一种自适应小生境分布性保持策略

小生境技术被广泛应用在多目标进化的分布性保持方面.但是,小生境半径不易控制等限制了其在分布性保持等方面的发展.本文提出了一种自适应小生境分布性保持策略(Adaptive Niche,AN).AN通过对Pareto解集生成最小生成树来自适应调整小生境半径,同时扩大搜索小生境半径并改变计算方法使之能够识别小生境边沿的个体,便于对其修剪与评价.通过与NSGA-II,SPEA2在不同形状测试函数上进行对比实验,结果表明,AN能够对Pareto最优面进行高效地分布性保持.

融合注意力机制与全局特征网络的行人重识别算法研究

行人重识别是近年来计算机视觉领域的研究热点,已被广泛应用在智能视频监控、安保系统等多个领域。但在实际应用场景中,图像数据会受到摄像机差异、物体遮挡、行人姿态视角改变等因素的影响,因此,克服以上问题成为了当前行人重识别研究所关注的重点问题。对于行人重识别方法在面对遮挡和复杂背景应用场景下的干扰信息影响精度的问题,提出了引入空间注意力机制,对拓扑关系遮挡行人重识别算法的全局特征提取网络进行改进,将基于空间注意力的特征提取网络与拓扑关系遮挡行人重识别算法中的作为Backbone网络的RestNet50进行优化改进。在公开的Occluded-Duke数据集和Market-1501数据集上进行测试,实验结果显示改进算法的评价指标有明显提升。

多目标进化算法求解噪声适应度函数问题研究

多目标优化算法在现实生活中要解决的问题通常是带有不确定性的,适应度存在噪声干扰是不确定性的一个重要方面,所以多目标进化算法求解噪声适应度函数问题具有重要的现实意义,通过实验的方法,研究了3个典型多目标算法在不同规模下噪声干扰下的性能,4个评价方法在噪声环境下的有效性,以及传统的蒙特卡洛积分方法能够适用的范围,实验结果表明,3个典型多目标算法求解噪声适应度函数问题均不理想,传统的蒙特卡洛积分方法随着噪声规模的增加性能下降很快,同时需要更加适用于噪声适应度方程问题的评价方法.

数据均匀分布和正态分布的数据总线低功耗研究

低功耗设计已成为数字系统设计中必须考虑的问题,而总线低功耗设计是其中的重要分支。由于CMOS电路功耗的特性,降低总线上相邻两个传输数据状态的电压变化能有效降低总线功耗,降低总线翻转技术已成为降低总线功耗的重要研究领域之一,而Bus-Invert编码、ShiftInv编码是这一研究领域中的重要研究成果。以往的研究主要集中在遵从随机均匀分布的数据总线上,对该状态下的总线编码进行研究。由于总线上数据的相关性,现实中的总线数据往往服从正态分布的规律。通过对两种总线翻转编码技术的研究,得出对于服从均匀分布和正态分布的数据总线,ShiftInv编码技术降低功耗的能力均优于Bus-Invert编码技术。

基于密度聚类算法的电力通信监测分析

为解决传统基于密度的噪声应用空间聚类(DBSCAN)算法对输入参数设置敏感,以及传统的边缘计算框架计算成本高、计算时间过长等问题,创新性地提出了一种单遍权重K-means(SPWK)聚类算法。构建了电力通信网络故障及入侵监测模型,并将深度强化学习技术与边缘计算相结合,以降低计算成本和计算时长。仿真试验结果表明:SPWK聚类算法的迭代次数更少,平均执行时间以及总聚类时间分别低于其他算法67.5%、37.5%,加速比高出76.4%以上,聚类效率更高;边缘计算优化方法的服务器占用时间以及计算等待时间分别低于其他算法70.4%以上和79.2%以上,性能更优;电力通信监测模型对异常数据的平均识别准确率高出其他算法23.86%以上,入侵检测率高出其他算法4.8%以上,误报率降低65.4%以上,具备优异的检测性能。综上所述,所提故障及入侵监测模型以及边缘计算优化方法的性能均优于其他流行方法,适合在电力通信监测研究中推广使用。

日常四种错误治疗法

1.口苦刮舌苔:有的人得了病,特别是肝胆胃肠疾病,常见舌上长有黄白苔,自觉口苦厉害。于是,便于每日起床后,用竹片或小刀,轻轻将舌苔刮掉。这种办法,也许会使口苦之症暂时减轻,但会伤及舌上的味蕾,使食欲减退。而且,舌苔是诊断疾病的根据之一,将它刮掉,有可能掩盖症状或造成误诊,影响治疗,实属因小失大。