为提高频率选择表面的性能,使其可精确控制电磁波在微波频段下的传播特性,实现对电磁波的反射、 透射或吸收,设计了一种微波频段小型化频率选择表面。 该频率选择表面单元尺寸为0.024λ x 0.024λ,小型化 性能良好。 在1~10 GHz范围内有3个通带, 具有极好的极化稳定性和角度稳定性,可保持工作频率和带宽 不变, 传输性能良好。 该研究结果可作为频率选择表面分析的依据,为其小型化设计提供思路。

针对自动驾驶在通过无信号灯交叉口由于车流密集且车辆行为随机不确定的问题, 提出一种基于 MAPPO(Multi-Agent Proximal Policy Optimization)算法的无信号灯交叉口自动驾驶决策方案。 通过 MetaDrive 仿真环平台搭建多智能体仿真环境,并且设计了综合考虑交通规则、安全到达或发生碰撞等安全性以及交叉口 车辆最大、最小速度等车流效率的奖励函数,旨在实现安全高效的自动驾驶决策。 仿真实验表明,所提出的自 动驾驶决策方案在训练中相较于其他算法具有更出色的稳定性和收敛性,在不同车流密度下均呈现出更高的 成功率和安全性。 该自动驾驶决策方案在解决无信号灯交叉口环境方面具有显著潜力,并且为复杂路况自动 驾驶决策的研究起到促进作用。 

 针对图书馆在数字化转型过程中,信息安全对图书馆的资源保护和用户数据构成威胁的问题,提出一套 综合性的信息安全保障体系。 通过分析当前图书馆面临的主要信息安全风险,包括网络攻击、版权纠纷、管理 人员安全意识不足以及资源共享程度不高等问题,构建了一个由用户应用、服务平台、数据中心和基础设施组 成的4层信息安全保障体系,该体系能有效提升图书馆信息资源的安全性和访问控制,增强数字资源访问的 安全性。 图书馆在数字化转型过程中,必须将信息安全作为核心考虑因素,通过技术、管理和组织协同工作, 构建全方位的信息安全保障体系,确保数字资源的安全和高效利用。 

 针对使用传统方法识别评估滑雪运动员的训练动作存在人为主观、准确率低等问题,提出了一种基于 改进OpenPose 和 YOLOv5(You Only Look Once version 5)的动作分析算法。 利用 CSP-Darknet53(Cross Stage Paritial-Network 53)作为 OpenPose 外部网络将输入图片降维处理并提取特征图。 融合优化 YOLOv5 算法, 提取 人体骨骼关键点构成人体骨架与标准动作进行对比,根据角度信息评分,并在模型中加入损失函数,量化实际 检测动作与标准动作的误差。 该模型可对运动员动作即时监控,能完成初步的动作评估。 实验结果表明,检测 识别准确率达到95%,可满足日常滑雪训练需求。 

针对现有就业岗位推荐算法仅基于单一的信息源或简单的用户分类,无法充分捕捉大学生的多维特征和 个性化需求,从而导致推荐效果不佳的问题,提出基于用户画像与二部图的大学生就业岗位推荐算法。 在融合 长短期记忆神经网络的条件随机场模型辅助下,从高校图书馆的档案管理系统中抽取出用户基础信息,基于此 生成大学生用户画像。 计算不同用户画像特征之间的距离,并采用k均值聚类算法完成用户画像聚类。 运用 二部图网络搭建基础的大学生就业岗位推荐结构,基于能量分配情况设计初步推荐方案。 最后,以加权随机森 林模型为基础,考虑用户对项目特征的偏好实现大学生就业岗位的分类,修正初步给出推荐列表的评分,获取 精准的大学生就业岗位推荐结果。 实验结果表明,应用该方法,给出长度为120的大学生就业岗位推荐列表, 其推荐结果的命中率达到了0.94。 由此说明,该方法可以精准得出大学生就业岗位推荐结果,从而提高就业 匹配度和人力资源利用效率。 

为解决金融交易反欺诈和维护金融安全,针对金融交易数据不平衡、类别离散的特点,提出一套端到端 的建模流程、方法和模型结构。 该流程涵盖数据预处理、模型训练和预测。 同时比较了不同模型在不同特征 数量情况下的效果和效率,并基于真实数据集进行验证,从而为金融机构根据自身的优化目标和资源限制选用 不同类别和特征数量的模型提供参考。 特征数较大(200以上)的基于树的模型适用于资源较充裕切追求极致 模型效果的场景,中等规模(特征数100~200)的神经网络模型适用于资源一般的场景, 而特征数较小的决策 树模型或逻辑回归模型适用于资源有限且模型效果要求不高的长尾场景。 

 针对传统教学模式中存在的资源分配不均、教学效率低等问题,建设了“6i”数字教育应用与支持服务 体系, 包括教(iLearn)、 学(iSocial)、 评(iSense)、 管(iEdu)、 服(iHelp)、 环(iMeta)6 个方面。 通过三化教室 建设、 数字化教学资源建设、 教学模式改革、 数字化教学质量管理以及新型数字技术教学应用探索等具体 措施, 实现了教学资源的数字化转型和教学模式的创新。 结果表明,数字技术的应用显著提升了教学质量和 学习效果,为学生提供了更多的自主学习和个性化学习机会。 该研究成果对其他高校在推进教育数字化转型 方面具有重要的借鉴意义,有助于构建更加开放、高效、智能化的教育体系,推动教育高质量发展。

针对医学图像进行标记需要相关专业知识,导致很难获取大规模的医学图像分类标记,使基于深度学习 的医学图像分类发展受到限制的问题,笔者将自监督对比学习应用于医学图像分类任务,利用对比学习方法 进行医学图像分类的预训练,在预训练阶段从无标记的医学图像中学习特征,为后续的医学图像分类提供先验 知识。 实验表明,笔者提出的基于自监督对比学习的医学图像分类改进方法,有效提高了ResNet的分类性能。

为提高油田污水系统故障诊断的智能化水平和准确性,利用卷积神经网络以及长短期记忆网络构建复合 神经网络,并采用Adam与随机梯度下降法对结构进行优化, 使模型收敛速度以及故障诊断精度得到提升。 通过相关实验研究结果表明,采用的优化算法使模型准确度提升至0.87左右, 模型诊断损失率降至0.032 左右;复合神经网络结构的平均检测精度达到0.888,准确值达到0.883, 召回率达到0.789。 将复合神经网络 应用于油田污水系统故障诊断中, 使油田污水系统实现智能故障检测, 并能降低经济成本, 益于智慧油田 建设。

针对 Tate 对的计算效率优于 Weil 对问题仍然存疑, 有待进一步验证, 以及 Miller 提出的二元群结构参数选择算法属于概率型算法, 算法效率不高的问题, 建立了 Tate 对和 Weil 对执行效率的分析模型, 提出一种利用椭圆曲线的阶是扭曲值的平方关系查找扭曲值参数的新方法。 研究表明, 在扭曲值较小时, Tate 对的计算效率优于 Weil 对, 与已有研究结果一致, 但当扭曲值很大时, Weil 对的计算效率优于 Tate 对, 同时扭曲值参数查找新方法的时间复杂度小于 Miller 方法的时间复杂度 O(M), 相对 Miller 的概率方法, 新方法为确定型方法。

分析和实例验证了分析模型的正确性, 而且新方法极大地提高了参数选择的效率和准确性。

为解决传统JPS(Jump Point Search)算法的拐点多和路径次优等问题, 提出一种改进的跳点搜索算法。 首先, 根据地图可行率,对障碍物进行适应性膨胀,以保障安全距离;其次,结合方向性因素对启发函数进行 调整, 显著提高了路径搜索的目的性;最后,提出了一种能剔除冗余节点的关键点提取策略,优化了初始规划 后的路径, 在保证路径最短的同时,显著减少了拓展节点和拐角。 实验结果表明,与传统的JPS算法相比, 所提算法能缩短路径长度并减少拐角数量,同时拓展节点数量平均减少19%,搜索速度平均提升21.8%。 

 针对在局部阴影条件下, 光伏阵列的功率-电压特性曲线呈现多个峰值,传统群体智能优化存在收敛 速度慢、振荡幅度大和易陷入局部最优等问题,提出一种基于PSO-GWO(Particle Swarm Optimization-Grey Wolf Optimization)算法的 MPPT(Maximum Power Point Tracking)控制方法。 该算法引入余弦规律变化的收敛因子, 平衡GWO算法的全局搜索与局部搜索能力;引入PSO算法,提高灰狼个体与自身经验之间的信息交流。 仿真 结果表明,提出的PSO-GWO算法在局部阴影条件下不仅能快速收敛,而且功率输出震荡幅度更小,有效提升 了局部遮阴条件下光伏阵列的最大功率跟踪效率和精度。 

 针对由于采用分布式部署传感器的方式会导致边缘服务器出现数据量分布单一且不平衡的现象,并且 边缘计算下的模型训练也会因梯度异常导致数据集被污染带来极为严重的隐私泄露问题,提出了强鲁棒性 边缘计算(EC: Edge Computing) 数据安全算法 (RDSEC: Strongly Robust Data Security Algorithms for Edge Computing)。 该算法利用异构网络对图像特征共同提取, 并使用同态加密实现对边缘服务器的参数加密, 实现 隐私保护。 若在边缘节点进行梯度异常检测时发现异常,则边缘节点上传梯度时会附加一个信号告知云中心 当前边缘节点所上传的参数是否可用。 该算法在Cifar10和Fashion数据集上的实验取得了极佳结果, 实现了 数据集分配比失衡的条件下也能有效聚合边缘服务器参数,提升边缘节点算力和运算准确率。 并且在保证 数据隐私的条件下,使模型的鲁棒性、精确性和训练速度大幅提升,实现边缘节点对图像预测的高准确率。 

随着互联网技术发展, AI(Artificial Intelligence)技术在教育中的应用已成为教育创新的发展趋势。 为提高AI在课堂教学优化、学生评价、考试测评和师资培训等关键环节的作用,通过分析现有AI教育产品, 总结AI在教育领域的应用现状,并对其发展趋势进行了展望。 结果表明,AI技术能显著提升教学效率,实现 对学生学习情况的智能分析, 提供个性化教学支持。 同时, AI在教育资源配置和学习者特征分析中表现出 巨大潜力,有助于实现教育的个性化和精准化。 虽然其面临应用范围、研发力度和应用模式等方面的挑战,但 AI 技术的深入应用有望推动教育事业的发展和进步。 

 针对在数字影像三维重建过程中,由于原始数据中存在噪声和失真等不足,导致特征匹配效率和精度 较低的问题,提出基于SIFT(Scale-Invariant Feature Transform)特征点提取算法的三维数字影像重建方法。 采用双边滤波算法对数字影像中的环境噪声实施消除处理,并保留数字影像的边缘信息,提高特征点提取 精度; 通过尺度不变特征转换(SIFT)算法对其提取特征点, 得到数字影像的特征点对; 将该特征点对作为 初始面片,利用空间目标多视影像密集匹配方法, 实现对数字影像的三维重建。 实验结果表明,所提方法 特征匹配效率和匹配精度高,且降噪能力强,生成的三维重建影像所需平均时间为26.74 ms。

针对基于传感器技术实时监测桥梁结构状态,为及时发现桥梁结构的异常情况并进行判识,预防和避免 事故的发生,提出了基于深度学习技术的桥梁传感器异常信号检测和识别方法。 通过设计基于LSTM(Long Short-Term Memoy)网络模型的桥梁传感器异常数据检测算法, 实现桥梁索力传感器异常数据位置的有效检测, 异常数据检测精确率与召回率分别达到99.8%、95.3%。 通过将深度学习网络和桥梁传感器实际工作情况相 结合, 设计基于CNN(Convolutional Neural Networks)网络模型的桥梁索力传感器异常分类算法, 实现桥梁索力 传感器数据7类信号的智能识别,多种异常数据类型识别精确率与召回率超过90%。 相对于目前桥梁传感器 异常数据检测和分类方法,该方法能实现桥梁传感器异常数据和类型的精准检测和智能识别,为桥梁传感器 监测数据的准确性与后期性态指标识别的有效性提供保障。

针对现阶段D2D(Device-to-Device)通信信道分配效果不佳等问题,提出基于匈牙利(KM:KuhnMunkras) 算法的D2D通信信道分配最优化数学模型。 在D2D通信系统模型构建的基础上, 计算D2D通信信道传输 速率, 将系统中的各个变量表示在一个二维坐标系中,构建线性规划图,根据该图求解D2D用户的最佳发射 功率; 基于KM算法建立D2D通信信道分配最优化数学模型,实现D2D通信信道分配。 实验结果表明,所提 方法D2D通信信道分配最优化数学模型的实际应用效果更好,通信系统的吞吐量更大。

针对强日光环境下OCC(Optical Camera Communication)系统接收端解码困难的问题, 提出了基于分段式 线性灰度变换的Gradient-Harris 解码算法。 首先搭建一套OCC实验系统, 接收端相机采集原始图像, 利用标准 相关系数匹配方法提取目标LED阵列区域。 其次通过分段式线性灰度变换对目标LED阵列区域进行图像增 强, 利用Gradient-Harris 解码算法进行目标LED阵列的形状提取和状态识别。 实验结果表明, 应用基于分段式 线性灰度变换的Gradient-Harris 解码算法, 强日光环境下OCC 实验系统的平均解码速率为128.08 bit/s, 平均 误码率为4.38x10-4, 最大通信距离为55 m。 

针对当前海量数据的结构和特征较为复杂,对其分类时很难确保较高的精准度与效率的问题,提出了 改进决策树算法的大数据分类优化方法。 构建模糊决策函数检测大数据的序列特征,并将其输入决策树模型 中挖掘和训练规则;利用灰狼优化算法改进决策树模型,使用改进后模型对大数据简化、粗略分类,再建立分 类器准确度目标函数,实现对大数据的精准分类。 实验结果表明,所提方法取得分类结果准确度最高、假正例 率最低,保证了算法整体具有较高的吞吐量,提高了算法分类效率。 

针对当前交通流量的智能预测方法没有分析和考虑路网的时空关联性问题, 在智能预测方法中增加了时空关联性信息, 解决了时空信息缺失造成的预测精度降低的问题。 首先结合交通路网的图连接和车辆通行延时特性, 分析城市路网的时空关联性; 考虑城市交通时空关联情况, 基于图卷积神经网络( GCN: Graph Convolutional Neural)和长短期记忆网络(LSTM: Long Short-Term Memory)方法, 研究了结合 GCN、LSTM 考虑时空信息的城市交通流量预测方法, 应用开源的城市交通流量数据集优化训练了城市交通流量预测网络, 并对比LSTM、 双向长短期记忆网络(BiLSTM: Bidirectional Long Short-Term Memory)及不同网络节点数目在求解该交通流量预测问题的表现。 研究结果表明, 该方法可以有效预测城市交通流量, 相对未考虑时空信息的预测方法准确度有所提升, 该研究可为智慧交通系统中的交通预测提供理论参考。

针对传统图像处理算法对钢铁表面缺陷检测存在识别效率低、 漏检误检率高等问题, 提出了 YOLOv8-DSG(Deformable Convolution Network Squeeze and Excitation Network Generalized Intersection over Union)钢铁表面缺陷检测算法。 在传统 YOLOv8 算法的基础上, 首先在 Backbone 网络的 C2f(Convolution to Feature)模块中嵌入了可变形卷积网络 DCN(Deformable Convolution Network) , 增强了模型在复杂背景条件下的特征提取能力;其次, 在 Neck 网络中引入了 SE( Squeeze and Excitation Network)注意力模块, 突出钢铁表面重要特征信息,提升了特征融合的丰富性; 最后, 利用 GIOU(Generalized Intersection Over Union)损失函数代替原有的 CIOU

(Complete Intersection Over Union) , 相比 CIOU, GIOU 引入了最小包围框面积比率, 可更准确衡量框的重合面积。 实验结果表明, YOLOv8-DSG 算法在 NEU-DET 数据集上平均精度 mAP 达到 80% , 相较于原 YOLOv8算法, 提高了 3. 3% , 且误检、 漏检率低, 具有更高的检测精度和运算效率, 可在质量检测方面发挥重要作用。

为降低 MEC(Mobile Edge Computing)系统的总开销, 将所有设备的延迟和能量消耗的加权总和设定为优化目标, 解决了多用户多信道移动边缘计算系统中的任务卸载问题。 该方案能使多个用户设备通过无线信道将计算负荷重的任务卸载到 MEC 服务器上。 并考虑到多个智能设备间在剩余能量方面的差异, 引入能量因子用于衡量智能设备在能耗和时延之间的偏重。 同时利用基于 Q-learning 算法的强化学习方案共同优化卸载决策、 计算资源的分配以及无线信道的选择。 仿真结果表明, 该算法能有效降低任务处理的时延和能耗,

容纳更多用户。

为解决油田开发指标的预测问题,提出了一种基于物质平衡方程和Informer的融合模型。 首先, 通过 物质平衡方程领域知识建立油田开发产量递减前后的机理模型;其次,将所建机理模型作为约束与Informer 模型损失函数进行融合建立符合油田开发物理规律的指标预测模型;最后,采用油田实际生产数据进行实验 分析, 结果表明相比于纯数据驱动的几种循环结构预测模型,本融合模型在相同数据条件下的预测效果更优。 该模型的机理约束部分能引导模型的训练过程,使其收敛速度更快,且波峰波谷处的预测更准确。 该融合模型 具有更好的预测能力和泛化能力和比较合理的物理可解释性。

针对数字媒体深度交互式图像受噪声干扰,导致其边缘检测效果较差,影响其分割精度的问题,提出 基于边缘检测的数字媒体深度交互式图像分割算法。 首先,利用小波变换方法对数字媒体中的图像进行去噪 处理, 提高图像分割精度;其次, 使用高斯函数与低通滤波增强去噪后的图像,提高图像的清晰度,为图像 分割提供便利;最后,依据自适应阈值算法对数字媒体的图像进行边缘检测,像素合集中存在上下阈值。 根据 其上下阈值的计算求出像素合集中的高低两个阈值,并对其实施边缘连接,实现数字媒体图像分割。 实验结果 表明, 所提方法对分割数字媒体图像去噪效果好,分割精度和效率高。

为提升党的领导水平、增强党的执政能力、加强党的自身建设,进而推动中国特色社会主义事业的持续 健康发展,开发了一种干部信息管理系统。 系统引入了信息化技术,通过模型化、 可视化、 智能化的方式, 提高了干部选拔任用的科学性和规范性,并能对干部的日常思想、工作、作风等进行监督,实现了全面考核、 规范管理。 改进后的系统提高了干部选拔任用的准确性和效率,加强了干部日常管理监督,实现了干部绩效 考核的科学化和规范化。 通过实际应用表明,使用干部信息管理系统,能进一步提升党的事业发展,推动组织 工作向科学化、规范化、精细化方向迈进,实现党员干部队伍建设的新跨越。

针对脑认知疾病的检测困难和识别准确率低等问题,将卷积神经网络的局部依赖建模能力和注意力机制 的全局依赖建模能力相融合,提出了由多头注意力引导的卷积神经网络(MAGINet: Multi-Head Attention-Guided Convolutional Network), 用于识别正常(NC: Normal Control)、 早期轻度认知障碍(EMCI: Early Mild Cognitive Impairment)、 晚期轻度认知障碍(LMCI: Late Mild Cognitive Impairment) 和阿尔茨海默症(AD: Alzheimer’s Disease), 探索 NC 经 MCI(EMCI 和 LMCI)到 AD 的完整演化过程。 首先, 将 3 种功能连接网络(FCN: Functional Connectivity Network)变体的互补信息进行整合, 形成一个多视图学习框架。 其次, 在每个视图下的 卷积神经网络模块中,设计了一种新的多头注意力模块,先后通过完成自注意力、通道注意力及空间注意力 帮助建模全局依赖关系,弥补卷积神经网络的局部机制优化模型的性能,并证明了其有效的信息提取能力。 最后, 将该模型用于多个脑病分类,实验结果证明了模型的强大通用性和可重复性。

针对单一的嵌入式处理器很难高效地完成图像处理等巨量计算任务的问题, 基于 FPGA ( Field-Programmable Gate Array)和 Coretx-M3 处理器内核设计了一套具有图像处理功能的 SoC( System on Chip)。 硬件设计基于 Xilinx 公司的 Kintex-7 FPGA 和 Arm 公司提供的 Cortex-M3 内核, 在 FPGA 上实现处理器架构, 利用 IP(Internet Protocol)核与 Verilog 设计存储器、 总线系统和基本的外设, 并通过总线与处理器相连, 设计图像处理单元, 将常用的数字图像处理算法映射为硬件描述语言, 并设计总线接口与处理器相连, 为 SoC 提供图像处理能力。 软件设计基于 Keil MDK 工具和 C 语言, 为 SoC 的外设和图像处理单元编写驱动程序, 仿真了系统功能,同时以二值化算法为例将基于 Matlab 的数字图像处理与 SoC 中的图像处理单元进行充分的对比测试, 结果表明该图像处理 SoC 不但性能优良, 同时拥有FPGA 与 SoC 的全部优势。 笔者成功开发出了基于 FPGA 平台的具有图像处理功能的 SoC, 该系统在 Xilinx 公司的 Kintex-7 系列, 型号为 XC7K325TFFG676-2 的 FPGA 上进行了板级验证。 该设计体现出 FPGA 平台设计该系统的高度灵活性与高效性, 提供了单一嵌入式处理器很难高效完成图像处理等巨量计算任务弊端的一种解决方案。 该系统基于可重构平台设计, 可实现外设功能根据需求的定制化, 具有灵活度更高的优势。

为解决电力建设公司在向全过程咨询业务转型过程中遇到的多源异构数据问题,以及因意外情况导致的 设计管理人员需进行远程协同工作的挑战,提出以企业私有云为基础环境,结合多源异构数据融合技术,构建 知识图谱。 该系统通过集成来自全国各地的多样化数据源,优化了数据管理流程,确保了数据的一致性和可用 性。 最终实现了全过程咨询业务的分布式协同管理,显著提升了企业的核心竞争力。 同时,有效解决了数据 种类繁多、来源广泛且协议多样化不统一的问题, 改善了数据的质量与准确性, 并统一了存储架构, 提升了 整体数据管理效率,增强了决策支持能力。 

由于认知负荷作为学习者学习过程中认知系统所产生的负载,对学习者的学习状态有重要影响,并且 目前已有的学习者模型中缺乏对学习者认知负荷的研究。 为此以教育部教育信息化技术标准委员会提出的 CELTS-11(China E-Learning Technology Standardization-11)为基础, 将认知负荷作为一个维度融入学习者模型, 构建了静态与动态信息相结合的LMICL(Learner Model Incorporating Cognitive Load)。 然后, 以自适应学习系统 为依托,将未融合认知负荷的学习者模型的数据和LMICL的数据分别作为推荐学习资源的依据,产生了两种 不同的学习资源推荐结果,并随机选取两个班级的学习者在该系统中进行学习,最后从学习者的学习成绩、 认知负荷结果和满意度3个指标对LMICL的效果进行验证。 结果表明, 基于LMICL的推荐学习效果强于未 融合认知负荷的学习者模型。

为解决无人机的低通信能耗比问题,并在维持高通信质量的同时降低能耗,提出了一种基于强化学习的 无人机航线规划方案。 将连续的飞行空间划分为多层二维网格以便于生成无人机状态点,并建立一个基于 通信质量和能耗参数的奖励函数,通过Q-Learning算法学习获得通信能耗比最优航线。 实验结果表明, 该学习 模型规划的航线能获得较高的通信能耗比,具有一定应用价值。

针对当光伏板处于不均匀的太阳光照射时,产生发电效率低的问题,提出一种混沌哈里斯鹰算法与电导 增量法结合的算法。 哈里斯鹰算法引入Levy飞行函数和Henon混沌映射,在跟踪早期,扩大算法的搜索范围。 再引入最优个体策略,可进一步减少算法的迭代次数。 该算法使系统更易跳出局部最大功率点,而在跟踪后 期, 算法精确运行在小范围内,提高了局部搜索能力。 实验结果表明,电导增量法的加入缓解了系统位于全局 最大功率点(GMPP: Global Maximum Power Point)附近时的功率振荡, 稳定输出。

为解决弱边缘超声图像分割难度大的问题,提出基于改进CNN(Convolutional Neural Networks)的弱边缘 超声图像分割方法。 该方法首先利用平稳小波变换去除图像中的噪声,并通过加权最小二乘滤波器强化图像 边缘细节,然后将改进卷积注意力模块添加到残差网络模型中提取图像特征,最后通过优化损失函数提高图像的 分割精度。 实验结果表明,所提方法对超声图像的弱边缘细节处理效果好,可提高对医学超声图像的分割精度。 

针对射频识别(RFID: Radio Frequency Identification)系统的信道资源有限, 当多个标签竞争同一个频率或时间槽时, 会导致发生碰撞和冲突的问题, 为优化广播信道的通信效率, 对基于帧时隙 ALOHA 的物联网 RFID 广播信道防碰撞算法进行了研究。 该方法引入帧时隙概念, 对通信时间进行时间段划分;通过时隙内 空闲、成功识别以及碰撞 3 种状态的发生概率分析, 得到广播信道内的碰撞原因。 结合贝叶斯算法与泊松分布规则, 通过标签数目概率分布计算, 实现读写器作用范围内标签数量的估计, 并根据标签数量计算结果调整下一帧帧长。 若调整后的帧时隙范围内仍存在标签碰撞问题, 则通过 FastICA( Indcpendent Component Analysis)独立主成分分析法, 将帧时隙内的标签识别问题, 转化为 EPC(Electronic Product Code) 编码生成问题, 进而实现统一时隙内多标签的并行识别, 避免发生碰撞。 实验表明, 所提方的标签数量的估算准确, 能在保证通信信道稳定性的前提下, 提高时隙内标签识别率, 有效提高广播信道的传播效率。

针对D2D(Device-to-Device)通信系统中源节点与目的节点间的距离过大时出现通信时延大、 通信过程中 断等问题,提出了一种基于社交关系及能量缓存的D2D通信中继选择算法。 该算法在限定中继节点的位置前 提下, 不仅考虑传输速率、中继的剩余能量及剩余缓存空间等常规条件,还考虑了节点间的社交关系以及链路 的中断概率,综合计算每条链路权重,权重最高的链路被选中进行数据传输。 仿真实验表明,该算法有效降低 了D2D通信链路的传输时延,提高了系统成功传输概率,进而提升了中继系统的稳定性。

针对由于噪声影响, 导致物联网身份认证准确率和效率较低的问题, 提出了一种新的基于改进RSA (Rivest-Shamir-Adleman)算法的物联网身份认证优化方法。 该方法通过构建传输信道模型获取用户身份信息, 并且构建降噪模型降噪预处理用户身份信息数据;针对处理后的数据,提取用户身份特征信息,以此构建物联 网身份认证算法;在此基础上,引入RSA算法,加密处理用户身份信息数据,实现物联网身份认证优化。 实验 结果表明,该方法身份认证准确率达到97.0%以上,认证效率较高,并且该方法不易受噪声环境的影响,在含 噪声的条件下,其认证率与理想认证率的最高误差仅为3.7%,具备了可行性和有效性。

针对网页搜索结果存在返回的网页与搜索的关键词领域不相关的领域漂移现象,导致用户无法搜索到需 求信息的问题,提出基于Softmax回归分类模型的网页搜索排序算法。 选择网页搜索文本特征,得到相应的特 征项, 利用向量表示模型,将选择的网页搜索文本特征项转换为格式化数据,对网页搜索文本数据进行均衡 处理, 获取网页搜索文本数据集。 采用Softmax回归分类模型, 分类处理网页搜索文本数据集, 预测网页搜索 文本类别,通过Okapi BM25算法, 对网页搜索文本进行排序操作, 实现网页搜索排序。 实验结果表明, 所提 算法具有较好的网页搜索排序,提升了网页搜索排序精度,避免网页搜索排序过程中的领域漂移现象。 

针对蜣螂优化算法存在易陷入局部最优、全局探索和局部开发能力不平衡等问题,为提升蜣螂优化算法 的寻优能力,提出一种混合策略的蜣螂优化算法。 采用Sobol序列初始化种群,以使蜣螂种群更好地遍历整个 解空间;在滚球蜣螂位置更新阶段加入黄金正弦算法, 提高收敛速度和寻优精度; 引入混合变异算子进行 扰动,提高算法跳出局部最优的能力。 对改进的算法进行8个基准函数的测试,并与灰狼优化算法、鲸鱼优化 算法和蜣螂优化算法等进行比较,并验证了3种改进策略的有效性。 结果表明,混合策略的蜣螂优化算法在 收敛速度、鲁棒性和寻优精度有明显增强。 

针对传统的识别表结构方法难以充分学习多行多列合并、 空白、 嵌套单元格等复杂表结构以及提取特征过程中容易出现信息缺失的问题, 提出了一种改进 SLANet(Structure Location Alignment Network)的 OCR(Optical Character Recognition)表结构识别方法。 首先, 利用轻量级 CPU(Central Processing Unit)卷积神经网络并引入注意力机制, 增强网络泛化和解释能力, 将训练得到信息向量输入轻量级高低层特征融合模块中提取特征, 并将输出特征通过特征解码模块对齐结构与位置信息, 得到预测标签。 实验表明, 与 EDD(Encoder -Dual-Decoder)、TableMaster 等模型相比, 该方法准确率有显著提升, 达到 76. 95% , TEDS (Tree-Edit-Distance-based Similarity)

达到 95. 57% , 显著增强了模型识别非常规复杂表结构能力, 为识别表结构提供了一种优化策略。

针对已有无刷控制器存在控制方式不灵活,通用性差等问题,设计并开发了可编程无刷电机控制实验 系统。 该实验系统提供了一种可重复开发方案,只需使用其配套的上位机编程软件,就能在控制信号与电机输 出之间建立自由映射,直接驱动霍尔无刷电机。 其系统硬件部分基于ARM(Advanced RISCMachine)-Cortex M3 MCU(Multipoint Control Unit), 可同时支持数字电平、 模拟信号以及脉冲宽度调制信号(PWM: Pulse Width Modulation); 上位机软件基于 PyQt5 开发, 主要包括引导窗界面与主窗口。 测试电机可根据自定义控制信号与 外界设备进行通信且可达到程序预期设计转速,该系统可为电机控制教学提供新的实验方案。

由于井场偷油现象是影响油田的安全生产与稳定运营的重要问题,而目前行为识别方法较少关注井场偷 油检测的需求,且在对井场偷油目标进行特征识别过程中通常存在局限。 为此,提出一种基于3D注意力残差 的井场偷油行为识别算法。 该网络由多个三维注意力残差块组成,通过在每个残差块中嵌入通道和时空注意 力模块,获取更多的特征判别信息,以增强模型对重要特征的关注。 在井场偷油行为数据集上对算法的有效性 进行验证,实验结果表明,相较同类算法,该方法具有更高的识别准确率,可为油田井场偷油行为自动检测的 实际应用提供参考。

为克服传统G-O(Goel-Okumoto)软件可靠性模型中缺陷发现率过于简化处理的局限性, 提出了一种以更 精准的方式描述缺陷发现率随时间实际变化的模型。 改进模型不同于常规假设将其视为恒定或单调的函数, 并考虑了测试人员的学习和排错能力的进步,以及软件固有的缺陷发现率随时间递减的趋势,从而假设缺陷发 现率呈现先上升后下降的动态变化趋势。 通过在两组公开的软件缺陷检测数据集上的应用,并与多种经典的 模型进行了对比验证,验证了模型的有效性。 实验结果表明,改进后的G-O模型在拟合能力和预测能力方面 都显示出优异的性能,证明其在软件可靠性评估中的适用性和优越性。

为有效解决三维虚拟图像存在的亮度不均匀的问题,提出一种三维虚拟图像中动态特征增强算法。 将 中值滤波算法和小波软阈值算法有效结合,对三维虚拟图像进行去噪处理。 通过视觉选择特性设定新的结构 元, 构建连通粒属性以及分层统计模型对图像进行颜色转换和结构元匹配,得到对应的映射子图,提取动态特 征。 将三维虚拟图像输入至改进的U-net++网络内,采用不同层密集连接增强不同层次图像特征的关联性,并 将全部动态特征融合进行细节重建,实现三维虚拟图像动态特征增强。 实验结果表明,所提算法可获取满意的 三维虚拟图像中动态特征增强效果。

为更直观地展现出虚拟图像, 研究一种虚拟现实环境下弱小目标图像视觉传达算法。 根据目标图像在虚拟环境中成像特点以及影响因素构建图像模型, 依据实际情况和图像模型调整图像目标, 将时域、 空域结合并对空域背景约束, 抑制背景图像, 利用滤波后的图像以及残差背景完成图像去噪。 将上述预处理结果作为基础, 根据目标图像序列运动速度、 特征窗口面积等控制因素, 对图像序列实施采样, 将特征追踪转化为光流计算, 对目标图像实施精确跟踪, 获取光流结果, 实现弱小目标图像视觉传达。 实验结果表明, 该算法视觉传达成功率较高、 用时较短、 完整度较高。

由于传统推荐系统虽然采用了图结构信息, 但大部分只考虑了用户和物品的基本属性, 忽略了用户和物品的上下文交互信息这个重要因素, 而即使考虑到了上下文交互信息, 在层组合阶段也缺少注意力机制赋予权重。 为此, 提出了一个融合了上下文交互信息和注意力机制的 CIAGCN( Context Information Attention Graph Convolutional NetworksN)推荐模型。 该模型利用用户和物品的上下文交互信息, 同时应用图的高阶连通性理论获取更深层次的协同信号。 在层组合阶段引入注意力机制以提高该阶段的可解释性。 将该模型在 Yelp-OH、Yelp-NC 和 Amazon-Book 数据集上进行实验对比, 结果表明相比其他算法, 该模型具有一定的效果提升, 说明推荐效果优于传统的推荐模型。

针对目前基于区块链技术的档案隐私保护算法存在保护效果不佳、 操作时间长等问题, 提出了基于区块链技术的数字化档案信息隐私保护算法。 首先, 将区块链技术应用于数字化档案信息隐私保护, 数据拥有者使用对称加密算法对数字化档案信息实施加密, 并将其上传至私有链; 同时, 生成数字化档案信息的安全索引,将其上传至联盟链; 数据使用者生成待查询关键字查询门限, 发送至私有链, 在私有链上获取查询结果并发送至联盟链, 联盟链与私有链合作, 验证查询结果的正确性, 若正确, 则联盟链将转换后的加密数据发送给数据使用者。 实验结果表明, 所提方法的数字化档案信息隐私保护算法隐私保护效果佳、 实际应用效果好。

针对人工蜂群算法局部搜索能力不足的缺点, 借鉴强化学习的寻优思想, 提出了一种基于强化学习的多策略自寻优人工蜂群算法。 该算法将强化学习中的 Q 学习方法与人工蜂群算法相融合, 利用种群最好值与个体适应值的距离和种群多样性两个指标作为划分状态的依据, 建立包含多种搜索策略的动作集, 采用ε -贪心策略选择最优, 产生高质量的后代, 实现了 ABC(Artificial Bee Colony)算法更新策略的智能选择。 通过 20 个测试函数和在股票预测方面的应用, 结果显示所提算法表现出较优性能, 能更好地平衡勘探和开发之间的关系, 具有较快的收敛速度和较好的自寻优能力。

针对原始鱼鹰优化算法(OOA: Osprey Optimization Algorithm)易陷入局部最优和寻优速度慢等问题, 提出了一种改进鱼鹰优化算法(L_OOA: An Improved Osprey Optimization Algorithm)。 首先, 为保持种群多样性,采用了 Tent 混沌映射策略初始化种群个体位置。 其次, 通过引入 Levy 策略对鱼鹰的位置进行更新, 提高了鱼鹰优化算法跳出局部最优值的能力, 并在鱼鹰优化算法中引入了螺旋曲线策略, 提升了算法计算精确度。最后, 在 CEC2021(Computational Experimental Competition 2021)测试函数集上与其他智能算法进行了对比实验。结果表明, L_OOA 具有更优的精度和更快的速度。

针对飞行员在执行任务时需要同时处理多种信息源和任务,加重了脑力劳动负荷的问题,为提高飞行 安全性和飞行员的工作效能,研究了基于随机森林算法的飞行员脑力负荷多维综合评估模型。 利用线性有限 脉冲响应带通滤波器处理脑电信号,剔除高频及低频噪音,计算失匹配负波,获得线性插值脑电信号采样点, 根据脑电信号邻域重叠采样点,提取各节律的功率谱密度和能量特征。 构建随机森林算法多维综合评估模型, 确定各信号波动频率输出点, 结合投票模式获得多维脑力负荷最佳的分类结果,实现飞行员脑力负荷综合 评估。 实验结果证明,所提方法具有较高的分类精度,能精准评估飞行员脑力负荷状态。

为解决现有方法存在的异常数据识别精度较低的问题,提出一种基于多维特征的通信网络异常数据识别 算法。 调整粒子群优化算法中粒子的当前速度和位置,获取通信网络多维数据样本;通过数据挖掘中的聚类 分析法提取数据特征,确定密度指标,获取数据多维特征;将提取的多维特征引入深度信念网络中进行识别, 根据特征频谱幅值变化,实现对通信网络数据异常识别。 实验结果表明,该算法能有效识别通信网络异常数据 特征, 具有较高的识别准确性。 

为解决大学校园网络信息化发展中的网络流量管理问题, 结合新疆某高校校园网络管理中的实际问题及工作实践经验, 提出并实现了基于 CactiEz 的网络流量监控平台。 依据校园网实际环境, 分析了校园网络现状,并且结合具体的软硬件设备进行流量监控。 应用效果表明, 该监控系统能实时监控网络流量变化, 及时反映网络状况, 并对网络流量进行统计和分析, 为网络性能和安全提供数据支持。 基于 CactiEz 的网络流量监控平台对提升校园网络管理效率具有显著作用, 有助于优化网络管理工作。

随着人工智能(AI: Artificial Intelligence)技术的不断发展, 尤其是在深度学习、 图像识别和自然语言处理等领域的突破, AI 在医学影像教学中正逐步显示出其独特的优势。 为此, 对 AI 在医学影像在教学中的应用现状进行了综合分析。 结果表明, AI 不仅可以帮助学生和医务人员快速识别疾病特征, 还能提供自动化的影像分析结果, 使学习者能更直观地了解不同疾病的影像表现, 增强了学习的互动性和实践性。 并且其还能提供个性化的学习路径, 根据学生的学习进度和掌握情况, 推荐相关的教学内容或练习, 确保学习者得到量身定制的教学服务。 同时, 其高效性和精准性帮助学生能更好地理解复杂的医学影像内容, 从而提高学习效果。 随着技术的不断进步, 人工智能将在医学影像教学中发挥更大的作用。 未来的教学系统可能会更加智能化, 结合虚拟现实、 增强现实等技术, 为学生提供更加沉浸式的学习体验。

针对局部线性嵌入(LLE:Locally Linear Embedding)算法邻域选择不精确及度量方法缺陷导致不能提取 流形真实结构的问题,提出一种基于自适应邻域及重构权重的局部线性嵌入算法(AN-RWLLE: Locally Linear Embedding Algorithm Based on Adaptive Neighborhood and Reconstruction Weight)。 首先, 通过计算高维样本点的 余弦相似性,筛选出每个样本点的局部邻域,再从该邻域中自适应选择最优邻域。 其次,融合最优邻域内样本 点的距离和结构特征,充分挖掘高维数据流形结构,实现权重重构。 最后,利用支持矢量机对特征进行识别, 在低维空间保持高维数据的本质特征。 实验结果表明, AN-RWLLE算法具有很好的可视化和聚类效果, 在两组轴承故障数据集上都具有很好的特征提取能力。 

针对光学遥感数据中舰船小目标数量占比大,长宽比大且多个目标紧密排列难以检测的问题,提出一种 基于YOLO V5(You Only Look Once V5)的光学遥感舰船小目标检测算法———UPCBAM-RYOLO V5(Upsampling Convolutional Attention Block Module-RYOLO V5)算法。 该算法设计了一种上采样注意力机制模块, 增强了网络 对小尺寸目标特征提取能力,并在边框回归公式中引入旋转角度损失,提高了算法对舰船外观和方向的感知 能力。 基于GF1、GF2组成的舰船小目标数据集实验, 结果表明, UPCBAM-RYOLO V5 算法模型提升了舰船 小目标检测的定位精度和分类精度,其中P、R、 MAP(Mean Average Precision)值分别达到93%、94%和95%, 较传统YOLO V5 模型分别提高3%、7%和7%。 对网络中上采样注意力机制模块添加位置的消融实验结果 表明, 相较于在Backbone和Prediction 处加入 UPCBAM, 在 Neck 处加入 UPCBAM 对遥感影像舰船小目标的 检测影响最大,性能最优,P、R和MAP值分别提高了5%、4%和2%。 从而验证了UPCBAM-RYOLO V5模型在 光学遥感舰船小目标检测方面具有一定的研究意义。

针对传统试凑法选取的倒立摆 PD( Proportion Differentiation) 控制器参数具有主观性强, 系统响应能力不佳等问题, 采用遗传算法整定控制器参数, 进行模型仿真分析并最终运行于 QUBE -Servo2 旋转倒立摆实验系统。 实验表明, 相比于试凑法, 用遗传算法得到的 PD 控制器参数能使系统的响应性能进一步优化, 且不受主观经验限制, 摆杆和摆臂的稳态误差都在依0. 01 rad 以内。

由于MCU(Microcontroller Unit)编程语言主要为 C 语言, 以软逻辑实现, 并通过顺序执行指令实现特定 功能, 因此存在低速的缺点。 为得到高速同时仍然保留 MCU 优势的系统, 研究了基于 FPGA(Field- Programmable Gate Array)与 ARM(Advanced RISC Machines)Cortex-M0 的可重构 MCU 设计。 针对 ARM Cortex- M0 内核以及AMBA(Advanced Microcontroller Bus Architecture)总线系统进行分析, 设计 MCU 系统整体所需的 每个单元,根据每个模块的特性设计其Verilog代码, 并进行仿真验证。 探究了基于FPGA平台设计特殊的外 设, 验证硬件算法等,并以定时器中断系统为例,结合软件和硬件,对整个MCU系统进行综合仿真,分析实际 运行中ARMCortex-M0 内核的工作状态, 总线系统对每个模块间数据的通讯与调度,验证FPGA平台开发MCU 的可行性与高效性。 结果表明,MCU基于重构平台设计,可实现外设功能根据需求的定制化,相比传统MCU 具有更高的灵活度。 

为准确获取车辆的纵向速度, 提出一种适用于四轮驱动车辆的纵向速度估计方法。 该方法利用有限状态机识别出当前时刻车辆的状态和时域窗口内车辆的状态, 进而有效切换自适应卡尔曼滤波法和积分法。 针对车辆四轮非全部打滑状态, 设计了一种实时更新测量噪声的自适应卡尔曼滤波方法, 并引入时域窗口内的测量值和估计误差提升估计精度。 对车辆四轮全部打滑状态, 以四轮非全部打滑时自适应卡尔曼滤波的最后一个准确纵向速度估计值作为初值, 积分车辆纵向加速度计算出纵向速度。 通过 Carsim 与 Simulink 联合仿真实验和实车数据实验验证了算法的有效性。 实验结果表明, 相比于积分法和轮速法, 提出的估计方法在冰雪等低附着路面上的估计精度分别至少提升了 65% 和 75% 。

为维护网络运行安全, 保证网络信息安全存储, 提出基于多源数据挖掘的网络安全态势评估系统。 首先建立以应用层、 控制层、 数据转发层为核心的 3 层网络安全态势系统架构, 为保证应用层与网络设备之间信息有效传输, 利用 OSGi ( Open Service Gateway Initiative) 设计模式对控制层的 ONOS ( Open Network Operating System)控制器实施 5 层平行建构, 以保障网络安全态势的决策响应。 利用流量探测模块内多探测器的部署,实现网络多源数据的深度挖掘; 引入 LEACH(Low Energy Adaptive Clustering Hierarchy)算法, 在网络簇首实现多源数据融合。 通过安全态势评估模块对网络入侵因子威胁等级进行分析后, 结合权系数理论对网络态势威胁因子进行威胁度赋值, 并结合网络层次划分法对运行网络服务层、 主机层、 网络层安全态势实施分层评估。 实验表明, 所提方法对网络数据运行状态分析能力较高, 面对多类型网络威胁因子的攻击行为能做到精准识别, 为网络安全运行提供重要保障。

针对移动终端接入用户和数据的特征难以准确判定,影响移动终端接入控制精准度的问题,提出一种 基于EVM(Error Vector Magnitud)测量算法的接入控制技术。 考虑到环境中噪声和其他干扰因素影响, 以 Qos (Quality of Srvice)条件为用户的初始接入条件, 计算满足该条件的用户或数据的特征, 将特征值转换为权重 因子作为接入控制参照。 采用EVM测量算法计算终端信道内外信号间的差值,结合用户权重因子推导得到移 动终端的接入门限,求解不同用户门限值与控制数值间递增和递减函数,按照函数的优先级顺序,实现移动终 端接入的精准控制。 实验数据证明,所提方法接入控制精准度高,控制后终端传输时延、阻塞率得到了明显的 改善, 数据到达率也有明显提升。 

针对传统桌面应用程序库集成方式存在系统标准目录膨胀、增加安装包制作复杂度、如果集成前含多级 程序库调用则集成后需修改中间层程序库、开发与部署环境不一致等缺陷,在实际应用中存在局限性的问题, 提出一种以采用管理图片等资源的方式对程序库进行管理、根据对程序库之间约束和依赖的检测结果实现程 序库运行时动态部署为核心的集成框架。 通过设计程序库资源化管理、运行时动态部署和加载及资源管理器 等4个主要组成部分及其之间的协作,该集成框架首次实现上述两个核心的有机结合。 在CIFLog一体化测井 平台方法模块集成开发的实践应用中表明,该集成框架能解决传统程序库集成方式中存在的问题。 该框架的 适用性可以通用于所有桌面应用的程序库集成,为桌面应用的程序库集成提供一种新思路。 

针对气调储粮室内气体浓度实时检测问题,设计了一款基于STC89C52单片机和氧传感器的便携式氮气 浓度检测仪。 依据大气中氮气和氧气浓度在忽略稀有气体的条件下几乎互补的原理,将检测气调储粮室内 氮气浓度转化为检测氧气浓度,最终再换算出环境中氮气浓度百分比。 当气调储粮室内氮气浓度百分比低于 预设值97%时, 检测仪能实现声光报警功能, 同时可实时显示储粮室内氮气浓度百分比信息和温湿度信息。 硬件系统包括氧传感器、温湿度传感器等信号采集电路、信号调理电路、模数转换电路、STC89C52单片机和声 光报警单元。 软件设计选用C语言和Keil开发环境。 实验测试结果表明,该检测仪可实时显示环境信息且在 环境中氮气浓度低于预设值97%时能立即启动报警,实现了预期功能。

由于在应用磁法探测时, 为抑制地磁日变等低频磁场干扰对测量结果的影响, 通常会进行多台磁力仪的同步测量, 而时间同步误差对抑制效果有明显影响。 为此, 以实验室自研的 JOM-5SF 型 Overhauser 磁力仪为基础, 研究了不同时间同步误差对 Overhauser 磁力仪在地磁探测和仪器灵敏度评估方面的影响。 在吉林大学校园内利用两台 Overhauser 磁力仪进行实验, 将实验结果与专业机构评估结果进行对比分析表明, 时间同步误差越小, 两仪器磁场值之差跳动范围越小, 同步法评估仪器的灵敏度越准确。 实验结果对 Overhauser 磁力仪的研制和应用具有一定参考作用。

针对非结构化大数据在分类过程中,由于其数据中存在大量的冗余数据,若不能及时清洗大数据中的 冗余数据,会降低数据分类精度的问题,提出一种基于改进ID3(Iterative Dichotomiser 3)算法的非结构化大数 据分类优化方法。 该方法针对非结构化大数据集合中冗余数据多以及维度繁杂的问题,对数据进行清洗处理, 并结合有监督辨识矩阵完成数据降维;根据数据降维结果,采用改进ID3算法建立用于数据分类的决策树分类 模型,通过该模型对非结构化大数据进行分类处理,从而实现数据的精准分类。 实验结果表明,使用该方法对 非结构化大数据分类时,分类效果好,精度高。

针对滚动轴承信号含噪声导致诊断模型训练困难的问题, 提出了一种基于变分模态分解( VMD:Variational Mode Decomposition)和深度学习相结合的轴承故障诊断模型。 首先, 该方法通过 VMD 对轴承信号进行模态分解, 并且通过豪斯多夫距离( HD: Hausdorff Distance) 完成去噪, 尽可能保留原始信号的特征。其次, 将选择的有效信号输入一维卷积神经网络(1DCNN: 1D Convolutional Neural Networks)和门控循环单元(GRU: Gate Recurrent Unit)相结合的网络结构(1DCNN-GRU)中完成数据的分类, 实现轴承的故障诊断。 通过与常见的轴承故障诊断方法比较, 所提 VMD-1DCNN-GRU 模型具有最高的准确性。 实验结果验证了该模型对轴承故障有效分类的可行性, 具有一定的研究意义。

针对现有的中文命名实体识别算法没有充分考虑实体识别任务的数据特征, 存在中文样本数据的类别不平衡、 训练数据中的噪声太大和每次模型生成数据的分布差异较大的问题, 提出了一种以 BERT-BiLSTM-CRF(Bidirectional Encoder Representations from Transformers-Bidirectional Long Short-Term Memory-Conditional Random Field)为基线改进的中文命名实体识别模型。 首先在 BERT-BiLSTM-CRF 模型上结合P-Tuning v2 技术, 精确提取数据特征, 然后使用 3 个损失函数包括聚焦损失( Focal Loss)、 标签平滑( Label Smoothing) 和 KL Loss(Kullback-Leibler divergence loss)作为正则项参与损失计算。 实验结果表明, 改进的模型在 Weibo、Resume 和MSRA(Microsoft Research Asia)数据集上的 F1 得分分别为 71. 13% 、96. 31% 、95. 90% , 验证了所提算法具有更好的性能, 并且在不同的下游任务中, 所提算法易于与其他的神经网络结合与扩展。

针对在利用单一数据源的数据完成任务时, 数据会存在较大误差, 甚至可能出现数据缺失, 从而影响任务进度的问题, 提出基于模糊数学理论的双通道数据关联融合算法研究。 度量双通道数据的相关性, 并根据缺失数据预测流程, 预测出双通道数据中的缺失数据, 填充双通道数据集中缺失数据, 获取完整的双通道数据。 对双通道数据实施标准化处理, 利用主元分析法计算双通道数据与主成分之间相似度, 获取数据集中数据综合支持程度, 取得有效数据。 利用模糊数学理论, 对有效数据实施模糊化处理, 并计算数据模糊化结果与真实数据之间的贴近度, 确定数据融合权重, 以此实现双通道数据关联融合。 实验结果表明, 利用所提算法进行双通道数据关联融合, 在数据总数量达到 1 500 时, 综合评价指标值超过 9, 说明所提算法能提高双通道数据关联融合精度, 具有较好的双通道数据关联融合效果。

针对股价预测中存在的不确定性、 间断性、 随机性和非线性等问题, 提出一种 TRSSA-ELM(Tent Random Walk Sparrow Optimization Algorithm-Extreme Learning Machine)股价预测模型。 首先, 采用自适应 Tent 混沌映射和随机游走策略对算法进行改进, 增强种群多样性和随机性, 提高算法局部和全局的寻优能力。 其次, 使用单峰、 多峰和固定维多峰测试函数对 TRSSA(Tent Random Walk Sparrow Optimization Algorithm)性能进行了验证,相比于 SSA(Sparrow Optimization Algorithm)、AO(Aquila Optimizer)、POA(Pelican Optimization Algorithm)和 GWO(Grey Wolf Optimizer), TRSSA 算法具有更好的收敛速度、 精度和统计性质。 最后, 由于 ELM(Extreme Learning Machine)模型随机生成权重和阈值, 降低了预测精度和泛化能力, 应用 TRSSA 算法优化 ELM 模型的权重和阈值, 并用三安光电股票数据集对 TRSSA-ELM 模型进行了测试。 实验结果表明, TRSSA-ELM 模型相比于 SSA-ELM、ELM、SVR(Support Vector Regression)和 GBDT(Gradient Boosting Decision Tree), 具有更好的预测精度和稳定性。

 为保障医院信息网络的安全管理,避免医疗信息泄露,提出了基于深度生成模型的医院网络异常信息入 侵检测算法。 采用二进制小波变换方法,多尺度分解医院网络运行数据,结合自适应软门限去噪系数提取有效 数据。 运用最优运输理论中的Wasserstein距离算法与MMD(Maximun Mean Discrepancy)距离算法, 在深度生成 模型中,对医院网络数据展开降维处理。 向异常检测模型中输入降维后网络正常运行数据样本,并提取样本特 征。 利用深度学习策略中的Adam算法,生成异常信息判别函数,通过待测网络运行数据与正常网络运行数据 的特征对比,实现医院网络异常信息入侵检测。 实验结果表明,算法能实现对医院网络异常信息入侵的高效 检测, 精准检测多类型网络入侵行为,为医疗机构网络运行提供安全保障。

为满足地磁台站磁场总强度的观测需求, 自主设计了一种台站专用磁力仪架构, 并研制了 JOM-5J 台站监测型 Overhauser 磁力仪。 分别在野外低噪声和嘈杂的高电磁干扰条件下采用单台直接测量法和双台同步法对仪器进行了灵敏度评估。 实验结果表明, JOM-5J 磁力仪在周期为 1 s 时的灵敏度可达 0. 02 nT。 其可替代GSM-90F 用于地震前兆观测和火山长期监测。

针对数字视频图像采集过程中受外部环境噪声干扰及原始图像分辨率低的影响,在压缩过程中可能出现 很多的失真和伪影,并且每次压缩和解压缩都会引入一定的误差,误差逐渐积累,导致最终的压缩效果较差的 问题, 提出基于稀疏编码的数字视频图像压缩方法研究。 利用多阈值迭代方法对数字视频图像中的噪声实施 去除, 利于后续的图像压缩处理;通过稀疏编码方法获取去噪后的数字视频图像的正交基系数,对该系数进行 冗余字典稀疏编码和压缩传输,建立多帧去压缩伪影网络,利用网络中的运动补偿模块对数字视频图像实施 运动偏移估计以及像素补偿;将运动补偿帧输入去压缩伪影模块中完成压缩伪影的消除,实现数字视频图像 压缩。 实验结果验证该方法能有效去除压缩数字视频图像中的伪影,具有较高的压缩效率和信噪比。

针对无人机航拍具有多角度、 大视角、 大规模场景的特点, 使无人机航拍图像存在小目标对象较多、背景复杂和特征提取困难的问题, 提出了一种新的模型 CA-NWD-YOLOv5 ( Coordinate Attention-NormalizedWasserstein Distance-You Only Look Once v5)。 该模型以 YOLOv5 模型为基础, 在头部网络添加了多尺度检测层以提取小目标特征, 同时在骨干网络加入了 CA 注意力机制, 避免模型忽略目标的位置信息。 最后, 使用归一化 Wasserstein 距离损失函数代替基于交并比的损失函数, 加强了模型对微小目标的敏感程度。 在VisDrone2019数据集上的实验表明, 相比改进前的 YOLOv5 模型, CA-NWD-YOLOv5 模型可有效提升无人机航拍图像中小目标的检测精度, 改进后算法的 mAP_0. 5 达到了 50% , 可以有效应用于航拍小目标的检测。

针对目前电力系统中单柱钢管杆塔的对接主要依赖人工操作, 风险系数高, 耗时费力的问题, 笔者研究了在特定技术条件和环境下, 单柱钢管杆塔的自主对接技术, 并提出了一种基于视觉导航的单柱钢管杆塔自主柔性对接系统。 该系统利用内置的微控制器, 实现了精准定位功能, 并通过图像跟踪控制技术, 自主完成对接任务。 该微控制器通过其卓越的计算性能, 极大地简化了技术人员的操作流程, 提升了工作效率。 并对单柱钢管塔在二维平面上的对接进行了数值模拟和硬件试验。 研究结果表明, 通过配备推进器与小型控制力矩陀螺仪, 该系统能有效控制对接目标精确抵达对接端口, 精准与高效实现对接。

为解决当前分子诊断人才培养中存在的效率和质量问题, 探讨了人工智能(AI: Artificial Intelligence)技术在分子诊断人才培养中的应用现状及未来发展趋势。其涵盖了 AI 技术在分子诊断中的应用现状、优势与挑战, 重点分析了 AI 如何通过自动化实验流程、精准数据分析和跨学科知识整合提升人才培养效率和质量。同时, 总结了国内外高校在 AI 与分子诊断人才培养中的实践经验, 并展望了其未来发展趋势, 包括虚拟现实与增强现实技术的融合、智能诊断系统的精准化、个性化学习平台的智能化等。虽然 AI 技术在分子诊断人才培养中展现出巨大潜力, 能显著提升人才的综合竞争力, 推动分子诊断技术的进一步发展, 为精准医疗提供强有力的人才支持。然而, AI 技术的应用仍面临跨学科知识整合、数据质量、伦理隐私等多重挑战, 需通过教育机构、行业和政府的共同努力加以解决。

针对传统移动边缘计算系统中的计算用户存在由于密集障碍物遮挡、地形结构等导致的通信信道中断以及未充分利用系统空闲资源, 难以完成低延迟和低功耗的密集型计算任务问题, 建立了无人机辅助的终端直通协同移动边缘计算系统。该系统中, 计算用户通过建立地面直连链路将部分任务卸载给空闲用户, 空闲用户利用自身的计算资源辅助计算的同时将剩余计算任务卸载给配置移动边缘计算服务器的无人机进行计算。通过建立新系统的数学模型, 提出了一种基于深度确定性策略梯度算法的计算卸载策略。在满足无人机电量、用户移动范围等约束的前提下, 联合优化双卸载率和无人机的机动性, 使计算任务处理延时最小化。在模拟的连续状态空间环境中进行仿真测试, 结果表明, 提出的卸载计算策略优化方案能实现协同网络内资源的高效利用, 与其他基线算法方案相比, 能有效降低任务处理时延。

针对潜在低秩表示学习的投影矩阵不能解释提取特征重要程度和保持数据的局部几何结构的问题, 提出了一种基于双邻域和特征选择的潜在低秩稀疏投影算法(LLRSP: Latent Low-Rank And Sparse Projection)。 该算法首先融合低秩约束和正交重构保持数据的主要能量, 然后对投影矩阵施加行稀疏约束进行特征选择, 使特征更加紧凑和具有可解释性。 此外引入 l_2,1范数对误差分量进行正则化使模型对噪声更具健壮性。 最后在低维数据和低秩表示系数矩阵上施加邻域保持正则化以保留数据的局部几何结构。 公开数据集上的大量实验结果表明, 所提方法与其他先进算法相比具有更好的性能。

目前管道泄漏检测传感器向小型化和智能化发展, 并且测量管道泄漏引起的物理量变化的技术也日益成熟。为便于管道泄漏检测技术的选择与优化, 系统综述了当前管道泄漏检测中广泛应用的压电式、光纤式和激光式等典型传感器, 重点分析了其在材料、结构及工作原理上的特点与差异。同时, 探讨了这些传感器在实际应用中的表现及国内外研究现状, 为管道泄漏检测技术的选择、 优化与未来发展提供理论支持和技术参考。

为提升隧道运营的安全性与效率, 提出了基于多传感器的隧道运营风险感知方法。首先, 通过基于YOLOv7(You Only Look Once v7)的目标检测方法从视频传感器中有效检测出车流量、车速等信息, 并利用深度时序卷积网络算法实现了隧道运行风险的动态评估; 然后, 将视频传感器和烟雾、温度传感器等多元感知设备相融合, 构成火情风险监测系统, 并将多元感知设备相融合构成火情监测系统, 利用对隧道内部不同燃烧条件下的火情监控状况进行数值建模; 最后, 通过对隧道监控系统内部的温度、有毒气体浓度及烟雾的分布与发展规律进行分析, 给出隧道火灾风险态势评价。该方法已应用于山东济潍高速部分隧道中, 提升了隧道运营的安全性。

对为避免语言含义对英语口语翻译结果产生干扰,提高英语口语翻译准确性的问题,提出基于属性 特征的英语口语准确翻译系统。 该系统通过分析输入数据变量,提取口语语义特征参数,其可以捕捉到词汇和 表达方式之间的差异,提高翻译的准确性。 使用变分自编码器捕获特征的有效信息,从而获得英语口语语义 匹配结果。 对口语语义匹配进行编码和解码, 并根据参数设置翻译规则, 以识别口译歧义词参数, 并利用 CBOW(Continuous Bag-of-Words)模型识别评定参数。 设立了句式复杂分组翻译规则, 并根据规则进行语义翻译 连接, 从而形成准确的英语口语翻译结果。 实验结果表明,设计的英语口语翻译系统具有较高的翻译准确率, 能实现准确的英语口语翻译,说明所研究的翻译系统能满足英语口语翻译高精度翻译的要求。

为提高遥感模糊图像对比度增强效果, 增加清晰度, 提出基于均值滤波的遥感模糊图像对比度增强 方法。 首先,采用快速中值自适应均值滤波算法对遥感模糊图像整体进行去噪处理;其次,结合遥感图像边缘 的分形自相似特征以及灰度梯度变化实现对图像边缘点的提取,并将图像的整体区域划分为明亮和暗淡区域; 最后,采用细节保留映射算法和感知对比度映射方法分别增强两个区域的对比度,完成对遥感模糊图像整体的 对比度增强,实现对该图像的色彩还原。 实验结果表明,该方法增强图像能有效去噪,绝对均值差小于0.85, 在图像对比度和清晰度增强方面表现出良好的性能。

针对多输入多输出(MIMO:Multiple Input Multiple Output)认知物联网(C-IoT: Cognitive Internet of Things) 系统中存在频谱效率低的问题,提出了一种基于智能反射面(IRS:Intelligent Reflecting Surface)辅助的交替迭代 的块坐标下降算法。 以主接收机处的干扰功率、次发射机处的发射功率和IRS处的单位模为约束条件,通过联 合优化次发射机处的主动波束形成和IRS处的被动波束形成最大化系统加权和速率。 将复杂的非凸优化问题 分解为子问题后,分别使用拉格朗日对偶法和逐次凸逼近法对子问题进行处理。 仿真结果表明,在多天线用户 场景下所提算法可以快速收敛,通过增加IRS反射元件的数量或正确部署IRS的位置可以有效提高C-IoT系统 的频谱效率。

为降低目标钻孔轨迹与实际钻孔轨迹测量结果之间的误差, 提出基于粒子群算法的钻孔轨迹测量误差校正方法, 建立钻孔轨迹计算模型, 确定钻孔倾角、 面向角、 方位角数值, 采集钻孔轨迹数据。 分析钻孔轨迹测量的误差来源, 构建误差传递状态空间模型, 合并历史误差完成钻孔轨迹测量误差的计算。 以钻孔轨迹测量误差最小为目标构建误差校正目标函数, 对粒子的速度与位置进行更新, 并构建适应度函数。 通过不断更新计算适应度函数对目标函数进行求解, 完成钻孔轨迹测量误差的校正。 实验结果表明, 所提方法的各个方向的滚转

角误差仅在 0. 3° ~ 1. 8°间, 且钻孔轨迹与实际值曲线高度拟合, 可有效校正轨迹测量误差, 并能为地下工程的实际勘探工作提供有价值参考。

为探索科技资源国际研究热点与国际合作趋势,应用科学文献计量方法与可视化分析方法对Web of Science收录的科技资源文献进行分析。 研究结果发现: 目前科技资源处于快速增长期, 美国、 西班牙、巴西和 中国为主要发文国家,核心研究机构为圣保罗大学和中国科学院,主要发文期刊为《Sustainability》和《Strategic Management Journal》, 研究热点为技术资源、 通信技术和数据采集等。

为了更好地利用太阳能, 准确预测光伏发电功率, 提高光伏功率预测的精度, 提出了一种基于因素相关互补集合经验模态分解算法 (CEEMD: Complementary Ensemble Empirical Mode Decomposition)与优化长短期记忆网络 (LSTM: Long Short-Term Memory network)结合的光伏功率预测方法。 首先, 使用 CEEMD 算法分解光伏功率时序, 建立分解功率分量与环境因素的 Pearson 相关系数矩阵, 每个分解功率分量选取 3 个关键因素作为后续预测的输入; 其次, 利用改进麻雀群搜索算法( ISSA: Improved Sparrow Search Algorithm)优化 LSTM 网络,建立 ISSA-LSTM 算法各光伏功率分量预测模型; 然后, 将各个分解模态的预测结果叠加重构; 最后, 结合南方某地光伏电站发电功率实测数据对所提方法进行验证, 结果验证了所提方法的有效性与优越性。

针对 SLAM(Simultaneous Localization and Mapping)系统在长时间运行时存在运动畸变和误差累积的问题,提出了一种基于 Lidar-Iris 构建全局描述符进行回环检测的建图方法 IRIS-LOAM(Lidar-Iris Based Lidar Odometry and Mapping in Real-Time)。 该算法在 LOAM 算法基础上, 在数据处理部分, 将激光雷达数据与 IMU( Inertial Measurement Unit)数据融合, 并使用 IMU 数据对点云数据进行校正; 在建图优化部分, 利用基于信息矩阵的图优化算法, 采用 Lidar_Iris 全局描述子对关键帧进行回环检测, 并对输入点云进行预处理, 提高优化的时间效率。 将优化算法与 A_LOAM 进行实验对比, 结果显示IRIS-LOAM在不同实地场景下都取得了较好的建图效果, 且具有良好的可行性和实用性。

针对残差网络存在特征冗余、有效感受野不足等问题, 提出了特征融合模块。该模块可以在模型通道扩增过程中, 实现不同尺度特征融合, 从而构建出信息更丰富的多尺度特征, 提高通道利用率。并且该模块还包含了少量大核卷积, 其有助于扩大模型的有效感受野, 实现性能和计算效率的平衡。同时还提出了轻量化的下采样和混排压缩模块, 可充分降低模型的参数, 使整个方法更高效。将特征融合、下采样以及混排压缩模块引入残差网络可以构建出特征融合网络(FFNet: Feature Fusion Network)。 其具有更快的收敛速度、更大的有效感受野, 以及更好的性能表现。经在 CIFAR( Canadian Institute for Advanced Research)、 ImageNet 以及 COCO(Microsoft Common Objects in Context)数据集的大量实验结果证明了其能在仅增加少量参数和 FLOPs(Floating Point Operations)的前提下, 在分类、目标检测以及实例分割任务上使其性能显著提升。

针对如何高效挖掘交通预测中时空信息的问题, 提出了一种基于双向多注意力时空图卷积的车辆行程时间预测方法。 为提取路网的空间依赖, 通过构造基于马尔科夫链的流量转移矩阵, 提取路网中的双向交通流转移关系, 并结合图卷积学习图网络中的空间依赖关系, 利用引入注意力机制获取交通转移流量图中的局部与全局特征依赖, 最后使用多层感知机将各个特征融合得到行程时间的最终预测结果。 选择宣城路网交通数据进行模型验证试验, 结果表明, 与基线模型 STGCN( Spatio-Temporal Graph Convolutional Networks)、 ASTGCN
(Attention Based Spatial-Temporal Graph Convolutional Networks)、 A3T-GCN(Attention Temporal Graph Convolutional Network)相比, 所提模型的均方根误差(RMSE: Root Mean Square Error)分别降低了 7. 6% 、3. 7% 、9% , 表明所提出的模型在提高预测准确性方面具有显著效果。

针对微振动检测设备结构复杂与检测误差大的问题, 提出了一种基于微球超透镜和边缘滤波器的自混合干涉仪。利用UV(Ultraviolet Curing Adhesive) 胶在光纤探头尖端形成微球, 当微球受到光纤的光照射时, 会出现光子纳米射流现象。光子纳米射流聚焦在目标物体表面增强目标物体到微球表面的反射光。光子纳米射流产生的倏逝场对近场表面的纳米振动检测具有重要的增强和锐化作用。 在传感器末端利用马赫鄄曾德尔 边缘滤波器将幅度调制信号转换为频率调制信号, 进一步增加其信噪比。实验结果表明, 该方法的重构误差为27nm, 对光学器件的小型化具有重要意义。

为确保大数据稳定传输, 提出基于 5G 网络的设备大数据传输负载优化算法。分析大数据传输性能影响因素, 包括数据时延、平均带宽利用率和吞吐量。采用形态学滤波算法对大数据进行低通滤波处理, 消除数据中存在的噪声, 降低数据传输时延。动态选择大数据传输信道, 避免网络中出现数据拥塞现象, 提高网络吞吐量。在信息传输矩阵映射的基础上提高数据传输精度, 同时设计了容量扩充机制, 以此提高网络带宽利用率,完成负载优化。实验结果表明, 采用所提算法优化后, 提高了带宽利用率, 降低了网络能耗和数据传输时延。

由于舰艇公共计算环境是通过虚拟化技术整合计算存储资源, 构建舰艇公共基础设施平台, 但功耗较大。 为降低舰艇公共计算环境的能耗水平, 需要优化虚拟机部署策略, 因此对比了常用的几种虚拟机优化部署方法, 并提出一种基于改进花授粉算法的舰艇公共计算环境虚拟机部署策略。 设计改进的最大最小距离法应用于初始种群生成过程, 以提高初始解的质量。 通过引入混合蛙跳算法, 提出具有信息交换机制的局部搜索策略。 同时, 提出自适应切换概率策略, 以平衡全局与局部授粉, 生成虚拟机映射到服务器的优化部署方案。通过仿真实验验证, 所提出的虚拟机部署优化策略能显著降低舰艇公共计算环境的能耗水平。

为有效提升文本匹配生成图像的视觉效果和匹配程度, 提出一种基于改进 GAN(Generative Adversarial Network)算法的文本匹配生成图像模型。通过混合索引树对文本和图像进行初匹配; 在生成对抗网络(GAN)的基础上对其改进, 形成基于交叉注意力机制编码的对抗生成网络, 采用改进的 GAN 建立文本匹配生成图像模型。通过双向长短期记忆(LSTM: Long Short-Term Memory)网络优化模型中的交叉注意力编码器将文本信息和视觉信息进行翻译和对齐处理, 获取文本和图像之间的跨模态映射关系, 完成文本和图像之间的精细化匹配, 最终生成满足文本需求的图像。实验结果表明, 该模型可以生成图像细节与文本匹配且质量更高的图像。

针对多媒体数字图像数据规模庞大, 在构建三维虚拟场景时, 由于深度估计的困难性, 导致三维场景重建准确性偏低的问题, 提出面向多媒体数字图像的交互式三维虚拟场景算法。 提取多媒体数字图像中的角点,将其作为初值进行棋盘格边缘搜索, 确定真实角点, 同时将全部角点作为特征点实施相机标定, 获取每张多媒体数字图像对应的相机位姿。 通过改进后的 PatchMatchNet 对参考图像进行深度估计, 经多次迭代获取输出深度图。 采用重投影的方式对深度图进行外点过滤, 并将其投影到世界坐标系内, 最终获取交互式三维虚拟场景。 实验结果表明, 所提算法可获取高准确率的交互式三维虚拟场景重建结果, 且重建时间低于50 ms。

针对无人机集群空战效能评估准确性不高的问题, 提出一种基于系统动力学( SD: System Dynamics)的空战效能评估方法。以红方编队执行侦察打击任务为背景, 分析无人机空战系统内部各因素之间的相互作用关系, 建立因果关系模型和存量流量模型。基于作战效果、战斗效率和作战代价 3 个方面构建作战效能评估指标: 任务完成度、战斗效率和作战损失率。同时对空战系统的影响因素和不同装备方案下的作战效能进行研究, 最后通过仿真验证所提方法的可行性和有效性, 结果表明该方法较好地解决了评估过程中出现的复杂性和不确定性问题。

为确保呼吸机正常工作, 提出基于希尔伯特变换(HHT: Hilbert-Huang Transform)算法的呼吸机运行状态智能监测方法。首先采用小波神经网络对呼吸机运行信号实施去噪处理; 其次, 结合 HHT 算法将去噪后的呼吸机运行信号进行经验模态分解(EMD: Empirical Mode Decompostion), 并将分解后的内禀模式分量( IMF:Intrinsic Mode Function)进行 Hilbert 谱变换, 以此获取信号频谱作为信号特征。最后, 将得到的信号频谱放入MLP(Multi-Layer Perceptron) 神 经 网 络 分 类 器 中, 采 用 反 向 传 播 算 法 对 多 层 感 知 器 ( MLP: Multi-Layer Perceptron)神经网络进行训练, 以实现呼吸机运行状态识别。实验结果表明, 所提方法的去噪效果较好, 且监测到的结果和实际频谱一致。同时监测敏感度在 96% 以上、运行状态识别准确性在 95% 以上。表明所提方法可以有效监测呼吸机运行状态, 监测性能较好。

基于高校以人才培养为重心的工作背景,对吉林省31所高校进行分析,以期为如何挖掘高校潜力,合理 配置高校资源提供借鉴意义。 以2017年数据为样本, 从高校基本情况中的学生数量、师资水平、办学条件等 方面选择了24个指标,运用描述性统计、 因子、 聚类、 典型相关分析等方法, 对高校发展状况进行了研究。 研究表明,吉林大学在学生数量、师资力量、办学条件等方面都优于吉林省其他高校,其次教育部直属的东北 师范大学和省属的12所高校,在办学条件方面优于地方直属的17所学院。 并且学历高的老师的职称也普遍 很高, 学历偏低的老师的职称也普遍较低。

 针对人脸具有多样性和复杂性,同一人脸在不同条件下可能呈现出不同的形状和结构,导致了人脸特征 点标定困难的问题,为准确提取出人脸特征点,提出基于遗传算法的三维图像人脸特征点标定。 利用双目立体 视觉系统实现人脸信息的多角度采集,从采集信息中提取主要特征信息,结合“三庭五眼冶位置关系共性,在一 般人脸模型上补偿面部轮廓以及五官局部变换坐标点信息,获得更接近真实人脸的三维坐标点位置信息集合。 引入多种群遗传算法,以子种群内的基本染色体构成,表示三维人脸模型中的形状、姿态参数,通过采用不同 的交叉和变异操作筛选最优染色体,实现三维人脸特征点的精准标定。 实验结果证明,该方法建立的三维人脸 模型真实度较高,特征点标定精准,标定的均方误差法(MSE:MeanSquared Error)最高为7.9%。

针对目前深度学习方法研究多依赖于从地震振幅等单一属性中提取断层特征, 存在断层连续性差、 断层漏检等问题, 提出了一种并行属性输入的断层智能识别方法。 该方法采用多层次融合策略构建了双属性并行融合网络(PE-Net: Parallel Elements Network)。 首先, 将蚂蚁体和振幅属性分别输入蚂蚁体和振幅特征提取网络, 利用属性密集特征模块 AIFM(Attribute Intensive Feature Module)捕捉两个路径不同角度的断层特征; 其次,利用两种属性特征模块 ANT(Ant Body Attribute Feature Extraction Module) 和 AMP(Amplitude Attribute Feature Extraction Module)对各分支的输出进行跨层特征整合, 挖掘多尺度信息并缓解尺度变化; 最后, 采用特征融合模块(FFM: Feature Fusion Module)将两条并行支路的通道整合, 减少单一属性的局限性。 合成数据结果表明,PE-Net 模型的准确率达到 97. 95% , 相较于 U-Net 模型, 精度提高 1. 33% 。 Kerry3D 的断层识别结果以及消融实验表明, 该方法能获取更多的上下文断层特征信息, 减少断层漏检和误检情况, 从而有效提高复杂断层识别的准确性, 增强小断层的识别效果。

为探究我国科技资源研究点及主题演化分析, 采用文献计量法和知识图谱分析工具, 对我国近 10 年科技资源研究论文进行统计与可视化分析。结果表明, 我国科技资源处于成长期, 中国科学技术信息研究所、国家科技基础条件平台中心、桂林理工大学等为主要发文机构, 《科技管理研究》、《中国科技资源导刊》、《科技进步与对策》为主要载文期刊, 研究热点为科技资源配置与影响因素、科技资源共享与整合、 资源共享平台和服务平台的建设, 2014 年后协同创新为研究热点, 近 3 年科技资源结构、创新链、科技资源池为前沿热点。

针对现有命名实体识别方法在识别油气勘探文本中涉及多元素组合的实体以及嵌套实体时存在一定局限性的问题, 提出了一种多特征融合的 BERT-CNN-BiGRU-Attention-CRF(Bidirectional Encoder Representations from Transformers-Convolutional Neural Network-Bidirectional Gated Recurrent Unit-Attention-Conditional Random Field)命名实体识别方法。 模型利用 BERT 的语义提取能力获取句子具有全局特征的字向量; 并利用 CNN 局部特征捕获能力消除了 BERT 字向量的局限性得到词语字符级向量; 通过自建油气勘探领域词典, 使用双向最大长度匹配方法获取了词典特征向量。 将这 3 种向量拼接作为 BiGRU-Attention-CRF 模型的输入。 实验结果表明, 在自主构建的小规模油气勘探领域数据集上, 模型的 F1值为 91. 10% , 相较于其他主流的命名实体识别方法, 该模型具有更好的识别性能, 并为油气勘探领域知识图谱构建提供了有利帮助。

针对目前供应链隐私网络信息特征种类较多、数据密文难以被准确判定, 导致加密难度较高的问题,提出一种基于混沌序列的信息加密算法。考虑到隐私信息存在被泄露或篡改等风险, 将风险变化作为加密算法的参考特征, 通过三元联和五元联函数求解隐私信息的相同、相异以及相反风险变化特性, 获得风险指数。按照待加密信息的风险指数建立混沌序列, 通过混沌序列生成密钥序列, 计算不同种类信息对应的维数, 最后通过信息与密钥序列的混沌映射实现信息加密。实验结果表明, 所提算法对供应链隐私网络信息加密精准度高, 数据丢包率小, 能有效改善传输过程中的隐私信息泄露和丢失现象。

为区分变分模态分解(VMD: Variational Mode Decomposition)分解后的有效分量和噪声分量, 并提高 VMD的去噪效果, 提出了一种VMD与豪斯多夫距离(HD: Hausdorff Distance) 结合的去噪算法(VMD-HD-VMD)。首先利用 VMD将原始信号分解为K个固有模态函数(IMF:Intrinsic Mode Function), 分别计算 IMF分量的概率密度函数的 HD 值, 并根据 HD 值区分有效分量与噪声分量。然后将噪声分量再次进行 VMD 分解, 利用相关系数选取出有效分量, 并与第 1 次分解的有效分量进行重构。 最后将此方法应用于管道泄漏信号的去噪。仿真实验和管道泄漏信号处理结果表明, 相比集合经验模态分解 ( EEMD: Ensemble Empirical Mode Decomposition)、VMD、VMD 联合小波去噪, 该方法取得了更好的去噪效果。

由于单一传感器的质子磁力仪极易受地磁日变、环境干扰等影响, 为提高质子磁力仪测量精度, 对传感器设计和系统性能评估进行了分析研究。首先, 基于MAXWELL 电磁仿真软件建立螺线管、柱形、环形以及"8"冶形线圈等4种传感器的仿真模型, 对4种线圈的方向性、抗干扰能力等进行分析, 最终确定以"8"冶形线圈作为传感器, 构建质子磁梯度仪。其次, 基于4阶差分与均方差算法分别对单路测量结果与差分测量结果进行评估, 以分析磁梯度仪性能。实验结果表明, "8"冶形线圈传感器的初始信号信噪比可达 40 / 1, 磁力仪单路模式灵敏度可达0.054 nT, 双路差分模式的灵敏度即使在强干扰条件下仍可达 0. 071 nT, 为单路模式的√2倍。

针对在寻解高维度复杂方程时, 布谷鸟算法(CS: Cuckoo Search)存在陷入局部最优的问题, 提出了一种改进的混合布谷鸟算法。首先, 利用混沌映射和反向学习机制初始化种群; 然后交替并行教与学算法(TLBO:Teaching Learning Based Optimization)和布谷鸟算法的搜索机制; 最后动态化自适应发现概率并嵌入差分进化机制(DE: Differential Evolution), 全面提升算法性能。6 个基准函数和 1 个优化光栅耦合器设计的仿真实验测试对比结果表明, 该算法在求解高维度方程时更具优势, 可有效解决 CS 算法容易陷入局部最优的问题。

由于置乱和提取过程的不可逆性, 使数字媒体视频图像信息在提取过程中无法完全恢复隐藏信息, 导致信息的丢失或错误, 降低了隐藏算法的有效性。为此, 提出基于参考帧的数字媒体视频图像信息隐藏算法。首先, 采用基于限邻域的经验模式分解(NLEMD: Neighborhood Limited Empirical Mode Decomposition) 算法对数字媒体视频图像实施图像增强处理, 提高视频图像质量; 其次, 采用 Arnold 变换置乱方法对增强后的图像实施置乱变换, 完成信息隐藏的预处理; 最后, 通过基于参考帧的信息隐藏算法实现置乱后的数字媒体视频图像信息隐藏。实验结果表明, 所提方法能提升数字媒体视频图像的峰值信噪比, 隐藏信息嵌入、提取耗时较短,信息提取精度较高。

针对大规模路网交通流在短时间内具有高度复杂性以及非线性特征, 对交通流短时预测精度有一定影响的问题, 提出了基于改进神经网络算法的大规模路网交通流短时预测方法。利用构建大规模路网函数, 通过将路段视为路网核心, 将道路节点视为相应的连接元素实现路网函数优化。以优化后的路网函数为基础, 通过 K均值算法与 EM(Expectation-Maximization)算法结合的方式提取交通流特征。通过遗传算法与 Elman神经网络算法相结合的改进方式, 对该路网的交通流进行短时预测, 得到相关的预测结果。经实验证明, 改进的方法单点平均速度预测结果与实际值更为接近, 大规模路网交通流短时预测误差较低, 预测结果可靠性更高。

由于大数据通常来自不同的数据源, 具有不同的格式、结构和质量, 且其中包含大量的冗余特征, 因而在进行特征集成分类时, 这些因素均会影响数据分类精度, 为此, 设计一种深度学习模式下大数据特征集成分类算法。基于深度学习模式建立医疗大数据特征提取模型, 针对模型训练过程中会引入大量噪声, 特征提取结果含有部分无关特征信息, 影响特征集成分类结果的问题, 采用堆叠稀疏降噪编码器抑制无关特征, 即使用散度函数、贪婪算法找出训练最佳参数, 运用损失函数将特征空间无关特征稀疏掉, 得到实际数据特征。通过Auto-encoder 网络搭建特征集成分类模型, 借助类型约束函数、目标函数得出各类全局最佳集成中心, 完成数据特征集成分类。实验结果表明, 所提方法在医疗大数据的分类中得到很好效果, 宏平均值在 0. 95 以上, 且分类速度快, 表明所提方法的分类性能较好。

针对由于地球物理勘探环境的复杂性日益增加, 同时受采集和处理技术的限制, 叠后地震数据的分辨率和信噪比较低的问题, 为提升其分辨率的同时实现噪声压制, 提出了一种深度增强型超分辨生成对抗网络(DESRGAN: Depth-Enhanced Super-Resolution Generative Adversarial Network)。 DESRGAN 采用轻量化后的残差密集块(LRDB: Lightweight Residual Dense Block)作为基本单元以提升训练过程的效率和稳定性; 在深层特征提取阶段, 通过通道注意力机制增强对重要特征的关注; 考虑像素之间的空间关系, 在上采样操作中, 使用
像素重组代替插值。 在模拟和实测数据上的实验结果表明, 该网络不仅能重建作为测试集的模拟数据, 而且还能很好地泛用到复杂实测数据上。 在对比经典的生成对抗网络(GAN: Generative Adversarial Network)和卷积神经网络(CNN: Convolutional Neural Network)的实验中表明, 该方法的重建结果更清晰, 并在定量分析中具有更高的峰值信噪比和结构相似性。

为有效提升图书信息资源服务智能检索效率和性能, 提出一种基于机器学习算法的图书信息资源服务智能检索方法。采用机器学习算法对图书的关键词词频分类, 给出每个类对应的指数, 计算分类中每个文档对应的特征词权重, 经反复迭代获取特征词的评分; 建立语境特征矩阵, 计算每个类的相应得分, 并对选择得分最高的特征进行分类处理。结合图书信息资源分类结果, 引入网格计算技术构建图书信息资源服务智能检索模型, 利用其实现图书信息资源服务智能检索。实验结果表明, 使用所提方法进行图书信息资源服务智能检索时, 得到的查准率在 96. 0% 以上、查全率保持在 90% 以上、在不同数据集下的检索用时均在450 ms左右, 表明所提方法具有良好的图书信息资源服务智能检索性能。

针对网络数据分类的关系分类器都基于同质性假设, 而基于一阶马尔可夫假设的简化处理存在一定局限性的问题, 在贝叶斯网络分类器中, 引入局部图排序激活扩散方法替代原始的直接邻域获取方法。通过设置初始能量值和最小能量阈值, 适当扩大分类时待分类节点的邻域范围,从而提高了节点的同质性。结合松弛标注的协作推理方法, 引入激活扩散的贝叶斯网络分类器 ASNBC(Activation Spreading Network Bayes Classifier)在一定程度上提高了网络数据的分类精度。与4 个网络分类器的对比实验结果表明, 该方法在6 个网络数据集上的分类精度都有不同程度的提高。

针对影响网络链路状态因素较多, 难以精准判断网络链路状态以及即将发生拥塞的位置, 导致网络链路拥塞控制质量下降的问题, 提出基于优先级的网络链路拥塞自动控制数学建模方法。通过构建异构网络模型,并结合当前网络接口队列缓存空间的占用、变化情况对网络链路拥塞进行检测, 判断网络链路状态及即将发生拥塞的位置。通过数据申请发送机制将检测结果及时反馈至网络其他节点, 设置网络节点内高优先级突发数据包具有绝对优先级, 对网络链路突发数据包进行分割和偏射操作, 实现网络链路拥塞自动控制。实验结果表明, 该模型可有效检测当前网络链路的拥塞情况以及控制网络的拥塞程度, 具有较好的网络通信数据传输效果、阻塞率以及较好的吞吐率, 控制质量更高。

针对集合经验模态分解(EEMD:Ensemble Empirical Mode Decomposition)算法在分解过程中, 生成的固有 模态函数(IMF: Intrinsic Mode Function)分量存在对齐困难的问题, 提出将 EEMD 与相位随机化技术(PRT: Phase Randomization Technique)相结合的全新去噪方法, 使改进后的 EEMD 算法具有更加显著的去噪优势。 通过引入PRT, 能有效处理非线性和非平稳信号,极大地提高了IMF的稳定性和可靠性,进而显著改善EEMD 算法在噪声环境下的性能。 试验结果表明,EEMD-PRT算法与传统算法相比,可提高含噪信号的信噪比和相关 系数, 减小均方误差和平均绝对误差,且在不同孔径的管道泄漏检测中其有效性得到了充分验证。

为弥补单一气体传感器面对多种气体选择性的不足,使其能更精准识别多种气体,提出了一种基于结构 重参数化技术及深度可分离卷积技术的改进型卷积神经网络,将模型训练时的多分支卷积结构集成到推理时 的单分支简单卷积层中。 在简化推理模型复杂性的同时,大大增强了模型对气体响应数据的特征提取能力。 将该方法应用于含有10种常见VOCs的气体传感器阵列公共数据集,识别准确率达到96.46%,调整模型复杂 度增加卷积层后,准确率可达97.44%。

为增强纹理特征提取算法对旋转、 光照和尺度变化的鲁棒性, 提出分形加权局部形态模式(FWLMP: Fractal Weighted Local Morphological Pattern)。 首先, 利用分形维数对尺度变化的相对不变性, 构建一个尺度 不变的描述符。 然后使用数学形态学中的膨胀、腐蚀和开闭运算对其进行采样分析,利用分形维数图像计算其 权重。 该算法具有尺度不变性,对旋转和光照变化也具有鲁棒性。 为实现对清朝服饰图像的分类,构建了清朝 文武官补子图像数据集,并将FWLMP和同类算法在4个公共纹理数据集和自建的清朝文武官补子图像数据集 上进行了实验。 实验结果表明,FWLMP在纹理图像分类和清朝文武官补子图像分类上具有较好的应用价值。

为解决电动汽车级联型充电模块整体阻抗模型的构建问题,提出了一种基于VIENNA整流器和全桥LLC 谐振变换器级联型充电模块阻抗建模方法。 首先,确定一种充电模块典型拓扑结构,分别构建了基于状态空间 法的前级VIENNA整流器小信号模型和基于等效电路法的后级全桥LLC谐振变换器小信号模型。 其次,结合 控制策略分别得到VIENNA整流器的闭环输出阻抗和全桥LLC谐振变换器的闭环输出阻抗及输入阻抗。 在此 基础上,整合前后级的小信号模型及控制策略可得到充电模块的小信号电路模型,进而推导出充电模块的整体 阻抗模型。 最后,依据奈奎斯特稳定判据,分析了系统参数对充电模块稳定性的影响;基于Matlab/Simulink 搭建充电模块仿真系统,仿真结果验证了充电模块整体阻抗模型的正确性。 所提建模方法实现了单级架构到 两级架构型充电模块的整体阻抗建模,为分析充电模块的并联稳定性提供了理论基础。

为更快且更有效地加密和存储通信网络数据, 提出基于改进RSA(Rivest-Shamir-Adleman)算法的通信 网络数据加密存储方法。 首先,将小波变换方法和互补集合经验模态分解方法相结合,对通信网络数据进行 去噪, 提高通信网络数据精度;然后,通过模糊C均值聚类算法对通信网络数据实行数据聚类,将相似的数据 实行统一加密,提高数据加密存储效率;最后,利用哈希访问数据算法替代通讯网络中常规的分布式访问管理 模式, 增强数据存储安全性,防止数据混乱丢失,通过改进RSA加密算法的加密流程,实现对通信网络数据的 加密存储。 实验结果表明,所提方法去噪效果好、安全性高、加密存储效率高,适用于对通信网络数据的加密 存储。 

 针对光通信网络实践教学资源不足的问题,设计了一套虚实结合的全光接入网实践教学系统。 以通信 业务开通任务为主线,在全光接入网现网设备基础上构建全真式实践教学系统,采用软硬结合方式模拟应用层 服务器及通信用户终端,规划从应用层服务器经全光接入网到通信用户终端的配置信息,测试验证各类通信业 务开通成功与否。 以网络故障排除任务为主线,利用虚拟现实技术开发全光接入网虚拟仿真实验教学系统, 构建涵盖中心机房、光缆交接箱、校企联合实验室的虚拟校园应用场景,集中展现光分配网络、多业务网关、 光线路终端和应用层服务器相关的故障问题。 实践表明, 该实践教学系统的设计与应用既提升了教师的 光网络实践教学资源建设能力,又培养了学生解决复杂光网络应用问题的实践创新能力。 

针对现有微电子与集成电路专业课程大多以理论为主,缺少仿真实验,FPGA(Field Programmable Gate Array)实操类实验项目严重不足的问题, 设计了一套基于CPU(Central Processing Unit)-FPGA的SoC(System on Chip)实验系统。 利用 ModelSim 等仿真工具, 以 FPGA 为开发平台实现 CPU 系统功能。 以 RISC-V(Reduced Instruction Set Computer)精简指令集为该 CPU 的指令集, 以模块化为设计思想, 从微处理器的局部到总体设计 5 级流水线CPU。 系统融合了软硬件开发,能激发学生的学习兴趣。 搭建的实验平台逐步实现CPU的配置与 指令集至整个CPU的架构、编程、仿真、下载与调试,使学生对FPGA实现集成电路系统设计有深入理解,有 助于专业理论课程的学习。 通过将OBE(Outcomes-Based Education)教学理论应用于集成电路 EDA(Electronic Design Automation)课程的仿真实验结果表明, 这种设计方法与内容适用于产学研相结合, 并能提高学生创新 创业能力。

地磁导航利用地磁场信息进行定位导航,但因地磁场变化缓慢,地磁信息不丰富,进行地磁匹配时辨识 度不高,在导航算法优化下依然不能得到理想的定位效果。 为使地磁场具有更高的辨识度,提高定位精度, 提出采用组合式人工磁源丰富地磁信息的方案。 选用稀钕铁硼材料制作的圆柱永磁体作为磁源,利用COMSOL 软件进行建模仿真,分析其磁场空间分布并确定磁信标设计方案。 采用标准差、粗糙度、信息熵评价磁信标 方案对地磁图特征的改善效果,从而确定更合理的磁信标方案以提高定位精度。 测试结果表明,在10m伊10 m 测试区域,组合式磁信标方案定位精度可达到厘米级。

为提高数据利用率,避免信息中风险因素对情报分析的影响,提出基于SVM(Support Vector Machine)的 智能情报分析数据风险特征筛选算法。 利用连续小波变换方法,排除情报数据中噪声信号对分析结果的影响, 结合主成分分析法建立投影矩阵,提取多种类无噪情报数据主要特征;将多种类情报数据的主要特征提取结果 输入至支持向量机中,利用最优化理论建立支持向量机内分类平面,并明确分类平面内特征数据分类规则, 实现情报数据风险特征的筛选。 实验结果表明,所提方法对情报数据可准确分类, 风险数据检测效率较高, 能实现风险数据的有效筛选。

针对人群的大尺度变化、复杂的背景、 以及标签噪声对计数精准度产生严重影响的问题,提出了一种 基于背景抑制与噪声监督的人群计数模型。 该模型在编码阶段使用VGG16_bn的前13层作为主干网络, 将 初步提取到的特征输入到双分支特征提取模块与背景信息聚合模块,分别缓解人群大尺度变化并提高背景的 可辨性。 最后融合两个模块所处理的信息, 使用解码器回归生成预测密度图,并与ground truth密度图进行 监督以实现对噪声的抑制。 与其他算法相比结果表明,该模型的计数精准度有所提升,在ShanghaiTech PartA 上的MAE(Mean Absolute Error)和 MSE(Mean Squared Error)分别为58.1 和95.9; 在 ShanghaiTech PartA 上进行 的消融实验也验证了各模块的有效性。 该算法能有效地提高人群计数的精度。

针对海底混输水平管-下倾管-立管系统严重段塞流控制中通讯条件受限的问题,提出了一种基于动态事 件触发(DET: Dynamic Event Triggering)的模型预测控制(MPC: Model Predictive Control)策略。 首先, 描述段塞 流产生的原因和过程,并分析了用于控制的简化模型。 其次,设计一种基于预测值与实际值偏差的动态事件触 发机制,实时监测系统的运行状态并调节事件触发条件,以提高系统的稳态性能和降低触发频率。 最后,进行 实验对比分析。 结果表明,所提方法在保证控制性能的基础上能有效降低系统触发频率,与小开度阀门相比, 石油潜在产量增加了约2.8%。

 针对低照度场景下彩色偏振图像亮度低、噪声严重以及颜色失真等问题,提出了一种低照度彩色偏振 图像色彩增强的无监督学习算法LPEGAN(Low-Light Polarization Enhance Generative Adversarial Network)。 首先, 设计双分支特征提取模块,使用不同分支分别对斯托克斯参数S0 和S1 , S2 进行特征提取; 其次, 构建残差 空洞卷积模块,不同扩张率能扩大感受野,提高模型提取能力,减少图像颜色失真;最后,构造边缘纹理损失 函数, 用于保证增强图像与输入图像的结构相似性。 在公开的数据集LLCP(Low-Light Chromatic Intensity- Polarization Imaging)、 IPLNet(Intensity-Polarization Imaging in Low Light Network)以及自建数据集上进行了实验验 证。 结果表明,相较于其他算法,所提算法能呈现出更好的视觉效果,且各项评价指标均得到明显改善,偏振 图像亮度得到增强,噪声得到明显抑制,并且图像颜色更加真实自然。

针对目前数据治理领域本体质量评估模型普遍缺乏标准化支持的问题,构建一个标准的本体质量评估模 型具有极其重要意义。 为此, 首先研究ISO/IEC 25012 数据质量标准对维度的标准化定义; 其次采用GQM (Goal-Question-Metric)方法论为指导定义每个维度下的指标, 实现指标到维度的映射;然后在W3C(World Wide Web Consortium)提出的 DQV(Data Quality Vocabulary)数据质量模型的基础上进行扩展, 构建出一个具备可 扩展性和鲁棒性的本体质量模型。 通过提出的质量评估模型提供统一的、规范的术语体系描述本体质量的 各个要素,为本体质量评估提供了一个标准化的质量知识表示模型。 最后以本体完整性维度为例,构建相应的 质量评估模型,并使用井下作业数据集验证了模型的可行性,有效地解决数据治理领域本体质量评估模型普遍 缺乏标准化的问题,为数据治理领域提供了一个统一、规范的术语体系描述本体质量的各个要素。

针对现有卷积神经网络在强背景噪声下弱信号恢复不足的问题,提出了一个基于多尺度U-Net和注意力 融合机制的去噪网络(MAUnet: Multi-Scale U-Net and An Attention Fusion Mechanism)。 创新性地构建了双重机 制, 通过多尺度模块使网络学习不同尺度上的特征;通过注意力特征融合机制使网络可将浅层高频细节与深层 语义信息融合,增强网络的学习能力,实现特征互补。 实验结果表明,相较于对比方法,所提方法具有更好的 噪声衰减和弱信号恢复能力。

为解决不断增长的网络容量引起的通信带宽不足的问题, 将光通信波段从主要的C波段(1 530~ 1 565 nm)向S波段(1 460 ~1 530 nm)和L波段(1 565 ~1 630 nm)拓展成为解决该问题的有效方式。 Tm3+在 泵浦光激发下可获得~1490 nm波长的发光,将其掺入波导中可实现S波段光放大器。 将NaYF4 : Tm3+,Yb3+ 纳米晶掺入聚合物材料中作为放大器增益介质,设计了一种平面波导放大器结构,仿真了器件在S波段的增益 性能。 利用NaYF4 :1%Tm3+,x%Yb3+纳米晶, 制备了4 种不同Yb3+掺杂浓度的波导放大器样品(x=5,10,15, 20), 并测试了器件增益性能。 实验结果表明,当Yb3+掺杂浓度为10%时, 波导放大器的增益最大,1 cm长的 器件在泵浦功率400 mW时,实现了8.2 dB的相对增益。 提出的Tm3+,Yb3+共掺杂体系的建模仿真对研制高 性能的S波段波导放大器提供了理论指导,利用NaYF4 :Tm3+, Yb3+纳米晶制备的聚合物光波导放大器实现了 S 波段光放大,并有可能在光通信中获得广泛应用。

针对Magnus旋转式风帆的升力模型与传统升力公式贴合度差的问题, 提出理论与数值仿真相结合的 方法对Magnus 风帆升力公式进行优化。 首先建立Magnus风帆几何及流场域模型, 并进行网格无关性验证和 数值验证。 采用数值仿真方法对Magnus风帆模型进行空气动力学特性分析, 分析不同来流速度和不同风帆 转速对其产生推力大小的影响。 最后根据所得数据对传统升力模型进行修正,对比不同条件下的仿真数据 验证了修正模型的可靠性。 试验结果表明,Magnus风帆产生的推进力随转速比的增大而增大, 且优化后的 升力模型拟合仿真值的贴合度较好,表现出更高的准确性。

为解决在障碍环境下机器人绕障效果较差、效率较低的问题,提出基于邻域粗糙集的轮式工业机器人 绕障控制算法。 首先,采用基于2D激光测距仪的环境感知方法,对机器人局部环境和障碍物环境进行分析, 为后续绕障控制提供精准环境信息;其次,针对机器人的初始绕障决策规则,利用邻域粗糙集的知识约简作 用, 将其化简为最小绕障决策规则, 得出可行路径集合; 最后, 以可行路径集合为依据, 利用 ND+ (Nondimensional)算法确定机器人的绕障决策方向, 进而实现轮式工业机器人的绕障控制。 实验结果表明, 该 方法可以在保障绕障控制稳定性的同时,获取较高的机绕障控制精度和效率。

针对为保护近年来易遭到自然或人为因素破坏的珍贵野外地质资源,以及为线上虚拟地质实习的教学改 革更好服务的问题,提出一种基于三维激光扫描的野外地质剖面自动重建技术。 利用FARO三维激光扫描仪 对不同尺度的野外地质露头进行三维高密度点云的数据采集,通过对野外采集到的优质数据进行处理、优化和 可视化建模,达到对野外珍贵地质资源保护的目的,同时丰富了学生的虚拟地质实习资源。 以辽宁省兴城市 龙回头景区部分野外地质露头为例,进行了虚拟地质建模与可视化应用,提高了地质实习实践教学质量。

针对现有电力卫星的智能电网安全认证方案主要在同构环境中进行研究,且通常聚焦于实现实体的真实 性认证,提出一种针对电力卫星的智能电网安全异构认证方案, 不仅实现了异构环境中通信实体的真实性 验证, 并且提供了针对终端设备的有效性验证方法。 安全分析证实了本方案的正确性和安全性,而性能分析 表明, 相比现有研究方案,本方案能有效降低认证阶段的时间开销。

由于行业用户的电量需求通常受季节性和周期性的影响,且有时获取的数据不完整、缺失或存在错误, 其均会对预测的准确性产生负面影响。 为实现对行业用户电量需求的精准预测,提出数据驱动和异构计算下 行业用户电量需求预测方法。 利用Lagrange插值算法填补用户电量数据缺失部分, 采用标准化预处理电量数 据。 为使电量需求预测足够精准,使用去噪自编码器、稀疏约束函数提取电量数据特征。 通过长时间记忆神经 网络的遗忘、输入、更新及输出门层得出电量未来变化趋势, 完成行业用户电量需求预测任务。 实验结果 表明, 所提方法适用于长期、短期的行业用户电量预测,且预测结果精度高、耗时短。

针对监控视频识别突发事件效率低, 导致识别系统无法及时检测并响应突发事件, 增加潜在危险的 问题,提出应用计算机视觉的监控图像异常行为识别算法。 以监控图像的初始背景为基础,利用差分运算获取 背景与监控图像差分后的差分图像,并利用背景减除法对组合排序后的新监控图像实施二值化处理,完成目标 区域识别;然后利用矩形遍历目标区域,采集目标区域的有效运动块,提取运动块的特征向量,完成监控图像 异常行为特征提取;最后通过库恩塔克条件,完成监控图像异常行为识别。 实验结果表明,所提方法的异常 行为识别时间在1.0 s以内,识别准确率保持在94%以上,可准确识别监控图像异常行为,有效提高识别效率 与识别率。

为改进实验室人工管理方式效率低下、监测数据传输速度慢、信息化管理水平不足的问题,设计并实现 一种基于全光接入网的智慧实验室管控系统。 实验室管控系统由实验室前端监测、全光接入网数据传输和 实验室管控中心模块构成。 实验室前端监测模块以ESP8266 微控制器为主控芯片, 设计由指纹识别模块、 磁力锁、温湿度传感器、烟雾传感器和网络摄像头组成的实验室运行状态数据采集单元,实时采集实验室人员 管控、 视频监控和环境监测数据。 利用光网络单元、 光纤分配网络和光线路终端组建全光接入网数据传输 模块,远程高速传输各实验室监测数据。 开发实验室管控平台网页端,在终端管控服务器上实时显示各实验室 的运行状态数据。 系统联合调试结果表明, 该实验室管控系统能实现实时人员管控、 视频监控和环境监测 功能, 运行稳定可靠。 

针对电动自行车头盔佩戴检测存在小目标漏检、 准确率低的问题, 提出一种基于YOLOv5s(You Only Look Once version 5 small)的改进电动车头盔检测算法。 在主干网络中引入CBAM(Convolutional Block Attention Module)卷积注意力机制, 以提升对聚集目标的关注, 解决因遮挡导致的检测效果差的问题; 将颈部网络中的 FPN(Feature Pyramid Network)+PAN(Path Aggregation Network)结构改为结合了跨尺度特征融合方法思想的特征 融合结构,增强模型不同方向上的多尺度融合能力,使目标多尺度特征有效融合,提升对小目标的识别能力; 使用SIoU(Structured Intersection over Union)定位损失函数代替CIoU(Complete Intersection over Union)损失函数, 以提高边框回归精度。 实验结果表明,改进后的YOLOv5s模型准确率P和召回率R分别为94.7%和91.2%, 平均精度值mAP为95.6%, 相较于原始YOLOv5s模型分别提升6%、7%和6.5%。 该方法使电动自行车头盔 佩戴检测准确率得到了明显提升。

为提高激光泵浦源系统的整体效率,设计了一种负载自适应半导体激光器恒流驱动器。 该驱动器能根据 激光器阵列串联负载数量和驱动电流的变化,自适应地调节负载的供电电压,从而优化工作效率。 实验结果 表明,驱动器的最大输出电压为22V,最大输出电流为1200 mA,在驱动8个串联激光器负载的工况下,效率 可达91.6%以上。 这种负载自适应技术为设计高效的半导体激光器驱动器提供了新思路。 

为解决非完备信息下空战机动决策确定最优策略的问题,提出了一种基于区间投影寻踪法的非完备空战 决策评估方法。 首先,引入区间数表示非完备空战数据,将理想解排序法中的欧氏距离替换为灰色关联度,并 给出正负理想解,提出区间参考灰色理想解排序法(RIGRA-TOPSIS: Referential Interval Grey Relation Analysis- Technique for Order Preference by Similarity to Ideal Solution), 定量地得到了空战指标的客观权重。 然后, 提出了 改进的区间投影寻踪法,将得到的客观权重作为区间投影寻踪法的初始投影向量,使用基尼系数代替标准差 进行计算,并对投影密度进行指数校正,应用粒子群算法求出投影值,确定了最大投影值对应于空战博弈的 最优策略。 仿真结果表明,所提方法应用在小样本空战策略集的情况下具有良好效果。

 针对虚拟同步发电机(VSG: Virtual Synchronous Generator) 控制下的电力电子变压器(PET: Power Electronic Transformer)逆变级存在抗扰动能力弱, 动态性能差等问题, 提出一种线性自抗扰控制与VSG相结合 的控制策略。 在传统VSG控制策略的有功环上加入了二阶自抗扰控制器,通过引入状态观测与反馈对系统误 差进行实时估计和补偿,从而消除内外扰动,使逆变器在不同运行状态下频率与功率都能稳定跟踪,同时振荡 现象减弱。 最后通过仿真验证了改进后控制策略的最大超调量降低了54.5%, 频率波动时间缩短了0.22 s, 提升了系统的动态性能。

为提高智慧门禁人脸识别结果准确性和识别效率,从而提升智慧门禁系统的智慧化服务,提出一种基于 孪生神经网络的智慧门禁人脸识别算法。 对人脸图像信号进行小波变换获取小波系数,选择合适的阈值处理 小波系数,再次对小波系数进行逆变换,得到去噪后的人脸图像;并经去噪后,在孪生神经网络内将其输出值 映射处理,形成维数为128的特征向量;引入对比损失函数, 通过比较样本网络输出特征向量间的欧氏距离 判断其相似度,最终实现智慧门禁人脸识别。 实验结果表明,所提算法的智慧门禁人脸识别结果和识别效率 明显优于其他算法。

针对一类具有时变时滞和量化误差的不确定网络化随机T-S(Takagi-Sugeno)模糊系统, 研究考虑双端量 化的混合触发鲁棒H∞ 控制问题。 首先,为减轻网络通信负担,设计混合触发方案减少数据传输。 考虑在传感 器端和执行器端分别构建静态对数量化器量化采样信号和控制信号并考虑量化误差以提高系统的控制精度, 在混合触发机制下重新建立网络化随机T-S模糊模型并深入刻画网络诱导延迟、不确定性和量化误差等网络 随机诱导现象。 其次,选取时滞依赖和模糊基依赖的Lyapunov函数,引入自由权矩阵,推导出使双端量化模糊 系统渐近稳定的充分条件,并将能量有界的噪声信号对输出的影响抑制在H∞ 性能指标γ下。 仿真实验表明, 所提方案可以有效减少数据传输,提高系统控制精度,并且相较于传统方法降低了设计的保守性。

针对综合客运枢纽通常涉及大量的车辆和线路,并且其车流量、乘客需求、交通状况等是动态变化的, 容易存在时刻表冲突,导致车辆的多线路调度难度较高的问题,提出基于改进蚁群算法的综合客运枢纽车辆 多线路调度方法。 考虑减少运营成本与等待和总体行程时间,以最小化综合客运枢纽系统的运营费用与乘客 行程花费时间为目标,构建调度优化模型。 利用蚁群算法对模型求解,引入搜索热区、优化信息素更新策略与 优化启发因子改进蚁群算法,完成综合客运枢纽车辆多线路调度。 实验结果表明,笔者方法可以更全面地实施 车辆的多线路调度,车辆等待率低于5%,平均调度时间最高仅为5.8 s,有效提高了收敛率、精准度与效率。

 针对手势识别由于分割效果差,导致识别率较低等问题,提出基于改进支持向量机的动态多点手势动作 识别方法。 选用深度阈值法分割动态多点手势图像, 提取出手掌中最大的圆细化手部区域, 获取7维手部 HOG(Histogram of Oriented Gradients)特征向量, 完成手势动作图像预处理。 引入支持向量机, 并且通过误差项 改进该算法。 采用改进后的支持向量机最优线性分类特征向量,利用支持向量机输入分类后的手势特征向量, 实现动态多点手势动作识别。 实验结果表明, 所提方法受光照影响波动小, 在有光照情况下, 识别率达到 92. 5%以上, 而无光照情况下, 识别率仍高于90.0%, 并且图像分割信息完整、识别准确性高。

针对数据语义治理方面的研究不足, 尤其是缺乏从底层基础理论出发,对语义进行系统性探索,进而 实现数据语义标准化注册与管理的深入研究。 因此,从基础理论出发对语义组织与表示的本质进行揭示,进而 提出了概念世界的概念系统模型。 然后,结合ISO/IEC(International Organization for Standardization/International Electrotechnical Commission) 11179 系列标准分别构建了基于 MDR(Metadata Registry)的性质特征概念语义注册 元模型和关系特征概念语义注册元模型,实现了富语义知识的注册与管理。 最后,以油气勘探与评价领域数据 治理为背景,设计并开发了元数据注册及治理系统。 无论是从理论角度还是应用层面,基于MDR标准所提出 的两类语义模型的合理性与正确性得到了验证,体现了其在实际应用中的有效性。