课程文献中心 更多>>

关键词： 集卡路径优化   改进布谷鸟算法   局部搜索策略  

摘要： 在集装箱公路运输中，合理规划集卡路径以提高运输效率具有重要的现实意义。本文以最小化总运输时间为目标，构建了集卡路径优化问题的数学模型，并设计了改进布谷鸟算法进行求解。为了提升算法性能，本文根据问题的特点构造了局部搜索策略来改善布谷鸟算法的局部寻优能力。实验结果表明，改进布谷鸟算法在优化性能上明显优于标准的布谷鸟算法、差分进化算法和粒子群算法，因此是解决该类问题的有效算法，能为集装箱公路运输方案的规划提供重要的决策支持。

关键词： 超分辨率   注意力机制   感受野优化   特征融合  

摘要： 针对现有基于深度学习的超分辨率方法存在参数冗余以及难以学习到全局上下文信息、重建图像高频特征能力欠佳的问题，提出一种基于感受野优化与渐进特征融合的超分辨率网络(RPSRnet),其在单幅图像重建方面实现了较高的性能。该网络采用像素注意力机制与大感受野卷积相结合的方式，设计两条渐进路径将输入表征为不同层次的特征抽象，增强网络捕获上下文信息的能力，同时减少了网络参数冗余。通过分层卷积和多重感受野分支，在保持轻量卷积的前提下，于分层的多路径上学习不同尺度的融合特征，增强网络重建边缘细节和复杂纹理特征的能力。实验结果表明：相比于先进算法，所提算法在基准测试集Set5上的峰值信噪比达到32.47 dB,在测试集Set14上达到28.81 dB,优于现有的先进算法，且网络参数更少，实现了9%的参数缩减，从而验证了算法的有效性。

关键词： 矢量水听器   方位估计   稀疏贝叶斯学习   声能流  

摘要： 复数稀疏贝叶斯学习(SBL)算法计算量大,为此将声能流与稀疏贝叶斯学习算法相结合,提出了基于单矢量水听器的声能流稀疏贝叶斯学习(SI-SBL)方位估计算法。该方法采用声能流取代声压振速信息作为观测量,将参数估计过程从复数域运算转化为实数域运算,同时利用声压通道噪声与振速噪声不相关的特点实现了噪声抑制,进一步加快了稀疏贝叶斯学习算法收敛速度,使SI-SBL算法获得相比以声压振速通道作为观测量的SBL算法更高的估计精度和尖锐的谱峰。仿真数据表明,单矢量水听器SI-SBL算法相比于SBL算法具有更高的精度和更快的计算速度。实验数据验证, SI-SBL算法相比SBL精度提高了25%,运算速度提高了8倍,证明了本文所提SI-SBL算法应用于水平方位估计的可行性。

关键词： 物联网   数据安全   SM4-CCM   软硬件协同   ARM   ZYNQ  

摘要： 为了保证物联网设备数据安全，面向资源受限的物联网设备，提出了一种基于SM4-CCM算法的软硬件协同实现架构。首先，提出了内部流水线型SM4架构，相比现有轻量级SM4架构，大幅降低了逻辑资源的消耗；在此基础上，设计了CCM模式软硬件协同架构，软件部分完成了密钥扩展和数据预处理，硬件部分完成了加密的实际运算；最后，基于ZYNQ平台实现了软硬件协同架构。实验结果表明，与硬件架构相比，所提出的架构硬件部分的逻辑资源消耗减少了约43%，具备接收可变长度的数据输入的数据预处理功能，并可单独应用于ECB和CTR模式，具有更高的灵活性和可扩展性。与ARM处理器上以软件方式实现的SM4-CCM算法相比，在100 MHz的工作频率下该架构的吞吐率达到了17.64 Mb/s，性能提高了约93.8%，满足了主流物联网通信协议的速率要求。

关键词： 浸润性肺腺癌   机器学习   生物标志物   风险评估模型   列线图  

摘要： 目的 确定肺腺癌（lung adenocarcinoma,LUAD）预后生物学标志物，并据此建立LUAD预后的预测模型。方法 从UCSC数据库获取癌症基因组图谱（TCGA）LUAD基因表达量和临床病理数据，把纳入的数据进行综合生物信息学分析，包括差异表达基因（differentially expressed genes,DEGs）筛选、基因本体（GO）功能富集分析、京都基因与基因组百科全书（KEGG）分析和基因集富集分析（GSEA）。采用Cox分析和最小绝对值收缩和选择算子（least absolute shrinkage and selection operator,LASSO）回归分析构建基因组的风险评估预测模型，并采用列线图预测患者1年、2年、3年、5年和10年生存率。绘制Kaplan-Meier生存曲线、受试者工作特征（receiver operating characteristic,ROC）曲线和时间依赖性ROC曲线评价模型的预测能力。在验证组中校验模型。结果 浸润性LUAD患者不同级别病理亚型间DEGs富集分析结果显示，280个DEGs主要参与细胞色素P450相关物质代谢、自然杀伤细胞介导的免疫反应、抗原的呈递和酶活性调节等生物学过程，与肿瘤的发生、发展密切相关。构建5个基因（MELTF、MAGEA1、FGF19、DKK4、C14ORF105）组成的风险预测模型，Cox分析和LASSO回归显示，模型的ROC曲线下面积（area under the curve,AUC）值为0.675，时间依赖性ROC曲线1年、3年、5年AUC值分别为0.893、0.713、0.632，表明该预测风险模型具有良好的敏感性和特异性。在验证组中，校准曲线和一致性指数（C指数）也表明构建的列线图预测性能较好。结论 5个基因组成的预测模型可作为LUAD患者生存率实用和可靠的预测工具，这可能有助于制定个体化治疗的临床决策，为患者预后预测提供一种新方法。

关键词： 偏正态联合位置与尺度模型   牛顿迭代法   US算法   强稳定收敛  

摘要： 传统的迭代算法(例如牛顿算法, EM算法等)在实际应用中,往往存在初始值较为敏感的问题.为解决这一问题,一种强稳定的收敛算法――Upper-crossing/Solution算法(以下称US算法)被提出,这种算法虽然在求解一元非线性函数时具有强稳定性,但是不能推广到多元的情形.那么针对多元情形,本文将结合偏正态分布的随机表示,对偏正态联合位置与尺度模型的似然函数进行分层,并且利用MM算法得到一元的情形,再使用US算法构造强稳定的收敛算法.最后通过随机模拟分析和实例分析研究表明了US算法较牛顿迭代法大大降低了算法对初值的敏感度以及显著地提高了收敛的稳定性.

关键词： 梢斑螟   YOLOv8s   识别   检测   准确率   不同场景   C2f-GAM   DyHead  

摘要： 梢斑螟是一种严重危害针叶树种的害虫，严重影响针叶树的健康和生长。梢斑螟虫的幼虫以针叶树的叶片为食物，在针叶树木中建立巢穴，逐渐摧毁叶片组织，导致叶片变黄、褪绿，最终树木枯萎。此外，幼虫也可能侵蚀树木的树皮，导致树皮剥落和树干暴露，使树木易受其他害虫、病菌和自然元素的侵害，增加树木的脆弱性，降低其生存能力。为辅助地面治疗被梢斑螟虫蛀树木，采用YOLOv8s目标检测算法，实现对梢斑螟虫蛀树木的检测与识别。通过采用C2f-GAM和动态检测头建立模型（YOLOv8-DM），来提高YOLOv8s对于梢斑螟虫蛀树木的检测能力。试验结果表明，YOLOv8-DM能够有效地识别梢斑螟虫蛀树木，其平均精准度达到84.8%。与其他目标检测算法相比，YOLOv8-DM有更高的平均精准度。

关键词： 机器人网络   故障诊断算法   门控循环神经网络   无迹卡尔曼状态估计算法  

摘要： 针对机器人网络故障影响系统稳定性与可靠性的问题，探讨了基于人工智能的机器人网络故障诊断算法。首先，详细分析了智能机器人人机协作设计，建立了机器人网络数据安全模型，设计了机器人网络数据保护策略；其次，提出了结合门控循环神经网络的机器人网络故障诊断算法；最后，通过收集机器人网络数据并建立相关数据集，得出了在故障检测方面具有较高准确性和可靠性的实验结果。结果表明，基于门控循环单元（gated recurrent unit,GRU）模型的故障诊断算法具有更高的准确性和稳定性。

关键词： 水下无线光通信   光正交频分复用   深度神经网络(DNN)   k-means   信道估计   信号检测  

摘要： 在水下无线光通信系统中，水的吸收、散射以及湍流等效应将造成信道估计与信号检测的困难，从而导致了通信误比特率（bit error rate,BER）升高，甚至无法通信。针对水下复杂信道下光通信信道估计与信号检测的难题，提出了基于机器学习（machine learning, ML）的信道估计与解调算法，研究其在直流偏置光-正交频分复用（direct current biased optical-orthogonal frequency division multiplexing, DCO-OFDM）光通信系统中水下信道估计及信号检测性能。首先基于所提信道估计与解调算法(深度神经网络（deep neural network, DNN）和无监督学习的k-means星座解调器)完成复杂信道频率响应、二次均衡及误比特分析的仿真建模。其次对比传统最小二乘法（least squares, LS）、线性最小均方误差（linear minimum mean square error, LMMSE）信道估计算法及最小距离解调算法，完成复杂信道下光通信信噪比（signal-to-noise ratio,SNR）增益等研究。仿真结果中，在湍流闪烁指数为0.18、距离为10 m的水下信道中，当子载波为8阶正交幅度调制（quadrature amplitude modulation, QAM）、误比特率为10-5时，所提信道估计算法相比LS与LMMSE估计分别有大于6 dB与1 dB的信噪比增益。另外采用所提信号检测算法，对比传统算法有大于1 dB的SNR增益。仿真结果表明，所提出基于ML的信道估计与解调算法可提高复杂信道水下光通信的性能。研究结果为远距离、高速复杂水下光通信系统设计提供一定参考。

关键词： 弹性配电网   拓扑重构   混合量子-经典算法   量子计算   量子退火  

摘要： 为及时有效地制定配电网拓扑重构策略以提升负荷快速恢复能力，基于量子计算的优越性，提出混合量子-经典(HQC)算法的弹性配电网灾后拓扑重构方法。首先，构建基于HQC算法的灾后配电网拓扑重构模型，以实现实际场景、优化问题、嵌入算法相应模块在量子计算和经典计算环境下的协作交互过程。然后，将配电网拓扑重构问题构造为无约束离散优化子问题和有约束连续优化子问题，提出量子退火嵌入式交替方向乘子(QA-ADMM)算法，将离散子问题等效映射成量子可解释的伊辛模型后，部署在D-Wave量子退火计算机中，并与经典计算机中连续子问题迭代求解，采用自适应惩罚因子调节机制加速算法收敛。最后，通过IEEE 14、33、69、123以及改进的205节点的不同规模配电系统，分析验证了QA-ADMM算法的有效性、稳定性与可扩展性。结果表明，惩罚因子、目标函数惩罚项系数、量子退火中采样读取次数会影响所提算法的精度和收敛速度；优化问题规模扩大后，所提混合量子-经典算法计算优势更加明显，205节点配电系统算例下，计算效率较经典计算可提升约34%。