多层卷积网络目标识别算法在烟丝宽度检测中的应用研究

为了提高烟丝宽度检测效率,提出一种多层卷积网络目标识别算法。该算法以YOLOv3为基础结构,通过添加特征层、注意力机制、空间金字塔结构、改进聚类函数和损失函数的方式,实现了对传统识别算法的改进优化。基于多层卷积网络目标识别算法构建烟丝宽度检测模型,通过获取图像中目标烟丝宽度,完成对烟丝宽度的精准检测。烟丝的主客观识别效果与宽度检测结果表明:该算法能够较好地保留烟丝轮廓细节,具有较强的识别能力和较高的检测精度,交并比、精准度、AUC分别达到了0.966、0.969、0.963,且检测最大误差为-0.073 mm,相对误差较低。实验结果证实该算法对烟丝宽度检测具有较高的实用价值,大大提高了检测精度。

基于自适应宽度学习算法的城市污水处理污泥膨胀识别

针对污水处理过程的污泥膨胀难以精准识别的问题,提出了一种基于自适应宽度学习算法(adaptive broad learning algorithm,ABLA)的污泥膨胀识别方法。首先,结合城市污水处理过程的运行数据,采用主元分析法选取与污泥体积指数(sludge volume index,SVI)相关的特征变量;其次,建立了一种基于ABLA的污泥膨胀识别模型,利用自适应伪逆算法更新模型参数,提高了识别精度,并验证了模型的收敛性;最后,将所提模型应用于实际的污水处理过程中,利用污水处理厂的实际运行数据对其进行实验验证。实验结果表明,基于ABLA的污泥膨胀识别模型能够实现污泥膨胀的精准识别。

基于宽度优先搜索算法对PB菜单的遍历

介绍了基于宽度优先搜索算法对菜单的遍历,完成了菜单项以三叉树的形式存入数据表中和对菜单权限的设置,同时以树形控件的形式直观地反映了菜单的层次结构。

基于宽度学习算法的泥石流灾害监测预警系统设计

设计了泥石流灾害监测预警系统。系统的硬件设计主要包括主控芯片STM32L151CBT6、数模A/D转换、扩展存储和人机交互硬件电路设计;软件设计主要包括无线数据采集软件流程设计和监测预警算法设计。运用宽度学习算法实现采集数据的分析与研判,实现了泥石流发生概率预测。测试结果表明,系统准确完成了泥石流灾害影响因子数据采集,宽度学习算法优越性超越了传统的算法模型。该系统为泥石流灾害防治提供了新的方法,具备一定的应用价值。

基于宽度学习算法的加权集成成绩预测模型

教育数据挖掘技术是当前研究的热点之一。针对学生成绩预测准确率较低的问题,提出以宽度学习(broad learning,BL)算法为个体学习器的加权集成学习算法。首先,使用宽度学习算法来预测学生成绩,由于单个分类器的性能不够稳定,对数据变化比较敏感,故试验采用加权集成方法对宽度学习算法进行改进;然后,将其与采用加权集成的决策树(decision tree,DT)算法和多层感知机神经网络(multi-layer perceptron neural networks,MLP)算法的结果进行对比。结果表明,基于宽度学习算法作为个体学习器的加权集成算法能够进一步提高模型的预测效果,预测准确率在比较的几种算法中最高,达到了91.6%,这有效地提高了成绩预测的准确率。研究结果可为学生成绩预测提供方法参考。

基于空间矢量脉冲宽度调制优化算法的集成电驱效率提升

以某纯电动汽车集成电驱系统为研究对象,为提升纯电动汽车续驶里程,综合分析集成电驱系统效率提升方法,针对当前较少研究的电机控制器领域,文章建立绝缘栅双极型晶体管功率损耗模型,提出基于空间矢量脉冲宽度调制的变开关频率优化算法。仿真结果表明,变开关频率优化算法相比固频算法开关损耗可降低49.46%~50%,进一步台架试验及整车续航测试结果表明,优化后电驱系统在中国轻型汽车行驶工况下的驱动综合效率提升了1.04%,整车续航里程提升了25.86km,为集成电驱系统效率提升及其电动汽车续航里程提升提供理论与实践参考。

矩形件优化排样模拟退火算法求解

综合条料生成算法与填充算法思想 ,提出了一种适用于矩形件优化排样的最小宽度算法 ,将其与模拟退火算法相结合 ,能够跳出局部搜索 ,最终可获得近似总体最优的排样结果。使用表明 ,该优化排样算法具有广泛的适应性 ,并可适合“一刀切”

基于平板扫描仪的印刷线条宽度检测方法研究

基于平板扫描仪的印刷线条宽度检测方法是先通过反射系数标定卡的设计和输出进行反射系数标定,再根据ISO 13660提出的线条宽度定义在MATLAB平台上编制出具体算法及系统,最后将扫描仪和印刷质量检测系统相互结合,对设计好的检测图进行线条宽度测量.经检测数据分析证实了此种方法可用于印刷线条宽度检测,同时也反映出该方法的正确性和检测过程的稳定性.

融合集合经验模态分解与宽度学习的齿轮箱故障预警方法

为实现风力发电机齿轮箱的预测性维护,针对齿轮箱油温超温故障,提出一种基于集合经验模态分解(EEMD)和宽度学习算法的融合预警模型。以健康状态下的齿轮箱数据为判别基准,首先对齿轮箱油温时序信号进行EEMD分解得到时频特性,再采用宽度学习算法,利用数据采集与监视控制系统数据对齿轮箱进行建模,分别以马氏距离和重构油温曲线与真实油温曲线的关联度为指标,从时间维度和相关变量维度评价齿轮箱的健康程度。通过计算两种算法的交叉熵将二者的预警结果融合,从而兼顾预警方法的准确性和快速性。对实际风场中齿轮箱油温超温故障发生前后记录的数据进行仿真分析,验证了EEMD变点与宽度学习算法的融合方法在齿轮箱油温超温早期故障预警上的可行性。

安全组播中密钥分配算法研究

详细深入地研究了密钥分配算法,分析了宽度优先分配算法(BFA)和深度优先分配算法(DFA),并结合这二种算法的优点,提出了一种新的混合式密钥分配算法。

基于蚁群算法WDM网络故障恢复路由研究

蚁群故障恢复算法是一种新颖的模拟进化算法。该算法基于群以正反馈作为首要的搜索机制,为复杂的组合优化问题提供了一种新方法。本文在传统蚁群算法的选择策略,本地搜索,以及信息更新三方面做出改进。改进后的算法用于解决波分复用光网络中不同故障条件下的优化恢复路由问题。通过对一个典型网络CHINANET的数值仿真,证明了蚁群故障恢复算法在WDM网络中故障恢复路由的可行性。

基于宽度学习模型的泥石流灾害预报

在泥石流灾害预报模型研究中,科学确定泥石流灾害影响因子及保证模型较高的预报准确率和快速的训练速度是关键问题,也是泥石流灾害预报预警和防灾减灾的重要基础。本研究针对目前泥石流预报模型输入数据维度较大和训练时间较长的问题,采用快速多个主成分并行提取算法(Fast multiple principle components extraction algorithm,FMPCE),选取出6个泥石流灾害影响因子,包括降雨量、山坡坡度、沟床比降、相对高差、土壤含水率和孔隙水压力。基于宽度学习(Broad learning,BL)算法,以泥石流影响因子为输入,泥石流发生概率为输出,构建了泥石流预报模型,并用矩阵随机近似奇异值分解(矩阵随机近似SVD)对模型进行了优化,将优化后宽度学习模型的预报结果与梯度下降法优化的BP神经网络预报模型(GD-BP)、基于支持向量机的预报模型(SVM)、宽度学习预报模型(BL)的结果进行对比,同时,通过输入数据集的扩展,从训练时间上对不同模型进行比较。结果表明,优化宽度学习泥石流灾害预报模型的预报准确率为93.52%,较GD-BP模型、SVM模型和BL模型的预报准确率分别高出1.60%、1.15%和0.03%;优化宽度学习泥石流灾害预报模型的训练时间为0.9039s,较GD-BP模型、SVM模型和BL模型的训练时间分别节省了25.3867 s、17.2620 s和0.8974 s。本研究说明宽度学习算法可以用于对泥石流灾害的发生概率进行预报,同时也可为泥石流预报的实际应用提供新的思路。

无信息图搜索算法的改进研究

研究和探讨了深度优先搜索算法和宽度优先搜索算法的缺点和不足,提出了相应的改进方法并加以例证。

藏文输入法中快速自适应编码查询算法研究与应用

藏文词典查询算法是藏文信息处理的一个重要的基础部分,对系统的效率有重要的影响。提出一种快速自适应编码查询算法来指导藏文字、词、短语等编码,在任意排序状况下,快速确定所需编码在整个编码表中的具体位置。

ATE阵列开关的并行搜索算法

为了实现自动测试设备开关阵列中多路信号最优路径的并行搜索,首先建立ATE开关阵列的矩阵模型,然后按输入/输出信号的属性构造分离矩阵,并使用分离矩阵将开关阵列的矩阵分离为属性矩阵,再以宽度优先(BFS)算法为基础实现单个属性矩阵的最优路径搜索算法。在此基础上,使用分离矩阵进行节点矩阵的还原,达到多路信号最优路径并行动态搜索的目的。验证结果表明:本文提出的算法能快速有效的进行多路信号的最优路径并行搜索。

一种ATE开关最短路径搜索算法

在自动测试系统中,开关矩阵起到连接被测组件与信号激励/测量仪器的重要作用。测试系统需要在已知的矩阵资源中进行自动的路径搜索,进而提供所需的电路连接。本文通过归纳自动测试系统中几种常用的开关形式及互连关系,从而提出了一种新的开关模型建立方法。使用这种方法建立的模型,将开关矩阵表示为三种统一的二叉树结构,便于转化为相应的数据结构供计算机处理。在此模型的基础上,应用宽度优先搜索算法寻找矩阵开关最短路径。结合在实际应用中的使用特点,对算法进行改进,进一步提高了算法的搜索效率。最后通过一个具体的实例,建立模型并应用算法予以实现。

面向WSN的移动锚节点路径规划算法

针对无线传感器网络中使用移动锚节点辅助未知节点定位问题,提出了一种动态路径规划算法.该算法首先引用相关图论知识,把无线传感器网络看成一个连通的无向图,将传感器节点转化为图的顶点选取虚拟信标节点,通过蚁群算法遍历所选取的节点获得移动路径.并对传统宽度优先搜索算法中节点选取冗余和经典蚁群算法中存在的收敛速度慢等问题提出改进.仿真实验结果表明,改进算法能在保证一定通信覆盖率的情况下减少节点重复遍历以及锚节点的移动距离.

Apriori改进算法综述

介绍了近十几年中国学者对Apriori算法的宽度优先算法的改进研究。

基于无人机遥感视频影像的拼接缝消除算法

针对多时影像存在色调和亮度差异、变换参数不精确等因素,导致拼接后的图像存在明显的拼接缝,传统的拼接缝消除方法(渐入渐出融合,以及动态宽度等算法)处理后的影像无法完全消除垂直或水平拼接缝,提出了一种新的拼接缝消除方法。将复杂的多度重叠区域问题简化为两度重叠区域,使多条垂直和水平拼接缝减少到一条。通过一组航拍视频图像的仿真实验证明该拼接缝消除算法提高了拼接后的视觉效果。

MIMO-PLC系统中基于条件数阈值选择的信号检测算法

为了满足电力线通信(power line communication,PLC)对更大容量和更广覆盖范围的需求,多输入多输出(multiple-input multiple-output,MIMO)技术已逐渐应用于PLC中,实现了高速率的数据传输,但MIMO-PLC信道具有严重的多径效应和频率选择性衰减的特性,而且不同子载波的信道质量差异性大,使现有的信号检测算法不能获得良好的性能。提出一种基于条件数阈值选择的检测算法,利用信道矩阵的条件数来衡量信道质量的好坏,设置最佳条件数阈值,在信道条件数小于或者等于阈值时,选择CLLL-MMSE-SQRD检测算法,而在信道条件数大于阈值时,选择QRD-M检测算法。通过仿真验证,该算法能够达到最优检测算法的性能,而且在16QAM调制方式下,该算法复杂度相比于QRD-M检测算法降低了44%,且随着调制阶数的增加复杂度降低更为明显。