许云峰
- 作品数：51 被引量：166H指数：7
- 供职机构：河北科技大学信息科学与工程学院更多>>
- 发文基金：国家自然科学基金河北省高等学校科学技术研究指导项目河北省科技支撑计划项目更多>>
- 相关领域：自动化与计算机技术电子电信环境科学与工程理学更多>>
- 信息网络表示学习方法综述被引量：2
- 2020年
- 网络表示学习方法将信息网络表示为低维稠密携带网络节点特征信息的实数向量,应用于下游机器学习任务的输入,随着机器学习与深度学习的发展,网络表示学习拥有强大的建模能力且应用广泛。对网络表示学习方法、应用进行了归纳总结。首先,对当前国内外网络表示学习方法进行梳理归类,分为传统方法、基于网络结构的嵌入、融入属性信息的嵌入,以及基于谱域的图卷积、基于空间的图卷积和图attention网络,按类别对各类模型详细阐述,对比模型之间的适用性和方法特点;其次,介绍了网络表示学习的相关应用,包括推荐系统领域、生物医药领域等,整理常用的数据集、开源实现的表示学习模型和强大的图深度学习库供研究者参考调用;最后,对网络表示学习的发展趋势进行了总结与展望。未来可在深层的图神经网络学习、动态和异构网络的表示、网络模型的泛化能力等方面继续开展研究。
- 鲁军豪许云峰
- 关键词：网络
- 一种复杂网络中结构洞Spanner的挖掘方法
- 本发明公开了一种复杂网络中结构洞Spanner的挖掘方法，包括以下步骤：第一步，计算网络中所有边的骨干度，然后按照降序排序；第二步，选择骨干度最大的边作为一个社区的初始骨干，然后选择与当前社区联系最紧密的节点加入社区，计...
- 许云峰张妍
- 文献传递
- “数据分析与计算专栏”主持人语
- 2020年
- 中国大数据和人工智能技术正处于蓬勃发展阶段,先进模型算法不断涌现。本期专栏推出3篇论文,以大数据和人工智能应用为中心,面向工业界和学术界的应用场景,介绍前沿模型算法的相关应用案例。第1篇是张冬雯等撰写的《基于长短期记忆神经网络模型的空气质量预测》。这是一篇算法类的文章,主要针对当前空气质量预测研究中预测精度低、效率低、缺失时间因素等问题,从时间角度提出了一种简单的空气质量预测方法——LSTM神经网络模型,使用MAPE,RMSE,R,IA和MAE等指标检测LSTM神经网络与对比模型的预测性能。
- 许云峰
- 关键词：人工智能应用大数据人工智能技术空气质量预测
- 基于长短期记忆神经网络模型的空气质量预测被引量：14
- 2020年
- 随着城市化和工业化的快速发展,空气污染问题日益突出,空气质量预测显得尤为重要。当前一些有代表性的研究对空气质量进行实时监测和预报,例如周广强等采用数值预报的方法对中国东部地区的空气质量进行分析,但其实验结果表明该方法难以预测非常重的污染;SANKAR等使用多元线性回归对空气质量进行预测,但其实验结果表明线性模型预测精度低、效率慢;P REZ等使用统计方法对空气质量进行预测,实验结果证明统计方法的预测精度比较低;WANG等采用改进的BP神经网络建立了空气质量指数的预测模型,其实验验证了BP神经网络收敛速度慢、容易陷入局部最优解的问题;YANG等利用相邻网格的空气质量浓度效应,建立了基于随机森林的PM 2.5浓度预测模型,通过实验过程证明网格划分程序削弱了后续空气质量分析的质量和效率。这些方法都难以从时间角度建模,其中预测精度低是比较重要的问题。因为预测精度低可能会导致空气质量预测结果出现较大的误差。针对空气质量研究中预测精度低的问题,提出了基于长短期记忆单元(long short-term memory,LSTM)的神经网络模型。该模型使用MAPE,RMSE,R,IA和MAE等指标来检测LSTM神经网络与对比模型的预测性能。由于Delhi和Houston是空气污染程度比较严重的城市,所以使用的实验数据集来自Delhi的Punjabi Bagh监测站2014—2016年的空气质量数据和Houston的Harris County监测站2010—2016年的空气质量数据。LSTM神经网络与多元线性回归和回归模型(SVR)的比较结果表明,LSTM神经网络适应多个变量或多输入的时间序列预测问题,LSTM神经网络具有预测精度高、速度快和较强的鲁棒性等优点。
- 张冬雯赵琪许云峰刘滨
- 关键词：空气质量多元线性回归
- 推荐系统研究综述被引量：25
- 2020年
- 随着互联网技术的快速发展,如何对海量网络信息进行挖掘分析,已成为热点和难点问题。推荐系统能够帮助用户在没有明确需求或者信息量巨大时解决信息过载的问题,为用户提供精准、快速的业务(如商品、项目、服务等)信息,成为近年来产业界和学术界共同的兴趣点和研究热点,但是,目前数据的种类多种多样并且应用场景广泛,在面对这种情况时,推荐系统也会遇到冷启动、稀疏矩阵等挑战。深度学习是机器学习的一个重要研究领域和分支,近年来发展迅猛。研究人员使用深度学习方法,在语音识别、图像处理、自然语言处理等领域都取得了很大的突破与成就。目前,深度学习在推荐领域也得到了许多研究人员的青睐,成为推荐领域的一个新方向。推荐方法中融合深度学习技术,可以有效解决传统推荐系统中冷启动、稀疏矩阵等问题,提高推荐系统的性能和推荐精度。文中主要对传统的推荐方法和当前深度学习技术中神经网络在推荐方法上的应用进行了归纳,其中传统推荐方法主要分为以下3类:1)基于内容推荐方法主要依据用户与项目之间的特征信息,用户之间的联系不会影响推荐结果,所以不存在冷启动和稀疏矩阵的问题,但是基于内容推荐的结果新颖程度低并且面临特征提取的问题。2)协同过滤推荐方法是目前应用最为广泛的一种方法,不需要有关用户或项目的信息,只基于用户和诸如点击、浏览和评级等项目的交互信息做出准确的推荐。虽然该方法简单有效但是会出现稀疏矩阵和冷启动的问题。3)混合推荐方法融合了前2种传统推荐方法的特点,能取得很好的推荐效果,但在处理文本、图像等多源异构辅助信息时仍面临一些挑战与困难。依据神经网络基于深度学习的推荐方法主要分为4类:基于深度神经网络(DNN)的推荐方法、基于卷积神经网络(CNN)�
- 周万珍曹迪许云峰刘滨
- 关键词：推荐系统数据挖掘信息过载
- 基于时间序列分析的火电机组运行优化研究被引量：2
- 2017年
- 为了预测火电机组在变工况状态下的运行最优值,提高燃煤电厂的燃煤效率,依据燃煤火电厂3个月的各项数据,通过分析并挖掘燃煤火电厂与供电煤率密切相关的可调控参数(主蒸汽温度、主蒸汽压力)随时间的变化关系,利用Holt-Winters时间序列法进行预测。经过计算发现,通过Holt-Winters方法得到的主蒸汽温度和主蒸汽压力的相对误差值分别为0.28%和2.13%。实验结果表明:Holt-Winters时间序列法对预测燃煤火电厂火电机组在变工况下的运行数据是合理的,且其误差小,对燃煤火电厂提高火电机组的燃煤效率具有一定的指导意义。
- 朱龙霞肖明美栗涛许云峰马瑞刘滨
- 关键词：燃煤火电厂数据挖掘数据分析
- 嵌入式入侵检测及权限管理系统
- 王建霞贺少通张妍许云峰高绍强武卫东马红霞
- 嵌入式入侵检测及权限管理系统开发目的是针对当前大部分网络安全领域方面的产品都是软件形式，其运行时的性能依赖于其附属的操作系统和服务器，因此，在执行效率和稳定性等方面是无法与纯硬件的产品相比拟。该系统是将软件固化到嵌入式系...
- 关键词：
- 关键词：嵌入式权限管理入侵检测
- 一种基于图神经网络模型的危险废物申报异常检测方法
- 本发明公开了一种基于图神经网络模型的危险废物信息申报异常检测方法，包括以下步骤：采集各个公司上传的危险废物产生种类以及产生量等各个相关信息；利用人工处理方法将企业填报的很多不标准的、有俗称等无法用标准库去进行对比的基础数...
- 许云峰范贺荀张妍杜占军
- 关于提高基于OpenSSL软件性能的研究被引量：4
- 2007年
- OpenSSL是用来开发网络安全软件的一个开源软件包,使用OpenSSL可以缩短软件开发周期,提高软件的运行效率和稳定性。但是目前大部分基于OpenSSL开发的软件并不能完全发挥这个开源软件包所具有的高效率和高稳定性的特点。原因在于这些软件的开发人员对OpenSSL的高级应用所知甚少。从提高软件运行效率及稳定性的角度对OpenSSL的高级应用进行论述,提出了2种用来提高软件运行效率和稳定性的解决方法。
- 张妍许云峰张焕生
- 关键词：SSLOPENSSL线程安全
- 基于深度学习的废钢分类评级方法研究
- 2023年
- 废钢是现代钢铁工业重要的铁素来源,是钢企实现碳中和的重要原料。不同级别的废钢价格悬殊,其质量直接影响钢企的生产成本和产品质量。因此,废钢入炉前的分类和评级问题,受到钢企的普遍重视和高度关注。针对传统人工方法在废钢的分类评级中所出现的效率低、安全性和公正性差等问题,基于深度学习中的卷积注意力机制和加权双向特征融合网络构建废钢分类评级模型。首先,搭建废钢质量查验物理模型,模拟货车卸载废钢的生产作业场景,采用高分辨率视觉传感器采集不同类别的废钢图像。其次,设计了一种结合注意力与特征融合的废钢验质深度学习模型,将卷积注意力模块(convolutional block attention module,CBAM)加入主干网络对采集的废钢图像数据集进行特征提取,聚焦并保留图像的重要特征;使用双向特征金字塔(bidirectional feature pyramid network,BiFPN)平衡多尺度特征信息,进行多尺度特征融合。最后,在模型预测阶段,利用所构建的废钢质量验质模型进行废钢类别和质量判级,验证模型的精确性与检测效率。基于自制废钢验证数据集,与主流的目标检测模型Faster R–CNN、YOLOv4、YOLOv5系列以及YOLOv7进行性能比较。实验结果表明:本研究构建的废钢质量验质模型识别判级的准确率Acc达到了86.8%,所有类别平均精度m AP为89.2%,均高于对比的目标检测模型,在准确性、实时性以及识别评级效率方面可满足实际生产应用,解决废钢分类评级过程中的诸多难题,实现废钢的智能验质和公正判定。
- 肖鹏程徐文广常金宝朱立光朱荣朱荣
