基于改进YOLOv7-tiny的高空作业人员安防装备检测算法

针对现有高空作业人员安防装备检测算法参数量较大且检测目标相对单一,难以适应复杂的高空作业场景等问题,提出一种基于改进YOLOv7-tiny的高空作业人员安防装备检测算法。首先,将主干网络重新设计为更轻量的YOLOv7-FasterNet,并调整空间金字塔池化结构,实现模型参数量的压缩;其次,在ELAN-L模块中扩展梯度传输路径的分支,解决了模型压缩造成的通道信息缺失问题,提升了特征信息的提取能力;最后,将网络中下采样部分替换为Involution模块,降低参数冗余,增强网络对全局的捕获能力。实验结果表明,改进的YOLOv7-tiny算法能够更好地适应复杂高空作业场景,在开源数据集上具备良好的性能。该算法的平均检测精度达到94.7%,较原模型提升1.5%,参数量较原模型下降11.6%,实验结果验证了算法改进措施的有效性。

基于改进BiLSTM-CRF模型的网络安全知识图谱构建

针对网络安全领域的图谱构建任务,基于BiLSTM-CRF模型引入了外部网络安全词典来加强网络安全文本的特征,并结合多头注意力机制提取多层特征,最终在网络安全数据集取得了更优异的结果。利用企业内部的日常网络运维数据,设计并构建了一个面向企业网络安全运维管理的知识图谱,为后续进一步研究基于图谱的企业网络安全智能决策等应用奠定基础。

基于tSNE-LSTM算法的工业预测模型

随着工业生产的复杂性和规模的增加,准确的工业预测模型对于提高生产效率和降低成本至关重要。为此,提出一种基于tSNE-LSTM算法的工业预测模型来预测工业生产过程的温度。将t-SNE应用于数据降维和特征提取,然后使用LSTM进行序列建模和预测。该模型结合了t-SNE降维和LSTM循环神经网络的优势,能够有效地捕捉时间序列数据的非线性动态特征,并进行准确预测。在实际工业数据集上的实验验证结果表明,该模型在工业预测任务中具有较高的准确性和鲁棒性。

基于2D-DIC的轴体扭矩测量方法

针对传统二维数字图像相关法易受离面位移影响,难以用于测量扭矩这一现状,文中在现有二维数字图像相关法的基础上,提出基于曲面展开和位移量预测的轴体扭矩测量方法。采用曲面展开法将二维轴体图像与轴体物理结构进行结合,获取轴体三维曲面信息,有效补偿了轴体扭转位移计算结果,并利用位移量预测法减少了参考子区与变形子区相对位移的计算量。进行了曲面展开法补偿扭转位移前后的对比实验,传统数字图像相关法与位移量预测法的对比实验和不同直径轴体扭矩测量实验。实验结果表明:加入曲面展开法后,扭矩测量结果的绝对误差最高减小了0.21 N·m;位移量预测法相对传统方法计算结果相近,但计算速度最高提升了31.6%;不同直径轴体扭矩测量结果的相对误差在±4.35%以内,具有较好的稳定性和准确性。

基于改进PSO-BP神经网络的教学质量评价模型

教学质量评价是教学研究中的重点之一,但已有的数学评价模型不适合解决非线性问题,神经网络模型收敛速度慢、准确率不高。针对以上问题,文中提出一种基于改进PSO(Particle Swarm Optimization)-BP(Back Propagation)神经网络的教学质量评价模型。通过引入动量和自适应学习率优化BP神经网络,采用惯性权重线性递减、学习因子异步变化,并引入速度收缩因子和自适应变异策略来优化PSO算法;再使用PSO粒子群优化算法计算BP神经网络的初始连接权重和阈值,从而提升模型的全局寻优能力和收敛速度、精度。为验证模型效果,使用评价体系指标层的10个指标数据作为模型的输入,评价结果作为输出,进行模型对比实验。实验结果表明,所提模型的准确率达到96.33%,比一般BP神经网络模型提高4.68%,比自适应BP神经网络模型提高4.07%,比PSO-BP神经网络模型提高1.2%,且收敛曲线平稳,整体性能优于其他模型,说明运用该模型能够有效地对教学质量进行评价。

基于凸优化的反卷积相干目标识别算法

为提高反卷积声源成像算法目标识别性能,改善其对相干目标识别效果不理想的问题,提出基于凸优化的反卷积相干声源识别算法。该算法利用阵列接收信号与导向向量共轭转置相乘得到波束输出,去除互谱操作,避免忽略互谱矩阵交叉项中的相干声源信息;其次建立波束输出、目标分布与点扩散函数线性方程组,利用凸优化方法实现目标源强的高精度求解。通过模拟仿真和实验表明:提出的基于凸优化的反卷积相干目标识别算法能有效提高反卷积目标成像算法空间的分辨率和动态范围,在识别相干目标方面更具优势。

基于词模式规则的轻量级日志模板提取方法

传统基于规则的日志解析方法针对每类日志需单独编写规则,且随着系统更新,出现新的日志模式时,需人工再次干预;基于深度学习的日志解析方法虽准确率高,但计算复杂度高。为解决日志解析方法人力成本和计算复杂度高的问题,文中提出一种基于词模式规则的轻量级日志模板提取方法,该方法由初始规则集生成、词模式规则应用、潜在错误样本发掘三个部分构成。首先,原始日志基于自适应随机抽样获取彼此间相似度较低的代表性日志;然后,基于专家反馈提取初始词模式规则集,在词模式规则应用模块对原始日志进行处理并提取日志模板;最后,在潜在错误样本发掘模块检查生成的日志模板聚类,发现潜在的错误分类样本并对其进行规则集更新。经过实验验证,在16个公开日志数据集上,文中方法的平均准确度达到97.8%,与基于深度学习的日志解析算法准确度基本持平;在计算效率方面,文中方法的单线程解析速度达到每秒20000条,且随着可用内核数量的增加,性能持续提升,满足系统日志的故障诊断和安全分析需求。

面向电商领域的旗袍知识图谱构建与实证研究

为挖掘旗袍服饰要素的关联关系与隐藏价值,构建一个基于电商数据的细粒度旗袍知识图谱,并开展实证研究。旗袍知识图谱采用自底向上逐层构建的方法,首先根据先验知识设计细粒度本体模型,为后续工作提供逻辑基础;然后采集并预处理原始数据,通过知识抽取、知识融合规范化数据,进行实例填充,完成数据层设计;最后将数据存储到图数据库,实现可视化。在此基础上,围绕旗袍、服饰要素以及用户人群开展深度挖掘、知识推理,借助图分析算法在社区检测、相似度和要素关联上展开实证研究。结果表明:旗袍知识图谱蕴含服饰要素之间隐藏的关系,能够挖掘内在的语义信息;旗袍服饰要素和用户人群之间存在一定的知识关联性,进而辅助设计与销售决策。

基于改进鹦鹉算法的光伏多峰值MPPT控制

针对光伏阵列在光照不均条件下呈现多峰突变,导致传统的最大功率点追踪失衡问题,提出了一种基于改进鹦鹉算法的MPPT控制。首先考量Halton序列进行种群初始化,使多样性变化显著;其次选取切线搜索算法中的切线飞行机制减少动态跳跃,克服早熟和局部极点问题;后期通过鹦鹉翻筋斗觅食策略进行二次更新,减小自适应范围,加速收敛。对比传统鹦鹉算法、金豺算法以及灰狼优化算法,测试结果显示,改进的鹦鹉算法的MPPT控制跟踪效率分别为98.23%、97.26%、96.91%和96.81%,跟踪时间分别为0.077 s、0.112 s、0.127 s、0.156 s,最后通过实验验证跟踪精度和速率均显著高于其余3种算法。

SOM+K-means两阶段聚类算法及其应用

在众多聚类算法中,K-means和自组织神经网络(SOM)是较为经典的2个。在分析2种算法优缺点的基础上,提出基于SOM的K-means两阶段聚类算法,该算法根据SOM算法自动聚类的优点得到初步聚类数目和各类中心点,以此作为K-means算法的初始输入进一步聚类,从而得到精确的聚类信息。最后,应用该算法对某地区电信家庭客户数据进行分析,结果表明该算法有较好的聚类效果。

ARM-Linux嵌入式系统的Boot Loader分析与设计

Boot Loader作为ARM嵌入式系统的一个重要部分。对于使用不相同版本的内核的系统板,所对应的Boot Loader也是相同,因此对每个系统板都要对其运行其所对应的Boot Loader。在此简要介绍S3C2410及其两种启动方式,着重分析S3C2410从NANDFLASH启动的过程中,对各个内部功能模块进行初始化过程,并设计出基于S3C2410嵌入式系统的Boot Loader。通过在线仿真及实际测试表明,该Boot Loader具有良好的稳定性、实时性和可移植性。

减小SC-FDMA与OFDMA系统PAPR的方法分析

为了有效减小SC-FDMA系统的高峰值平均功率比(PAPR),采用DFT扩频技术对单载波频分多址(SC-FDMA)和正交频分多址(OFDMA)上行系统的PAPR性能进行比较与仿真分析。结果表明,这里采用DFT扩频方法能有效减小SCFDMA系统PAPR,且明显优于OFDMA系统。

基于D-S证据理论的多传感器数据融合

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一,但在证据高度冲突时,其归一化过程会产生有悖常理的结果。针对这个问题,国内外的学者提出了许多不同的改进方法,基本上可分为两类:修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想,并进行系统条理的分析,为证据理论的发展和改进提供了有价值的参考。

基于差分进化和人工蜂群混合策略的DV-Hop改进算法

为了解决无线传感器网络依靠DV-Hop算法定位过程中存在误差偏高的问题,将人工蜂群算法和差分进化算法融合,引入传统DV-Hop算法中,提出一种HDV-Hop算法。该算法在继承经典DV-Hop算法的前提下,获取锚节点的信息及平均跳距距离,在未知节点定位阶段引入混合策略的目标函数,优化搜索算法,提高定位精度,完成对未知节点的定位。仿真分析表明,该算法相比于DV-Hop算法和基于人工蜂群的定位算法能有效降低定位误差,提高稳定性。

基于IFOA优化DV-distance算法的无线传感器网络定位研究

对无线传感器网络节点定位问题进行研究,提出一种基于IFOA优化DV-distance算法的WSNs定位方法。针对DV-distance算法定位精度低、噪声影响大,受限于网络拓扑结构等问题,将改进的果蝇优化算法(IFOA)引入到DVdistance设计中,实现了节点位置的精确定位,为进一步提高算法定位的精度,引入动态加权修正因子,并给出动态误差修正策略,最后对WSNs节点定位问题进行实验仿真,仿真结果表明,基于IFOA优化的DV-distance定位算法较DV-distance和传统定位算法在定位精度上有明显改善。

基于TF-IDF改进聚类算法的网络敏感信息挖掘

网络敏感信息挖掘过程中,敏感信息和正常信息的特征不同,具有较高的遮蔽性。利用传统敏感信息挖掘方法时,固有的敏感信息被遮蔽,无法进行敏感信息的准确挖掘。提出基于TF-IDF改进聚类算法的网络敏感信息挖掘方法,通过TF-IDF方法获取网络敏感信息文本,在网络敏感信息文本中获取有价值的敏感信息特征,采用该信息完成聚类算法,对全部敏感信息特征进行聚类分析,完成网络敏感信息的挖掘。实验结果说明,所提方法进行网络敏感信息挖掘,具有较高的挖掘效率和精度。

基于IPSO-SVM的瓦斯突出危险程度预测

煤与瓦斯突出事故危及矿工生命,破坏生产现场。通过现场监测瓦斯突出的相关数据,对瓦斯突出的危险程度进行预测,提前做好防范措施,减少瓦斯突出事故的危害。为此,提出支持向量机算法与改进粒子群算法相结合的瓦斯突出危险程度预测模型:首先对容易陷入局部最优的粒子群进行改进;接着应用改进粒子群算法求解影响支持向量机分类预测性能的最佳参数;然后把最佳参数应用于擅长模式识别的支持向量机算法,进行瓦斯突出样本数据的训练,构建瓦斯预测模型;最后使用瓦斯预测模型对新的瓦斯突出数据进行预测。实验结果表明,采用该方法进行瓦斯突出预测的准确率,比纯支持向量机算法提高了5%。

基于改进GA-SVM的智能推荐诊断挂号算法

为提高患者就医效率设计了一套智能推荐诊断挂号算法,对大量的历史病案文本进行训练和机器学习,以患者特征为依据进行分类并推荐相应的科室。使用遗传算法与支持向量机结合进行特征值提取和参数优化,以核函数参数和文本特征值作为遗传算法的染色体执行选择、交叉和变异操作,为提高遗传算法效率并避免陷入局部最优值,在遗传算法初始化群体阶段使用加权深度优先搜索和轮盘赌结合的机制以保证种群多样性,并对交叉概率和变异概率进行自适应优化,在保留有用遗传信息的同时实现全局搜索。实验结果表明,该算法在有效降低特征值数目的同时提高了分类精度。

基于CK-Core的安全芯片Bootloader开发与应用

随着嵌入式技术的快速发展,多接口和多功能的Bootloader得到越来越多的应用,但其设计开发过程却非常复杂。为了实现定制安全芯片的软硬件初始化,并成功下载其片内操作系统(COS),设计并实现了一种支持多接口和多功能的Bootloader。该Bootloader根据安全芯片及其CK-Core CPU的结构特点开发,程序结构简洁高效,对Bootloader的设计和开发提供了有力参考。

改进的DWT-MFCC特征提取算法

基于离散小波变换的美尔倒谱系数(DWT-MFCC)^([1])将小波变换引入到MFCC参数的提取中,用DWT代替FFT将语音信号分解为多个频带的小波系数,并将小波系数的频率响应直接拼接为完整频谱后再通过Mel滤波器获得。改进的DWT-MFCC特征提取算法从滤波的角度分析小波分解过程及各子带频谱的变化,提出了新的有效频谱拼接方式。实验结果表明,改进的特征提取算法提高了说话人的识别率;同时,在该算法下随着小波滤波器db N长度的增加,滤波器截止特性变好,识别率也随着增加。