课程文献中心 更多>>

关键词： 多模态   多目标   拥挤度度量   解的合并  

摘要： 为得到均匀性、多样性、收敛性更好的Pareto前沿及多样性较好的Pareto解集,提出了一种基于L1/2范数的解空间和目标空间拥挤度度量方法。基于K-Means算法对解进行聚类,设计了非支配解的分解和合并策略,以得到更均匀Pareto前沿及多样化的Pareto解集。为验证算法的高效性,在CEC’2019标准函数中将改进的算法与5种基准测试算法进行对比,结果表明:改进的算法能够得到较优的rPSP、rHV、IGDX、IGDF度量指标。

关键词： 机器学习   无监督学习   聚类   自组织特征映射神经网络  

摘要： 在自组织映射模型(Self-Organizing Map， SOM)的训练过程中，不同类数据对权重矩阵的更新产生不同作用，某一类数据对权重矩阵的更新会对其它类获胜神经元特征向量产生偏离其数据特征的影响，从而降低算法聚类精度。针对以上问题，本文提出了一种改进的基于置信度SOM模型(improved confidence-based SOM model， icSOM)。样本数据先由k-means算法初步分类，为模型训练提供更多的数据信息；将预分类后的数据分别训练相互独立的SOM模型，以消除不同类之间的影响；在传统SOM模型基础上提出置信度矩阵概念，通过综合判断获胜神经元的置信度及其与输入数据间的欧氏距离最终得到置信神经元，根据置信神经元所属类别给数据分配聚类标签。利用icSOM对鸢尾花数据集(Iris)及葡萄酒数据集(Wine)聚类分析，实验结果表明，本文算法可以更好的处理样本数据，取得了较好的聚类效果。

关键词： 三维模型   点对点   调度   渲染  

摘要： 由于现有的调度及渲染方法帧率低、空间占有程度高,为此,研究电网三维模型点对点分层快速调度及渲染算法。使用建模技术对原始电网模型进行结构解析,运用半边折叠算法对模型进行简化处理,获得一种连续的LOD模型。运用分块索引技术划分优化后的电网三维模型,使得每个区块都有唯一的索引,用于在需要时进行加载和渲染。通过控制模型载入量来提高调度效率,建立渲染分辨函数。利用GPU流处理技术将需要计算处理的顶点数据传输到着色器中,从而实现电网三维模型的渲染。结果表明,通过10次渲染实验后,其帧率均达到100 fps以上;5个小组空间占有率为20%~24.6%,符合预期目标,降低了渲染过程的复杂程度,满足了渲染需求。

关键词： 二阶系统   固定时间收敛   分布式优化   有向通信拓扑   一致性   梯度观测器  

摘要： 针对有向通信拓扑下的二阶多智能体系统分布式优化问题,提出一种固定时间收敛的分布式控制算法.该算法基于新的分布式估计器设计,通过局部信息交换,使各智能体能够对全局目标函数梯度进行准确估计.在估计器的基础上,为各智能体设计分布式固定收敛时间算法,以确保所有个体在有限时间内收敛于目标函数的最优解.通过运用固定时间收敛理论和不等式缩放技巧,对算法的稳定性进行理论证明,并通过数值仿真实验验证所设计算法的有效性.

关键词： 重力匹配导航适配区选取   多层感知机   重力场深层感知模型   灰度共生矩阵   局部二值模式  

摘要： 重力匹配导航的定位精度高度依赖于所航行区域的重力场分布,因此,选择合适的导航适配区对于确保重力匹配导航性能较为关键。为了确保重力匹配导航具有较高的定位精度,提出了一种基于重力场深层感知模型的重力匹配导航适配区选取算法,旨在提高重力匹配导航适配区选取的准确性。首先,使用灰度共生矩阵、局部二值模式和提出的归一化重力尺度,构建重力场特征集;然后,设计重力场深层感知模型,提出了层间传播机制用于训练该模型;最后,将重力场特征集的信息作为输入,提取出航线区域的特征值,并使用提取后的特征值选出重力匹配导航的适配区。选取高精度卫星测高全球海洋重力场模型,分别针对大西洋和太平洋海域的577个5°×5°子区域,每一个子区域选取100条航线进行不同条件下的重力匹配导航试验。试验结果显示:重力场深层感知模型与平均定位误差的斯皮尔曼相关系数的范围是0.61~0.91,肯德尔相关系数的范围是0.41~0.74。传统的多属性决策法与平均定位误差的斯皮尔曼相关系数的范围是0.22~0.70,肯德尔相关系数的范围是0.20~0.63。试验结果表明,提出的重力场深层感知模型提取的特征值与不同条件下重力匹配定位误差具有高度的相关性,因此,按照重力场深层感知模型特征提取值等级选取的区域,对应了相应等级的重力匹配导航定位精度,通过这样的方式提高了重力匹配导航适配区选取的准确性。

关键词： 网络监控   图像处理   深度学习算法  

摘要： 为实现公共场域下网络监控运动目标的跟踪识别,通常利用网络摄像机、红外传感器等装备采集不同时间点的帧图像。而后基于改进SSD、CNN或DAN深度学习算法模型,利用候选框框选待测图像目标像素、扩展卡尔曼滤波或图聚类法滤除干扰噪声,但以上卷积神经网络模型的目标跟踪监测,容易出现图像帧或像素特征提取的重复问题。基于此,选用Faster-RCNN(faster region convolutional neural network)深度学习算法模型,设置涵盖卷积层、池化层、全连接层的图像处理层级,基于HOG(histogram of oriented gradient)方向梯度直方图将红外传感器监测到目标图像转化为灰度图、提取监测物体的整体特征,而后基于Faster-RCNN深度学习算法作出图像动态目标的锚框特征谱输出、数据集学习分析,得到公共空间的物体运动位置,提高计算机网络监控的图像处理与识别准确率。

关键词： 土木工程   建筑材料   结构性能   材料选择   施工过程  

摘要： 本研究旨在分析施工过程中材料选择对土木工程结构性能的影响。首先,阐述了不同材料在土木工程中的应用背景及其性能特点。其次,通过实验和数值模拟方法,对常用建筑材料如混凝土、钢材和复合材料在实际施工中的力学性能、耐久性和环境适应性进行了综合评估。研究结果表明,材料选择直接影响结构的稳定性和使用寿命。例如,高性能混凝土在抗压强度和抗裂性能上表现出色,而钢材则在抗拉强度和韧性方面具有优势。此外,复合材料的应用也展示了其在减轻结构自重和提高耐腐蚀性方面的潜力。研究结论为土木工程施工中材料选型提供了科学依据,有助于优化工程设计,提高结构性能和耐久性。

关键词： 无线通信系统   资源分配   能量吸收  

摘要： 通信行业目前耗能已占据了全球耗能的3%以上,因而考虑在通信系统中全部或者部分依赖清洁能源完成系统功能。清洁能源的吸收与优化利用越来越受到重视。首先总结了能量吸收型通信系统的研究现状,包括各种主流能量吸收方式及特点;综述了针对不同能量吸收场景提出的有效通信系统资源分配算法,包括发展沿革、研究现状、优缺点分析等,主要分为离线与在线、单任务与多任务、能量吸收设备组网几种情况阐述,并对这些方法进行了总结;最后对未来研究方向进行展望,希望为各种新出现的资源分配问题提供研究思路。

关键词： 纯电动汽车   再生制动   模糊控制   改进鲸鱼算法  

摘要： 为了提高纯电动汽车再生制动能量回收效率,同时保证车辆制动效果,提出了运用改进鲸鱼算法优化纯电动汽车再生制动模糊控制策略。引入电池荷电状态(State of Charge,SOC)、车速和制动强度作为模糊控制输入,以再生制动比例系数K作为输出,利用改进鲸鱼算法优化控制参数,从而提高前轴电机制动力占比。同时,改进鲸鱼算法的自适应权重避免了算法迭代过程中陷入局部最优。通过仿真分析验证了在NEDC工况下,优化后的模糊控制策略相比优化前和传统控制策略在提高能量回收效果的同时,也满足了制动的有效性。

关键词： 谱聚类   密度分布   子簇相似性   局部峰值   噪声检测  

摘要： 谱聚类作为一种基于图论的聚类方法,通过相似性矩阵对数据进行特征分解或将数据投影到低维空间以实现更好的数据划分.谱聚类因其适用于复杂数据和非凸子簇而受到广泛的关注,并已成功应用在很多领域.然而,计算复杂度高、噪声敏感等问题会限制其聚类效果的进一步提升.针对这些问题,本文提出了一种基于密度分布的鲁棒谱聚类算法.首先,设置噪声系数以过滤少量的低密度噪声点.其次,根据密度峰值聚类具有的特性,即尽可能多地划分数据能够保证子簇内数据标签的一致性,新提出的算法能够在较少的子簇数和更高的簇内标签一致性上达到平衡,实现了对数据更加优质的划分.最后,基于簇间密度分布的相似性度量改善了谱聚类在密度不均匀数据集上的聚类效果.合成数据以及真实数据上的实验充分证明了新算法在9个最新改进算法中的有效性.在保证聚类效率的前提下,新算法在真实数据上的准确率、调整兰德系数和调整互信息的平均值上至少分别提升了10.02%、22.11%和15.76%.