计算机
为在尿沉渣的复杂环境中提取适合神经网络识别的图像信息,满足医学检测和分类的准确性要求,提出一种改进型卷积网络(improvedeonvollltionnelna1netwcnk$,ICNNs)的图像融合预处理方法。经过融合与重构,得到符合R、G、B要求的高质量射频多光谱信息图像。对比其它预处理方法与神经网络集成的识别分类数据可知,多种尿沉渣成分的识别率得到了显著提高,由聚堆问题引起的识别分类干扰持续下降。ICNNs与BPNNs(backpropagationneuralnetworks)集成方法的仿真实验结果表明了ICNNs图像融合预处理方法的先进性,以及ICNNs与BP识别神经网络集成的有效性和鲁棒性。
为进一步提高表示分类器中基原子对测试样本的表达能力,提出一种加权融合核稀疏和协同表示的高光谱影像分类算法(WKSCRC)。充分利用核函数处理非线性数据的优势,将高光谱影像数据映射到高维核特征空间;对核稀疏表示系数和核协同表示系数进行加权融合,在核融合表示系数下重构分类测试样本。在ROSIS和AVIRIS两个数据集上的仿真结果表明,该算法在精度与稳定性上优于其它传统分类算法。
针对国内物流行业与国外相比包装耗材浪费严重,对包装优化有着巨大需求的现状,提出一种新的装箱方案,并设计一种基于遗传算法的包装优化方法,目标是从已有的包装规格中找出表面积最小并能容纳所需货物箱体的包装规格。本包装优化方法以货物的摆放序列和摆放朝向作为遗传编码,配合空间分割规则寻找包装规格的最优解;同时,考虑到传统激光扫描测量设备成本高昂,为了适应国内仓储管理模式,给包装优化提供货物尺寸信息,本文还设计一种基于RGBD的箱体尺寸测量方法。实验结果表明,本文方法能够快速精确地测量货物尺寸并选择合适的包装规格。
为进一步提升系统局部性时延,以关系化数据分块作为研究背景,提出系统局部性时延优化算法,采用主机小型计算、机系统接口(单元控制器以及磁盘构建系统,通过关系化数据的邻接关系建立、、数据曲率求解三个预处理过程,在不同比例下取舍关系化数据,完成数据分块存储操作;根据界定的主节点数据法矢预估、与分块节点间局部性时延,导出时延上界;将关系化数据分块存储网络结构建立在一个二维曼哈顿平面上,经求解结构图的树结构,构建局部性时延优化算法通信距离以及局部性时延等作为评估指标展开仿真,、验证得出所提算法能量均衡性能较好,时延优化效果比较理想
针对虚拟手术系统中流血粒子与软组织器官碰撞检测的问题进行了研究. 虚拟手术中流血与软体器官组织进行碰撞检测不同于传统的刚体或者软体之间的碰撞检测, 流血模型的拓扑结构变化较大, 传统方法通过更新拓扑结构来进行碰撞检测的方法不能够保证碰撞检测的实时性和准确性. 提出一种基于空间划分的流血粒子与软体碰撞检测算法, 能够处理基于光滑粒子流体动力学(Smoothed Particle Hydrodynamics, SPH)模拟的流体与任意动力学模型模拟的软体之间的碰撞检测. 同时, 提出了对SPH算法进行最近相邻粒子搜索过程中建立起的均匀空间网格进行重复利用, 使空间网格用于碰撞检测的空间划分与流体粒子的定位, 从而减少了时间和空间资源的重复消耗.实验结果表明, 该算法能够满足虚拟手术中流血粒子与软体之间的碰撞检测对精确性和实时性的要求.
针对高自由度的机械臂的灵-性和自主性问题,提出一种快速且高效的机械臂运动规划算法。通过动态运动基元(DMPs)模型对运动轨迹进行编码提取特征,作为运动轨迹先验知识,基于现在物理环境和目标任务设计无碰撞及高能效的目标泛函,通过对目标泛函进行梯度下降得出在该环境下的最优轨迹。为验证算法的有效性,通过机器人实验平台(v-rep)模拟机械臂的日常操作任务。实验结果表明,在整个工作空间内,机械臂通过少量的迭代(少于6次),便可生成无碰撞的运动轨迹,可降低能耗20%以上。
在MEMS-INS中引入旋转调制技术,通过MEMSRM惯性导航系统进行旋转调制,实现快速导航定位的目标。实验分析得到:南向精度比原先提升了22倍,北向误差率达到了原先的16倍,并且最低也能够提高1倍与6倍,本文使用的旋转调制技术与解算方案具备可行性。当时间增加后,MEMS-INS的位置误差与偏离程度更大,经过100s测试后,MEMS-RMINS比MEMS-INS的最大误差率提高了4倍左右。当导航时间延长后,将形成更大的MEMS-RMINS位置误差。采用旋转调制的方式可以使MEMS-RMINS定位精度获得较大改善,精度提升近3倍,满足某些应用场合的需求。
列车测速测距设备属于列车运行控制系统中故障率较高的部件,但在实际运维中对于测速测距设备的检测缺乏有效手段和检测工具;针对这个问题,采用设备离线检测方法设计了一种列车测速测距设备故障检测系统,该系统对轮轴速度传感器及测速测距处理单元进行动态闭环离线检测,可再现列车运行状态及设备故障工况,同时在检测过程中分析待测传感器及测速测距处理单元的各项测试数据,从中选取速度、脉冲值和工作电流等特征信息进行故障模式辨别;测试结果显示,系统可对测速测距处理单元故障以及轮轴速度传感器的偶发丢失脉冲、传感器虚接和通道故障进行有效检测;该系统故障诊断正确率高,实现了对测速测距设备服役状态参数的自动化检测,提高了运维效率。
工作流调度方案求解分解为工作流结构分层、预算分配、期限分配、任务选择和实例选择。工作流结构分层将所有工作流任务划分层次形成包任务,以提高并行执行程度;预算分配对整体预算在层次间进行分割;期限分配将全局期限在不同层次间分割;任务选择基于任务最早开始时间确定优先级,得到任务调度次序;实例选择根据时间和代价均衡因子,获取任务执行最佳实例。仿真结果证明,该算法在调度成功率、同步优化工作流执行时间与执行代价上相较对比算法更好。
针对单一传感器所含信息不能完全表达故障状态的局限性,提出一种支持向量机分类器和DS证据理论相结合的多传感器信息融合方法。将支持向量机的硬输出通过Platt模型转化为概率输出,用混淆矩阵来评估分类器的识别能力;将分类器局部可信度作为DS融合时的折扣因子,建立基于支持向量机和DS结合的多传感器信息融合模型。在列车转向架故障诊断中的实验结果表明,该方法在实际问题中有效且合理,能够获得比单一传感器更高的分类准确率,且对不同速度下列车转向架故障的识别结果都较好。
对于非线性随机系统,以均值、方差等低阶统计特征作为研究目标往往难以满足实际的控制要求,需要考虑更高阶的统计特征.概率密度函数(Probabilitydensityfunction,PDF)包含了完全统计特征,因此PDF控制能够实现各阶矩的有效控制.针对受高斯白噪声激励的非线性随机系统,将福克-普朗克-柯尔莫哥洛夫(Fokker-Planck-Kolmogrov,FPK)方程作为研究工具,提出一种基于多高斯闭合法(MGC)的PDF控制方法.首先,根据目标PDF的形状构造一个由多个高斯型PDF相叠加的PDF;然后,构造一个优化问题,使得该PDF逼近目标PDF;进一步,通过求解FPK方程得到被控系统的状态方程;最后,结合原始状态方程求得控制函数,实现对目标PDF的追踪控制.针对不同类型目标PDF进行的仿真结果表明了所提出方法的可行性和有效性.
无摘要
针对共生生物搜索算法存在易早熟、收敛速度慢等缺陷,提出一种基于子种群拉伸操作的精英共生生物搜索算法.在“互利共生”阶段,根据适应度值将种群划分为两个子种群,设计有针对性的进化策略,使两个子种群分别负责开发和探索,有效地平衡算法的收敛速度与精度;在“偏利共生”阶段,利用最优个体的方向性引导信息,引入拉伸因子和差分扰动向量,并修正个体更新模式,从而在提高算法收敛速度的同时保证种群的多样性;模拟寄生体和宿主的生物关系,提出精英“寄生”机制,进一步平衡算法在整个迭代过程中的探索与开发能力.对与标准共生生物算法、改进后的共生生物搜索算法以及其他4个群智能进化算法在17个函数上的测试结果进行比较分析,结果表明所提出的算法精度更佳,收敛速度优势明显.
些传统结构管理效率隧道依然依赖于传统的配置方式机制的方式---MAT该文基于开源软件交换机.对于其性能做了一定优化.MAT隧道DPDK道进行了对比评估降低同时将对吞吐量的影响降低结果显示,左右20%MAT50%.和开源控制器OpenvSwitch该文还根据真实拓扑搭建了仿真环境.隧道可以将隧道的平均时延降低Floodlight对左右,10%而通过隧道进行路径切换的测试表明.,MAT隧道将隧道切换过程中的最大抖动降低3,
针对问答式机器阅读理解中非定长答案的提取问题,本文提出了一种基于
针对当前政务系统中人工审批文本效率低下的问题,本文将文本相似度引入电子政务中。当前基于文本相似度的网络模型中,存在着生成的词向量矩阵巨大,需要大量的时间去训练,而且仅利用上下文的环境来生成词向量,忽略了文档的语序和语义的关系。为了提高效率并降低训练成本,本文提出基于Do-Bi-LSTM文本相似度计算方法,该模型首先通过Doc2vec语言模型把训练数据集中的文本转换成向量,该方法在词向量的基础上增加了文本向量,从而获取了句子之间以及段落之间的相互关系。然后把得到的向量作为Bi-LSTM网络模型的输入进行模型训练,最后与LSTM网络模型、传统的深度网络模型相比,实验表明本文方法的准确率有很大的提高,具有可行性。
无摘要
在无线节点自组网络的运用中,如何简化无线节点进行定位是一个重要研究课题。通过人工进行辅助定位虽然简单,但工作量大,错误率高。本文通过引入降维法及升维法,用降维法来简化无线节点坐标函数,用升维法来实现无线节点的自主晋升,实现无线节点的坐标变换,提高无线节点自组网的晋升算法,以及无线组网的速度。
为了求解批量流水调度问题(LFSP)的最小化最大完工时间,提出一种量子候鸟协同优化(QMBCO)算法。首先,采用Bloch量子球面编码方案扩大解空间;然后,运用FL算法优化初始解,以弥补传统随机初始解的不足,保证初始种群具有较高的质量;最后,使用候鸟优化(MBO)算法及变邻域搜索(VNS)算法进行迭代,增强算法的全局搜索能力。采用随机生成不同规模的实例仿真,将QMBCO算法与目前较优的离散粒子群优化(DPSO)算法、MBO算法和量子布谷鸟协同搜索(QCCS)算法相比较。结果表明,在两种不同运行时间下QMBCO与DPSO、MBO、QCCS相比产生的最优解平均百分比偏差(ARPD)分别平均下降65%、34%和24%,证明了QMBCO算法的有效性和高效性。
通过对于人类大脑活动的研究来分析消费者对广告和产品的反应的神经营销正在受到新的关注。针对基于脑电波(EEG)的神经营销,提出了一种基于深度学习神经网络的消费者对产品的偏好预测方法。首先,为了提取消费者EEG的特征,采用短时傅里叶变换(STFT)与双调和样条插值,从多通道脑电信号中得到了5个不同频带的EEG形图视频;然后,提出了一种结合5个三维卷积神经网络(3DCNN)与多层长短期记忆(LSTM)神经网络的预测模型,用于从脑电地形图视频预测到消费者的偏好。与卷积神经网络(CNN)模型和LSTM神经网络模型相比,消费者依赖模型的平均准确度分别提高了15.05个百分点和19.44个百分点,消费者独立模型的平均准确度分别提高了16.34个百分点和17.88个百分点。理论分析与实验结果表明,所提出的消费者偏好预测系统可以以低成本提供有效的营销策略开发和营销管理。