基于Random-Walk算法的DR图像分割方法

本文算法对原图像进行快速Mallat小波分解得到骨干图后,利用其高频子带梯度信息优化边的权重,并在概率阈值的准则下对争议区域做进一步划分,最后把最大到达概率所在类的标签赋予未标定顶点,并扩展到原图像,得到分割边界。用微软GrabCut分割数据库图像和实际DR图像对该算法进行了验证,该算法能快速而有效地分割出特定的图像,适用于DR图像的分割,为进行组织增强和进一步提高DR图像质量打下基础。

Nuclear magnetic resonance(NMR) microscopic simulation based on random-walk: Theory and parameters analysis

The microscopic response characteristics of nuclear magnetic resonance(NMR) are widely used for characterizing complex pore structures of rocks. Due to the prohibitive NMR experiment cost, numerical simulation was employed as an alternative approach to verify some theoretical aspects of NMR responses. Firstly, the basic principles of pore-scale NMR simulation based on random-walk method(RWM) were introduced. The RWM-simulated results were benchmarked with the analytical results for an ideal spherical pore model. Then, the effects of two numerical parameters, namely diffusion radius and walk numbers, were studied on the simulation accuracy. The simulation method is then applied to various pore models with different pore sizes and pore shapes filled with different fluids to study the microscopic NMR response characteristics. The numerical experiments are useful for understanding and interpreting NMR measurements and the simulation code provides a numerical tool to perform pixel-based digital rock analysis.

Competition between two kinds of information among random-walking individuals

A model is proposed to describe the competition between two kinds of information among N random-walking individuals in an L x L square, starting from a half-and-half mixture of two kinds of information. Individuals remain or change their information according to their neighbors＇ information. When the moving speed of individuals v is zero, the two kinds of information typically coexist, and the ratio between them increases with L and decreases with N. In the dynamic case （v 〉 0）, only one information eventually remains, and the time required for one information being left scales as Td -v^αL^β^γ.

Decoherence in optimized quantum random-walk search algorithm

This paper investigates the effects of decoherence generated by broken-link-type noise in the hypercube on an optimized quantum random-walk search algorithm. When the hypercube occurs with random broken links, the optimized quantum random-walk search algorithm with decoherence is depicted through defining the shift operator which includes the possibility of broken links. For a given database size, we obtain the maximum success rate of the algorithm and the required number of iterations through numerical simulations and analysis when the algorithm is in the presence of decoherence. Then the computational complexity of the algorithm with decoherence is obtained. The results show that the ultimate effect of broken-link-type decoherence on the optimized quantum random-walk search algorithm is negative.

Optimized quantum random-walk search algorithm for multi-solution search

This study investigates the multi-solution search of the optimized quantum random-walk search algorithm on the hypercube. Through generalizing the abstract search algorithm which is a general tool for analyzing the search on the graph to the multi-solution case, it can be applied to analyze the multi-solution case of quantum random-walk search on the graph directly. Thus, the computational complexity of the optimized quantum random-walk search algorithm for the multi-solution search is obtained. Through numerical simulations and analysis, we obtain a critical value of the proportion of solutions q. For a given q, we derive the relationship between the success rate of the algorithm and the number of iterations when q is no longer than the critical value.

Effects of systematic phase errors on optimized quantum random-walk search algorithm

This study investigates the effects of systematic errors in phase inversions on the success rate and number of iterations in the optimized quantum random-walk search algorithm. Using the geometric description of this algorithm, a model of the algorithm with phase errors is established, and the relationship between the success rate of the algorithm, the database size, the number of iterations, and the phase error is determined. For a given database size, we obtain both the maximum success rate of the algorithm and the required number of iterations when phase errors are present in the algorithm. Analyses and numerical simulations show that the optimized quantum random-walk search algorithm is more robust against phase errors than Grover＇s algorithm.

基于环境中移动运输代理的传感器网络建模

针对大型稀疏传感器网络中的数据获取,本文提出了一种利用环境中普遍存在的移动代理来连接稀疏传感器的网络体系结构和一种2-维网格随机游走分析模型;提出的传感器网络模型由3个抽象层构成,即由无线传感器构成的底层、由各种运输代理构成的中间层和由接入点/中央存储库构成的顶层。具体实现原理是位于中间层的移动运输代理从底层分布的无线传感器收集数据并缓冲数据,然后经过游走运输,最后将从底层的无线传感器收集的数据交付到顶层必要的接入点进行必要的存储和处理,从而实现整个传感器网络的数据获取;理论分析和仿真实验结果表明,提出的基于移动运输代理的传感器网络模型不仅具有较好的鲁棒性和可扩展性,而且相比于基站网络模型和Ad-hoc网络模型,在传感器功率消耗、数据成功率和基础设施投入成本方面有明显的优势。

基于多查询的社交网络关键节点挖掘算法

关键节点挖掘是复杂网络领域的研究重点和热点。针对社交网络中关键嫌疑人挖掘问题,提出基于多查询的社交网络关键节点挖掘算法。该算法将已知嫌疑人作为查询节点,提取其所在的局部拓扑结构,并计算局部拓扑结构中非查询节点的关键程度,从中选择关键程度较高的节点进行推荐。针对现有方法中关键节点计算复杂度高、已知查询节点信息难以有效利用的问题,提出一个两阶段的基于多查询的社交网络关键节点挖掘算法,整合多查询节点的局部拓扑信息和全局节点聚合特征信息,将计算范围从全局缩减到局部,进而对相关节点的关键程度进行量化。具体而言,利用带重启策略的随机游走算法获得多个查询节点的局部拓扑结构;为了得到节点的嵌入向量,基于graphsage模型构建一种无监督的图神经网络模型,该模型结合节点的自身特征和邻居聚合特征来生成嵌入向量,从而为算法框架的相似度计算提供信息输入。基于与查询节点特征的相似性,衡量局部拓扑中节点的关键程度。实验结果显示,所提算法在时间效率和结果有效性方面均优于传统关键节点挖掘算法。

基于未知风荷载作用下拉索振动位移的拉索MR阻尼器失效破坏的原位识别方法

MR阻尼器在长期服役过程中可能由于各种因素导致阻尼器失效破坏。现有的对MR阻尼器的性能识别多为离线方法,需将阻尼器从斜拉索上拆卸下来后进行人工检测。该文提出一种基于斜拉索在未知风荷载作用下振动位移,对在役失效无模型的MR阻尼器作用力进行原位在线识别的方法。首先,建立模态坐标下斜拉索-阻尼器系统运动方程及观测方程,并进行模态截断以减少未知变量的数量。然后,将模态风荷载建模为随机游走过程并加入系统的增广状态中,并视MR阻尼器的作用力视为作用在斜拉索上的‘附加未知输入’,采用最近提出的无直接反馈的平滑最小方差无偏Bayesian滤波,对结构增广状态和MR阻尼器作用力进行识别。通过识别数值模拟的MR阻尼器三种典型的失效破坏模式,验证所提方法的有效性。

卡斯卡迪亚慢滑移信息的GNSS时空探测

针对断层慢滑移时空分布信息探测困难的问题,基于全球卫星导航系统(GNSS)坐标序列,提出一种利用多通道奇异谱分析(MSSA)探测卡斯卡迪亚消减带慢滑移事件时空分布的方法:根据慢滑移分量的振荡特点确定窗口长度,采用时间迟滞矩阵对协方差阵进行增广,以提高对异常信息的识别能力;对振幅归一化获取空间响应,通过快速傅里叶变换分析慢滑移频谱特征。结果表明,卡斯卡迪亚消减带2007-01-05—2007-02-23和2008-04-22—2008-06-14发生了2次慢滑移事件,2次事件呈东南、西北区域的反向运动特征,且东南部响应程度明显高于西北地区;频谱特征显示,慢滑移信息表现为低频特征,且主要为随机游走噪声。研究结果可为板内地震前兆性信息探测提供参考。

基于不同搜索路径下成对随机游走的推荐算法

推荐系统中用户项目之间的交互及其他信息可以构成一个异构信息网络(HIN)。传统基于HIN的推荐算法往往直接构建用户项目间的异构信息网络,忽略了用户用户以及项目项目本身具有的相似性,所构建的网络不够完整,并且在计算节点关联性时鲜有考虑不同搜索路径下的不同关联性。为解决上述问题,提出一种考虑用户及项目本身相似性的HIN推荐算法。通过查找用户与项目之间更多的搜索路径,并考虑不同的搜索路径,引入深度学习中的随机游走(RW)来度量用户项目节点之间的关联度,从而实现更加精确的推荐。将所提算法在公开的MovieLens数据集上进行了实验,实验结果表明:相较于传统的协同过滤推荐算法以及基于HIN的推荐算法,基于不同搜索路径下成对随机游走的算法具有更高的推荐性能。

基于工业大数据的重叠社区发现算法

为了深入挖掘和分析工业大数据隐藏的关系、趋势和模式,从而为企业提供更好的决策依据,结合随机游走和标签传播思想,提出一种基于工业大数据的重叠社区发现算法。设计了种子节点选取算法,通过随机游走计算各节点的重要性,选出不相关和重要性高的种子节点;提出重叠社区发现算法,对种子节点赋予唯一标签,迭代进行标签传播直到节点标签不再改变,根据节点标签得到最终的重叠社区划分结果。通过在真实数据集和人工数据集上进行对比实验表明,该算法可以在网络上有效发现高质量的重叠社区,并进一步解决工业大数据的数据分析、信息挖掘等核心问题。

基于深度学习框架的时空联合供水管网漏损检测研究

以深度学习框架为基础,提出了一种时空联合供水管网漏损检测模型。该模型首先运用Node2Vec算法求解不同时间段内节点特征;其次,通过模糊C-均值聚类法,利用管网模型节点特征进行分区。最后,以不同时间段的压力敏感度作为输入,漏损位置的分区号作为标签,通过深度信念神经网络进行训练,并通过训练后的模型对管网漏损位置进行检测。在实例分析中,以A市实际供水管网拓扑结构进行验证,利用MATLAB-Open Water Analytics toolbox联合编程建模,结果表明,各个时间段的检测效果均较优,正确率均达到为80%以上。因此,该模型能够有效地检测管网漏损。

基于随机游走麻雀搜索算法的多特征结构尺寸熔融沉积成型工艺参数优化

在熔融沉积成型过程中,打印参数对成型样件精度有着重要影响.为了提高整体尺寸精度,采用随机游走的麻雀算法获得最优实验方案.首先,以熔融沉积成型的分层厚度、喷头温度、打印速度和填充率为实验变量设计4因素4水平的正交试验;然后,以样件不同特征结构尺寸的相对误差为优化对象,使用田口-灰色关联法对实验数据进行处理;最后,通过随机游走的麻雀算法计算最优参数方案.结果表明,相比常用的田口-灰色关联法,采用优化后工艺参数成型样件的综合尺寸精度提高了20%,灰色关联度提高了27%.

基于改进的SSA-BP神经网络的矿井突水水源识别模型研究

机器学习与寻优算法的结合在矿井突水水源识别上得到广泛应用,但突水水样数据具有随机性且寻优算法易陷入局部最优,提高模型泛化能力和跳出局部最优需进一步研究。针对上述问题,提出了一种改进的麻雀搜索算法(SSA)优化BP神经网络模型,用于对矿井突水水源进行定量辨识。以鲁能煤电股份有限公司阳城煤矿为研究对象,通过常规离子浓度分析、Piper三线图对该煤矿水样的水化学特征进行分析,初步判断矿井水来源于奥灰含水层和三灰含水层,并确定Na^(+)+K^(+)浓度、Ca^(2+)浓度、Mg^(2+)浓度、HCO_(3)^(-)浓度、SO_(4)^(2-)浓度、Cl^(-)浓度、矿化度、总硬度、pH值作为突水水源识别指标;建立基于改进SSA-BP神经网络的矿井突水水源识别模型:首先进行SSA参数设置,引入Sine混沌映射使麻雀种群均匀分布,然后通过计算适应度值进行麻雀种群的更新,引入随机游走策略扰动当前最优个体,如果满足终止条件,则获得最优BP神经网络权重和阈值,最后基于构建的BP神经网络,输出识别结果。研究结果表明:①改进的SSA-BP模型在训练集上的识别准确率达95.6%,在测试集上的识别准确率达100%。②改进的SSA-BP神经网络模型与BP神经网络模型、SSA-BP神经网络模型对比结果:BP神经网络模型误判率为5/18,SSA-BP神经网络模型的误判率为2/18,改进的SSA-BP神经网络模型误判率为0,迭代10次后趋于稳定,且与设定的目标误差相差最小,初始适应度值最优,识别结果可信度高。③将阳城煤矿5组矿井水水样数据作为输入层数据输入到训练好的模型中,矿井水水样的主要来源为奥灰含水层、三灰含水层和山西组含水层,模型识别结果与水化学特征分析的结论相互印证,实现了精准区分。

基于贝叶斯估计的空间函数型自回归模型及其应用

目的为了研究函数型数据中响应变量的空间相关性,根据现有研究方法,对具有空间依赖性的函数型数据进行研究,并提出其模型的贝叶斯估计方法。方法以典型空间自回归模型为基础,根据函数响应变量的空间依赖性,假设响应变量和解释变量间存在内生关系,生成空间函数型自回归模型,通过主成分分析将模型中函数型部分变为离散型,然后在给定先验情况下计算模型中参数的完全条件后验分布,使用贝叶斯MCMC方法进行估计。结果使用联合Gibbs采样和随机游动的Metropolis-Hastings算法对模型中参数进行估计,通过模拟研究发现:不同参数下模型的函数型系数以及其他参数的估计偏差和均方误差较小,由此验证了贝叶斯估计方法的有效性,同时将空间函数型模型用于重庆市主城区新房平均价格的实证分析,结果表明所提出模型的贝叶斯估计方法是有效的。结论使用贝叶斯估计方法对模型中参数进行估计,在不同情况下函数型解释变量的估计效果一直都比较好,并且随着样本量的增大,其估计效果也越来越好,可以认为使用贝叶斯估计方法对空间函数型自回归模型进行估计是有效且可行的,同时通过实证分析说明重庆市主城区新房平均价格具有空间自相关性,而且会受到二手房挂牌量的影响。

一种新的多能互补分布式能源系统动态约束工作点设计方法

提出了一种新的动态约束工作点设计方法,通过调节部分设备容量,并同步优化储能设备容量,强化储能设备削峰填谷的优势。以经济性最优为目标,以系统中各设备容量为优化变量,将容量配置优化模型与强制进化随机游走算法相结合,并将其应用于具体算例。结果表明:相比其他3种方案,采用动态约束工作点设计方法后年综合费用分别降低了11.3%、8.8%和4.1%,进一步提高了系统的经济性。

全粒子推动野马优化算法的无人机三维路径规划

针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯随机游走策略对个体的历史最优位置进行回溯搜索,改善算法的探索能力;考虑到自适应策略对初始种群多样性敏感的问题,结合Tent混沌映射初始化种群,提高算法的鲁棒性以及全局寻优能力;将提出的改进算法在13个经典测试函数中进行性能验证,并移植于无人机三维路径规划问题中。在30峰、40峰、50峰的环境模型下进行测试,与遗传算法、粒子群算法、SRM-PSO(self-regulating and self-perception particle swarm optimization with mutation mechanism)算法以及野马算法对比,全粒子推动野马算法皆取得最短平均路径,且在所有测试中都找到满足约束、无碰的路径。仿真结果证明,在复杂环境下全粒子推动野马算法具有优秀的全局寻优能力以及较好的鲁棒性。

应用单元活性强化策略的质量交换网络优化

质量交换网络优化后期,存在结构易固化、新单元生成受限的现象,不利于结构变异和全局寻优。因此,文中首先探究了结构固化的成因,并提出单元活性强化策略。在优化过程中,实时监测个体状态,以一定的概率随机抽取一个超过阈值的质量交换器,并将其分化为多个传质单元,以此增强新生单元的活性和个体结构变异能力,提升算法的全局搜索性能。将改进策略应用于废水脱酚和空气除氨2个算例中,所获结构的年综合费用为129 200、336 148美元/a,均优于目前文献最优解。结果表明:单元活性强化策略可以促进结构优选,有效提升算法优化质量。

联合图随机游走和跳跃连接的动态超图神经网络

针对传统超图神经网络难以提取节点直接邻域外关联度高的节点特征,导致全局特征信息不完整的问题,对动态超图神经网络(DHGNN)进行改进,提出联合图随机游走和跳跃连接的动态超图神经网络(RWS-DHGNN),用于非欧几里得数据的分类。该网络在DHGNN的基础上,引入了图随机游走,从而有效地获取直接邻域外关联度高的节点特征。同时,引入残差网络的思想在超图的顶点卷积处增加跳跃连接构成残差结构。所提网络模型充分发挥图结构和超图结构的优势。在Cora数据集的标准分割和随机分割上将所提网络与GCN、HGNN、GAT和DHGNN进行对比实验,实验结果表明,该模型可以有效提高分类准确率。