课程文献中心 更多>>

关键词： 遥感   高光谱图像   波段选择   子空间划分   峰值密度   局部密度   信息熵   分类  

摘要： 波段选择是高光谱遥感图像降维的一项重要任务,其目标是选择包含较少冗余信息、较大信息量和具有类别可分性的波段子集。为解决基于近邻子空间划分的波段选择方法没有考虑地物空间分布和计算聚类中心时忽略噪声波段影响的问题,本文提出了一种结合空谱结构与改进局部密度的高光谱图像波段选择方法。该方法首先对高光谱图像进行基于熵率的图像分割获得高光谱图像同质区域,综合同质区域相关系数矩阵获得图像区域级近邻波段相关系数向量;其次,用高斯核平滑全局近邻波段相关系数向量以降低噪声波段的影响,并根据极值点进行波段分组;然后,最大化改进局部密度和波段信息熵的乘积作为选取代表性波段的标准;最后,在Indian Pines、Botswana和Salinas高光谱图像数据集上,通过SVM、KNN和LDA分类器上进行分类实验。结果表明:(1)对比像素级相关系数划分方法,利用区域级相关系数使得近邻波段分组更为合理,降低波段冗余性,同时还保留了部分潜在特征波段,在3个数据集上的分类性能分别提高了2.63%,0.68%,0.16%;(2)对比仅使用信息熵的波段衡量方法,本文提出的最大化改进的局部密度和信息熵乘积的方法是有效的,在3个数据集上OA分别提高了4.13%、0.5%和0.21%;(3)对比其他6种先进波段选择方法,本文方法在3个数据集上的OA分别从62.34%提高到75.03%、86.74%提高到88.28%和86.04%提高到92.36%。此外,所选择的波段子集在分布上较为分散,主要集中在信息熵较高的区域,同时避免了选择噪声波段。综上,本文提出的波段选择方法所得波段子集具有较低的冗余性、丰富的信息量、强的类别可分性,并且对噪声具有较强的鲁棒性,能够有效地解决高光谱图像波段选择的问题。

关键词： 直流电磁泵   压力   效率   BP神经网络   NSGA-Ⅱ  

摘要： 为了提高直流电磁泵的压力来驱动液态金属流动进行散热,改善泵的输送效率,采用数值模拟与智能算法相结合的优化设计方法,对泵的结构参数和输入电流进行了优化。以液态金属镓铟锡合金为工质,在1.5 L/min流量工况下,利用COMSOL软件对电磁泵进行了数值模拟仿真,求得了泵的静压差并将其与试验值进行了对比,验证了仿真模型的准确性。采用Box-Behnken试验设计方法进行数据采集,根据试验数据构建BP神经网络代理模型,以压力和效率最大化为优化目标,结合NSGA-Ⅱ算法进行结构优化。结果表明:在相同流量下,优化后泵的输入电流减小了20 A,更利于散热;压力和效率分别提高了2577.6 Pa和11.8%,沿程损耗降低,整体性能得到改善;对比流场分析,泵内部流动速度更均匀,流线分布更加平稳。

关键词： 分布式光伏   深度学习   目标检测   行为分析  

摘要： 文章提出一种基于深度学习算法的人员违章识别分析方法,旨在通过自动分析现场监控视频,实现对分布式光伏项目建设过程中人员违章行为的快速检测和分类。基于多特征融合的图像分割算法,结合目标检测和行为分析算法,判断是否存在违章行为。试验结果表明,文章提出的方法在分布式光伏项目中具有较高的准确性和实时性。通过对实际监控视频的分析,能够准确检测出人员违章行为,并对其进行分类。这种方法不仅提高了监控效率,避免了人员违章行为影响项目进度,减少了安全事故的发生,还为人员违章的监管和预防提供了有效技术支持。

关键词： 公共安全   中强震   改进遗传算法   无人机路径规划  

摘要： 为提高中强震灾害地区的救援效率,对传统路径规划模型进行了改进。传统模型在最大路程限制下优化覆盖人数,但无法均衡路程与覆盖人数,通过引入权重与均衡系数解决此问题并构建了加权路径优化模型。模型以生成路径最短、权重最大为目标,采用多无人机、单起降点的调度方法。为改善传统遗传算法的收敛性及对局部解空间的搜索能力,引入2-opt局部搜索算法、权重修复机制、以种群多样性指标动态调整算法的变异率和交叉率等策略,并对模型进行求解。结果表明,在多种运行场景下,该模型生成路径更加优越,算法与传统遗传算法、粒子群优化(Particle Swarm Optimization,PSO)算法、A^(*)算法相比,可得到救援效率更高的飞行路径。

关键词： “反思-归纳”过程   自蒸馏   脑电信号   孪生网络   TSK(Takagi-Sugeno-Kang)模糊分类器  

摘要： Takagi-Sugeno-Kang(TSK)模糊分类器在癫痫检测中用于处理模糊信息.然而,由于癫痫脑电信号复杂、患者发作表现多样,一阶TSK模糊分类器通常难以从训练样本中获取足够的泛化性能.因此,文中提出融合深浅层次知识的具有自我学习能力的TSK模糊分类算法(Deep-Shallow Mix Self-Learning TSK,DSMT),用于癫痫辅助检测.DSMT引入类似人类“反思-归纳”的深度规则,增强模型对于潜在信息的挖掘能力,并通过静态-动态孪生的网络结构,使用模型的内部知识代替知识蒸馏中常见的教师模型.在静态网络中,DSMT使用不同批次输出中隐藏的浅层知识进行自我学习.在动态网络中,DSMT记录静态孪生网络输出作为深层知识,结合深层知识与浅层知识,借助TSK模糊分类器对模糊信息的敏感性,学习整合深浅层次的知识,实现低阶TSK模型的自我学习,提高癫痫辅助检测系统的自适应性.此外,DSMT采用同温度蒸馏的策略,优化知识传递的效率.在CHB-MIT、TUAB、TUEV真实癫痫数据集上的实验验证DSMT的有效性.

关键词： 外卖配送优化   马尔可夫决策   强化学习   价值逼近算法  

摘要： 餐食外卖配送问题具有订单请求动态到来和餐厅备餐时间不确定等特征,且通常需要在订单到来时以“快速响应”和“秒级决策”的方式进行在线管理.本文针对同时考虑动态订单和随机备餐时间的动态随机餐食外卖配送问题,以最小化交付延迟为目标,建立了基于路径的马尔可夫动态决策模型.基于强化学习中的离线价值逼近算法,将未来事件的影响明确刻画为与决策动作相关的未来期望回报值,同时,设计新订单延迟策略和动态时间缓冲策略加以整合,提出一种有效的在线决策方法进行求解.为快速有效地估计未来期望回报值,定义决策时间、订单服务状态、订单时间松弛和订单时间缓冲为回报值的成本结构的关键特征,并将回报值分解到决策后状态下的每个订单层面来近似.数值实验表明:本文方法能做出即时有效的在线决策,单决策点的平均决策时间为0.04 s;设计的新订单延迟策略和动态时间缓冲策略合理有效.所获得的管理启示可为外卖平台配送运营决策提供借鉴.

关键词： 大型遮蔽空间   K-means聚类   回溯粒子滤波   粒子贫化   迷路效应  

摘要： 针对大型遮蔽空间惯性/地图匹配算法中粒子贫化和子粒子群迷路效应导致定位精度下降的问题,提出一种基于K-means聚类的回溯粒子滤波(RPF)人员定位算法。首先,用行人航位推算(PDR)中航向更新、步频检测及步长估计得到初始运动轨迹;然后,设计RPF算法,提高存活粒子有效性和多样性,缓解粒子贫化,提高人员定位精度;最后,通过K-means聚类算法解决子粒子群的迷路效应,修正人员轨迹出现在非可行域的现象。实验结果表明:本文算法抑制了粒子贫化和子粒子群迷路效应,人员平均定位误差相比惯性定位和标准粒子滤波降低了81.20%和51.48%。

关键词： 计算思维   小学信息科技   教学策略  

摘要： 《义务教育信息科技课程标准(2022年版)》强调发展学生的核心素养,其中计算思维是信息科技课程的核心素养之一。计算思维体现了计算机科学的基础和解决问题的策略,可以提高学生的计算素养,指导他们利用计算机技术解决跨学科问题,并培养他们以计算机化的方式思考和表达的能力。小学阶段是培养学生计算思维的黄金时期,因此,应尽早将计算思维培养融入教育体系中,以促进学生创新能力与逻辑思维的发展。

关键词： 无人机编队   一致性编队控制算法   虚拟参考点   运动约束   饱和函数  

摘要： 针对无人机运动约束下的编队任务研究标准二阶一致性控制算法的优化问题。首先,结合编队信息,基于虚拟结构法思想,设计含虚拟参考点的二阶一致性编队控制算法,使得编队收敛于指定队形,解决标准二阶一致性控制算法的收敛状态与各无人机初值有关以及收敛位置趋于一致的问题,得到编队渐近收敛的条件。其次,引入饱和函数得到运动约束条件下的渐近收敛的二阶一致性编队控制算法,设计无人机编队高度、航向、速度通道控制器。最后,设计无人机编队队形集结仿真实验,对比相同饱和函数不同一致性方法的编队控制算法、相同一致性方法不同饱和函数的编队控制算法,验证了优化算法的有效性和快速性。

关键词： 算法   主播   直播劳动   劳动过程   劳动控制  

摘要： 本文聚焦于A直播带货团队的劳动过程,通过参与式观察与深度访谈的方式展现直播劳动中的算法控制情况,并以此为基础对团队内部的科层化权力关系展开分析,对算法控制和科层控制之间的关系进行探究。研究发现:扁平化的直播团队内部基于算法权力的衍生出现了“中控”这一关键个体,并形成以其为中心的科层化权力结构,算法控制由此嵌入科层控制当中,劳动者遭受着算法和科层双重控制。此外,随着控制主体的交替,团队关系经历着由“同盟”到“敌对”的往复变换,当关系的齿轮转向“敌对”时,又因第三方主体的介入保持着对抗而和平的关系状态。