目前微博已经成为网络舆论传播和挖掘民意的重要平台, 为分析疫情事件对网民情绪的影响, 科学高效地做好防控宣传和舆情引导工作, 为此融合不同的深度学习方法对 2020 年初发生的新冠疫情的微博评论进行情感分析。 提出一种基于 RNN(Recursive Neural Network)和 LSTM(Long Short-Term Memory)混合模型并在嵌入层中使用 FastText 词向量表示方法, 以降低词向量中的噪声数据, 从而获得语义丰富且噪声少的高质量词向量, 并与朴素贝叶斯、 支持向量机、 RNN、 LSTM 多种情感分析方法进行比较。 结果表明, 所提出的情感分析模型正确率达到了 98. 71% , 证明了该模型能有效提升情感分析正确率。

为提高光电编码器的细分精度, 实现莫尔条纹信号的补偿和校正, 分析了对信号质量产生影响的误差 来源, 建立了莫尔条纹信号的波形方程。 设计了一种利用布谷鸟搜索算法结合最小二乘法, 用残差平方和作为 适应度函数实现波形方程多参数辨识的方法。 并利用辨识得到的参数结合波形方程对信号中的正弦性偏差、 直流分量和等幅性偏差进行修正。 将辨识得到的相位参数用于构建查找表, 以实现信号的正交性偏差补偿。 实验结果表明, 上述方法有效降低了输出信号中出现的偏差, 提高了光电编码器的细分精度。

分布式声传感(DAS: Distributed fiber Acoustic Sensing)是一种新型的传感技术, 但 DAS 数据中信号被复 杂噪声覆盖, 信噪比非常低, 衰落噪声严重影响到后续信号的反演和解释。 为此, 提出基于注意力引导的深度 网络(ADNet: Attention-guided Denoising convolutionalneural Network)实现 DAS 数据智能消噪。 与传统的用于处 理 DAS 信号方法相比, 选择在网络中引入注意力引导模块, 生成注意力特征图, 使深层网络着重处理特征性强 的部分, 以此提高网络模型在去噪方面的性能。 通过测试并与传统方法实验对比, 证明了 ADNet 在噪声消减 和效率提高方面具有较大优势。

针对传统加油站生产环境下卸油作业检测效率低, 违规操作引发的安全问题, 提出一种基于改进 YOLOv3的加油站卸油检测方法。 该方法通过在 Darknet-53 主干输出后引入 RFB(Receptive Field Block)感受野模块, 使模型能选择合适的感受野对不同尺度目标进行匹配, 提高检测精度; 结合 CSP(Cross Stage Partial)网络并提出RFB_CSP 和 RFBS_CSP 两种结构, 实现两条支路的跨级拼接与通道整合, 降低计算成本; 用 K-means++算法对现场的 9 类目标重新聚类分析, 确定合适的网络 anchor 参数。 实验结果表明, 优化后的模型对比原始的 YOLOv3 模型, 其平均精度均值提高了 2. 3% 和 2. 9% , 说明优化后的 YOLOv3 模型在加油站场景检测具有较高的实用价值。

由于车载 CAN(Controller Area Network)总线是网络攻击源头, 车载数据以明文形式传输易被监听、 篡改, 无认证域的消息和总线仲裁机制易遭受网络攻击, 为解决汽车信息安全问题, 提出基于 SM2 非对称加密算法。 运用多倍点运算策略, 采用公钥加密, 私钥解密, 开展车载节点身份认证和数据加解密, 根据车载 CAN 总线 特性, 采用报文分组协议传输 SM2 算法密文。 将国密 SM2 算法移植到国产 GD32F103 为核心的嵌入式设备, 模拟 智能网联汽车重要部件 TBOX(Telematics-BOX)与 PEPS(Passive Entry Passive Start)的 CAN 通信, 通过 Kavaser CANKING 和 Sealaselogic8 平台分析验证 SM2 算法应用于嵌入式设备是有效可行的, 并保证节点数据合法性和机 密性, 且适合车载设备的单次身份认证场合。 国密 SM2 算法对智能网联汽车安全认证方法研究提供了新的路径。

对于图像的聚类, 现有方法在特征提取方面或难以选择合适的维度转换方法, 或提取的特征对图像特征的表达较弱且不够丰富, 对图像的聚类效果产生了较大影响, 导致了聚类精度较低。 为此, 提出一种基于多尺度残差卷积自编码器的图像聚类方法, 通过构建具有若干个含有残差连接的多尺度卷积模块, 获得中间层的高维特征表达, 并以此进行图像聚类。 实验结果表明, 在 MNIST 数据集上的聚类准确率为 82. 2% , ARI(Adjusted Rand Index) 值为 0. 781 0, NMI (Normalized Mutual Information) 值为 0. 853 2, 模型达到了较好的聚类效果。

为解决医疗数据集中数据缺失对分类器的性能以及下游任务产生的不利影响, 提出使用缺失森林插补法对医疗数据集中缺失值进行插补。 该方法首先采用数据集中完整数据的观测值训练一个随机森林模型; 利用训练好的随机森林模型预测缺失数据; 不断重复迭代上述过程, 从而完成数据缺失值补全。 在两个医学数据集上进行测试, 结果表明, 根据 NRMSE( Normalized Root Mean Squared Error) 和 PFC( the Proportion of Falsely Classified)评估指标, 缺失森林插补法误差较低, 插补效果优于 K 最近邻插补法、 多重插补法和 GAIN(Generative Adversarial Imputation Nets)插补法。 同时, 使用糖尿病数据集通过分析谷丙转氨酶(ALT: A Lanineamino Transferase)与糖尿病剂量反应关系证明了缺失森林插补法的稳定性。

为使不同阻值的负载在充电时都能维持较高效率, 提出在负载端接入双管 buck-boost 变换器, 通过调节 变换器占空比使等效负载阻值始终等于系统最优负载阻值, 实现最大效率追踪。 同时设定期望输出功率, 根据 不同的负载阻值计算出对应的输出电压并给到控制器作为参考电压, 通过闭环移相控制调节逆变器的移相角, 稳定地输出对应电压, 从而实现恒功率控制。 仿真结果表明, 当负载阻值在 10 ~ 40 Ω 变化时, 系统传输效率 均能维持在 85% 且稳定输出 4 200 W 的功率。

为解决传统移动机器人在局部路径规划中的避障问题, 针对传统 DWA(Dynamic Window Approach)算法 的移动机器人避障时间过长以及在密集动态障碍物区中无法选择最佳路径的缺点, 提出了 A * 算法结合 VO (Velocity Obstacle)算法的 VO 混合路径规划算法, 对移动机器人避障算法进行优化。 基于 ROS(Robot Operating System)机器人操作系统, 在具有 3 种障碍物的情况下, 采用模块化的软件架构, 通过设计 DWA 算法与 VO 混合路径规划算法的对照研究实验, 检验 VO 混合路径规划算法的避障效果。 多种环境下的仿真实验结果 表明, 在动态障碍物多、 障碍物移动速度快以及雷达扫描频率低的情况下, 使用 VO 混合路径规划算法, 避障 效果有明显改善。

为实时监测室内 CO2 浓度变化, 以 STC89C52 单片机为核心, 设计了一种基于气体传感器的二氧化碳 报警器。 硬件系统包括二氧化碳传感器、 信号调理电路、 模数转换电路、 STC89C52 单片机和声光报警单元。 软件系统包括数据采集、 数据处理、 报警逻辑等功能单元。 该报警器在室内 CO2 体积百分比超过1. 5% 时可以 及时启动声光报警功能, 并可实时显示室内 CO2 值。

针对 JLU-FG03A 型井下磁通门磁力仪在井下高压潮湿环境下地磁场观测的应用需求, 为磁力仪设计了实验室标定以及井下在线标定方法。 给出了实验测试系统的搭建和相关的测试方法, 利用实验室标定方法分别测试了磁力仪量程、 带宽、 噪声以及灵敏度温漂, 使用井下在线标定方法测试了在井中工作的磁力仪数据的可靠性以及噪声水平。 实验室标定结果表明, 仪器量程为+-100 000 nT, 带宽为 DC-10 Hz, RMS(Root Mean Square)噪声低于 0. 01 nT(DC-0. 3 Hz), 开启自适应反馈功能后温漂为 23. 39 ppm, 以上指标满足井下地磁观测的应用需求。 井下在线标定实验表明, 仪器在井下工作状态正常。 噪声测量结果表明, 井下磁环境良好,有利于磁力仪发挥出最佳性能。

在公约密码学中, 有限域椭圆曲线 Weil 对的计算问题研究多集中于理论研究, 而对实践应用关注甚少, 导致部分理论研究需要新的方法支持。 为此, 给出了 Weil 对的计算方法, 通过实例指出了 Miller 算法在有限域上点的选择问题, 分析了两种不同方法使用 Miller 算法的差异。 通过 Miller 算法, 指出了MOV( Menezes- Okamoto-Vanstone)攻击离散对数的局限性。 实践分析表明, 有限域上椭圆曲线 Weil 对的计算是小子阶上的计算, 对于大子阶的计算不是很有效。

由于仪器设备工作以及室外环境等因素的影响, 采集的管道信号中会存在一定的随机噪声, 使原始信号 失去本身特征, 导致无法对管道信号进行准确识别, 为此, 提出一种基于变分模态分解(VMD: Variational Mode Decomposition)算法-熵方法的特征提取方法。 首先基于VMD算法对采集的管道工况信号进行去噪处理, 然后 从能量、 冲击特性、 时间序列复杂性3个角度全面提取不同工况下的信号特征, 分别计算3种工况信号重构后 信号的能量熵、峭度熵以及模糊熵, 最后建立特征向量输入到极限学习机中进行工况识别。 实验结果表明, 该特征提取方法相比其他特征参数能更加准确地分类识别管道工况信号, 识别率达到98. 33% , 证明该方法对 管道泄漏信号分类识别的可行性。

为解决大学生心理健康状态识别问题, 基于学生消费、 上网和心理测评结果数据, 首先应用 Jenks Natural Breaks 算法进行特征分类, 然后根据特征分类结果使用 Apriori 算法进行特征关联分析, 以挖掘与学生心理健 康状态具有一定相关性的行为特征。 最后, 基于粒子群优化算法改进了惯性权重, 并增加了对劣势粒子进行识 别变异和选择的过程, 以避免算法陷入局部最优解, 同时使用萤火虫扰动策略加速粒子群向全局最优解收敛, 构建了 PDNN(Particle Difference Neural Network)神经网络模型用于预测学生的心理健康状态。 在学生行为特征 数据集上的实验结果表明, 所提出的模型优于传统的机器学习和相关深度学习模型, 并可以快速收敛, 能更加 有效准确地预测学生的心理健康状态。

针对现实生活中垃圾分类知识普及不够, 许多城市和学校都面临着垃圾分类困难的问题, 利用神经网络对分类问题的高效性和准确性, 通过一种基于 ResNet 网络和 SENet 网络的深度残差收缩网络实现垃圾图像分类。 通过对 Garbage 数据集进行筛选得到实验所需数据集, 并对 ResNet 进行改进, 将 SENet 和软阈值化操作加入 ResNet 结构中。 实验结果表明, 该方法通过网络训练和超参数调整, 得到了较好的识别率, 在校园垃圾分类中获得了较好的识别效果, 具有一定可行性。

针对空战信息的非完备问题, 基于改进麻雀算法进行无人机非完备信息攻防博弈策略研究。 通过分析 敌我双方空战信息, 在确定敌我双方的空战态势优势函数、 空战性能优势函数以及收益函数的情况下建立攻防 博弈模型。 结合博弈模型给出博弈支付函数并计算敌我双方的支付矩阵, 提出基于反向学习的改进麻雀算法, 求解出敌我双方攻防博弈的纳什均衡解。 通过仿真验证了所提方案的可行性和所提算法的有效性, 该方案能 初步解决空战对抗过程中所遇到的信息非完备问题。

传统无差拍电流预测控制依赖于精确的离散化电网数学模型, 导致电流出现稳态误差, 特别是电感变化超过一定范围会使系统不稳定, 在全数字控制中存在采样延时, 系统鲁棒性差。为此, 提出了一种改进型无差拍预测控制方法结合重复控制, 有效地消除并网电流的指令误差和扰动误差, 提供高质量的稳态波形。 经仿真验证, 能有效抑制传统控制方法采样延时对其影响, 具有响应快速、 稳态精度高、 电流畸变率(THD: Total Harmonic Distortion)小等优点, 同时避免了超调与震荡的缺点。

由于在现有的闭频繁项集挖掘算法中, 剪枝策略相对单一, 大都是针对 1项集进行剪枝, 对 2项集和 n项集(n逸3)的剪枝策略相对匮乏, 而有效的剪枝策略可以提前发现并剪掉大量没有希望的项集, 因此改进闭 频繁项集的剪枝策略对此类算法效率的提升具有很大的帮助。 为此在 ESCS(Estimated Support Cooccurrence Structure)结构基础上, 提出针对 2项集的 ESCS 剪枝策略, 并应用其将经典闭频繁项集挖掘算法 DCI_Closed (Direct Count Intersect Closed)改进为 DCI_ESCS(Direct Count Intersect Estimated Support Cooccurrence Structure) 算法, 同时对 ESCS 剪枝策略的效果加以验证。 在多个公开数据集上、 不同最小支持度阈值下, 对改进前后 算法时间性能进行比较实验。 实验结果表明, 改进的 DCI_ESCS 算法在事务和项集较长的、 较稠密的数据集上 表现良好, 时间效率均有一定程度的提高。

针对社会对长期、 持续的病房监护的需求, 提出了一种基于 ZigBee 的病房监护系统设计方案。 系统终端 实现对病房环境与病患生理信息的采集, 利用 ZigBee 技术组网对传感器模块的数据进行整合传输; 建立护士 站管理平台, 对各病房及病患的信息进行监控与管理, 使整个系统将病房环境、 病患信息、 管理后台集于一体。 实际测试, 该系统可在30m² 室内实现24 h以上的稳定通信, 测量生理信息误差率低于 2. 5% , 满足普通病房 日常监护管理需求

为使轴承故障诊断工作更加准确与智能化, 构建了一种基于 Inception 结构和残差结构的卷积神经网络(CNN: Convolutional Neural Network), 提出一种新的轴承故障诊断方法。 首先使用短时傅里叶变换( STFT:Short Time Fourier Transform)将滚动轴承原始一维信号转变为二维时频图, 分为训练集、 验证集和测试集; 然后使用训练集对搭建的 Inception-残差网络模型进行迭代, 不断更新网络参数, 并由验证集检验模型是否出现过拟合现象; 最后将训练好的模型应用于测试集, 并通过输出层的分类器输出诊断结果。 最终由实验证明所提方法的可行性, 对轴承故障分类的平均准确率到达了 99. 98% +-0. 02% , 相对于其他方法具有较高的准确率和稳定性。

由于当前已有方法未能对车牌照进行降维处理, 导致车牌照识别结果不准确, 为此, 提出一种基于Relief算法的智能车辆牌照模糊识别方法。 采用 Relief 算法计算不同车牌图像特征的权重系数, 对特征集进行降维处理。 通过序列视频图像对智能车牌进行增强处理, 利用全卷积网络对车牌照显著区域进行检测, 粗略提取图像中的显著区域, 使用滑动窗方法对候选区域车牌进行精准检测, 定位车牌准确位置, 加入字符的上下文信息,对字符进行精确检测和识别, 最终实现智能车辆牌照模糊识别。 仿真实验结果表明, 所提方法可获取高精度的车牌照识别结果。

针对在短期电力负荷预测中, 当某区域电力负荷数据较少时, 负荷预测精度较差的问题, 提出一种基于1DCNN-LSTM(1D Convolutional Neural-Long Short-Term Memory Networks) 和参数迁移的短期负荷预测方法, 并采用1DCNN-LSTM 结合迁移学习针对性提高预测精度。 使用美国某地区的实际负荷数据进行仿真分析, 实验结果表明, 该方法能有效提升区域电力负荷数据缺失时负荷预测的精度。

针对三相异步电动机启动时, 启动电流大, 母线压降过大的问题, 设计了一种针对重载启动的软起动控 制系统。 首先, 基于电机控制理论, 设计软起动控制系统, 搭建脉冲发生模块、 三相调压模块和 PID (Proportional-Integral-Derivative)闭环, 对异步电机机端电流和电压进行闭环控制; 其次, 基于 Simulink 软件, 根据黑龙江省某燃煤机组给水泵电机实际数据, 搭建软起动控制模型, 进行仿真分析; 最后, 进行现场测试, 测试结果与仿真结果相似, 结果表明该模型可在重载启动的情况下, 有效限制异步电动机启动电流, 减小给水 泵电机启动对母线上其他设备的影响, 为异步电动机重载启动提供参考。

针对传统的基于转子磁链的异步电机无速度传感器矢量控制系统具有严重的超调量, 鲁棒性不强且带 负载能力差等缺陷, 对传统的异步电机无速度传感器模型进行改进, 提出了将传统异步电机无速度传感器模型 中的转速 PI(Proportion Integration)调节器与神经网络自适应控制算法相结合, 并在转子磁链的电流模型中加入 三阶低通滤波器。 针对异步电机的启动、 突增负载后的转速、 转矩以及估计转速的变化情况进行仿真分析, 实验表明, 改进后的异步电机无速度传感器矢量控制系统明显消除了超调量, 有效地提升了系统的鲁棒性, 增强了异步电机的带负载能力。

在利用常识知识图谱构造出文本自身语义之外的语境语义及基于知识图谱的预训练模型获取语境语义特征的基础上, 针对文本语义特征、 语境语义特征和标记实体语义特征, 建立多重语义融合机制, 实现关系分类模型 MSF-RC(Relation Classification Model based on Multiple Semantic Fusion)。 该模型在 SemEval-2010 task 8和 TARCED 两个不同数据集上进行了测试, 试验结果表明, 语境信息的引入有助于加强标记实体对语义的理解, 多重语义的层级融合可以进一步提升关系分类模型的性能。

科技文献检索时以专业角度给出合理的相关度排序是一项非常重要工作, 传统 PageRank 算法采用了平均分配相似性权重的方式, 但其会产生文献排序结果不合理的问题。 为此, 提出一种将深度学习方法与 PageRank相结合的算法, 提高文献相关度排序的可靠性。首先, 使用具有注意力池化的孪生BERT(Bidirectional Encoder Representation from Transformers)深度学习网络计算文献与引文的相似度; 然后, 对文献与其所包含引文间的相似度进行规范化处理; 最后, 将标准化后的相似度作为分配权重对引文网络计算排序。 实验结果表明, 相较于传统的PageRank算法, 该方法检索结果的相关度提升 6% 以上, 因此更适合应用于科技文献的引文网络分析。

为提高合成孔径雷达(SAR: Synthetic Aperture Radar)图像变化检测的准确率和鲁棒性, 提出了一种基于 图像增强和融合的无监督 SAR 图像变化检测方法。 为获得较好的背景噪声抑制、 变化区域增强和边缘保持效 果, 在对原始 SAR 图像进行自适应图像增强的基础上构造对数比和均值比差异图, 采用低频小波系数加权平 均和按最小局部能量选取高频小波系数的融合策略对上述差异图进行图像融合。 实验结果表明, 融合后的差 异图结合模糊局部信息 C 均值聚类在不同的数据集上均取得了较高的检测准确率和 Kappa 系数, 鲁棒性较强, 可广泛应用于 SAR 图像变化检测领域。

 针对目前人工果蔬采摘成本较高且国内果蔬采摘机器人发展较慢问题, 设计了一类智能果蔬采摘 机器人。 该机器人的设计采用 Jetson Nano 开发板进行效率更高的视觉识别( VI: Visual Identity) 运算和处 理方法, 视觉识别使用 YOLO V5s 算法, 运动控制应用五自由度机械臂的运动学正解进行分析并得出其 运动学正解公式, 进而得知机械臂活动空间, 末端执行器采用夹持爪子以便各类果蔬的采摘。 最终确定 了较为清晰的果蔬采摘智能结构, 结果表明, 采用 Jetson Nano 开发板使视觉识别算法运算速率提高 10 倍 以上, 通过对正解公式的分析使末端执行器运动更为精准, 在可接受偏差内较为完整的实现了果蔬采摘 功能。

由于丙型病毒性肝炎病毒感染后约有 3 ~ 10% 丙肝病例发展为肝细胞癌, 因此准确预测丙肝感染情况,提高丙型肝炎病毒检测技术非常重要, 为此, 采用机器学习中的集成算法进行丙肝预测。 为挑选出最优检测丙肝模型, 将不同机器学习模型在 UCI(University of California Irvine)丙肝数据进行比较分析。 实验结果表明,梯度提升树, 随机森林以及轻量级梯度提升机表现较好, 其中梯度提升树在预测丙肝准确率高达 0. 9351。使用梯度提升树对丙肝感染情况进行预测最为准确。

为了能清晰理解 mbedOS 调度基本原理与机制, 通过阐述 ARM(Advanced RISC Machines) Cortex-M4 内核对实时操作系统的支持特性, 分析了实时操作系统常用的调度策略, 采用流程图分析、 上下文核心代码解析等方法重点剖析了 SVC(Supervisor Call)中断、 PendSV 中断和 SysTick 中断 3 种 mbedOS 调度策略实现方法, 最后以意法半导体的 STM32L431 芯片为例给出了 mbedOS 的线程调度剖析实践。 通过对 mbedOS 的线程调度剖析, 有助于深入理解 mbedOS 的调度机理, 为设计多任务系统提供帮助, 也为分析其他实时操作系统提供参考借鉴。

为改善传统 Halbach 充磁结构在直线发电机的非气隙侧产生漏磁, 导致主磁通含量降低、功率密度变小 和带负荷能力下降的问题, 提出了在传统的 Halbach 充磁结构上进行改进, 用于改善直线发电机的磁场分布。首先对传统矩形永磁体结构形状进行了改变, 提出了梯形、T 字形和 U 字形的 Halbach 充磁结构的变体, 通过分析在不同尺寸下的磁通密度基波含量, 从而找到各个变体的最佳设计尺寸。 仿真结果表明, U 字型 Halbach充磁结构比其他几种结构对改善非气隙侧的漏磁作用更加明显, 输出功率和效率均得到了提高。

为使数字模拟转换器(DAC: Digital-to-Analog Converter)实现更高的分辨率, 提出了一种可实现多进制
数字输入的电压输出型 DAC 通用结构。 该 DAC 通用结构主要由电阻网络、 单刀多掷模拟开关、 参考电压源和
缓冲放大器组成。 在提出的电路结构的基础上, 采用分立元件和集成电路芯片设计了一个 8 位的三进制 DAC
电路模块, 并对测试数据进行了误差分析。 经理论分析, 该8 位三进制 DAC 相比于传统的8 位 DAC, 在不明显
提高结构复杂性的情况下, 分辨率提高 25. 6 倍, 且该 DAC 结构还具有结构简单、 进制拓展性和位数拓展性强
的特点。

针对微地震信号非高斯、 非线性且信号能量较弱等问题, 提出一种基于粒子滤波的微地震信号去噪 方法。 通过建立微地震信号的状态方程, 提取原始信号的背景噪声, 将其与状态方程之和作为观测方程, 联立 状态方程与观测方程建立状态空间模型, 并通过重要性采样和重采样近似估计后验概率密度, 从而求解去噪后 的微地震信号, 提高微地震信号的去噪效果。 在模拟微地震资料和真实微地震资料中的应用表明, 与传统去噪 方法相比, 该方法处理效果更好, 去除噪声同时保留有效信号, 信噪比得到有效提高, 因此具有良好的应用 前景。

针对群体社交网络舆情演化时, 目前方法获取关键节点中的数据较为困难, 导致无法准确获得舆情传播次数、 搜索指数、 达到舆情峰值所用时间等参数, 存在演化精度低的问题, 提出基于聚类算法与易感-感染-易感(SIS: Susceptible Infected Susceptible Model)模型的群体社交网络舆情演化仿真方法。 在群体社交网络中采用PageRank 算法获取关键节点, 利用聚类算法对关键节点中的数据聚类进行处理, 在此基础上构建 SIS 模型, 并通过其完成群体社交网络的舆情演化仿真。 实验结果表明, 该方法可准确地获得舆情传播次数、 搜索指数、 达到舆情峰值所用时间等参数, 演化仿真精度高。

为使本科生了解卫星遥感技术、 掌握机器学习方法, 结合吉林大学大学生创新创业训练计划, 设计了 实验项目“基于遥感影像的校园周边建筑物变化检测研究冶。 以高分二号(GF鄄2)卫星影像与吉林一号夜间微光 影像为实验数据, 实验区域为中国某小学周边地区。 使用多种机器学习方法以提取实验区域内不同时段的 建筑物信息并对该结果进行精度分析; 将建筑物提取结果与地面参考数据进行对比, 最终获得了不同时间段的 建筑物的变化情况。 并且采用了吉林一号夜间微光影像对校园周边建筑与居民活动情况进行了分析。 实验 结果表明, 所选取的随机森林与 VGG(Visual Geometry Group)神经网络算法可对遥感影像中的建筑物进行有效 识别, 并通过不同时期建筑物数量和夜间灯光变化的检测结果, 说明了校园对周边地区发展的影响, 为城市 规划提供了参考信息

针对传统协同过滤算法用户相似度计算准确度低的问题, 在推荐系统中引入项目属性信息和项目标签信息, 提出融合标签和属性信息的混合推荐算法。 首先将用户对项目的评分转化为用户对项目属性值及标签的评分, 构建用户-属性值偏好矩阵和用户-标签偏好矩阵, 将其作为用户描述文件; 然后分别根据用户-属性值偏好矩阵和用户-标签偏好矩阵计算用户之间的相似性, 并将结果加权平均, 得到每个用户的最近邻居列表;最后根据邻居对项目的评分产生推荐结果。 由于项目属性值的数量和主要标签数量远低于项目数量, 该算法能有效解决协同过滤算法的数据稀疏性问题, 同时也能更直观地描述用户的偏好。 而且在构建用户描述文件时, 考虑到用户偏好随时间变化的规律, 对用户不同时间点的评分赋予不同的权重, 权重随着时间推移逐渐增大。 实验结果表明, 该算法能更准确地预测用户对未评分项的评分, 提高推荐的准确度和召回率。

针对由于地震数据中含有的随机噪声, 严重影响后续资料处理解释的准确性问题, 提出一种基于卷积 神经网络的智能化地震随机噪声压制方法。 首先根据卷积神经网络原理设计一种深层非线性的噪声压制网络, 然后利用构建的高质量随机噪声训练集对该网络进行训练, 在高维空间实现对随机噪声特征的自动学习, 从而 拟合出含噪地震数据记录与随机噪声的非线性映射关系, 实现随机噪声自动压制。 将该方法用于地震数据 噪声压制, 并与常用的滤波算法(均值滤波法和中值滤波法)进行对比, 实验结果证明, 该方法具有更高的信噪 比, 克服了传统方法存在的问题。 实例验证了该方法的可行性和有效性。

为减小视觉图像目标跟踪的执行时间和提高跟踪轨迹的准确性, 提出一种基于改进卷积神经网络算法的视觉图像目标跟踪方法。 为获得较短的目标跟踪执行时间和较好的目标跟踪轨迹, 用视频图像处理技术提取视觉图像的前景, 利用改进卷积神经网络算法提取视觉图像的特征, 采用 MeanShift 目标跟踪算法在视觉图像特征的基础上跟踪视觉图像目标, 通过卡尔曼滤波进一步优化 MeanShift 目标跟踪算法的跟踪结果, 实现视觉图像目标的跟踪。 实验结果表明, 所提方法的执行时间短、 跟踪准确度高。

针对传统乳腺超声影像分割算法存在准确率低、 精度低且耗时长等问题, 提出基于深度学习的三维乳腺超声影像自适应分割算法。 首先预处理图像, 采用深度多示例学习方法检测病变图像块, 删除正常图像块。然后对乳腺超声影像数据集扩增处理, 用于神经网络训练。 其次构建残差卷积神经网络模型, 设计残差学习单元, 结合扩增数据集形成特征映射, 采用 softmax 函数训练网络并进行特征块判断, 并结合阈值设置实现三维乳腺超声影像自适应分割。 实验结果表明, 该算法能更细致地完成图像分割, 算法平均运行耗时为52. 3 s, 图像分割精度为 95. 5% , 且 F1 分数值高, 整体性能佳, 为卷积神经网络分割应用提供参考。

针对现有电力系统短期负荷预测中存在的预测效果不佳的问题, 提出基于深度数据挖掘的电力系统短期负荷预测算法。 将归一化处理的历史电力系统负荷数据、 模糊处理的温度数据、 天气状况、 降水概率等数据作为预测模型的输入量, 构建基于模糊 GBDT(Gradient Boosting Decision Tree)的电力系统短期负荷预测模型, 并引入 Boosting 算法, 以解决预测模型中存在的训练速度缓慢和内存占用大等问题; 在此基础上, 设计基于模糊Boosting-GBDT 的电力系统短期负荷预测模型, 实现电力系统短期负荷预测。 实验结果表明, 所提预测方法在工作日和休息日不同时刻的电力系统短期负荷预测结果与实际负荷较接近; 未来一周电力系统短期负荷预测MAPE 和 RMSPE 值均低于 0. 2% 。

针对目前隧道清洗机器人作业调度中采用定时的僵化作业模式, 造成电力、 消防资源浪费, 并干扰驾驶人行车安全问题, 提出一种隧道清洗机器人智能调度方法。 该方法首先依据隧道车流量、 温度、 湿度等影响因素, 形成了对基础设施运营性能时变模型的描述。 在此基础上, 考虑基础设施运营性能、 机器人作业成本、 对隧道交通流的影响等, 构建了隧道清洗机器人调度的级联优化模型, 分别对机器人调度周期及作业时间进行优化, 以实现机器人的高效运营。 将该方法与常用的基于人工经验的定周期调度方法进行实验对比, 结果显示在相同的作业成本下, 该方法的基础设施运营性能较定周期调度方法提高了 6%。

由于特征提取是数据挖掘的基础工作, 而其质量对挖掘结果有很大影响, 为此针对局部线性嵌入(LLE:Locally Linear Embedding)算法并未考虑同一数据的不同特征之间的相关性, 不能较好地保留时间信号的主要形态趋势, 提出了基于特征相关性的局部线性嵌入 ( CC-LLE: Local Linear Embedding Algorithm Based on Characteristic Correlation)算法,并应用于轴承故障诊断。 针对轴承故障信号周期性特点, 该算法在特征提取阶段对数据进行分段操作, 选取各分段上的标准偏差作为特征, 构造原始数据的特征样本集, 从而有效提取鉴别特征。 通过在轴承数据集上进行实验验证了该算法在特征提取方面的有效性。

对动态数据流的在线学习问题, 传统的在线 BLS(Broad Learning System)算法无法准确地捕捉数据最新的 变化趋势。 为此提出两种具有遗忘机制的在线BLS算法——基于遗忘因子的在线 BLS 算法(FF-OBLS: Online Broad Learning System based on Forgetting Factor) 和基于滑动窗口的在线 BLS 算法( SW-OBLS: Online Broad Learning System based on Sliding Window)。 FF-OBLS在在线学习过程中通过为旧样本添加遗忘因子以体现新旧 样本对学习模型的不同贡献, SW-OBLS 在在线学习过程中通过删除旧样本以消除旧样本对学习模型的影响, 从而使学习模型对动态数据流的后续趋势做出更准确的分析和预测。 为验证提出的两种在线BLS算法的有效 性, 使用动态回归数据集进行实验。 实验结果表明, 具有遗忘机制的在线 BLS 模型在预测精度和时间开销上均 优于传统在线BLS模型, 更适合处理动态数据流问题。

为完成高校主数据管理需求, 全面分析高校业务数据现状以及管理需求, 基于微服务分布式体系结构 搭建高校主数据管理平台。 该平台基于Spring Boot微服务架构以及DevOPS(Development and Operation)模式进 行研发与部署, 实现基础、 业务和接口等主数据相关微服务, 满足主数据全生命周期管理需求。 经过实际运行 表明, 该平台可在高校日常管理中稳定高效运行, 满足高校内各类数据(包括学生、 科研、 财务等)的有效性和 完整性管理目标。

为解决T₂谱成像精度低, 影响检测结果的准确性的问题, 对基于贝叶斯的核磁共振T₂谱成像方法进行 了研究。首先给出了NMR(Nuclear Magnetic Resonance) 信号的基本特征, 并基于贝叶斯原理, 推导了NMR信号的似然函数, 构建了T₂谱成像框架。 其次, 采用改进的马尔科夫链蒙特卡洛策略, 得到T₂谱及其不确定 度。最后, 通过随机构造服从多峰的混合高斯概率密度函数的T₂谱模型, 验证了基于贝叶斯的核磁共振T₂谱 成像方法的有效性。 该方法可应用于通信原理综合实验内容, 也可用于创新性训练实验。

为使用户了解云存储文档的完整性, 提出基于消息认证码的数据可取回性证明方案M-POR( Proof of Retrievability-Based Message Authentication Codes), 消息认证码作为验证信息由数据块生成, 不但可以验证数据 完整性, 而且具有定位错误数据块的特点。 原始文件冗余编码后上传到服务器。 用户通过挑战-响应-验证算法 验证数据完整性。 在编码过程中引入纠删码, 如果错误数据小于阈值, 可以通过冗余数据修复错误数据。 性能 分析证明M-POR方案能提供数据完整性证明, 并具有较低的存储成本和计算成本。

由于目前各领域集成模型还主要以数据集成、 信息集成为主, 但这些集成模型中缺乏对标准的融合等问题, 而本体和关联数据技术不仅能从根本上解决“知识孤岛冶现象, 且基于该技术还能在模式层将语义进行链接, 减少数据的冗余, 为知识元提供集成化的知识模型。 为此首先比对并分析了传统知识组织方法, 然后依据本体、 关联数据知识组织方法, 提出并构建了标准驱动的知识集成模型。 该模型通过复用领域主题词表和国际上相关的事实标准本体中的叙词表实现对领域知识本体的表示。 最后通过关联数据技术将实体 RDF (Resource Description Framework)序列化, 并实现与外部知识库中的实体进行链接, 发布成统一的、 集成化的关联数据, 为领域提供知识服务。 为验证所提模型的可行性, 以石油领域为背景, 复用了石油主题词等标准词汇表并构建了标准化石油领域本体, 再将石油领域知识与 GeoNames 和 DBpedia 百科知识库关联实现了集成,验证了所提模型的合理性与可用性, 该标准化的集成模型同样适用于其他领域的知识集成。

为解决分布式电源接入配电网进行合理规划配置的问题, 在建立以网络损耗、 节点电压偏差、 投资综合 费用为多目标函数的基础上, 采用层次分析法将考虑经济性与稳定性的多目标函数转换成单目标函数, 并用 改进哈里斯鹰算法寻找最优的配置方案。 为进一步改善哈里斯鹰算法的寻优精度与收敛速度, 引入 Tent 混沌 提高初始化种群的均匀性; 将鲸鱼算法的搜索围捕方式与哈里斯鹰算法结合, 增加了算法的多样性并提高了 寻优精度; 引入 t 分布策略增强全局寻优能力和求解速度。 通过算例验证了采用改进哈里斯鹰算法在求解 分布式电源优化配置问题中的高效性和稳定性。

为探究电子支付科研现状和发展趋势, 针对电子支付研究热点进行了分析。 采用文献计量方法, 从电子 支付领域的研究概况、 研究力量和学科分布 3 个方面分析了电子支付领域的发展现状, 利用科学知识图谱 方法, 对该领域的研究热点进行可视化分析。 结果表明, 电子领域的论文产出最多的国家是中国和美国; 主要 产出机构是北京邮电大学和中南大学; 研究热点主要侧重于电子支付体系安全性的理论和实践应用研究。

针对人群图像背景的差异性, 以及透视效应引起的人群尺度变化等对人群计数精度产生严重影响的 问题, 提出一种多层次融合与注意力机制的人群计数算法。 该算法包含尺度注意力提取与多层次融合两个子 网络, 尺度注意力提取网络采用编解码结构, 负责尺度注意力的提取, 以对抗复杂人群场景中的人群尺度 变化、人群遮挡等问题; 多层次融合网络在每个卷积块之前增加一个特征融合操作, 将不同尺度的注意力图与 相对应卷积层次的输入融合, 以去除冗杂的图像信息, 进而生成高质量的人群密度图。 相较于其他优秀的人群 计数算法, 该算法在ShangHaitech数据集Part_B 上的MAE(Mean Absolute Error)和MSE(Mean Squared Error) 分别提高了17 %和25%, 在Part_A上的MAE提高了1. 7%, 在UCF_CC_50数据集上的MAE提高了7%。 实验结果表明, 该算法在应对复杂人群场景时具有较高的准确性与鲁棒性。

针对在传统的统计方法中, 联合分析方法不能同时对大量参数进行变量估计问题, 提出了贝叶斯 茁 回归模型。 该模型使用 Dirichlet 分布作为模型参数的先验分布, 并设计相关 MCMC(Markov Chain Monte Carlo)算法对模型进行拟合。 通过分析将该模型应用于离散指标变量评估中, 结果表明该模型对数据拟合效果好且算法收敛速度快,说明贝叶斯层次模型弥补了传统联合分析方法的缺陷, 并对联合分析方法进行了优化改进。

为优化油田井下无线电能传输系统磁耦合机构, 提出一种改进型螺线管型磁耦合机构, 采用 Maxwell 电磁场仿真工具提出一种优化设计方法, 并通过研究 LCC-S 高阶补偿拓扑的特性得到了 LCC-S 的补偿设计公式和主要电路特性, 最后使用 PSIM(Power Simulation)仿真软件通过闭环 PI (Proportion Integration)控制验证了提出的耦合结构和补偿拓扑的设计可行性和正确性, 结果表明, 该磁耦合机构适合油井下供电场景。

为保证燃气管接头焊接质量, 防止重大事故发生, 研制了高性能热熔管件焊接控制系统。 该系统采用 双向可控硅为主控电路, 利用定时器中断技术, 通过 PWM (Pulse Width Modulation)对可控硅的控制, 实现热熔 焊接系统的可调电压输出。 为提高系统的可靠性, 对传感器采集信息产生的误差进行分析, 利用传感器采集信 息最小二乘法分段动态标定, 减少了传感器输出的非线性和零漂的误差; 采用自适应滑动滤波法, 平抑了噪声 干扰和工频干扰的误差; 对控制电压, 设计了改进的 PID (Proportion Integration Differentiation) 快速电压调节 算法, 提高了输出响应速度和输出稳定度。 经现场测试, 焊接过程快速达到稳态, 有效地平抑环境噪声对采集 数据的干扰, 电压波动小于+-0. 1 V, 低于+-0. 5 V 国家标准, 满足焊接工艺的需求。

为解决车辆识别中由于拍摄角度和距离的不同, 导致成像后的车辆尺寸较小和车辆存在不同程度的 遮挡, 从而产生车辆的错检和漏检等问题, 在单阶段目标检测网络 YOLOv4(You Only Look Once version 4)算法 的基础上, 提出了基于注意力机制的递归 YOLOv4 目标检测算法, 即 RC-YOLOv4(Recursive and CBAM You Only Look Once version 4 ) 算法。 为提高算法对成像后小尺寸 车 辆 的 检 测 能 力, 在 YOLOv4 算 法 加 入 CBAM (Convolutional Block Attention Module)模块, 该模块结合了通道和空间注意力机制, 能帮助网络模型更加关注检 测图像中的重点信息和小目标信息。 针对车辆部分遮挡的检测问题, 采用递归特征金字塔(RFP: Recursive Feature Pyramid)结构加强模型对深层特征信息提取能力, RFP 结构类似于选择性增强或抑制神经元激活的 人类视觉感知, 将主干网络提取到的特征递归融合, 然后反馈给主干网络, 多次特征融合增强网络对上下文 语义信息的提取整合能力。 提高了对遮挡车辆的检测精度。 实验结果表明, 在自制车辆检测数据集上, RC-YOLOv4算法相比于 YOLOv4 在平均精度均指标上提高了 12. 69% , 同时检测速度也能满足实时性要求。

为进行高帧率眼动交互, 提出了基于深度学习的单相机双光源识别方法。 该方法运用了反射光斑与视线落点的相关关系, 得到了由眼图到视线落点的映射规律, 构建了人机眼动交互装置并得到高质量数据集, 训练得到了精度与速度较高的视线落点定位模型, 解决了视线估计数学模型复杂、 运算量大的问题。 实验结果表明, 该方法实现了实时识别用户视线落点并进行交互的功能, 可支持心理学实验研究以及虚拟现实应用技术的发展和应用。

针对在以数字化的方式传承和保护蓝印花布的技术中由于缺乏具有原始手工特征的蓝色印花图案数据集, 极大地限制了深度学习技术在蓝印花布纹样识别领域的应用问题, 构建了一个大规模蓝印花布纹样数据集。 该数据集包含 50 216 张蓝印花布纹样, 从动物、 植物、 中国神话传说及复合四大题材的角度将数据分为85 个子类。 该数据集的创建不仅涉及到蓝印花布的数字化建设, 如蓝印花布纹样检索及相关纹样命名, 还能使相关研究人员设计和验证机器学习算法。 在所构建的数据集基础上, 提供了 4 个典型深度学习网络的实验结果, 以此作为其性能基准。

针对目前人脸到素描合成存在生成的素描图轮廓模糊、 细节纹理缺失等问题, 提出一种采用循环生成对抗网络(CycleGAN: Cycle-Generative Adversarial Networks)解决方案。 构建多尺度 CycleGAN, 生成器采用深度监督的 U-Net++结构为基础, 在其解码器端进行下采样密集跳跃连接; 在其生成器的编码器端设计通道注意力和和空间注意力机制形成特征增强模块; 最后在生成器中增加像素注意力模块。 实验结果表明, 与现有经典算法相比, 从主观视觉评测和利用现有的4 种图像质量评价算法进行质量评估, 该方法较好地合成了素描图像的几何边缘和面部细节信息, 提高了素描图像的质量

为更好地把握虚拟现实的研究热点和主题演化, 应用文献计量法和科学知识图谱分析工具 ITGInsight 对我国自然基金项目资助的虚拟现实科技论文应用现状进行统计与分析。 结果表明: 虚拟现实科研处于快速发展期, 预计“十四五冶期间也会持继增加; 同济大学建筑与城市规划学院、 东北大学资源与土木工程学 院、北京航空航天大学虚拟现实技术与系统国家重点实验室的学术影响力最大; 《系统仿真学报》 、 《现代电子技术》 、 《中国图象图形学报》3 种期刊论文数量最多; 研究主题主要涉及虚拟现实、 可视化、 关键技术、 真实感和数字化等研究热点; 研究主题变化, 虚拟现实一直处于热点主题, 后期出现了可视化、 机器人等 新的关注点。

为提高影视动画场景色彩搭配效果, 提出基于特征点提取算法的影视动画场景色彩搭配系统设计方法,构建影视动画场景色彩搭配的视觉认知模型。 使用辅助视觉图像采样模型提取影视动画场景色彩搭配图形的辅助视觉元素特征空间结构, 结合影视动画场景色彩搭配图形的三维分布特征量; 利用特征点提取算法建立影视动画场景色彩搭配视觉元素 RGB 特征分解模型; 通过视觉信息参数融合和三维视觉重建的方法, 进行影视动画场景色彩搭配系统的软件平台开发, 设计影视动画场景色彩搭配系统, 采用三维重建软件, 实现影视动画场景色彩搭配系统的视景仿真开发设计。 仿真结果表明, 设计的影视动画场景色彩搭配系统输出稳定性较高,可靠性较好。

针对在两相混合式步进电机位置控制系统中采取滑模算法控制时系统抖振较大的问题, 基于边界层概念对滑模控制算法进行了改进, 优化了准滑动模态控制算法。并且在相关软件中搭建两相混合式步进电机控制仿真模型, 并进行了仿真验证。结果表明, 采用准滑动模态滑模控制比用一般滑模控制情况下系统的抖振幅度减小50% , 系统的动态性能得到了很大提升。

为解决油气物联网中的“热区冶问题, 提出一种基于能量采集的非均匀分簇模型。 该模型在设置节点竞争半径时充分考虑了节点剩余能量、 节点与基站的距离、 邻居节点密度以及节点与RF(Radio Frequency)信号 源的距离, 提升非均匀成簇效果, 同时选举双簇头以均衡簇头能耗, 在数据传输阶段采用多跳路由以均衡网络能耗, 并引入无线能量采集技术延长网络寿命。 仿真结果表明, 与传统算法相比, 该算法能更有效地均衡网络能耗, 延长网络寿命。

为解决特殊场景下无法近距离接触的物体三维测量的问题, 基于无人机以及树莓派设计并实现了一种无 人机吊装测量系统。 该系统采用级联树莓派实现图传与数传链路, 利用激光传感器、GNSS(Global Navigation Satellite System)传感器和监控镜头实现信息采集, 结合电动伸缩杆实现测量装置的垂直调整, 并利用双目摄像 头采集信息实现场景三维建模和物体三维精准测量。 测试结果表明, 无人机吊装测量系统可快速有效自动 构建三维测量场景, 并完成目标物体实际三维尺寸测量, 平均误差在 1% 左右, 满足预期目标。

为解决因热分析不准确导致减速器使用寿命变短的问题, 以 SEW( Süddeutschen Elekromotoren-Werke) 某型减速器为研究对象, 利用Unity3D虚拟仿真引擎, 开发了减速器热功率计算软件, 提出了一种基于 Unity3D 例子系统的温度场虚拟仿真方法, 推导了温度与颜色表示的基本公式, 得到了冷却水温度虚拟仿真云图以及 传热功率变化曲线。 实验证明, 虚拟仿真方法可快速判断减速器选用的冷却方式是否合理, 并为减速器热分析 提供了新的设计思路, 同时相比较传统的理论计算或有限元仿真等方法更为方便快捷, 具有一定的工程应 用前景。

以往告警关联分析算法中将告警重要性视为相同, 为区分不同告警的重要性差异, 以及告警中包含信息量的差异性, 提出一种改进加权方法的告警关联分析算法。 首先将告警信息中有关告警重要性的属性量化, 并使用极端梯度提升(XGBoost: extreme Gradient Boosting)集成学习模型训练, 得到告警属性的权重值, 并对告警数据赋予权重; 然后, 将网络拓扑数据加入滑动窗口中, 改进传统滑动窗口划分事务存在的问题, 改进后的滑动窗口划分的事务集更加真实可靠; 最终将加权后的告警事务集使用加权 FP-Growth ( Frequent Pattern Growth)算法挖掘频繁告警和关联规则。 通过实验验证了该改进加权方法的告警关联分析算法在挖掘频繁告警、 重要关联规则和时间上都有很好的性能。

信息化赋能传统物流行业的迭代升级, 为解决由于汽车制造业独有的物流特点带来的运输难题, 使循环 取货速度提升、成本费用降低及物流车辆造成城市内部交通压力得到缓解, 以汽车厂A在城市Q本地循环 取货实际运输需求为基础, 设计了基于改进的遗传算法用于汽车零部件运输的智能路径规划方法。 利用循环 物流过程中当月零部件需求量、供应商订单详情、选配运输车辆容载率、单车器具体积占比、时间窗需求等 耦合性因素, 使用大规模邻域搜索算法改进遗传算法, 求解出应用Solomon数据算例的最优路径并于遗传算法 相比较和厂A与供应商间实际运输需求的最优配送方案线路。 实验结果表明, 该方法在性能上具有显著优越 性, 数值仿真结果阐明了该方法的适用性和优化过程中的收敛情况。

为解决电动汽车充电负荷过大对电网造成的影响, 提出了考虑储能运营商和电动汽车的配电网双层优化 模型。 模型上层考虑储能运营商参与配电网削峰填谷和电动汽车充电的经济效益, 下层考虑电动汽车所有者 基于分时电价积极响应储能运营商调度充放电的经济效益。 采用改进的模拟退火算法对双层模型进行求解, 并用 IEEE 33 节点验证了该模型在保证配电网安全运行情况下能有可观的收益。

针对传统人工识别心电信号方法存在工作量大、 容易出错和现有心电监测设备仍然存在心电信号识别 类型少、 诊断精度不高、 过度依赖于网络服务等问题, 为提高心电监测设备性能, 基于深度学习技术设计了 心电信号 ECG(Electrocardiogram Signals)分析检测系统。 通过搭建 SENet-LSTM(Squeeze-and-Excitation Networks- Long Short Term Memory)网络模型实现心电信号 7 分类的自动诊断, 模型建立在一个采用 ADS1292R 作为心电 采集模块, STM32F103 作为数据处理模块, 树莓派作为中央处理模块的智能化硬件平台上, 该系统利用一体化 的高性能微型计算机树莓派进行计算分析, 为用户提供离线化的人工智能(AI: Artificial Intelligence) 服务, 同时模型的准确度和精确度分别为 98. 44% 和 90. 00% , 从而实现 ECG 的实时检测和准确分类, 为患者提供 精准的病情诊断。

针对实际系统存在各种不可预知的扰动, 造成系统很难精确地达到期望的各项性能指标, 研究了基于 Round-Robin 协议的一类非线性时变系统的保概率 H_∞ 滤波问题。 利用概率约束 H_∞ 性能指标, 使该系统更贴近实际工程应用。 同时, 考虑在数据传输过程中产生的网络拥塞和资源占用现象, 采用 Round-Robin 协议对网络节点间的数据传输进行调度。 考虑信号从传感器至待设计滤波器传输过程中具有非线性扰动, 构造保概率非脆弱 H_∞ 滤波器。 其不确定参数由服从均匀分布且相互独立的随机变量控制, 同时通过寻求线性矩阵不等式工箱设计能在概率约束下保证性能要求的滤波器。 利用递推线性矩阵不等式方法求解保概率 H_∞ 滤波问题。最后, 通过仿真示例, 证明所提出的滤波方案的有效性。

针对中点箝位(NPC: Neutral-Point-Clamped)型三电平逆变器直流侧上下两个电容电压不一致, 以及传统的空间矢量脉宽调制(SVPWM: Spatial Vector Pulse Width Modulation)虽然可在一定的调制度范围内解决两个电容电压不一致, 但在较大的调制比下中点电位无法维持平衡的问题, 在传统 SVPWM 和虚拟空间矢量脉宽调制(VSVPWM: Virtual Space Vector Pulse Width Modulation)的基础上优化控制方法。 该方法依据电流的流向对不同的正、 负小矢量采用不同大小的平衡因子, 同时根据中点电位差值, 引入电压调差系数, 并在此基础上与无差拍控制相结合。 该闭环控制策略利用中点电位差值与逆变器三相电流输出值作为反馈量调整输出波形,抑制中点电位。 仿真结果表明, 该方法在三电平逆变器调制度较高时仍然可以维持直流侧中点电位的平衡,证明了控制策略的正确性和有效性。

随着互补型储能发电系统日益普及, 其覆盖范围也不断扩大, 但容量优化技术仍处于单一能源阶段。为此, 针对太阳能风能互补储能发电系统, 设计了一种容量优化算法。 通过分析发电系统的电能输出情况,获得其年产出与供应状态, 然后根据电能均衡准则构建容量优化目标及约束条件。 然后结合差分进化算法进行变异、 交叉和选择等操作, 再通过粒子群算法更新方位与速度, 二者结合取得亲体与群体的当前最优解,经迭代循环实现储能系统容量优化。 经实验研究分析, 并通过对组件配置量、 负荷缺电率等数据发现, 该算法在大幅提升经济效益的同时, 确保了供电可靠性, 表明该算法具有显著的优化优越性与较大的试运行潜力。

为提高主动配电网的经济效益, 在考虑分布式能源、 网损费用和发电成本基础上, 建立了主动配电网经 济调度模型。 模型加入了柔性软开关对主动配电网进行灵活调度和无功优化, 使用优化后天牛须搜索算法对 其进行求解, 优化方法为在算法中加入遗传因子和锦标赛选择策略, 使算法结果不会陷入局部最优, 得到最小 发电成本。 最后经仿真实验, 验证了优化后的天牛须搜索算法在主动配电网经济调度问题中具有实用性 和高效性。

为解决电力系统中因负荷数据混沌特性强、噪声影响多, 导致多分段短期负荷预测精准度不高的问题, 提出基于改进粒子群的电力系统多分段短期负荷预测方法。 以电力系统的历史数据作为分析基础, 引入粒子聚合概念, 建立解空间, 在空间内搜索全局负荷数据, 将原始数据代入解空间中, 确定数据分布范围。 建立最优目标函数, 利用线性递减规律计算自适应负荷粒子权值, 凭借迭代更新函数将粒子权值不断逼近最优值。 综合局部预测函数和全局预测函数, 与改进粒子群预测规律结合, 以最大决定权重系数调节矩阵, 完成负荷预测。 仿真实验证明, 所提方法对负荷数据的判定及分析能力强, 自适应性好, 预测结果与实际数值拟合程度高。

由于电力系统运行受多种因素的影响, 因此电力负荷呈现较强的波动性和不稳定性, 从而影响电网短期负荷预测的准确性。 为减小预测误差, 提出一种组合模型策略。 首先采用集合经验模态分解将原始数据分解为若干分量, 根据各分量数据所含信息量的不同, 将分量分为两组, 分别利用反向传播神经网络和长短时记忆网络进行预测。 并在此基础上, 利用樽海鞘群优化算法对每个分量预测网络中的神经元个数与输入变量的滞后项进行优化, 得到最终的 EEMD-SSA(Ensemble Empirical Mode Decomposition-Salp Swarm Algorithm)的组合预测模型。 最后, 将此模型应用于某地实测数据进行负荷预测。 实验结果表明, 该组合模型比单一网络模型及其他模型具有更好的预测效果。

传统共识机制中所有背书节点参与背书, 时间消耗量大, 并且存在伪造及操控共识过程的可能性问题, 安全性较低。 为此, 基于可验证随机函数在背书节点候选集中随机抽取背书节点进行背书操作, 其他背书节点 等候其他交易执行时被随机选举, 这种随机方式使背书的过程可以并行化, 能有效提升处理效率, 减少共识 机制的处理时间。 基于数学性能分析以及构建 Hyperledger fabric 模型进行实验验证, 结果表明优化后的共识 机制交易处理速度更快, 延迟时间更低, 安全性更高。

针对传统的命名实体识别方法无法充分学习古汉语复杂的句子结构信息以及在长序列特征提取过程中 容易带来信息损失的问题, 提出一种融合 SikuBERT( Siku Bidirectional Encoder Representation from Transformers) 模型与 MHA(Multi-Head Attention)的古汉语命名实体识别方法。 首先, 利用 SikuBERT 模型对古汉语语料进行预训练, 将训练得到的信息向量输入 BiLSTM(Bidirectional Long Short-Term Memory) 网络中提取特征, 再将 BiLSTM层的输出特征通过 MHA 分配不同的权重减少长序列的信息损失, 最后通过 CRF(Conditional Random Field)解码得到预测的序列标签。 实验表明, 与常用的 BiLSTM-CRF、 BERT-BiLSTM-CRF 等模型相比, 该方法 的 F1 值有显著提升, 证明了该方法能有效提升古汉语命名实体识别的效果。

针对开放实验室的实验设备数量多、 人员流动性大, 给管理工作带来一定困难的问题, 为实现实验室 设备安全及人员信息的智能化管理, 研究开发出一套智能化实验室设备安全与人员信息管理系统。 该系统 融合多传感器系统, 可实现实验设备出入门检测与报警、 人员信息统计等功能。 包括基于射频识别(RFID: Radio Frequency Identification)的设备检测、 视频监测、 通信、 报警、 人员信息检测与记录模块等, 同时基于上位 机软件串口人机接口完成了人机交互界面设计。 测试结果表明, 该系统可有效检测仪器设备无登记外带情况, 保障实验设备的安全性。 同时, 实现进出实验室人员的信息记录, 提升实验室管理效率与安全性。 该管理系统 与设计思路对实验室安全管理具有很好的借鉴意义。

程序性知识在人类学习与认知过程中扮演了重要的角色, 目前对程序性知识的组织都是通过产生式系统实现, 是一种非语义化、 无法体现知识间的关系且不易维护的方法。 为此, 将 ACT-R( Adaptive Control of Thought-Rational)理论、 事件认知理论与文献中的事件模型相融合, 提出一种能表征程序性知识的事件七元组语义模型。 在此基础上, 以 Java 语言中的程序性知识为例, 构建了程序性知识事件本体模型, 并设计了基于程序性知识事件的 ACT-R 认知模型对其进行验证。 实验结果表明, 程序性知识事件本体能实现对程序性知识及其之间关系语义完整性描述, 为程序性知识教学资源组织与基于程序性知识的网络教学等提供了新的思路。

 针对电磁法对有害的未爆弹和无害的金属弹片等都具有灵敏的响应, 因此探测误报率较高, 导致后续的 清理工作极为耗时的问题, 基于便携式与拖曳式两种瞬变电磁探测系统, 对多个未爆弹与无害目标进行探测并 估计地下目标的特征响应。 根据估计的电磁特性, 基于支持向量机( SVM: Support Vector Machine) 分类算法 实现对未爆弹与无害目标的准确分类, 同时分析噪声对分类结果的影响。 研究结果表明, 选用目标响应不同时 间的归一化响应以及拟合参数训练出的分类模型, 均能有效地对目标进行识别分类, 对目标分类准确性达 100% , 并在实际验证中成功识别出 59 个目标体。 通过实验对比得出, 基于特征响应的分类方法计算快, 处理 方式简单, 而基于拟合参数的分类方法则抗干扰能力强, 具有更高的准确性。

针对配送车辆行驶路径选择不合理、 配送效率降低等问题, 提出基于改进布谷鸟算法的配送车辆路径优化方法。 遵循路径最短配送原则, 构建目标函数, 为简化模型结构, 设置路径优化的相关约束条件, 保证每个需求点只能被配送一次, 车辆必须在最大距离负荷范围内行驶, 建立路径优化模型; 分析经典布谷鸟算法的鸟巢位置更新过程, 添加调整因子, 引入动态惯性权重; 通过布谷鸟搜索算法求解优化模型, 经过种群初始化、 鸟巢位置更新等过程不断寻找全局最优解, 当满足迭代停止条件时, 输出最佳优化方案。 实验证明,该方法搜索能力强, 解集分布均匀, 能确保配送路径最短, 提高配送效率。

为提高地震勘探精度, 需要从低信噪比地震勘探数据中高精度地重构地震信号, 为此结合卷积框架变换 的稀疏性和低维流形模型学习地震信号的灵活性, 提出基于卷积框架变换正则化低维流形模型(CFR-LDMM: Convolutional Framelet Regularization based Low Dimensional Manifold Model)的地震信号恢复算法。 通过数据驱动 的局部基和非局部基对地震信号块流形联合表示, 获得地震信号块流形的低维等距嵌入, 避免显示定义流形 坐标, 提升地震噪声压制能力和信号恢复度。 合成数据和实际地震勘探记录测试表明, 所提的CFR-LDMM方法能将地震数据的卷积框架变换系数能量集中到系数矩阵的一角, 在压制地震勘探噪声的同时准确地重构 了低信噪比地震数据中的缺失道。

为提高光伏发电效率, 提出了一种复合算法解决局部阴影情况下光伏阵列输出功率呈现多峰值状态的问题, 弥补了传统方法的不足。 该方法将传统的灰狼算法优化, 引入莱维飞行模块、 加入贪婪策略, 加强了算法的全局搜索能力和快速性。 在搜索至光伏发电最大功率点附近时切换为扰动观察法, 利用其快速收敛的特性迅速找到最大功率点, 提升了光伏阵列的输出功率。 通过 Simulink 仿真实验, 验证了所提出复合算法优越的跟踪性能, 在准确性与快速性上较传统灰狼算法均有显著提升。 

为降低对抗样本的影响, 提高分类模型在遭受攻击威胁下的精度, 利用哺乳动物视觉系统工作原理, 结合注意力机制, 提出一种新型防御对抗样本模型 PSCAM-GAN(Parallel Spatial and Channel Attention Mechanism Adversarial Generative Network)。 该防御模型在通过编码器获得对抗样本的特征图后, 使用平行注意力机制提 取特征图中的个体和位置信息, 然后在保证这些特征不变的情况下, 重新调整特征图的权重, 通过解码器产生 净化结果。 该方法能在清除恶意扰动的同时保持净化结果与输入的一致性, 有效降低对抗样本对模型精度的 影响。 在 CIFAR-10 和 MNIST 数据集上, PSCAM-GAN 面对多种对抗样本攻击时的防御效果超越了其他基于预 处理的防御方法, 能有效提高模型的健壮性。

由于基于传统深度学习的岩石图像识别算法模型比较繁琐, 而且应用于移动终端等需要一定的计算能力, 因此很难实现对岩石类型的实时准确判别。 为此, 以 ShuffleNetV2 网络为基础, 插入通道连接注意力机制ECA (Efficient Channel Attention)模块, 使用 Mish 激活函数代替 ReLU 活函数并引入轻量级网络部件中的深度可分离卷积。 将该方法用于岩石图像识别, 实验结果表明, 改进后的算法结构简单, 同时具有轻量化的特点, 其识别精度达到 94. 74% , 可在移动终端等有限资源环境下应用。

为提高负荷预测结果的精度, 设计了一种基于变分模态分解(VMD: Variational Mode Decomposition)和分 形理论的短期电力负荷预测模型。 首先选取和实测日气象数据相似的日期作为基准日, 对基准日的负荷曲线 进行变分模态分解提取主要信号的模态(趋势项), 再提取扰动项(IMF1)和噪声项( IMF2、IMF3、IMF4),对趋势 项和扰动项进行重标极差法分析后提取趋势项和扰动项的极值点建立迭代函数系统( IFS: Iterative Function System)。 通过趋势项和扰动项的迭代函数曲线确定相对应的负荷数据, 再同噪声项( IMF2、IMF3、IMF4)相对 应的负荷数据相加, 得到最终的预测数据。 通过和传统的分形模型和 BP(Back Propagation)神经网络模型进行 对比, 结果表明平均绝对百分比误差(MAPE: Mean Absolute PercentageError)下降了近 5% , 证明了 VMD-分形 预测模型的预测效果更好。

为了对冷热电联供系统(CCHP: Combined Cooling Heating and Power) 进行合理的调度优化, 建立一个高效节约的联供系统, 提高系统经济性, 并实现能源梯级利用, 在已有研究的基础上, 构建一个含有余热回收系统, 并包含发电机组及制冷机组的小型冷热电联供系统, 根据系统内的部分负荷特性对系统内机组单独建模, 并对原有粒子群算法进行优化, 最后引入算例进行验证。 结果表明, 系统对算法的优化起到了良好的效果, 改进型的算法确保了系统运行的稳定性和实用性。

针对传统资源调度算法不能适应切换场景空口信号质量急速下降而导致的切换命令重传问题, 提出了一种对切换场景优化的应用于 B-TrunC 专网的降低切换命令误码率的新型传输方案。 该方案在 PDCP(Packet Data Convergence Protoco1)模块自动识别下发给终端的切换命令, 通过设计区别于普通信令和数据传输的调度机制, 采用指定的低阶调制方式和编码速率传输切换命令, 降低切换命令传输误码率。 切换场景下的仿真结果表明, 所提出的方案可有效降低切换命令的重传和失败概率, 显著提升 B-TrunC 专网系统的切换时延性能。

针对三维闪电探测系统接收处理的数据量相比二维闪电探测系统增加数倍, 定位、回击与状态数据入库流程相较二维系统复杂许多的问题, 使用 Oracle 数据库和PL(Procedural Language) / SQL(Structured Quevy Language) developer 集成环境开发了三维闪电探测数据处理存储系统。 通过设计三维闪电定位仪站点信息表存储站点基本信息; 设计闪电定位结果信息表存储处理后的定位数据和回击数据; 设计最新状态信息表存储定位仪的最近一条状态信息, 用其可判断设备状态是否正常。 通过湖北省三维闪电探测网构建实验平台验证系统功能和运行状况, 结果表明, 处理存储系统设计与实现满足三维闪电探测系统数据处理与存储功能的任务需求。

针对 SIFT(Scale-Invarivant Feature Transform) 算法存在的不足, 提出 Harris 算法与 SIFT 算法相结合的方法。 选用 Harris 算法检测出的角点邻域范围内的 SIFT 特征点作为特征点, 利用高斯圆形窗口对特征点建立64维描述向量。 实验证明, 该算法在保证匹配精度的同时, 有效提高了匹配速度。

虽然便携式瞬变电磁系统适用于复杂地形条件下的未爆弹探测, 但数据处理速度对其探测效率影响较 大, 为提高数据处理速度, 对影响反演效率的因素进行了优化。 采用吉林大学电磁传感技术实验室制作的便携 式瞬变电磁系统获取目标响应, 基于磁偶极子正演模型选用差分进化(DE: Differential Evolution)算法对数据进 行反演。 通过对数据预处理和 DE 算法参数优化, 极大提高了反演速度。 实验结果表明, 采用优化后 DE 算法 反演未爆弹位置参数和特征响应与常规 DE 算法反演得到的结果基本相同, 定位误差在6 cm 之内, 计算用时为 常规 DE 算法的 1. 4% 。

为使数字地质科学方向本科生能熟练掌握地质建模、 模拟与可视化的基本过程, 鉴于 Blender 软件平台建模与设计方面的便捷操作及本身开源的属性, 利用 True-Terrain 等辅助插件, 开展了针对数字地质科学方向本科生的地质演化过程等模型构建以及动态模拟教学, 并让学生亲自动手完成全部过程, 以更直观地了解地球数亿年的演化过程。 实验效果表明, 该方式不仅能加深学生对数字地质科学专业知识的掌握程度, 更好地理解地质演化过程等基本知识点, 而且对于丰富传统的地质教学方式, 培养学生的专业素养都具有十分积极的作用。

针对抽油机故障数据不足、 样本分布不均衡的问题, 提出一种基于自注意力机制的条件深度卷积生成对抗 网络(CDCGAN: Conditional Deep Convolutional Generative Adversarial Networks)模型。 该模型在 CDCGAN 的基础上 引入自注意力机制, 并在损失函数中加入约束生成图像分布的正则项, 提高了生成图像的质量和多样性, 有效地 防止了模式崩溃的发生。 采用 AlexnetVGG16 等网络对生成的抽油机故障样本进行分类测试, 实验结果表明, 改进网络的生成数据质量更高, 能够有效平衡抽油机故障数据,进一步提升了抽油机故障诊断的准确率。

针对在对分布式、 多维数据流频繁模式挖掘算法研究时, 没有删除多维数据流中的非频繁项集, 存在平均处理时间长的问题, 提出分布式多维数据流频繁模式挖掘算法。 该方法根据人工神经网络特点, 建立了人工神经网络模型, 并对多维数据流训练, 以达到提升挖掘效率的目的; 并基于训练结果构造数据流频繁模式信息树, 即频繁模式树(FR-tree: Frequent Pattern tree)。 由于 FR-tree 中存在较多过期的多维数据流, 所以需要对 FR-tree 剪枝, 并删除非频繁项集, 从而加快频繁模式计算速度, 并采用分布式挖掘算法对全局 FR-tree挖掘, 从中取得多维数据流的频繁项集完全集, 实现分布式多维数据流频繁模式的挖掘。 通过对该方法的平均处理时间测试, 验证了该方法的实用性。

为准确检测出系统的故障信号, 保障系统安全稳定运行, 通过搭建故障检测滤波器的方法, 研究了带有 时变时滞的中立系统的H_∞故障检测问题。 选取时滞相关的Lyapunov函数使故障检测系统渐近稳定并满足H_∞ 性能准则, 同时运用线性矩阵不等式(LMI: Linear Matrix Inequality)技术将故障检测滤波器的设计问题转化为LMI的凸优化问题。 最后将该方法应用于双级溶解槽系统, 仿真结果证明, 所提方法能快速准确地检测出系统 故障, 与时滞无关的Lyapunov函数相比, 该方法可以降低系统设计的保守性。

针对稀疏码多址接入(SCMA: Spare Code Multiple Access)下行链路系统中经典的资源分配、 子载波平均
功率分配、 基于最大通信容量和最大系统能效功率分配方案中系统总能效和容量不兼顾问题, 提出了一种下行
链路中基于比例因子控制的混合 SCMA 功率分配方案。 其将系统的容量和能耗都作为主要方向进行优化,
通过插入比例因子使系统能灵活调整倾向性。 由于该问题是一个非凸优化问题, 首先通过丁克尔巴赫理论
(GDA: Generalized Dinkelbach's Algorithm)将其转化为一个凸优化问题, 然后选取合理的拉格朗日值采用 KKT
(Karush-Kuhn-Tucker)条件对模型进行迭代求解, 最后通过调节比例因子使系统的能效及容量达到最优。 理论
计算分析和仿真结果表明, 所提出的混合规律分配方案能有效提升下行链路系统的容量和能效。

针对目前快递终端取件模式, 尤其是例如高校等人口密集, 包裹流量大的区域, 仍存在取件效率低、 人工成本较高等问题, 提出了一种新型无人快递终端模式。 该模式以 STM32 单片机作为控制系统, 通过机械装置进行无人情况下的自动化取件, 并设计制作了该终端模型机。 经实验验证, 该快递终端模式提高了取件效率, 同时降低了驿站工作人员的劳动强度, 符合预期功能及要求。

针对石窟寺岩体裂隙发育缓慢、 影响因素多样化, 难以对裂隙发育情况进行预测的问题, 提出了一种新 的基于深度学习的岩体裂隙发育预测网络(FDPNet: Fracture Development Prediction Network), 即并行自注意力 机制混合网络。 FDPNet通过局部卷积模块和全局循环模块对序列数据的时间相关性进行建模, 使模型能准确 捕捉到不同时间尺度的时间模式。 同时通过引入自注意力机制对多元时序数据中不同序列之间复杂的依赖 关系进行建模。 在此基础上, 利用传统的自回归模型进一步提高模型的鲁棒性。 此外, 以Q市北石窟寺32号 窟6个月的裂隙发育相关因素监测数据构建了国内外首个该领域的数据集。 在该数据集上进行的对比实验 结果表明, 该模型在石窟寺岩体裂隙发育预测场景下具有更好的性能表现。

为解决当前存在的风险预警误差大、 精确度和稳定性低的问题, 提出了基于离群点检测的电网项目关键节点预警算法。 采用离群节点预警衡量指标, 计算静态离群节点和离群节点任务重要度指标。 利用层次分析法和熵权法, 结合多指标融合加权, 提取关键离群节点特征, 完成关键节点识别。 使用 K-means 聚类电网关键节点 预警过程, 将电网关键节点的融合权值特征, 代入离群点检测系统中分析数据输出结果, 获取聚类最优值, 实现电网项目关键节点预警。 实验结果表明, 所提方法的风险预警稳定性和精确度较高, 能有效减小风险预警误差。

为进一步揭示目前人脸识别领域的核心国家、 机构、 学科、 研究热点与前沿, 运用 CiteSpace 可视化分析 软件, 对全球人脸识别领域检索到共 15 494 篇文献中选取的 10 000 篇文献, 从国家、 学科、 研究机构、 热点 关键词等角度进行可视化处理并从技术与应用两个维度分析。 得出结论: 口罩遮挡条件下的人脸识别技术的 应用、 K-SVD(K-Singular Value Decomposition) 算法判别性改进以及人脸识别技术融合方面仍存在问题亟待 解决。 结合三维图像识别、 注重测试集特征、 与多学科融合可一定程度解决当前问题。

针对传统数字多媒体信息的加密采用方式单一数学领域知识, 存在加密算法易泄露、 易破解、 安全级别 低等问题, 提出了基于大数据分析的数字多媒体信息加密方法。 该方法采用以云端与加密硬件相结合的加密 方式, 将数字多媒体信息加密算法写入云端数据库, 用户使用加密硬件进行身份绑定, 创建隔离的信息交互空 间, 完成数字多媒体信息加密。 通过实验结果可知, 基于大数据分析的数字多媒体信息加密方法降低理论加密 文件的破解率, 具有信息加密效果好, 安全系数高, 实用性强等优点。

针对非结构化大数据边缘安全性较差, 存储效果受限的问题, 提出基于边缘计算的非结构化大数据动态 安全存储算法。 有效分析和识别非结构化大数据, 利用构建的数据敏感级别识别模型确立非结构化大数据敏 感度等级并加密。 基于边缘计算及云计算, 建立云边协同架构, 利用该架构编写的分布式压缩感知鄄同时正交 匹配追踪(DCS-SOMP: Distributed Compressed Sensing-Simultaneous Orthogonal Matching Pursuit)算法对加密数据 进行压缩采集, 以此降低数据存储量, 最终将非结构化加密数据上传至云边协同框架各个边缘, 实现非结构化 大数据动态安全存储。 经存储量、 元数据占比、 加密耗时和带宽消耗测试实验, 结果表明该算法鲁棒性较高, 能保证实际应用性。

针对电机滚动轴承信号特征人工提取困难、故障分类效果差的问题,利用传统GoogLeNet模型单元与稠密连接思想结合,提出一种改良的GoogLeNet卷积神经网络结构。将提出的改良模型应用于电机滚动轴承的故障诊断试验,对原数据分组处理并贴上标签后,直接输入到改良模型中进行训练,最后将测试集输入到训练好的模型中,测试其分类准确率。由于诊断过程不需要进行人工特征提取,从而避免了人工提取故障特征时的困难和带来的误差,大大简化了故障识别过程,证明了改良GoogLeNet模型在故障诊断中的可行性。将提出的模型与传统GoogLeNet模型和其他典型模型做对比,结果表明,改良GoogLeNet卷积神经网络模型具有精确度高、特征提取能力强、收敛速度快、表现稳定的特点。

为有效解决现有人脸妆容迁移方法训练数据缺乏, 以及上妆区域错误等问题, 提出了一种基于生成对抗 网络的人脸妆容自动迁移方法。 方法通过构建生成对抗网络目标函数, 采用 Encoder-Decoder 神经网络生成对抗网络生成器, 并基于多层卷积神经网络构建鉴别器, 训练算法采用交替优化的方式。 仿真实验和方法比对结果表明, 该方法在保持素颜妆后图像脸部结构不变的同时, 尽可能地体现了参考妆容风格, 得到了更协调的上妆效果, 具有更佳的对比优势和视觉效果, 为人脸妆容自动迁移技术提供了新思路。

 为探究影像组学方法诊断乳腺病灶良恶性的能力, 比较磁共振(MR: Magnetic Resonance) 影像组学与 传统MR 诊断在良恶性乳腺疾病鉴别中的效能。 回顾分析 2019 年 1 月-2022 年 1 月在吉林大学第一医院放射科 进行乳腺 MR 平扫及增强检查的患者, 收集病理结果证实为良性或恶性的乳腺病灶共 190 例。 MR 影像组学 方法通过建立逻辑回归模型实现诊断; 传统 MR 诊断由一名副高级职称的影像科医生完成。 结果显示测试集 MR 影像组学模型的灵敏度 0. 92, 特异度 0. 83, 曲线下面积(AUC: Area Under Curve)为 0. 92, 以上数值均高于 传统 MR 诊断的对应值, 且差异具有统计学意义(P = 0. 00)。 MR 影像组学的方法可以辅助诊断乳腺病灶的 良恶性, 且诊断效能优于传统 MR 诊断模式。

为解决传统通信原理实验箱在对信号处理和检测方面存在的不足, 需要利用仿真对实验现象进行更全面 的展示, 而 Simulink 和 LabVIEW 等软件只能对数字通信系统进行仿真。 为此, 采用 Multisim 实现了对脉冲 幅度调制(PAM: Pulse Amplitude Modulation)编译码、 频移键控(FSK: Frequency Shift Keying)调制解调和相移 键控(PSK: Phase Shift Keying)调制解调等模拟通信系统的元器件级电路仿真。 通过仿真, 直观地展示了抽样 定理、 锁相环和科斯塔斯环的内在工作机理, 并深入分析了 FSK 解调过程中可能出现的两种失真的机理。 

为解决未爆弹尺寸、 深度和倾角对其特征化准确性的影响问题, 基于便携式瞬变电磁系统, 利用偶极子 模型与差分进化算法, 以标定的未爆弹电磁特性为参考设计对比实验。 实验结果表明, 对倾角为 0毅的目标, 特征响应更多集中在目标头部, 结果比标定值小; 而倾角为 90毅时, 特征响应是目标各部分特征响应的总和。 由于各部分与系统距离不同, 导致反演特征响应大于标定值, 因此特征响应随着倾角增大而增大; 深度越大, 偶极子模型的适用度越高, 特征响应越接近标定值, 不同倾角下的反演结果一致性越好; 目标尺寸越大, 特征 响应幅度就越大, 但目标受倾角变化的影响越大, 而小尺寸目标各个角度特征响应的一致性更好, 与标定结果 更吻合。 综上, 尺寸、 深度和倾角等因素导致特征响应的结果有误差, 但总体不影响基于偶极子模型对目标 进行分类。

针对眼底稀有病症图像标注样本少, 难以满足深度网络训练需求, 提出了融合先验分布的多表征(MFPD: Multi-representation Fused with Prior Distributions)眼底稀有病症识别模型。在预训练模型的基础上进行 微调得到嵌入模型, 获取特征嵌入先验分布。 将嵌入特征映射到不同空间, 以不同视角提取图像特征, 并在交叉熵损失的基础上, 加入散度损失, 增加不同视角特征的差异性, 高效利用稀有病症图像信息, 以减小样本量较少对模型的影响。采用 OPHDIAT(Ophtalmologie-Diabˋete-Te′le′me′decine)眼底图像数据集, 将该方法与其他 方法进行对比, 实验结果证明了该方法的有效性。 

针对目前规划体系中存在的各部门规划自成体系、 内容冲突、 缺乏衔接等问题, 基于对空间规划体系的 梳理, 提出了一种“一个市县、 一本规划、 一张蓝图”的规划理念, 实现多种规划统一协调管理。 首先对目前 空间规划进行描述, 分析存在的问题, 然后提出多规合一的解决思路, 对多种规划数据进行冲突检测, 管理规 划数据, 形成规划一张图, 直观展示规划数据, 以图形为基础联合不同部门进行协同审批, 最终保证项目成功 实施。 本系统的实施解决了县级规划管理部门之间的业务矛盾, 实现“多规合一”的目标。

为解决隧道侧壁给交通流带来的压迫以及阻滞效应, 造成隧道交通流偏离车道, 运行速度下降或发生 碰撞的问题, 对隧道侧壁效应下的交通流运行特性与隧道断面优化间的关系进行了研究。 首先分析了隧道 侧壁效应对交通流的影响, 其次结合流体力学知识对隧道交通流粘滞特性理论建模, 最后分别分析了车道 宽度、交通流密度与粘滞系数的关系, 以及交通流速度、 侧壁间距与粘滞力的关系, 并以单向多车道隧道为例 进行了交通流常规粘滞力标定。 实验结果直观表达了交通流粘滞系数与车道宽度和交通流密度的关系以及 交通流粘滞力与侧壁间距和交通流速度的关系, 可作为单向三车道隧道断面优化的理论基础。

为解决高性能集群监控管理中, 系统异常监测受时间、 地点限制, 集群管理员无法及时发现集群异常 从而影响集群系统正常运行等问题, 利用企业微信的开放功能和消息传送机制, 结合 Linux(GNU/ Linux)操作 系统集群监控管理方法, 开发了适合中小型集群的简单易用, 并极易扩展的集群监控管理系统, 实现了手机端 预警信息呈现功能。 阐述了系统需求、 系统框架和功能设计、 技术框架和数据流, 以及系统部署与开发实现的 具体过程。 目前系统已开发完毕, 应用于吉林大学原子与分子物理研究所的日常集群管理中。 集群管理员和 用户可以在不登录集群节点的情况下, 通过手机端 APP(Application)监控到集群系统的软硬件性能和作业完成 状态, 便于及时进行后续处理工作。 尤其在疫情期间, 居家办公, 集群访问不便捷的情况下, 该功能的实施 辅助了吉林大学原子与分子物理研究所科研工作的高效进行。

为了对区块链技术现有的应用进行总结, 并对未来区块链技术的应用进行展望和设想, 对区块链应用的 发展历程及工作原理进行阐述, 分析区块链的发展应用场景, 主要对区块链技术的重点应用场景进行概括展 望, 包括教育、 医疗、 食品、 物联网、 社会救助和精准扶贫六大领域, 期望对区块链的应用体系建设提供帮助。

当前对配电网重构的研究多数针对于中小型网络, 而对大型网络的研究较少, 为此, 提出了一种优化的GA(Genetic Algorithm)算法应用于大型配电网络重构中, 对其基因操作过程进行优化。引入精英策略, 最大程度保留父代最优个体的遗传信息, 在变异的过程中再次引入“局部变异冶, 产生的子代种群更具多样性。 对重构的目标函数引入关联系数, 简化计算复杂度。 将该算法应用于 IEEE118节点算例, 重构后线损及电压降落程度与蒙特卡洛模拟法所得结果相对比, 实验结果表明, 该算法明显更优, 并证明了该算法在大型配电网重构的可行性和有效性。

针对目前隧道照明控制常采用分段控制方式, 存在过度照明、浪费电力的问题, 为降低隧道照明能耗, 在 LED(Light Emitting Diode)灯具以及无极控制的基础上, 依据人眼视觉特性以及交通流状态参数, 进行隧道 照明设计, 并在车辆达到驶离数据的基础上, 从行车安全性与节能两方面考虑, 采用“车进灯亮, 车走灯灭冶的 控制策略设计了灯具启灭控制方法。 经实验验证, 所设计的隧道照明连续逐渐变化, 更适应于人眼的视觉 特性, 且该方法可依据交通流数据对隧道灯具进行合理的启灭控制, 在保证隧道行车安全的同时降低能耗。

针对管道信号特征提取困难, 从而影响分类精度的问题, 提出了一种将信号处理和智能算法相结合的 管道信号检测方法。 首先, 利用 CEEMDAN ( Complete Ensemble Empirical Mode Decomposition with Adaptive Noise)对信号分解, 对分解获得的固有模态( IMFs: Intrinsic Mode Functions)使用相关系数法获取有效的模态 分量并进行信号重构; 其次, 计算重构信号的 Lempel-Ziv 复杂度和裕度作为特征参数; 最后, 将获取的特征 参数输入到海鸥优化算法( SOA: Seagull Optimization Algorithm) 优化后的极限学习机(ELM: Extreme Learning Machine)进行分类, 并用实验室数据进行验证。 实验结果表明, 与常规极限学习机(ELM)和遗传算法优化后的 极限学习机 GA-ELM(Extreme Learning Machine Optimized by Genetic Algorithm) 相比, SOA-ELM 模型能有效的 识别管道信号类型, 且具有较高的识别率和较快的诊断速度。

传统推荐算法缺少对图结构的隐含信息及上下文信息的利用, 从而可能降低推荐效果。 为提高传统推荐 算法的推荐效果, 提出基于图神经网络的推荐模型。 该模型基于图的高阶连通性理论, 使用图神经网络挖掘 用户-物品二部图中的隐含信息, 并由一阶扩展到多阶, 从而获取更精确的嵌入式表示和推荐效果; 在更新过 程中考虑上下文信息, 有利于理解上下文间的交互关系。 并将该模型在 Yelp-OS、Yelp-NC 和 Amazon-book 数据 集上进行实验, 实验结果表明, 在 HR(Hit Ratio)和 NDCG(Normalized Discounted Cumulative Gain)指标上均优于 相关对比算法, 证明该算法可优化推荐效果, 提升推荐质量。

由于雷达通信网络覆盖范围逐渐加大, 接入用户数量剧增, 终端准入风险扩大, 而雷达通信终端是阻挡不良用户接入的关键设备之一, 为此, 提出基于电子签名技术的雷达通信终端安全准入控制算法。 搭建雷达通信终端安全准入控制框架, 应用 CA 认证技术认证待进入雷达通信终端用户的身份信息, 并将用户认证信息存储于雷达通信终端数据库。 利用电子签名技术制作用户个人电子签名, 通过 SIFT( Scale Invariant Feature Transform)匹配算法匹配电子签名, 判定待接入雷达通信终端用户电子签名认证信息是否安全, 从而实现了雷达通信终端安全准入的控制。 实验结果表明, 应用提出算法获得的雷达通信终端安全率及其安全准入效率数值较大, 雷达通信终端安全准入控制效果更佳。

在电磁探测过程中, 感应场和极化场并存, 如果不考虑介质的极化效应, 成像结果存在明显误差, 为此, 基于 平 面 波 理 论 和 广 义 诱 导 极 化 有 效 介 质 理 论 GEMTIP ( Generalized Effective-Medium Theory of Induced Polarization)模型, 在频域上推导了 GEMTIP 模型的广义趋肤深度公式。 通过与经典趋肤深度的比较, 验证了 GEMTIP 模型的广义趋肤深度的准确性。 GEMTIP 模型的广义趋肤深度计算主要与电阻率及体积分数有关。 采取BP(Back Propagation)神经网络反演方法进行参数提取, 通过构建合理的数据样本集, 使训练误差达到 精度要求, 得到输入输出数据之间的映射关系。 讨论了几种典型的三层地质模型结构, 在考虑极化效应时, 验证GEMTIP 模型的广义趋肤深度公式提高了地下极化介质的识别精度。

为解决钻井可控因素之间由于复杂的耦合关系造成模型拟合效果不佳的问题, 提出了一种基于模糊神经 网络的机械钻速预测模型, 应用模糊控制的思想解决参数耦合问题并进行预测。 利用聚类算法将相似度高的 数据划分为一个模糊集, 作为模糊神经网络第 2 层的初始化参数。 以某油田为背景进行仿真, 结果表明模糊神经 网络提取出的经验知识符合该油田钻井可控参数之间的耦合关系, 且适用于该地区大部分钻井作业, 证明该模型 具有良好的预测能力, 并验证了模型的可行性以及适用性, 这对提高钻井效率, 节约成本具有重要意义。

为解决依靠保密人员对文件的密级进行人工标注, 其准确性依赖相关人员的业务素质, 容易造成标密不 准的问题, 建立一种基于Transformer模型的企业文件密级分类系统。 该系统能自动提取文本密级信息的特征 表达, 对企业秘密文件做出智能辅助定密的决策。 在国网吉林省电力有限公司内部核心商密文件、 普通商密 文件和非秘密文件构建的数据集上对提出的模型进行了实验验证, 准确率为97. 37% , 召回率为98. 67% , 表明 模型达到了较高的识别效果, 因此该系统能有效防止秘密文件的泄露

针对铁路制冷机用永磁同步电动机矢量控制系统调速精度低、 动态响应速度慢以及控制器参数选取繁琐
的问题, 利用细菌觅食算法实现传统的转速环控制器和电流环控制器的优化。 将细菌觅食算法与引力搜索机
制相结合形成 GS-BF(Gravitational Search-Bacterial Foraging)算法, 从而增强细菌个体游动操作的目标性, 加快
游动效率, 使细菌觅食算法具有更好的全局最优解搜索能力且有效加快算法的收敛速度。 利用 Matlab 验证
GS-BF算法的优越性, 仿真结果表明优化后的 PID(Proportional Integral Derivative)控制器具有更小的超调、 更快
的响应速度; 矢量控制系统的静态误差和动态响应速度均得到有效改善。 该方法具有使用的普遍性, 也适用于
其他电动机的调速系统。

针对 O 型密封圈表面细微缺陷检测困难的问题, 提出了一种基于6 光度立体法和图像综合特征分析的密 封圈缺陷检测方法。 首先采集 6 个不同光源角度的图片, 利用光度立体法重构表面梯度图和反射率图。 然后 将表面梯度图先转化为平均曲率和高斯曲率图像, 再转化为灰度图并使用固定阈值分割出缺陷区域。 将反射 率图经高斯滤波后, 采用局部的均值和方差阈值分割缺陷区域。 最后, 对得到的缺陷区域连通域特征分析并准 确选择出缺陷。 实验测试结果表明, 该方法对密封圈表面存在熔痕、 凹凸、 流痕等细微缺陷有较好的效果。 在 所设计的密封圈质量检测系统的应用中, 检测准确度大于 98. 4% , 能解决目前工业中存在的密封圈缺陷检测 识别率不高的问题。

在深度强化学习算法中, 近端策略优化算法 PPO( Proximal Policy Optimization) 在许多实验任务中表现优异, 但具有自适应 KL(Kullback-Leibler) 散度的 KL-PPO 由于其不对称性而影响了 KL-PPO 策略更新效率,为此, 提出了一种基于相关熵诱导度量的近端策略优化算法 CIM-PPO (Correntropy Induced Metric-PPO)。 该算法具有对称性更适合表征新旧策略的差异, 能准确地进行策略更新, 进而改善不对称性带来的影响。 通过OpenAI gym 实验测试表明, 相比于主流近端策略优化算法 Clip-PPO 和 KL-PPO 算法均能获得高于 50% 以上的奖励, 收敛速度在不同环境均有 500 ~ 1 100 回合左右的加快, 同时也具有良好的鲁棒性。

针对配电房主要依赖传统的人工巡检方式, 存在巡检成本高、 故障隐患误报漏报率较高等问题, 基于知识图谱和智能认知技术, 提出了配电站房运检业务知识库及高级应用的理论和技术, 深入研究了知识共享管理、 智能搜索和推荐、 数据标签及故障智能推理, 建立了配电站房知识库并在山西电网进行了示范应用。利用研究成果构建了配电站房智能运检业务知识库, 并开展了智慧应用研究, 实现了故障隐患智能分析等知识赋能, 减小了巡检成本, 提高了智能运检能力。

为及早准确识别水稻叶部慢性型、急性型、褐点型和白点型4种类型稻瘟病,将稀疏自动编码器和交换粒子群优化支持向量机( SPSO-SVM: Switching Particle Swarm Optimization Support Vector Machine)相结合,构建了一个深度神经网络。相较于其他算法,当神经网络输入的图像数量很多时,自动编码器可提取出原图片中最具代表性的信息,缩减输入中的信息量,再将缩减过后的信息放入神经网络中学习,降低了学习难度、减少了学习时间。首先依靠稀疏自动编码器编码、解码重构输入数据,对稻瘟病叶斑进行分层特征学习,并在自动编码器上加入稀疏性条件约束,对隐含层进行压缩,进而学习到更高层的隐含特征。其次应用交换粒子群优化的支持向量机对水稻稻瘟病类型识别。实验采用公开的Kaggle水稻病害图像数据库及实际采集的水稻稻瘟病图像作为数据集,每类选取350幅图像组成样本,并将每幅图像归一化为4096维向量。从样本集中随机选取80%作为训练集,剩余20%作为测试集。通过10重交叉验证,测试集平均识别准确率达95.7%。实验结果表明,该方法能有效地从病斑特征中识别出水稻叶部稻瘟病早期病害,对水稻稻瘟病的早期预防有重要意义。

为解决数字签名方案中的强前向安全问题, 分析了一类基于椭圆曲线的前向安全数字签名方案, 结果表明该方案不具备后向安全的性质。 引入双私钥演化的方法, 提出了一种具有强前向安全的椭圆曲线数字签名方案。 安全性分析表明, 改进方案具有强前向安全性和抗伪造性, 同时满足后向安全的要求。

为保证微电网经济可靠运行的同时, 减少对环境的污染， 提出了一种综合考虑微电网的运行成本和环境 污染等因素的微电网优化调度模型。 通过自适应权重法为不同的适应度函数分配权重, 把多目标问题转化成 单目标问题, 采用改进的海鸥算法寻找最优的配置方案。 实验结果表明, 经过改进的海鸥算法具有很好的全局 寻优能力和求解精度, 收敛速度相比于标准算法也有一定的提高, 在对微电网经济调度问题的求解上具有一定 的优势, 既降低了微电网的运行成本, 又减少了环境的污染, 提高了微电网运行的可靠性。 

针对海洋资源勘探受限于采集技术和环境的限制, 以及 OBC(Ocean Bottom Cable)记录通常含有大量 随机噪声, 对有效反射信息的辨识带来不利影响, 提出了基于序列能量分布的平稳性检验方法, 并利用多椎体 法对 OBC 随机噪声的功率谱特性和平稳性进行了分析研究。 使用南海某地采集的 OBC 实际噪声资料作为分析 数据集。 研究结果表明 OBC 随机噪声是一种色噪声序列和弱非平稳时间序列, 噪声能量主要集中于低频部分。 同时结合海洋勘探环境特点, 论证了结论合理性, 这对 OBC 随机噪声特性的基础研究具有一定的实际意义和 应用前景。

为解决新型冠状病毒肺炎(COVID-19: Corona Virus Disease 2019)计算机辅助诊断相关问题, 建立双线性 卷积神经网络模型, 选取 VGG(VGG: Visual Geometry Groupnetwork)16 与 VGG19 网络作为特征提取子网络, 将 算法应用于新冠图像分类, 并与基本图像分类算法进行对比。 计算结果和病灶可视化分析表明, 与其他深度 学习网络模型相比, 双线性卷积神经网络模型具有更高的精度, 准确度高达 95. 19% 。 通过替换原始分类层, 采用支持向量机分类器, 模型分类准确度进一步提高至 96. 78% 。 研究结果证实了细粒度图像算法在新冠 CT 图像分类上的可行性, 为快速正确诊疗新冠肺炎提供了可靠的工具。

为有效评估红外气体传感系统的信息传递特性, 同时服务于“信息论冶 课程中对信息熵等基本概念的 教学需求, 促进教学与科研的充分融合, 将红外气体传感系统视为信道, 实际浓度视为输入信源,测量浓度视 为输出信源, 建立了红外气体传感系统的信息论模型, 给出了红外气体传感信息传递效率的分析方法。 首先, 针对波长调制光谱技术, 开展了激光调制、 气体吸收、 光电转换、 谐波提取等环节的功能仿真。 根据香农信息 论的相关原理, 给出了转移矩阵、 信源熵和互信息等数学表达式, 分析了传感系统的信息传递效率、 最小可 分辨浓度间隔等特性。 利用传感器长时间稳定性的实际测量结果, 研究了传感系统的信息传递效率、 最小可分 辨浓度间隔随系统积分时间的变化特性。 该传感信息度量方法, 既融合了信息论的基本知识, 又拓展了基于波 长调制光谱技术的红外气体传感系统的科研应用案例。 实际应用表明, 红外气体传感系统信息度量方法满足 信息论的实验教学需求以及波长调制光谱技术的科研需要, 取得了较好的教学与科研应用效果。

针对数据提取方法无法进行海量挖掘, 且挖掘结果不准确, 挖掘时间较长的问题, 提出一种基于数据挖掘算法的地域性强关联规则数据提取方法。 结合地域性强关联规则数据管理系统, 采集用户需求信息, 检索特征关联性, 收集地域特征。 利用数据关联度, 分析地域检索中地域特征间的关联, 计算相似标签信息参数,并对支持度和置信度实施计算, 从地域性强关联规则数据库中挖掘关联规则。 利用 Kulczynski 量度和不平衡率实施相关性分析和过滤, 最终获取到具有实际意义的强关联规则。 实验结果表明, 该方法挖掘效率较高, 且具有广泛的应用价值。

针对量子优化算法应用时, 优化控制方法的差异会造成优化算法收敛时间过长的问题, 提出非线性混沌网络系统的分散性能量子优化算法。 采用分段 Logistic 混沌映射方法, 获取量子初始化位置。 依托于适应度划分量子种群, 分别针对顶层和底层种群建立相应进化模式。 利用多个非线性连续时间子系统, 设计非线性混沌优化控制方法, 确定最佳控制方案。 最后, 引入早熟收敛判断机制得到最优解计算结果。 实验结果表明, 与传统方法相比, 所提优化算法收敛时间明显减少。

为解决跨区域科技资源共享和协同创新存在管理、 协同、 关联难等问题, 开展科技资源平台实践应用和理论研究并构建科技创新生态数字化展示系统。 首先构建科技创新要素的定义、 组成及指标体系, 提出以创新地图、 能力、 主体、 载体、 资源和环境为核心的数字化展示系统, 并以吉林省为例, 以指数法监测区域科技创新水平, 以文本挖掘法进行科技政策热点分析, 基于 Vue+Django+MySQL 技术架构进行系统的体系架构和功能设计, 最终实现区域内的科技数据创新生态数字化展示, 使系统具有数据共享、 数据关联、 决策支撑等智慧化服务功能。 应用实践表明, 该系统丰富了科技数据资源的可视化方式, 提升了科技创新生态的可视化程度, 提高了系统的高扩展性、 高效率和良好性能。

为解决科技资源“信息孤岛"问题, 以异构数据的深度整合应用分析为目标; 以多视角用户对科技资源的 应用需求为导向, 分析多源异构的科技资源的元数据特征, 采用关联聚合方法和知识组织工具进行异构数据 整合设计, 建立多种类型科技资源之间的关联整合; 以吉林省科技文献信息服务平台(简称“平台") 的科技 资源元数据进行应用实证, 最终实现了平台的多源异构数据的元数据仓储共享服务, 增强了科技资源的共享 服务程度和效果。

随着分布式电源的不断发展, 配电网中负荷也呈现多样化的趋势, 传统的配电网的无功调控策略和算法 已经不能满足现代配电网无功补偿的需求, 为此, 提出一种基于改进磷虾群算法的主动配电网动态无功优化策 略。 首先将无功优化过程分为日前调控与日内动态补偿两部分, 日前考虑离散型无功补偿设备的无功补偿 能力, 日内充分考虑风光出力及其他连续调节设备对系统进行补偿, 构建基于主动配电网的日前鄄日内多时间 尺度动态无功优化模型。 其次提出一种基于余弦控制因子和柯西因子的改进磷虾群算法对该模型进行求解。 最后通过修正的IEEE33节点系统的实验, 验证了该策略的可行性和有效性, 在保证主动配电网平稳运行的 同时, 实现经济效益最大化。

为探索 LED(Light Emitting Diode)驱动的方法, 以期提高 LED 输出亮度的稳定性, 针对其控制恒流输出 的问题提出了变频控制的 LLC 谐振变换器。 设计的 LLC 半桥型谐振变换器具有开关工作频率高、 掉电保持、 允许输入电压范围宽、 效率高、 重量轻、 体积小、 Electromagnetic Interference 噪声小和开关应力小等优点, 所以 其是 LED 恒流输出很好的拓扑选择。 采用变频控制方法, 结合 Power Simulation 软件进行了仿真分析, 仿真结 果表明, 变频控制的 LLC 谐振变换器具有良好的稳态性能和瞬态性能, 对工程应用具有实际意义。

为提高负荷预测结果的精度, 设计了一种基于改进的分形理论的短期负荷预测模型。 选取与实测日气象数据相似的日期作为基准日, 对其进行重标极差法分析, 从而确定其具有分形的特征, 根据分形插值区间计算迭代压缩因子和确定迭代函数系统(IFS: Iterative Function System)建立实测日的分形插值函数, 通过移动平均函数对数据进行处理, 利用最小二乘法(OLS: Ordinary Least Square)建立数据拟合方程, 将时间数据带入拟合方程中计算预测数据。 经过仿真对比实验, 改进后的比改进前的预测模型预测的负荷数据平均绝对百分比误差(MAPE: Mean Absolute Percentage Error)下降了 0. 26, 证明了改进分形理论的短期电力负荷预测模型可以 有效提高负荷预测结果的准确性。

针对约束多目标优化算法(COA: Constrained Optimization Algorithms)中存在的难以有效兼顾收敛性和多 样性的问题, 提出了采用协同进化策略的多目标优化算法(CoMaC)。 首先, 将一个 COA 转化为一个带动态约 束处理的多目标进化算法。 然后采用差分进化(DE: Differential Evolution)生成第 1 种群, 并将其中的已知可行 解选入第 2 种群, 并与第 1 种群协同进化。 第 1 种群通过保持原约束条件的全局搜索加快收敛。 第 2 种群通过 局部搜索进化, 保持并获得更多可行解。 最后采用标准约束多目标测试函数进行实验, 以测试所提出算法的性 能。 实验结果表明, 与使用惩罚函数处理约束问题( PF: Penalty Function) 和使用动态处理约束边界方法 (DCMaOP: Dynamic Constrained Many Objective optimization Problem) 相比, 所提算法在反向世代距离( IGD: Inverted Generational Distance)和超体积(HV: Hypervolume)两个指标上均取得了良好的结果, 说明所提算法可 以有效地兼顾收敛性和多样性。

针对传统卷积神经网络模块体积庞大、 运算量高, 在体积较小、 资源有限的嵌入式平台上运行效果不好, 以及现有轻量化模块无法满足测量速度和测试精确度要求的问题, 为此选择目前的主流目标识别算法 Yolo v4 进行模型轻量化, 在 Yolo v4 模型中引入 Mobilenet 网络和深度可分离模块进行研究。 研究结果表明, 改进后不 同 Mobilenet 网络的 Yolo v4 模型检测一张图片的用时均比原始 Yolo v4 模型减少 19 ms 以上, 准确率都高于 92% 。 其中以 Mobilenet v3 为主干特征提取网络的改进 Yolo v4 模型的准确率为 95. 12% , 与原始 Yolo v4 模型 准确率相比提高 2. 99% , 但该模型的参数量约为 Yolo v4 模型的 1 / 6, 模型处理一张巡检图片用时比原 Yolo v4 模型减少 20 ms。 绝缘子作为输电线路的重要组成部分, 在众多图像中更快地识别出绝缘子能为之后分析输电 线路的运行情况提供帮助。

 为满足“新工科”背景下科研与教学融合的课程建设需求, 设计了一套基于 Python 的多维度、 层次化的 综合实验平台。 平台以专业人才培养方案为导向, 在图像识别、 机器学习及数据分析 3 个科研热点方向, 设计 了多维的实验教学内容。 图像识别实验从文字识别入门, 进而通过多种方式实现人脸和车牌识别。 机器学习 实验基于 Python 的机器学习算法实现, 并应用于玉米病害识别。 数据分析实验将 Python 处理 Excel 数据应用于 计算工作量和生物信息数据分析中。 学生在实验中可以根据专业需求和科研方向选择不同的实验项目, 从而 实现因材施教的培养目标。 将实验平台应用于教学实践中表明, 学生对 Python 在图像识别、 机器学习以及 数据分析的编程实现有了更深入的了解, 提升了科研兴趣, 从而实现将科研融入教学, 提高本科生教学质量的 目标。

针对当前方法对配电网运检故障进行定位时, 未考虑对故障电流进行判断, 导致故障定位和检测效果 差、 故障定位精度低的问题, 提出基于拓扑解耦的配网运检故障定位算法。 根据等效解耦的配电网拓扑结构 原理, 基于配电网拓扑邻接矩阵, 将配电网等效解耦的若干树干网进行组合, 并在每个树干网中加入FTU (Feeder Terminal Unit)馈线终端设备, 对加入FTU的配电网单树枝支路进行分割。 采用基尔霍夫电流定律对 故障线路进行计算, 判断单树枝支路中的故障电流方向, 依据判断结果, 利用故障区间判断矩阵, 定位配电网 运检故障。 实验结果表明, 该方法的故障测距与实际测距误差小、故障节点检测个数多、误检次数少, 其故障 定位和检测效果较好, 可有效提高故障定位精度。

针对彩色图像安全性差、 加密效率缓慢等问题, 设计一种基于混沌映射的空域彩色图像复合加密算法。 构建深度残差网络, 在残差单元块内添加跳跃连接, 创建含噪图像的非线性映射, 将激活函数移动到卷积层, 加快网络收敛速率的同时实现图像去噪目标; 对图像采取小波变换操作, 分析图像空域特征, 利用多普勒波对 图像的高、 低频系数进行像素置乱, 利用扩散操作计算图像对称点近邻区域, 将待扩散像素点根据零均值归一 化互相关分数排列组合, 令混沌序列与图像具备充足耦合关联, 强化图像安全性能; 在 Logistic 混沌映射中 引入映射参数, 调节映射变量随机值, 计算混沌系统序列概率分布函数, 完成彩色图像复合加密。 仿真结果证 明, 所提方法能有效消除彩色图像像素特征信息, 加密效果良好, 可行性强。

为提高自动控制相关课程的实验教学水平, 研制出一套四容水箱液位控制装置。 该装置选用工业上常用 的硬件设备, 软件部分设计了 Matlab / GUI(Graphical User Interface)操作界面, 可允许在 Matlab 中直接编程实现 对系统的控制。 建立了四容水箱系统的数学模型, 并利用阶跃响应法辨识系统的模型参数。 针对四容水箱 系统设计了分散内模控制器, 仿真环节采用 Matlab / Simulink 完成, 实现了四容水箱系统液位的跟踪控制。 实验 结果表明, 采用内模控制器的四容水箱系统, 当其中一个水箱的水位发生变化时, 对其他水箱的水位影响很 小, 系统具有满意的控制效果。 在自控等相关课程中, 该装置可以作为一种新的实验设备, 并具有较好的实验 教学效果。

针对传统单幅图像超分辨率重建算法未能充分利用浅层特征信息, 忽略视觉目标中的空间结构信息,难以捕捉特征通道与高频特征信息之间的依赖关系, 重建图像出现伪影、 边缘模糊的问题, 提出一种基于残差网络和注意力机制的图像超分辨率重建算法。 该模型特征提取部分结合 WDSR-B( Wider Activation Super-Resolution B)残差网络增强特征信息在网络中的流通, 通过坐标注意力机制对特征参数加权, 引导网络更好地重建高频特征, 恢复图像细节。 实验结果表明, 4 倍图像重建下, 在 Set5 和 Set14 测试集上的峰值信噪比(PSNR: Peak Signal to Noise Ratio)为 31. 00 dB、28. 96 dB, 结构相似性( SSIM: Structural Similarity) 为 0. 893、0. 854, 重建后的图像在细节、 轮廓方面均表现更好, 优于其他主流超分辨率重建算法。

针对如何降低循环取货车辆路径问题(VRP: Vehicle Routing Problem)中的运输成本, 提出一种离散海鸥算法。 首先, 在海鸥迁移过程中, 采用 insert、 reverse 操作更新海鸥位置加快算法寻优速度; 其次, 在海鸥攻击过程中, 采用 swap、 3-opt操作更新海鸥位置提升算法局部搜索能力; 最后, 结合模拟退火算法避免算法在运行过程中陷入局部最优, 重新定义了在离散的车辆路径问题下的更新策略。 以总成本最低为目标函数, 构建相应的数学模型。 实验结果表明, 该算法具有高效解决循环取货车辆路径问题的能力, 寻优效果及求解质量均高于标准海鸥优化算法、 粒子群算法、 模拟退火算法、 灰狼优化算法、 鲸鱼算法和飞蛾扑火算法。

 针对经过拼接合成等篡改操作的图像被压缩后, 难以检测出篡改证据的问题, 提出了一种基于摄像机标定的压缩图像拼接合成检测方法。该方法首先分析压缩图像的成像规律, 将空间变换矩阵作为检测证据;然后基于摄像机标定参数, 估计单应矩阵; 最后基于摄像机外部参数, 通过旋转图像的空间变换矩阵, 确定图像的真实性, 完成拼接合成压缩图像的检测。实验结果证明, 该方法可以检测出经过拼接合成篡改的图像,检测精度为75%。

为了能及时检测出高压电力线路在供电过程中发生的局部放电现象, 提出了一种用于局部放电现象检测的多尺度全卷积时序深度学习模型。 其以从高压电力线路中收集的电力信号数据为基础, 使用多尺度全卷积时序模型进行训练, 并可根据训练得到的模型, 对未来的连续信号进行监视, 检测其是否产生了局部放电现象。 实验结果表明, 该模型在所用数据集上具有较好的精确度。

针对目前采用的方法对三维人体运动图像进行检测时, 无法准确获取图像中的目标区域, 导致算法存在检测完整度低、 检测准确率低、 误检率高和检测效率低的问题, 提出基于自适应投影的三维人体运动图像智能检测算法。 首先构建背景粗提取模型, 利用该模型提取三维人体运动图像的背景区域, 获取图像的人体运动目标区域; 其次采用自适应投影方法提取目标区域的特征, 在支持向量机的基础上构建最优分类函数, 将目标区域特征输入到最优分类函数中, 完成三维人体运动图像的智能检测。 实验结果表明, 所提算法的检测完整度高、 检测准确率高、 误检率低、 检测效率高。

针对传统的车牌识别算法对夜间车辆识别效果差, 准确率低等问题, 提出了一种基于改进光条纹去糊的 暗光环境下识别方法。 该算法引入了一个线性模糊模型估计模糊核的约束, 能更准确地估计模糊核和去模糊 图像, 改进后的图像具有更好的对比度和清晰度。 对车牌数据集的测试结果表明, 该方法能识别低光照度环境 下的车牌, 并在增强图像的同时较好地抑制噪声的干扰, 平均核相似度和峰值信噪比明显优于其他常规算法, 去糊前后的识别率模糊程度提高了 22. 6% 以上。

针对遥感光伏图像分辨率高、 环境噪声较大以及背景复杂等问题, 提出了一种改进 Yolov5 目标检测模 型, 以实现对光伏电厂的定位。 首先, 在主干特征提取网络的卷积层中添加 CA(Coordinate Attention)坐标注意 力机制提高网络特征的学习能力; 其次, 将 Ghostconv 网络结构加入到 Backbone 中, 用 Ghostconv 网络模块替换 Conv 网络模块; 设计新的 GhostC3 网络代替原来的 C3 网络模块, 提高模型的学习效率; 最后, 将损失函数由 GIoU_Loss 函数改为 SIoU_Loss 函数。 实验结果表明, 相比原 Yolov5 方法, 改进算法的平均精度均值 mAP、 精准率和召回率分别达到了 97. 5% 、98. 9% 和 94. 9% , 提升了 1. 8% 、1. 7% 和 5. 8% , 验证了该算法对光伏检测 具有很好的效果。

为解决评估过程中评估指标体系权重分配不合理和空战数据不确定的问题, 提出基于博弈论和区间云模型进行非完备空战决策效能评估的研究方法。 针对空战攻防决策, 构建评估指标体系, 基于博弈论合理调整主客观权重获得指标的综合权重值。 然后, 对评估中出现的随机性和模糊性问题, 研究区间云模型方法, 通过区间云发生器确定非完备空战决策效能优劣。 最后, 通过仿真验证了所提方法的可行性和有效性, 为解决非完备信息下的空战决策效能评估问题提供了技术支撑。

为解决训练过程中需要句子级标签的问题, 提出一种基于深度强化学习的无标签抽取式摘要生成 方法, 将文本摘要转化为 Q-learning 问题, 并利用 DQN( Deep Q-Network) 学习 Q 函数。 为有效表示文档, 利用BERT(Bidirectional Encoder Representations from Transformers)作为句子编码器, Transformer 作为文档编码 器。 解码器充分考虑了句子的信息富集度、 显著性、 位置重要性以及其与当前摘要之间的冗余程度等重要性 等信息。 该方法在抽取摘要时不需要句子级标签, 可显著减少标注工作量。 实验结果表明, 该方法在 CNN (Cable News Network) / DailyMail 数据集上取得了最高的 Rouge-L(38. 35) 以及可比较的 Rouge-1 (42. 07) 和 Rouge-2 (18. 32) 。

针对目前方法对配电网电力系统进行负荷预测时, 由于未能在电力负荷预测前对电力数据进行缺失值插 补处理, 导致该方法存在预测精度差、时间长以及性能差的问题, 提出一种基于DE-ELM(Differential Evolution-Extreme Learning Machine)算法的配电网电力系统负荷预测研究方法。 首先依据小波变换对电力数据进行去噪 处理, 根据去噪结果完成电力数据缺失值的插补, 获取完整的电力数据集; 再将数据集分成训练集与测试集 两部分, 将全局寻优引入极限学习机, 采用 DE-ELM算法对训练集进行计算, 依据结果建立网络模型; 最后将 测试集放入构建的模型中进行训练, 基于输出结果实现配电网电力系统的负荷预测。 实验结果表明, 运用该 方法进行配电网电力系统负荷预测时, 预测精度高、时长短、性能好。

针对变分模态分解(VMD: Variational Mode Decomposition)难以选取预设尺度 K 和其分解后难以区分有效 模态和噪声模态的问题, 提出了一种由豪斯多夫距离(HD: Hausdorff Distance)确定 K 和肯德尔相关系数(KT: Kendall ‘s Tau)确定有效模态的联合准则方法(VMD-HD-KT), 并将其应用于天然气管道泄漏信号去噪。 首先, 计算 K= 2 ~ 8 h 最后一个模态与原始信号的 HD, 通过评估 HD 确定 K, 然后输入 K 值进行 VMD 分解, 将原始 信号分解成 K 个具有不同特征时间尺度的固有模态函数( IMF: Intrinsic Mode Functions), 选取 KKT大于 0. 1 的 IMF 作为有效模态, 最后进行信号重构。 实验结果表明, VMD-HD-KT 算法可以准确选取 K 值和有效模态, 对 仿真信号和管道泄漏信号有较好的去噪效果。

针对电网运行中能量调度不佳的问题, 首先基于需求侧响应不确定性特点, 引入非经济因素以及消费心 理学特征, 建立需求侧响应模型; 其次使用拉丁超立方抽样(LHS: Latin Hypercube Sampling)改善初始种群质 量, 引入正弦因子提高局部搜索能力, 并实行变异操作优化全局搜索精度, 以解决麻雀算法( SSA: Sparrow Search Algorithm)的早熟等问题; 最后需求侧响应以电网运行成本和环境成本最小为目标建立主动配电网优化 调度模型, 并使用改进的麻雀算法进行求解。 仿真结果验证了提出模型的准确性, 算法的高效性, 有效解决了 能量调度不佳的问题。

针对当前调度算法调度电力系统中的海量数据时, 存在调度效率低、稳定性差的问题, 设计了一种基于灰色模糊预测的海量电力数据自动调度算法。 考虑电力系统任务调度实时性和可靠性, 制定电力任务调度策略。将调度任务的分析选择截止期与价值作为特征参数, 计算负载率衡量服务节点的实际负载情况, 完成电力系统的负载均衡分配。 运用灰色模糊预测算法对电力数据进行调度, 根据递进函数对单个存在的存储块未来趋势进行预测, 再结合任务的优先级, 实现海量电力数据的自动调度。实验结果表明, 所提算法能在短时间内使所有任务协同调度、 资源合理分配, 并保证数据平台处于稳定状态, 提高了数据调度效率, 增强了调度稳定性。

针对数据库信息隐私易受到非法攻击, 安全性较低且储存空间较少的问题, 提出基于混沌映射的数据库信息隐私加密储存算法。 通过扰动 Logistic 混沌映射控制参量生成混沌序列, 将该序列与其他系统生成的混沌序列混合产生新的混沌序列, 然后通过动态编码算法进行非线性变换。 将输出序列作为数据库明文密钥加密明文, 构建用于数据库加密信息查询索引字段并通过哈希函数压缩, 与加密信息共同储存于数据库中, 实现可查询的混沌映射数据库信息隐私加密储存。 实验结果表明, 采用所提方法能缩短加、 解密用时, 减少空间占用, 降低算法能耗。

偶子图覆盖问题是图论研究领域的的重要内容之一, 为研究最小偶子图覆盖猜想, 利用整数流与偶子图覆盖的联系, 借助于整数 4-流在图的某个圈中扩充的结论, 给出并证明了无桥图的最小偶子图覆盖的一个新的上界, 改进了范更华给出的结论。

 针对经典的深度学习方法在多步长预测精度不高问题, 提出一种基于双注意力序列到序列的短期负荷预 测模型。 通过自注意力机制有效提取影响负荷数据的隐藏相关因素, 使模型能更好地发现负荷数据之间的规 律, 自适应地学习了负荷数据之间的相关特征, 时间注意力机制捕获与时间相关的时序特征。 经 2 个实际负荷 数据实验, 仿真结果表明, 在( t+12) 预测情况下, 模型评价指标 MAPE( Mean Absolute Percentage Error) 为 2. 09% , 较 LSTM(Long Short-Term Memory)模型损失下降 56. 69% 。 验证了模型的正确性和可行性, 模型较线 性回归、 LSTM 模型和 Seq2Seq (Sequence to Sequence)模型的预测效果更好。

针对当前已有算法未能计算语义相似度, 导致检测结果不理想的问题, 提出一种面向大学英语教学的 作文主题偏离自动检测算法。 在大学英语教学环境下, 以分布式和结构化两种语义空间为基础, 组建语义表示 模型, 在英语单词以及短语中, 得到语义相似度。 通过 LDA(Latent Dirichlet Allocation)模型对全部文档进训练, 同时对文档中各个主体和特征词进行概率加权求和, 根据设定的合理阈值检测出偏离主体的作文。 仿真实验 结果表明, 所提算法能获取高精度的作文主题偏离自动检测结果。

针对传统故障诊断模型存在参数量多、 尺寸大、 抗噪性差的问题, 提出一种基于多尺度深度可分离卷积神经网络(MSDS-CNN: Multi-Scale Depth Separable Convolutional Neural Network) 的轴承故障诊断方法。 利用不同尺度的深度可分离卷积对输入信号进行并行处理, 在获得多尺度信息的同时并保证模型的轻量性。 添加Dropout 层以提高模型的抗干扰能力, 使用全局平均池化层替换全连接层以减小模型参数量。 试验结果表明,该方法诊断准确率高达 99. 6% , 与其他方法相比识别准确率高; 模型参数量更少、尺寸更小, 更轻量化; 在噪声干扰下也具有较好的诊断精度。

为探索多孔材料在孔径尺度下的相关性质, 充分了解材料内部孔隙结构, 采用深度学习的方法近似多孔 材料的真实概率分布, 并利用随机数进行三维重建。 首先, 对已有的二值图像进行分割以获得大小合适、 数量 充足的数据集。 然后, 将 WGAN(Wasserstein Generative Adversarial Networks)改造成能处理三维数据的生成对抗 模型, 并利用生成模型和服从高斯正态分布的随机噪声生成数据。 最后, 通过生成数据和真实数据对 WGAN 进行训练。 通过生成图像计算两点相关函数、 Minkowski 泛函和渗透率, 考察孔隙率、 比表面积与函数曲线的 拟合情况等相关参数, 并采用不同数据集进行测试。 结果表明, 基于 WGAN 的三维重建模型在不同的输入 条件下均具有较高准确性, 同时该算法还具有低时间复杂度的特性, 而且生成模型可以存储, 并能得到重 复利用。

针对视频人体运动目标跟踪过程中遮挡导致跟踪能力下降的问题, 提出考虑遮挡因素的视频人体运动目 标自适应跟踪算法。 采用区域生长和视觉阈值效应相结合算法粗检测目标, 以粗检测结果为基础通过 Kalman 滤波器和 Meanshift 跟踪算法跟踪视频人体运动目标。 在目标尺度改变、 旋转以及光线变化等情况导致跟踪效 果不佳时引入 SIFT(Scale Invariant Feature Transform)算法提高跟踪能力, 实现抗遮挡的视频人体运动目标自适 应跟踪。 实验结果表明, 该方法的跟踪精确度较高, 在遮挡程度为 0. 5 时, 跟踪成功率仍可以达到 75% 左右, 且平均跟踪帧率为 28. 9 frame / s, 实时性较强。

动态模糊逻辑程序设计语言的独特优势在于可以处理动态模糊数据, 但现存的编译器很难有效解析动态模糊数据。 针对此问题, 通过扩展监督命令程序结构, 引入对动态模糊性的形式化描述, 设计一种新型的动态模糊逻辑程序设计语言编译器。 通过实例验证, 该编译器能正确解析动态模糊数据, 降低了动态模糊逻辑程序调试难度, 提高了动态模糊逻辑程序开发效率。

剔除重复数据是保证网络高效运行不可缺少的步骤, 但该过程易受信号强度、 网络装置、 路由器性能等 问题的干扰。 为此, 提出基于最小哈希的网络单信道重复数据剔除算法。 首先利用哈希算法中的散列函数对 网络单信道数据实行聚类处理, 然后采用带有监督判别的投影算法对聚类后的数据进行降维处理, 最后采用代 数签名预估数据, 保证数据之间的计算开销最小, 再构造最小哈希树生成校验值, 在更新去重标签的同时, 通过双层剔除机制完全剔除单信道中的重复数据。 实验结果表明, 该算法的执行时间短, 且计算和存储开 销较小。

针对三维闪电探测仪大规模组网后, 接收和解算的定位数据大幅增加, 国内缺少专用于三维闪电数据 监测显示与处理制作方面的软件, 使用 B/ S(Browser/ Server) 架构结合 ArcGIS 地理信息平台, Oracle、 SQLite 数据库等技术方法, 开发了三维闪电数据图形显示系统。 利用状态数据接收与解析入库、 探测仪实时状态统计 等功能模块设计出状态监控子系统; 利用定位数据实时统计、 历史查询、 三维显示等功能模块设计出实时显示 子系统, 联合具有数据服务产品生成功能的产品制作子系统组成图形显示系统, 以国家三维闪电探测网为实际 应用背景验证系统功能和运行状况。 结果表明, 三维闪电数据图形显示系统直观友好、 监控及时、 功能齐备、 产品丰富, 是雷电科研领域的有益工具。

针对多传感器分布式接收中的弱信号检测与调制识别稳健性不足的问题, 提出了一种基于深度学习的联合处理算法。 该方法采用分布式软信息融合处理策略, 将信号检测与调制识别综合为一个多元假设检验问题, 借助深度神经网络优异的函数逼近能力, 在对网络结构、 目标函数和网络输入输出进行分析基础上,给出了基于深度神经网络的联合后验概率求解及分类判决方法。 通过仿真实验对所提方法性能进行了验证,结果表明, 该方法能实现多个传感器信号有效融合, 并且随着接收单元数目增加, 分类准确率明显提升; 与现有基于等权值合并的置信度融合方法相比, 该方法性能更优, 且在低信噪比、 短数据和接收单元数目较多时优势体现更加明显。

为实现数字图像的高精度应用, 降低外界光线对视觉成像的影响, 提出一种基于变分贝叶斯的视觉散焦 光图像快速盲复原算法。 通过梯度和卷积处理, 计算视觉散焦光图像后验概率期望, 利用 Sobolev 空间函数分 布方法提取最优初始图像和散焦光模糊函数先验概率。 以变分贝叶斯的近似分布思想, 无限逼近实际的后验 概率; 使用相对熵计算多个分布间距离, 最大程度贴近真实值; 将最小损耗代价函数输入双边滤波器内, 即以 近似清晰图像为指导图, 剔除剩余高频噪声, 得到最优图像盲复原结果。 实验结果表明, 所提算法盲复原后 图像对比度高, 边缘细节清晰, 复原速度快, 具有极高的应用价值。

针对并发频谱接入模型下的认知物联网(C-IoT: Cognitive Internet of Things)系统中的干扰管理问题, 提出一种基于遗传算法(GA: Genetic Algorithm)的 C-IoT 功率自适应部分干扰转向(PIS: Partial Interference Steering)算法。 该算法能在同时保证主用户(PU: Primary User)和认知用户(CU: Cognitive User)服务质量的前提下提高系统的频谱效率。 仿真结果表明, 该算法能在寻求系统最优频谱效率时快速收敛, 求出此时 PU 和 CU 期望信号的最佳发射功率。 在主发射机、 PU 和 CU 相对位置确定的场景下, 根据用户的平均违反约束程度 D_{cv_ave},能求解出可接入授权频谱认知发射机的最佳空间分布区域。

为精准控制金融风险, 降低风险损失, 提出一种基于小波分析与非参数估计的金融风险审慎评估方法。 建立基于纳入概率分布的风险评估模型, 通过两种纳入概率分布族, 直观展现金融风险系数; 设计基于小波分析与非参数估计的参变量厘定方法, 明确金融风险的形势趋向, 并运用非参数估计得到风险的概率分布结果, 获取金融风险的损失数值, 为审慎评估提供重要参数依据; 采用蒙特卡洛算法求解, 计算稳定分布抽样点的蒙特卡洛积分, 提升审慎评估效率和资金利用率。 仿真实验结果表明, 该模型可有效对金融风险进行精准控制, 将风险损失降到最低, 可大幅度增强金融风险审慎评估力度。 

为增强病人隐私信息安全系数, 降低数据泄露风险, 在考虑隐私重要程度前提下, 提出一种基于混沌细 胞神经网络和小波变换的海量医疗信息分级加密算法。 利用分词匹配度和权值匹配度计算医疗信息词语重复 率, 剔除海量信息中相似数据, 降低后续信息加密工作量。 使用医疗重要性、 访问次数、 数据大小等分级评估 数据隐私重要度, 通过数据属性区分医疗文字信息与图像信息。 运用细胞神经网络的混沌特征, 将原始医疗 信息转换为参数矩阵。 运用 Logistic 映射得到密钥混沌序列, 输出一次加密后的医疗文字信息, 使用小波变换 时域分析图像信号达到二次加密, 融合二次加密结果完成医疗信息分级加密。 实验结果证明, 所提算法具有 加密效果好、 执行速率快、 安全系数高等优势, 是面向医疗信息安全储存的适宜方案。

针对原始局部保持投影(LPP: Local Preserving Projection)算法难以准确获取非均匀高维数据的局部流形 结构且未利用样本类别信息的缺陷, 提出一种多信息融合的局部保持投影算法(MIF-LPP: Multi-Information Fusion Local Preserving Projection)。 该算法使用改进后的标准欧氏距离获取样本的近邻和互邻信息, 降低了 样本点分布不均和不同维度数据量纲差异的影响。 通过融合样本的类别信息构造权值矩阵, 进而获得数据的 低维本质流形。 最后, 分别在 CWRU(Case Western Reserve University) 数据集和本实验室轴承数据集上验证 该算法的有效性。 实验结果表明, MIF-LPP 算法的特征提取性能明显优于其他算法, 并且对邻域值具 有鲁棒性。

针对 AlGaN(Aluminum Gallium Nitride)基深紫外 LED(Light Emitting Diode)发光效率低、 工作偏压较大的 问题, 设计了一种带有 n ⁺ -GaN/ Al _{0. 4}Ga_{0. 6}N/ p ⁺ -GaN 隧道结的氮极性 AlGaN 基深紫外 LED 器件结构。 该结构由 n-Al _{0. 65}Ga_{0. 35}N 电子提供层、 Al _{0. 65} Ga_{0. 35} N/ Al _{0. 5} Ga_{0. 5} N 多量子阱、 组分渐变 p-Al _xGa1_-xN 和 n ⁺ -GaN/ Al _{0. 4}Ga_{0. 6}N/ p ⁺ -GaN 隧道结构成。 研究结果表明, 相比于无隧道结的参考 LED, 隧道结 LED 具有更高的内量子效率和 光输出功率, 同时其具有更低的开启电压。 隧道结 LED 光电特性的改善, 归因于隧道结的引入提升了 LED 的 空穴注入效率, 提高了 LED 器件的电流扩展能力。 通过模拟软件对半导体器件载流子输运、 光电特性的模拟, 有助于加深对半导体器件物理特性的理解。 若在“半导体器件物理”学习课程加入对半导体器件模拟软件的 学习, 能有效提升学生对半导体器件物理知识的理解和探索。

为解决异构数据孤岛之间难以开展安全机器学习的问题, 提出了一种异构数据孤岛之间的联邦学习通信 方式, 实现了横向和纵向混合的联邦学习通信, 突破了传统联邦学习横向和纵向参与方之间模型结构不统一的 通信壁垒。 基于政府、 银行等机构的特殊性隐私需求, 在混合联邦学习模型的基础上进一步去除了第三方聚合 器, 计算只在参与方之间进行, 大大提高了本地数据的隐私安全性。 同时针对上述模型中纵向同态加密为通信 过程带来的计算速度瓶颈问题, 通过增加本地迭代轮次 q 将纵向联邦学习的加密时间缩短了 10 倍以上, 降低 了横向参与方与纵向参与方间的计算瓶颈, 并且精度损失不超过 5% 。

为提高多帧平面图像的高清度和质量, 提出基于视觉传达的多帧平面图像纹理细节增强算法。 根据边缘 网络(EdgeNet)算法消除多帧平面图像的噪声干扰, 同时强化图像边缘信息, 使用色彩映射方程补充图像色彩 信息, 完成色彩校正, 保证视觉传达中色彩的准确率, 利用高斯模糊算法提取图像高频信息, 通过插值处理 得到超分辨率多帧平面图像, 经过加窗运算合成超分辨率多帧平面图像, 完成多帧平面图像的纹理增强。 实验 结果表明, 采用所提算法的图像纹理细节增强处理的图像更高清、 图像质量更佳。 

为更好地解决配电网重构时存在的搜索范围大、 收敛速度慢等问题, 建立以降低网络总有功损耗和均衡 负荷为目标的配电网重构模型, 提出一种基于改进黏菌算法的配电网重构策略。 首先针对具有复杂拓扑结构 的配电网络, 将 Prim 算法与连续支路交换算法相结合消除不可行解, 以此作为黏菌算法的初始种群; 其次针对 黏菌算法收敛速度差、 容易陷入局部最优等问题, 设置搜索阈值和高斯扰动以提高收敛速度, 引入折射反向 学习策略跳出局部最优解。 仿真算例结果表明, 所提出的配电网重构策略对复杂配电网可以有效减少线路 有功损耗、 提高电压水平以及均衡负载, 同时具有较高的准确性和较短的迭代时间。

电力所需物资种类繁多且物资价格的波动受到多种因素的影响, 为预测当下价格走势, 建立电缆价格 预测模型, 为电网公司提供招标底价的依据与合理采购意见, 对收集得到的物资价格, 利用动态时间规整方法 确定物资的不含税单价滞后于原材料价格的时间, 从而确定不含税单价、 原材料价格、 经济指标间的对应 关系。 影响物资价格变化的因素很多, 利用皮尔逊系数和随机森林两种方法筛选得到关键特征。 根据选定的 关键特征和数据分别建立 AdaBoost、 XGBoost(Extreme Gradient Boosting)、 随机森林 3 种模型对物资价格进行预 测。 利用预测评价指标平均绝对百分比误差(MAPE: Mean Absolute Percentage Error)评估预测效果, 结果表明 利用随机森林筛选关键特征配合 XGBoost 模型进行预测的准确率最高。

针对扩频通信网络跳频信号时差估计结果误差过高, 导致信号定位追踪能力下降, 多领域内信号传播停滞的问题, 为增强扩频通信网络跳频信号的传播效率, 提高辐射源跟踪和定位系统的信号探测能力, 提出基于分数阶傅立叶变换(FRFT: Fractional Fourier Transform)与盲分离的扩频通信网络跳频信号时差估计算法的方法。 采用盲分离方法获取满足跳频信号时差估计条件的两条信道, 即平坦衰落信道和频率选择性衰落信道,利用 FRFT 估计两条信道特征, 分别将平坦衰落信道特征和频率选择性衰落信道特征与最大似然块检测算法结合, 实现扩频通信网络跳频信号的时差估计。 实验结果表明, 该方法无论是在正常环境中, 还是在噪声干扰环境中, 其均方根误差均处于较低水平、 估计成功率均处于较高水平。

为使信号在不失真的情况下降低共模噪声的干扰, 提高激光自混合光栅干涉信号的信噪比, 提出了一种 基于差分技术的激光自混合光栅干涉位移测量方法。 +1 级衍射光被振动物体反射后返回激光腔, 发生自混合 干涉,并由封装在激光器内的光电探测器 PD1 接收, 0 级衍射光由外置 PD2 接收。 根据半导体激光器前后向 输出存在 180毅相位差的原理, 两光束所携带的自混合干涉信号相位相反,而叠加的噪声是部分相关的, 因此对 两个干涉信号进行差分能消除部分噪声。 通过对差分后的自混合信号处理, 可以重构出位移。 实验结果表明, 差分后的重构振动波形的平均误差更小, 信号更平稳, 且差分后的干涉信号的信噪比提高 3 dB 以上。

为解决人体解剖结构复杂, 存在较大个体差异, 教科书上有限的二维解剖图像常使学生难以理解及在 学习过程中存在学习目的不清晰、 方法不科学、 效率低下、 效果不佳等问题, 提出基于影像三维可视化技术的 临床解剖教学模式, 并对近年基于三维可视化技术的临床教学成果进行总结, 指出三维可视化技术临床教学 模式的可行性及优越性。 最后对可视化临床教学模式的拓展内容与发展思路进行了论证, 探讨了基于影像 可视化技术的临床解剖案例库建设应用于可视化教学模式的可能性。

 由于目前的材料识别方法 X 射线技术依赖专用设备传输高频信号且放射性强, 超声波技术设备笨重且 携带不便, 基于射频技术主要依赖成本较高的 RFID(Radio Frequency Identification Devices)设备。 因此, 为满足 日常家居和办公场景使用, 提出基于 WiFi(Wireless Fidelity)实现材料识别的 MateFi 系统, 同时建立一个新的 理论模型, 能更具体地描述电磁波在穿透不同材料时的衰减状态。 进而, 利用该理论模型结合材料本身特征与 机器学习技术, 搭建了鲁棒性更强、 精确性更高的材料识别系统。 针对 MateFi 系统在真实场景下的性能, 进行 了测试和验证。 实验结果表明, MateFi 可以识别出木板、 纸板、 镍、 薄木片、 铁、 钛 6 种不同的材料, 平均识别 准确率可到达 96. 70% , 说明该系统具有精准的材料识别性能。

在电力系统中, 线损是电能损耗比较常见的一种能量损失, 因此, 分析配电网线损产生的原因, 并对其 进行理论计算, 对降低能耗显得尤为重要。 分析了线损产生的基本原因, 同时对计算线损的常用方法进行简单 分析。 在诸多方法中, 针对等值电阻法具有适用于运行中配电网电能耗损计算的特点, 对等值电阻法的原理, 应用条件等进行分析, 将等值电阻法应用于 10 kV 配电线路的线损计算中。 利用算例结果和实际对比, 从实用 性角度出发, 分析该方法在实际中的应用性。 结果表明, 等值电阻法误差较小, 其结果对建立线损的评估指标 具有一定的参考意义。

为解决校园不同信息、 应用系统间不能互通互联、 共享数据等问题, 利用数据整合技术将多源教育数据 进行融合, 搭建一套多源异构教育大数据挖掘与应用平台。 该平台利用人工智能模型的输出以及多源异构 教育大数据挖掘引擎的输入, 基于大数据挖掘技术对学生档案、 教学资源和社交行为等多源信息进行分析 处理, 实现教学体征诊断、 学习状态智能对比、 教学影响因素分析、 潜在问题挖掘、 教学质量趋势预测等功能。 为科学提升校园个性化教学服务质量, 客观评价教学个体及团队教学水平, 辅助分析教学个体及团队长板、 短板, 科学指导决策者管理教学体系提供有力支撑。

 针对传统语言模型不能解决深层双向表征和分类模型不能充分捕获文本显著特征的问题, 提出了一种基 于 BERT-BiGRU-CNN( Bidirectional Encoder Representation from Transformers-Bidirectional Gating Recurrent Unit- Convolutional Neural Networks)的文本分类模型。 首先, 该模型使用 BERT 预训练语言模型进行文本表示; 其次, 将 BERT 的输出数据输入 BiGRU 中, 以捕获文本的全局语义信息; 然后, 将 BiGRU 层的结果输入 CNN 中, 捕获文本局部语义特征; 最后, 将特征向量输入 Softmax 层得到分类结果。 实验采用中文新闻文本标题数据集, 结果表明, 基于 BERT-BiGRU-CNN 的文本分类模型在数据集上的 F1 值达到 0. 948 5, 优于其他基线模型, 证明 了 BERT-BiGRU-CNN 模型可提升短文本的分类性能。

针对网络欺骗攻击检测过程中易受信号强度、 监控配置和路由器性能等干扰问题, 提出了基于深度学习 算法的校园监控网络欺骗攻击检测方法。 利用深度学习网络中的自编码器对校园监控网络流量数据进行降维 处理, 使用自编码器构成的栈示编码器对降维后的流量数据实行特征提取, 并将提取的特征输入置信度神经 网络中, 根据输出的置信度数值与固定阈值相比较判断网络欺骗攻击的类型, 完成校园监控网络欺骗攻击的 检测。 实验结果表明, 该方法的检测时间短、 检出率高、 误报率低。

由于抽油机故障诊断因故障种类繁多且系统复杂而导致识别准确率低, 增加了故障诊断难度, 因此根据SVM(Support Vector Machine)工作原理, 应用蚁群算法并用其调整 SVM 的惩罚系数以及核函数参数, 为避免蚁群算法陷入局部最优解, 通过引入懒蚂蚁策略, 在蚁群算法停滞后利用懒蚂蚁再次更新信息素从而使蚁群获取新的路径。 为进一步降低蚁群算法出现局部最优解的问题并提高蚁群算法普通蚂蚁个体在寻优初期的搜索速度, 通过利用混沌初始化和扰动优化懒蚂蚁使其具有更好的全局寻优特性。 并利用抽油机井的测试数据作为检验该故障诊断系统的样本数据, 实验结果表明, 该故障诊断系统具有较高的故障识别准确率。

针对目前超密集异构网络数据存储方法存储速率过慢, 导致存储量较小, 难以满足人们的要求, 提出了 基于移动边缘计算的超密集异构网络数据存储方法。 构建基于移动边缘的网络结构模式, 采用网络结构层次 分析法, 对超密集异构网络建立相应的选择层次模型, 并根据网络数据收集和处理将其分类为数据收集网络和 数据处理网络, 最后, 利用移动边缘计算技术, 将写入的网络数据下沉到网络边缘, 实现超密集异构网络数据 的持久存储。 实验结果表明, 基于移动边缘计算的超密集异构网络数据存储方法能有效提高存储速率, 扩 大存储量。

针对油气物联网中无效能量消耗和网络寿命短等问题, 提出了一种新的数据筛选和融合算法。 该算法 通过分析数据与正常数据的偏离程度自适应地判断数据的异常程度, 对数据进行簇内筛选和簇间融合, 避免了 网络信息的冗余以及能量的过度消耗。 实验结果表明, 与传统方案相比, 该方案能有效改善油气物联网的通信 质量和能耗效率。

为提高卫星星座网络受到攻击后的抗毁性及工作能力, 提出了一种模拟退火狼群算法。 该算法利用主客 观权重法结合综合逼近理想排序法(TOPSIS: Technique for Order Preference by Similarity to Ideal Solution)对网络 中的节点进行重要度评估, 并按照节点重要度排序依次攻击。 以网络连通度与网络连通效率为优化目标, 卫星 星座网络通信限制为约束条件, 采用运动算子的思想实现狼群自适应步长的游走、 召唤和围攻。 使用通过优化 得出的加边方案对网络结构进行优化。 实验表明, 与其他优化算法相比, 该算法具有优越性, 解决了卫星星座 网络在受到攻击后工作能力下降的问题, 提高了其受到攻击后的抗毁性。

针对入侵检测数据集存在类别不平衡问题, 提出了系统化数据预处理与混合采样相结合的网络入侵检测 算法。 根据入侵检测数据集的特征分布, 对特征值进行系统化处理。 首先对 Proto、Service 和 State 3 个类别 特征, 合并每类特征中样本数较少的取值, 以降低独热编码的维度; 然后依据数值分布将其中 18 个极端分布 的数值特征进行对数处理后再执行 Z-score 标准化。 设计了 Nearmiss-1 欠采样与 SMOTE(Synthetic Minority Over- sampling Technique)过采样相结合的类别不平衡处理技术, 将训练集中每类样本按照 Proto、Service 和 State 类别 特征分成子类, 对每个子类进行等比例欠采样或过采样。 建立了入侵检测模型 PSSNS-RF(Nearmiss and SMOTE based on Proto, Service, State-Random Forest), 在 UNSW-NB15 数据集上的多分类检出率达到 97. 02% , 解决了 数据不平衡问题, 显著提高了少数类的检出率。

由于已有算法未能对电力数据进行聚类处理, 导致查全率下降, 为此, 提出一种变负荷模式下电力多级冗余数据精细化校验算法。 在变负荷模式下, 通过电力信号的稀疏特性, 将变换系数线性投影到低维观测向量, 求解稀疏最优化高概率, 完成数据采集。 采用遗传聚类优化算法对采集的电力数据进行聚类划分。 根据聚类结果, 引入层次分析法获取不同数据之间的关联关系, 构建电力多级冗余数据精细化校验准则, 并通过其完成数据校验。 实验结果表明, 所提算法能有效降低校验用时和额外存储开销, 增加查全率和校验结果的准确性。

针对传统测距方法不考虑线路参数变化情况造成故障定位不准确的问题, 采用双端不同步的测距方法, 并利用 Huber 抗差估计优化总体最小二乘法, 解决了最小二乘法对线路参数估计过程中由于粗差存在造成的 线路参数估计不准确的问题, 从而提高了线路故障测距的准确度。 通过 Matlab 仿真验证了该方法较传统测距 方法线路参数估计准确度和故障测距精度更高, 且测距结果不受故障位置和故障类型的影响。

为有效减少网络安全事件造成的损失, 并对高风险网络资产进行漏洞评估, 提出了一种基于量子粒子群 轻量级梯度升降算法(QPSO-LightGBM: Quantum Particle Swarm Optimization-Light Gradient Boosting Machine)的 多分类预测模型。 该模型通过对少量过采样技术(MOTE: Minority Oversampling)进行合成从而达到数据平衡, 采用量子粒子群算法(QPSO: Quantum Particle Swarm Optimization) 实现参数的自动最优化, 并使用 LightGBM 进行建模, 进而实现网络资产的多分类预测。 为验证模型的有效性, 将所提模型与其他算法模型进行了比对, 实验结果表明, 该模型在各类预测性能指标上都取得了较好的效果。 

为减小复杂多变的电磁环境对车辆的影响, 利用三维电磁场仿真软件 CST ( Computer Simulation Technology)在车辆发动机舱建立线缆模型, 研究不同因素对车辆电磁耦合效应的影响。 通过仿真得到线缆长 度、 线缆距车底高度、 线缆相对距离、 线缆终端电阻、 导体半径、 绝缘层厚度等参数变化下, 线缆感应电压和 感应电流的峰值绘制关系曲线。 这些结论可以为车辆线束设计提供理论指导, 并为电磁防护设计中对于线缆 导体半径选择、 线缆相对距离、 离地高度、 线缆长度等提供依据。

针对商用 SnO2 水分散液易发生颗粒团聚的问题和提升 SnO2 薄膜电学和表面性能的需求, 提出了一种 利用小分子螯合剂对 SnO2 进行优化的策略。 该策略选用低成本的螯合剂柠檬酸钠(SC: Sodium Citrate)对 SnO2 传输层进行掺杂, 制备的器件结构为 ITO/ SnO2 +SC/ FA1-xMAxPbI3 / Spiro-OMeTAD/ Au 的 PSCs。 在引入浓度经过 优化的 SC 后, PSCs 的开路电压和填充因子最高可达 1. 135 V 和 78. 23% , 能量转换效率为21. 53% , 与未引入 SC 的器件相比获得了明显提升。 对薄膜和器件进行表征后发现, SC 的掺杂可提升 SnO2 薄膜的电学和表面性 能, 进而改善了钙钛矿的结晶。 对集成的器件进行表征发现缺陷密度降低, 载流子复合引起的电压和填充因子 损失减少, 电荷传输的效率得到明显改善。

为减轻电力工作人员的巡检负担, 实现变电站智能巡检, 对变电站设备缺陷检测算法进行了研究。 首先, 利用数据增强方法对有限的初始数据集进行扩充, 利用多种图像处理方法增加数据集的复杂度, 生成 考虑复杂光照环境的数据集; 然后, 采用自适应空间特征融合(ASFF: Adaptively Spatial Feature Fusion)的方法 缓解特征金字塔中不同尺度特征的不一致性问题, 并引入 Focal 损失函数作为置信度损失函数以缓解正负样本 不平衡的问题, 利用改进的 YOLOX-s(You Only Look Once X-s)网络模型设计了变电站缺陷检测算法; 最后, 将改进的YOLOX-s 网络模型与其他深度学习算法的检测效果进行对比, 实验结果表明, 改进的 YOLOX-s 网络 模型的综合检测效果较好, 准确性和实时性均可以满足变电站设备缺陷检测任务。 

针对抽油机井示功图故障诊断问题, 提出基于轻型卷积神经网络, 并引入注意力机制, 以提高在参数量、 计算量减少的情况下的网络诊断性能。 网络基础结构采用 MobileNet-V2, 并将 ECA(Efficient Channel Attention Module)模块嵌入 MobileNet-V2 的倒残差模块中。 倒残差模块中, ECA 对特征图从通道维度, 将生成的通道注 意力重标定权重与输入特征图进行相应通道相乘, 最后获取经过注意力加权处理的特征图。 基于提出的方法, 在保证模型诊断准确性的前提下, 降低了网络模型结构的复杂性。 实验结果表明, 改进后的 MobileNet-V2 的 诊断准确率达到 97. 60% , 满足油田实际生产需求。 

为解决传统有线混合网络数据传输丢包率高、 链路延迟长、 利用率低的问题, 提出一种有线混合网络数据传输拥塞优化控制方法。 以单向延迟和可用带宽的检测结果为基础, 采用马尔可夫模型预测有线混合网络传输的拥塞状态, 将资源消耗和链路利用率作为优化控制的目标, 在有线混合网络数据传输拥塞优化控制目标选择的路径符合要求下, 根据其状态建立目标函数, 完成优化控制。 实验结果表明, 该方法数据传输的丢包率小于 4% , 链路延时控制在 0. 05 s 内, 且其有线混合网络数据传输丢包率低, 链路延迟短、利用率高。

为高效率地生成概念, 提出一种基于增量更新内涵的概念生成算法 IUICG( Incremental Updating Intension based Concepts Generation)。 首先将背景中的属性逐个设定为任务属性, 以任务属性将概念搜索空间划分为先行概念集合和新增概念集合, 提高了搜索效率。 其次提出了概念操作规则, 其中外延过滤规则避免了无效外延对概念空间的搜索, 内涵更新规则和新增概念规则提升了概念生成速度。 实验结果表明, 在不同类型的数据集上, IUICG算法的时间性能都优于对比算法。 在对象数量远大于属性数量的数据集上, IUICG 算法具有接近线性的时间复杂度。

由于在医院网络异常信息入侵意图预测过程中, 没有对医院网络数据降维处理, 导致预测时间较长、 预测准确率较低, 为此提出基于改进 RBF(Radical Basis Function)模型的医院网络异常信息入侵意图预测算法。 通过相关性分析去除医院网络数据冗余并排序, 采用 RBF 多层神经网络对排序后的数据属性进行选择, 完成 医院网络数据降维处理; 根据数据预处理结果, 构建贝叶斯攻击图, 获取网络潜在入侵攻击路径; 在该路径中 计算警报关联强度, 提取入侵警报证据数据, 通过警报证据的监测判断信息入侵概率, 获得医院网络的异常 信息入侵意图的预测结果。 实验结果表明, 所提方法的网络异常信息入侵意图预测效率快、 准确率高、 整体 效果好。

微地震反演是根据微地震监测数据反演推测震源位置、 发震时刻、 真震级、 震源初始振幅、 震源机制 以及介质参数等信息, 进而完成微地震监测主要任务的重要途径。 为通过对微地震反演技术的研究, 获取更 精确的微地震信息, 进而提升对储层压裂评价的可靠性、 降低开发成本以及提高油气采收率, 从微地震震源 定位、 震源机制以及多参数联合反演 3 个方面对微地震反演进行综述。 回顾了近年来微地震反演技术的研究 进展, 分析了各种反演方法的原理与优缺点, 总结了各种反演技术的改进以及应用情况, 展望了未来的研究 思路和发展方向, 为今后微地震反演技术进一步发展提供参考借鉴。 

为解决商用车在行驶过程中, 传统的液压助力转向系统阻力较大且效率较低, 并且在长期使用后保养不 当容易泄露, 可能引起事故等问题, 对电动辅助转向电机控制算法和设计进行了研究。 电动辅助转向电机选择 永磁同步电机, 通过应用模糊 PID(Proportional Integral Derivative)算法可以精确, 快速地调制到参考值。 同时 采用拓展卡尔曼滤波器可以估算永磁同步电机的转子位置, 减小控制器的体积及成本。 在驱动系统中, 由于 大电流耦合路径多样严重影响电机控制系统的电磁兼容性能, 所以电机控制时采用驱动系统 EMC(Electro Magnetic Compatibility)设计。 实验结果表明, 基于模糊 PID 算法以及拓展卡尔曼滤波器的永磁同步电机控制 可以应用于商用车电动辅助转向电机控制中。

为解决人物面部遮挡情况下识别人脸信息不清楚的缺陷, 优化人脸识别系统, 提出了基于面部边缘细节 的局部遮挡人脸图像识别方法。 依据稀疏性表达对人脸图像去噪, 根据图像灰度变换原理检测人脸图像边缘, 分割边缘区域, 计算其阈值以得到人脸图像边缘信息。 标记人脸特征点增强信息识别精度, 提取人脸图像的 特征描述子, 并将其输入支持向量机模型中, 通过训练实现局部遮挡人脸图像识别。 实验结果表明, 该方法 应用于人脸图像识别平均识别率高于 73% , 识别时间低于 20 s。