课程文献中心 更多>>

关键词： 供应链网络设计   协同优化算法   物流选址   路径规划  

摘要： 文章探讨了基于协同优化算法的供应链网络设计与管理问题的解决方案。传统供应链网络设计面临路径规划、物流选址等挑战,文章在对这些问题进行深入分析的基础上,详细介绍了协同优化算法的基本原理,探讨了其在供应链管理中的潜在应用,提出了基于协同优化算法的供应链网络设计与管理模型,并详细描述了模型的构建过程和优化目标。通过仿真实验验证了协同优化算法在实际应用中的有效性和可行性,结果表明,该算法能够有效解决现实世界中的供应链管理问题,为提高供应链效率和降低成本提供有效的解决途径。

关键词： 机器学习   磁共振成像   影像组学   膀胱癌   病理分级  

摘要： 目的探讨并对比分析机器学习多种算法构建MRI影像组学模型预测膀胱癌(BCa)病理分级的效能。方法回顾性分析本院2016年10月至2020年3月符合入组标准的187例膀胱癌患者。采用ITK-SNAP软件进行T 2WI、扩散加权成像(DWI)及表观扩散系数(ADC)图像上的感兴趣区分割,通过AK软件提取MRI影像组学特征。依次采用最大相关最小冗余(mRMR)、最小绝对收缩和选择法(LASSO)及支持向量机-递归特征消除法(SVM-RFE)筛选出最优特征集,分别采用决策树(DT)、逻辑回归(LR)、K最近邻(KNN)、支持向量机(SVM)、多层感知机(MLP)、可解释增强机(EBM)、随机森林(RF)等7种机器学习算法构建MRI影像组学预测模型。绘制不同模型的受试者工作特征曲线(ROC),并计算曲线下面积(AUC)、准确度、敏感度和特异度评估模型的效能。结果通过T 2WI、DWI及ADC图像共提取了3948个组学特征,依次采用mRMR、LASSO及SVM-RFE算法降维筛选出最优特征集,包括T 2WI_wavelet-LLL_glszm_Size Zone Non Uniformity Normalized、DWI_wavelet-HLH_glszm_Gray Level Variance、DWI_original_first order_Interquartile Range、ADC_wavelet-HHH_first order_Kurtosis、ADC_exponential_glrlm_Run Length Non Uniformity Normalized。采用DT、LR、KNN、SVM、MLP、EBM、RF等7种机器学习算法构建MRI影像组学模型,在训练集预测BCa病理分级的AUC值分别为0.832、0.831、0.844、0.893、0.923、0.993、0.937,在测试集分别为0.765、0.796、0.810、0.829、0.830、0.903、0.929。其中,在测试集中RF模型的AUC值最高,EBM的AUC值次之,且Delong检验显示RF模型与EBM模型之间AUC值的差异无统计学意义(P>0.05)。结论基于机器学习多种算法构建的MRI影像组学模型对BCa病理分级均具有良好的预测效能,且RF与EBM模型可作为预测BCa病理分级的优选模型。

关键词： 服务推荐   超图   图神经网络   注意力机制  

摘要： 随着Internet和Web上各种服务和API数量的迅速增加,开发人员要快速准确地找到满足其需求的API变得越来越具有挑战性,因此亟需一个高效的推荐系统。目前,将图神经网络应用于服务推荐领域取得了巨大成功,但大多数方法仍然局限于简单的交互,忽略了mashup和API调用之间的内在关系;为了解决这个问题,提出了一种基于层次超图注意力的服务推荐方法(H-HGSR)来进行API推荐。首先定义了8种类型的超边,并探究了对应类型超边的超图邻接矩阵生成方法,然后提出了节点级和超边级的注意力机制。节点级注意力机制用于聚合特定类型超图邻接矩阵下的不同邻居的重要信息,以捕获mashup和API之间的高阶关系;超边级注意力机制用于对从不同类型超图邻接矩阵生成的节点嵌入进行加权组合。通过学习节点级和超边级注意力的重要性,可以获得更准确的嵌入表示。最后使用一个多层感知器神经网络(MLP)进行服务推荐。在Programmable Web真实数据集上进行了大量实验,结果表明,所提H-HGSR框架优于目前最先进的服务推荐方法。

关键词： 升降速度   无迹卡尔曼滤波   经验模态分解   粒子群优化算法  

摘要： 某型飞机升降速度计算方法存在信号不稳定、噪声过大、滤波系数控制难等问题。为解决此问题,基于无迹卡尔曼滤波(Unscented Kalman Filter, UKF)、经验模态分解(Empirical Mode Decomposition, EMD)和粒子群优化(Particle Swarm Optimization, PSO)算法,提出了一种新型的飞机升降速度算法模型。该算法模型以飞机的气压高度和升降速度作为状态向量,以加速度作为随机噪声,建立UKF的状态方程和观测方程,通过EMD确定观测方程中的观测噪声协方差R,使用PSO算法计算状态方程中的系统噪声协方差Q。对不同气压高度的飞机升降速度进行仿真,并与某型飞机测试系统记录的气压高度数据所计算的升降速度进行比较。结果表明,经EMD-PSO-UKF算法模型计算的升降速度均在系统的最大允许误差范围内,验证了该算法模型计算的飞机升降速度具有较高的精度、稳定性和可靠性。

关键词： 碾压混凝土坝   施工并仓   混合微粒群算法   决策变量   多约束  

摘要： 为有效解决碾压混凝土坝施工并仓难题,将混合微粒群算法应用于碾压混凝土坝施工并仓研究中,搭建以浇筑仓面面积为自变量的施工工期评价函数。在混合微粒群算法中,将模拟退火算法融入微粒群算法的搜寻迭代中以提高其全局收敛能力和收敛精度,并重新定义该混合微粒群算法的微粒结构、评价函数、搜寻速度和初始化等,引入决策变量δi修正搜寻速度,制定全新的适用于碾压混凝土坝施工并仓的混合微粒群算法运算规则,建立多约束下的施工并仓数学模型。在古贤碾压混凝土坝施工并仓应用中,计算获得每个浇筑升程的最优施工并仓方案和每个浇筑仓面的详细施工参数,为古贤碾压混凝土坝施工组织设计提供了详尽、可靠的数据支持,验证了混合微粒群算法在碾压混凝土坝施工并仓中的应用是可行、有效的。

关键词： 目标跟踪   相关滤波   尺度估计   自动控制  

摘要： 面向复杂城市低空环境中的“低、慢、小”无人机的精准快速跟踪难题,提出了融合DSST-KCF算法的反无人机自动追踪系统。该系统由双光图像采集单元和显示控制单元两部分组成;双光图像采集单元采集低空图像,然后由融合DSST-KCF算法对图像进行实时处理;融合DSST-KCF跟踪算法包括位置滤波器和尺度滤波器,其中位置滤波器采用循环矩阵形成的数据集进行训练,然后预测出下一帧目标位置;尺度滤波器从目标位置中心提取出33种不同尺度下的特征进行训练,然后确定跟踪框的尺寸;最后采用DSST-KCF-云台控制策略,使无人机保持在视场中心附近实现有效跟踪。在校园环境中,利用本系统对空中无人机进行实时跟踪测试,测试结果表明,改进后算法相比原KCF算法检测成功率平均提升了31.51%,跟踪精度平均提升了43%,适用于小型运动目标的跟踪。

关键词： 算法压力   主动服务行为   零工经济   压力认知评估理论   数字零工  

摘要： 零工经济新业态依托在线服务平台迅速崛起,成为创造就业机会与推动经济整体效率的重要引擎。平台在利用大数据算法提高运营效率的同时,也在全景式动态追踪数字零工的劳动过程,导致其在与算法系统和平台的互动中产生复杂多元的新型压力体验。然而,现有研究并未清晰界定数字零工算法压力的概念,且无法提供可靠的测量工具,上述研究缺口成为探究数字零工压力反应及其对平台服务质量影响的障碍。因此,本研究围绕“平台算法压力内涵及其对数字零工主动服务行为的差异化影响”的核心研究主题,基于算法管理功能与零工算法互动过程,创造性提出数字零工算法压力的新定义,并通过开发科学的量表工具,甄别算法压力的结构要素。在此基础上,结合压力认知评估理论,基于挑战性-阻断性压力认知评估框架揭示算法压力影响零工主动服务行为的增益路径和损耗路径,以及双元路径发挥作用的边界条件。本研究不仅拓展了零工经济背景下平台算法研究的理论框架,且能够为有效发挥在线服务平台算法的积极功能提供理论指引。

关键词： 小学信息技术   计算思维能力   培养策略  

摘要： 计算思维能力是一种重要的思维模式与能力,是信息时代科技人才必须具备的核心素养之一。分析了计算思维能力内涵,以苏科版《小学信息技术》五年级“设计手机架”一课为例,探究小学信息技术中学生计算思维能力的培养策略,提出从情境教学、任务分析、寻找算法、归纳总结、迁移运用五个方面切入,有针对性地培养学生算法、分解抽象、评估、概括、优化创新等思维能力。

关键词： 多尺度图像   显著边缘结构   点扩散函数   半二次分裂算法   点扩散函数相似度  

摘要： 针对大多数基于先验的盲图像去模糊算法耗时较长和显著边缘结构提取不理想的问题,提出一种基于显著性区域检测的多尺度图像盲复原算法。为了复原出更加清晰的图像,采用由粗略到精细的多尺度交替迭代框架构建图像金字塔。在图像单一尺度方面,首先提取出图像中具有强边缘结构的显著性区域,并对其施加l_(0)范数约束,提出显著映射先验;将显著性映射先验和最大后验概率相结合并引入传统图像去模糊模型中,构造出点扩散函数估算模型,利用半二次分裂算法解决模型的非凸问题;对点扩散函数进行复原时,利用点扩散函数相似度的变化量限制每个尺度中的过渡迭代;对模糊图像和最终估计的点扩散函数进行非盲解卷积,获得复原图像。实验结果表明:与现有的主流去模糊算法相比,新算法在合成数据集和真实数据集中都可以有效抑制振铃和伪影现象,得到了很好的视觉体验,且评价指标均优于对比算法,同时大大缩减了复原时间。

关键词： 深度学习   钢丝绳缺陷检测   改进的YOLOv5s算法   注意力机制   特征重组算子(CARAFE)  

摘要： 为提高钢丝绳开裂、抽丝图像的识别精度与召回率,本文提出一种基于改进YOLOv5s(you only look once,你只需看一次)的趸船钢丝绳缺陷检测算法。首先在YOLOv5s模型的基础上进行改进,改进方案包括:用特征重组算子(CARAFE)替代最近邻插值进行上采样,以增强特征图的完整性;引入卷积注意模块(CBAM)强化重要特征通道;损失函数由完全交并比损失(CIoU_Loss)替换为扩展交并比损失(EIoU_Loss),以提高边框位置的精度;采用解耦合头减少计算量,提升模型性能与鲁棒性。随后,构建一个专门用于训练和测试的钢丝绳缺陷数据集。通过对比实验结果表明:改进后的YOLOv5s算法在召回率上提高了1.2%,平均精度均值提升了2.2%,呈现出更优的检测效果,并为未来的检测研究提供了理论基础。