基于遗传-模式搜索算法的微尺度管控区域大气污染物PM2.5溯源

针对微尺度管控区域可能发生的大气污染提出有效的靶向诊断方法-结合高斯烟羽模型和遗传-模式搜索算法的大气污染物分布式溯源方法.将污染源反算模型得到的污染物理论质量浓度与传感器网络观测值的数据对应关系作为目标函数,使用模式搜索算法嵌入遗传算法加快反算模型的搜索过程,反算得到污染源强度和位置.依托杭州市亚运板球场馆大气感知器网络进行实验验证,监测2021年10月PM2.5质量浓度、气象数据,对所提出的混合式大气污染溯源方法进行实验验证.实验结果表明:改进遗传-模式搜索算法对于多维变量的搜索效果较好,能快速精准地反算污染源的位置和强度,可以为微尺度管控区域突发性气体污染防治提供应急决策参考.

基于天气状态模式识别的SSA-BP神经网络光伏电厂功率及碳减排量预测

文章提出了一种基于天气状态模式识别并结合SSA-BP(Sparrow Search Algorithm-Back Propagation)预测光伏出力的方法。首先,在分析辐照度、温度、风速等参数变化规律基础上,基于高斯混合模型,针对专业天气类型开展分类,获得类晴、类雨和类阴3种典型的广义天气;然后,将数据作为SSA-BP神经网络输入,对光伏电厂出力分类进行预测;最后,结合碳核算方法学对光伏发电项目碳减排量进行核算。结果表明:利用分类识别和改进的SSA-BP神经网络,在3种天气类型预测中平均相对误差分别为0.195,0.243,0.310;SSA-BP与其他模型相比,平均相对误差降低了17.8%~66.7%。此外,预测CO_(2)减排量与实际核算值相对误差为3.37%,亦表现出良好预测效果。

基于可更新加密的保护搜索模式的动态可搜索加密方案

动态可搜索对称加密(Dynamic Searchable Symmetric Encryption,DSSE)技术作为静态可搜索加密技术的拓展,因解决了数据密态场景下的安全检索问题并支持数据动态更新而备受关注。众所周知,目前大多数DSSE方案会泄露一些额外的信息以寻求更好的效率,如搜索模式与访问模式。最近的研究表明,这些泄露的信息面临着严重的安全问题,拥有数据库背景知识的敌手可能利用这些泄露信息恢复查询或重构数据库。由于这些泄露是伴随着查询的过程泄露出来的,因此不少学者提出在搜索时更新加密数据库来降低上述潜在的风险,即用户下载搜索到的密文数据到本地,解密后重新加密再上传到云服务器端。但这种方法会导致巨大的客户端通信、存储和计算开销。针对这一问题,提出了一种基于可更新加密的保护搜索模式的DSSE方案,该方案可以在不泄露数据隐私的情况下直接在服务器端进行数据更新,从而降低传统更新方法的通信开销以及客户端的计算开销。安全性分析表明,所提方案能有效保护搜索模式泄露;性能分析表明,所提方案相比传统利用更新密文方法保护搜索模式的方案能有效降低通信开销。在关键词匹配100个文档的情况下,与下载到本地重加密重传方式相比,所提方案的通信开销降低了70.92%。

融合模式搜索的蝗虫优化算法及其应用

在智能优化算法应用于复杂优化问题的求解过程中,平衡开发和探索以获得最优解具有重要意义。因此针对传统蝗虫优化算法在处理一些较为复杂的优化问题时出现的收敛精度低、搜索能力弱且容易陷入局部最优等缺陷,提出一种融合模式搜索的蝗虫优化算法。首先引入Sine混沌映射初始化蝗虫个体种群位置,减少个体重叠概率以增强种群迭代初期的多样性;其次利用模式搜索法,对种群目前找到的最优目标展开局部搜索,提高算法的收敛速度与寻优精度;同时为了避免算法后期陷入局部最优,引入了基于凸透镜成像的反向学习策略。实验部分通过对改进的蝗虫算法进行消融实验,验证了Sine混沌映射、模式搜索、反向学习每个策略的独立有效性。并用两组测试函数进行仿真实验,采用Wilcoxon秩和检验、Friedman检验的方法进行结果分析。实验结果均表明了融合模式搜索法改进的蝗虫算法在收敛速度与寻优精度上得到明显提高。最后,将其应用于移动机器人路径规划,测试结果进一步验证了改进算法的有效性。

混合模式搜索差分进化算法研究及其在高压容器概率优化中的应用

为求解高压容器的概率优化问题,提升差分进化算法的收敛速度,提出一种基于模式搜索算法的混合差分进化算法。该算法在差分进化算法的后期,引入模式搜索算子,以当前群体最优点作为模式搜索算子的基点进行模式搜索。仿真结果表明该混合算法收敛速度明显要优于差分进化算法。最后建立高压容器的概率优化设计模型,利用混合算法求解高压容器优化问题的确定型优化模型及概率优化模型,结果表明概率优化模型的优化结果更合理可靠。

基于改进列计算的空间并置模式挖掘方法

空间并置(co-location)模式挖掘旨在发现空间特征间的关联关系,是空间数据挖掘的重要研究方向。基于列计算的空间并置模式挖掘方法(CPM-Col算法)避开挖掘过程中最耗时的表实例生成操作,直接搜索模式的参与实例,成为当前高效的方法之一。然而,回溯法搜索参与实例仍是该方法的瓶颈,尤其在稠密数据和长模式下。为加速参与实例的搜索,充分利用CPM-Col算法搜索参与实例时得到的行实例,在不增加额外计算的前提下对CPM-Col算法进行两点改进。首先,将CPM-Col算法搜索到的行实例存储为部分表实例,利用子模式的部分表实例快速确定参与实例,避免了大量实例的回溯计算。其次,在CPM-Col算法获得一条行实例后,利用行实例的子团反作用于第一个特征,得到第一个特征的参与实例,避免了这些实例的回溯搜索。由此,提出了基于改进列计算的空间并置模式挖掘算法(CPM-iCol算法),并讨论了算法的复杂度、正确性和完备性。在合成数据和真实数据集上进行了实验,与经典的传统算法join-less和CPM-Col进行对比,CPM-iCol算法明显缩短了挖掘的时间,减少了回溯的次数。实验结果表明,该算法比CPM-Col具有更好的性能和可扩展性,特别在稠密数据集中效果更加明显。

Database Search Behaviors: Insight from a Survey of Information Retrieval Practices

This study examines the database search behaviors of individuals, focusing on gender differences and the impact of planning habits on information retrieval. Data were collected from a survey of 198 respondents, categorized by their discipline, schooling background, internet usage, and information retrieval preferences. Key findings indicate that females are more likely to plan their searches in advance and prefer structured methods of information retrieval, such as using library portals and leading university websites. Males, however, tend to use web search engines and self-archiving methods more frequently. This analysis provides valuable insights for educational institutions and libraries to optimize their resources and services based on user behavior patterns.

细菌趋向性启发的多机器人图案生成策略

针对多机器人图案生成问题,本文提出了一种细菌趋向性启发的多机器人分阶式控制策略。该策略将图案生成过程分解为2个阶段:聚集阶段和图案生成阶段。聚集阶段,设计基于平均距离的适应度函数,其值作为机器人的感知输入。机器人根据当前时刻与上一时刻适应度数值变化执行类似细菌趋向的直行或翻转来完成聚集。引入搜索因子促进多子群融合,提升多机器人聚集的成功率。图案生成阶段,针对机器人翻转角度生成问题,引入决策因子来评估邻居作用程度,提升多机器人图案生成的成功率。仿真实验结果表明:针对多机器人六边形和三角形图案生成,本文所提出策略平均迭代次数分别为25.36和93.83,成功率分别为83.33%和96.67%,优于相关对比算法。

基于改进甲壳虫全域搜索算法的机织物疵点检测

为解决深度学习模型在面对跨场景的织物疵点检测时存在泛化性能差的问题,在甲壳虫全域搜索算法(BAS)的基础上添加了本地搜索能力构建了一种基于甲壳虫算法的混合算法,该算法可具体分为训练阶段和检测阶段。在训练阶段,通过对无疵点织物进行训练构建二维Gabor滤波器,然后使用改进BAS的混合模型对Gabor滤波器的参数进行了优化,使改进后的算法具备全局搜索和局部搜索的能力;在检测阶段,根据在训练阶段获得最佳参数构造Gabor滤波器,对待检测的织物图像进行卷积运算,并对卷积后图像进行二值化处理,最终识别待测试织物是否含有疵点。实验结果表明:该方法的特征提取具有良好的类别区分性,更加集中在疵点范围内,检测准确率可达99.26%,具有良好的稳定性和泛化性能。

基于麻雀搜索算法的概率神经网络优化方法及其应用

现如今,模式识别已被广泛应用于语音识别、机械诊断、遥感和医学诊断等领域。概率神经网络(Probabilistic Neural Network,PNN)作为一种常用的模式识别工具,已被应用于各类工程模式识别,且取得了一定效果。然而,传统PNN模型一般采用默认的平滑因子参数,这容易导致识别率低和分类能力不足的问题。为了解决上述问题,提出了一种基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化概率神经网络的模式识别方法(SSA-PNN)。该方法通过引入麻雀搜索算法,可以在搜索空间内高效地搜寻到最优的平滑因子,并进行PNN模式识别。将该方法应用于模拟信号和真实滚动轴承振动信号数据,实验结果表明,相比于传统PNN模型和遗传算法优化PNN方法(GA-PNN),改进后的SSA-PNN方法识别率整体提升了6.6%和2.2%,达到了93.3%的高识别率,实现了更好的分类效果。

儿童步行友好的基础教育设施空间分布与可达性研究——以成都主城五区为例

儿童友好建设背景下的基础教育服务是社会民生工程的重要内容,基础教育设施的便捷可达影响儿童公共服务的均等性与城市空间结构的完整性。本文利用核密度分析法、高斯两步移动搜寻法结合Python,分析了成都主城五区中儿童人口及基础教育设施的空间分异特征,从供需角度测算不同服务半径下基础教育设施的空间可达性。针对当前儿童与基础教育设施空间供需匹配错位、可达性值偏低等问题提出优化策略,为儿童友好背景下成都基础教育设施的合理布局与发展提供建议。

中国象棋自动打谱方法研究

针对现存象棋打谱方式繁琐、成本较高的问题,提出了一种基于机器视觉的象棋自动打谱方法。对图像进行预处理后,首先结合二值化与连通区域搜索进行人手遮挡检测,随后采用Hough圆检测、字符矩阵等方法对棋子进行定位,接着将棋子分为红黑两方,并利用局部二进制模式直方图(local binary pattern histogram,LBPH)算法实现棋种识别,最后通过动态识别棋子移动路径,根据行棋规则生成着法。选取50局象棋比赛录像进行测试,结果表明,该方法在识别准确率达到99%的前提下,1 s内可对5帧图像进行处理与识别,且对50个视频识别得到的棋谱正确率均为100%,可以完全满足各类型对局的打谱需求。

基于动态搜索策略离散粒子群算法的稀疏阵列约束优化

针对目前稀疏阵列优化算法搜索策略单一和适用范围受限问题,对离散粒子群(Discrete Particle Swarm Optimization,DPSO)算法进行改进,提出了一种基于多种融合的综合粒子学习策略的算法,用其设计具有多个约束条件的稀疏平面阵列.该方法在粒子速度更新时使用基于小生境的分散解集合替换群体最优解,以形成高多样性种群.为了增强后期局部收敛性,在适时启动局部变异策略,利用变异概率自适应地调整粒子位置,并通过两个观测参数监控其运动状态.经典函数测试和平面稀疏阵列数值仿真结果证明了算法的有效性和鲁棒性.相同仿真条件下,相比于现有三种算法,该算法峰值旁瓣电平(Peak Side-Lobe Level,PSLL)分别降低了8.45%,6.77%和8.27%.

基于拓扑与形状优化的超薄圆锯片曲线缝结构设计

为实现超薄型圆锯片曲线缝的结构设计,基于变密度法拓扑优化和模式搜索算法的形状优化相结合的方法,对圆锯片的曲线缝结构进行优化设计。通过基于变密度法的拓扑优化,确定曲线缝开设位置;以圆锯片整体振幅作为评价标准,以拓扑优化后得出的设计域作为边界条件,通过模式搜索算法对圆锯片曲线缝结构形状进行优化,得出给定约束和载荷条件下的最优解。在试验过程中进一步证明了曲线缝形状对锯片轴向振动影响的重要性。

数智化使能企业跨界搜索提升创新绩效的模式匹配与选择——基于知识治理机制视角

随着数字智能技术的蓬勃发展,如何通过外部创新知识搜寻与配置提高创新能力,成为企业应对当前极度不确定性环境的关键。基于知识治理机制视角,选取4家典型企业进行多案例比较研究,探寻数智化使能企业跨界搜索提升创新绩效的动态过程。研究发现:①在数智化使能企业跨界搜索过程中,存在网络拓扑模式、全景互动模式两种跨界搜索模式以及技术内生风险、知识基础风险两种过程风险;②知识治理机制中的正式知识治理与非正式知识治理可以有效防范数智技术大规模应用中带来的过程风险,因此在数智化跨界搜索转化为创新绩效的过程中,需要对不同知识治理机制进行权衡考量;③在数智化使能作用下,企业能够基于自身知识治理机制的不同,创造性地匹配高拓扑—低互动、高拓扑—高互动、低拓扑—高互动跨界搜索模式,提高企业创新绩效。基于上述分析,构建并阐释了数智化使能企业跨界搜索提升创新绩效的整合模型,为后续跨界搜索影响企业创新绩效的研究提供了新理论视角,并为企业创新实践提供指导。

恐惧影响驾驶视觉搜索时间窗的眼动证据

目的研究旨在探索恐惧情绪对驾驶视觉搜索模式的影响。方法采用比较恐惧情绪组和中性情绪组对三种不同呈现方式的实验材料中交通元素刺激物的判定反应和眼动追踪的方法。结果判定反应时间在实验材料呈现方式中存在显著差异,原始交通场景图的判定时间最快;眼动数据结果发现,恐惧组相对于控制组,视觉眼动更倾向于聚集在刺激的中间。结论驾驶视觉搜索图式确实存在,恐惧导致驾驶视觉搜索更加窄化,并且存在驾驶搜索模式的刺激启动效应。

多数据所有者场景下具有访问模式和搜索模式隐私的对称可搜索加密方案

对称可搜索加密(symmetric searchable encryption,SSE)允许数据所有者将加密数据安全地外包给云服务器,同时保持关键词搜索的能力.大多数现有的可搜索加密方案为了保证方案的高效性会向服务器泄露访问和搜索模式,访问模式泄露了搜索陷门和被匹配文件之间的关系,搜索模式泄露了搜索陷门中是否包含相同的关键词.有研究表明,访问和搜索模式的泄露能够导致一些严重的攻击.本文给出一个多数据所有者场景下能够同时隐藏访问和搜索模式的SSE方案,只需要向服务器发送一个单一的关键词搜索陷门,就能够在不同密钥加密的文件上进行搜索,并且每一次关键词问询都会产生一个全新的混淆访问模式,从而同时隐藏了访问和搜索模式.最后在具有代表性的真实世界数据集上进行实验,说明了所提方案的实用性.

HySpex成像光谱技术矿床深部成矿规律研究

由于特殊的岩体特性,深部铀矿成矿规律复杂。为了提高对深部矿床蚀变发展规律的勘探精度,将HySpex成像光谱技术应用于钻孔岩芯蚀变的解译。结合钻孔的空间地理信息参数,形成钻孔在不同深度的蚀变数据模型,对某铀矿深部成矿规律进行精细化分析与预测。研究发现:研究区蚀变标志矿物主要为伊利石、绿泥石和碳酸盐类;长波反射光谱是一个重要信号,可作为寻找深部铀矿的重要标志;短波中伊利石是最为强烈的铀矿成因信号。研究区铀矿发育受断裂构造交互影响作用强烈,深部铀矿找矿工作应重点关注这一现象。断裂交互构造影响中的不连续性是形成铀矿的重要光谱特征。这一特点能够为我国深部铀矿精细化勘探手段提供一定参考。

基于参数优化SDP分析的转子故障诊断方法

针对存在多种故障类型不同故障严重程度的转子故障诊断问题,提出了一种基于参数优化对称点模式(symmetrized dot pattern,SDP)分析的智能诊断方法。首先,利用SDP分析提取多个传感器信号的故障特征并将其融合为SDP图像;然后,以基于欧氏距离定义的图像区分度函数为适应度函数,基于天牛须搜索(beetle antennae search,BAS)算法获得SDP分析中角域增益因子与时间延滞系数的最佳取值;最后,利用SDP图像训练卷积神经网络(convolutional neural network,CNN)获得转子故障诊断模型。试验研究表明,该方法相较于其他故障诊断方法具有更高的诊断精度,且在强噪声环境下的诊断表现良好。基于BAS算法优化后的SDP分析放大了不同类型不同严重程度转子故障的表征差异,提高了故障诊断精度。

谷神星表面地形遮蔽判断研究及其太阳辐射模拟

综合考虑季节差异、地貌类型及研究区规模对太阳辐射模拟造成的影响,基于136.7 m分辨率的谷神星数字高程模型,使用光线追踪法对不同搜索半径样区太阳辐射进行模拟和时空分析,得到在谷神星表面实际地形遮蔽判断所需设置最小阈值搜索半径74 km的结论,并以此半径模拟谷神星表面一个太阳日内的太阳辐射。研究表明:不同时节中,南至日判断谷神星实际地表遮蔽信息所需搜索半径最大;在空间尺度上,搜索半径对不同地貌下太阳辐射影响主要与实际地形起伏及地貌形态规模有关,地表断层下太阳辐射受搜索半径影响持续、火山地貌太阳辐射受搜索半径的影响最为显著;谷神星全球太阳辐射分布呈现出明显的纬度效应,表现为由低纬度地区向高纬度地区逐渐减小。研究结果丰富和完善了谷神星表面太阳辐射理论和方法,可为未来谷神星探测提供数据和理论支撑。