课程文献中心 更多>>

关键词： 改进狼群算法   时序特征融合   多元化   预警系统  

摘要： 受到安全生产信息多元化复杂程度较高的影响,现阶段预警系统无法在既定时间指标范围内准确识别安全异常数据,不能对其进行同步预警。在单位时间内降低系统的识别效率与准确率,不利于维持正常生产秩序。为了解决上述问题,从系统硬件与软件算法两方面入手,构建全新功能硬件,增设专项处理单元。根据硬件特点及系统预警缺陷,引入改进狼群算法与时序特征融合算法,共同优化安全异常特征数据,实现多元化异常数据的高精度识别。对所提系统的数据调试证明,所提系统能够有效提升对安全异常数据的识别灵敏度及其准确度,确保系统满足实际生成要求。

关键词： 劳动者权益   交通违章   事故发生率   数字平台   路线规划   监管总局   网络平台   算法控制  

摘要： 进入数字经济时代,关于劳动者与数字平台关系的讨论一直是社会热议的焦点。2024年11月,中央网信办、工信部、公安部、市场监管总局四部门联合发文,开展“清朗·网络平台算法典型问题治理”专项行动,其中一项主要任务便是:防范盲目追求利益侵害新就业形态劳动者权益。严防一味压缩配送时间导致配送超时率、交通违章率、事故发生率上升等问题。详细公示时间预估、费用计算、路线规划等算法规则--此举显示出政府对于算法问题的重视程度。

关键词： 多元LDPC码   码率兼容   打孔   环路   比特级  

摘要： LDPC(Low Density Parity Check)码是无线通信系统中高效的信道编码技术,并已经在第五代移动通信等系统中应用,码率兼容则是在应用中遇到的重要问题之一。码率兼容的关键在于在不增加译码复杂度的情况下,实现低码率到高码率的任意变化。论文提出了一种码率兼容多元LDPC码的比特级打孔算法。该算法首先将多元符号矩阵转换为二元比特矩阵,其次利用最小环路检测算法检测每个比特变量节点所在环路大小,并选择大环路比特变量节点进行打孔。仿真结果表明,针对码长256、码率0.5的非规则四元LDPC码及码长155、码率0.4得规则LDPC码,论文所提算法均大约有0.1dB~0.25 dB的增益。

关键词： 集成学习   AdaBoost算法   SMOTE采样   加权KNN(K-NearestNeighbor)算法   不平衡数据   Spark平台  

摘要： 近些年人们对机器学习方面的研究日益关注,而机器学习领域的研究重点之一就是集成学习。集成学习的基本原理就是使用了许多独立的分类器,并采用一种方法使之融合为一个强学习器,用以克服单一学习器分类的缺陷。在对Bagging算法、随机森林算法、加权KNN(K-NearestNeighbor)算法和AdaBoost算法四种算法对比的基础上,将加权KNN算法和AdaBoost算法融合在一起。所采用的数据集为网络用户购物行为数据集。在实验过程中,对不平衡数据利用SMOTE采样进行处理,再对上述四种算法和改进后的AdaBoost算法进行评价和对比。通过对比发现,改进后的AdaBoost算法的预测性能更好。再将改进后的AdaBoost算法在Spark平台并行计算,提高计算效率。

关键词： 带式输送机   传动滚筒   轻量化设计   多目标优化  

摘要： 针对大型煤矿带式输送机传动滚筒轻量化设计要求,对某型号带式输送机传动滚筒筒体进行分区域加载及有限元分析,基于有限元分析结果,利用多目标遗传算法对筒体结构参数进行优化。

关键词： 采煤掘进   电气设备   故障诊断   支持矢量机  

摘要： 针对采煤掘进电气设备故障诊断的复杂性与不确定性,本文提出了一种基于支持矢量机(SVM)的智能诊断方法。该方法通过构建多传感器数据融合的特征提取机制,结合网格搜索优化的SVM训练策略,实现了高精度、强鲁棒的故障分类。实验结果表明,所提出的诊断系统在多种工况下均表现出色,故障分类精度高达96.7%,并具备良好的抗噪性与实时性,可为采煤掘进设备的安全高效运行提供可靠保障。

关键词： 粒子群优化算法   光伏发电站   逆变器   鲁棒控制   约束条件  

摘要： 由于现行方法在光伏发电站逆变器鲁棒控制中应用效果不佳,光伏发电站输出电流和电压谐波畸变比例比较高,没有达到预期的控制效果,为此提出基于粒子群优化算法的光伏发电站逆变器鲁棒控制。以逆变器稳定性和鲁棒性为目标逆变器鲁棒优化多目标函数,并设定约束条件,构建光伏发电站逆变器鲁棒控制数学模型,通过粒子群优化算法对模型迭代优化,得到并执行最优控制策略,实现基于粒子群优化算法的光伏发电站逆变器鲁棒控制。经试验证明,设计方法应用下电流、电压谐波畸变比例不超过1%,逆变器鲁棒性能得到了有效地提升,具有良好的应用前景。

关键词： 体素化广义迭代最近点算法   主成分分析   点云配准   下采样  

摘要： 为了满足工业中对目标工件进行三维重建的速度和精度,通过分析算法配准过程提出一种基于主成分分析(PCA)和体素化广义迭代最近点(VGICP)的点云配准策略。首先,PCA算法为精配准阶段提供良好的初始位姿,其中在进行主方向矫正时,在保证数据整体特征的基础上进行体素下采样来减少由于计算配准误差所消耗的时间,提高计算速度;其次,精配准阶段采用的VGICP算法对高度依赖最近邻搜索的GICP算法进行体素划分,使用多点分布聚合的方法,可以从较少数量的点中稳健地估计体素分布,具有较快的处理速度。基于PCA改进的VGICP算法将配准效率提高60%以上,并且优于常用配准算法,同时保持了良好的配准精度。

关键词： 任意四边形检测   轨道分割   障碍物检测   深度神经网络  

摘要： 精准高效地完成轨道分割与障碍物检测对于智能行车具有重要意义。现有深度学习算法对轨道区域分割与障碍物识别区分不明确,复杂区域极易出现多轨融合、识别率低等情况。为此,提出一种基于任意四边形拟合的轨道分割框架,实现轨道分割任务;将其嵌入YOLOv5网络中,设计出一种全新的轨道交通双视觉任务网络(YOLOv5-DVT),该网络可根据轨道的不同特征,使用任意四边形切分轨道;经过多边形角点排序、自适应正样本匹配、相对重心位置编解码及顺序预测约束等环节完成对任意四边形轨道的预测,利用多边形寻迹拟合算法实现对轨道区域的恢复与分割;通过设计双任务结构,采用端到端的轨道分割与障碍物检测并行训练策略实现同步分割与障碍物识别,提升推理速度。采用自建数据集对该算法进行验证,试验结果表明:与经典分割算法相比,本文方法在复杂轨道的分割中更加清晰准确,其双任务精度分别达到95.10%、93.51%,推理速度达32 FPS,具备实际场景的应用价值。