基于强化学习的无人机智能组网技术及应用综述

针对无人机在民用和军事等领域中的研究热度及应用需求日益增长,传统Mode1-Based的网络部署、设计、操作方法无法应对动态变化的无人机场景的问题,本文综述了灵活性高、适应性强的AI-Based的智能组网技术,并引入强化学习这一人工智能领域的重要分支。对现有利用强化学习技术解决无人机组网难题的研究进行了概述,结合无人机组网的特性梳理了此领域应用强化学习技术的主要思路。从几个应用场景,以及组网关键技术的角度进行了归纳,给出了基于强化学习的无人机智能组网技术所面临的机遇与挑战,并进行了总结。探究了无人机通信的感知能力与决策能力,适应了其动态变化且需要高度自治的环境需求。为未来无人机智能组网技术的发展提供了有价值的理论基础和实践指导。

密度峰值快速聚类算法优化研究

密度峰值快速搜索聚类CFSFDP算法选择聚类中心时需要通过人工在决策图中选择,且最后进行簇核心与簇光晕划分时会将簇的一些边缘部分划入簇光晕中,导致划分结果不够合理。针对以上问题,提出一种聚类中心自动选择及簇核心与簇光晕分割优化的聚类算法。利用异常检测的思想,寻找簇中心权值的异常点,将异常点作为各簇的聚类中心;引入簇内局部密度,实现对簇核心与簇光晕更合理的分割。通过实验对比,本文提出的算法自动化效果优于CFSFDP算法且得到的聚类结果更为精确。

梨自交花粉原位萌发观察及不亲和性强度研究

梨是世界四大水果作物之一,拥有特殊的自交不亲和特性。这种现象在蔷薇科中普遍存在,但关于不同品种的自交不亲和强度却鲜有报道。综合田间自花授粉套袋试验及花粉管原位荧光显微观察,对256个不同梨品种进行套袋处理、花粉管生长特性观察、自交不亲和性强度统计分类以及坐果率调查。结果显示:自交不亲和性较强品种的花粉管虽然有少量穿过柱头,但不能在花柱内进一步生长,表现为扭曲变形、花粉管杂乱无章,以及花粉管末端变粗膨大等现象。不同梨品种自交不亲和性强度R值参差不齐,所调查的大部分梨品种自交不亲和强度分布在强与中之间,分别占57.4%、33.6%,而自交不亲和性弱的只占9.0%,仅有闫庄鸭梨、秋荣、54S-135、金坠、大果黄花和晚秀7个品种。田间自花授粉坐果率调查发现,自交不亲和性强度为强与中的品种的结实率基本为0,弱自交不亲和性强度品种金坠、秋荣的结实率分别为61.4%、32.7%,但晚秀表现出自交不结实。研究结果不仅具有理论价值,而且有潜在的实践意义。