课程文献中心 更多>>

关键词： 自适应门限   观测识别   目标分类跟踪   状态估计   迭代效率  

摘要： 在现实多目标跟踪任务中,概率假设密度滤波器性能受杂波干扰明显,较大程度地制约目标跟踪的精度和效率。针对这一问题,在概率假设密度滤波框架下提出一种自适应观测识别的多目标分类跟踪算法。首先,依据各个目标的重要程度,自适应观测识别策略采用自适应门限从各时间步观测中识别源于已存在目标的观测、新出现目标的观测和杂波。然后,目标分类更新策略使用不同目标观测分类更新已存在目标的预测强度和新出现目标的先验强度,消弱了不同类目标观测混用对目标后验强度精度的干扰。仿真目标场景验证了该算法的有效性和稳健性。

关键词： 实时数据处理   物联网   数据管理   云计算   工业自动化   数据规模   信息技术   智能家居  

摘要： 随着信息技术的迅猛发展,物联网(IoT)逐渐成为现代社会的重要组成部分,其应用范围涵盖智能家居、智慧城市、工业自动化等诸多领域。然而,随着数据规模的激增与传输要求的提升,物联网数据管理面临数据的安全性、隐私保护和系统互操作性等诸多挑战。而云计算技术因其高效、灵活的特性逐渐成为物联网数据管理的理想平台,该技术支持实时数据处理与存储。因此,本文将深人探讨基于云计算的物联网数据管理与分析技术,以期为其应用提供参考。

关键词： 人工智能技术   大数据   Python   高中物理  

摘要： 人工智能技术通过对大数据的分析建模,找到数据的内在规律,从而实现对数据的分析和预测.本文通过Python编程将人工智能算法引入到物理教学评价的过程中,旨在方便简单理解人工智能技术的同时,探究人工智能技术在物理教育方向可能的发展前途和使用方法.

关键词： 算法侵害   算法治理   司法救济   风险预防   禁令  

摘要： 数字时代,司法如何预防算法侵害的公共性是关涉算法治理成效的重要命题。通过公益诉讼制度应对算法侵害的公共性,既是构建算法多元治理体系的客观要求,也是履行司法机构公益监管的制度义务。针对算法侵害的公共性,现有的公共治理模式及私人治理模式均无法对受侵害的社会公共利益提供充足保护。算法侵害民事公益诉讼制度的确立是保障司法救济有效性的题中应有之义,兼具合理性及可行性。为完善算法风险治理体系,总体架构应当明确以风险预防为中心的建构理念,确定“重大风险”的识别标准,合理界定受案范围;具体层面应当审慎地设置诉权主体,科学配置证明责任,引入禁令救济措施,以期实现维护更广泛的社会公共利益和司法救济的目标。

关键词： 蚁群算法   二维排料问题   信息素  

摘要： 蚁群算法是一种模拟自然界蚂蚁觅食行为的仿生算法,通过个体间的信息交流和协作,能够在搜索空间中快速找到问题的解。在二维排料问题中,蚁群算法通过模拟蚂蚁在寻找食物过程中的路径选择行为,能够有效地探索和利用排料空间,从而找到更优的排料方案。基于此,详细介绍蚁群算法的原理及其在二维排料问题中的应用,展示蚁群算法相较于传统算法在解决二维排料问题时的优势,为工业生产中的排料优化提供新的思路和方法。

关键词： 低轨星座   馈电链路切换   克隆选择算法   有向图   任务分配   元启发式算法  

摘要： 随着低轨星座规模的不断扩张,本就相对匮乏的信关站资源变得更加紧张.为提高信关站天线的使用效率,提出一种混合克隆选择算法.首先,将卫星与信关站可见弧段转化为任务集合,将馈电链路切换问题转化为任务分配问题,并建立相应的数学整数规划模型;然后,将抗体编码为一组任务分配向量,结合启发式冲突消解规则,建立基于有向图最短路的解码方法,引入阈值参数降低解码的计算开销,提出基于自适应邻域选择的局部搜索算法,增强局部寻优能力;最后,搭建低轨星座馈电链路切换仿真场景,生成不同规模的算例来开展对比实验.仿真实验结果表明,所提出算法能够快速收敛到小规模算例的最优解,同时在大规模算例上比现有启发式算法表现出更强的求解能力和更稳定的性能,从而验证所提出算法的有效性.

关键词： 锥形氢气减压阀   田口算法   能量损失   CFD分析  

摘要： 为了研究锥形氢气减压阀内的能量损失,阐明减压阀几何结构与能耗之间的相互作用机理,以平均湍流耗散率为评价指标,基于田口算法设计了16种新型氢气减压阀结构。通过计算流体力学对不同的减压阀方案进行了数值计算,并分析了不同几何因素对响应的影响。结果表明,1级进口细管(D1=2.5 mm)、1级出口细管(D2=2.5 mm)和1级阀芯锥角(β=66°)是最优的几何参数组合;最优组合平均湍流耗散率比其他试验方案降低5%~27%,可以有效地降低氢气减压阀的能量损失;D2对氢气减压阀内的平均湍流耗散率影响最大;随着D1,D2,β的增大,减压阀的平均湍流耗散率增大。研究结果可为氢气减压阀设计和改进提供参考。

关键词： 调压阀   目标检测算法   轻量化   重参数化   特征融合  

摘要： 针对复杂场景中机器人的无序抓取需要,提出一种两阶段的抓取检测算法。改进YOLOv5的网络模型,在多尺度特征融合上将浅层位置信息和深层语义信息进行注意力融合,提高多尺度目标的检测能力;将排斥因子引入损失函数中,提高了模型在遮挡环境下的鲁棒性;在目标检测后对抓取目标边界框进行裁切处理,避免了抓取检测过程中其余目标的干扰;改进抓取检测算法,引入CSP结构和注意力机制,提高了模型的特征提取能力。在真实环境下针对随意摆放的多目标遮挡物体进行抓取实验,结果表明:机器人抓取成功率为95%。

关键词： 桥式起重机   改进A^(*)算法   吊装路径规划   B样条曲线  

摘要： 针对传统A^(*)算法规划路径拐点多而造成桥式起重机运行时间长、稳定性差的问题,提出了相关改进方法。首先找出A^(*)算法规划路径中所有可以相连的2个路径节点,然后通过迪杰斯特拉算法搜索得出最少拐点数量的路径。针对桥式起重机在复杂三维环境下无法得到适合工程应用的吊装路径问题,采用将三维环境信息降维至二维环境信息处理的方法,结合改进后的A^(*)算法提出了规划三维吊装路径的方法。根据实际工程应用下桥式起重机的运行特性,将z轴路径长度、二维平面路径长度和路径拐点数量作为评判吊装路径优劣的影响因子。最后引入B样条曲线对平面路径平滑处理,得到了光滑无拐点的平面运行路径,提高了起重机运行时的稳定性和作业效率,Matlab路径仿真结果证明了本文方法的可行性。

关键词： KNN算法   互信息   死亡率预测   机器学习   心力衰竭   艰难梭菌感染  

摘要： 在医疗领域,普遍存在的数据缺失现象会加剧构建临床预测模型的难度.针对某些具有重要医学价值的特征因数据缺失率较高而被丢弃的问题,提出基于互信息加权的K近邻填补算法(Weighted KNN Imputation Algorithm Based on Mutual Information,MIW-KNN).首先,在心力衰竭合并艰难梭菌感染患者的数据集上,与多重插补法、K近邻(K-nearest neighbor,KNN)填补法、均值法等方法进行对比验证所提出方法的有效性.其次,对比不同模型的死亡风险预测效果以验证所提出方法的性能优势.通过单变量分析法所筛选的20个特征,根据9种机器学习算法分别构建预测模型.采用AUC(Area Under the Receiver Operating Characteristic Curve)与准确率作为主要指标以评估模型的性能,通过SHAP(Shapley Additive Explanations)解释分析不同临床特征对模型的影响.最终表明,MIW-KNN算法具有最高的填补精度,基于该方法填补的数据集所构建的随机森林模型实现了最佳的预测性能.AUC为0.841,准确率为***显示红细胞宽度、晶体输注、白细胞计数是最具影响力的前三个特征.