课程文献中心 更多>>

关键词： 变分模态分解   麻雀搜索算法   随机森林   短期负荷预测   预测精度  

摘要： 针对短期电力负荷预测模型其预测结果精度不佳的问题,本文提出了一种利用变分模态分解技术(VMD)获取短期负荷数据深层特征,后使用麻雀搜索算法(SSA)针对随机森林(RF)负荷预测模型中的超参数进行优化的短期电力负荷预测模型。首先在数据处理部分使用VMD将负荷数据分解获得多个模态分量,对分解后的模态分量进行分析并将受噪声影响严重以致波形浮动过大的模态分量进行合并以减少模型计算量。然后利用麻雀搜索算法对随机森林预测模型进行超参数优化,对经过VMD分解后所得的多个模态分量分别构建优化预测模型进行预测,重构其结果获得最终预测结果。通过算例分析,验证了本文所提模型较同类智能模型在短期负荷预测方面有更加优秀的表现。

关键词： GEANT4   蒙特卡罗   叠层闪烁体探测器   β-γ混合场  

摘要： 核设施工作场所的辐射场中往往同时存在β射线和γ射线,现有的成熟设备几乎无法同时测量混合场中的β和γ能谱,采用传统二次测量方法误差较大.针对β-γ混合场中射线互相干扰的难题,本文基于GEANT4对叠层闪烁体探测器建立蒙特卡罗模型,仿真模拟β和γ粒子在探测器中的能量沉积,研究双层和三层结构叠层闪烁体探测器中β粒子和γ光子的最优判别方案,以及不同的结构和材料对探测器甄别性能的影响.模拟结果显示,加入薄层塑料闪烁体后,三层结构的闪烁体探测器对γ粒子的误甄别率显著低于双层结构,最后比较4种不同材料的闪烁体组合对甄别性能的影响,仿真结果显示第二层采用BC444材料的甄别性能最优.

关键词： 步态分析   DeepLabCut   阿尔茨海默病   抑郁   慢性脑缺血   脓毒血症相关性脑病  

摘要： 目的:开发一种基于深度学习技术的便捷式步态跟踪系统用于检测实验鼠步态细节,并初步检测其在野生型小鼠和多种中枢神经系统疾病小鼠模型中的应用。方法:搭建简便的步态走廊,将小鼠放入走廊内自由行走4 min,从腹侧记录小鼠步行视频。从小鼠自由运动的视频中抽取120帧,使用DeepLabCut分析动物的运动,标记36个身体部位用于神经网络训练。应用该系统及网络对1、3、6和18月龄的野生型小鼠、APP/PS1小鼠(6月龄,阿尔茨海默病模型)、社会孤立(social isolation,SI)小鼠(3月龄,焦虑抑郁模型)、双侧颈动脉狭窄(bilateral carotid artery stenosis,BCAS)小鼠(3月龄,慢性脑缺血模型)和手术造模后1、3、7天的脓毒血症相关性脑病(sepsis-associated encephalopathy,SAE)小鼠(2月龄)的步态进行分析。结果:利用DeepLabCut可以在所有动物视频追踪中,展现出很高的准确性。3月龄野生型小鼠相比其他月龄小鼠运动速度最快,步幅提高。APP/PS1小鼠运动速度显著高于同龄对照,并伴有步幅增加和站立时间减少。SI小鼠步幅缩短,左前爪脚趾展开度和脚趾展开角度减小,提示存在脚爪姿势改变。BCAS小鼠在步幅上没有显著改变,但后肢脚趾展开度显著增大,脚趾展开角减小。SAE小鼠在术后1、3天运动速度下降,伴有步幅缩短和站立时间延长;术后7天运动速度低于对照小鼠但无显著差异,后肢脚趾展开度和脚趾展开角度小于对照组。结论:本研究搭建了基于深度学习的、便捷、低成本的步态分析设备,只需少量工作即可标记感兴趣的身体部位,比以往的步态分析方法更节省成本。应用这一设备描述了野生型小鼠各年龄组的步态特征,并证明阿尔茨海默病、焦虑抑郁状态、慢性脑缺血和脓毒血症相关性脑病模型小鼠表现出步态缺陷。

关键词： 数字化   设备管理   全生命周期管理  

摘要： 针对脱硫岛转型需求,开展脱硫岛运行管理向数字化转型过程中关键技术的研发及试验,建立一套完整的设备管理系统,对设备状态情况进行实时监督、评估、预警,实现设备的全生命周期管理。

关键词： 蚁群算法   A^(*)算法   最大最小蚂蚁系统   路径规划  

摘要： 针对传统蚁群算法在二维栅格地图下存在搜索时间长、收敛速度慢、考虑因素单一等问题,提出了一种融合蚁群-A^(*)算法。首先将启发式方法的思想融入到蚁群算法,优化蚁群算法的搜索效率;其次引入最大最小蚂蚁系统,提出一种精英蚂蚁信息素更新规则;同时增加考虑转向次数、转向角度等因素,在启发式信息中加入弯曲抑制算子,减少弯曲次数和累积弯曲角度,避免算法以优化路径长度作为单一目标;最后提出一种改进撤回机制,解决算法死锁问题。仿真表明,在相同地图环境中,改进的蚁群算法在路径长度、路径拐点以及收敛速度都有了显著提升,更适用于复杂环境。

关键词： 激光告警   投影分割   图像处理   FPGA  

摘要： 针对现有激光告警系统中因数据处理不及时导致漏警、响应速度慢的问题,提出了一种基于投影分割的光斑中心快速提取算法,根据衍射图像中各级光斑横向均匀分布的特点,提出先向坐标轴投影,再分别计算光斑中心坐标,实现快速提取的方法。将该算法部署到FPGA硬件系统,使告警系统能够在一帧图像传输周期内完成光斑中心坐标提取任务,提高了图像处理效率,进而实现高效告警。经实验证明,该算法光斑中心坐标提取最大误差为1个像素,告警系统响应时间为17.453 ms。该方法通过优化图像处理算法,缩短了告警设备响应时间,实现了对来袭激光快速、准确的告警。

关键词： 多尺度   遥感影像   特征融合   注意力机制   图像处理  

摘要： 针对现有遥感图像语义分割算法中存在的分割精度低、浅层特征利用不充分的问题,提出了一种基于改进Upernet的遥感影像语义分割算法.首先引入Resnest的分裂注意力网络连接结构来重构原有的骨干网络,并在其中集成可变形卷积以提高网络对不同尺度遥感影像的特征提取能力;然后在Upernet的下采样路径中设计融合高效通道注意力机制模块重构特征融合模块,改善特征表示能力;最后引入交叉熵损失函数和Dice Loss联合训练样本来改善训练中存在的样本不平衡的问题并加速模型收敛.实验结果显示:改进后的网络在遥感影像ISPRS的Potsdam数据集和Vaihingen数据集上分别达到了79.38%和74.70%的MIoU.相比DeepLabV3Plus、Pspnet、FCN以及经典Upernet算法,该算法性能在Potsdam数据集上获得了平均2.16%的提升,在Vaihingen数据集上亦获得了平均2.21%的提升.

关键词： 心电信号分类   多任务学习   损失优化  

摘要： 心血管疾病对人类生命健康安全的威胁日益严重,通过心电信号可进行相关疾病的诊断分类。现有的心电分类算法大多采用单任务学习模型,无法综合利用多个任务中的互补特征,而多任务学习模型可同时学习多个相关任务,共享相关任务特征,有助于提高多任务的分类表现。结合深度学习和多任务学习两种方法,提出了一种基于损失优化的心电信号多任务分类算法,将心电信号的多分类任务分解为多个二分类任务,从任务梯度的幅值和方向两方面进行损失优化,避免手动设置任务损失权重以及任务损失相互抵消而产生的负迁移,从而提升心电信号多分类任务的性能。在PTB-XL数据库上将心电信号23类分类任务分解为23个二分类任务来评估所提出的算法。实验结果表明,所提算法的宏观曲线下平均面积(AUC)达到0.950,准确率达到96.50%,基于标签的宏观F1分数达到0.583,基于样本的F1分数达到0.777。与单任务学习算法相比,所提算法在心电信号的多分类方面表现出良好的性能。

关键词： 漏洞相似性   轻量图卷积网络   局部特征   全局特征   特征融合   漏洞推荐  

摘要： 针对传统漏洞推荐算法未考虑漏洞之间的复杂转换关系和软件动态变化的特征,导致推荐效果较差的问题,提出了基于特征融合轻量图卷积网络的软件漏洞推荐算法(software vulnerability recommendation algorithm based on feature fusion lightweight graph convolutional networks,SVR-FFLGCN)。首先,构建软件与漏洞异构关系图,并融入漏洞相似性算法以降低邻居结点的噪声干扰;其次,使用轻量图卷积网络捕获漏洞之间的复杂转换关系,并将软件动态变化的局部特征和全局特征进行自适应融合,进而获得更全面的特征表示用于漏洞推荐。实验表明,当推荐漏洞数量为10、20个时,SVR-FFLGCN算法相比基准模型在命中率(hit rate,HR)指标上分别提升了11.39%、6.74%,在归一化累积折损增益(normalized discounted cumulative gain,NDCG)指标上分别提升了7.12%、4.80%。该研究在提升开发人员工作效率以及实施有效的防御措施上具有重要作用。

关键词： 蜣螂优化算法   随机反向学习   混沌映射   黄金正弦策略   竞争机制   t分布变异   基准测试函数   工程设计实例  

摘要： 针对原始蜣螂优化算法全局探索能力不足、易陷入局部最优以及收敛精度不理想等问题,提出了一种混合多策略改进的蜣螂优化算法。采用混沌映射结合随机反向学习策略初始化种群提高多样性,扩大解空间搜索范围,增强全局寻优能力;通过黄金正弦策略实现个体动态搜索,提高算法遍历性;引入竞争机制增强信息交互,平衡全局探索与局部开发,加快算法收敛速度;最后在迭代后期利用自适应t分布变异对个体进行扰动,避免算法陷入局部最优。在23个基准测试函数中,将该算法与其他优化算法进行对比测试,结果表明,改进后的算法具有更强的寻优性能、更高的收敛精度和更好的稳定性。在具体工程设计实例中的应用验证了该算法在处理实际优化问题上的有效性。