基于疯狂捕猎秃鹰算法的K均值互补迭代聚类优化

在处理庞大复杂的点云数据时,传统聚类方法精度低、耗时长并且受离群点影响大,针对以上问题,提出基于疯狂捕猎的柯西反向秃鹰搜索算法(QO-BESCH)的K均值互补迭代聚类优化方法.所提算法构建基于体元包围盒的初始聚类中心选择模型,提升初始化聚类中心质量;提出疯狂捕猎机制,同时融合动态自适应控制算子和柯西反向策略,提升秃鹰搜索算法(BES)的寻优能力,增加寻找聚类中心的成功率;利用QO-BESCH优化K均值聚类(KMC),在减小迭代次数的同时增加搜索效率,得到较好的聚类结果.利用UCI标准数据集对所提算法进行测试,并与8种聚类算法进行对比,实验结果证明了所提算法的优越性.将本研究算法结合PCL点云库应用于ModelNet40点云数据集聚类,结果表明,所提算法可以实现有效聚类,适用性较强.

基于IBES优化的三维无人机自主避障

针对三维空间环境复杂,航迹规划计算量较大,而现有BES算法受路径搜索能力不足等因素制约,无人机易在低空自主避障时陷入局部最优、难以完成复杂任务等缺陷的情况,提出了一种基于IBES算法的三维无人机自主避障方法。首先,构建威胁源模型、无人机物理约束模型以及三维山地模型,建立代价函数;其次,设计了随机Tent映射来初始化种群,提高初始化种群的质量;然后,针对BES算法在第一阶段——选择搜索空间阶段过早收敛,易陷入局部极值点的情况,引入Levy飞行策略修订此阶段更新公式,跳出局部最优;再后,设计了融合自适应指数权重的黄金正弦指引机制,提高秃鹰在既定空间全面探索并利用搜索空间的能力,解决了BES算法在既定空间内搜索猎物能力不足的问题;最后,设计了动态选择自适应t分布变异算子,提高了全局能力,同时,利用样条插值随机取点解决了路径点过于密集的问题,进一步提升了算法精度。仿真实验结果表明,提出的IBES算法规划的路径相比灰狼算法、改进的飞蛾扑火算法、麻雀算法及秃鹰搜索算法,航程分别降低了23.05、10.55、13.44和3.20 km,代价相比其他4种算法分别降低了7.26、9.51、8.27和4.91,IBES算法的寻优成功率达到了98%。同时,IBES算法能耗更优,路径平滑,收敛速度更快,使无人机有效地利用地形优势来躲避威胁源,表现出较好的寻优能力。

新型冠状病毒肺炎上门排查社区工作人员心理现状调查及原因分析

目的:了解新型冠状病毒肺炎上门排查工作人员的心理状态,为工作人员心理疏导提供依据。方法:采用症状自评量表(SCL-90)对上川社区工作人员进行心理现状调查,并分析不同特征的工作人员SCL-90量表得分情况。结果:60例工作人员SCL-90量表总分为(139.01±36.84)分,高于2018年全国常模(P<0.05);其中女性工作人员量表总分为(142.34±44.39)分,高于男性的(134.96±39.46)分(P<0.05);本科及以上工作人员量表总分为(126.12±23.01)分,低于专科及以下工作人员的(143.02±30.13)分(P<0.05);而不同年龄、婚姻状态工作人员量表总分无统计学差异(P>0.05)。结论:疫情期间上门排查社区工作人员存在一定的心理应激反应,对于专科及以下学历及女性工作人员需予更多理解,采取必要的心理疏导等措施缓解其不良情绪。

心理干预对新型冠状病毒肺炎上门排查社区工作人员抑郁、焦虑程度的影响

目的:探讨心理干预对新型冠状肺炎疫情爆发期间上门排查社区工作人员抑郁、焦虑程度的影响效果。方法:选取2020年3月4日至4月1日期间上川社区上门排查工作人员60例,随机分为干预组和对照组,每组30例,干预组予以心理干预,对照组不予处理,分别于干预前后评估SDS、SAS评分。结果:干预前,两组受试者在SDS、SAS评分上均无统计学差异(P>0.05);干预组干预前后SDS、SAS评分均明显下降(P<0.05),而对照组干预前后SDS、SAS评分均无统计学差异(P>0.05)。结论:心理干预可有效减轻上门排查社区工作人员的抑郁和焦虑程度,有利于提高患者生活质量,值得进一步推广。

“陈氏针法”治疗面神经炎临床研究

目的:评价"陈氏针法"治疗面神经炎的疗效。方法:将84例面神经炎患者随机分为陈氏针法组和常规针法组各42例。陈氏针法组采用选穴精少(5穴)、陈氏飞针进针及分级补泻方法,常规针法组采用常规取穴、针刺方法,两组均以治疗1个月为一疗程,并于多个时点(治疗2周、1个疗程、足疗程后1月)根据症状体征量化表评定疗效,同步采用House-Brackmann量表和肌电图测定面神经功能。结果:治疗后两组患者症状体征量化表情况、面神经肌电图较治疗前改善,前后比较差异均有统计学意义(均P<0.05),但两组间比较差异均无统计学意义(均P>0.05)。结论:"陈氏针法"治疗面瘫飞针进针、选穴精少,与常规针刺疗法比较疗效相当。

基于秃鹰搜索算法优化的三维多无人机低空突防

三维空间环境复杂,多无人机的低空突防航迹规划计算量大,现有多目标秃鹰搜索算法存在求解易趋于中心点及精度低的缺陷,为此提出基于改进多目标秃鹰搜索算法(IMBES)的三维多无人机低空突防方法.构建三维环境模型、威胁源模型、无人机物理约束模型、多无人机协同约束模型以及路径平滑度约束模型,确定多目标代价函数.设计耦合混沌映射初始化,有效提高初始化种群质量;设计基于“侦察鹰”的自适应高斯游走策略,平衡开发与搜索能力;引入快速非支配排序,进一步提高算法效率.利用秃鹰位置与无人机速度、转弯角度、爬升角度的对应关系,采用IMBES高效搜索无人机构型空间,找到最优的帕累托前沿.实验结果表明,IMBES的成功率为70.5%.与现有路径规划方法相比,所提方法的优化能力强、能耗低,适用于多无人机协同低空突防.