对称线性互补问题的乘性Schwarz算法

本文提出了求解对称性互补问题的乘性Schwarz算法,其中子问题用投影迭代方法求解.利用投影迭代算子的性质及投影迭代的收敛性,证明了算法产生的迭代点列的聚点为原互补问题的解,并在一定条件下,证明算法产生的迭代点列的聚点存在.

近似求解子问题的乘性Schwarz算法

提出求解线性互补问题的一个乘性Ｓｃｈｗａｒｚ算法，算法中子问题非精确求解，得到了单调收敛性及误差估计式．

解摩擦问题的乘性Schwarz算法

给出在一致重叠条件下解摩擦问题的乘性Schwarz算法，并证明了此算法的收敛性。

解线性互补问题的多重分裂乘性Schwarz算法

运用矩阵多重分裂理论并考虑并行计算 ,建立求解线性互补问题的多重分裂乘性 Schwarz迭代算法 ,给出算法的收敛性定理 ,应用加权最大模获得了算法的收敛速度 .数值结果表明 ,多重分裂乘性 Schwarz迭代算法具有很好的有效性 .

求解M-函数对应的非线性互补问题乘性Schwarz算法

使用乘性Schwarz算法求解M-函数对应的非线性互补问题,该算法在特殊选取初值情况下具有单调收敛性.

一种基于模型概率单调性变化的自适应IMM-UKF改进算法

针对现有交互式多模型(IMM)算法模型间切换迟滞和转换速率慢的缺点,提出一种基于模型概率单调性变化的自适应交互式多模型无迹卡尔曼滤波改进算法(mIMM-UKF)。该算法利用后验信息模型概率的单调性,对马尔可夫转移概率矩阵及模型估计概率进行二次修正,加快了匹配模型的切换速度及转换速率。仿真结果表明,与现有算法相比,该算法通过快速切换匹配模型,有效提高了水下目标跟踪精度。

基于量子衍生涡流算法和T⁃S模糊推理模型的储层岩性识别

鉴于梯度下降法易陷入局部极值、普通群智能优化算法易早熟收敛,提出一种基于量子衍生涡流算法(Quantum Vortex Search Algorithm,QVSA)和T⁃S模糊推理模型的岩性识别方法,QVSA具有操作简单、收敛速度快、寻优能力强等优点,有助于T⁃S模糊推理模型获得最优参数配置,从而实现储层岩性的准确识别。首先利用具有全局搜索能力的QVSA优化T⁃S模糊推理模型的各种参数;然后利用主成分分析方法降低获取的地震属性维度;再利用优化的T⁃S模糊推理模型识别储层岩性。实验结果表明,利用反映储层特征的8个地震属性识别储层岩性时,所提方法的识别正确率达到92%,比普通BP网络方法高5.1%,同时查准率、查全率、F1分数等指标也较BP网络方法提升明显。

考虑数据稀疏性的图书推荐协同过滤算法仿真

图书推荐算法易忽略数据稀疏性问题,导致推荐结果与用户感兴趣内容之间存在较大的偏差。在考虑数据稀疏性的基础上提出一种图书推荐协同过滤算法,对数据预处理,通过对用户和用户之间综合信任度分析,利用分布估计算法对用户兴趣建模;构建用户兴趣簇类集,划分用户兴趣,从中选择出与检索对象最接近的邻居;计算邻近项目得分,按照从大到小的顺序排列,排名靠前的资源项即为图书推荐结果。实验结果表明,所提方法在推荐500本图书时,用时在12s内,且降低了平均绝对误差和均方根误差,实现了最精准的图书推荐。

应对过滤气泡:算法策展对用户信息消费行为选择性和态度极端化的影响

[目的/意义]“过滤气泡”是个性化推荐算法仅向用户推荐他们所认同、感兴趣的信息而造成的不利结果,体现为信息消费行为的选择性及个体态度的极端化。本研究旨在探索不同信息排序方式对于过滤气泡的干预效果。[方法/过程]共招募38位参与者访问模拟新闻推荐系统,并将其划分到不同信息排序方式的组别中,通过服务器日志观测参与者的新闻点击与阅读行为,使用量表测量其态度极端性变化情况。[结果/结论]信息排序方式不会影响用户的新闻标题点击行为的选择性,但会影响其新闻文章阅读行为的选择性及态度极端性变化:相较于基于偏好的排序方式,基于时间与基于质量的排序方式均会显著降低用户阅读行为的选择性,同时基于质量的排序方式还显著降低了用户的态度极端性。本研究不仅为过滤气泡研究提供了新的研究视角与有效的方法论,还为个性化推荐算法设计提供了实践启示。

基于贪婪算法的大数据兼容性云存储方法仿真

现阶段云环境下大数据的存储仍存在存储效率低、带宽合理性差的问题,因大数据的数量巨大、难收集和分析的特点,导致很难实现大数据的精准兼容存储。为此提出基于贪婪算法的大数据兼容性云存储方法。根据大数据云存储流程获取数据存储基本框架。引入贪婪算法,通过贪婪算法的循环迭代重构云存储节点的比特功率,使初始云存储环境转化成具有相同访问数据选择策略的优化云存储环境,提高大数据云存储流程的兼容性,完成大数据兼容性的云存储。实验测试结果表明,提出方法在规定时间内的数据漏存储量较少,且用户下载数据的响应时间始终低于5ms,大数据兼容性云存储的错误样本量低于100bit,说明提出方法的可应用性较强,研究价值较高。

基于病毒进化遗传算法的飞机预防性维修计划优化

伴随着中国贸易行业与旅游行业的飞速发展,飞机应用频率大幅度增加,使得飞机故障发生率居高不下,对飞机维修行业提出了更高的要求。传统预防性维修计划已经无法满足飞机稳定飞行的需求,故提出基于病毒进化遗传算法的飞机预防性维修计划优化方法研究。依据飞机的可靠飞行需求,制定预防性维修计划,选取预防性维修成本最小化与飞机可靠度最大化为优化目标,并构造与说明优化目标函数,引入病毒进化遗传算法确定飞机预防性维修任务排程,联合预防性维修任务花费时间最短目标、预防性维修成本最小化目标与飞机可靠度最大化目标,制定病毒进化遗传算法终止条件,获取最终的飞机预防性维修计划优化结果。实验数据显示:在不同实验工况背景下,提出方法应用获得的飞机预防性维修成本最小值为18.42万元/年,飞机可靠度最大值为9.6,飞机预防性维修花费时间最小值为6 h/次,充分证实了提出方法优化性能较佳。

传播物质性视角下算法道德实践的扎根研究

人类的道德实践离不开与“物”打交道的场景,“物”不仅为道德实践提供基础环境,也以自身行动逻辑影响人的道德行为。基于实践的关系本体论视角、着眼于人与信息技术交互中呈现的道德行为,是“传播物质性研究”的重要面向,也是将传播物质性研究引入人的内在精神领域之体现。“算法强效果导向”“算法隐蔽”和“算法掌控”三种典范模式,用以解释人与信息技术交互中的道德行为,以及信息技术如何发挥物质性功能。为了进一步突出物的本体特征,论文采用意向性概念梳理算法意向性及对应能动性。研究发现,算法物质性作用发挥呈现出递进趋势:以物质维持作为提供行动网络的能量基础,进而实现媒介的中介作用、强化自身意向性。

基于选择性注意力神经网络的木薯叶病害检测算法

为了实现在复杂非结构环境下对木薯叶4种主要病害的高精度检测,提出一种基于选择性注意力机制的木薯叶病害神经网络检测改进算法MAISNet(Multiattention IBN Squareplus neural network)。以V2-ResNet-101为基础网络,先使用多重注意力算法优化加权系数,调整特征通道的语义表达,在特征图中初步构建显著性特征;然后在残差单元之后采用实例批归一化方法来抑制特征表达中的协变量偏移,在特征图中构建出显著性语义特征,实现高质量语义特征表达;最后在残差分支中采用Squareplus激活函数替代ReLU激活函数,保持语义特征在负数域的数值分布,减少特征拟合过程中的截断误差。对比试验结果显示,经过上述改进后构建出的MAISNet-101神经网络,对4种常见木薯叶病害检测的平均准确率达到95.39%,明显优于目前主流算法EfficientNet-B5和RepVGG-B3g4等。网络提取特征的可视化分析结果表明,高质量木薯叶病害显著性语义特征,是提高木薯叶病害检测准确率的关键。所提出的MAISNet神经网络模型可以完成实际场景下木薯叶病害高精度检测。

基于退火狼群算法的卫星星座网络抗毁性优化

为提高卫星星座网络受到攻击后的抗毁性及工作能力,提出了一种模拟退火狼群算法。该算法利用主客观权重法结合综合逼近理想排序法(TOPSIS:Technique for Order Preference by Similarity to Ideal Solution)对网络中的节点进行重要度评估,并按照节点重要度排序依次攻击。以网络连通度与网络连通效率为优化目标,卫星星座网络通信限制为约束条件,采用运动算子的思想实现狼群自适应步长的游走、召唤和围攻。使用通过优化得出的加边方案对网络结构进行优化。实验表明,与其他优化算法相比,该算法具有优越性,解决了卫星星座网络在受到攻击后工作能力下降的问题,提高了其受到攻击后的抗毁性。

采用期望最大化算法的半滑舌鳎性逆转性状高效遗传解析

为了解析半滑舌鳎(Cynoglossus semilaevis)性逆转性状的分子遗传作用机制,定位筛选可用于性控育种的分子标记或侯选基因,本研究提出了一种期望最大化算法(Expectation-Maximization algorithm,EM),并基于该算法开展了半滑舌鳎性逆转性状的全基因组关联分析。EM算法直接使用阈模型中隐含连续正态分布表型的期望作为因变量,用迭代最小二乘代替logit回归法的迭代重加权最小二乘,它具有比logit回归法更直观、更易于编程的优点。本研究采用显著主成分控制群体分层后,使用EM算法与logit回归对对半滑舌鳎数据进行GWAS(Genome-wide Association Study,GWAS)分析。结果显示,EM算法结果无明显的假阳性或假阴性,比logit回归法的检测效力更高。基于EM算法的全基因组关联分析共定位到13个与性逆转性状显著关联的QTN(quantitative trait nucleotide,QTN),其中3个QTN位于W染色体上,10个QTN位于Z染色体上。经过基因注释发现,上述定位获得的QTN位于LOC103396896、MALT1、ADGRD2、FBXl17、DMXl1、SMARCA2、DMRT1、LOC103397760、NEUR13和PDLIM5a基因区段内。当进行检索时发现,这些基因参与了其他物种中涉及性别决定或性腺发育等相关过程。本研究提供了一种基于EM算法的具有高检测效力的全基因组关联分析方法,同时也为半滑舌鳎的性逆转遗传机制解析和性控育种提供有效的理论指导。

求解恰当可满足性问题的随机局部搜索算法

可满足性问题(SAT)是一种NP完全问题,被广泛运用于人工智能和机器学习等研究。恰当可满足性问题(XSAT)是SAT中一类重要的子问题。目前的大部分关于XSAT的研究主要为理论层面,对高效的求解算法特别是具有高效验证性的随机局部搜索算法研究很少。针对以上问题,分析了基础编码和等价编码两种转化方式的公式的部分性质,提出一种直接求解XSAT的随机局部搜索算法WalkXSAT。首先使用随机局部搜索框架进行基础搜索与条件判定;其次加入变元所属文字的恰当不可满足计分值,优先处理不易恰当满足的变元;然后使用防重复选择翻转变元的启发式策略减小搜索空间;最后,采用多种来源以及多种格式的实例进行对比实验。在直接求解XSAT时,相较于ProbSAT,WalkXSAT的变元翻转次数与求解时间显著减少;在求解基础编码转化后的实例中,当实例变元规模大于100时,ProbSAT已失效,而WalkXSAT依然能够在短时间内求解。实验结果表明,所提WalkXSAT精确性高、稳定性强、收敛快。

基于SDGSAT-1 TIS的机器学习算法岩性分类

造岩矿物在热红外(TIR)大气窗口(7~14μm)中显示出特定的光谱特征为利用TIR影像进行岩性分类提供了理论基础(代晶晶等,2020)。然而,传统TIR遥感岩性分类数据源有限,且常用的基于光谱相似性和光谱特征的方法很难对类似的岩石类型进行分类,光谱吸收位置特征很容易受到矿物复杂化学成分的影响。2021年发射的可持续发展科学卫星1号(SDGSAT-1)在TIR区域具有3个波段.

干扰情形下重复性项目快速修复策略模型与算法

重复性项目受到干扰事件影响后,如何使其低成本,快速修复到基准调度计划,是项目管理者面临的重要问题。本文研究了干扰情形下重复性项目的反应性调度问题。首先提出了一种新的快速修复策略模型,旨在使项目以较低的成本快速修复到基准调度计划;针对问题特点,设计了一种Q-learning与遗传算法结合的混合算法进行求解;最后通过一个高速公路项目和蒙特卡洛模拟验证了本文模型和算法的有效性。结果表明:本文所提出的修复策略可以显著降低反应性调度成本;在一定范围内,增加修复的范围可以有效降低反应性调度成本;Q-learning与遗传算法混合算法在该问题上的求解质量和效率优于遗传算法。本文可以为重复性项目管理者进行反应性调度提供决策依据。

基于AS-OCT图像的核性白内障多级排序分类算法研究

目的探讨基于眼前节光学相干断层扫描(AS-OCT)图像的核性白内障智能辅助分级算法对白内障分级的诊断价值。方法采用诊断试验研究方法,收集2020年11月至2021年9月间同济大学附属第十人民医院电子病例系统中核性白内障患者939例1608眼的AS-OCT图像资料,所有资料均符合临床阅片清晰度要求。其中男398例664眼,女541例944眼,年龄18~94岁,平均年龄(65.7±18.6)岁。由3名经验丰富的临床医生基于晶状体混浊分类系统(LOCSⅢ分级系统),对所收集的AS-OCT图像进行1~6级人工标注。构建一种基于多级排序的全局-局部白内障分级算法,该算法包含5个基本的二元分类全局-局部网络(GL-Net),每个GL-Net聚合白内障核区域、原始图像等多尺度信息进行核性白内障分级。基于消融实验和模型对比试验,采用准确率、精确率、灵敏度、F1指标及Kappa系数对模型性能进行评价,且所有结果均通过五折交叉验证。结果模型在核性白内障数据集上的准确率、精确率、灵敏度、F1、Kappa分别为87.81%、88.88%、88.33%、88.51%、85.22%。消融实验结果表明,ResNet18结合局部特征和全局特征进行多级排序分类,模型在准确率、精确率、灵敏度、F1、Kappa指标上均有提升。与ResNet34、VGG16、Ranking-CNN、MRF-Net模型比较,本研究模型各性能指标均有提升。结论基于深度学习的AS-OCT核性白内障图像多级排序分类算法对白内障分级具有较高的准确度,有望辅助提高眼科医生对核性白内障的诊断精度以及效率。

基于改进粒子群算法的刚柔耦合模型车辆平顺性研究

针对刚柔耦合车辆的振动控制问题,建立了半车7自由度刚弹耦合动力学模型,用欧拉伯努利梁模型对其进行简化。针对传统粒子群算法容易陷入局部最优解等缺点,引入混沌初始化、动态惯性权重和自适应学习因子对算法进行优化,提出一种基于改进自适应惯性权重的粒子群算法。最后,通过MATLAB仿真建模分析,从车架位移等4个性能方面将无优化悬架、传统粒子群算法优化和改进粒子群算法优化3种情况下的结果进行对比。结果表明,在所有指标中改进粒子群算法的结果均显著优于其他二者,证明了该算法的有效性,可以显著改善车辆的行驶平顺性和驾驶稳定性。