基于深度学习的水产病害可视化知识图谱构建与验证

知识图谱本质上是基于图的语义网络，表示实体与实体之间的关系，在知识问答、语义检索等领域起着至关重要的作用。针对目前水产病害领域存在实体关系交叉关联、多源异构数据聚合能力差、利用率低、知识共享困难等问题，该研究基于自然语言处理和文本挖掘提出了一个基于神经网络深度学习模型的水产病害专业领域知识图谱构建方法并进行试验验证。首先，构建水产病害专业领域本体，并预定义实体类型、属性和关系的集合，确定知识抽取边界；其次，在本体基础上，分别利用规则方法和深度学习方法对半结构化和非结构化知识进行抽取。对于非结构化知识，提出“水产病害+关系+BMES”文本标注体系，将关系抽取融合于命名实体识别任务中直接对三元组建模，将实体关系抽取转化为序列标注问题，不仅提高标注效率，还实现了实体和关系的联合抽取。同时通过标签匹配和映射对三元组建模获得RDF数据，解决了重叠关系抽取的难题。利用BERT-BiLSTM+CRF端到端模型进行试验，试验结果证明该三元组抽取方法具有较高的召回率（89.64%），准确率（94.04%）和F₁值（91.34%），优于CNN+BiLSTM+CRF和BiLSTM+CRF等模型，抽取效果有了显著提升，并将抽取到的知识存储到 Neo4j 图数据库中，实现知识可视化管理及知识推理分析。该研究构建的水产病害知识图谱精度高、粒度细，能够帮助机器理解数据、解释现象、知识推理，从而发掘深层关系、实现智慧搜索与智能交互。     

棉花和瓜类上棉蚜相互转换后取食行为的EPG研究

实验采用 EPG技术测定了棉花和 3种瓜类上棉蚜转换后的取食行为 ,结果表明 ,西瓜、黄瓜和南瓜上的棉蚜转接到棉花叶片上取食 ,均可出现 A、B、C、E、F和 G6种取食波 ,其中寻食刺探的次数和时间均较少 ,且每次达到韧皮部吸取营养的时间长于 1 0 min。而棉花上的棉蚜转到黄瓜叶片后 ,寻食和刺探的时间占整个处理时间的95 %以上 ,口针到达韧皮部的次数少、持续时间很短。黄瓜叶片不利用于棉花上棉蚜的取食     

Spatio-temporal channel assignment in multi-radio wireless mesh networks

A method of spatio-temporal channel assignment based on graph decomposition was proposed to solve the ripple effect and link failure problem in multi-radio wireless mesh networks. Network topology was decomposed into subgraphs in several time slots to extend channel assignment from spatial domain to time domain. Then, graph coloring algorithm was used to optimize the channel assignment on the basis of the subgraph in each time slot. Each subgraph obtained channel resource dynamically according to the network constraints to improve the channel assignment efficiency. Simulation results show that, compared to static channel assignment scheme, the impact of negative factors, such as the ripple effect and link failure caused by channel switching, are effectively confined with this strategy. The network throughput is increased at least by 30% while satisfying the constraints on the number of radios and the number of network channels.     

Layout about Motion of Robot basedon Ant Algorithm

Over the last few years, ant algorithm has come out and gradually got much attention.This algorithm, which is stochastic and all purpose, simulates the characteristics of action ants searching for food in nature. When working, a mobile robotis required to walk along an optimized (or approximately optimized) route according to a certain rule.By maklink graph, the moving space of Robot is described.Using Ford algorithm,a preliminary route is gained.Then, exerting Ant algorithm, we optimize the preliminaryroute and acquiresatisfactory effect.     

含对称非零元的奇数阶本原矩阵的指标集

本文证明了:当n为奇数时,含对称非零元的n阶本原矩阵类B的指标集E_B的上确界为3n-4;并且E_B={1, 2, …, 3n-4},不存在缺数段;又设N(A)是A中含正元的个数,则A是含最少正元的n阶本原矩阵的充要条件是A同构于定理6中的A.     

图论在供水管网分析中的应用

本文将图论概念引入进行管网分析,并建立了供水管网中常见元件——水塔(池)、供水泵、减压阀、逆止阀、增压泵的图论数学模型。对实例电算分析表明,这种方法计算速度快,收敛性好,便于对多水源的复杂管网进行水力计算。     

基于装配特征图树的装配模型与建模方法

通过研究设计信息的映射机理，提出了一种基于装配特征图树的装配模型，并且用符号对其进行了表示，通过建立的特征基本操作的映射算法，可以方例地建立装配模型，实现从功能到结构的映射，而且避免了约速求解中出现的闭环求解的现象，从而实现了概念设计和详细设计的一体化。     

多模态知识图谱增强葡萄种植问答对的答案选择模型

针对传统答案选择模型仅依靠问答对自身信息进行匹配的问题,该研究提出了一种使用多模态知识图谱来增强问答对的答案选择模型。该模型通过设计基于ComplEx（complex embedding）图谱嵌入的方法学习多模态知识图谱嵌入,引入上下文注意力机制并使用CNN网络获取多模态知识图谱的特征表示,使用知识感知注意力方法,将多模态知识图谱提供的背景知识与问答对的文本语义信息融合。以葡萄种植为例,通过搭建葡萄种植多模态知识图谱和构造葡萄种植问答数据集开展试验,试验结果表明: 使用多模态知识图谱有助于模型获取更多信息从而达到更好的效果,在葡萄问答数据集中正确答案的平均倒数排名和平均准确率分别达到了85.02%、84.21%,与其他模型相比平均倒数排名提高2.57个百分点,平均准确率提高了3.96个百分点。该答案选择模型利用多模态知识图谱的知识提高答案选择效果,可为搜索、问答等下游任务提供技术基础。     

基于图像三维连通性识别方法的长江流域干旱事件特征

全球变化背景下,干旱事件频发给区域水资源管理和社会经济可持续发展带来了巨大挑战,科学合理地辨识干旱发生发展过程一直是干旱研究领域的前沿与难点。该研究将图像三维连通性识别方法应用于气象干旱事件的识别和提取。在长江流域的应用表明此方法识别出的干旱事件与历史记录的吻合度较高,能有效识别气象干旱事件。基于1960—2015年标准化降水蒸散发指数(Standardized Precipitation Evapotranspiration Index, SPEI),长江流域共发生281场气象干旱事件,其中长历时干旱事件(历时大于4个月)64场。长历时干旱事件在流域中部发生次数多于东部和西部,2000年之后的发生频次、干旱面积和干旱强度大于2000年之前,单场事件发展方向以西北和东南为主。整体上,干旱事件发生频次和干旱强度在长江流域中部呈增加趋势,在流域东部和西部呈减小趋势。该研究有助于探索长江流域干旱事件发展演变规律。     

基于EPG技术分析苜蓿品种对苜蓿蚜的抗性

为明确6个苜蓿品种对苜蓿蚜Aphis craccivora的抗性差异机理,观察苜蓿蚜在不同苜蓿品种植株上的取食选择行为,利用刺吸电位（electrical penetration graph,EPG）技术判定取食过程中所出现的波形,并筛选适宜参数作为对不同苜蓿品种抗蚜性的评价指标。结果表明,苜蓿蚜在取食苜蓿时呈现出Np、Pd、A、B、C、E1、E2和F波共8种波形。苜蓿的抗虫位点主要存在于苜蓿植株的表皮、叶肉和韧皮部,当苜蓿蚜开始取食时,中苜2号的抗虫位点在叶表面,但抗性较弱,第1次刺探的发生时间迟,为16.00 min,E2波的总持续时间长,为26.99 min;赛迪7的抗虫位点集中在叶肉和韧皮部且抗性强,E2波的持续时间短,为5.00 min;金皇后的抗虫位点出现在第1个E2波之后,第1次E2波后的E1波个数为7.78个,即韧皮部的抗性最强。苜蓿蚜在不同苜蓿品种上的取食行为各异,且不同品种的抗虫位点和抗虫机制不同。聚类分析结果显示,6个苜蓿品种对苜蓿蚜的抗性存在差异,其中赛迪7的抗性最强,中苜2号的抗性较弱。