高中平面向量的认知诊断研究

为探索学生潜在认知结构,改善目前教育评价中“唯分数”的窘境.基于认知诊断评估理论构建了一份针对高中平面向量知识的诊断性测验.质量验证表明该测验具有良好的区分度与难度,Q矩阵与属性层级关系构建合理,可用于对高中生关于平面向量知识的掌握情况进行探究与诊断分析.认知诊断技术的分析方法可以分别针对群体与单独个体提供详细的诊断反馈,并针对学生实际的认知结构进行相应的补救教学或教学指导同时以学生的能力水平与掌握属性模式构建的学习进阶路径,可以为教师教学与学生自主学习提供借鉴与指导.

气象卫星大气导风研究进展和未来展望

本文主要回顾了气象卫星导风的发展历程并对未来发展方向进行了阐述.引言部分首先回顾发展历程并介绍了导风发展史上的一些里程碑事件,分别对中国、美国、欧洲以及日本的气象卫星导风情况进行了简要介绍.第一节详细总结了多种传统气象卫星导风算法的特点和关键技术,介绍了交叉相关法、形态辨认法以及亚像元法.此外,还描述了五种较为常用的高度指定算法,对传统导风追踪算法以及高度指定算法的原理进行了详细地描述.第二节归纳了最近几年基于计算机视觉和机器学习技术发展起来的多种新体制的气象卫星导风产品,分别介绍了光流法、三维导风以及中尺度导风的优势和研究背景.最后,对比了传统与新型气象卫星各种导风算法的优缺点,展望了未来的发展趋势和应用前景.特别是指出光流法导风有着空间分辨率高、三维导风能得到更多层风场的信息、中尺度导风则能对特殊天气如热带气旋实现高时空分辨率的观测的优势,并提出三维导风与中尺度导风的应用研究将是未来重要发展方向.

环保型水培种植载体性能的试验研究

为筛选出适合立体水培生产的可降解环保型种植载体,本研究对不同种植载体的原料特性、机械特性及栽培效果进行了分析。结果表明,与花泥型、淀粉型种植载体相比,生物质炭型种植载体的机械性能较好,其中生物质炭1的跌落损失率<3.5%、粘附性<0.2 N·mm、回弹率>75%、内聚性>0.5 N·mm、硬度>80 N。其水培特性符合种植标准,pH值为6.68,吸水率为330.52%,保水率为93.64%,经过6周降解后的降解率为9.23%。其在育苗过程中的发芽率为66.67%;植株的壮苗指数最高,为3.91,种植后的EC值为667.33 ppm。通过主成分分析可知,竹炭+竹纤维为原料的生物质炭型载体的综合性能最好,为环境友好型种植载体的研究和应用提供了科学依据和技术支持,具有重要的理论和实践价值。

基于GWO-SVR的LPBFTA15钛合金尺寸精度模型预测研究

目的由于激光粉末床熔化(LPBF)成形过程中熔池存在复杂的热膨胀和收缩行为,导致LPBF成形TA15钛合金零件尺寸与工艺参数之间存在复杂的非线性关系。为了有效预测TA15合金零件的尺寸精度,提出了一种群体智能算法结合支持向量回归(SVR)模型的方法。方法以激光功率、扫描速度、扫描间距和层厚为实验变量,以成形零件X、Y、Z3个方向的尺寸精度作为响应。通过正交实验设计生成数据集,建立以LPBF工艺参数为输入、TA15合金尺寸精度为输出的SVR模型。利用灰狼算法对SVR模型的超参数进行优化,并采用统计评价指标与SVR、PSO-SVR模型进行对比。结果通过粒子群(PSO)算法和灰狼(GWO)算法优化的SVR模型能够有效预测LPBF成形TA15合金不同方向上的尺寸精度;其中GWO-SVR模型的预测精度和效率最高,在X方向尺寸精度预测模型上的决定系数(R^(2))、平均绝对相对误差(AARE)和均方根误差(RMSE)依次为0.917、19.7%、0.027,在Y方向尺寸精度预测模型上的R^(2)、AARE和RMSE依次为0.906、9.7%、0.021,在Z方向尺寸精度预测模型上的R^(2)、AARE和RMSE依次为0.911、10.3%、0.019。结论采用GWO优化的SVR模型,其预测性能和计算效率显著提高,研究结果可为增材制造TA15合金的尺寸精度预测提供数据支持和理论参考。

基于BS-1DCNN的海缆振动信号识别

光纤振动信号是非线性的,传统的非线性振动信号识别方法通常需要信号分析和特征选择,既耗时又复杂。本文提出一种光纤振动信号识别新方法,可以直接提取特征,对原始信号进行分类,简化识别过程。本方法用支持向量机代替Softmax分类器,优化一维卷积神经网络(one-dimensional convolution neural network,1DCNN),以提高1DCNN结果在小样本条件下的稳定性。采用鸟群算法(bird swarm algorithm,BSA)对支持向量机(support vector machine,SVM)参数进行了优化,有效地提高识别精度。将本文提出的BS-1DCNN方法与1DCNN、VMD-GA-SVM、VMD-PSO-SVM、VMD-BSA-SVM共4种方法进行比较,结果表明,BS-1DCNN在识别准确率和测试时间方面性能表现良好。该算法能有效提高海缆振动信号识别率,且在不同样本比例下均能达到较好的识别效果。

背负式激光雷达在全息测绘中的应用

随着城市智能化进程的加快和AI时代的快速发展,人们对基础地理信息的数据需求越发强烈。智慧城市、数字孪生城市的建设和发展迫在眉睫。高精度的城市空间信息(建筑、道路、水系、基础设备等城市地理实体的空间位置和属性信息)和物联网动态传感器(路况监测系统、公共交通刷卡系统、地图智能导航系统、停车场公共服务系统以及水文数据、空气质量、气象数据和地下空间传感系统等)的结合开发是智能化城市发展升级的必要趋势,全息测绘的全要素地形的采集和空间地理信息的获取为智能化城市的发展提供了精准的数据支撑。

不同测地型GNSS接收机在峡谷区控制测量数据分析

某水库勘测设计阶段测图控制网采用四等GNSS三维控制网(精化高程),针对测区山大沟深,地形陡峻,属于典型的“V”型高山峡谷地形,可见卫星数量很少,且高度角大于30°,控制网测量时分别采用8套华测i90接收机和8套华测P5(配套HXCCGX601A扼流圈天线)接收机,对两种接收机的观测数据、基线精度、同步环闭合差、平差精度等方面进行对比分析,数据比较结果表明,带有扼流圈天线的分体型GNSS接收机在高山峡谷条件下观测效果强于标称精度相同的一体化GNSS接收机,建议在类似不利观测条件下应尽量选择带扼流圈天线的分体型GNSS接收机。

基于MDS-GA-SVR的电动汽车减速器性能退化预测方法研究

针对电动汽车减速器性能退化预测方法难以充分挖掘退化信息,导致预测精度低的问题,提出了一种联合多维尺度(Multiple Dimensional Scale,MDS)变换和遗传算法优化支持向量回归(Genetic Algorithm opitimized Support Vector Regression,GA-SVR)进行性能退化预测建模方法。通过时域、频域、时频域特征提取方法对减速器的振动信号进行处理,利用MDS算法建立了综合退化特征指标;以信号特征指标与综合性能退化指标作为训练与预测数据集,利用遗传算法确定最优惩罚参数C和核参数g并构建SVR模型;通过试验获得了减速器的寿命数据,并利用所提方法建立了高精度的性能退化模型。结果表明,本文所提模型的预测精度均高于PSO-SVR、GS-SVR以及反向传播(Back Propagation,BP)神经网络预测模型,均方根误差值分别降低了50.63%、75.35%、84.73%,确定系数R2分别提高了3.93%、6.51%、9.51%,证明了所提方法的优越性。

基于三维荧光光谱的原酒品质评价模型建立

酒厂的生产主要采用传统的“看花摘酒”工艺,依靠工人的主观经验进行评价。实际生产中受到诸多因素的影响,导致接酒过程的不确定性,原酒品质的稳定性难以得到保证。通过采集原酒样本并配制掺加不同浓度酒尾(0.0%~2.0%)的复合原酒,进行荧光扫描得到三维荧光光谱,建立物质变化与荧光数据变化之间的联系:采取切除散射、拉曼归一化、Savitzky-Golay平滑、去除异常值等方法进行光谱预处理,通过平行因子分析将其分解为四个互不相关的组分,结合单物质荧光光谱特点进行综合相似度分析,对各组分进行了初步鉴别。结果表明,大部分酸类和酯类物质的荧光光谱与组分二相关性更大,组分二的荧光特性受酸类和酯类物质影响更大;数据集大小由781×61×164简化为4×164,达到了数据降维的效果。建立了支持向量机模型(SVM)对原酒品质进行评价,采取遗传寻优算法(GA)对支持向量机模型优化。GA-SVM模型较原始SVM模型性能有所提升,优化后的模型准确率由88.64%提升至95.45%,模型精确率由0.94提升至1.00。三维荧光结合化学计量学可以作为一种快速检测的有效手段对原酒质量进行评价,为酒厂摘酒过程实现在线检测提供支持。

SM2密码算法下信息聚合通信安全认证方法

由于安全认证过程容易受到恶意攻击、异常流量、虚拟信息等问题的干扰,使得信息聚合通信的安全性降低。为了解决上述问题,提出基于SM2密码算法的信息聚合通信安全认证方法。通过采用SM2密码算法,加密处理通信提供的数据,设定椭圆曲线输入接收方公钥,计算其曲线上的子群,并将计算结果作为密文发送给接收者,完成数据加密。根据随机数生成法确定通信用户的真实性,在聚合过程中将通信数据节点向量化,预测节点在不同聚合条件下的密钥最佳级数,并在此基础上确定加密级别,完成信息聚合通信的安全认证。实验结果表明,所提方法的安全性强,且安全认证RSA加密库、Mcryp加密扩展库与JPBC加密库中的通信数据时间保持在15ms以内。

基于特征加权混合隶属度的模糊孪生支持向量机

模糊孪生支持向量机(FTSVM)忽略了不同特征间的差异,导致核函数或距离的计算无法准确反映样本间的相似性,使FTSVM在处理含有大量不相关或弱相关特征的高维数据分类时,难以达到良好分类效果;且隶属度的设计未有效区分离群点或噪声。针对以上问题,提出了一种基于特征加权混合隶属度的FM-FTSVM。首先计算每个特征的信息增益,并依据信息增益值的大小为特征赋予权重,降低不相关或弱相关特征的作用,使其能更好地应用于高维数据分类;然后,为每一类样本构造一个最小包围球计算基于紧密度的特征加权隶属度,并结合基于距离的特征加权隶属度得到特征加权混合隶属度,综合考虑样本点到类中心的特征加权欧式距离和样本间的紧密程度,可更好识别离群点或噪声数据;最后,融合特征加权核函数,降低不相关特征对核函数或距离计算产生的影响。与对比算法在人工数据集、高维数据集和UCI数据集上进行比较,发现本文提出的方法在区分离群点、噪声和有效样本上有明显优势,且在高维数据集上可获得更好分类效果。

狭义相对论中量子泊松括号的变换及其物理意义

将泊松括号从分析力学过渡到量子力学,其物理意义是很深刻的;进一步变换到狭义相对论四维时空中,其四维的量子力学泊松括号所具有的对称性和洛伦兹不变性是非常有趣的,由此给出时空光锥上四维量子力学矢量的非对易泊松括号,推导出新的物理创意和结果,探索物理量之间新的量子非对易关系。以此将量子力学与狭义相对论力学结合起来,思考近代物理中的对称性与守恒量问题,并通过非对易关系沟通物质与时空的物理图像及其联系,这些创新性工作在物理层面上具有重要的意义。

习近平关于体育工作重要论述生成逻辑的五维向度探赜

全面建设社会主义现代化强国,需要在各方面都协同推进.体育事业事关国家强盛、民族振兴,是国家强盛的题中应有之义.进入新时代,习近平总书记高度重视体育工作,从实现中华民族伟大复兴的战略出发,发表了系列关于体育事业发展的重要论述,为新时代建设体育强国指明了方向.没有先进的理论,就没有先进的运动,从时代视域下我国体育行业日益复杂的改革与重塑之困所构建的问题向度,主体之历、管理之思与发展之结的“三轮”驱使所构建的实践向度,中华体育文明的当代传承与奥林匹克精神的中国观照所构建的文化向度,站起来、富起来、强起来的初心使命情怀之时代彰显与推崇所构建的价值向度,马克思主义的体育思维与方法论之动力性表达所构建的思维方法向度等五维向度,探索新时代习近平关于体育工作重要论述生成的发展逻辑与时代价值对推进健康中国建设提供思想引领和实践指导,对2035年实现“建成体育强国”的总体目标具有重大意义.

基于方向向量采样的大规模多目标进化优化

针对在高维决策空间的大规模多目标优化中难以搜索产生有希望的后代个体,从而导致常规算法性能恶化的问题,提出了一种基于方向向量采样的大规模多目标进化算法.该算法首先选取一些接近理想点的优秀候选个体,然后根据候选个体分阶段创建方向向量,最后执行定向采样策略(收敛性相关采样策略和多样性相关采样策略)来生成子代个体,由此生成的子代个体性能优秀,且算法收敛加速.实验结果表明,与5种具有代表性的大规模多目标进化算法相比,该算法在多达2000个决策变量的大规模多目标优化测试中,仍具有较强的寻优能力.

Modified Lorentz Transformations and Space-Time Splitting According to the Inverse Relativity Model

Analysis of a four-dimensional displacement vector on the fabric of space-time in the special or general case into two Four-dimensional vectors, according to specific conditions leads to the splitting of the total fabric of space-time into a positive subspace-time that represents the space of causality and a negative subspace-time which represents a space without causality, thus, in the special case, we have new transformations for the coordinates of space and time modified from Lorentz transformations specific to each subspace, where the contraction of length disappears and the speed of light is no longer a universal constant. In the general case, we have new types of matric tensor, one for positive subspace-time and the other for negative subspace-time. We also find that the speed of the photon decreases in positive subspace-time until it reaches zero and increases in negative subspace-time until it reaches the speed of light when the photon reaches the Schwarzschild radius.

基于1D-CNN-SVM的钢丝绳损伤识别方法

为实现对钢丝绳损伤的高效、精准识别,提出一种基于1D-CNN-SVM的钢丝绳损伤识别模型。使用一维卷积神经网络对损伤的漏磁检测信号进行特征提取,然后输入到支持向量机中进行缺陷分类,通过将不同工况速度下的数据集代入该模型,检验所提模型的缺陷识别能力。试验结果表明,相较于1D-CNN,1D-CNN-ELM,1D-CNN-LTSM等模型,所提模型的准确性和可靠性更高,对各类损伤的识别准确率均不小于97%,体现出较强的泛化能力。

基于1D-CNN-PSO-SVM的电力变压器故障诊断

针对变压器故障诊断过程中人工提取特征泛化性差,诊断正确率低的问题,提出了一种基于一维卷积神经网络(1D-CNN)和粒子群优化支持向量机(PSO-SVM)的故障诊断模型。首先构建一个1D-CNN作为特征提取器,以变压器油中溶解气体原始数据作为输入进行训练,逐层自适应的学习与故障类型相关性更高的深层抽象特征。训练完成后,用分类性能更优的PSO-SVM代替传统1D-CNN中的Softmax分类器实现变压器故障类型的识别。仿真结果表明,经1D-CNN提取特征后,不同故障类型的样本间具有很高的区分度;利用PSO-SVM对提取得到的特征进行分类识别,相比于采用Softmax分类器时,诊断准确率得到了进一步提高,验证了所提方法的有效性。

谈波速与波长变换及其物理意义

关于波速与波长变换,一些文献中虽有论述,但所得表达式太复杂而不宜记忆,且未涉及其物理意义.本文由四维波矢的洛伦兹变换来分析这一问题,通过引入波速因子和综合速度因子的概念,得到容易记忆的简单表达式,并力求阐明其物理意义,最后说明其应用.

基于支持向量机的网格化电网负荷预测算法设计

针对电网负荷预测算法预测能力较差、效率偏低的问题,文中提出了一种PCA-PSO-SVM算法。其在经典粒子群算法的基础上引入主元分析法,使模型具有降低数据维度及算法冗余度的特性。同时通过改进的PCA-PSO算法对SVM模型的内置参数进行最优选取,从而使改进后的SVM模型具有最佳的分类性能。在实验测试中,采用PCA算法选取了91%贡献度内的6项数据特征进行样本数据训练。结果表明,相较于其他对比算法,该文算法预测结果的RMSE、MAE与MAPE误差值均为最小,证明其可对网格化电网负荷加以预测。此外,该算法还能提升传统算法的准确度,为电力负荷分配提供有力支持。

基于SVM的多维相似大数据分类系统设计

受大数据自身相似性的影响,传统数据分类方式的分类精度偏低,为此提出基于支持向量机(Support Vector Machine,SVM)的多维相似大数据分类系统设计研究。将MYC-JX8MMA7核心板作为系统设计的开发载体,构建SVM线性回归模型,通过构建一个回归平面,保障所有多维相似大数据与平面之间的距离均处于最小状态,利用待分类数据与最佳分类界面被标记样本之间的相似度,实现对数据的分类。在测试结果中,分类结果F1 Score稳定在0.82以上,明显优于对照组。