计算机
针对自行车需求量具有很强的随机性、时变性和非线性,传统的自行车需求量短期单点预测模型具有预测精度低,无法给出合适的需求量区间等问题,提出一种有助于解决公共自行车系统站点之间需求平衡问题的非线性RBF神经网络分位数回归算法。首先,通过利用统计学习方法和RBF神经网络分位数回归对辅助变量进行定性与定量的分析,并筛选出核心特征;然后,使用筛选的特征构建基于RBF神经网络分位数回归的公共自行车站点需求量预测模型;最后,使用所建模型对未来一天中不同站点各个时段的自行车需求量进行了区间估计。实验结果表明,所提方法不仅可以挖掘各个影响因子对自行车需求量的关联关系,还可以较高精度的给出自行车需求区间,可为实际车辆调度提供参考依据。
针对突发事件救援过程中, 由于应急队伍等资源实体间协作模式不够优化, 调度匹配度不够高等问题, 提出基于案例库和预案库, 计算应急执行实体的技能贡献度, 实体间的关系强度和协作度, 用应急实体轨迹挖掘高协作算法来挖掘应急实体间的高协作模式, 为提高应急队伍的调度管理的完备度和匹配度提供基础数据, 同时基于实体的活动轨迹和活动的连续度, 挖掘出高连续性的活动, 为救援中决策应急活动的序列奠定基础. 结果显示同种、异种应急实体的协调能力随着协作次数的变化规律, 跟以往凭借经验决策的结果有很大背离, 为应急队伍的合理调度和制定高效的应急预案提供了重要的数据支撑, 有实际价值.
为了更好地解决密度不均衡问题与刻画高维数据相似性度量问题,提出一种基于共享k-近邻与共享逆近邻的密度峰聚类算法。该算法计算两个点的共享k-近邻数与共享逆近邻数,并结合欧氏距离来确定这两个点之间的共享相似度;将样本点与其逆近邻点的共享相似度之和定义为该点的共享密度,再通过共享密度选取聚类中心。通过实验证明,该算法在人工数据集和真实数据集上的聚类结果较其他密度聚类算法更加准确,并且能更好地处理密度不均衡问题,同时也提高了高维数据的聚类精度。
无摘要
;,数据不精确等弊端换收到相应脉冲波量仪与听诊器比有潜在应用推广价值,,。
在间歇过程的状态估计中如何充分利用多批次重复特性信息是一个挑战,并沿批次方向迭代更新当前状态估计,提出一种迭代学习拟线性卡尔曼滤波器沿时间方向估计相邻两批次之间的状态误差针对非线性间歇过程法只适用于线性系统标称模型法真验证了对状态误差进行估计,,,,ILQKF方法的优越性多批次间歇过程。
伴随着人工智能模式的盛行,其在各个行业领域的应用越来越广泛,变电站也不例外,无人值班变电站模式也由此产生。其中,监控无人值班变电站设施设备运行的主要方式包括遥测、遥信、遥控、遥调信息等。就现场运转状况而言,根据电网的信息化要求,从规范、实用、安全角度,进一步探究了无人值班变电站远方监控系统,并对四遥信息中存在的主要问题做了全面分析,据此制定了有效的调试与配置策略,以期能够为类似变电站工程提供更多可借鉴经验。
基于孪生网络的目标跟踪目前取得了阶段性进展,即克服了孪生网络的空间不变性在深度网络中的限Attention)指定目标跟踪中的目标尺度变制,然而其仍存在外观变化、尺度变化、遮挡等因素影响跟踪性能。针对无人机(SiamRPN+化大、目标运动模糊及目标尺度小等问题,提出了基于孪生区域候选注意力机制网络的跟踪算法-作为特征提取器来提取特征;接着,使用通道注意力机制模块RPN筛选残差网络提取出的不同通道特征图的语义属性,并重新为不同通道特征分配相应权值;然后,两个区域候选网络59.4%OTB2015(模块包括特征图的逐通道深度互相关、正负样本分类和边界框回归;最后框选出目标位89.4%)分别为置。在UAV。实验结果表明所提算法的平台上采用一次通过评估模式进行实验,该算法的成功率和精度分别为和评估结果优于近年优秀的三种相关滤波跟踪算法和孪生网络跟踪算法,且该算法应用于指定目标的跟踪上时具有良好的鲁棒性和实时处理速度。TP389.1
矿工加入矿池是目前比特币挖矿最常见的方式。然而,比特币系统中存在矿池互相渗透攻击的现象,这将导致被攻击矿池的矿工收益减少,发起攻击的矿池算力降低,从而造成比特币系统的整体算力减小。针对矿池之间互相攻击,不合作挖矿的问题,提出自适应零行列式策略(AZD),采取“比较预期合作收益与背叛收益,选择促进高收益的策略”的思想促进矿池合作。首先,通过结合时序差分增强算法与零行列式策略的方法预测下一轮合作收益与背叛收益;其次,通过决策过程(DMP)选择策略进一步改变下一轮的合作概率和背叛概率;最后,通过迭代执行自适应零行列式策略,达到网络中矿池均互相合作、积极挖矿的目的。实验模拟表明,AZD策略与自适应策略相比,合作概率收敛为1的速度提高了36.54%;与零行列式策略相比,稳定度提高了50%。这个结果表明AZD策略能够有效促进矿工合作,提高合作收敛速率,保证矿池的稳定收益。
装甲车行驶中车体姿态的仿真是模拟驾驶训练系统的关键技术. 为实现不同地形下基于虚拟现实的装甲车辆驾驶模拟, 本文提出了基于虚拟现实的装甲车辆运动仿真方法. 首先, 构建装甲车辆的结构、外形和真实的地形,采用第一和第三视角同步显示驾驶场景; 其次, 建立车辆行驶的动力学模型, 求解车身在不同地形下的车身姿态数据; 最后, 通过Unity3D引擎实现整个场景和车体姿态的动态渲染. 通过实验证明, 该方法能够准确的模拟各种地形条件下的车体姿态, 真实的仿真车辆的运行状态.
运动目标跟踪作为目前计算机视觉领域的一个研究热点,存在目标旋转变形、运动模糊和背景混杂等难点.针对这些难点情况下多域卷积神经网络目标跟踪算法(MDNet)失效的问题,本文提出一种基于目标分割的多域卷积神经网络跟踪算法,旨在利用分割网络出色的目标定位能力,为MDNet网络构建一种新的网络更新方法.在跟踪过程中,通过目标分割对失效结果进行校正,重新获得目标的精确位置,再将分割获得的目标框作为样本来更新MDNet网络,有效减少样本库中正样本的背景信息干扰,提高网络的分类能力,使算法更具鲁棒性.本文所提算法在OTB50和VOT2015进行测试,与MDNet算法相比,平均跟踪精度提升3.05%,平均成功率提升2.76%.关键词:目标跟踪;卷积神经网络;分割网络;网络更新
针对当前方法存在伪码跟踪结果不准确的问题,提出基于改进扩展卡尔曼算法的伪码跟踪优化方法。利用振幅、采样时间和码相位等条件计算输入信号,获取到伪码信号的初始位置,建立伪码跟踪环路模型。通过代价函数的计算来分析伪码的跟踪性能,获取状态的预测值和预测方差,并计算代价函数的极小值,利用高精度的迭代方法对方差和协方差展开计算,得到分解因式,计算伪码的容积点,完成对伪码的跟踪,并求得伪码环路模型的解,实现伪码的跟踪优化。实验结果表明,所提方法在对伪码跟踪优化时,具有较好的跟踪性能,并且伪码的相位误差较小,能够准确的完成对伪码的跟踪。
针对现有的基于车牌字符分割的车牌识别方法,在光照,阴暗等特定自然场景下存在无法定位且车牌字符无法正确分割,直接影响车牌字符识别效果的问题,提出一种基于深度学习的车牌定位和识别方法.首先采用深度学习FasterR-CNN算法进行车牌定位,利用k-means++算法来选择最佳车牌区域尺寸,解决现有车牌定位方法在某些自然场景下无法正确定位车牌的问题;然后在AlexNet网络模型的基础上进行改进和重新构建,提出一种增强的卷积神经网络模型AlexNet-L,该模型是一种针对车牌字符识别的端对端网络模型,可提高车牌识别准确率,避免现有的基于车牌字符分割的车牌识别方法中因无法正确分割车牌字符对车牌字符识别的影响.实验结果表明,该方法可以更有效地提高车牌定位和车牌字符识别的准确度和效率.
合适的距离度量函数对于聚类结果有重要的影响。针对大规模高维数据集,使用增量式聚类算法进行距离度量的选择分析。SpFCM算法是将大规模数据集分成小样本进行增量分批聚类,可在有限的计算机内存中获得较好的聚类结果。在传统的SpFCM算法的基础上,使用不同的距离度量函数来衡量样本之间的相似性,以得出不同的距离度量对SpFCM算法的影响。在不同的大规模高维数据集中,使用欧氏距离、余弦距离、相关系数距离和扩展的杰卡德距离来计算距离。实验结果表明,后3个距离度量相对于欧氏距离可以很大程度地提高聚类效果,其中相关系数距离可以得到较好的结果
接入网络中存在大量不同的接入技术和海量的接入设备,导致运营复杂度和成本急剧增加,这迫使运营商亟待寻找一种有效的解决方案来提升收支比,以此实现可持续的商业模式.为了应对这些挑战,提出了一种基于软件定义网络(softwaredefinednetworking,SDN)的新型接入网体系架构SDVAN,其可以提供具有高成本效益的网络管控机制,同时具备高扩展性并支持定制化.SDVAN将所有物理设备收稿日期:2020-12-26;修回日期=2021-04-06通信作者:刘刚(gang.i.liu@nokia-sbell.com)1292计算机研究与发展2021,58(6)的控制平面抽象化集中化,并通过软件定义的方式实现对接入网的灵活定制.SDVAN节点的可编程性为不同的接入技术提供了弹性支持.此外,SDVAN还提供了一种高效的资源建模机制和网络抽象方法,实现了网络服务的自动化编排,并可基于信任级别来体现网络的可视性和可控性.最后,SDVAN实现了支持多租户和多版本网络设备的网络切片功能.实验结果证明了SDVAN方案在网络节能、资源利用率、成本等
异构信息网络中包含丰富的结构和语义信息,通过网络表示学习保留异构信息网络的结构和语义信息是当前研究的热点。传统的异构信息网络表示学习方法局限于利用元路径的形式保留异构信息网络中的语义信息,缺乏考虑网络中所有节点的分布情况,保留的信息不够充分。因此,本文提出一种基于生成式对抗网络(GenerativeAdversarialNet-works,GAN)的异构信息网络表示学习方法(HINGAN),其能更好地保留网络中的结构信息和语义信息。HINGAN中通过生成模型和判别模型的对抗学习,提高表示学习的鲁棒性。基于2个真实数据集的实验结果表明,本文提出的模型与传统的异构信息网络方法相比,在节点分类和链接预测任务中的结果都有明显提升。
针对现有三维管网虚拟仿真系统中模型衔接效果较差和需要人工参与等问题,提出了一种基于VR的管网三维自动建模方法,能够快速构建大范围地下管网三维虚拟场景。首先对二维矢量管网数据进行数据采样和四叉树瓦片分割,将建模参数信息存储到对应的XML瓦片索引文件中。其次,根据场景漫游,动态加载管网瓦片建模信息进行快速三角构网和纹理贴图,实时构建三维管道和接头模型。最后依次遍历视野内的所有瓦片进行建模,构成大范围地下管网VR场景。在开源三维GIS平台WorldWind中进行了实验验证,结果表明该方法能够快速自动构建地下管网三维模型并流畅地实现大范围虚拟仿真。
深度神经网络广泛应用于遥感图像场景分类任务中并能大幅提高分类精度,但隐藏层数较少的神经网络在标记数据不足的遥感场景分类中泛化能力较低,而隐层较多的网络往往需要较大的计算量和模型存储空间,限制了其在嵌入式设备上的应用。提出一种针对遥感图像场景分类的多粒度特征蒸馏方法,将深度网络不同阶段的特征与最终的类别概率同时作为浅层模型的监督信号,使得浅层模型能够同时学习高级与低级的语义特征,从而提高浅层模型的分类性能与泛化能力。在UCMercedLand-Use和SIRI-WHU个数据集上的实验结果表明,该方法能使模型在大幅降低网络参数量和计算量的情况下明显提高分类性能,与传统知识蒸馏方法相比,其分类精度更高。
为了提高无人机的风扰抑制能力,实现无人机安全飞行和精准控制,提出了一种基于加速度反馈的旋翼无人机抗风扰方法.该方法不需要改变原有的控制器结构,在原有的控制器基础上引入角加速度和线加速度反馈,从而实现更快速且更高精度的角度和位置跟踪,提升系统的扰动抑制能力.同时,为了将该算法部署在实际的无人机平台上,提出了一种简单、快速以及适用于加速度反馈的无人机参数辨识方法.结合该方法,将加速度反馈应用到一个六旋翼机上,并在户外持续风和阵风扰动环境下进行了实验验证.实验结果表明,加速度反馈增强型控制器可以有效地抑制这两种风扰,极大地提高了风扰条件下的无人机控制精度.
针对智能无人飞艇的故障诊断问题,设计开发了一套基于CUPS框架的故障诊断专家系统。首先,根据诊断专家的知识进行故障分类并建立故障树;其次,基于CLIPS工具设计了智能无人飞艇的故障事实库和规则库。然后采用静态链接的方式将CLIPS框架嵌入到C++中,并设计了”路由跳转”功能,实现了用户输入与CLIPS的数据交换接口,并利用MFC框架开发了相应人机交互界面。该智能无人飞艇故障诊断专家系统的开发,改善了现阶段人工故障诊断的不规范及效率低下等问题,为智能无人飞艇的故障诊断、分析和排除提供了平台和支持技术。关键词: