课程文献中心 更多>>

关键词： 树形结构   数据存储   算法  

摘要： 针对大规模树形数据存储效率低下问题,文章提出一种基于分段式数字存储的新方法。该方法将节点关系编码为定长或变长的数字,并通过位运算实现高效的节点查询、插入、删除和移动操作。实验结果表明,该方法能够显著提高树形数据的存储和查询效率,尤其适用于节点关系较为稳定的场景。

关键词： 差分进化算法   永磁定位技术   磁传感器阵列   空间位姿测量  

摘要： 永磁定位技术因其无需外接激励电路和适用于小空间非透明环境等优点,在生物医疗和湍流检测等领域备受关注。该技术利用空间反演算法从永磁体的磁场信息中提取位姿信息,从而实现永磁体的定位。为获得更精确的位姿信息,需采用更有效可靠的空间反演算法对磁场信息进行反演运算。因此,该文提出一种基于差分进化算法的空间反演算法,并通过设计对比实验研究空间反演算法对永磁体定位准确度和速度的影响。结果表明,该文提出的空间反演算法具有更高的定位和定向精度以及更快的迭代速度。平均定位误差为(2.49±1.49)mm,平均定向误差为(1.48±0.61)mm,平均迭代次数为78.4次。

关键词： 中介轴承   故障诊断   模态分解   蜣螂算法(DBO)   深度极限学习机(DELM)  

摘要： 针对中介轴承故障信号传递路径复杂、受背景噪声干扰大、故障特征提取难,且传统诊断模型准确率受限于测点位置的问题,提出了一种基于自适应噪声完全经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)与蜣螂算法(dung beetle optimizer,DBO)优化深度极限学习机(deep extreme learning machine,DELM)结合的中介轴承故障诊断方法。首先,使用CEEMDAN和由能量比-相关系数-峭度值组成的固有模态分量筛选准则对原始信号进行分解、筛选、重构,在重构信号的时域与频域中提取特征组成特征矩阵;其次,将诊断准确率作为DBO的适应度值,对DELM模型的初始权重进行优化构建出全新的DELM;最后,将特征矩阵输入DELM完成故障诊断。以中介轴承故障数据为例,经DBO优化后的DELM诊断准确率取得了较大提升,在诊断较为困难的45°方向上诊断准确率仍达到了98.75%。结果表明,该诊断方法有效识别了中介轴承故障类型,展现了较强的鲁棒性与泛化能力。

关键词： 机器学习算法   支持向量机模型   风险预测模型   急性缺血性脑卒中   静脉溶栓  

摘要： 目的采用机器学习算法构建急性缺血性脑卒中患者接受静脉溶栓治疗后风险的预测模型。方法选取2017年7月至2023年7月在本院收治的急性缺血性脑卒中静脉溶栓治疗患者共666例,根据术后改良Rankin量表评分,将患者分为预后良好组(415例)和预后不良组(251例)。收集可能影响预后的因素,采用组间分析和LASSO回归分析筛选危险因素。所有研究对象被随机分为训练集(70%)和测试集(30%)。在训练集中运用6种机器学习算法构建预测模型,并在测试集中进行验证。模型的性能通过准确率、AUC值、敏感性及特异性评价。结果通过单因素分析和LASSO回归分析筛选出12个变量,包括年龄、BMI、吸烟、高血压、房颤、冠心病、术前收缩压、大动脉闭塞、入院NIHSS评分、血红蛋白、INR和D-二聚体。多因素Logistic回归分析进一步显示血红蛋白、冠心病和大动脉闭塞为静脉溶栓患者预后不良的独立危险因素。在比较6种机器学习算法后,支持向量机模型展现出最高的综合性能,其AUC值为0.76。结论基于机器学习算法构建的急性缺血性脑卒中静脉溶栓的风险预测模型中,支持向量机模型预测效果最好。该模型为急性缺血性脑卒中患者的临床治疗决策提供有力的支持。

关键词： 配电电缆   局部缺陷   故障定位   MUSIC算法  

摘要： 提出了一种基于多重信号分类(MUSIC)算法的10 kV配电电缆局部缺陷定位方法。首先介绍了含缺陷的配电电缆分布式参数模型;其次分析传统频域反射定位算法存在的不足,并介绍了基于MUSIC算法的电缆反射系数实部周期分量求解方法;最后对比分析了所提方法与传统方法的定位结果,表明MUSIC算法具有定位分辨率高、对频率上限依赖小的优势,可为准确定位配电电缆局部缺陷提供重要理论支撑。

关键词： 四旋翼飞行器   倾角补偿   曲线拟合  

摘要： 为降低利用摄像头实现四旋翼寻迹飞行和悬停时调试PID参数的难度,进一步提高悬停的精准性,提出了一种利用MATLAB曲线拟合功能快速实现摄像头倾角补偿的方法。以STM32F103C8T6单片机为处理核心,用OV7725摄像头采集图像数据,通过四旋翼平台上的实际测试,以没有做倾角补偿的悬停作为对比,验证了该方法的有效性。实验结果表明:利用该方法可以较好的对摄像头做倾斜补偿,满足四旋翼精准悬停的要求,提高了系统的稳定性和可靠性,对四旋翼控制算法和应用具有重要的参考价值。

关键词： 跨模态检索   图像文本特征   融合注意力网络   模型参数  

摘要： 在计算机和人工智能领域,图像文本跨模态检索受到广泛的关注。然而,当前的图像文本跨模态检索方法往往仅粗略地融合图像文本特征信息,导致所学习的特征信息质量不高。对此,设计融合注意力网络计算的图像文本跨模态检索算法。通过训练该模型,能够挑选出最优的参数,能够有效融合图像文本特征信息,进而学习出信息更丰富的图像文本特征,使得图像和文本的对齐特征更加精准。

关键词： 孤立森林算法   交直流混合配电网   配电网故障   故障自动定位   定位研究  

摘要： 交直流混合配电网故障定位需要实时获取和处理大量的电网数据,这些数据质量不一,导致故障定位难度上升,为此,提出了基于孤立森林算法的交直流混合配电网故障自动定位方法。采集交直流混合配电网的运行数据对采集的数据进行预处理,提高数据质量。利用孤立森林算法分析预处理后的数据,以检测异常或故障数据,结合孤立森林算法的检测结果自动定位配电网中故障发生的具体位置。结果表明,该方法不仅能在复杂的配电网环境中准确识别故障,还能快速定位故障位置,效果显著,具有较高的实用价值。

关键词： 分数阶全变分   重叠组稀疏   遥感图像   图像复原  

摘要： 脉冲噪声的随机性和高对比度导致其在遥感图像中难以预测和定位,为了去除脉冲噪声,本文提出了一种融合分数阶全变分先验和重叠组稀疏先验的遥感图像复原算法。该模型采用l0范数作为数据保真项以避免l1范数的过度惩罚,利用重叠组稀疏先验来消除阶梯效应,同时分数阶全变分先验能够更有效地保留图像中的边缘和纹理信息。我们使用优化最小化算法和交替方向乘子法来进行求解,并与L0-OGSTV、HNHOTV、L0-TV三种算法进行对比,实验结果表明,本文所提出的算法在峰值信噪比和结构相似度上均优于其他几种算法。The randomness and high contrast of impulse noise cause it to be difficult to predict and localize in remote sensing images. In order to remove the impulse noise, this paper proposes a remote sensing image restoration algorithm that integrates fractional-order total variational prior and overlapping group sparse prior. The model adopts the l0 norm as the data fidelity term to avoid the over-penalization of the l1 norm, and utilizes the overlapping group sparse prior to eliminating the staircase effect, while the fractional-order total variation prior can retain the edge and texture information in the image more effectively. We use the majorization-minimization algorithm and the alternating direction multiplier method to solve the problem and compare it with the three algorithms, L0-OGSTV, HNHOTV, and L0-TV, and the experimental results show that the algorithm proposed in this paper outperforms the other algorithms in terms of the peak signal-to-noise ratio and the structural similarity.

关键词： 机器人   自主探索   边界点   评价函数   机器人操作系统  

摘要： 为解决机器人难以快速探索含有狭窄入口的未知环境,以及在探索收益接近的目标之间徘徊探索而导致探索效率降低的问题,提出一种包含均匀扫描和专注引导策略的自主探索算法USAGE。USAGE采用均匀扫描的方式检测地图的边界点,并对边界点进行聚类得到待探索点。最后通过专注引导策略确定最优探索目标,在含有信息增益和路径代价的传统评价函数中引入转向代价评估指标,并根据机器人的状态约束探索任务执行,引导机器人专注探索。通过在机器人操作系统搭建仿真环境进行验证,实验结果表明,与基于快速探索随机树(rapidly-exploring random tree, RRT)的探索算法相比,USAGE占用系统内存减少了11.34%以上,在探索耗时和探索距离方面分别减小了26.90%和31.94%,提升了自主探索效率。