课程文献中心 更多>>

关键词： ANN (人工神经网络)   个性化商品推荐   消费需求  

摘要： 文章研究探讨了人工神经网络(ANN)在网络推荐算法领域的运用。ANN算法具备将用户和物品的特征向量映射至低维空间的能力,通过衡量用户过往行为与潜在推荐对象间的相似程度,迅速锁定用户可能青睐的内容,进而实现个性化推荐。研究过程中,我们运用ANN方法对用户的浏览、收藏及加购行为的权值展开了动态解析与计算。重点关注于多层人工神经网络模型,购买模型和基于距离的向量匹配算法相结合,并在模型中提出高效且准确的个性化推荐系统。提出感知器模型,进而提出多层人工神经网络,进行网络预测,不仅解决了信息茧房与过度推荐的问题,还解决了用户反馈难以进行个性化推荐的问题,并以此提出一种基于距离的向量匹配算法,针对不同用户推送个性化的商品。实验阶段,我们依据用户对商品的收藏频次、购买相关商品的次数以及浏览该商品及其相关商品的数量,来预测用户即将购买的商品数量及其在各商品上的浏览时长。将网络预测的结果与实际测试集数据进行比对后,我们发现网络预测与实际情况展现出较高的吻合度。随后采用基于距离的向量匹配技术,针对不同用户推送个性化的商品信息。最后进行对比分析,与其他网络预测方法比较,突出本文方法的优势。In this paper, We studies the application of ANN (artificial neural network) method in network recommendation algorithm. ANN algorithm can map the feature vectors of users and objects into the low dimensional space, by calculating the similarity between user historical behavior and candidate recommendation items, quickly find the content that the user may be interested in, and realize personalized *** the process of research, we used the ANN method to dynamically analyse and calculate the weights of users’ browsing, collection and purchase behaviours. This paper focuses on the combination of multi-layer artificial neural network model, purchase model and distance-based vector matching algorithm, and proposes an efficient and accurate personalised recommendation system in the model. The perceptron model is proposed, and then a multi-layer artificial neural network is proposed for network prediction, which not only solves the problem of information cocoon and over-recommendation, but also solves the problem that it is difficult to make personalised recommendations based on user feedback, and proposes a distance-based vector matching algorithm to push personalised products for different users. At the same time, making personalized recommendations using ANN methods can gain new cognition, create new wisdom, and produce more valuable decisions. Explore the consumer needs of the users from the historical data, explore the new cognition from the old data, create the new wisdom

关键词： 改进的A^(*)算法   搬运机器人   医院药房   药品搬运   路径规划  

摘要： 医院取药是医疗服务的重要组成部分,但存在效率低下和安全隐患等问题。为提升病患的医疗体验并改善传统A^(*)算法在医院环境中路径规划存在的问题,对医用智能药品搬运机器人的设计进行了研究。在分析医院复杂环境的基础上,提出了一种改进的A^(*)算法,能有效减少路径中的冗余节点、降低能源消耗。仿真结果显示,在静态障碍物场景中,改进的A^(*)算法能降低46.55%的搜索节点数量和28.88%的计算时间,同时降低68.48%的路径节点数量和61.54%的转折次数。研究表明,改进的A^(*)算法能有效提升智能药品搬运机器人性能,为医院取药提供了新的解决方案。

关键词： CRSN   智能电网资源   跨层分配算法   改进猫群算法  

摘要： 由于用户的增多,导致智能电网的频谱资源紧张,严重影响了智能电网运行的稳定性,同时也降低了供电能力。为了解决这一问题,提出基于CRSN的智能电网资源跨层分配算法改进研究。将认知无线传感器网络(Cognitive Radio Sensor Networks,CRSN)引入智能电网中,通过认知节点感知智能电网主用户的频谱资源,找出可用的空闲频谱。借助图论着色将智能电网资源进行跨层分配建模,利用改进猫群算法求取分配模型最优解,得到智能电网资源跨层分配方案。实验结果表明,所研究算法求解到的方案是全局最优解,能够实现智能电网频谱资源的跨层分配。

关键词： 长江新链网络   网络资源   资源分配   DDQN  

摘要： 针对长江新链网络为航运业务提供网络资源时能耗较高的问题进行了研究,采用了网络资源和算力资源统一建模为底层网络资源的方法,构建了网络切片环境下网络资源管理模型。根据长江新链网络切片资源的特点,构建了最小化能耗的目标函数。通过构建马尔可夫决策模型,提出了基于双深度Q-Network(Double Deep Q-Network,DDQN)的长江新链网络切片资源分配算法。通过实验与相关算法进行了分析,验证了文中算法选择能耗低的网络资源为航运业务提供资源,降低了长江新链网络资源约13.7%的能耗,提升了约10.2%的资源分配成功率。

关键词： 二进制灰狼算法   特征选择   入侵检测   决策树  

摘要： 为了减少数据集的冗余特征对入侵检测分类器训练用时和检测精度的影响,对二进制灰狼算法的变异概率问题进行分析,重构逼近向量表达式,改善算法的种群变异机制,加快特征降维,减少分类器训练用时;融入粒子群算法的迭代决策形式,增强算法寻优能力;采用混合二进制灰狼算法进行包裹式特征选择,使得数据集特征结构适合于决策树分类器。经NSL-KDD数据集测试,该方法对DoS、Probe攻击流量的检测精度较好,适合用于数据平衡分布的数据集。

关键词： 同时定位和建图   ORB-SLAM3   BEBLID   YOLOv5s   稠密建图  

摘要： 针对原ORB描述符算法匹配精度低、匹配耗时长,动态场景中移动的物体严重影响视觉SLAM系统的定位精度和鲁棒性,以及ORB-SLAM3系统只能构建稀疏点云地图,无法构建稠密地图的问题,提出一种基于BEBLID描述符和目标检测的改进型ORB-SLAM3。在跟踪线程中融合轻量级YOLOv5s动态目标检测网络和动态特征剔除模块,提高系统的定位精度;利用增强高效局部图像描述符BEBLID代替原特征描述算法,与原ORB特征提取方法结合,增强图像的表现力和描述效率,提升特征匹配精度和效率;增加稠密建图线程,根据关键帧与相应位姿完成稠密点云地图的构建。在公开TUM RGB-D数据集上的实验表明,与原ORB-SLAM3相比,本文算法特征匹配精度提高了7%以上;在高动态环境下系统定位精度提高98%以上,在低动态环境下最大提升60%以上,有效提高了系统在动态环境下的定位精度和鲁棒性;并构建了三维稠密点云地图,为后续应用于机器人自主导航、避障和路径规划等工作奠定了基础。

关键词： Stewart平台   运动学方程   结构优化   多目标蚁狮算法   工作空间  

摘要： 针对Stewart平台传统结构优化设计中,存在的设计过程低效、优化方案不全面以及优化结果不直观等问题,在深入分析Stewart平台运动特性的基础上,建立平台的运动学方程,并通过仿真技术求解出平台的可达工作空间以及灵活工作空间。文中将多目标蚁狮(MOALO)算法应用于Stewart平台的结构优化设计,以雅可比矩阵条件数以及可用操作度为优化目标,通过仿真软件得到多组优化解,即帕雷托优化解集;以用作运动模拟器的Stewart平台为例进行具体的优化设计分析,通过对灵活工作空间体积占比的求解,验证了该算法的有效性和可行性。在Stewart平台的结构优化设计中,MOALO算法相较进化遗传算法、多目标粒子群算法等,在多目标优化问题上具有更好的收敛性和覆盖性,更符合实际多目标优化工程设计。

关键词： 小目标检测   复杂环境   大面积遮挡   YOLOv5   无人边防  

摘要： 面对边境复杂环境导致的人工巡检难题和安全风险,部署无人化监控系统对我国边防至关重要。由于摄像头与入侵目标间距离差异导致所拍图像尺度变化显著问题,以及监控目标采用遮挡策略,现有无人边防系统面临误检、漏检率高和实时性不足的挑战。针对该问题,提出了一种平均精度更高、参数量更少、普适性更强的FDB-YOLOv5遮挡小目标检测算法。首先,采集大量不同遮挡面积的人员样本构建数据集;其次,设计了Faster_C3新结构,以减少遮挡小目标检测网络的延迟和参数量,提高模型检测速率;此外,在颈部网络中引入基于点采样的Dysample上采样器,获得更多的局部细节和语义信息,增强模型对小目标的检测能力,同时降低计算开销;最后,使用基于多尺度特征提取BSPPF的空间金字塔池化方法,有效地解决尺度不变性及遮挡目标特征信息损失问题,从而更好地捕获关键信息,提高模型对遮挡小目标检测的稳定性以及鲁棒性。实验结果表明,与基线YOLOv5相比,FDB-YOLOv5的mAP@0.5%达到了91.5%;参数量和计算量分别减少了19.07%与18.40%;模型的检测速度提高了8.83%;与Faster R-CNN、SSD、YOLOv5s、YOLOv8相比,FDB-YOLOv5表现出更优越的性能,可以为边境无人化目标检测技术提供参考。

关键词： 随机接入   基带信号生成   分组交织算法   IDFT/IFFT   FPGA  

摘要： 针对5G随机接入基带信号生成算法计算量大且难以实现的问题,提出一种分组交织的随机接入基带信号生成算法。将基带信号生成过程中的大点数离散傅里叶逆变换(Inverse Discrete Fourier Transformation,IDFT)划分成多组小点数快速傅里叶逆变换(Inverse Fast Fourier Transform,IFFT)分别乘以对应的修正系数,对各小组数据进行IFFT运算和交织。仿真表明,该算法与直接使用IDFT生成的信号之间均方误差仅为1.66×10^(-32),且相较于传统算法,算法复杂度更低。在FPGA平台上验证了该方案的可行性和有效性。

关键词： 提升小波变换(LWT)   主成分分析(PCA)   视觉密码   像素不扩展  

摘要： 本文提出了一种基于LWT-PCA的数字水印算法在像素不扩展(2,2)视觉密码方案中的应用。算法对载体图像进行一阶提升小波变换,在低频LL子带上用主成分分析提取出重要的主成分系数,再用像素不扩展(2,2)视觉密码方案将水印拆分成2个分享图像,将其中分享图像1嵌入到提取的主成分系数中,提取出来分享图像1与分享图像2可以恢复出水印。实验结果表明,本文水印算法能抵抗各类常见的攻击,同时保证了水印的隐蔽性。