大,另一方面众筹众创的教育模式也受到更多的关注。在这样的背景下,基于众筹众创模式的网络化教育模式作为当今在线教育模式的主流,具有很强的周期性和开发价值。数字教育的数据规模已经远远超出了传统模式,且由于数字资源来源广泛,数据的存储结构形式具有一定的复杂性,不易分类与查找。为了缓解教育数据过载的影响,并提升用户对数字资源的利用率,需要能够理解用户的兴趣和品味并准确的定位资源,提出个性化的建议。本文对众筹众创模式下的数字资源推荐技术进行了研究,并在此基础上设计与实现了教育资源个性化推荐系统,本文主要内容如下:1)提出一种改进的基于向量表示的知识推理方法,该方法通过对三元组中关系的处理,提高了知识推理的准确性。2)提出一种改进的协同过滤推荐算法,该方法利用知识图谱的关联搜索取代传统的聚类算法进行资源筛选,并通过一种融合的神经网络模型对目标用户进行推荐预测,取得了更好的推荐效果。3)搭建了一套教育资源个性化推荐平台系统,将众筹众创教育资源的获取整合、知识图谱知识推理补全、个性化推荐模块做了统一的整合调度,并最终呈现给用户,提升了数字教育资源的利用价值。
面向婚恋系统的推荐算法研究
这是一篇关于婚姻匹配,推荐,机器学习,深度学习,小程序的论文, 主要内容为近年来,我国离婚人数逐年上升,给社会带来了诸多负面影响。虽然政府部门在不断努力地尝试通过立法等手段改变这种局面,但不减反增的离婚率依旧是困扰这些部门的棘手难题。有意思的是,现有超过2亿的适龄单身人群,却非常热衷于婚恋交友平台,在一定程度上说明大家并非排斥婚姻,只是没有找到理想的对象。显然,如何为单身用户快速匹配到合适的异性对象,是当今社会急需解决的一个重要课题。现有婚恋平台中不少注册用户量已经过亿,这些大型平台在给单身用户匹配(或推荐)合适异性对象时,既需要克服传统婚姻匹配方法预测能力相对有限的问题,又需要实时快速给出配对结果。因此,本文主要从影响婚姻匹配的影响因素、预测准确率和实时快速推荐几个角度进行考虑,研究提高婚姻匹配质量与效率的方法。主要内容包括:(1)婚姻匹配的影响因素研究本文选用真实的婚姻数据集,基于基本特征、个人信仰、地域差异、教育背景、经济收入和人格特征等六大维度,使用传统分析方法分析了婚姻匹配的影响因素,并引入经典机器学习算法来进行验证。实验结果显示基于人格特征所建模型的AUC指标要比非人格特征所建模型高4%～12%。进一步研究发现,开放性人格和顺同性人格会对婚姻匹配质量起到积极的促进作用,但神经质人格和严谨性人格会对婚姻质量带来一定程度的负面影响。(2)基于召回-排序的推荐算法研究针对传统婚姻匹配方法预测能力相对有限以及推荐效率低的问题,提出了一种适合于大型婚恋系统的推荐算法。该算法由召回和排序两个阶段构成,前者主要通过较简单算法快速筛选出少量候选集的方式来解决效率问题,而后者在此基础上通过更复杂的算法来获得更准确的结果。在召回阶段,通过融合多路召回算法的策略可以筛选出更有效的候选集。在排序阶段,提出一种XGBoost(e Xtreme Gradient Boosting)和DNN(Deep Neural Network)相混合的排序模型,对召回阶段获得的候选集进行预测和排序,更好地实现了异性资源的个性化推荐。跟传统模型相比较,该混合模型的RI(Relative Improvement)指标要高达50.3%,并且混合模型的NDCG(Normalized Discounted Cumulative Gain)排序指标在两种不同的测试状态下都是最优的,分别为0.105和0.742。(3)基于婚恋系统的应用案例分析本文设计并实现了一个婚恋交友小程序秋笔特,通过引入召回-排序算法,并使用真实婚姻数据对模型进行训练。在普通个人电脑上的测试结果表明,当数据规模达到50万时,召回-排序算法的推荐时间依然小于1秒,优于使用传统机器学习方法进行建模预测的时间。不仅如此,与传统婚恋网站(百合网为例)所使用的匹配方式获得的结果对比,本文提出的召回-排序算法的特征召回率要高出1倍。
基于大数据分析的智慧灌溉系统研究与实现
这是一篇关于智慧灌溉,大数据分析,机器学习,土壤墒情预测的论文, 主要内容为淡水资源短缺是世界范围内最严峻的问题之一。淡水资源主要消耗在农业生产过程中,而其中农田灌溉用水占较大比重。因此采用合理有效的节水灌溉措施,使用大数据分析技术展开智慧灌溉系统的研究工作,实现淡水资源合理利用是解决淡水资源供应短缺的关键。本文以都江堰现代化示范性灌区建设项目为背景,结合大数据分析技术和机器学习算法,开发了以实现灌区现代化为目标的智慧灌溉系统。本文将采集到的大量土壤墒情数据和气象数据用机器学习算法进行分析,分别用分类回归树、ARIMA、多元线性回归算法建立土壤墒情预测模型,预测未来3小时内的土壤墒情变化,通过误差分析比较模型预测结果,得出分类回归树算法的实际效果较好,并将其应用在智慧灌溉系统中。灌区内的田间电磁阀会根据预测模型自动调整,且系统中能自动生成灌溉预案,从而实现定时定量的自动灌溉。本文通过前期的需求分析及调研,将系统划分为田间设备管控、管道输水计量监控、灌溉数据展示、实时视频监控、系统综合管理和智慧灌溉分析六个模块。其中田间设备管控模块主要实现设备实时控制、定时控制、自动控制和设备状态监测;管道输水计量监控主要实现管道阀门的远程操作和运行参数的实时监测;灌溉数据展示模块主要将田间中间基站设备采集到的数据进行汇总展示;实时视频监控是实时观测灌区视频直播流;系统综合管理主要是对系统的用户、用户权限、基础数据、日志等基础信息进行管理;智慧灌溉分析主要包含土壤墒情预测和灌溉决策自动生成,设备根据智慧分析的结果进行自主控制。各模块互相配合最终实现智慧灌溉。本系统使用B/S架构开发,通过网站、APP、微信公众号等多渠道实现信息发布。后端实现采用Spring Boot框架,前端实现采用Vue.js框架。系统中使用HBase、MySQL和Redis作为数据库存储。HBase数据库存储历史大数据,作为智慧灌溉分析模块中大数据分析的数据来源,MySQL数据库存储实时监控数据和业务数据,Redis作为缓存保证系统响应速度。本文的研究可提高灌溉用水利用率,实现灌溉用水的有效控制。智慧灌溉系统已在灌区投入运行,能根据采集数据实时预测土壤墒情,并根据土壤情况合理进行灌溉,可以有效节约水资源并保证农副产品产量,具有一定的实际意义。
广州地区典型高层办公建筑近零能耗评估模型研究
这是一篇关于典型高层办公建筑,近零能耗,参数化建模,全局敏感性分析,机器学习的论文, 主要内容为大力推广近零能耗建筑是建筑领域实现双碳目标的重要举措。在近零能耗建筑设计过程中,需采取适宜的主被动节能措施降低建筑本体能耗,并充分地利用可再生能源。对于建筑师来说,准确快速地在各个设计阶段评判不同方案实现近零能耗目标的可能性仍然是一个挑战。因此,本文针对广州地区典型高层办公建筑,建立近零能耗评估模型,并开发适用于不同设计阶段的近零能耗建筑设计评价软件。首先,通过设计图纸调研、文献调研等收集了广州高层办公建筑的典型平面形式、几何特征参数、围护结构热工参数、室内空气设计参数和能源设备参数等建筑能耗影响参数的现状特点,并将本文所研究的典型高层办公建筑(以下简称“典型建筑”)的平面形式定为核心筒式办公建筑。根据《近零能耗建筑技术标准》(GB/T 51350-2019)对典型建筑和典型高层办公建筑的基准建筑(以下简称“典型基准建筑”)在计算能耗时的不同取值规定,分别确定了其变化参数取值范围及固定参数取值。提出参数化建模方法,采用拉丁超立方抽样方法针对变化参数取值范围分别生成多组随机组合,利用R语言和Energy Plus实现了能耗模型的生成和模拟计算,形成典型基准建筑和典型建筑的能耗样本库。通过全局敏感性分析筛选出关键参数分别作为预测模型的输入参数,对比了八种机器学习方法的预测性能,确定采用多元线性回归法分别建立了典型基准建筑能耗预测模型和典型建筑本体能耗预测模型。然后,针对广州地区典型建筑可再生能源优先利用方式——屋顶光伏展开了研究,其节能效益包括光伏发电量和对建筑空调能耗产生的影响。后者主要可以包括光伏板的遮挡作用和光伏背板温度升高所产生的附加长波辐射,根据其影响大小对典型建筑本体能耗预测模型进行了修正。建立了发电量与屋顶光伏安装面积、标准层面积以及楼层数之间的关系并将其作为典型建筑屋顶光伏发电量预测模型。最后,基于已建立的三个模型整合成为近零能耗评估模型并开发了评价软件。应用该软件分析比对了不同设计方案下广州地区典型高层办公建筑的能耗情况,结果表明,智能照明控制的工况下其建筑本体节能率均高于20%,但当楼层数高于19层时,屋顶光伏发电量难以满足其对于可再生能源利用率的要求。本研究为建筑师在各个设计阶段准确快速地评估不同方案实现近零能耗目标的可能性提供了一个评价工具和技术支持,有利于推动广州地区高层办公建筑全面实现近零能耗。
基于机器学习的异构感知映射方法研究
这是一篇关于异构多核处理器,机器学习,性能预测,映射和调度,热安全的论文, 主要内容为近年来,随着半导体技术的发展,处理器中晶体管密度和主频逐渐提高,一方面新增的硬件资源所能带来的每周期性能提升空间越来越小,传统的单核处理器已难以满足人们对计算性能的需求,另一方面随着处理器芯片体积的缩小,而芯片的散热能力增长有限,使得芯片在高负荷运行时的稳定性降低,并造成性能下降。传统的单核处理器已无法满足人们对计算性能以及功耗的需求,加上处理器的应用领域逐渐多元化,对处理器的需求更加多样化,因此异构多核处理器逐渐成为现代计算机系统的主流解决方案。对于异构多核处理器来说,为了充分利用其高性能与低功耗兼具的特点以及异构特性,需要解决的一个重要问题是应用程序的动态映射(调度)问题。一个好的异构调度策略需要能够感知异构处理器各个处理核之间的异构性和应用程序行为的不同特性,在对不同映射方案进行高效评估的基础上,动态地进行应用程序到处理核的映射。这种决定某个线程应该映射到哪个处理核的问题类似于机器学习技术已成功得到应用的推荐系统要解决的推荐问题,因此本文围绕机器学习方法在异构多核调度策略上的应用展开研究。针对异构多核处理系统上的应用程序动态映射和调度问题,提出了一种基于机器学习技术来快速准确评估程序性能和程序行为阶段变化检测技术来有效确定重映射时机从而最大化系统性能的映射和调度解决方案。该方案一方面通过合理选择处理核和程序运行时的静态和动态特征来有效感知异构处理所带来的计算能力和工作负载运行行为的差异,从而能够构建更加准确的预测模型;另一方面通过引入阶段检测技术来尽可能减少在线映射计算的次数,从而能够提供更加高效的调度方案。并通过实验与Linux默认的CFS调度方法进行对比,在系统性能与资源利用率方面均取得了更好的效果。随着处理核数量的增加,当异构多核平台上的处理核处于高负荷运作时,散热系统可能无法满足处理芯片的散热需求,从而发生暗硅危机导致芯片的晶体管资源利用率降低,同时高温环境也将降低芯片的可靠性和寿命。因此为了保证在此情况下调度方法仍能很好的运作,本文在异构感知调度方法的基础上进一步提出了一种使用动态安全功率预算为不同的处理核设置不同的功率预算,尽可能确保在映射后处理核运行时的温度不会高于临界温度,从而避免暗硅危机产生的满足热安全的调度方法,在充分利用功率预算以保证热安全的前提下,尽可能提高系统的吞吐量和资源利用率。
面向心血管疾病的健康管理及风险评估系统的设计与实现
这是一篇关于心血管疾病,健康管理,风险评估,机器学习,加权投票法的论文, 主要内容为心血管疾病(Cardiovascular Diseases,CVD)是典型的慢性疾病之一,近年来,我国CVD患病率总体上呈上升趋势,给社会带来了沉重负担,因此,对其采取有效的干预措施十分重要。另外,智慧医疗在医疗信息化的发展进程中已经成为重要的研究方向,机器学习在医疗领域得到了广泛的应用。基于此,本文提出了面向心血管疾病的健康管理及风险评估系统,不仅实现了检前、检中、检后的全流程管理,并运用机器学习算法构建了 CVD风险评估模型,辅助医生评估患者的患病风险,从而及时采取干预手段。本文的主要研究内容如下:1.对于CVD风险评估模型的构建,本文使用UCI心脏病数据集(UCIHeart Disease Data Set),分别采用多种机器学习算法构建模型,该模型需要具有较高的准确率和真正率,这意味着患病者更容易被正确地预测为患病,从而减少漏诊。根据各模型在测试集上的表现,集成了决策树和逻辑回归算法的加权投票分类模型表现最优,准确率为90.0%,真正率为88.5%,所以,本文最终选用加权投票法构建CVD风险评估模型。2.对于健康管理系统的实现,本文结合医生的需求,按照软件工程的规范,完成了系统的构建。本文使用Spring Boot、Vue作为系统的实现框架,根据各功能模块的需求与设计完成了系统的实现与测试,最终实现了一个功能完备且易于使用的系统,辅助医生对患者进行健康管理以及疾病风险评估,具备一定的实践意义和应用前景。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设导航 ，原文地址：https://m.bishedaima.com/lunwen/46107.html
