模糊集合下多传感器信息融合算法仿真

多传感器数据融合通常涉及大量数据,受到噪声、不完整性、不准确性等因素的影响,导致融合结果的不确定性增加。为此,提出一种基于模糊集合的多传感器信息融合算法。利用局部保持投影(Locality Preserving Projection, LPP)处理多传感器信息,采用主成分分析(Principal Component Analysis, PCA)分离特征值较大的反射信号,删除特征值较小的随机噪声。利用隶属函数得到不同传感器提供的可信度,将支持度以及可信度转换为基本概率分配函数,引入证据理论(Dempster-Shafer, D-S),实现多传感器信息融合优化。仿真分析表明,所提方法可以得到高精度和高效率的多传感器信息融合结果,峰值信噪比达60dB以上,信噪比一直处于12dB以上,融合最长耗时仅为2.01ms,使其融合性能得到有效优化。

递归神经网络下混合属性信息推荐仿真

信息量的大幅增加,导致用户无法从推荐的海量数据中提取到所需的信息。为了解决上述问题,提出一种基于递归神经网络的混合属性信息推荐算法。通过数据预处理方法,删除没有任何信息评分的混合属性信息,并挖掘用户和混合属性信息之间的关系。采用已评分混合属性信息,融合极度梯度提升树(eXtreme Gradient Boosting, XGBoost)算法对混合属性信息分类。构建递归神经网络模型,采用梯度下降法对模型训练,获取用户对各个混合属性信息的概率值,并将其按照从大到小的顺序排列,形成推荐列表直接推送给用户完成推荐。实验结果表明,所提方法的HR值得到了提高,且NDCG取值的平均值为0.805,全面提升推荐结果的准确性。

基于非局部信息的双重加权协同稀疏解混方法

针对传统基于协同稀疏的半监督解混方法中存在的丰度结果过度平滑、高光谱空间上下文信息利用不足、丰度矩阵稀疏程度较低等问题,提出一种基于非局部高阶空间信息的双重加权协同稀疏解混方法。所提出的方法以协同稀疏解混模型为基础,一方面通过结合自适应权重因子以提高估计结果的稀疏性,另一方面通过挖掘高光谱数据较为丰富的非局部空间信息,形成空间权重矩阵以提高对高光谱图像空间信息的利用率,同时对行稀疏约束带来的过度平滑问题加以限制。算法选择结合交替方向乘子法对模型进行迭代求解,求解过程中采用了内外双循环结构以便于优化算法结果。在模拟和真实高光谱数据集上的实验结果表明了所提出方法的有效性。

面向多业务场景的异构网络信息安全防御技术

多业务场景下的异构网络需要处理大量不同类型的数据和流量,这使得网络监控和管理变得复杂,给恶意节点提供攻击机会。为解决多业务场景的异构网络易遭受恶意节点攻击的问题,提出一种面向多业务场景的异构网络信息安全防御方法。通过K-means算法获得不同类型的异构网络数据簇,以提高数据加密的效率。利用椭圆曲线加密算法完成各个数据簇的加密,提高异构网络信息的安全性。基于不同业务场景中访问节点的信任值识别出存在恶意攻击行为的节点,并拒绝其访问网络,以完成异构网络信息的安全防御。实验结果表明,所提出方法的网络能耗较低,防御性能较强。

应用型本科高校工程技能类课程教学改革探索——以单片机原理及应用课程为例

技术应用型人才需求的不断增加,对应用型本科高校的教学提出了新的要求。工程技能类课程是应用型本科高校工科专业课程的重要组成部分,旨在培养学生的实践能力和工程素养。单片机原理及应用课程作为典型的工程技能类课程,应基于OBE理念,构建基于应用型人才培养的工程技能类课程教学模式,建设产品导向、理论与实践相结合的实践教学体系及其评价体系,通过运用案例教学和项目实训等以实践为主导、理论联系实际的教学方法,有效提高学生的实践能力和工程素质,为培养应用型人才奠定基础。

电子信息类专业校企合作人才培养模式探索

电子信息类专业具有学科交叉融合、应用领域广泛等特点,是理论与实践深度结合的专业,探索和构建电子信息类专业校企合作人才培养模式至关重要。由于缺乏有效的政策支持和资金扶持,加之校企双方的信任度较低,校企合作难以有效促进高校的人才培养和企业的长远发展。因此,电子信息类专业校企合作需在政府完善财税政策的支持下,建立校企合作信任机制,通过共建实践教学基地、校企联合培养学生工程实践技能、尝试“预就业”人才培养模式等措施探索育人模式,同时加强教师工程实践能力的培养,保障校企合作取得实质性进展。

信息化背景下5G通信技术对智慧水利建设的作用分析

信息技术、通信技术等技术更迭带来的产业变革正席卷全球,新技术成为智慧水利建设与发展的重要推动力,也正成为实践我国“水利高质量发展”目标的重要推动力。想要深入借由5G通信技术变革带动我国水利工程从“水利建设信息化”向“智慧水利建设”方向突破,其重要前提是要针对当下的智慧水利发展现状及目标做出清晰的判断,明确所面临的形势,通过完善的技术分析与应用方案,将之与传统水利发展深度融合,促进智慧水利真正实现“智慧”。

深度学习驱动的液滴微流控单细胞分选系统

单细胞操作和分析对于研究许多基本生物学过程和揭示细胞异质性至关重要,并且在生物医学领域具有巨大的应用潜力。液滴微流控技术在单细胞分析方面具有显著优势。研制了一种深度学习驱动的液滴微流控单细胞分选系统,主要以液滴内所包含的生物样本种类以及数量作为标准分选目标液滴。根据实验需求制作好相应生物样本的数据集,在服务器上训练好对应的网络模型,并将该网络模型转移到NVIDIA Jetson TX2开发板上,利用该网络模型对实验过程中拍摄到的液滴图像进行实时检测判断,最后根据算法对包含特定物质的液滴进行分选,从而得到目标液滴。此方法能够有效地判断并分选出液滴内图像特征有差异的不同生物样本,可以实现对包含单个及2个细胞液滴的分选。该研究为液滴微流控单细胞分选技术在生物学和医学等领域的广泛应用提供了支撑。

激光点云数据离群点删除下的多视点场景虚拟重构

单纯的激光扫描技术在现实场景虚拟重构时,有效点云数据过少,坐标均衡性较差,混乱坐标较多。为提高虚拟现实重构精度,设计基于激光点云离群点删除的多视点场景虚拟重构方法。提取多视点场景激光点云数据,包括激光数据角点特征提取,以及视觉数据角点特征提取。设置离群阈值,计算三维坐标轴中非离群点数据集所包含的空间长度,设置离群点坐标栅格结构。通过点激光云数据提取值,计算移除离群点前后点云数据之间的平均距离,完成无用数据移除,实现虚拟重构。实验结果可知:移除前后平均距离差距显著,可见离群点的移除对虚拟现实重构技术有明显作用;在使用所提方法得到的虚拟现实重构场景中,可以得到明显的房间轮廓,且大型物体重构影像也十分清晰。

基于贝叶斯算法优化的多阈值图像分割仿真

在多阈值图像分割过程中,若分割精度较低,会直接影响图像的分割效果。为提升图像的分割精度,提出基于贝叶斯算法优化的多阈值图像分割方法。通过确定贝叶斯算法优化时存在的影响因素,建立对应的适应度函数实时更新算法中种群个体适应度值;利用最小爬山法对算法中的变量展开独立性测试,建立算法的优化框架,利用蚁群算法学习贝叶斯网络结构,寻找算法种群的高阶优良模式,从而实现贝叶斯算法的优化;基于贝叶斯优化算法对图像灰度级的发生概率均值展开计算,获取图像类间方差,确定最佳分割阈值完成多阈值图像的分割处理。实验结果表明,所提方法在图像分割时,概率兰德系数(PRI)值接近1,全局一致性误差指数(GCE)与信息变化指数(VOI)值小,表明所提方法性能高、图像分割效果好。

基于优化虚拟力矩阵的农业通信节点部署方法

农田通常面积广阔,地形复杂,不同区域的信号覆盖范围和信号强度存在差异。为了保证智慧农业数据的实时和准确传输,避免网络资源浪费,提出了基于FFT算法的智慧农业通信节点部署方法。利用布尔感知模型计算目标点的覆盖程度,调节传感器节点位置,获得最大化监控区域的覆盖率。通过信息接收能耗和发送能耗,计算出中继节点和动作节点间通信能量消耗。使用FFT算法计算网络虚拟力函数模型,优化虚拟力矩阵,完成智慧农业通信节点部署。仿真实验结果表明,所提方法的通信节点部署效果好,网络覆盖面积合理,能减少能量消耗,延长网络使用寿命。

基于深度学习的移动通信网络流量预测方法研究

针对移动通信网络流量预测由于预测冗余,导致预测的RMSE和MAE高的问题,文章提出了基于深度学习的移动通信网络流量预测方法。该方法将网络流量视为时间序列,分析网络流量组成结构的自相似性,在图结构上定义网络流量特征,提取流量自相似性特征。引入深度学习算法,将图信号矩阵表示预测节点特征,利用多层神经网络实现卷积运算,构建流量预测算法。更新带有注意力信息的空间隐藏特征,实现移动通信网络流量预测优化。实验结果表明,该方法的RMSE在0.000~0.009范围,MAE在0.000~0.070×10-3范围,并且使用H_9函数时,预测误差为0,说明该方法预测精准度较高,具备良好的预测性能。

智能电子控制系统在低温电池管理中的应用与优化

低温电池针对化学电源低温缺陷而研发,广泛应用于极地科考、医疗电子、电力通信、公共安全等领域,正日益成为锂电池行业的重要组成部分。智能电子控制技术使系统有更高的自主分析和决策能力,在低温电池制造管理中具有应用前景。本文研究总结了低温电池研发现状和发展方向,把握各类低温电池特性,基于此分析电池智能化管理技术及方案,保障极端情况下电池管理系统性能,旨在提升新兴电池技术的管理水平。

利用人工智能神经网络体系结构生成视觉问答系统中的自然语言解释

模型可解释性长期以来一直是人工智能领域备受关注的问题.在视觉问答(Visual Question Answering,VQA)系统中,特别需要处理视觉(图像)和语言(问题)之间的协同推理,以产生解释性强且可靠的答案.然而,现有方法通常集中于单独处理视觉和语言特征,未能捕捉到VQA所需的高低级交互关系,也未能提供答案生成过程的解释.针对以上问题,该研究提出一种创新方法,即基于Transformer的可解释路径VQA方法.首先利用Transformer编码器层分别提取预训练的卷积神经网络(Convolutional Neural Network,CNN)和领域特定语言模型(Language Model,LM)的视觉和语言特征.随后,解码器层被嵌入,并对编码特征进行上采样,用于最终的VQA预测.通过在具有挑战性的VQA-X数据集和e-SNLI-VE数据集上大量的实验验证了该方法的有效性.实验结果表明:该方法在定性和定量评估方面明显优于其他先进方法,不仅有助于解释VQA模型的单幅图像结果,还为理解VQA模型的行为提供了有益参考.

深度学习模型在商品推荐系统中的性能优化

本研究聚焦于优化商品推荐系统中深度学习模型的性能,引入了一种针对循环神经网络(recurrent neural network,RNN)的优化思路。首先,研究了商品推荐系统的总体框架,包括数据收集与预处理、特征提取与表示、模型设计与训练以及推荐结果生成与排名等部分。其次,对RNN的基本原理进行了深入探讨,并引入了L2正则化方法进行模型优化。最后,利用Retailrocket数据集对所研究的模型进行了实验验证,评估了模型在商品推荐任务上的性能指标。实验结果表明,该优化方法在准确率、召回率和F1值等指标上均优于传统RNN模型,有效提升了推荐系统的性能。

基于改进蚁群算法的无线通信网络容量感知路由优化方法

常规的无线通信网络容量感知路由发现过程一般是单结构形式,感知范围受限制,导致平均吞吐量不断下降,为此文中对基于改进蚁群算法的无线通信网络容量感知路由优化方法进行了设计与研究。根据当前的路由优化需求,先进行有效的容量预测,采用交叉处理的方式,打破感知范围的限制,设置路由交叉发现过程,构建改进蚁群测算通信网络容量感知路由优化模型,采用变异调整的方式来实现路由优化处理。最终的测试结果表明,针对导入的5组测试指令,分别调整数据流为10、12、15及20,最终测试计算出的平均吞吐量均在280 Kb·s-1以上,且随着数据流对数的增加不断提高,该无线通信网络容量感知路由处理效果显著提升,达到了预期的优化结果。

基于GWO-SVM的无线通信网络数据传输攻击风险预警方法

常规的无线通信网络数据传输攻击风险预警方法主要使用个体最优共性叠加蚁群模型进行攻击自动跟踪,易受网络可信覆盖范围变化影响,导致ATP(Advanced Persistent Threat)攻击风险预警均方根误差较高,因此,需要基于GWO-SVM设计一种全新的无线通信网络数据传输攻击风险预警方法。即提取了网络数据传输攻击风险预警特征,利用GWO-SVM构建了数据传输攻击风险预警模型,设计了无线通信网络数据传输攻击风险预警算法,从而实现了数据传输攻击风险预警。实验结果表明,设计的无线通信网络数据传输攻击风险预警方法的ATP攻击风险预警均方根误差较低,证明设计的传输攻击风险预警方法的预警效果较好,具有可靠性,有一定的应用价值,为提高无线通信网络运行安全性,降低数据传输泄露风险作出了一定的贡献。

基于量子粒子群算法的计算机通信网络路由选择优化方法

针对当前计算机通信网络路由选择不合理,造成网络中最大链路利用率和平均链路利用率无法控制在规定要求的理想范围内的问题,引入量子粒子群算法,开展计算机通信网络路由选择优化方法设计研究。明确路由选择目标,建立计算机通信网络路由选择函数。利用量子粒子群算法,实现对路由的优化选择。通过对优化前后对比得出,优化方法的应用可以使计算机通信网络最大链路利用率和平均链路利用率控制在理想范围内,提高计算机通信网络通信质量。

基于大数据技术的无线传感网络异常节点深度挖掘方法

由于无线传感网络节点分布不规则,难以有效控制对异常节点的定位误差,为此提出基于大数据技术的无线传感网络异常节点深度挖掘方法。在节点均分布在目标区域范围内的前提下,构建无线传感网络组网模型,设置异常节点与网络中心节点之间的关系函数,之后采用大数据技术中的邻域搜索算法,对具体的网络异常节点位置进行深度挖掘定位。实验结果显示,基于大数据技术的无线传感网络异常节点深度挖掘方法在不同噪声状态下的异常节点定位误差始终稳定在2.0以内。

基于fast-whisper的语音识别系统设计与实现

随着人工智能的崛起,在追求高效率的现今社会,不少企业选择腾讯会议等平台实时录音并转换为文字记录。然而使用第三方语音大模型需要将相关数据上传到模型开发商的云服务器上,使得企业敏感数据存在泄露的风险。因此提出使用fast-whisper语音大模型进行本地化部署(On-Premises),并创建具有用户友好型界面的语音识别系统,为需要高效率会议记录和高安全性能要求的企业及组织提供服务,实现将会议语音内容快速转换成易于存储、检索和再利用格式的文字,从而提高工作效率。