课程文献中心 更多>>

关键词： 算法控制   算法决策   工作不安全感   不安全行为  

摘要： 近年来外卖配送员及网约车司机安全事故频发,而平台算法管理对零工工作者工作不安全感及不安全行为具有“双刃剑”效应。通过系统梳理算法管理相关文献,界定了两种功能主义视角下算法管理的实践内容。基于工作要求—资源模型和自我决定理论对零工工作者不安全行为的产生机制进行了探析,指出算法推荐和算法奖励作为工作资源会缓冲其余算法管理实践维度对工作不安全感、不安全行为的影响,进一步分析了算法管理和工作不安全感分别影响零工工作者不安全行为的动机触发机制,并探究个体特质、员工类型和工作类型在影响机制中的调节效应问题。依据研究结论指出了该领域的未来研究方向。

关键词： 多维数据模型   数据共享   数据标准   城市轨道交通   基建期   电子图纸   系统稳定性   数据质量  

摘要： 如何将城市轨道交通工程基建期形成的资产安全、完整地移交至各接管单位至关重要，本文通过构建“移交表+电子图纸+BIM模型”的多维数据模型，建立统一的数据标准和操作规范，对资产进行全面的分析和展示，并与其他业务系统数据共享和集成联动，极大地提高了系统稳定性、数据质量和移交工作效率。

关键词： 心血管代谢性共病   LASSO回归   随机森林算法   合成少数样本过采样方法  

摘要： 目的 基于LASSO回归和随机森林算法分析心血管代谢性共病(cardiometabolic multimorbidity, CMM)的危险因素，为临床决策提供依据。方法 基于中国健康与养老追踪调查(China health and retirement longitudinal study, CHARLS)2011―2020年随访14 358名≥45岁人群的数据，通过LASSO回归和随机森林的特征重要性评估进行变量筛选后，将研究对象按8∶2的比例随机分为训练集和测试集，利用合成少数样本过采样方法(synthetic minority over-sampling technique, SMOTE)将训练集调整为平衡数据集，应用随机森林算法构建疾病预测模型，应用网格搜索和5折交叉验证优化预测模型。采用敏感性分析保证模型的稳健性。结果 该预测模型的准确率达到99.46%,召回率达到69.03%,F1得分为0.82,平均曲线下面积为0.93,敏感性分析显示，模型具有良好稳健性。性别、年龄、腰围、职业、教育程度、空腹血糖、不良行为生活方式、基线自报疾病、风速、使用不清洁能源等可作为CMM的发病预测因素(均P<0.05)。结论 本研究成功构建了CMM的预测模型，发现多种危险因素与CMM发生相关，为临床医生在CMM高危群体中实施早期干预提供科学依据。

关键词： 多式联运   路径规划   仿生算法   不确定性   绿色运输   可持续性  

摘要： 多式联运可有效提高物流企业的运作效率并降低经营成本,是现代物流的未来发展趋势之一.然而,其路径规划问题常常存在许多非线性约束,传统的精确算法在求解时也面临着模糊性、特殊性、动态性、高维性等挑战.鉴于仿生算法模拟生物系统时的智能优势在解决这一类复杂组合优化问题时具备广泛性和高效性,研究近年来基于多式联运路径规划的仿生算法,并将其分为3类:群智能算法、进化算法和基于物理的仿生算法,分别罗列了多式联运路径规划问题涉及到的特殊背景、关键特征和未来研究方向,广泛对比、分析了该问题下各仿生算法的原理、改进、优点和局限性,并为不同问题下的特殊场景提供了合适的仿生算法.最后,讨论了多式联运路径规划问题目前面临的挑战和未来的研究方向.

关键词： 中文分词技术   ADAM算法   CNN-Bi-GRU-CRF   变电站SCD文本  

摘要： 针对电力领域文本数据分词准确性较低的问题，提出一种基于改进ADAM(adaptive moment estimation)算法的中文分词技术。选用Skip-Gram模型作为字嵌入模型，将字词转为分布式向量，搭建卷积神经网络-门控循环单元-条件随机场(CNN-Bi-GRU-CRF)模型实现电力领域文本语句的分割，提出一种改进的ADAM算法，通过控制不同时间窗口的学习率优化神经网络模型，提高模型训练速度。将所提算法运用于变电站SCD(system configuration description)文本数据分词的算例分析，通过与其他主流分词算法进行比较，验证所提分词技术的先进性与准确性。

关键词： 栖落机动   可达域   可达避免   递归神经网络  

摘要： 无人机栖落机动过程具有高度非线性的动力学特性，控制律较为复杂，可达域计算则是验证其控制系统能否完成栖落的一个重要技术手段。首先，基于Hamilton-Jacobi可达性分析理论设计一种时间折扣贝尔曼方程，验证基于该方程的可达域算法的可行性；接着拓展到可达避免问题，在时间折扣贝尔曼方程中引入目标裕度函数，使无人机在遵守安全性约束的同时能被引导向目标区域；然后，根据栖落机动过程中无人机的状态量具有时间序列的特点，采用递归神经网络对算法网络进行了改进；最后，开展了仿真分析。研究结果表明，该算法在计算无人机栖落机动控制系统的可达域中表现优异，具有高正确率和低迭代次数。

关键词： K-means聚类   饮料产品   ARIMA预测   需求预测  

摘要： 在企业管理的过程中，产品需求波动往往会导致企业决策受阻，进而影响库存管理，因此准确的预测需求对企业运营管理有着至关重要的意义。本文针对72种饮料产品，基于历史销售数据进行未来需求预测。通过时序图分析剔除了销售量异常的饮料产品，然后对所剩饮料产品进行K-means聚类分析后选取产品较多的两类作为研究对象。采用ARIMA模型和LSTM模型对各个产品在未来3个月的销量进行了预测，经比对采用ARIMA模型预测更为精准，相对误差总体控制在7%左右。最终得到了未来3个月的产品总销量。

关键词： 正交时频空(OTFS)   消息传递算法   残差置信度传播   知情调度   异步传播  

摘要： 正交时频空(Orthogonal Time Frequency Space, OTFS)调制作为极具潜力的调制方案能够显著提升高移动场景下通信系统的鲁棒性。传统的OTFS同步消息传递(Message Passing, MP)检测算法及其变体每次迭代都需要更新并传递所有的信息，从而导致收敛速度过慢。针对上述问题，提出基于残差的OTFS异步消息传递算法。该算法利用消息更新前后的差值作为知情调度信息来控制消息传递的顺序，从而实现迭代资源的非均匀分配。仿真结果表明，基于残差的OTFS异步消息传递算法相较于传统的同步消息传递算法，在信噪比为20 dB时，迭代次数减少了45%,误比特性能提高了7 dB。

关键词： 深度学习   轻量化   YOLOX   目标检测   注意力机制  

摘要： 针对现有的车牌检测算法在复杂环境下检测多方向车牌效果不佳、实时性差以及模型参数量和计算量过大等问题，提出了一种基于YOLOX的轻量级多方向车牌检测算法。通过调整残差组件的数量，并采用大卷积核结合深度可分离卷积的方法，降低了主干网络的参数量。引入通道注意力机制，以有效提取通道交互信息，减少噪声的干扰。使用深度可分离卷积和调整扩展率的方法对特征融合网络进行轻量化处理。设计了旋转解耦头，通过添加角度预测分支，使其能够更精准地预测多方向车牌的旋转边界框。采用旋转IoU损失代替水平IoU损失，提高检测的准确性。CCPD数据集上的实验结果表明，改进算法的参数量和计算复杂度分别为2.38×106和12.97 GFLOPs，相较于YOLOX-tiny分别减少了45%和33%，检测精度AP70为94.9%，每秒检测帧数为76.6 FPS。改进后的车牌检测模型能够在保持高精度的同时实时检测多方向车牌。

关键词： 文档图像版面分析   目标检测   YOLOv5s   多尺度特征提取  

摘要： 针对当前基于深度学习的版面分析方法存在效率低和训练成本高的问题，提出一种基于YOLOv5s改进的单阶段目标检测网络RCW-YOLO，并将其应用于文档图像版面分析任务。首先，通过Res2Net模块改进YOLOv5s中的C3模块，有效增强网络对文档图像多尺度特征的提取能力；其次，引入轻量级上采样算子CARAFE以优化特征融合网络，减少上采样过程中的信息丢失；最后，引入WIoUv3作为边界框回归损失函数，制定合适的梯度权益分配策略，以提升模型泛化能力和整体性能。实验结果表明，在CDLA、IIIT-AR-13K和PubLayNet数据集上，RCW-YOLO在mAP@0.50:0.95指标上分别达到了87.2%、76.4%和94.5%，优于现有的两阶段算法和其他单阶段算法，同时具有更低的计算量、参数量和更快的推断效率。