课程文献中心 更多>>

关键词： 高维数据   异常数据检测   变分自编码器   遗传算法   子空间异常度  

摘要： 在大数据时代背景下,高维数据的异常检测对于维护系统安全至关重要。为了有效检测异常的高维数据,研究提出了一种计算机高维数据智能检测的新模型。新模型通过变分自编码器进行数据降维和异常评分,再利用遗传算法优化异常数据的子空间。实验结果表明,新模型在阈值为95%时性能最佳,回归率为99.87%,准确率为99.92%。新模型能快速检测高维数据的异常,为高维数据的异常检测提供了一种新技术。

关键词： 太阳电池   最大功率点跟踪   光伏发电   自适应步长因子   混沌映射  

摘要： 复杂遮荫环境下,光伏阵列P-U曲线呈现多个峰值,常规最大功率跟踪(MPPT)算法不能精确、快速地找到最大功率点。因此提出一种改进白鲸算法(IBWO)与改进扰动观察法(IP&O)结合的MPPT控制策略。IBWO采用Henon混沌映射增加种群多样性,引入自适应步长因子和最优个体引导策略,增强跳出局部最优和进行全局寻优的能力,进而提高追踪精度。首先IBWO追踪到最大功率点周围,再利用IP&O提高追踪的精度。仿真实验表明,与金枪鱼算法(TSO)和白鲸算法(BWO)相比,IBWO-IP&O算法在各种复杂遮荫环境下均具有更快的追踪速度、更高的追踪精度和更低的功率振荡。

关键词： 电网负荷预测   大数据分析   LSTM   深度学习   优化算法  

摘要： 随着智能电网建设的深入推进,电网负荷预测精度对保障系统安全稳定运行具有重要意义。针对传统负荷预测方法在面对复杂场景时预测精度不足的问题,提出一种基于大数据分析的电网负荷预测优化算法。该算法融合长短期记忆网络(LSTM)模型、时间序列模型(FbProphet)及深度学习等方法构建多层预测模型。实验结果表明,所提算法在国网莱芜供电公司实际运行环境下取得显著效果,预测准确率达98%,有效识别负荷高峰,累计削减尖峰负荷超过870 MW,为电网安全稳定运行提供有力支撑。

关键词： GIS   智能算法   房地产   批量评估  

摘要： 利用GIS和智能算法,对房价影响较大的位置、交通配套、生活配套、教育配套和周边环境等因素进行量化和选择,形成每个小区的区位分值,在此基础上将位置相邻、分值相近的小区划分在同一个评估分区,并在各个评估分区内建立评估模型,评估出标准房价格和城市全量房源价格。以浙江某中小城市基础数据和房产数据作为检验数据对评估模型进行了验证,检验结果显示拟合度高,批量评估价格具有较高的精确性。

关键词： 钢材表面缺陷   缺陷检测   YOLOv8算法   坐标注意力机制   高效层聚合网络   识别能力  

摘要： 为了更有效地识别钢材表面的细小和复杂缺陷,提出一种改进YOLOv8的钢材表面缺陷检测算法。首先,在原模型的Neck部分引入空间和通道重构卷积SCConv模块,提高模型对小尺度目标缺陷的识别能力;其次,将CA注意力机制模块融合到原始的Backbone中,使模型能够更好地关注目标缺陷的特征信息;接着,采用高效层聚合网络(RepGFPN)模块作为颈部网络,充分融合不同尺度的特征,提高特征融合能力;最后,引入轻量级上采样算子CARAFE,进一步提升模型的检测效果。实验结果显示,在公开的NEU-DET数据集上,改进后模型的平均精度均值(mAP)达到了81.1%,相较于原始YOLOv8模型,mAP提高了2.7%,精确率提升了3.9%。与此同时,在GC10-DET数据集上的实验也表明改进模型具有良好的鲁棒性,证明了所提算法能够有效地完成钢材表面缺陷的检测任务。

关键词： 无人机航迹规划   蚁群算法   自适应挥发系数   信息素差异分布策略  

摘要： 蚁群算法经常被用于解决无人机航迹规划问题,而传统蚁群算法存在迭代速度慢、易陷入局部最优等诸多缺陷,针对这些问题提出了一系列改进措施:对于航迹规划初期的蚁群算法盲目搜索问题,在任务空间中对信息素进行具有引导性的不均匀分配,使得蚂蚁沿着起点到终点的连线进行探索,蚁群的探索更具方向性;同时,在启发函数中考虑到了转角因素对航迹平滑性的影响,用以提升航迹规划的质量;另外,采用自适应挥发系数,动态调整信息素挥发速率,避免前期过于快速地收敛到局部最优,也确保后期加速收敛,不使算法陷入无休止的计算中,并采用冗余节点消除策略对航迹做了进一步优化。

关键词： 云计算   任务调度   深度强化学习   状态优选   JS散度  

摘要： 已有基于深度强化学习(Deep Reinforcement Learning,DRL)的云数据中心任务调度算法存在有效经验利用率低造成训练成本高、状态空间维数不固定和维度较高导致学习震荡,以及策略更新步长固定造成的收敛速度慢等问题。为解决以上问题,基于云数据中心场景构建并行任务调度框架,并以时延、能耗和负载均衡为目标研究云任务调度问题。在DRL算法A2C(Advantage Actor Critic)的基础上,提出了一种基于自适应状态优选和动态步长的云数据中心任务调度算法(Adaptive state Optimization and Dynamic Step size A2C,AODS-A2C)。首先,使用准入控制和优先级策略对队列任务进行筛选和排序,提高有效经验的利用率;其次,将动态高维状态以自适应的方式进行快速优选处理,保持相对稳定的状态空间,避免训练过程中出现震荡问题;最后,使用JS(Jensen Shannon)散度度量新旧策略的概率分布差异,并根据这种差异动态地匹配调整Actor网络和Critic网络的学习步长,从而将当前学习状态迅速调整为最佳值,提高算法的收敛速度。仿真实验结果表明,所提出的AODS-A2C算法具有收敛速度快、鲁棒性高等特点,相较于其他对比算法在时延方面降低了1.2%到34.4%,在能耗方面降低了1.6%到57.2%,并可以实现良好的负载均衡。

关键词： 预应力钢筋混凝土梁   声发射   损伤识别   长短时记忆神经网络   改进的鲸鱼优化算法  

摘要： 为准确识别桥梁结构的损伤程度,制作了桥梁的关键构件——预应力钢筋混凝土梁,进行三点弯曲加载试验.收集了损伤破坏全过程的声发射(AE)信号,通过AE信号参数分析,将梁的损伤破坏过程划分为4个典型阶段.构建了长短时记忆神经网络(LSTM)模型,根据经验设置LSTM模型的超参数容易导致网络陷入局部最优而影响了分类结果,提出采用Sine混沌映射和自适应权重来改进鲸鱼优化算法(WOA),对LSTM进行超参数寻优.设计了IWOA-LSTM算法模型,训练识别试验梁各损伤阶段的AE信号特征参数.定型网络结构,并识别同种工况下其他梁的AE信号.结果表明:IWOA-LSTM算法模型识别准确率均超过或接近92%,相较于普通LSTM模型,IWOA-LSTM模型识别准确率提高了约7%.

关键词： 卫星信道   线性失真   非线性失真   新型级联结构   宽带信号盲均衡  

摘要： 针对高速高动态宽带卫星信道中线性失真和非线性失真并存的问题,提出一种基于新型级联结构的宽带非线性盲均衡算法。算法通过构建一种线性与非线性级联的滤波器算法结构,以同时矫正宽带卫星信道带来的线性畸变和非线性畸变。为验证算法的有效性,在10 Gbit/s高速数传接收机平台进行了实验。实验结果表明,相比传统的线性均衡算法,该算法可以同时矫正信道的线性畸变和非线性畸变,工程应用价值高。

关键词： 三数据中心   纠删码   局部可修复码   最大可恢复编码   Reed-Solomon码  

摘要： 纠删码算法在单数据中心和多数据中心得到了广泛的应用。目前对纠删码算法的研究更多地关注存储成本和修复带宽,对于如何在专线带宽、交换机受限的情况下完成多数据中心之间的修复,如何在可靠性、容错能力等核心因素之间实现最佳权衡等问题,没有进行充分的分析和解决。针对三数据中心这种最常用的多数据中心场景,首先,提出了纠删码在系统设计中重要的4个因素:冗余度、可靠性、容错能力及解码带宽。其次,根据提出的4个因素,设计了一种单数据中心下满足最优带宽修复的S-LRC算法。再根据提出的S-LRC算法,设计了满足三中心架构体系下的G-LRC算法。相比传统的编码方案,提出的G-LRC算法具有更高的可靠性、更大的容错性及解码带宽惩罚比。其两节点故障时解码带宽惩罚比仅为传统方案的1/7~2/7。最后,将G-LRC算法在大文件存储系统中进行了实现和验证,并且设计了解码最优决策算法来减少修复的带宽,解决了非最大距离可分割码算法在系统中落地难的问题。