摘要:20世纪末复杂网络小世界与无标度特性的发现,使多类复杂系统的结构特性、动力学、决策与控制在21世纪初得到了前所未有的关注与发展.鉴于复杂网络在刻画复杂系统拓扑结构方面的有效性,首先介绍构建具有典型特征静态复杂网络的重要模型与方法,这些模型与方法使复杂网络的构建不再依赖有限且高成本的个体真实交互数据,为多领域研究人员探讨相关科学问题提供了便利条件.其次,随着高精度海量群体交互数据构建采集能力的不断提升,构建随时间演化的动态时序复杂网络成为可能,作为时序网络的一个典型特征,个体交互的时间间隔往往呈现幂律分布,即具有爆发特性,这种爆发特性可显著改变系统中的信息传播、博弈决策过程,鉴于此,总结对真实个体交互数据进行幂律分布定量检验的参数估计方法,介绍泊松过程与排队系统,给出几类时序网络构建的理论与方法.

摘要:面向机器人自主运动的视觉感知技术是实现机器人与环境交互的关键技术之一,边线作为保证机器人运动安全的一种视觉信息,具有广泛的研究价值,而半结构化场景为边线检测带来新的挑战.基于手工提取特征的检测方法在面对非城市环境或路面视觉信息不明显的复杂场景时并不能表现出鲁棒性,利用深度学习方法进行边线检测已成为一种主流趋势.鉴于此,针对半结构化场景下的移动机器人视觉边线检测研究进行综述,考察部分边线检测算法在半结构化场景下的应用前景与应用效果.首先,对常用的边线检测数据集进行整理,从采集场景、标注类型等角度分析当前数据集及研究的侧重点;其次,对不同的方法进行分类与总结,比较检测与数据处理过程;接着,对深度学习常用的评价指标进行整理,并对不同方法在面对不同场景时的检测效果进行比较和分析;最后,针对半结构化场景下边线检测所存在的问题,对基于深度学习的视觉边线检测方法的研究方向进行展望.

摘要:二型模糊集(type-2 fuzzy set,T2FS)是将模糊集中的隶属函数拓展为一型模糊集而产生的集合,其具有表示更深层次不确定性的优势,能够极大程度地增强对客观世界不确定性的刻画能力.因此,近年来围绕二型模糊环境下的决策理论与方法研究得到了蓬勃发展.鉴于此,对二型模糊决策理论与方法进行系统性综述,梳理该领域的发展脉络,阐明现有工作的研究态势,总结二型模糊信息集成与决策的主要研究成果.首先,介绍二型模糊集的发展历程和基础理论研究现状;然后,分别针对基于二型模糊信息的决策基础理论(信息融合理论、偏好关系理论和测度理论)以及决策方法的研究现状进行概述;最后,对二型模糊决策理论与方法的未来研究方向进行展望.

摘要:基于机理模型的稀土萃取工艺流程没有考虑萃取槽中搅拌机的能效,导致求解得到的各级组分含量与工业实际生产数据有较大误差.通过引入能效分离系数概念,建立符合实际萃取工艺的各萃取槽稀土元素组分含量模型,构建求解能效分离系数的优化目标函数.针对该优化目标函数多峰、多变量的特点,提出一种种群规模线性减小的混沌双变异自适应差分进化改进算法(LCTADE).首先,将混沌序列嵌入改进算法中生成初始种群,增强种群多样性;其次,针对进化不同阶段对突变策略性能要求不同,提出基于DE/current-to-pbest/1和DE/rand/1的双变异策略方法;最后,采用参数自适应方法分别设置$ F $、CR及NP值.在仿真实验中,将所提出的LCTADE方法针对CEC2017的函数进行测试并与其他算法比较,显示出其优越性,并通过求解基于能效分离系数的稀土萃取工艺流程优化目标函数,表明所提出方法的有效性.

摘要:针对医疗资源匮乏和经济不发达的国家或地区,如何选择定点收治医院、分配患者,有效控制新型冠状病毒肺炎(COVID-19) 扩散是亟待解决的问题.首先,考虑疫情患者数量和症状等级动态变化特征,以最大化患者的收治率和最小化医院总费用为目标,构建有限医疗资源约束下定点收治医院动态选址-分配双目标优化模型;其次,分析所构建模型的结构特征,设计基于Epsilon 约束方法的求解框架,得到Pareto最优解集;最后,基于北京市卫生健康委发布的疫情数据进行数值实验,以验证所提出模型的可行性与方法的有效性.实验结果表明,双目标优化模型可以有效地权衡定点医院的总费用与患者的收治率,对于COVID-19疫情下医疗资源的合理配置具有重要的指导意义.

摘要:针对智能手机受限的计算和存储环境等问题,提出基于流形正则化和QR分解的轻量级随机配置网络人体行为识别模型.首先,利用流形正则化解决输入数据被随机映射到SCNs隐含层空间后出现难以预测的非线性分布问题,以提升模型结构的轻量性;其次,采用QR分解降低输出权值计算复杂度,进一步提高模型建模过程的轻量性;最后,在两个人体行为识别数据集上评估所提出模型在模型识别精度和轻量性方面的有效性.实验结果表明,与SCNs、CNN等相比,所提出模型对于人体行为识别问题不仅可以实现识别精度的提高,还能有效降低计算复杂度,提高模型结构的紧致性.

摘要:针对标准快速扩展随机树(RRT)算法采用伪随机序列导致采样点分布不均、不合理,且移动机器人从起始点到目标点路径有冗余路段及冗余节点的问题,提出HDRRT(halton & dijkstra & rapidly exploring random tree)算法,该算法采用采样点分布均匀性好的Halton序列进行采样,并利用候选点集策略对节点进行筛选,以剔除冗余节点;同时该算法采用改进的Dijkstra算法提取原始路径关键节点,以减少路径冗余路段;在此基础上采用3次B样条曲线对路径作平滑处理.经Matlab联合ROS系统仿真结果表明,HDRRT算法相对于Bias-RRT和标准RRT算法具有快速性,稳定规划出最短以及平滑路径等优点.

摘要:针对水下图像细节模糊和色彩失真严重的问题,提出一种基于编码解码结构的动态异构特征融合水下图像增强网络.首先,设计异构特征融合模块,将不同级别与不同层次的特征进行融合,提升网络对细节信息和语义信息的整体感知能力;然后,设计新型特征注意力机制,改进传统通道注意力机制,并将改进后的通道注意力与像素注意力机制加入异构特征融合过程,加强网络提取不同浑浊度像素特征的能力;接着,设计动态特征增强模块,自适应扩展感受野以提升网络对图像畸变景物的适应力和模型转换能力,加强网络对感兴趣区域的学习;最后,设计色彩损失函数,并联合最小化绝对误差损失与结构相似性损失,在保持图像纹理的基础上纠正色偏.实验结果表明,所提出算法可有效提升网络的特征提取能力,降低水下图像的雾度效应,提升图像的清晰度和色彩饱和度.

摘要:针对平衡优化器算法存在收敛速度慢且容易陷入局部最优的问题,提出一种改进的平衡优化器算法.引入Tent混沌映射初始化种群提高迭代前期的收敛速度,通过透镜成像学习策略避免迭代后期陷入局部最优.选取12个通用的标准测试函数进行仿真实验,并与多个智群优化算法进行对比,通过实验验证改进后算法寻优性能的优越性.最后,将改进后的算法应用于移动机器人路径规划任务,结果表明:相比较原算法,改进后的算法不但具有较高的搜索效率,而且能够搜索到更短的安全路径.

摘要:针对传统胶囊网络特征信息的传播冗余性和解构低效性问题,提出一种共享参数的注意力胶囊网络.该网络的优点主要体现于以下两方面:1)提出注意力机制的动态路由方法,通过计算低级胶囊的相关性,使得在保留特征空间信息的同时更加关注相关性高的特征信息,并完成前向传播;2)在动态路由层提出共享转换矩阵,基于低级胶囊投票一致性对高级胶囊激活,并通过共享转换矩阵减少模型的参数量,同时实现改进胶囊网络的稳健性.首先,通过5个公开数据集的分类对比实验,表明所提出胶囊网络在Fashion-MNIST、SVHN和CIFAR10数据集上分别取得了5.17%、3.67%和9.35%的最好分类结果,而且在复杂数据集上具有显著的白盒对抗攻击鲁棒性;然后,通过在基于smallNORB和affNISH公开数据集的仿射变换对比实验,表明所提出的胶囊网络具有显著的仿射变换鲁棒性;最后,通过计算效率分析对比实验结果,表明所提出共享参数胶囊网络在不增加浮点运算的情况下,参数量比传统的胶囊网络减少4.9%,具有突出的计算量优势.

摘要:提出一种基于指数积的移动机械臂联合标定方法,以实现移动平台和机械臂两者间位姿标定与机械臂运动学参数标定模型的统一.机械臂运动学参数标定使用最多的是基于D-H参数法,但D-H参数法无法克服相邻关节平行或接近平行时的奇异性问题,以及建模过程复杂、建模后的模型通用性差等问题.基于指数积的移动机械臂联合标定方法建模时不会因为关节轴平行而出现奇异性问题,建模过程简单.通过对整个系统的运动学方程进行微分运算,获得末端位姿误差和移动机械臂零位状态旋量误差及关节旋量误差的线性化模型.利用伴随矩阵方式建立关节旋量理论值与关节旋量实际值的关系,并通过改变伴随矩阵实现基于最小二乘法的参数辨识计算过程中参数更新.使用高精度激光跟踪仪作为测量工具,通过实验验证所提出方法的有效性.

摘要:针对存在参数不确定以及外界干扰的高超声速飞行器跟踪性能问题,提出一种基于有限时间预设性能的反演控制方案.首先,为便于控制器设计,将高超声速飞行器模型划分为速度和高度子系统,针对子系统分别设计预设性能控制器以提高系统的瞬态和稳态性能;然后,通过设计一种有限时间性能函数,使得跟踪误差能够在预设时间内收敛至稳态值;接着,考虑到反演设计中虚拟指令导数难以获取以及干扰项对系统的影响,基于干扰观测器提出一种扰动估计方法,目的是在取得良好的观测扰动效果的同时,使得控制器设计流程简化、复杂度降低;最后,基于Lyapunov稳定理论证明系统的跟踪误差最终一致有界,并通过仿真验证该方法的有效性.

摘要:为了解决高超声速飞行器纵向运动模型的稳定轨迹跟踪控制问题,设计一种指定时间自适应控制方法.通过引入障碍李雅普诺夫函数,保证速度跟踪误差和高度跟踪误差能够收敛到期望的区域,同时满足系统的瞬态性能和稳态精度.将自适应控制与实际指定时间稳定理论结合,实现闭环系统在指定时间稳定,收敛时间可根据实际需求预先指定.引入的固定时间滤波器对虚拟导数进行求解,可以避免传统反步控制中存在的“计算爆炸”问题,提高收敛速度.对所设计的控制器利用李雅普诺夫理论给出严格理论证明,并能够保证系统其他状态变量在指定时间内趋于稳态值.仿真结果表明,所设计的控制器能够使速度和高度稳定地跟踪参考信号,满足时变的性能约束需求且具有较强的鲁棒性.

摘要:考虑一类受到外部扰动影响的多项式系统在状态不完全可测情况下的$H_\infty$输出跟踪控制问题.首先,综合前馈-反馈复合控制思想,设计基于观测器的输出跟踪控制器,其中反馈镇定控制器用于保证闭环系统稳定,前馈补偿控制器用以实现对参考模型输出信号的跟踪;然后,提出具有输出反馈结构的跟踪控制方法,其优势在于实现了分离原则,可单独设计观测器和控制器,降低计算复杂度;接着,利用依赖全状态的齐次多项式Lyapunov函数导出使得闭环系统渐近稳定且满足$H_\infty$跟踪性能的充分条件,借助多项式平方和凸优化技术可直接求得相应的观测器和控制器;最后,通过数值仿真实例验证所提出设计方法的有效性和优越性.

摘要:针对电池三大关键状态(State of Charge--SOC、State of Health-SOH、State of Power-SOP)之间相互耦合的关系,同时考虑到其估计精度受到电池时变的内部参数等因素影响的问题,提出一种基于自回归等效电路模型(autoregression equivalent circuit model,AR-ECM)的电池关键状态在线联合估计算法.该方法提出基于AR模型的全新电池ECM,给出同时表征SOC、SOH和电池内部压降的状态空间方程以及区别化参数更新策略.在此基础上,考虑状态方程容易发生不正定的问题,提出采用平方根无迹卡尔曼滤波(square root unscent kalman filter,SR-UKF)算法实现电池状态的联合估计.该算法的优势在于真正实现了电池关键状态以及ECM参数的联合估计,更符合实际工程应用需求.仿真验证表明,在噪声干扰环境下,该联合估计器能够得到较高的精确度和稳定性.

摘要:研究一种基于图像增强局部上采样平方差和(IE-LUSSD)的高精度亚像素检测算法,以提高直线电机动子位置检测对不同光照强度的抗干扰能力.首先,根据直线电机一维刚体平移的运动特点,设计一种基于线阵相机和非周期栅栏图像的动子位置检测系统,线阵相机固定在动子上并跟随动子移动采集信号序列;然后,通过灰度线性变换图像增强算法对采集到的信号序列进行预处理以增强图像信息;并通过SSD算法获取相邻信号序列间的整像素位移,为了进一步提高测量准确性,采用频率域矩阵乘法离散傅里叶变换对相邻信号间相关函数的峰值邻域进行上采样细化峰值曲线;最后通过搭建动子位置检测的实验平台验证所提出方法对不同光照条件的适应性.算法可以达到0.01pixels的检测精度,动子的实际位置检测误差在0.025mm以内.

摘要:针对路网中大规模的货运车辆,给出一种新的综合油耗成本与时间成本的车辆协同调度方案,以便在最大化节约运输成本的前提下解决车队的协调优化问题.首先,建立基于油耗成本和时间成本的车辆运输成本模型,通过微调部分车辆的速度与路径,循环计算任意两辆车组队行驶的运输成本节约率,将符合组队条件的车辆构造为车辆组队协调图;然后,采用一种基于中心聚类划分的算法将车辆的组队问题转化为聚类求解问题,求解出节约运输成本最大化的领头车,使其在公共路段组成车队行驶;最后,考虑道路坡度及速度限制等条件,采用基于空间采样的动态规划方法对合并车辆的速度进行优化,从而进一步降低车辆的运输成本.仿真结果验证了所提出的优化方案及求解思路的可行性和有效性.

摘要:当标注样本匮乏时,半监督学习利用大量未标注样本解决标注瓶颈的问题,但由于未标注样本和标注样本来自不同领域,可能造成未标注样本存在质量问题,使得模型的泛化能力变差,导致分类精度下降.为此,基于wordMixup方法,提出针对未标注样本进行数据增强的u-wordMixup方法,结合一致性训练框架和Mean Teacher模型,提出一种基于u-wordMixup的半监督深度学习模型(semi-supervised deep learning model based on u-wordMixup, SD-uwM).该模型利用u-wordMixup方法对未标注样本进行数据增强,在有监督交叉熵和无监督一致性损失的约束下,能够提高未标注样本质量,减少过度拟合.在AGNews、THUCNews和20 Newsgroups数据集上的对比实验结果表明,所提出方法能够提高模型的泛化能力,同时有效提高时间性能.

摘要:实际的分类数据往往是分布不均衡的.传统的分类器大都会倾向多数类而忽略少数类,导致分类性能恶化.针对该问题提出一种基于变分贝叶斯推断最优高斯混合模型(varition Bayesian-optimized optimal Gaussian mixture model,VBoGMM)的自适应不均衡数据综合采样法.VBoGMM可自动衰减到真实的高斯成分数,实现任意数据的最优分布估计;进而基于所获得的分布特性对少数类样本进行自适应综合过采样,并采用Tomek-link对准则对采样数据进行清洗以获得相对均衡的数据集用于后续的分类模型学习.在多个公共不均衡数据集上进行大量的验证和对比实验,结果表明:所提方法能在实现样本均衡化的同时,维持多数类与少数类样本空间分布特性,因而能有效提升传统分类模型在不均衡数据集上的分类性能.

摘要:炼钢-连铸生产存在着复杂的物理和化学变化,加工时间在实际生产中呈现出较强的波动性,基于标准加工时间建立的调度方案难以满足实际生产需求.针对加工时间不确定的炼钢-连铸调度问题,采用鲁棒优化方法,构造“盒子$+$多面体”型不确定集处理加工时间信息,建立以总等待时间最小为目标的炼钢-连铸鲁棒优化调度模型.针对模型中存在两种不同类型决策变量的情况,即离散型的指派变量和连续型的鲁棒对等转换变量,结合两类变量特征提出一种混合编码遗传算法,并针对染色体的混合编码特征提出并行进化策略.算法中引入精英策略和自适应的调节参数方法,以提高搜索能力.最后基于不同规模的实际生产数据进行仿真实验,验证了鲁棒优化调度模型和算法的有效性.

摘要:随着新冠疫情的发展,公众逐渐建立起通过互联网购买医药物品的习惯,发展高效绿色的医药配送模式迫在眉睫.通过建立考虑动态需求的选址-路径两阶段数学规划模型,解决医药前置仓的选址规划和配送路径设计问题.采用第三代非支配排序遗传算法(NSGA-III)对初始优化阶段和动态优化阶段分别求解,并用模糊聚类法筛选出最优方案作为动态优化阶段的初始状态.再与NSGA-II算法进行求解时间、Spacing、HRS和PR等指标的对比分析,结果表明NSGA-III的运行时间更快,解集分布更均匀,收敛效果更好.最后分别计算运输车辆种类和药房合作前置仓的固定成本总预算变化对成本、时间和碳排3个目标函数的影响,测试模型和算法的敏感性,说明第三方药品配送企业更适合使用中小型车辆完成配送任务,并设置相对充裕的选址预算.

摘要:针对目前灰色关联理论中模型结果检验方法的不足,提出一种对相近性灰色关联模型关联序结果稳定性检验的方法.首先,以序列间对应观测点的数值差异作为构造序列间量级大小变化的最简单元,用以表征和定义序列间的相近性灰色关联度;其次,引入信息熵的基本思想,基于序列间量级大小变化的最简单元构建信息灰熵作为相近性视角下序列间关系稳定程度的度量标准;然后,通过将研究对象的行为序列平均划分为不同阶段来计算在不同阶段变化下序列间相近性灰色关联度的变动值,以动态关联数值与信息灰熵共同构造相近性灰色关联模型的稳定性检验系数,通过比较检验系数大小最终确定模型间结果的稳定程度;最后,选取几种常见的相近性灰色关联模型对2016年sim2021年南京市主要大气污染物进行影响因素分析,根据计算得到的检验系数对各模型的分析结果进行验证和筛选.

摘要:基于阻尼累加生成算子和离散灰色预测模型的思想,提出一类新的阻尼累加离散GM(1,1)模型,并详细给出模型的推导过程,从理论上分析与经典GM(1,1)模型、离散GM(1,1)模型以及最近提出的阻尼累加GM(1,1)模型的关系,探讨模型的稳定性和数据适用类型分析,并利用量子粒子群优化算法计算出最优阻尼累加参数.最后将所提出模型应用于两个实际案例,结果表明所提出的阻尼累加离散GM(1,1)模型的拟合和预测误差均优于上述基准模型.

摘要:交通运输系统在服务民众的同时也为疫情沿跨区域传播扩散提供了载体.鉴于此,研究疫情沿多种交通工具跨区域扩散模型及最优控制问题.考虑人口空间状态、迁徙过程、疫情状态和交通工具特征,构建多区域迁徙-疫情扩散耦合动力学方程,并分析其扩散性质.综合考虑应急资源的有限性,进一步建立基于本地与迁徙隔离政策的动态最优控制模型.数值计算对比分析不同管控策略组合下疫情的扩散速度与范围,验证疫情扩散模型和最优控制策略的有效性.结果表明:疫情可以借助交通工具快速扩散;仅对单一交通工具实施管控措施可以快速降低疫情跨区域扩散的速度,但对均衡状态的扩散范围影响小.

摘要:在无监督行人重识别中,针对传统非对称度量学习方法无法克服不同视角的数据分布差异问题,提出一种基于分布约束的非对称度量学习无监督行人重识别方法.首先,采用JSTL技术对特征提取网络预训练,得到具有较强鲁棒性的特征表示;然后,提出基于分布约束的非对称度量学习算法,通过在传统非对称度量学习目标函数中引入分布约束,实现不同摄像视角下行人图像非对称特征变换的同时,有效克服特征空间中行人数据分布差异导致的识别精确度低的问题;最后,采用梯度下降法优化目标函数,并通过广义特征值问题求解获得最优度量矩阵.基于Market和Duke两个公共数据集的实验表明,该算法的rank1值分别达到57.01%和32.32%,MAP值分别达到27.91%和16.00%,与传统非对称度量学习算法相比识别性能有明显提升.

摘要:针对设备的最佳维护策略选择问题,首先提出6种设备运维目标,同时给出两阶段设备运维策略选择的加权智能灰靶决策模型的架构图以及建模算法流程;然后采用德尔菲调查法与层次分析法相结合确定不同目标的权重.结合某半导体面板制造企业的设备运行现场实际数据,对于成本型目标和适中型目标,分别采用相应的效果测度函数计算出设备在不同运行状态下的一致效果测度矩阵以及综合效果测度矩阵.通过运用两阶段设备维护的灰靶决策模型,最终得到设备不同状态下的最佳维护策略.所提出方法对正确选择半导体面板设备维护策略、提高设备运维效率、降低维护成本具有实际指导意义.

摘要:针对无人车传统RRT路径规划算法节点搜索盲目性、随机性以及路径曲折不连续等问题,提出一种动态变采样区域RRT路径规划算法(dynamic variable sampling area RRT,DVSA-RRT).首先,初始化地图信息,根据动态变采样区域公式划分采样空间,进而选择采样区域;在此基础上,利用基于安全距离的碰撞检测、概率目标偏置策略和多级步长扩展完成初始路径规划;最后,利用考虑最大转角约束的逆向寻优和3次B样条曲线对初始路径进行拟合优化.仿真结果表明,该算法相较于原始RRT算法在不同地图环境下的搜索时间和采样次数均降低50%以上,大大降低了节点搜索的盲目性和随机性,相较于其他算法搜索时间也减少30%以上, 且优化后的路径平滑满足车辆运动动力学约束.

摘要:针对YOLOv5网络模型的金字塔结构不能有效捕捉目标的跨尺度特征信息和存在梯度消失现象以及易导致目标检测精确率不高的问题,利用FPT(feature pyramid transformer)的注意力机制有效提取目标的跨尺度特征信息,把原YOLOv5网络模型中的FPN(feature pyramid network)和PAN(path aggregation network)结构替换为FPT,在FPT结构的两端加入跳跃连接(skip connection)并引入新的Mish激活函数,从而提出一种改进金字塔和跳跃连接的YOLOv5目标检测网络模型YOLO FS.在PASCAL VOC和MS COCO数据集上的对比实验结果表明,基于YOLO FS网络的目标检测在平均检测准确率、召回率和F1值上均有明显提升.

摘要:为抑制道路曲率干扰并提高无人车路径跟踪精度,提出一种基于观测器的无人车$H_\infty$预瞄控制器设计方法.首先,将无人车非线性路径跟踪模型转换为线性变参数(linear parameter varying, LPV)系统;然后,建立关于路径曲率的预瞄模型,并将无人车路径跟踪模型与预瞄模型相结合构建增广系统;接着,考虑传感器测量噪声对无人车路径跟踪精度的影响,设计基于观测器的$H_\infty$状态反馈控制器,并将控制器设计问题转化为满足一组线性矩阵不等式的优化问题.Simulink/CarSim联合仿真结果表明,所提出的基于观测器的无人车$H_\infty$预瞄控制方法可以有效减小测量噪声对系统性能的影响,与已有最优控制方法相比,可以取得更好的路径跟踪精度.

摘要:当作为供应商的中小企业出现了严重的财务困境问题时,急需有效融资工具和创新管理模式加以解决.订单转保理可以令资质良好的零售商为资金短缺的供应商提供融资担保,有效解决供应商的订单减少和融资难的问题.然而,分散决策的订单转保理融资模式,使得做担保的零售商的收益降低,不能明显改善供应链效率.针对此问题,研究订单转保理模式下的供应链协调模型,并重点研究由供应商与零售商组成的二级供应链的订单转保理收益共享模型.研究发现: 收益共享决策模型供应链总收益小于集中决策供应链总收益,大于分散决策的供应链总收益,表明供应链成员相互合作程度越高,越有利于供应链发展,从而表明协调在供应链中发挥重要作用.然而,集中决策模型只能得到供应链最优总收益,无法得到供应商和零售商的最优收益.收益共享模型不仅能够提高产品订货量,降低产品批发价格,增加供应商和零售商的收益,而且通过最优的收益共享系数可以得到供应商和零售商的最优收益.收益共享机制能够为供应商和零售商共赢协调发展提供新的运作管理模式.

摘要:偏标记学习是一种弱监督学习框架,它试图从样本的多个候选标签中选择唯一正确的标签.消歧是偏标记学习中的一种重要手段,主要通过算法判别潜在的真实标签.目前,人们普遍采用单一的特征空间或者标签空间进行消歧,容易导致算法受到不准确先验知识的引导而陷入鞍点.针对消歧过程中特征相似样本易受到异类样本影响从而影响消歧效果这一问题,定义了样本离异点和离异图;在此基础上,提出一种离异图引导消歧的偏标记学习方法.该方法利用标签空间的差异构建离异图,可以有效结合特征空间的相似性和标签空间的差异性,降低离异点为消歧过程带来的潜在风险.实验结果表明,与PLKNN、IPAL、SURE、PL-AGGD、SDIM、PL-BLC、PRODEN等方法相比较,所提出的算法在偏标签学习方法中表现更好,能够取得良好的消歧效果.