课程文献中心 更多>>

关键词： 穴盘苗   光谱检测   机器学习   随机森林   BP神经网络  

摘要： 穴盘苗经培育后难免会出现同一穴盘内不同钵苗的品质良莠不齐的情况,如果未经品质分级并将劣质苗剔除的过程,直接将钵苗机械化移栽至大田,会对后续农产品的产量和品质等产生负面影响。为此,以番茄穴盘苗为研究对象,基于光谱技术和机器学习方法,对试验样本进行快速无损检测并实现了分类识别。首先,分别采集样本的生理生化指标和光谱数据,综合品质分级的各项标准将各样本所属的品级与光谱数据对应;其次,采用多元散射校正(MSC)和竞争性自适应重加权法(CARS)对采集到的光谱数据进行预处理和降维,消除了部分冗杂数据并提升了数据的可靠性;最后,分别采用随机森林和BP神经网络算法建立了穴盘钵苗的品质分类模型,达到了通过光谱数据对穴盘苗进行品质分类的目的。通过对分类模型评价指标的对比可知:MSC+CARS+BP神经网络结合的算法所构建的分类模型识别效果最佳,其准确率达到了98.2%,调和平均数为98.5%,可为今后进行钵苗品质的快速无损检测、实现选择性移栽健壮苗提供技术参考。

关键词： 动力刚度法   Wittrick–Williams算法   Floquet边界条件   多段梁点阵   色散曲线  

摘要： 基于动力刚度理论(DSM)表述了多段梁(MSB)点阵的动态响应，进而利用Wittrick-Williams(WW)算法计算其各阶固有频率。首先，根据MSB内部节点处的位移与应力连续条件，以分块矩阵组装的形式得到了MSB的动力刚度矩阵。利用这种方法获得的MSB动力刚度矩阵仍然是两节点式，并不会增大刚度矩阵的维度。WW算法与动力刚度矩阵的结合可以精确求解点阵的各阶固有频率。针对MSB点阵的周期性胞元，在原始动力刚度矩阵中考虑Floquet边界条件，再采取WW算法并最终得到了相应点阵的色散曲线。在不可约布里渊区内，利用该法算得的色散曲线与基于COMSOL仿真的结果相比，两者误差在6%以内，验证了所建方法的可行性。进而系统研究了微观几何和材料参数对色散曲线的影响规律，结果表明使用MSB搭建点阵是调节点阵色散特性的有效方法。

关键词： 配电网   分布式电源   故障恢复   北方苍鹰算法  

摘要： 针对传统配电网存在故障恢复重构效率低的问题，提出一种基于北方苍鹰算法的含分布式电源的配电网重构办法。首先，构建了风能发电模型、光伏发电模型和负荷特性模型；其次，按照负荷恢复总量最大划分孤岛网络，优先恢复重要负荷供电；此外，搭建含分布式电源的配电网故障恢复模型时，考虑经济与操作方便，将综合网损最小及开关动作次数最少作为目标函数，采用北方苍鹰算法迭代寻优，获取故障恢复重构方案；最后运用IEEE33配电网模型仿真验证，证实了所述策略的有效性，提高了配电网的供电可靠性。

关键词： 算法推荐   网络思想政治教育   高等学校   数字化治理   话语体系  

摘要： 算法推荐作为一种全新的信息资源配置手段,从精准适配教育内容、精准施策及精准评估三个层面打造了高校网络思想政治教育新格局。同时,算法推荐的主体情感偏好、受众本位特征与技术的琐碎化也给高校意识形态建设、网络思想政治教育的话语体系建设与数智化转型带来了挑战。当前,高校急需协同多方力量通过加强数字化治理、创新网络思想政治教育话语体系并增强教育主体与教育客体的数字素养培育来积极探索数智化发展进路,持续推进高校网络思想政治教育的高质量发展。

关键词： 移动边缘计算   任务卸载   近端策略优化算法   缓存优化  

摘要： 针对传统边缘计算和缓存技术在处理计算密集型和延迟敏感型任务时的不足,提出了一种以无人机（UAV）为核心的主动边缘计算与缓存优化方案。利用UAV主动感知车辆需求,结合二分类数学模型和Hawkes模型,提高对道路车辆需求的准确率。将上述问题用马尔可夫决策过程描述,通过对PPO算法进行改进,提出了不确定性感知探索的近端策略优化（UAE-PPO）算法,对边缘缓存与卸载进行优化。UAE-PPO算法在Actor网络中集成了不确定性感知探索和动态调整探索策略的方法,结合了自适应衰减clip参数和L2正则化技术,显著提升了模型的稳定性和泛化能力。仿真实验表明,对比传统PPO算法,所提算法奖励收敛速度提高了28.6%,奖励值提高了6.3%。

关键词： 第一视角视频   流形结构   自监督学习   时序分割   特征表示  

摘要： 随着可穿戴设备和智能存储技术的普及，第一视角视频的使用量呈现高速增长。将这类视频划分成独立的视频片段以提取关键的内容信息，成为了视频理解领域的重要研究方向。这类视频数据规模大、维度高、内容多样，基于欧氏空间的特征学习方法难以有效地处理复杂高维的视频数据。现有时序分割算法在处理第一视角长视频时，很难应对因手部遮挡和运动模糊而导致的帧信息丢失问题。针对上述问题，本文提出了一种自监督流形结构的第一视角视频时序分割算法(Self-Supervised Manifold Structure, SSMS)。受高维视频数据在低维流形空间中具有相似语义聚集现象的启发，该算法将包含时序信息的帧特征进行低维嵌入，使得语义相似的帧特征映射到流形空间中相近位置。首先，本文提出了一种改进的局部流形结构特征学习策略，提取帧数据的局部流形结构。其次，SSMS算法构建了动态时序网络，基于最大相似关系来获得具有不变性的特征表示。然后，将帧数据的流形结构特征作为监督信号进行自监督学习。经过不断迭代优化，得到低维高质量的帧数据特征。最后，通过聚类过程实现第一视角视频的无监督时序分割，避免了标注数据的限制和成本。相比于现有的无监督时序分割算法，本文方法在五个第一视角数据集上平均提高了3.37%的准确度。

关键词： 算法透明   商业秘密保护   风险分级   自动化决策   监管沙盒  

摘要： 算法时代下算法黑箱、算法歧视等负外部性引发了对算法透明的迫切需求，然而算法技术往往涉及到算法持有者的商业秘密，商业秘密保护本质上排斥公开，不同的利益取向诱发了算法透明与商业秘密保护之间的紧张关系。风险分级既契合算法透明对于算法安全以及算法可信的治理要求，又契合商业秘密保护的发展需求，是平衡安全与发展的重要之策。然则目前算法透明与算法分级均止步于原则性要求，对算法的未知恐惧催生了对算法透明的盲目追求，因此有必要摈弃全有或全无的路径依赖，在风险分级治理视域下展开算法有限透明之架构，结合风险导向的源头治理，避免陷入算法透明非黑即白的窠臼，助力算法透明与商业秘密保护之理一分殊。

关键词： 电力-交通系统   新能源   耦合架构   关键问题   博弈论  

摘要： 电动汽车数量的大幅增长显著促进了电力系统和城市交通系统的深度融合，机遇与挑战并存。电力-交通融合相关研究方兴未艾。文中首先按照时间尺度、应用条件梳理了常见的交通分配模型，并在此基础上对电力-交通系统的耦合架构与建模方法进行归纳。进一步，针对电力-交通耦合系统研究中的非凸非线性项、多主体参与、不确定性管理等难题，总结了有效的应对算法。然后，详细阐述了电力-交通耦合系统扩展规划、经济运行、低碳运行、点对点交易、故障恢复等关键问题研究进展。最后，从共享电动汽车、氢燃料电池汽车、移动充电站等研究对象方面和数据驱动、在线优化等研究方法方面分析与展望了未来电力-交通耦合系统的关键技术。

关键词： Retinex-Net   低照度图像   图像增强   HSV模型   颜色矫正  

摘要： 受低照度和拍摄设备的影响，拍摄的图像通常具有较低的可见度。为此，相继提出了多种低照度图像增强算法，如光照图估计图像增强(low-light image enhancement via illumination map estimation， LIME)、深度自编码器图像增强(deep autoencoder approach to natural low-light image enhancement， LLNet)等，但仍存在亮度下降与色彩失真等问题。为了解决这一问题，提出了一种改进的 Retinex-Net增强方法。与常规Retinex-Net在RGB色彩空间进行增强不同，首先将低照度图像进行色相-饱和度-明度色彩空间(hue saturation value，HSV)变换。然后，使用多尺度结构和挤压与激励注意力机制(squeeze and excitation， SE)对分解网络进行改进。再者，将卷积块注意力机制(convolutional block attention module， CBAM)引入到光照增强网络，建立反射增强网络并对反射分量进行增强。此外，在损失函数方面，引入了色彩损失函数和结构损失函数，以更好地调整图像的颜色与结构。实验结果表明，所提出的模型能够有效地解决图像增强后出现的颜色失真与低对比度等问题。

关键词： 越区切换   5G-R   Q-learning算法   玻尔兹曼优化策略  

摘要： 针对5G-R高速铁路越区切换使用固定切换阈值,且忽略了同频干扰、乒乓切换等的影响,导致越区切换成功率低的问题,提出了一种玻尔兹曼优化Q-learning的越区切换控制算法.首先,设计了以列车位置-动作为索引的Q表,并综合考虑乒乓切换、误码率等构建Q-learning算法回报函数.然后,提出玻尔兹曼搜索策略优化动作选择,以提高切换算法收敛性能.最后,综合考虑基站同频干扰的影响进行Q表更新,得到切换判决参数,从而控制切换执行.仿真结果表明：改进算法在不同运行速度和不同运行场景下,较传统算法能有效提高切换成功率,且满足无线通信系统QoS的要求.