基于数据流的K-S变化检测的动态多目标规划算法

为了更加准确地判断环境是否发生变化并快速追踪动态多目标规划问题(dynamicmulti-objectiveoptimization problem,DMOP)当前时刻的Pareto前沿,提出了一种基于数据流的Kolmogorov-Smirnov(K-S)变化检测的动态多目标规划(DSK-SDMOP)算法。该算法以NSGA-Ⅱ为基础,通过数据流建立2个时刻的检验窗口,再利用K-S检验基于数据流的Pareto最优前沿是否发生变化,检测2个窗口的数据是否服从同一分布来判断环境是否发生变化,并就环境变化的剧烈程度实行相应的应答机制,以提高对环境的适应程度。利用基于数据流的K-S检测方法,对环境变化不会过于敏感,而且不用提前假设对应目标值的分布,易于操作。通过5个动态多目标规划标准测试函数对该算法进行测试,并和现有的2种算法进行对比分析,结果表明该算法处理动态多目标规划问题具有良好的性能。

TRPC1与BK-α的表达对大鼠糖尿病肾病的影响

目的 探究瞬时受体电位C1(transient receptor potential channel 1,TRPC1)蛋白和大电导钙离子激活钾通道α亚单位(large conductance Ca^(2+)-activated K^(+)channel α subunit,BK-α)蛋白对大鼠糖尿病肾病(diabetic kidney disease,DKD)的影响。方法 将SD大鼠随机分为对照组(n=15)和模型组(n=15)。利用高脂饲料和链脲佐菌素(streptozocin,STZ)构建DKD模型。采用血糖分析仪检测大鼠血糖变化;采用全自动生化分析仪检测大鼠肾功能水平;HE染色检测肾组织的病理变化以确定造模成功。实时荧光定量PCR(RT-qPCR)和蛋白免疫印迹分别检测肾组织TRPC1和BK-α的mRNA和蛋白表达水平;免疫组化检测TRPC1和BK-α的分布和表达情况。结果 模型组大鼠空腹血糖(fasting plasma glucose,FPG)、尿白蛋白排泄率(urinary albumin excretion rates,UAER)、血尿素氮(blood urea nitrogen,BUN)和肌酐(creatinine,Cr)均显著高于对照组(P <0.01);模型组大鼠肾小管内壁细胞出现膨胀现象,部分细胞脱离;可见肾小管发生病变或死亡;此外,在许多肾小管及肾间质区域发现有中性白细胞及其残骸;以上HE染色结果提示,DKD模型复制成功。TRPC1和BK-α在肾小球部位最为丰富,且模型组大鼠肾组织中TRPC1和BK-α的mRNA和蛋白水平都显著高于对照组(P <0.05)。结论 大鼠糖尿病肾病影响TRPC1和BK-α在肾组织中的分布和表达。

连续时间完全-限定(K=2)两级轮询系统性能分析

为了实现区分网络优先级、保证公平性、提高普通站点的性能和效率,在完全-限定(K=1)两级轮询控制系统模型的基础上,提出连续时间完全-限定(K=2)两级轮询控制系统模型。在该模型中,使用限定(K=2)服务和完全服务分别对普通站点和中心站点进行服务。中心站点转换到普通站点进行服务时,使用捎带查询方式。在此基础上,采用马尔可夫链和概率母函数的数学方法建立该轮询系统模型,并推导平均排队队长和时延。利用MATLAB进行仿真实验,结果表明:理论值与仿真值误差较小,验证了理论分析的正确性;与门限-完全服务模型相比,该模型中心站点的队长和时延均小于门限-完全服务中心站点的队长和时延,具有更高的优先级;与一级完全服务和一级限定(K=2)服务模型相比,区分了优先级,性能分别提升11.7%和14.5%,说明两级服务远好于一级服务;与完全-限定(K=1)两级服务模型相比,增加了发送的数据,减少了等待时间,性能提升13.04%左右,进一步优化了普通站点的性能。

基于邻域K-shell分布的关键节点识别方法

复杂网络中关键节点的精准识别对于网络结构稳定和信息传播起着至关重要的作用。传统K-shell方法仅通过节点在网络中所处位置对节点的重要性进行评估,导致区分度不高。基于此,综合考虑了节点的全局信息和局部信息对节点重要性的影响,提出一种基于邻域K-shell分布的关键节点识别方法。该方法通过节点邻域Ks值定义节点的熵,从而反映邻居节点的K-shell分布特征。通过11个网络数据集上的仿真实验,验证了所提方法能够更准确地识别并区分复杂网络中的关键节点。

光伏波动平抑下改进K-means的电池储能动态分组控制策略

针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并网指令。其次,设计了改进侏儒猫鼬优化算法(improved dwarf mongoose optimizer,IDMO),并利用它对传统K-means聚类算法进行改进,加快了聚类速度。接着,制定了电池单元动态分组原则,并根据电池单元SOC利用改进K-means将其分为3个电池组。然后,设计了基于充放电函数的电池单元SOC一致性功率分配方法,并据此提出BESS双层功率分配策略,上层确定电池组充放电顺序及指令,下层计算电池单元充放电指令。对所提策略进行仿真验证,结果表明,所设计的IDMO具有更高的寻优精度及更快的寻优速度。所提BESS平抑光伏波动策略在有效平抑波动的同时,降低了BESS运行寿命损耗并提高了电池单元SOC的均衡性。

加入跳跃连接的深度嵌入K-means聚类

现有的深度聚类算法大多采用对称的自编码器来提取高维数据的低维特征,但随着自编码器训练次数的不断增加,数据的低维特征空间在一定程度上发生了扭曲,这样得到的数据低维特征空间无法反映原始数据空间中潜在的聚类结构信息.为了解决上述问题,本文提出了一种新的深度嵌入K-means算法(SDEKC).首先,在低维特征提取阶段,在对称的卷积自编码器中相对应的编码器与解码器之间以一定的权重加入两个跳跃连接,以减弱解码器对编码器的编码要求同时突出卷积自编码器的编码能力,这样可以更好地保留原始数据空间中蕴含的聚类结构信息;其次,在聚类阶段,通过一个标准正交变换矩阵将低维数据空间转换为一个新的揭示聚类结构信息的空间;最后,本文以端到端的方式采用贪婪算法迭代优化数据的低维表示及其聚类,在6个真实数据集上验证了本文提出新算法的有效性.

^(252)Cf自发裂变K X射线发射与动能-电荷关系

原子核裂变后多物理量间的关联测量是认识裂变过程直接有效的实验手段,然而由于初级裂变产物准确的电荷鉴别仍面临技术困难,电荷相关的多参数研究相对匮乏.为此,通过高分辨的低能高纯锗探测器和金硅面垒探测器开展了^(252)Cf自发裂变的裂变碎片K X射线和动能的符合测量.利用K X射线可以很好地鉴别电荷数Z=39—62的裂变碎片,电荷分辨ΔZ≈0.7,K X射线产额呈现强烈的电荷相关性.借助K X射线给出了碎片平均动能和平均总动能及其分布宽度随核电荷数的分布,轻碎片动能分布具有鲜明的奇偶效应,偶Z碎片的动能比奇Z碎片的高约0.48 MeV;平均总动能在Z=52—53处达到峰值,总动能分布宽度在Z=56附近呈现凹坑,这反映了形变壳结构对断点形状的显著影响.裂变碎片K X射线发射的信息及动能-电荷关系研究可为裂变独立产额测量和裂变理论模型的检验提供必要的参考数据.

基于K-means聚类和特征空间增强的噪声标签深度学习算法

深度学习中神经网络的性能依赖于高质量的样本,然而噪声标签会降低网络的分类准确率。为降低噪声标签对网络性能的影响,噪声标签学习算法被提出。该算法首先将训练样本集划分成干净样本集和噪声样本集,然后使用半监督学习算法对噪声样本集赋予伪标签。然而,错误的伪标签以及训练样本数量不足的问题仍然限制着噪声标签学习算法性能的提升。为解决上述问题,提出基于K-means聚类和特征空间增强的噪声标签深度学习算法。首先,该算法利用K-means聚类算法对干净样本集进行标签聚类,并根据噪声样本集与聚类中心的距离大小筛选出难以分类的噪声样本,以提高训练样本的质量;其次,使用mixup算法扩充干净样本集和噪声样本集,以增加训练样本的数量;最后,采用特征空间增强算法抑制mixup算法新生成的噪声样本,从而提高网络的分类准确率。并在CIFAR10、CIFAR100、MNIST和ANIMAL-10共4个数据集上试验验证了该算法的有效性。

基于K-Means聚类与熵权TOPSIS法的岩石可爆性评价研究

露天矿山的爆破块度分布,直接影响到后续的采装、运输和破碎工作。为了控制石墨矿山不同区域爆破块度分布,基于K-means无监督聚类学习法与熵权TOPSIS评价法建立了一种新的岩石可爆性评价模型,选取岩石密度、动力能量耗散率、动态抗压强度、平均应变率、脆性指数作为评价指标,通过熵权计算,发现岩石破碎程度受脆性指数影响最大,受平均应变率影响最小。将此模型应用于实际石墨矿山,可爆性分为10个等级,统计不同分级下的岩石平均破碎粒径,发现可爆性分级等级越高平均粒径越大,有明显的分级特征,验证了模型的有效性。从爆破石墨矿石岩体类型看,岩石可爆性从易到难排序为:片岩、片麻岩、变粒岩、混合岩。结合石墨矿石微观观测结果分析可知:岩性从片岩向混合岩转变,岩石内部石墨晶质呈下降趋势,石墨矿石可爆性等级也随之越来越高。岩石密度、能量耗散率、动态抗压强度之间呈线性正相关,岩石可爆性与平均应变率、脆性指数存在负相关性。研究成果为矿山矿岩可爆性评价提供了一条新思路,对露天矿山爆破块度优化具有一定的理论和实践指导意义。

K-S变换及其电网超谐波时频分析应用

依据FFT→优化窗→IFFT思路,突破线性时频变换的窗函数积分性能桎梏,实现高性能优化窗函数的线性时频变换应用,建立新型时频变换算法——K-S变换.对信号x(t)的FFT频谱向量进行频移处理后,与该频移点下Kaiser优化窗的频谱向量进行Hadamard乘积,再将乘积结果进行FFT逆变换(IFFT),构造出K-S变换复时频矩阵,由此获得x(t)的时间-频率-幅值、时间-频率-相位三维信息;给出逆变换的数学推导与局部性质、线性性质和变分辨率特性;0~150 kHz电网的稳态与时变超谐波信号仿真实验表明,K-S变换的时域、频域分辨能力均优于流行的短时傅里叶变换、S变换,具有优良的变分辨率性能;0~40 kHz超谐波信号的实测证明,基于K-S变换的超谐波电压幅值测量绝对误差均小于0.032 3 V.

40 K双波段长波探测器冷箱封装技术研究

冷光学技术是弱目标及多光谱红外探测的重要支撑技术。为了实现低温光学系统温度精确控制和防污染,一般多将低温光学与探测器集成在冷箱内。某高光谱相机需要1个320×64量子阱探测器和1个320×64 II类超晶格探测器共面拼接,集成双波段微型滤光片,形成长波双波段探测杜瓦组件,探测器工作所需的40 K低温环境由脉管制冷机提供。杜瓦采用无窗口设计,并通过柔性波纹管将杜瓦外壳与冷箱外壳集成,以实现气密性集成和光校调节。针对40 K温区双波段探测器封装的三维拼接、探测器及滤光片的低应力封装、制冷机与探测器的高效热传输等难点,对探测器的三维拼接、40 K温区高效热传输、探测器低应力集成的热层结构、低应力滤光片支撑、杜瓦与制冷机耦合等进行研究,创新性提出了三点Z向调节拼接方法、探测器Al2O3载体复合钼基板和钼冷平台的热层结构、双波段滤光片集成的钼支撑结构、带应力隔离的冷平台与制冷机过盈装配的耦合方法,最终实现了40 K温区下双波段探测器平面度优于±2.06μm(RMS)、探测器的低温应力小于22.06 MPa、双波段滤光片低温形变小于8.55μm、探测器与制冷机温度梯度为2.6 K。40 K长波双波段红外探测器冷箱杜瓦组件经过2000 h通电老练和300次开关机试验验证,试验前后组件性能未发生明显变化,满足工程化应用的要求。

基于融合K-近邻算法的电压互感器在线监测方法

由于受工作时长和环境因素的影响,电容式电压互感器(capacitor voltage transformer,CVT)在运行过程中误差稳定性不高,易出现电能计量失准现象。为此,该文提出了一种基于融合K-近邻算法(fusion K-nearest neighbor algorithm,FKNN)的电压互感器在线评估方法。该方法利用互感器的历史运行数据构建虚拟标准器,通过改进K-近邻算法对互感器实时状态进行监测,实现对异常情况的报警。同时,提出了一种加权移动时间窗的方法,自适应更新异常阈值,有效削弱电网不平衡波动的影响。实验结果表明,该文方法能够准确监测互感器的0.2级误差漂移。

基于改进K-means算法的物流配送中心选址研究

针对传统K-means算法需要主观设定K值及无法处理类别型数据问题,文章运用肘部法及轮廓系数法确定合理K值,对类别型数据采取独热编码(One-Hot Encoding)转换为可以处理的连续型数据,并将其运用到在物流配送中心选址中;并综合考虑多种类别的影响因素,构建了相应的影响因素指标体系,提出的模型能够识别输入数据的数值型及类别型数据,实现样本的有效聚类。相关的案例分析结果表明,相比传统K-means聚类,文章的改进K-means算法选址结果可使物流总成本降低8.76%,运营成本降低14.85%,固定成本降低8.09%,效果显著。

结合精英初始化和K近邻的蛇优化算法

蛇优化算法(SO)是一种受自然界中蛇生存行为启发产生的元启发式优化算法。原始蛇优化算法存在收敛速度慢、易陷入局部最优的问题,因此提出了一种结合精英初始化和K近邻的改进蛇优化算法(elite initia-lization and K-nearest neighbors improved snake optimizer,EKISO)。首先,为了提高初始种群质量,在种群初始化阶段提出精英初始化的方法,根据种群精英个体产生优质初始种群个体;其次,通过振荡因子优化螺旋觅食策略扩大全局勘探阶段的搜索范围、提高算法的局部逃逸能力;最后,在局部开发阶段提出K近邻思想的位置更新方法,增强种群个体之间的信息交互能力,从而加快收敛速度、提高收敛精度。利用14个经典测试函数和4个CEC2017测试函数将该方法与其他7种优化算法进行对比,证明EKISO收敛速度更快、精度更高且不易陷入局部最优。为了进一步验证EKISO的实用性与可行性,将EKISO应用于压力容器设计问题中,通过实验对比分析可知,EKISO在处理实际优化问题上具有一定的优越性。

试论美国K-12公立学校课程中的种族批判理论之争

近年来,种族批判理论开始走进美国K-12公立学校课程,成为培育学生社会情感能力、维护教育公平的一种路径。然而,伴随种族矛盾加剧和民粹主义抬头,美国社会围绕种族批判理论在K-12公立学校课程中的存废问题展开激烈争论。反对者指责该理论妨害学生的种族身份认知,曲解美国历史,破坏社会共识;支持者则认为该理论能够提升学生多元文化意识,增强种族和历史问题的课堂对话。这场以种族批判理论为核心的课程博弈,反映了当前美国两党在公共教育领域对意识形态主导权的竞争。美国K-12公立学校需要认清既有课程治理措施的缺失,及时清除影响课程设置的认知偏见,进一步拓展具有文化相关性的课程空间。

基于改进N-K模型的地铁盾构掘进安全风险耦合研究

为预防和控制地铁盾构掘进施工过程中的关键安全风险,并精准判断哪些风险耦合情境是导致事故发生的显著情境,提出改进N-K模型研究地铁盾构掘进安全风险耦合;综合运用文献研究、事故案例、专家访谈等方法,辨识地铁盾构掘进的关键安全风险因素;基于N-K模型提出新的地铁盾构掘进安全风险耦合评估模型,并选用安全事故案例验证该模型的适用性。结果表明:辨识得到地铁盾构掘进关键安全风险因素清单,包括4类一级风险因素,21个二级风险因素;地铁盾构掘进施工安全风险随着耦合因素种类的增加而变大,4因素风险耦合值最高,3因素风险耦合值次之,双因素风险耦合值最低,作业人员安全意识薄弱和机械故障参与作用的耦合情境更容易发生安全事故。

流量控制阀K形金属密封圈结构参数优化

流量控制阀K形金属密封圈结构参数较多,且不同结构参数对密封性能影响程度存在较大差异。以密封面接触压力、密封面有效接触长度及最大Mises应力为约束条件,采用正交试验设计研究影响K形金属密封圈密封性能结构参数之间的主次关系,确定了唇部长度、悬臂内张角与悬臂厚度3个因素作为响应曲面法的设计变量;通过正交试验和回归分析得到接触压力、最大等效应力及有效接触长度与设计参数关系的二次回归方程,并基于响应面法对密封结构进行优化分析。优化后K形金属密封圈的接触压力增加了8.09%,有效接触长度增加了14.73%,最大等效应力减少了13.44%,表明优化后K形金属密封圈密封面接触压力分布更加均匀,有效提高了金属密封圈的密封性能。

一类Stancu型的Szász-Mirakjan-Durrmeyer算子的逼近性质研究

该文介绍了一类Stancu型的Szász-Mirakjan-Durrmeyer算子,计算了该算子的一阶到四阶矩.然后用连续模和K-泛函等工具,讨论了该算子的逼近性质,还研究了算子对Lipschitz函数类的估计.最后建立了该算子的Voronvskaya型渐近展开式.所得定理扩展了Aslan(2022)的结果.

基于VMD-WK-OPLS的短期风速动态预测

针对短期风速存在随机性、不稳定性难以建立准确预测模型,提出变分模态分解(VMD)和小波核潜在结构正交投影(WK-OPLS)的VMD-WK-OPLS预测模型,实现动态短期风速估计。首先利用VMD将风速序列分解为不同限带内的子模态,以降低短期风速非平稳性对预测结果的影响,然后对子模态分别建立WK-OPLS预测模型,并利用时滞差分(DTD)的策略对各模型动态更新,最后将各子模态预测结果组合得到最终短期风速预测值。通过宁夏风场风速序列进行验证,结果表明,本文所提出的VMD-WK-OPLS模型与EEMD-IDE-LSSVM、VMD-IDE-LSSVM、EEMD-WK-OPLS、VMD-WK-OPLS等三种模型相对比,在短期风速预测精度上得到显著提高。

基于主题词向量中心点的K-means文本聚类算法

K-means由于其时间复杂度低运行速度快一直是最为流行的聚类算法之一,但是该算法在进行聚类时需要预先给出聚类个数和初始类中心点,其选取得合适与否会直接影响最终聚类效果。该文对初始类中心和迭代类中心的选取进行大量研究,根据决策图进行初始类中心的选择,利用每个类簇的主题词向量替代均值作为迭代类中心。实验表明,该文的初始点选取方法能够准确地选取初始点,且利用主题词向量作为迭代类中心能够很好地避免噪声点和噪声特征的影响,很大程度上地提高了K-means算法的性能。