基于逆向云算法的同行评议评价模型建设探析

同行评议本质上依然是一种量化的主观定性评议,其基石是参与评议活动的每位评议者,只有做到对评议者的有效评估、监督、规范与约束,才能保证同行评议结果的客观和公正。但同行评议过程始终存在着不确定性,如何处理不确定性是同行评议需解决的难点问题。为此,在论述同行评议中评议者评价的必要性和当前发展概况的基础上,利用同行评议的评价数据分析评议者和评议影响因素,基于数据构建科学的同行评议评价模型。运用云模型理论,针对同行评议特点,选择符合正态分布统计性质、无确定度的逆向云生成算法,将方案分解为评议者评议评价与多任务协同评议评价2个层次,提出同行评议评价模型;并利用中国某省2018—2022年某类人才项目同行评议在技术、前瞻、产出、风险、经济和社会6个方向共18个评议指标的数据,通过该模型分类分层次计算出其云模型数字特征,根据数字特征构建云图和数字画像进行分析。结果表明:基于逆向云算法的同行评议评价模型对于评价评议者各方面的评议能力和整体评议效果、评价同行评议活动开展成效以及监管同行评议中的异常数据具有实操意义,能据此科学构建评议者个性化权限,能发挥评议者最大优势,并最大限度减小人为因素造成的误差,缓解当前同行评议评价面临的困境。

基于GAN网络的电力设施遥感图像去云算法研究

针对电力设施遥感图像云层遮挡问题,提出了基于生成对抗网络(GAN)的遥感图像去云算法。以条件生成对抗网络(cGAN)为主体结构,在编码器自适应填充卷积,设计了基于Soft Attention的递归神经网络模块,通过对所有特征节点增加全局依赖关系来解决网络局部最优问题,通过空间信息转换提取关键信息,提高去云与重建效果。实验结果表明,方法对遥感图像中云层遮挡去除效果较好,重建图像的结构相似性(SSIM)与峰值信噪比(PSNR)分别达到0.983与32.899,分别提高了23.93%与8.86%,均优于其他改进型GAN网络。研究的方法不仅为基于遥感图像电力设施识别提供了基础,深度学习遥感图像处理应用提供了参考。

MODIS逐日积雪产品去云算法研究

由于积雪和云的反射特性,使用光学遥感监测积雪受到天气的严重干扰,对研究区云量的分析表明,无论是MOD10A1还是MYD10A1,云都是影响该产品对研究区积雪进行实时监测的最大影响因素.综合不同去云方法,利用MODIS逐日积雪产品和被动微波数据AMSR-E雪水当量产品,生成了MODIS逐日无云积雪图像,并利用研究区85个地面气象观测台站提供的雪深数据对合成的单日无云积雪产品进行验证.结果表明:当积雪深度>3cm时,新产品的积雪分类精度达到91.7%,该产品对实时监测青藏高原积雪动态变化具有重要的使用价值.

云模型中正向云算法的修正

云模型中现有正向云算法存在一些与人类认知相悖的图像特征,使用正向云算法产生的点(云滴)也具有误差,直接影响了应用的准确性.针对这一问题对正向云算法做出修正,对不同概念点处的认知歧义加以限制,并给出了计算各点认知歧义值的函数.对修正的方案对比和仿真,分析结果表明,修正后的算法更满足人们认知,能实现对定性概念更准确的刻画.

大数据交叉映射融合的逆向云算法仿真

大数据融合可以提升工作效率、保证数据安全。逆向云算法根据数据之间的关联性交叉映射,对不同类型数据执行逆向处理。而传统逆向云算法,分析大数据离散度的能力不强,致使计算结果的偏差较大,因此研究大数据交叉映射融合的逆向云算法。算法将原有算法作为基本理论,利用梯度联合函数反演,根据交叉梯度约束条件确定数据离散形式,捕捉数据交叉规则;依照已知节点数据的物理量,对未知节点数据插值,通过源数据项、目标数据项建立函数映射关系,得出隐含关联;按照关联度匹配数据特征,域隐含层特征函数对域网络参数反向微调,至此实现逆向云算法。实验结果可知:与传统的基于鲁棒性的大数据逆向云算法相比,上述算法分析大数据之间离散度的能力更强,得到的参数结果偏差极小。由此可见,所研究的逆向云算法的计算结果更加精确。

基于逆向云算法模型的工业控制系统工艺稳定性建模与攻击防护

与传统的网络安全防御手段相比,基于工艺流程的工业系统安全防护研究愈发成为工业控制安全领域的重要研究方向。提出一种改进型BC-1stM无确定度逆向云算法,通过对时间序列与工艺流程的正常状态进行建模,实现在工业系统中基于工艺攻击方式的安全防护检测与告警,并采用田纳西伊士曼化工过程平台进行验证。结果表明,该模型在进行攻击行为检测与攻击点检测方面有很高的查准率,提高了工业系统的安全防护能力。

基于桥梁点云特征的精简优化算法

为了平衡桥梁工程中点云数据精简的质量与速度,提高数字信息模型的精度,提出一种面向桥梁特征的点云精简算法。该算法基于主成分分析(principal component analysis,PCA)法对点云坐标系进行自动修正,改进点云特征识别方式,采用层次化精简策略对特征进行分层级保留,最后再将点云数据融合。以精简效率和运行速度作为评价指标,与其他精简算法进行对比分析。结果表明,在较高精简率下,该算法可保留更多的桥梁细节特征,且精简质量更高。

基于点云融合算法的无人机三维建模测量研究

坐标残差过大是导致无人机三维建模准确性不达标的主要原因,为避免上述情况的发生,针对基于点云融合算法的无人机三维建模测量方法展开研究。确定2D样点、3D样点与目标视点的云对应关系,通过求解双线性融合差值的方式,建立点云融合算法模型,再联合无人机目标轮廓点定义条件,完成对目标Hu距的匹配,得到必要的无人机目标节点,实现基于点云融合算法的无人机目标提取。建立三维测量坐标系,并根据光学畸变差的取值范围,纠正三维影像,结合相关测量节点,推导点算子计算式,从而确定测量值平差的取值范围,完成无人机三维建模测量方法的设计。实验结果表明,点云融合算法作用下,X轴、Y轴、Z轴三个方向上的坐标残差均不超过10%,能够实现无人机三维测量模型的准确构建。

基于全局特征地图的由粗到细点云配准算法

针对现有点云配准算法在非重复扫描式激光雷达上存在精度低、鲁棒性差、通用性差等问题,提出一种基于全局特征地图的由粗到细点云配准算法(CTF-ICP),并实现非重复扫描式激光雷达里程计。该算法利用高斯分布表征局部点云分布,构建全局特征地图。配准阶段包含粗配准和精配准。首先,采用正态分布变换在连续点云帧之间实现帧到帧的粗配准;然后,根据粗配准的结果将当前点云映射到全局特征地图,并将对应位置的全局特征协方差矩阵的特征值进行归一化,实现帧到地图的精配准;最后,将该文算法与其他常用的配准算法进行对比实验。实验结果表明:该文算法能够较好地适应非重复扫描式激光雷达,配准精度和速度比常用的配准算法都有明显提升;同时,消融实验证明了由粗到细的点云配准算法以及全局特征地图的有效性。

基于点云凸包算法的电网输电线路通道树障检测

针对树障与导线触碰发生短路,将会导致线路闪络、跳闸停电,甚至引发火灾事故的问题,提出一种基于点云凸包算法的电网输电线路通道树障检测方法。利用机载激光雷达采集激光点云数据,通过包围盒方法实施抽稀,滤除冗余点云数据。利用SVM分类算法确定树障点云数据,利用点云凸包算法构建树障点云凸包,根据三角函数公式计算树顶点与输电线路之间的距离,以此为基础,按照标准划分树障风险程度。结果表明,所研究检测方法应用下,树障顶点的平均检测误差为1.1 mm,每个研究区的树障顶点的平均检测误差达到相对最小值,由此证明了该方法具有较高的电网输电线路通道树障检测精度。

基于云计算算法的校园网安全防护研究

校园网不仅能为学校的日常管理提供保障,还能为学生的学习和生活提供较大的帮助。但随着校园网络恶意攻击频次不断增加,导致校园网无法正常运行,严重影响学校教学数据、考勤管理等,因此需要进一步加强病毒入侵检测。为进一步提高校园网安全防护,本文提出利用云计算算法对校园网的病毒入侵进行检测,并利用蜻蜓算法改进云计算算法。实验结果表明,基于云计算的校园网安全防护实时检测方法在检测率和误报率方面都优于深度学习算法。云计算算法的检测防御率在85%到95%范围内变化,而传统的深度学习算法的检测防御率为55%到65%。尽管云计算算法仍有误报,但检测率仍高达97.78%。因此,云计算算法完全可以满足校园网系统的安全防护要求。

基于机器视觉的三维点云匹配算法在散货物料实时检测中的应用与研究

面对杂乱堆叠的散货物料实时检测场景,传统机器视觉会受物体遮挡限制,使得识别结果存在偏差。为解决此问题,本文运用三维点云算法,设计基于点对特征的位姿估计算法,同时调整场景点云中法线方向使其朝向点云成像设备视点,以优化其一致性,最后基于该算法构建实际物体抓取系统。结果显示,此次研究设计的位姿检测算法的平均重合率为98%,平均内点均方根误差为0.0003 mm,点云匹配成功率为100%,抓取成功率为97.1%。结果表明,该基于点对特征的三维点云算法在散货物料场景中的检测准确率较高,且在抓取场景中也有较理想的表现,具有一定的实际应用意义。

基于隶属云蚁群算法的高校网络安全可靠性评估

高校网络作为高校的基础设施,在高校中担当着多重角色。高校网络发展到现在,处于服务为主要目的阶段,对其安全性、可靠性有很高的要求。为此,本文通过建设基于隶属云蚁群算法的高校网络安全可靠性评估模型,得到评估模型整体框架,从而细分评估的内容。同时本文结合已知的网络攻击检测方法,从多个角度利用云蚁群算法进行计算评估,得出高校网络安全的各项指标评估结果,为保障高校网络安全提供参考。

毫米波雷达的扩展目标点云聚合算法

低成本毫米波雷达的天线数目少、天线孔径小、雷达功率低等自身因素限制了雷达的DOA估计。较低的角度分辨率导致难以区分位置相近的扩展目标,从而导致多目标跟踪的误判。针对上述问题,提出一种扩展目标点云聚合算法,首先对多个毫米波雷达所探测到的点云进行融合和叠帧处理;其次通过最小二乘法曲线拟合,构建EKF的加速度模型,在预测值处自适应生成波门,得到假设目标关联位置,将此位置与预测值作加权修正处理后聚合点云。文中设计了基于低成本毫米波雷达的室内多目标跟踪对比实验,通过完备度和位置误差指标加以验证。实验结果表明,该算法有效弥补了低成本毫米波雷达角度分辨差以及扩展目标点云辨识度低的缺陷,大幅提升了扩展目标点云的辨识度及跟踪的精确度,对提升低成本毫米波雷达跟踪性能具有重要意义。

基于显著性划分的机载激光雷达点云滤波算法优化

针对点云数据拟合精度较低、点云显著性渲染效果较差的问题,提出一种基于显著性划分的机载激光雷达点云滤波优化算法。实验结果显示:一类错误率、二类错误率、总体错误率、Kappa值的均值分别为2.53%、2.27%、2.38%、95.10,可有效实现高精度点云滤波目的。

基于MODIS的青藏高原逐日无云积雪产品算法

青藏高原积雪对高亚洲地区水和能量循环起着重要的反馈和调节作用,其变化影响着融雪性河流流量,对下游水资源和经济活动具有重要影响。中分辨率成像光谱仪(MODIS)具有较高的时空分辨率,被广泛应用于积雪遥感动态监测,然而光学遥感积雪受云层影响严重,且青藏高原地区水汽分布不均,局地对流活跃,积雪的赋存时间变化快,这给高原地区逐日积雪监测及其气候学制图带来挑战。在考虑青藏高原地形和积雪分布特征情况下,结合现有的云覆盖下积雪判别算法,采用8个不同方法的组合,逐步实现MODIS逐日无云积雪算法。选取2009年10月1日-2011年4月30日两个积雪季为研究期,并采用145个地面台站观测雪深数据对去云算法各步骤过程开展精度验证,结果表明:当积雪深度>3 cm时,逐日无云积雪产品总分类精度达到96.6%,积雪分类精度达83%,积雪判对概率(召回率)达到89.0%,算法可实现青藏高原地区逐日无云积雪动态监测和积雪覆盖气候学数据重建,对高亚洲地区的水、生态和灾害等全球环境变化影响研究具有重要的意义。

基于均方误差的集粒子云自适应均衡算法(英文)

为了更加有效地对符号间干扰进行自适应补偿,本文提出了一种基于均方误差准则的集粒子云算法EPSA(ensemble particle swarm algorithm).在本算法中,自适应均衡器的每个抽头权值向量被看作问题空间中的一个粒子,所有权值向量对应于粒子云.根据均方误差准则,集粒子云算法以多维问题空间中飞行的粒子位置的集平均误差作为适应值,评估对应抽头权值向量的性能,从而改变粒子飞行的方向和速度,调整粒子位置的变化量.粒子在空中飞行由"互飞行"和"自飞行"构成,其中"互飞行"是通过粒子间的相互作用表征的,而"自飞行"则是通过粒子的自我调整实现的.粒子按各自的加速系数依次在不同模式中飞行,由于粒子间彼此互惠作用的影响,集粒子云算法的收敛速度得到了提高.理论分析和仿真结果均表明,本文提出的算法性能明显优于定步长或变步长的LMS算法,同时算法的复杂度几乎没有明显的增长.

梯形半云PBDR-VPP源荷协调经济调度

针对价格型需求响应虚拟电厂用户响应行为模型精确度不高的问题,提出一种梯形半云价格型需求响应不确定性建模方法。用梯形半云对分时电价下用户的不确定响应行为进行建模,通过正、逆向云变换算法,实现用户响应行为定性概念与定量数据之间的双向转化,用云滴分布形状拟合用户的响应随机行为。将源、荷两侧灵活资源整合,使虚拟电厂综合效益最大化的经济协调调度。算例仿真验证了模型的有效性。

基于TIN的LIDAR点云过滤算法

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对其获取的不规则分布的三维点云数据过滤处理是目前的研究前沿,也是机载激光雷达应用的关键技术。本文在分析典型地物激光雷达点云空间分布基本规律的基础上,重点研究了典型地物表面及其边缘的点云空间分布特征及基于TIN结构的邻近点云高程突变规律,并设计了相应的点云过滤算法。论文还对算法的参数选择及相应的误差进行了探讨,并进行了LIDAR数据DEM提取实验。

基于区间的云相似度比较算法的研究

事物的不确定现象包括模糊性和随机性.云模型通过对二者的结合,建立起定性定量的互换模型.相似云及其度量算法的提出使得云模型具有一定的理论价值和实际意义.然而由于云本身的特性,使得算法的计算精度不高、计算消耗较大.因此提出基于区间的云相似度比较算法,对原云相似性算法进行改进.实验证明,该算法在计算精度以及计算消耗上都有较大的优化.