PRODUCTS OF RESOLVENTS AND MULTIVALUED HYBRID MAPPINGS IN C AT(0) SPACES

In this article, we introduce and investigate the concept of multivalued hybrid mappings in C AT（0） spaces by using the concept of quasilinearization. Also, we present a new iterative algorithm involving products of Moreau-Yosida resolvents for finding a common element of the set of minimizers of a finite family of convex functions and a common fixed point of two multivalued hybrid mappings in C AT（0） spaces.

Hybrid Mapping Scheme for Recent Orthogonal FDMA Schemes

Single-carrier frequency-division multiple access (SC-FDMA) and orthogonal frequency division multiple access (OFDMA) systems are new orthogonal multiple access systems. They have been adopted in the 3GPP long term evolution (3GPP-LTE). In these systems, there are only two types of subcarrier mapping schemes which are the interleaved and the localized. So, introducing a new subcarrier mapping scheme is an important issue, which is the main objective of this paper. In this paper, a hybrid subcarrier mapping scheme is proposed and examined for the SC-FDMA system. Monte Carlo simulations are performed to compare the performance of the proposed scheme with that of the interleaved and the localized schemes. It is shown that a hybrid scheme provides better performance than that of the localized and the same performance as that of the interleaved scheme and increased robustness to carrier frequency offset (CFO) at the expense of increased envelope fluctuations.

Inverse full state hybrid projective synchronization for chaotic maps with different dimensions

A new synchronization scheme for chaotic（hyperchaotic） maps with different dimensions is presented.Specifically,given a drive system map with dimension n and a response system with dimension m,the proposed approach enables each drive system state to be synchronized with a linear response combination of the response system states.The method,based on the Lyapunov stability theory and the pole placement technique,presents some useful features：（i） it enables synchronization to be achieved for both cases of n 〈 m and n 〉 m;（ii） it is rigorous,being based on theorems;（iii） it can be readily applied to any chaotic（hyperchaotic） maps defined to date.Finally,the capability of the approach is illustrated by synchronization examples between the two-dimensional H′enon map（as the drive system） and the three-dimensional hyperchaotic Wang map（as the response system）,and the three-dimensional H′enon-like map（as the drive system） and the two-dimensional Lorenz discrete-time system（as the response system）.

A New Hybrid Algorithm and Its Numerical Realization for a Quasi-nonexpansive Mapping

The purpose of this article is to propose a new hybrid projection method for a quasi-nonexpansive mapping. The strong convergence of the algorithm is proved in real Hilbert spaces. A numerical experiment is also included to explain the effectiveness of the proposed methods. The results of this paper are interesting extensions of those known results.

Mapping of Microsatellite SW943 to Porcine Chromosome 12p11-(2/3p13) Using Primed in situ Synthesis and Somatic Cell Hybrid Panel

The porcine microsatellite SW943 was regionally localized on 12p11-(2/3p13) by the two methods: the Primed in situ (PRINS) labelling on the pachytene bivalents of pigs using the Dig-11-dUTP as the report molecule and pig X rodent Somatic Cell Hybrid Panel (SCHP) which contains 27 cell lines through PCR amplification. Advantages and disadvantages of the two methods for physical mapping of microsatellites were also discussed.

基于Adaboost-INGO-HKELM的变压器故障辨识

针对目前变压器故障诊断准确率低的问题,提出一种多策略集成模型。首先通过等度量映射(isometric mapping, Isomap)对高维非线性不可分的变压器故障数据进行降维处理。其次,利用混合核极限学习机(hybrid kernel based extreme learning machine, HKELM)进行训练学习,考虑到HKELM模型易受参数影响,所以利用北方苍鹰优化算法(northern goshawk optimization, NGO)对其参数进行寻优。但由于NGO收敛速度较慢,易陷入局部最优,引入切比雪夫混沌映射、择优学习、自适应t分布联合策略对其进行改进。同时为了提高模型整体的准确率,通过结合Adaboost集成算法,构建Adaboost-INGO-HKELM变压器故障辨识模型。最后,将提出的Adaboost-INGO-HKELM模型与未进行降维处理的INGO-HKELM模型、Isomap-INGO-KELM模型、Adaboost-Isomap-GWO-SVM等7种模型的测试准确率进行对比。提出的Adaboost-INGO-HKELM模型的准确率可达96%,均高于其他模型,验证了该模型对变压器故障辨识具有很好的效果。

智能化测绘的混合计算范式与方法研究

传统数字化测绘产品在数字经济、数字治理与数字生活等方面发挥着越来越重要的时空基底和关键生产要素作用,但其精细程度、更新周期、服务方式难以满足数智新时代下的高质量发展需求。因此,迫切需要实现数字化测绘到智能化测绘的转型升级,通过构建新型时空新型基础设施以全方位提升高品质的时空信息供给能力、高层次的时空数据分析能力,以及高水平的时空知识服务能力。本文从测绘自然智能与人工智能结合的必要性分析出发,首先讨论了测绘智能计算的基本概论及内涵,然后提出了智能化测绘知识为引导、数据为驱动、算法为基础、服务为支撑(KDAS)的混合智能计算范式并梳理了其构建基本任务,最后从感知、认知、表达与服务4个维度研究并系统阐述了智能化测绘的混合计算关键技术和相应途径,试图为混合计算赋能智能化测绘知识体系构建以及产业发展升级搭建基础研究框架。

基于多种群多策略的竞争粒子群算法

针对标准粒子群算法遇到的易陷入局部最优、收敛差、求解精度低等问题,提出了多种群多策略竞争粒子群优化算法.新算法将每一代粒子根据适应度排序,将其划分为不同的子种群,并引入非线性Logistic混沌映射权重、收缩因子和混合高斯-柯西扰动机制来更新这些子种群.使用不同的粒子更新方式平衡了算法整个时期的全局搜索和局部开发能力,从而加快了收敛速度.最后,将多种群多策略竞争粒子群优化算法与标准粒子群算法和其它优化算法在11个测试函数上进行对比,结果表明,新算法在跳出局部最优解、和寻优精度方面显著优于标准粒子群算法,且有更快的收敛速度.在寻优能力和算法稳定性上大幅度强于其它对比算法.

知识引导的碎片化栅格地形图比例尺智能识别

比例尺是确定地形图秘密等级的重要依据。本文针对碎片化栅格地形图比例尺判定的难题,通过凝练地图尺度特征先验知识,引导构建专家知识图像金字塔数据集(EKIPD),然后使用深度卷积神经网络算法进行建模,构建以知识为引导,以数据为驱动,以算法为核心的知识、数据与深度卷积神经网络耦合的混合智能模型。统计EKIPD中不同尺寸碎片化地形图的样本分布得到最优识别尺寸(ORS),然后以ORS为步长对待识别地形图进行切分;对每个子图分别使用模型进行预测,集成子图的预测结果得到碎片化栅格地形图的比例尺。经过试验验证,本文方法的识别精度在97%左右,证明了本文方法的有效性。

嵌入Cat映射的混合变异探路者算法及其应用

针对探路者算法(PFA)求解精度不高、寻优速度较慢与易陷入局部最优等问题,提出一种嵌入Cat映射的混合变异探路者算法(CHMPFA)运用于函数优化问题中。首先,利用Cat混沌映射的随机性和分散性等特点,再结合反向学习的引导作用,使种群能够覆盖在更为广阔的搜索空间,提高算法的全局搜索能力;其次,在探路者位置更新阶段引入衰减因子平衡算法的全局和局部搜索能力,通过迭代次数的增长逐渐地缩小搜索空间范围,帮助算法快速找到最优解,从而提升算法的搜索效率和收敛速度;最后,利用变异概率随机选择柯西变异或高斯变异对最优个体进行位置扰动,两种变异策略能够帮助个体快速跳出局部最优向其它区域前进。将CHMPFA在10个经典基准测试函数和12个复杂的CEC2017函数集上进行测试,并将其运用于压力容器工程设计问题,与原算法和其它算法的实验结果进行比较,结果表明CHMPFA的求解精度、寻优速度与局部最优规避性均明显加强,更低的工程造价成本进一步验证了CHMPFA的鲁棒性。

Hybrid tri-memristor hyperchaotic map and application in Wasserstein Generative Adversarial Nets

Inspired by basic circuit connection methods,memristors can also be utilized in the construction of complex discrete chaotic systems.To investigate the dynamical effects of hybrid memristors,we propose two hybrid tri-memristor hyperchaotic(HTMH)mapping structures based on the hybrid parallel/cascade and cascade/parallel operations,respectively.Taking the HTMH mapping structure with hybrid parallel/cascade operation as an example,this map possesses a spatial invariant set whose stability is closely related to the initial states of the memristors.Dynamics distributions and bifurcation behaviours dependent on the control parameters are explored with numerical tools.Specifically,the memristor initial offset-boosting mechanism is theoretically demonstrated,and memristor initial offset-boosting behaviours are numerically verified.The results clarify that the HTMH map can exhibit hyperchaotic behaviours and extreme multistability with homogeneous coexisting infinite attractors.In addition,an FPGA hardware platform is fabricated to implement the HTMH map and generate pseudorandom numbers(PRNs)with high randomness.Notably,the generated PRNs can be applied in Wasserstein generative adversarial nets(WGANs)to enhance training stability and generation capability.

主从遥操作位置-速度混合映射研究

主从异构型遥操作机器人系统在主从结构、自由度等方面的差异,导致其主端小范围操作空间难以覆盖从端大范围工作空间,以及从端难以精确定位。针对此问题,首先搭建了一套主从异构型遥操作机器人系统的软硬件平台,然后对主从端机器人进行运动学建模,进而提出了一种主端位置-从端速度和主端位置-从端位置混合切换的映射算法。一方面,所提算法通过主端位置-从端速度映射模式解决主从工作空间不匹配的问题,从而提高大范围空间下从端抵近目标的效率;另一方面,所提算法通过主端位置-从端位置映射模式实现从端精细定位,同时克服主端位置-从端速度映射中从端无法快速换向运动的缺陷。实验结果表明,所提混合映射算法能够实现主端遥操作从端机器人高效地完成复杂、精细的操作任务。

基于混合自组织映射神经网络的云南省山洪灾害危险性区划

开展云南省山洪灾害危险性区划工作,以自组织映射神经网络为基础,混合Ward、PAM、CLARA、K-means和HK-means的5种方法进行二阶聚类,应用戴维森堡丁指数(Davies-Bouldin index,DBI)、轮廓系数(silhouette coefficient,SC)、聚类模型评估指数(Calinski-Harabaz index,CH)确定最佳聚类方案,之后以变异系数和变异系数一阶拆分确定最佳区划数量.结果显示:①SOM(self organizing map)+CLARA(clustering LARge applications)方法通过聚类有效性检验效果最好,其DBI值为1.0、SC值为0.9、CH值为0.3334,基于该方法得到云南省山洪灾害危险性最佳聚类数为5类,呈现类别空间分离,灾害属性相似的特征;②通过变异系数(coefficient of variation,CV)值变化及变异系数一阶差分(first-order difference,FOD)最低取值确定云南省山洪灾害危险性最佳区划单元为16个,具有形状上与地貌单元相近、数量上与行政单元相同,内部灾害发生机理相似的特征;③通过山洪灾害点、降水量、高程地貌的可视化比较,地理探测器定量分析,表明区划结果有较高的区内一致性和区间异质性.

融合混沌映射和乘除算子的花授粉算法及应用

花授粉算法是一种群智能算法,广泛应用于各个领域。本文针对该算法存在收敛精度低、收敛速度慢、稳定性差等不足,提出基于混沌映射和乘除算子的花授粉算法(MDFPA)。首先,利用混合混沌映射更好的随机分布能力生成初始种群,减小随机误差给算法带来的影响;其次,反双曲正切函数有良好的性能,将其引入动态转换概率中,替换固定转换概率,提高算法收敛能力,有利于控制全局搜索和局部搜索之间的平衡;最后,在全局搜索阶段引入乘除算子对花粉位置进行放缩,在空间里进行充分搜索,避免算法陷入局部最优。通过对12个测试函数的仿真实验,表明该算法在单峰、多峰和固定维度测试函数上性能都优于花授粉算法(FPA)、粒子群算法(PSO)、布谷鸟算法(CS)和蜂群算法(ABC),寻优性能显著性提高,具有更快的收敛速度和更优的求解精度。将MDFPA算法应用于PID(Proportion Integration Differentiation)控制器参数优化中,结果表明优化后的PID控制器性能更优。

基于改进混合灰狼优化算法的无人机三维路径规划

针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。

基于差分进化改进混合核极限学习机的指纹定位

针对极限学习机(extreme learning machine,ELM)指纹定位泛化性能弱、鲁棒性差等问题,提出一种改进的差分进化算法优化混合核极限学习机的指纹定位方法。该方法利用改进型的Logistic混沌映射提高差分进化算法全局搜索的能力,同时利用动态控制参数法避免差分进化算法陷入局部最优,然后通过改进差分进化算法自适应调整混合核极限学习机的参数,提高训练效率。在线阶段,利用混合核函数提高极限学习机的学习性能和泛化性能,并引入L1惩罚函数防止过拟合。其泛化能力相较于单一核极限学习机提升明显。该方法有92%的测试点定位误差小于0.5 m,平均误差相较于加权K近邻法(weighted Knearest neighbor,WKNN)降低了32.6%。

环境信息实时感知的装配式建筑机器人施工路径自动优化

针对建筑机器人施工过程中的安全与效率等问题,提出环境信息实时感知的装配式建筑机器人施工路径自动优化方法。实时采集建筑机器人施工环境三维点云数据,并在处理后转换为八叉树数据结构的三维栅格地图。采用简化的D*算法规划出多条装配式建筑机器人施工路径。采用基于混合式算法的施工路径优化算法,将遗传算法与蚁群算法相结合,利用遗传算法中的信息素精确选择影响蚂蚁群体的信息素,通过若干次迭代过程确定最优装配式建筑机器人施工路径。实验结果显示,该方法具有较高的施工环境感知精度,可准确生成装配式建筑机器人施工环境地图,最终优化后的施工路径可有效躲避不同类型的障碍物,降低施工路径长度。

面向混合波束成形结构的改进SLM算法

在大规模多输入多输出系统中,峰均功率比(PAPR)是影响发射机性能的主要因素之一。传统的PAPR降低方法都是基于全数字编码结构,无法有效地降低混合波束成形结构中发射天线端信号的PAPR。为解决这一问题,提出一种改进选择性映射(SLM)算法,该方法对输入信号进行独立的相位旋转并计算发射天线端信号的PAPR,最后选取PAPR最小的一组信号进行发送。此外,还分析了使用该算法下发射天线端信号PAPR的上界和下界。理论分析与仿真结果显示,改进SLM算法能够有效地降低混合波束成形结构发射天线端信号的PAPR。

基于改进麻雀算法的无线传感器网络覆盖优化研究

针对基本麻雀搜索算法在无线传感器网络覆盖问题中收敛速度较慢、容易陷入局部最优等问题,提出了一个基于改进麻雀算法的优化方案。首先,利用Sobol序列和无限次折叠的ICMIC混沌映射对种群进行初始化,增加了种群遍历性和多样性,为算法的全局寻优奠定了基础。其次,引入混沌映射因子的正余弦算法策略,增强了探索者探索未知区域的能力,提高了算法的全局搜索性能。再次,利用混合变异策略加快算法收敛速度,并改善算法跳出局部最优的能力。最后,将提出的改进麻雀算法应用到无线传感器网络覆盖优化问题中进行仿真实验。仿真结果表明,提出的改进算法相比基本麻雀算法将网络节点的覆盖率提高了7%,同时增强了网络的整体性能,并具有实用性、稳定性和鲁棒性。

混合智能在精准睡眠阶段判别中的应用研究

针对手工睡眠分期过程繁琐,自动睡眠分期模型存在精度不足或难以解释分类结果的问题,本研究提出了一种基于混合智能的自动睡眠分期模型,结合数据智能和知识智能以实现睡眠分期精度、可解释性和泛化性的平衡。首先,基于典型脑电(electroencephalography, EEG)和眼电(electrooculography, EOG)通道的任意组合,建立了基于U-Net架构的时序全卷积网络和多任务特征映射结构;其次,通过组合不同睡眠图校正方法,探究了知识智能对粗睡眠图的不同作用方式。本模型在ISRUC和Sleep-EDFx数据集上的F1指标分别为0.804、0.780。此外,本研究利用知识智能解决了模型得到的粗睡眠图跳变过多、睡眠阶段转换不合理的问题。结果表明,本研究能够为睡眠医师提供有效的判读辅助,在提高临床睡眠分期效率上具有巨大潜力。