课程文献中心 更多>>

关键词： NSGA-Ⅱ算法   服装生产   流水线优化   工序配置  

摘要： 当服装生产车间的半成品堆放混乱时,不同的服装面料受到挤压、摩擦,易造成面料损坏或产生色差,这一状况降低了服装生产流水线的生产效率。为解决这一问题,提出了基于NSGA-Ⅱ算法的服装生产流水线工序配置优化方法。制定服装生产标准工时,包括最小化车缝时间与送布速度,建立服装生产流水线排序目标函数并设定约束条件,利用NSGA-Ⅱ算法求解目标函数,实现服装生产流水线工序配置优化。以某服装企业为例,对比优化前后该企业服装生产流水线工序配置效果,结果表明所提算法可有效降低时间损失率,使生产效率提升至98.3%。

关键词： 隧道工程   超欠挖提取方法   三维激光扫描   Super 4PCS   点云配准  

摘要： 为了构建一种依托三维激光扫描技术的特长隧道变形超挖与欠挖自动辨识算法,提升特长隧道超挖与欠挖辨识效率,提出了一种结合栅格预处理与超级四点一致性配准算法(Super 4PCS)的超挖与欠挖辨识方法。采用徕卡P30三维激光扫描仪,获取超长隧道掘进过程中的岩壁点云数据,并据此构建了隧道的三维模型。完成建模后,将三维模型转化为点云模型,随后利用Super 4PCS算法将实测点云与标准模型点云进行精确配准。通过计算配准后模型点云与岩壁点云之间的偏差值,即可得出山岭隧道的超挖与欠挖数据。试验结果显示,基于Super 4PCS的超挖与欠挖辨识方法,在临沧高速公路天生桥点云项目中取得了卓越的辨识效果,其误差相较于全站仪测量结果的精度控制在约1 mm范围内。

关键词： 切割路径优化   蛇形排序   碰撞检测   海绵切割系统  

摘要： 针对海绵切割系统连续切割路径优化问题,提出一种基于碰撞检测的蛇形排序方法。首先通过优化样片的切割起点和切出点,生成合理加工过渡线,使重复路径长度与样片之间的过渡加工路径长度最小。然后通过蛇形排序方法,生成上下往复的切割顺序,避免切割路径杂乱无章。搜索到目标样片后,通过碰撞检测方法判断当前加工过渡线是否与其他样片轮廓相交,并根据判断结果优化样片切割顺序,尽量避免跨样片切割,保证加工路径满足海绵切割系统的连续加工约束。最后利用该方法对60个海绵样片切割路径优化问题进行求解,得到一条满足加工约束的路径,进一步验证了所提方法的有效性。

关键词： 通感一体   虚警抑制   多维度特征融合   深度学习  

摘要： 通感一体技术作为未来无线通信领域的重要发展方向,融合了通信与感知功能,但虚警问题严重影响其性能。本文针对虚警抑制问题,提出了一种GNN-MLP算法。该算法综合利用GNN的空间特征提取能力和MLP的时间特征提取能力,通过逐步抽象和融合,实现对点云序列的高效分类。仿真结果表明,本文所提算法在通感基站虚警滤除方面表现出色,召回率和精确率都达到了95%以上。其分数与现有工作的结果相比也存在明显的对比优势,验证了本方案在实际应用中的巨大潜力。

关键词： 拉曼光谱   肺癌   血清   机器学习   支持向量机  

摘要： 肺癌严重威胁人类健康,近年我国发病率逐渐增加。影像学和病理组织学检查是肺癌的主要筛查方式。影像学检查作为初筛方法,应用广泛,但存在不确定性。病理组织学检查结果准确,是肺癌诊断的“金标准”,而组织样本的获取对人体创伤较大。有必要开发一种可靠且创伤小的肺癌诊断方法。血清样本的获取比病理组织样本的获取便捷,且创伤小。拉曼光谱具有测试简单、快速及灵敏度高等优点,可获取血清的生化信息。该研究使用拉曼光谱技术测试155例健康受试者和92例肺癌患者的血清样本。在1800~800 cm^(-1)的波段范围内对健康受试者和肺癌患者血清的拉曼光谱进行曲线分峰拟合,发现肺癌患者的拉曼光谱在1005和1091 cm-1附近的子峰面积百分比较健康受试者分别增加3.36%和5.32%。在964、1522和1586 cm^(-1)附近的子峰面积百分比,肺癌患者比健康受试者降低了2.3%、2.82%和5.6%。曲线分峰拟合结果初步表明,肺癌患者的血清中类胡萝卜素、氨基酸、核糖、核酸等生化物质含量发生了变化。为了深入探索肺癌患者血清的拉曼光谱特征,利用机器学习挖掘血清的拉曼光谱数据中隐含的信息。首先使用主成分分析(PCA)提取光谱的特征变量,并将获得的特征变量分别应用于支持向量机(SVM)、随机森林(RF)、k邻近(kNN)、逻辑回归分类(LRC)、决策树(DT)和贝叶斯(Bayes)算法建立分类模型,再使用留一交叉验证法评估模型的预测性能。结果显示:SVM模型对肺癌患者血清的拉曼光谱分类效果最好,准确率、灵敏度、特异性和F1分数分别达到98%、94.44%、100%和97.14%。SVM模型的9折交叉验证ROC曲线下面积的平均值为0.94,说明SVM算法的预测性能较好。研究表明,血清拉曼光谱结合机器学习算法可对肺癌进行有效诊断,该技术创伤小且准确率高,是一种潜在的肺癌诊断技术。

关键词： 区块链   农村电网   电力交易   智能合约   快速交易算法  

摘要： 随着农村电网智能化建设的不断推进,电力交易逐渐从传统的集中式模式向更加灵活、高效的分布式模式转变。为了进一步减少人工干预和中间环节,提升交易的效率,该文基于区块链技术保证交易数据的不可篡改性和透明性,引入动态电价模型,结合市场需求变化,提出了一种农村电网快速交易算法,通过优化电力交易确认机制,减少了交易确认的时间延迟,提高了交易响应速度,特别是在电力需求变化较快、交易频繁的环境下,能够有效支持快速交易需求。

关键词： Hankel变换   高振荡   Gauss-Laguerre求积法   积分路径  

摘要： 结合Hankel函数的渐近性和Gauss-Laguerre求积法,文中计算了一类带有对数函数的具有一般振荡子的高振荡无穷积分.首先通过改变积分路径将积分转化为复平面上的两个线积分,然后利用Gauss-Laguerre求积公式得到高精度近似值,最后给出了相应的误差阶,并用数值例子验证结论的可行性.

关键词： 跌倒检测   边缘检测   注意力机制   YOLOv8  

摘要： 针对由于光照变化、人员密集以及人体形态被遮挡等因素导致跌倒检测精度低、实时性差的问题,文章提出了一种基于改进YOLOv8的复杂场景跌倒检测算法:SLG-YOLO。设计了SC模块并嵌入C2f模块,利用边缘检测算法来提取跌倒行为的边缘特征,在SPPF模块引入Large Separable Kernel Attention(LSKA)注意力机制,利用大型可分离卷积捕捉图像广泛的上下文信息,在增强对于重要特征关注度的同时不会增加计算复杂度;同时,采用Gather and Distribute(GD)机制,结合3D卷积的多尺度特征序列融合方法,取代原有的Neck部分,提升了模型对于复杂场景和不同尺度目标的检测精度。实验结果表明,在参数量和计算量为6.2 M和10.7 FLOPs的基础上,SLG-YOLO跌倒检测算法与YOLOv8相比,准确率提升了2.2%,召回率提升了3.0%,mAP@0.5提升了3.6%,mAP@0.5:0.95提升了3.1%。

关键词： 数字水印   可逆神经网络   端到端   不可微噪声   抗叠加噪声  

摘要： 数字水印算法因其在版权保护、内容认证、数据隐藏等领域的重要应用价值而受到广泛关注.在实际应用中,嵌入水印的图像往往会遭受图像扭曲、锐化模糊等可微噪声的影响,同时也会面临JPEG压缩、传输错误等不可微噪声的干扰.现有研究多集中于单一噪声环境下的方案设计,或者尝试使用可导模型来近似模拟不可微噪声,这些方法在一定程度上限制了水印算法的鲁棒性.针对这一问题,本文提出了一种基于可逆神经网络的端到端单阶段数字水印方案.该方案利用可逆神经网络模拟不可微噪声,提高了算法对于实际噪声环境的适应性和鲁棒性.与现有算法相比,本算法在多噪声叠加情况下峰值信噪比(PSNR)提高了3.12 d B,平均提取精度(ACC)提高了35.36%.

关键词： 日含沙量预测   时变滤波器经验模态分解   二次分解   十种鱼群算法   深度混合核极限学习机   函数优化  

摘要： 为提高日含沙量时间序列预测精度,改进深度混合核极限学习机(DHKELM)预测性能,对比验证十种鱼群算法——电鳗觅食优化算法(EEFO)/成吉思汗鲨鱼优化(GKSO)算法/白鲸优化(BWO)算法/白鲨优化(WSO)算法/鲸鱼优化算法(WOA)/金枪鱼优化(TSO)算法/旗鱼优化(SFO)算法/海洋捕食者算法(MPA)/?鱼优化算法(ROA)/蝠鲼觅食优化(MRFO)算法在基准测试函数和实例目标函数上的优化效果,提出时变滤波器经验模态二次分解(TVFEMDⅡ)-十种鱼群算法-DHKELM日含沙量时间序列预测模型。首先,利用TVFEMDⅡ对日含沙量时间序列进行分解处理,得到若干分解分量,合理划分训练集和预测集;其次,基于各分量训练集构建DHKELM超参数优化实例目标函数,同时选取8个基准测试函数作为对比验证函数,利用十种鱼群算法分别对基准测试函数和实例目标函数进行极值寻优与对比分析。最后,建立TVFEMDⅡ-十种鱼群算法-DHKELM模型,通过云南省龙潭站汛期日含沙量预测实例对各模型进行验证。结果表明:(1)十种鱼群算法对基准测试函数寻优总排名与对实例目标函数寻优总排名仅有10%相同,总体上EEFO、GKSO寻优效果较好,ROA、WSO较差。(2)十种鱼群算法对实例目标函数寻优总排名与十种鱼群算法优化的各模型预测精度总排名基本一致,表明鱼群算法极值寻优能力越强,其优化获得的DHKELM超参数越优,由此构建的预测模型性能越好,日含沙量预测精度越高。(3)TVFEMDⅡ-十种鱼群算法-DHKELM模型对实例日含沙量预测的平均绝对百分比误差(MAPE)在0.927%~1.583%之间,模型计算规模小、预测精度高、稳健性能好,具有较好的实用价值和意义。(4)在分解分量十分有限的情形下,TVFEMDⅡ能将复杂的日含沙量时间序列分解为更具规律、更易建模预测的模态分量,大大改进时间序列分解效果,显著提升日含沙量预测精度。