课程文献中心 更多>>

关键词： 图像分类   卷积神经网络   卷积核   特征融合  

摘要： 针对深度卷积神经网络在进行图像分类时,随着深度的增加可能出现的梯度弥散以及由于卷积核尺度不合适出现的特征提取能力不足等问题,文章提出了一种多尺度融合特征的深度卷积神经网络。该网络的主要结构由包含多尺度卷积核的卷积层、多层感知机与池化层堆叠构成,在特征提取完成后,经过特征融合层与全连接层相连,输入Softmax分类器完成图像分类。实验结果表明,与深度卷积神经网络相比,该网络模型提高了CIFAR-10数据集的图像分类精度,具有较强的鲁棒性。

关键词： 支持向量机   人工神经网络   氨氮   总氮   通惠河  

摘要： 为探讨北京市通惠河水质氨氮和总氮之间的量化关系,采用两种机器学习算法(支持向量机和人工神经网络学习方法)构建模型。结果表明:1)支持向量机回归(SVR)、Fitnet神经网络回归模型在训练样本中的均方误差(MSE)分别为2.374×10^(-3)、5.756×10^(-3)mg/L,平均绝对百分比误差(MAPE)分别为4.422%、2.314%;在检验样本中的MSE分别为4.808×10^(-2)、2.213×10^(-2)mg/L,MAPE分别为18.338%、9.568%,相关系数分别为0.80383、0.94856。2)两种模型的线性回归线与理想线均非常接近,走势趋同,均具有良好预测性能。3)Fitnet神经网络回归模型预测性能优于支持向量机回归模型。

关键词： 贝叶斯方法   蚁群算法   路径规划   动态优化  

摘要： 在路径规划问题中,寻找从起点到终点的最优路径具有广泛的应用,如机器人导航和物流管理。蚁群算法(ACO)由于其群体智能特性在路径优化问题中表现出色。然而,传统蚁群算法在动态环境中由于信息素更新机制较为固定,往往难以快速适应环境变化,导致路径选择效率和精度下降。为了解决这一问题,通过引入贝叶斯算法根据历史信息和实时反馈动态调整信息素的更新策略,从而更准确地应对环境的不确定性和变化。在静态和动态网络环境中,通过对比改进后的算法与传统蚁群算法以及其他常用路径规划算法(Dijkstra算法、A*算法及其改进的蚁群算法)的性能显示,本算法在路径优化效率和对动态环境的适应能力上均显著优于对比算法,为动态路径规划问题提供了不同适应场景的有效解决参考和借鉴。

关键词： 强化深度学习   变电站   智能倒闸操作   决策  

摘要： 在电力系统中,变电站倒闸操作决策是一项复杂且关键的任务,其准确性直接关系电网的安全、稳定运行。针对传统倒闸操作依赖人工判断、易受环境条件影响的问题,提出一种基于强化学习算法的变电站智能倒闸操作决策系统。该系统通过构建变电站设备的状态空间与动作空间,利用深度强化学习算法对大量历史操作数据进行学习,以优化倒闸操作决策过程。系统能自动分析当前电网运行状态,预测未来操作序列,并生成符合安全规范的操作票。实验结果表明,该系统在收敛速度和决策准确性方面均优于传统方法,显著提高倒闸操作的智能化水平和效率。

关键词： k-means算法   上市公司   信用风险   初始聚类中心   因子分析  

摘要： 针对传统的k-means聚类算法初始聚类中心具有随机性,聚类结果会随着初始聚类中心的不同而波动的问题,改进了初始聚类中心选取的方法.利用UCI数据库中的Iris数据集进行实验并计算准确率,对比发现改进算法后的聚类准确率较传统算法有了明显提高.选取25家上市公司,运用因子分析法构建信用风险评估指标体系,利用改进后的评估模型对这25家上市公司的信用风险进行评估,按照信用风险等级将这些公司分为高风险、中风险、低风险三类,其中高风险1家,中风险21家,低风险3家.将改进后的k-means聚类评估模型和传统k-means聚类评估模型进行比较分析,结果表明,改进后的评估模型算法性能有所提高,评估结果更为合理.

关键词： 大数据分析技术   建筑工程施工   资源优化配置   数据模型   工程质量  

摘要： 大数据时代为建筑工程施工资源的优化配置提供了创新的实施途径。本研究运用大数据分析技术,深入探讨了建筑工程施工资源的配置问题,并探索了优化策略。面对建筑施工过程中繁多且复杂的数据资源,我们引入了大数据分析技术,并构建了相应的数据模型。研究结果显示,大数据分析技术能够高效解析和处理庞大的施工资源数据,揭示数据间的关联与规律,从而为施工资源的优化配置提供有力的决策支持。此外,本研究还设计了大数据分析技术在建筑施工资源优化配置中的具体应用流程,并通过真实的工程案例进行了实践分析。实际应用的结果表明,基于大数据分析技术的建筑施工资源优化配置,不仅有效降低了工程成本,还提高了施工效率,对提升整体工程质量具有显著作用。这一研究成果为建筑工程施工中的资源配置优化提供了新的理论指导和实践参考。

关键词： 遗传算法   通信基站   最优规划  

摘要： 在移动通信技术高速发展的背景下,现代社会对通信质量和效率提出了更高的要求,而通信基站规划建设的合理性与科学性,直接关系到通信质量以及运营成本,因此为保证通信基站规划的专业性,达成最优规划的目标,要加强对遗传算法的运用。基于此,本文立足于通信基站规划的最优目标,详细分析了在规划通信基站时遗传算法的应用方法,并采用实例分析的方式,阐述遗传算法实现路径,旨在寻找到最优建站方法,提高通信基站选址方案的可操作性,以期为从业人员提供参考和借鉴。

关键词： 机械臂运动规划   渐进最优快速搜索随机树   避障规划   路径优化  

摘要： 针对机械臂路径规划过程中节点生成容易陷入局部最小值、算法收敛速度慢等问题,以目标引力函数渐进最优快速扩展随机树(P-RRT)为基础,提出一种基于KNN快速查找的自适应步长的改进RRT算法(KNN-RRT)。首先,在目标引力的基础上引入AdaGrad方法来调整自适应步长系数,降低随机点采样陷入局部最小值的问题;其次,利用KDTree来存储节点并利k邻近快速搜索查找相邻节点,提高算法的效率,并结合三次B样条曲线优化搜索路径的质量;最后,基于KNN-RRT算法在不同障碍物环境下进行实验,实验结果表明该算法在路径搜索时间、路径质量等方面有显著提升,提高算法的稳定性。

关键词： 天空地一体化   视觉目标跟踪   随机有限集   多模型   多模态信息融合  

摘要： 为实现全时全域“泛在连接”,构建天空地一体化网络已成为国家重大需求,而基于天空地一体化网络下跨域协同系统进行多目标跟踪是其中一个重要的发展方向,其在军民用领域都极具应用价值。本文详细阐述了天空地一体化网络背景下多目标跟踪方法研究进展。首先,介绍了天空地一体化跨域协同多目标跟踪的研究背景与意义。其次,从基于视觉的多目标跟踪、基于模型的多目标跟踪和基于多模态融合的多目标跟踪三个方面概述了当前的代表性研究方法:在基于视觉的多目标跟踪算法方面,介绍了单摄像头和多摄像头融合的多目标跟踪方法;对于基于模型的多目标跟踪,先介绍了单传感器多目标跟踪方法,以及在多种复杂场景下的改进,然后介绍了多传感器融合方法;在基于多模态信息融合的目标跟踪方面,在对多传感器时空配准方法和有代表性的多模态信息融合方法介绍的基础上,概括了基于多模态融合的多目标跟踪算法。最后探讨了当前存在的问题和未来发展方向:无论基于视觉的还是基于模型的多目标跟踪方法都有不少问题有待解决,特别是两种方法的结合值得深入研究;在面临复杂干扰时,基于多传感器信息融合的多目标跟踪由于能实现信息的互补,成为未来的主流发展方向;此外,跨域协同系统,由于能利用更多的资源和信息,其多目标跟踪问题研究极具价值,不过其中通信安全问题和多目标跟踪模型轻量化问题值得探讨。本文对从事目标跟踪及空天地一体化协同控制相关理论与技术研究的科研工作者具有重要参考价值。

关键词： 二部图   (α,β,h)-core分解   高效算法  

摘要： (α,β)-core分解作为图数据管理与分析研究中的热点问题,已经被广泛应用于电商欺诈检测和兴趣群组推荐等实际场景中。然而现有(α,β)-core模型在构建时仅考虑顶点距离为1的邻居,难以刻画出二部图社区中的细粒度信息。针对此问题,提出了基于距离泛化的(α,β,h)-core模型,即由二部图中两个不相交的顶点集构成一个最大子图,满足一个集合中的任何一个顶点至少有α个与它的距离不大于h的邻居顶点,另一个集合中的任何一个顶点至少有β个与它的距离不大于h的邻居顶点。通过引入距离为h的邻居,解决了(α,β)-core模型细粒度刻画能力不足的问题。由于新模型需要考虑距离不大于h的邻居,因此(α,β,h)-core分解变得更为困难。为此,提出了基于计算共享的分解策略,据此设计了高效的(α,β,h)-core分解算法,并分析了算法性能。考虑到确定距离不大于h的邻居顶点非常耗时,还提出一种(α,β,h)-core下界以减少重复计算距离不大于h的邻居顶点,进一步提高计算效率。在8个真实图数据上的对比实验结果验证了新模型的有效性和算法的高效性。