简化软信息迭代的遥测TPC译码算法

针对遥测TPC译码算法中Chase2算法译码流程复杂,处理接收信号存在较大时延的问题,提出简化软信息迭代的遥测TPC译码算法。该算法通过减少迭代译码次数和优化软信息更新方式,在提高译码速率、减少资源消耗的同时,纠错能力损失小于1 dB。仿真结果表明,改进算法减少了译码算法运算量,提高了译码实时性,降低了存储要求。

场景革新、交互升级、信息迭代:元宇宙社交对移动社交的解构与重构

【目的】探究元宇宙场景革新、交互升级、信息迭代的变化。【方法】文章从解构与重构的视角探讨元宇宙社交对移动社交的影响。【结果】【结论】在场景革新层面,元宇宙社交打破了移动社交二维空间的限制并将逐渐消除虚实空间存在的边界;在交互升级层面,元宇宙社交弥补了移动社交感官缺失的遗憾并逐步打开人机关系的新格局;在信息迭代层面,元宇宙社交改变了移动社交的身份趋同并溯源用户作为信息发布的主体地位。

基于时序信息迭代的变权方法及应用

为克服传统动态评价中权重不能随指标属性值变化从而不能准确刻画指标侧重关系的缺陷,文章在变权理论的指导下,构建了一种基于指标数值变化的变权方法,以2011—2015年科技评价中典型的14个省域的空间面板数据检验该变权方法的合理性及变权权重的适应性与有效性。研究表明:通过变权设计,可以较清晰地看出各省域在发展中每一时期的侧重因素层面,2012—2013年"科技投入"层面和2014—2015年"科技对社会的影响"层面受到了普遍重视,获得了较大权重。该变权方法的突出特点是可以对指标进行"奖惩激励",具有较好的研究与应用价值。

大津法联合信息熵迭代算法在彩码图像恢复中的应用

针对彩色条码受异常光照影响色彩偏移的问题,根据其具有双色、四色或八色的特点,提出一种大津法(Nobuyuki Otsu)联合信息熵迭代算法确定阈值的自适应彩色条码图像恢复方法。利用Otsu算法确定初始阈值,结合信息熵迭代算法在该阈值上下范围内进一步精确定位阈值,用此阈值二值化分割彩色条码图像的颜色分量达到色彩恢复的目的。该方法克服了单一使用Otsu算法确定阈值不够准确的缺陷,相比同类算法色彩恢复效果更好,算法运行时间也较短。仿真结果表明,对于光照不足或光照不均达到一定程度下的彩色条码图像,该方法能及时有效地恢复出其真实颜色。

基于迭代信息传递技术的直扩信号捕获

随着对直扩系统抗干扰性和隐蔽性要求的不断提高,作为扩频码的PN码序列的周期长度也在不断的增长,因此,如何实现长PN码直扩信号的快速捕获成为系统实现的关键问题之一。针对此问题,提出将基于图模型的迭代信息传递算法(IMPA)应用于直扩信号捕获。直扩信号捕获根据接收信号的信道信息直接生成与接收信号序列粗同步的本地伪码序列,改变了传统捕获方法中本地伪码序列的生成方式,大大缩短了信号的捕获时间。详细说明了基于该技术的直扩信号捕获的实现原理和实现方法,并对基于该技术的直扩信号捕获进行了仿真。仿真结果表明该方法能够在低信噪比下实现信号的快速捕获,而且实现的复杂度较低。

基于迭代信道软信息的编码MIMO检测

该文针对编码MIMO系统,分析了MIMO检测过程中串行干扰删除引入的误差传播对软解调的影响,同时,借鉴软符号干扰消除的思想,推导出该系统中迭代信道软信息(Iterative Channel Soft Information,ICSI)的计算方法,并证明了该信道软信息等价于信道矩阵广义逆的行范数的倒数。理论分析及仿真表明,该文所述基于ICSI的编码MIMO检测算法可以在不增加任何额外运算量的前提下,显著改善编码MIMO系统的性能。

迭代■-内嵌入信息生成及其遗传发现-应用

■-半P-集合是把动态特性引入到康托集合X中得到的一个新的数学结构与数学模型。■-半P-集合是由内P-集合X-F与康托集合X构成的集合对。利用内P-集合,给出迭代■-内嵌入信息与迭代F--内嵌入信息的F-遗传概念。迭代■-内嵌入信息的F-遗传是把生物学中的遗传与迭代■-内嵌入信息进行交叉获得的。利用这些概念,给出迭代■-内嵌入信息存在性定理、迭代■-内嵌入信息的F-遗传定理与F-遗传信息的还原定理。在此基础上,给出迭代-F-内嵌入信息的F-遗传发现与应用。■-半P-集合是研究动态系统工程的一个新理论。

一种基于迭代信息熵权的改进LFCM算法

LFCM算法作为一种划分式聚类算法,它根据新旧聚类中心之差是否小于设定阈值决定是否停止迭代,但存在聚类准确率偏低的缺陷。熵是信息论中有效度量不确定性的一项指标。为此,文章提出了一种基于迭代信息熵权的改进LFCM算法,该算法将熵权法与LFCM算法进行了有效的融合。算法的改进思路为:(1)输入样本结合隶属度函数,求得数据矩阵,根据该数据矩阵求取新的信息熵和权重;(2)目标函数采用权重函数,算法通过判断新旧权重的差值是否小于设定阈值作为停止迭代条件。仿真实验结果表明,基于迭代信息熵权的改进LFCM算法可以有效提高聚类准确率及紧凑率。

迭代式构建物流一体化模式分析——以郑州航空港经济实验区为例

郑州航空港经济综合实验区是我国重点建设的航空经济实验区,实验区内人口、资源、资金和技术等经济要素高度聚集,具备实现物流一体化的基础,本文构建了郑州航空港经济综合实验区物流一体化模式,提出了综合实验区迭代式物流信息一体化系统建设以及实验区物流一体化可供选择的合作机制。

一种基于置信传播的算法求解随机约束满足问题

为了求解具有增长域的随机约束满足问题(CSP),提出一种基于置信传播的算法即NBP* (new-selected belief propagation*, NBP*)。在置信传播算法中,当BP方程不收敛时,算法就会终止。然而算法在经过多次迭代之后,虽然约束发送给变量的信息没有达到收敛条件,但是仍有部分信息是准确的,所以当算法的BP方程不收敛时,提出利用最后一次迭代得到的约束发送给变量的信息来计算变量的边际概率,当赋值不满足约束时,根据边际概率确定的变量顺序挑选下一个变量进行赋值,得到NBP*算法。数值实验表明:这种算法可以在可满足性相变区域找到解,并且有效提高了置信传播算法的求解效率。

信息资产的确认、计量和报告

本文通过现行会计准则界定企业信息资源概念,将其确认为即时性信息资产和迭代性信息资产。本文提出增设“迭代信息资产”账户和“即时信息资产”账户,通过信息成本价值法、信息经济价值法、内含价值法,分别对信息资产进行初始计量、后续计量和期末处理,形成了完整信息资源确认与计量的框架体系,以期为现代企业建立健全信息资源会计记录提供理论支撑,促进大数据时代下信息资源会计核算变革。

基于高光谱成像技术和IRIV算法的玉米种子品种纯度识别

基于高光谱成像技术,提出了一种无损、快速的玉米种子纯度识别方法.首先,采用多元散射校正(MSC)等方法对数据进行预处理;其次,应用竞争性自适应重加权法(CARS)和迭代保留信息变量法(IRIV)提取特征波长;再次,建立支持向量机(SVM)和线性判别分析(LDA)等纯度识别模型;最后,设置随机种子值,使用采集函数“expected-improvement-plus”搜索置信区间中的待评价点,得到使交叉验证损失最小的超参数值,提高模型的准确率.结果表明:MSC-IRIV-LDA识别模型准确率最高,训练集和预测集的准确率分别为0.9604和0.9333,K值为0.9186;对LDA的δ和γ超参数值进行优化后,进一步提高了训练集、预测集准确率和K值;本研究提出的方法能够实现玉米种子纯度无损、快速识别,为精准农业的发展提供技术支持.

基于随机蛙跳波段选择算法的土壤铅含量高光谱估测

高光谱数据中存在的大量冗余信息对高光谱估测精度产生较大影响。旨在寻求特征波段筛选的最佳算法,以实现土壤重金属铅含量的准确监测,为土壤污染防治提供参考。以新疆渭干河-库车河三角洲绿洲土壤重金属铅含量与光谱数据为数据源,利用蒙特卡洛交叉验证(MCCV)算法确定92个有效土壤样品,通过相关分析选取倒数对数一阶微分变换处理的光谱数据,采用随机蛙跳(RF)算法,并结合竞争性自适应重加权(CARS)算法、迭代保留有效信息变量(IRIV)算法及连续投影算法(SPA),构建RF-CARS、RF-IRIV及RF-SPA三种算法对波段进行筛选。以倒数对数一阶微分变换处理下的特征波段反射率为自变量,土壤重金属铅含量为因变量,采用极端梯度提升(XGBoost)和地理加权回归(GWR)方法构建土壤重金属铅含量估测模型。结果表明:(1)光谱变换处理可有效增强光谱与土壤铅含量的敏感性,其中倒数对数一阶微分变换后的土壤光谱特征更为明显,相关系数可达到0.620(p<0.001)。(2)RF-CARS、RF-IRIV及RF-SPA算法分别从高光谱数据中筛选出6、9和7个特征波段,全部位于近红外光谱区域,3种算法具有较强的特征提取能力,极大减少光谱数据中的冗余信息。(3)基于RF-IRIV算法构建的土壤铅含量估测模型的精度和稳定性高于RF-CARS和RF-SPA算法构建的模型,说明RF-IRIV算法能更为准确的保留与土壤铅含量相关的波段。此外,GWR模型的性能优于XGBoost模型,构建的RF-IRIV-GWR模型具有较好的预测能力,可作为研究区土壤铅含量的最优估测模型,其验证集的决定系数(R^(2))为0.892,均方根误差(RMSE)为0.825 mg·kg^(-1),相对分析误差(RPD)为3.09。基于随机蛙跳(RF)与迭代保留有效信息变量(IRIV)算法,结合地理加权回归(GWR)建模方法在快速准确估测土壤铅含量方面具有一定优势,可进行土壤重金属污染的动态监测。

基于IRIV-SA的乙烯FTIR光谱波数优选

利用傅里叶变换红外光谱(FTIR)技术能够对有机物的成分及含量进行快速无损测量。作为重要的有机化工原料,乙烯在塑料、醇类和纤维等大宗化学品的制造中有着广泛的应用,但同时由于其易挥发性,乙烯对环境和人体有着潜在的危害。为提高FTIR技术检测乙烯浓度模型的精度,综合迭代保留信息变量法(IRIV)和模拟退火算法(SA)的优点,提出了改进的IRIV-SA红外光谱波数优选算法。该方法在IRIV算法稳定选取大量光谱特征波数的基础上,利用SA进一步筛选少量有效特征波数,从而降低模型复杂度,提高有机物光谱检测精度。实验首先利用IRIV-SA对乙烯红外光谱的浓度进行波数选取,最终获取的特征波数由全光谱的271个变量降低至5个变量,再利用特征波数进行建模,结果表明其验证集相关系数、均方根误差为0.9989和0.3943,预测集相关系数、均方根误差为0.9978和0.6652,较全光谱建模精度有大幅提高。为进一步验证该算法的有效性,同时建立IRIV、SA、CARS(自适应重加权采样算法)、SPA(连续投影算法)以及IRIV-CARS、IRIV-SPA波数选取模型对相同数据集进行对比实验,比对结果表明IRIV-SA算法优于上述6种波数选取方法,是一种更有效的特征波数优选方法。

基于迭代的项目进度风险分析

首先分析了研发项目活动之间信息迭代的特点，指出迭代是导致研发项目进度风险的主要原因。然后建立了风险因素因果分析图，分析了影响研发项目信息迭代次数及迭代范围和持续时间的主要因素。最后以某研发项目为例，研究了基于遗传算法的依赖结构矩阵，并以此为工具达到了优化项目中活动排序、减少信息反馈和迭代的目的。

一种新的图像超像素分割方法

针对现有超像素分割方法无法自动确定合适的超像素数目,以及难以有效贴合图像目标边界等问题,该文提出一种新的利用局部信息进行多层级简单线性迭代聚类的图像超像素分割方法。首先,运用基于局部信息的简单线性迭代聚类(LI-SLIC)对原始图像进行超像素初分割,然后,根据超像素的色彩标准差对其进行自适应多层级迭代分割,直至每个超像素块的色彩标准差小于预设阈值,最后,利用相邻超像素间的色彩差异对过分割的超像素进行合并。为验证方法的有效性,该文采用Berkeley, Pascal VOC和3Dircadb公共数据库作为实验数据集,并与其他多种超像素分割方法进行了比较。实验结果表明,该文提出的超像素分割方法能更精确贴合图像目标边界,有效抑制图像过分割和欠分割。

基于介电特性与IRIV-GWO-SVR算法的番茄叶片含水率检测

为了探究利用介电特性检测作物水分状况的可行性,研究了一种基于介电特性的有效、快速、精确检测番茄叶片含水率的方法。以300片不同含水率的番茄叶片为研究对象,通过LCR测量仪测定叶片在0.05~200 k Hz下的相对介电常数ε′和介质损耗因数ε″,并采用干燥法测量叶片含水率。利用迭代保留信息变量法(iteratively retains informative variables,IRIV)对介电参数进行特征变量选取,并与连续投影算法(successive projections algorithm,SPA)进行比较,利用支持向量回归机(support vector regression,SVR)分别建立叶片全变量、2种特征变量与叶片含水率的关系模型。结果表明,基于迭代保留信息变量法选取特征变量的支持向量回归模型(IRIV-SVR)具有良好的预测能力,但预测精度仍需提高,故引入灰狼优化算法(grey wolf optimizer,GWO)优化模型的参数c(惩罚因子)和g(核函数参数)。最终,经GWO优化后的模型(IRIV-GWO-SVR)的预测集决定系数R2与均方根误差RMSE分别为0.963 8,0.020 7。因此,利用介电特性结合IRIV-GWO-SVR算法预测番茄叶片含水率是可行的,同时为其他叶片含水率检测提供了一种新的方法和思路。

基于IRIV算法优选大豆叶片高光谱特征波长变量估测SPAD值

在植物叶绿素特征波长变量筛选过程中,与叶绿素关系较弱的波长变量极易被忽略,导致这些弱信息变量包含叶绿素的有效信息丢失,因此,确定叶片光谱中弱信息变量对揭示叶绿素高光谱响应规律具有重要意义。该研究以江汉平原大豆鼓粒期的叶片为研究对象,采集80组大豆叶片高光谱和SPAD(soil and plant analyzer development)值,分析SPAD值与大豆叶片反射率相关关系和光谱波长变量自相关关系,基于迭代和保留信息变量法(iteratively retains informative variables,IRIV)筛选大豆叶片的特征波长变量,建立偏最小二乘回归(partial least squares regression,PLSR)和支持向量机(support vector machine,SVM)模型估测SPAD值。结果表明,大豆叶片SPAD值与光谱反射率在可见光波段具有极显著负相关,在近红外波段存在不显著的正相关性(P>0.01);可见光、近红外2波段的波长变量之间相关性较弱,但2波段内变量之间的相关性较强;基于IRIV算法确定了大豆叶绿素的特征波长变量,利用特征波长变量建立的估测模型的估测能力高于仅利用强信息波长变量建立的估测模型,表明弱信息变量对估测叶片SPAD值具有重要意义;IRIV-SVM模型估测能力最优,验证集R2和相对分析误差(RPD)分别为0.73、1.82。该文尝试证明了光谱中弱信息变量的重要性,为揭示叶片高光谱响应机理提供了理论依据。

基于近红外光谱的橄榄油品质鉴别方法研究

目前市面上销售的橄榄油主要分为特级初榨橄榄油和普通初榨橄榄油两类,为了鉴别两种不同品质的橄榄油,提出了一种应用siPLS-IRIV-PCA算法的橄榄油品质鉴别的新方法。基于橄榄油的近红外光谱数据,应用联合区间偏最小二乘法(siPLS)对橄榄油的近红外光谱进行了波长区间优选,使用交叉验证均方根误差(RMSECV)评估模型的性能并选择最优波长区间,通过迭代保留信息变量(IRIV)算法从最优波长区间中选择特征波长,根据选择的特征波长构建主成分分析(PCA)模型。对90组特级初榨橄榄油和90组普通橄榄油样本进行了判别鉴定。PCA将1 427个波长变量作为输入变量,前两个主成分贡献率为51.891 8%和26.473 2%;siPLS-PCA将408个波长变量作为输入变量,前两个主成分贡献率为56.039 1%和36.2355%;siPLS-IRIV-PCA将6个波长变量作为输入变量,前两个主成分贡献率为66.347 6%和32.304 3%。结果表明,与PCA和siPLS-PCA鉴别方法相比,siPLS-IRIV-PCA具有最佳的鉴别性能。

大规模电力系统潮流计算收敛性诊断与调整方法

在对大规模电网进行潮流仿真时,容易出现潮流计算不收敛的情况。针对潮流计算不收敛时难以定位关键影响因素的问题,通过分析迭代中间数据的变化规律,建立判别潮流计算收敛性的指标,提出一种导致潮流计算不收敛关键因素的辨识方法,并基于潮流收敛域,对辨识得到的关键因素进行修正,为运行人员进行潮流调整提供直观的参考依据。通过对某省220 kV及以上电压等级电网和欧洲13659节点系统进行仿真计算,验证了所提方法的有效性。