课程文献中心 更多>>

关键词： 复对称线性方程组   收敛性分析   块三角分裂   预处理  

摘要： 基于2×2块矩阵的块三角分裂,提出求解复对称线性方程组的块三角分裂(BTS)迭代方法及其预处理迭代方法(PBTS)。理论分析表明,在迭代参数α满足一定的条件下,BTS和PBTS迭代方法是收敛性的,给出两类方法迭代格式中理论最优参数的计算方法。数值实验结果证明BTS迭代方法和PBTS迭代方法的有效性和优越性。

关键词： 芯片标识图像   边缘检测   改进Canny算子   GWO  

摘要： 为有效进行芯片标识的提取,提出一种基于灰狼优化算法(gray wolf optimization,GWO)的改进动态双阈值的Canny算子来进行芯片标识图像边缘提取。首先,从芯片标识生产环境复杂、图像干扰信息多的角度出发,对Canny算子的双阈值进行改进;其次,使用灰狼优化算法确定其高阈值选取;最后,将本文算法与传统Log、Prewitt、Roberts、Canny、Sobel算子进行实验比较,利用召回率和精确率等方法作了客观评估。实验结果表明,本文所提算法优于传统的边缘提取算法,提取准确度高,为后续识别打下了坚实基础。

关键词： 无人艇   蚁群算法   路径规划   自适应   信息素  

摘要： 无人艇凭借体积小、速度快等特点被广泛应用于海上搜索、巡逻、资源勘探等活动,航迹规划模型是实现无人艇自主航行的关键技术。针对传统蚁群算法出现的搜索停滞和收敛速度下降等问题,通过加入多维度监测数据,提出了一种采用最大-最小蚂蚁系统与自适应蚂蚁系统相结合的无人艇全局航路规划算法。实验结果表明,与传统方法相比,基于改进蚁群算法的无人艇航路规划模型具有明显的性能优势,具有较好的实际应用价值。

关键词： 星地融合网络   深度确定性策略梯度   资源分配   多接入边缘计算  

摘要： 为解决低轨卫星网络中星地链路任务卸载时延长的问题,提出了一种基于深度确定性策略梯度(DDPG)的星地融合网络可拆分任务卸载算法。针对不同地区用户建立了星地融合网络的多接入边缘计算结构模型,通过应用多智能体DDPG算法,将系统总服务时延最小化的目标转化为智能体奖励收益最大化。在满足子任务卸载约束、服务时延约束等任务卸载约束条件下,优化用户任务拆分比例。仿真结果表明,所提算法在用户服务时延和受益用户数量等方面优于基线算法。

关键词： 视觉同时定位与建图   动态场景   ORB-SLAM2   关键帧选择   YOLOv5  

摘要： 同时定位与建图(SLAM)算法在有运动目标的情况下存在定位精度下降的问题,而引入实例分割等算法虽然可以应对动态场景,但难以保证SLAM算法的实时性,且在运动时相机抖动会导致关键帧选择不准确和跟踪易丢失的问题。针对上述问题,提出一种基于动态特征点滤除与关键帧选择优化的ORB-SLAM2算法,以保证SLAM算法的实时性,并有效减少动态特征点对SLAM算法定位精度的影响,同时应对由相机抖动造成的关键帧选择不准确的问题。所提算法通过在ORB-SLAM2算法的基础上引入YOLOv5算法识别运动目标,在跟踪线程滤除动态目标特征点,从而兼顾算法的实时性与定位精度。同时,在选择关键帧上提出一种基于帧间相对运动量的判别准则,从而提高关键帧选择的准确性。在freiburg3_walking_xyz数据集的上实验结果表明,与ORB-SLAM2算法相比,所提算法的平均耗时减少了38.54%,绝对轨迹误差中的均方根误差(RMSE)精度提高了95.2%。可见,所提算法能有效解决上述问题,提升SLAM算法的定位精度和准确性,进而提升地图的可用性。

关键词： 人脸比对   攻击手段   欺诈检测   人脸认证   检测模型   煤矿作业   网络架构   煤矿现场  

摘要： 随着煤矿行业的不断发展,提高煤矿现场作业的安全性和效率变得至关重要。本文旨在研究煤矿现场作业许可系统中应用的人脸识别算法,借助Roboflow平台的欺诈检测数据集,采用轻量级目标检测模型YOLOv8-Lite作为核心网络架构,实现开票作业过程中作业人员与实际人员的人脸比对,确保身份的准确性,避免安全隐患。实验结果表明,YOLOv8l人脸识别算法在煤矿现场作业许可系统中表现出良好的准确性和鲁棒性,并且该算法对于环境变化和攻击手段的适应性较强,为煤矿作业现场提供了可靠的人脸认证保障。

关键词： 机器学习   特征选择   三元互信息   分类  

摘要： 基于信息论的特征选择算法在度量候选特征所提供的分类信息时,往往仅考虑单一标签的情况,忽略了候选特征和成对标签存在的多样关联关系,这可能导致低估了候选特征的重要性。为解决这一问题,提出一种新颖的基于三元互信息的成对多标签特征选择算法(Pairwise multi-label feature selection based on interaction mutual information, IPFS)。具体地,IPFS算法为不同的成对标签分配基于三元互信息的不同权重,并据此权重测量候选特征为两个标签提供的分类信息总量,从而精确评估候选特征的重要性,同时基于最大相关最小冗余原则,筛选出最优的特征子集。最后,将提出的算法与其他8个先进的特征选择算法在12个多样化的数据集上进行了比较。实验结果表明,IPFS在3个评估指标上均显著优于其他算法。The feature selection methods based on information theory usually focus on considering the single label when evaluating the classification information provided by the candidate features, and do not take into account the multiple correlations between the candidate features and the paired labels, thus underestimating the importance of the candidate features. To solve this issue, an innovative paired multi-label feature selection method based on interaction mutual information (IPFS) was proposed. Specifically, IPFS method assigns different weights based on interaction mutual information to different pairs of labels, so as to accurately evaluate the importance of candidate features, and further select the most suitable feature subset based on the maximum correlation minimum redundancy strategy. To verify the effectiveness of the proposed method, IPFS is compared with eight other advanced feature selection methods on 12 diverse datasets, and the results show that IPFS significantly outperforms other methods on four different evaluation metrics.

关键词： 模拟退火算法   粒子群算法   非侵入式负荷辨识  

摘要： 在粒子群算法对非侵入式负荷辨识的研究中,粒子的随机性是影响负荷辨识的重要因素之一.针对粒子随机性导致的辨识结果准确度不高及容易陷入局部最优陷阱等问题,结合模拟退火算法,提出了一种基于退火优化粒子群算法的非侵入式负荷辨识方法.首先,对用于电力负载分析的REDD数据集中的家用电器负荷数据进行特征分析提取;然后,利用粒子群算法作为模拟退火算法的基本框架,对数据集中各自家庭的不同电器进行负荷辨识;最后,以辨识功率与实际功率为标准量进行误差分析.在以数学模型进行求解的单一目标及多目标负荷辨识问题中,对现有模型不同类别算法的辨识结果进行比较,结果表明提出的优化粒子群算法辨识准确度较高及收敛性更好.

关键词： 3维路径规划   A*算法   启发函数   动态视场   山地移动机器人  

摘要： 针对A*算法在山地场景下因启发函数建模不准确导致搜索效率低的问题,提出基于动态视场的深度启发改进3维A*算法。该改进A*算法以一种深度启发网络构建启发函数模型,并从泛化能力和建模精度两方面优化模型的性能。在提高泛化能力方面,设计一种局部动态视场模型,增强深度启发网络对关键地形信息的抓取能力,进而使其适应各种不同地形场景;在提高建模精度方面,设计一种基于距离权重因子的损失函数模型,缩小3维场景下深度启发网络对远距离路径的代价估计偏差。仿真实验表明,所提出的算法相比于现有基于深度学习法改进的A*算法,在3维场景下的路径代价预测精度平均提高45.2%,平均搜索效率提升12.8%,平均路径质量提升1.2%;对比现有基于经验建模法改进的A*算法,搜索效率亦有明显提高。

关键词： 原油调合   相似度   生产利润   多目标优化   灰狼优化算法  

摘要： 针对炼油厂依靠传统经验调合原油难以满足加工原油质量要求和企业利润较低的问题,建立了基于原油相似度最大化和生产利润最大化的多目标优化数学模型,在比较5种鲁棒性较强的算法性能基础上,选择融合莱维飞行和随机游动策略的灰狼算法(LRGWO)对模型进行求解。结果表明:在LRGWO算法、灰狼算法(GWO)、第二代非支配排序遗传算法(NSGA-Ⅱ)、第三代非支配排序遗传算法(NSGA-Ⅲ)和粒子群算法(PSO)中,LRGWO算法所得最优解集的覆盖率、算法的整体性能最优;经过优化求解后,调合原油T1~T4与对应目标原油W1~W4的平均相似度达到95.82%,说明利用所建原油选择和调合模型可以得到与目标原油物性相近的调合原油;根据10种备选原油的价格,在最大采购量为175000 t的前提下,通过生产利润最大化模型优化调合原油T1~T4的加工量依次为50000,55000,40000,30000 t,企业生产利润最大为3358.19万元。