课程文献中心 更多>>

关键词： 射频识别   三边定位   差值可信度   定位精度   稳定性  

摘要： 针对基于三边定位算法的RFID定位技术在室内环境中定位误差大系统稳定性不好的问题,论文提出一种基于观测源加权的三边定位改进算法(TLOW)。该算法经RSSI测距后选取最近三点,分别通过三边定位算法和加权算法,获取粗定位坐标;粗定位坐标再通过观测源计算出相应的差值可信度权值,最后经加权得出待定位标签坐标。实验结果表明:TLOW算法同三边定位算法相比定位精度提升26.18%,系统稳定性提升38.45%。在室内环境中TLOW算法具有较好的适用性,能满足室内定位的基本需求。

关键词： 煤矿人员定位系统   多目标跟踪   YOLOv7   注意力机制   门控循环单元  

摘要： 为了解决现有的目标跟踪算法在煤矿复杂环境下存在精度低和实时性差的问题,基于Tracking by Detection(TBD)范式,提出了YOLO-FasterNet+ByteTrack的煤矿人员跟踪算法。首先,构建FasterNet-Block特征提取模块改进YOLOv7的Backbone,提升目标检测阶段的实时性;然后,通过在Neck中引入CBAM注意力机制,提升模型在复杂场景下的特征感知能力;接着,在目标检测的解码阶段引入Soft-NMS,优化模型在人员交叠场景下的检测精度;最后,在目标跟踪阶段,针对人员重叠和遮挡导致的目标ID翻转问题,设计了一种融合GRU和卡尔曼滤波的多目标运动特征预测机制,有效提升了煤矿人员跟踪的准确性。实验结果表明:YOLOFasterNet在煤矿人员数据集上相对于YOLOv7的平均精度提高了3.6%,检测速度提升了8.2FPS;在自定义跟踪数据集GBMOT上,所提目标跟踪算法相对于ByteTrack,MOTA值提升了1.7%,IDSW减少了149次。

关键词： 电商平台   算法推荐   个人信息保护   用户权益  

摘要： 随着算法技术的发展,电商平台广泛运用个性化推荐进行精准营销,一方面个性化推荐有效解决了用户在数据时代面临的信息过载问题,但另一方面其也带来了诸如“算法歧视”、“个人信息泄露”以及版权侵权等法律问题。为规范平台算法推荐拒绝权的适用,减少用户不必要的责任,应首先树立正确的价值观,以数字化治理为动力,以软硬结合为方向,通过协调多方力量,全面提升侵权治理效能。With the development of algorithmic technology, e-commerce platforms have widely used personalized recommendation for precision marketing. Personalized recommendation on the one hand effectively solves the information overload problem faced by users in the data era, but on the other hand, it also brings legal problems such as “algorithmic discrimination”, “leakage of personal information”, and infringement. Personalized recommendation on the one hand effectively solves the information overload problem faced by users in the data era, but on the other hand, it also brings legal problems such as “algorithmic discrimination”, “personal information leakage” and copyright infringement. In order to standardize the application of the platform’s algorithmic recommendation rejection right and reduce the unnecessary responsibility of users, correct values should be established first, digital governance should be the driving force, and the combination of soft and hard should be the direction to enhance the effectiveness of infringement governance by coordinating the power of multiple parties.

关键词： 光伏系统   最大功率追踪   光照条件   改进鹰栖息优化算法   局部阴影情况  

摘要： 提出一种基于改进鹰栖息优化算法的最大功率追踪控制,算法首先对整个区域进行随机抽样,通过目标函数在抽样点寻找最优解,再对最优解进行二次抽样,从而实现从全局搜索到局部搜索的过渡。并在此基础上,引入适应值变量作为算法的反馈参数,实现了从全局搜索到局部搜索的自适应转变。仿真结果表明,与传统鹰栖息优化算法、布谷鸟算法及粒子群算法相比,所提算法在均匀光照,静态、动态局部阴影情况下均具有追踪速度快、收敛精度高和前期振荡小的特点,能有效提升光伏系统的最大功率跟踪效率和精度。

关键词： 多参数联合估计   波达方向估计   调制模式识别   阵列信号处理   神经网络  

摘要： 针对水声信道复杂多变且衰减严重等问题,为提升非合作条件下水声通信信号的检测概率并扩大感知范围,设计了一种新型基于阵列多通道时频谱输入的神经网络多参数联合估计算法。该算法通过引入载波频率标签分配策略,将载波频率作为区分不同信号的关键物理特征,有效避免了频带外信号和噪声的干扰;利用端到端的多任务学习,能够同时完成信号检测、调制模式识别,以及对信号个数、载波频率、带宽和波达方向的联合估计,从而避免了传统算法中需要先进行波束成形再进行检测识别的复杂流程。仿真实验结果表明,在阵列阵元位置失配和信号被噪声掩蔽的情况下,所提算法仍能实现准确的信号估计。进一步的湖上实验验证了所提算法的实用性和泛化能力。

关键词： 红尾鹰优化算法   佳点集   切线飞行   高斯柯西变异   光伏功率预测   极限学习机  

摘要： 红尾鹰优化算法(Red-tailed Hawk Optimizer,RTH)具有较强的全局搜索和快速收敛能力,但收敛精度低、局部开发性能不足。针对此问题,该文提出一种融合多策略改进的红尾鹰优化算法(Improved Red-tailed Hawk Optimizer,IRTH)。首先,在初始种群生成阶段引入了佳点集模型,以增进红尾鹰种群的多样性;其次,利用切线飞行策略优化步长来改进个体的位置更新策略,从而提高算法的收敛速度和精度;最后,引入高斯柯西变异策略,解决算法迭代后期容易陷入局部最优问题。采取基准测试函数、Wilcoxon秩和检验等实验将改进算法IRTH与其他5种经典算法进行对比,实验结果表明,IRTH收敛性和寻优精度整体均优于其他算法。最后,将IRTH应用于光伏功率预测领域,结果表明,该模型的RMSE、MAPE和MAE分别为9.58%、0.61%和6.91%,相比单一极限学习机模型和其他算法优化模型分别提高了85.04%、22.48%和67%,从实际工程领域验证了改进策略的有效性和优异性。

关键词： SAR图像   舰船检测   可变形卷积   舰船空间金字塔聚合结构   尺度扩展特征金字塔网络  

摘要： 由于环境复杂、舰船目标散焦和尺度的多样性,基于SAR图像的舰船目标检测仍然存在一些问题。提出了一种针对SAR图像的舰船目标检测算法。首先,基于可变形卷积构建舰船目标特征细化模块,提高对大长宽比姿态的舰船目标的特征提取能力;其次,在主干网络末尾引入了舰船空间金字塔聚合结构,增强对舰船目标的全局特征提取能力;最后,设计了尺度扩展特征金字塔网络,增强舰船浅层和深层特征信息的交互,提高对多尺度舰船目标的检测能力。实验结果表明,所提算法在HRSID数据集上的mAP达到了93.72%,F1分数达到了89.70%,优于所有比较算法,具有良好的检测效果。

关键词： 高校数据可视化   多维度可视分析   交互式排名   个性化推荐  

摘要： 高考志愿填报对考生个人发展至关重要,如何有效提升高校志愿填报效率是考生关注的重要问题。针对这一问题,该文提出了一种基于交互式排名算法的高考志愿个性化可视推荐方法。首先,设计了一种个性化志愿推荐算法(NCEF-Rank),通过多目标决策方法量化考生对不同属性特征的偏好,并将其加权至高校多维属性特征中,从而构建新的高校偏序对关系。然后,利用排名支持向量机(Ranking Support Vector Machine,RankSVM)算法模型推荐出个性化的志愿排名列表。其次,采用多视图协调可视化技术,设计了一套交互式的高考志愿推荐可视分析框架。该框架支持用户交互式挖掘志愿的多维属性特征,建立个性化的决策路径,并展示多维属性的排名规则,从而帮助用户高效地从众多的可选志愿中挑选出符合自身个性化需求的高校和专业。最后,通过性能评估和案例分析,验证了算法和框架的有效性。

关键词： 盾构隧道   超大直径   切桩   深度学习   振动  

摘要： 对盾构切桩诱发建筑物振动响应的精确预测有利于减小盾构切桩施工对建筑物的影响,指导工程的顺利进行。为实现对盾构切桩诱发建筑物振动响应的合理预测,依托广州市海珠湾盾构隧道切桩工程,建立基于卷积神经网络(CNN)、长短期记忆神经网络(LSTM)、反向传播神经网络(BP)与混合神经网络(CNN-LSTM)的4种神经网络模型,对建筑物的振动进行预测并对比各模型的准确性,分析影响预测精度的因素。结果表明:CNN-LSTM神经网络的预测性能最佳,CNN、LSTM与BP神经网络的预测精度相近。经过对比发现,使用贝叶斯优化算法对超参数进行调节可有效提高预测精度。盾构切桩工法的选用以及现场施工的复杂环境影响了建筑物的振动响应,导致了模型预测精度的下降,未来可进行室内缩尺实验并对环境因素进行量化以提高预测精度。研究结果可为盾构切桩工程提供参考。

关键词： 多目标优化算法   LID设施布局   建设成本   洪峰削减   城市内涝  

摘要： 为解决传统低影响开发(LID)设施空间布局时受主观因素导致径流控制成本高及控制效果差的问题,以山西省原平市经济开发区为例,对比分析了NSGA-Ⅱ、CCMO、NSGA-Ⅲ与MOPSO等4种多目标优化算法对LID设施布局比例优化问题的求解结果与性能评价指标,以此提出研究区域的最佳方案。结果表明,CCMO算法较为适合优化LID布设比例。根据不同重现期,选择近期、中期和远期三种方案,建设成本分别为1 724×10^(4)、1 972×10^(4)、2 448×10^(4)元,在不同重现期下的平均洪峰流量削减率分别为72.0%、81.2%、90.8%。多目标算法优化LID设施布局后,通过较低的LID设施建设成本达到较优的洪峰削减效果,为缓解城市内涝提供决策支持。