新工科背景下计算机类研究生“产学研”协同育人模式研究

新工科建设背景下,“产学研”协同育人是高校培养新工科人才的重要模式。为适应新工科建设对计算机类研究生的培养要求,高校应根据计算机类专业的特殊需求,积极探索“产学研”协同育人模式,形成产学研办学特色,培育更多具有工程实践能力的创新型人才。基于此,文章阐述了新工科建设背景下“产学研”协同育人模式的内涵,解析计算机类专业对“产学研”协同育人的特殊需求,并探索新工科背景下计算机类研究生“产学研”协同育人模式的构建策略,旨在提升人才培养质量,培养更多新工科创新型人才,更好地适应新经济新形势的发展。

ERA5大气再分析资料约束的GNSS精密单点定位性能分析

全球卫星导航系统(GNSS)的快速发展有效地促进了精密单点定位(PPP)技术的研究和发展。针对GNSS PPP收敛时间较长的问题,利用欧洲中期天气预报中心(ECMWF)发布的最新一代ERA5大气再分析资料,并将其应用于GNSS PPP解算。以中国区域7个IGS测站观测数据为例,分别进行ERA5约束GNSS PPP方案和标准GNSS PPP方案解算,结果表明,ERA5约束GNSS PPP方案在E方向和N方向上收敛时间提升并不明显,但在U方向上平均收敛时间减少了36.0%。定位精度上,ERA5约束GNSS PPP方案E、N、U方向精度平均分别提高了10.0%、4.3%和21.8%,并且在相同的时间段内解算的精度更高。这对于有效利用ERA5大气再分析资料及提升GNSS PPP定位性能具有一定的应用价值。

基于多策略改进蝴蝶优化算法的无线传感网络节点覆盖优化

针对无线传感网络(WSN)的节点覆盖存在着覆盖率低、节点分布不均匀的问题,提出一种基于多策略改进的蝴蝶优化算法(MIBOA)的节点覆盖优化策略。首先,将基础的蝴蝶优化算法(BOA)与麻雀搜索算法(SSA)结合改进搜索过程;其次,引入自适应权重系数提高寻优精度和收敛速度;最后,对当前最优个体进行柯西变异扰动,提高算法鲁棒性。基准测试函数的寻优实验结果说明,MIBOA基本可在3 s内求解测试函数最优值,且收敛平均值精度较BOA提高了97.96%。将MIBOA应用于WSN节点覆盖优化问题,与BOA和SSA相比,节点覆盖率至少提高了3.63个百分点;与改进灰狼优化算法(IGWO)相比,部署时间缩短了145.82 s;与改进鲸群优化算法(IWOA)相比,节点覆盖率提高了0.20个百分点且时间缩短了1112.61 s。综上,MIBOA可较好提高节点覆盖率并降低冗余覆盖率,有效延长WSN的生存时间。

求解矩阵特征值的混合人工鱼群算法

根据矩阵特征值的分布理论,通过确定矩阵特征值的分布区域,用混合人工鱼群算法来求解任意数值矩阵特征值的近似值。实验结果表明,这种基于混合人工鱼群求解矩阵特征值的算法,可达到一定的精度,能够有效地获得任意矩阵的特征值。

改进型人工鱼群算法及复杂函数全局优化方法

在分析人工鱼群算法存在不足的基础上,对人工鱼群算法加以改进,提出了一种改进型人工鱼群算法。该算法提高了全局搜索能力和收敛速度,并用于求解具有变量边界约束的非线性复杂函数最优化问题。仿真结果表明,改进后的人工鱼群算法具有精度高、搜索速度快等特点,是一种求解复杂函数全局最优化的智能算法。

光滑CHKS孪生支持向量回归机

针对目前光滑孪生支持向量回归机(smooth twin support vector regression,STSVR)中采用的Sigmoid光滑函数逼近精度不高,从而导致算法泛化能力不够理想的问题,引入一种具有更强逼近能力的光滑(chen-harker-kanzow-smale,CHKS)函数,采用CHKS函数逼近孪生支持向量回归机的不可微项,并用Newton-Armijo算法求解相应的模型,提出了光滑CHKS孪生支持向量回归机(smooth CHKS twin support vector regression,SCTSVR).不仅从理论上证明了SCTSVR具有严格凸,能满足任意阶光滑和全局收敛的性能,而且在人工数据集和UCI数据集上的实验表明了SCTSVR比STSVR具有更好的回归性能.

求解全局优化问题的混合人工鱼群算法

把Powell算法作为人工鱼群算法的一个局部搜索算子,嵌入到自适应人工鱼群算法中,构成一种基于Powell算法和自适应人工鱼群的混合算法。该算法充分利用了自适应人工鱼群算法的全局收敛性和Powell算法的强局部搜索能力,使得混合算法的全局收敛性能得到了改善,并且减少了计算量。计算机仿真结果表明,自适应混合人工鱼群算法能够在保持较高精度的前提下快速收敛。

基于变异算子的人工鱼群混合算法

把Hooke-Jeeves模式搜索方法作为人工鱼群算法的一个局部搜索算子,嵌入到带变异算子的人工鱼群算法中,提出一种基于变异算子的人工鱼群混合算法。其中,Hooke-Jeeves的强局部搜索能力提高了人工鱼群混合算法的局部收敛速度,变异算子的引入增加了群体的多样性,避免人工鱼群混合算法陷入局部最优。通过基准函数和实例测试验证,表明了该算法是高效可行的。

最优化问题全局寻优的AFSA-BFGS混合算法

针对人工鱼群算法在优化后期收敛速度变慢问题,利用BFGS算法快速的局部搜索能力来改进,提出了一种最优化问题全局寻优的AFSA-BFGS混合算法。通过8个标准函数测试结果表明,AFSA-BFGS混合算法,不仅具有全局收敛性能,而且还具有较快的收敛速度和更高的求解精度,是求解优化问题的一种有效方法。

光滑孪生参数化不敏感支持向量回归机

作为机器学习方法之一的孪生参数化不敏感支持向量回归机(TPISVR)有着简洁的数学模型,良好的学习性能,特别适合于求解带有结构异方差噪声的数据回归问题,然而TPISVR的训练速度较低,训练效率有待提高。TPISVR的传统算法可以归结为通过转化对偶问题的方法求解2个带有不等式约束的二次规划问题,然而这种求解二次规划问题的方法对于样本数目较大的问题将受到时间和内存的制约,这是导致TPISVR训练效率低的关键所在。针对此问题,首先,引入正号函数,将TPISVR的2个二次规划问题转化为2个不可微的无约束优化问题;其次,引入CHKS光滑函数和正则项,对TPISVR模型进行正则化,并对不可微的无约束优化问题进行光滑逼近,从而将不可微的模型转化为可微的无约束优化问题,并用收敛速度快的Newton-Armijo方法求解新模型,提出光滑孪生参数化不敏感支持向量回归机(STPISVR);最后,从理论上证明了STPISVR模型是收敛的,并具有任意阶光滑性。为了验证所提算法的有效性和可行性,对机器学习常用的人工数据集和UCI数据集进行仿真实验。实验结果表明:和其他机器学习方法相比,STPISVR在保证精度不下降的前提下,获得了更高的训练效率。

求解逆运动学的多策略蜻蜓算法

蜻蜓算法(Dragonfly Algorithm,DA)是一种新型群智能算法,存在求解精度不高、收敛速度慢、优化不稳定等不足.基于此,提出了一种多策略改进的蜻蜓算法(Multi-strategy Improved Dragonfly Algorithm,MIDA).首先通过Logistic混沌映射改善算法的初始种群,使算法能更快锁定最优解区域;其次融合共生生物搜索算法(Symbiotic Organisms Search,SOS)来增加个体间的信息交流;最后采用了余弦扰动避免蜻蜓算法过早陷入局部最优解,并且采用正交实验验证该算法的可行性.通过12个基准函数和求解逆运动学这一实际应用来验证MIDA的有效性.结果表明,MIDA在函数优化方面遥遥领先,在求解逆运动学问题中,优化效果比其他对比算法高10%~35%.

多项式光滑孪生支持向量回归机

针对光滑孪生支持向量回归机(Smooth Twin Support Vector Regression,STSVR)中Sigmoid函数逼近精度不高的问题,将正号函数展开为无穷多项式级数,由此得到一族光滑函数.采用该多项式光滑函数逼近孪生支持向量回归机的不可微项,并用Newton-Armijo算法求解相应的模型,提出了多项式光滑孪生支持向量回归机(Polynomial Smooth Twin Support Vector Regression,PSTSVR).不仅从理论上证明了PSTSVR的收敛性和满足任意阶光滑的性能,而且在人工数据集和UCI数据集上的实验表明了PSTSVR比STSVR具有更好的回归性能.

本科人工智能课程教学中培养学生计算思维能力的探讨

培养学生计算思维能力是当前计算机专业教育领域的研究热点。本文结合本科人工智能课程的教学实践,探讨本科人工智能课程与计算思维之间的内在联系,提出一种以＂计算思维＂为核心的本科人工智能课程教学的新模式,以达到提高学生的计算思维能力、应用能力和创新能力的教学目的。

一种多策略混合型烟花算法

针对传统烟花算法存在寻优精度低,多样性差,爆炸更新具有盲目性的不足,提出一种融合算术优化算法的混合型烟花算法。首先,该算法利用算术中乘除运算和加减运算实现烟花的爆炸操作,从而提高算法的收敛能力和寻优精度。其次,采用“精英”选择策略取代“轮盘赌”选择策略,降低算法复杂度。最后,通过对8个基准函数优化测试以及联合谱聚类算法对2个UCI基本数据集进行分类实验来评估该算法的有效性。实验结果表明,该算法对于函数优化能够较好的寻优求解在4个测试函数上精度误差从10^(-100)附近降低至10^(-300),在谱聚类算法的应用中适应度值平均值至少优于原算法3.3%,总体性能优秀。

云自适应粒子群算法

文中提出了云自适应粒子群优化(CAPSO)算法,根据粒子适应度值把种群分为三个子群,分别采用不同的惯性权重生成策略,由X条件云发生器自适应调整普通子群粒子的惯性权重,由于云模型云滴具有随机性和稳定倾向性特点,使惯性权重既具有传统的趋势性,满足快速寻优能力,又具有随机性,在提高收敛速度和保持种群多样性之间做了一个很好的权衡。通过典型函数优化实验表明,与标准粒子群算法相比,CAPSO具有较高的计算精度和较快的收敛速度。

多种群粒子群优化算法

将一定规模的粒子群平分成三个子群,并分别按基本粒子优化算法、ω自线性调整策略的粒子群算法和云自适应粒子群算法三种不同规则进化,既保持各个子群和算法的独立性和优越性,又不增加算法的复杂性,并提出"超社会"部分,重新定义了速度更换式子,同时还引入了扩张变异方法和扰动操作。实验仿真结果表明,给出算法的全局搜索能力、收敛速度,精度和稳定性均有了显著提高。

加权光滑CHKS孪生支持向量机

针对光滑孪生支持向量机(smooth twin support vector machines,简称STWSVM)采用的Sigmoid光滑函数逼近精度低和STWSVM对异常点敏感的问题,引入一种性能更好的光滑函数——CHKS函数,提出了光滑CHKS孪生支持向量机模型(smooth CHKS twin support vector machines,简称SCTWSVM).在此基础上,根据样本点的位置为每个训练样本赋予不同的重要性,以降低异常点对非平行超平面的影响,提出了加权光滑CHKS孪生支持向量机(weighted smooth CHKS twin support vector machines,简称WSCTWSVM).不仅从理论上证明了SCTWSVM具有严凸性和任意阶光滑的性能,而且在数据集上的实验结果表明,相对于STWSVM,SCTWSVM可以在更短的时间内获得更高的分类精度,同时验证了WSCTWSVM的有效性和可行性.

基于扩张变异方法的云自适应粒子群算法

提出了一种基于扩张变异方法的云自适应粒子群算法,该算法利用云模型X条件云发生器自适应调整每一个粒子个体惯性权值。采用扩张变异方法进行变异,可避免因多维而多变量引起多因素的干扰,加快搜索速度,其目的进一步改进粒子群算法的性能,为解决高维空间优化问题提供一种有效方法。最后,以高维函数优化为实例,计算机仿真结果表明,给出的算法具有鲁棒性强、收敛速度快、精度高等特点。

GPS高程转换模型

传统二次曲面模型用于GPS高程转换时容易出现法方程病态,使用岭估计法能消除其病态性,但是目前岭参数k的确定缺乏良好的方法,k的不同取值会得到不同转换精度,提出二次曲面重心化模型和二次曲面归一化模型用于GPS高程转换。通过实测数据分析,两种模型均能消除法方程病态性,且具有较高的GPS高程转换精度。

武夷名丛茶多糖清除羟基自由基活性研究

以‘金毛猴’、‘金罗汉’、‘留兰香’、‘玉麒麟’、‘玉观音’等5份武夷名丛种质资源为研究对象,测定了主要生化成分含量,通过水提醇沉法提取茶多糖,分析了茶多糖的基本组分,并采用D-脱氧核糖-铁体系法研究了茶多糖清除羟基自由基的活性。结果表明:5份名丛中游离氨基酸、茶多酚含量存在极显著差异,可溶性糖含量存在显著差异,茶多糖中糖醛酸、中性糖的含量存在极显著差异,表明武夷名丛种质资源具有生化成分多样性;‘玉观音’、‘金毛猴’、‘玉麒麟’、‘金罗汉’、‘留兰香’茶多糖对羟基自由基的清除活性存在显著差异,其IC50分别为4.37、4.80、6.21、6.31、6.75 mg/mL,均高于阳性对照Vc(IC50=26.03 mg/mL),表明武夷名丛茶多糖是一种较好的羟基自由基清除剂,具有较强的抗氧化活性,不同名丛间茶多糖活性具有多样性。