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。

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。

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。

 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。

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% 。

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。

为更好地保护生态环境并提高可回收垃圾的经济价值, 针对现有的垃圾识别方法面临的分类背景复杂、 垃圾目标形态变化多样等问题, 提出一种面向垃圾图像分类的残差语义强化网络, 能从复杂背景中剥离前景 语义目标。 该网络以骨干残差网络为基础, 利用视觉概念采样、 推理以及调制模块实现视觉语义的提取, 并通过注意力模块消除语义层次和空间分辨率与视觉概念特征的差距, 从而对垃圾目标形态变化更加具有 鲁棒性。 通过在 Kaggle 开源的 12 分类垃圾数据集及 TrashNet 数据集上进行实验, 结果表明, 相较于骨干网络 ResNeXt-50 和其他深层网络, 该算法均取得了性能的提升, 在垃圾图像分类任务上有较好表现。

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。

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。

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。

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。

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。

 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%。

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。

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。

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。

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。

为解决基于 RNN(Recurrent Neural Network)的序列推荐模型在处理长序列时易出现梯度消失或爆炸从而 导致推荐模型训练过程不稳定问题, 在传统门控循环单元(GRU: Gated Recurrent Unit) 基础上, 引入了残差 连接、 层归一化以及前馈神经网络等模块, 提出了基于深度残差循环神经网络的序列推荐模型 DeepGRU。 并 在 3 个公开数据集上进行了验证, 实验结果表明, 该 DeepGRU 相较于目前最先进的序列推荐方法具有明显的 优势(推荐精度平均提升 8. 68% )。 消融实验验证了引入的残差连接等模块在 DeepGRU 框架下的有效性。 并且, 该 DeepGRU 有效缓解了在处理长序列时训练过程不稳定的问题。 

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。

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。

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。

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。 

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。

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。

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。

针对传统的人工势场法在移动机器人路径规划中存在的目标不可达和局部极小值问题, 提出了一种改进的人工势场法。 首先, 对目标点附近有障碍物时由于斥力较大, 机器人难以到达目标点的问题, 在势场中引入了安全距离因子, 并对该参数进行了优化, 从而使机器人与障碍物保持合适的距离, 顺利到达目标点。 其次, 为解决局部极小值问题, 引入了局部极小值判别条件, 并在触发该条件时对局部极小区域进行绕行, 使机器人顺利到达目标点。 仿真结果表明, 改进后的算法在不同数量的障碍物地图环境下运行, 有较强的鲁棒性, 所提出的算法可以使机器人在 U 型障碍物环境中绕过局部极小值区域, 成功解决了移动机器人路径规划中的 局部极小值问题。

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。

针对由于受光照条件变化、 行人身高差异等影响, 致使监控视频图像在不同时刻的成像存在较大的跨 模态差异问题, 为准确识别跨模态图像中的行人, 提出基于泛化迁移深度学习的跨模态图像行人识别算法。 通过循环生成对抗网络(Cyele GAN: Cycle Generative Adversarial Network)形成跨模态图像, 采用单目标图像 处理对基准图分割处理, 得到人体候选区域, 在匹配图中搜索和其匹配的区域, 得到人体区域的视差, 通过 视差提取人体区域的深度和透视特征。 将注意力机制和跨模态行人识别相结合, 分析两种不同类型图像的 差异, 将两个子空间映射到同一个特征空间, 同时引入泛化迁移深度学习算法对损失函数度量学习, 自动筛选 跨模态图像的行人特征, 最终通过模态融合模块将筛选的特征融合处理完成行人识别。 实验结果表明, 所提 算法可以快速、 准确地提取不同模态图像中的行人, 识别效果较好。

针对在冰雪环境下车辆横向稳定控制, 为解决在低附着、 分布不均的路面情况下车辆对参考轨迹的稳定 跟踪问题, 设计了基于神经网络调节的模糊 PID( Proportional-Integral-Differential) 制器, 以及基于线性化车辆 模型的模型预测控制(MPC: Model Predictive Controll)。 以路面附着系数及车辆速度作为输入构建 BP(Back- Propagation)神经网络, 输出调节系数优化模糊 PID 控制器控制性能; 设计了十自由度模型表征车辆在冰雪 环境下的动力学特性, 使用 MPC 实现车辆横向稳定控制。 使用 CarSim/ Simulink 进行联合仿真实验, 结果表明 该控制器能显著提高车辆轨迹跟踪性能。

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。