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。

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。

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。

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。

 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。

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。

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。

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。

 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。

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) 。

 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。

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。

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。

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。

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。

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。 

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。

针对将计算机应用于英语语言应用能力测试中人们对其辅助语言测试效果存在质疑问题, 提出了一种 基于熵权法的计算机辅助语言测试效度评价算法。 采用灰度关联分析选取效度评价指标, 构建评价指标体系, 利用熵权法计算每个指标的权重。 通过模糊综合评价将指标权重与指标隶属度实施模糊合成, 得出效度评价 分值, 同时参考隶属度最大原则, 得出效度等级。 结果表明, 初中和高中计算机辅助语言测试系统效度达到非 常高的等级, 大学计算机辅助语言测试系统效度则有所降低, 但仍然达到了较高等级, 表明计算机在辅助语言 测试中效果较好, 具有很强的实用性。

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。