利用改进的MajorClust算法实现异常用户行为定位

传统入侵检测技术难以在发现异常入侵的同时,兼顾精准定位核心证据及线索的司法需求.MajorClust算法可以规避传统聚类算法需要事先给定聚类数量的缺陷,其侧重于对图形自身属性进行考量的特性为行为检测提供了崭新的思路.但在应用于行为证据发现时,经单次MajorClust算法处理得到的异常行为规律不够明显,也无法准确定位关键异常点.改进后的MajorClust算法在关联度计算基础上,经过多次迭代抽象处理更精准地梳理记录间关系,并通过在频率最高、到达率最高以及邻边权重之和最大这三种类型节点中合理选择簇核心点实现海量记录中核心异常行为的定位.没有沿袭传统的以单一异常参数进行异常检测的思路,而是基于行为间的关联特性连带次高异常参数予以综合判断,不同簇的核心节点信息相互印证,提升了检测结果的可信度.

面向产品设计改进的顾客偏好分析与预测

针对顾客产品偏好快速变化对企业分析和预测顾客偏好能力的要求,提出一种面向产品改进的顾客偏好分析与预测方法,首先构建长短期记忆网络模型,预测产品设计迭代期间的情感值和重要度,并计算预测准确度;然后通过基于产品特征情感变化模式的产品设计改进模型判断各个特征的变化模式,明确待改进的产品特征及改进优先级;最后以DJI Mini 2无人机的在线评论为例验证了方法的有效性。

基于改进NSGA-Ⅱ算法的梯级水库多目标优化调度

针对在时间步长较小、计算时段数目较多时,传统智能优化算法在求解梯级水库联合优化调度问题上效率低甚至无可行解的问题,提出了一种改进NSGA-Ⅱ算法。该算法基于NSGA-Ⅱ算法框架,引入参考目标值、潜力目标值、偏移度以及变异引导算子来优化种群进化过程,强化迭代中的种群质量,使获得的解集更加接近真实的Pareto前沿。福建省金溪流域梯级水库多目标优化调度实例验证结果表明,改进NSGA-Ⅱ算法相对其他算法运算效率更高,优化结果更好,具有较好的实用性。

考虑载客状态的改进孤立森林浮动车异常数据检测算法

为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。

基于低碳经济优化调度的电-碳联合需求响应改进策略研究

随着中国双碳目标的提出以及全国碳市场的快速发展,探索碳市场环境下电力系统的发展和优化调度策略具有十分重要的意义。以电力系统最小化成本和碳排放量为目标,提出了一种基于低碳经济优化调度的电-碳联合需求响应改进策略,该策略将碳排放权交易市场中的碳成本引入到需求响应目标中,通过日前模拟优化调控的方法,获得系统各节点参与需求响应的最优策略。研究结果显示,所提改进策略能够在满足需求响应要求的条件下有效减少碳排放。

基于改进蚁群算法的机器人全局路径规划

针对传统蚁群算法存在初始信息素缺乏、收敛速度慢以及无法有效躲避障碍物等问题,文中提出了一种基于改进蚁群算法的全局路径规划。引入正态分布函数改进传统启发函数,提高了算法效率,缩短了算法收敛所需时间。自适应调整信息素挥发系数,限定信息素范围,避免过早收敛。对算法路径平滑处理,缩短路径长度,从而实现机器人的全局路径规划。仿真结果表明,在20×20环境下,文中算法平均迭代次数比传统蚁群算法减少了28代,收敛速度更快。平均拐点减少了33.3%,使路径更为平滑,克服了初始信息素缺乏,加快了收敛速度,减少了拐点数量,能够有效躲避环境中的障碍物,证明了该算法的可行性。

基于参数优化VMD和改进LSSVM的道岔故障诊断方法

为了解决道岔设备智能故障诊断中特征指标难以提取以及模型训练时间较长的问题,以ZDJ9型转辙机带动的道岔设备为研究对象,以转辙机功率曲线为数据基础,提出一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和改进最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)的道岔故障诊断方法。首先,采用鲸鱼优化算法(Whale Optimization Algorithm,WOA)优化VMD参数,得到模态(Intrinsic Mode Functions,IMF)分量个数和惩罚因子的最优参数组合。其次,计算IMF分量与功率曲线的相关系数,优选相关性较大的前3阶IMF分量,并计算功率谱熵、模糊熵及包络熵值,建立多特征融合样本数据库。最后,针对麻雀搜索算法(Sparrow Search Algorithm,SSA)易陷入局部最优的问题,通过改进Tent混沌映射初始化策略随机生成种群,正余弦算法(Sine Cosine Algorithm,SCA)更新追随者的位置,并采用改进SSA优化LSSVM算法的惩罚因子和核函数方差,构建基于TSSSA-LSSVM的道岔故障诊断模型。实验结果表明:所提道岔故障诊断方法是可行的,采用多特征融合能够更加全面地提取道岔典型故障特征,反映道岔的真实运行状态,提高了故障诊断准确率,而且较TSSSA-SVM,PSO-LSSVM,GWO-LSSVM以及SSA-LSSVM等方法具有较高的故障诊断准确率、召回率以及较低的漏报率,减少了模型训练时间,完全满足现场道岔故障导向安全的原则,具有更好的故障诊断性能,对现场道岔设备的故障维修具有一定的指导意义。

基于改进KNN算法的新能源发电单元运行状态识别

目前识别发电单元运行状态的研究较少,数据来源以数据采集与监控系统为主,采集速度较慢。为此,提出了一种基于发电单元机端电气量数据并融合改进k近邻(KNN)算法的新能源发电单元状态识别方法,直接采集机端电气量数据用于快速判断发电单元状态。提出KNN算法的改进策略,克服了传统KNN算法准确度低、识别速度慢的缺点。利用电力系统分析综合程序获取用于状态识别的发电单元机端电气量数据,利用改进策略对数据进行预处理,并对比传统KNN算法、逐条使用改进策略的KNN算法对新能源发电单元状态识别的耗时与准确度。结果表明所提算法较传统算法的识别准确度和速度明显提升,能满足稳定控制过程中对新能源发电单元的状态感知需求。

基于改进DBSCAN空间聚类算法的北京市人工智能产业集聚格局研究

企业作为产业的重要主体,其发展直接表征着产业的发展,企业的空间格局对产业的发展及资源配置具有重要的引导意义。本文基于北京市工商注册在业的人工智能企业数据,提取企业注册地址并转化为地理位置信息,通过改进有噪声的应用背景下的基于密度的空间聚类算法(DBSCAN),分析北京市细粒度层级下人工智能产业集聚在全市域的空间分布格局特征。在DBSCAN算法改进方面,首先调整Minpts参数为企业注册资本总额与企业数量2个维度,企业数量大于5家且注册资本总额大于一定数额,为形成产业集聚区的2个必要条件;其次提取簇内位于边界的企业位置点作为集聚区地理边界点,将边界点连线并绘制形成人工智能产业集聚区。本文重点分析了企业注册资本和地理聚合半径对人工智能产业集聚区形成的影响,同时采用核密度估计法作为参照验证,表明改进DBSCAN方法具有精确刻画产业集聚区地理边界和确定不同规模产业集聚区的优势。通过分析得知,北京市人工智能产业集聚具有明显的中心分布特征,集中在城六区,呈现“两大龙头带动,北京市全域遍地开花”的分布情况,海淀区、朝阳区处于人工智能集聚程度高水平,相较其他区域,人工智能产业发展遥遥领先;西城区、东城区、丰台区、昌平区处于集聚程度较高水平;通州区、大兴区、平谷区、密云区、石景山区、房山区、门头沟区、怀柔区、顺义区处于集聚程度中等水平;延庆区集聚程度较低。通过改进DBSCAN算法精确定位出中关村区域、上地西二旗区域、五道口区域、望京区域、国贸区域、亦庄经开区等人工智能产业集聚区。进一步探究发现,海淀区的人工智能科研人才优势,朝阳区的信息技术领域企业基础,是两区人工智能发展突出的直接原因。延庆区等郊区远离北京市中心城区,产业资源匮乏,同时由于区域功能定位限制等原因,导致人工智能产业集聚水平较低,表明这些区域人工智能产业发展较为缓慢。

化工原理课程教学方法改进与优化措施探讨

化工原理课程是化工相关专业的核心课程,由于化工原理讲授的是复杂的工程理论基础,在教学过程中存在课程难度大、理论与实践脱轨、学生学习动力不足等问题。本文针对这些问题结合多样化教学、生活/工程实际和多维度评价等手段,探讨化工原理课程教学改进与优化的方法,培养学生学习积极性,提高教学效果。

基于改进AHP法的农旅产品包装设计策略探析

基于改进AHP法构建农旅产品包装设计的系统框架,可为农旅产品的包装设计提供借鉴。论文通过钻石模型及多种调研方法明确产品定位,剖析用户需求,转译为设计要素并构建设计要素的层级模型,进而建立判断矩阵推算设计要素的权重和重要性排序。排序结果显示:包装色彩搭配要素是最重要的,满足包装礼品互赠的情感价值;其次,赋予包装农旅融合的文化价值及商业价值是基本要求,绿色生态的质感能为包装增色。在该排序指导下生成的设计方案评分优秀。通过设计实例证明了基于改进AHP法的包装设计框架能够有效提升农旅产品的包装品质,具有可行性。

光伏波动平抑下改进K-means的电池储能动态分组控制策略

针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并网指令。其次,设计了改进侏儒猫鼬优化算法(improved dwarf mongoose optimizer,IDMO),并利用它对传统K-means聚类算法进行改进,加快了聚类速度。接着,制定了电池单元动态分组原则,并根据电池单元SOC利用改进K-means将其分为3个电池组。然后,设计了基于充放电函数的电池单元SOC一致性功率分配方法,并据此提出BESS双层功率分配策略,上层确定电池组充放电顺序及指令,下层计算电池单元充放电指令。对所提策略进行仿真验证,结果表明,所设计的IDMO具有更高的寻优精度及更快的寻优速度。所提BESS平抑光伏波动策略在有效平抑波动的同时,降低了BESS运行寿命损耗并提高了电池单元SOC的均衡性。

基于岗位胜任力的改进型带教模式在口腔专业本科生临床实习带教中的作用

目的:分析探究基于岗位胜任力的改进型带教模式在口腔专业本科生临床实习带教中的作用。方法:选取2020年7月—2022年5月在我院口腔科实习的本科生44名作为观察对象,按照实习时间分为对照组与观察组。2020年7月—2021年5月实习的20名学生作为对照组,采用传统型带教模式;2021年7月—2022年5月实习的24名学生作为观察组,采用基于岗位胜任力的改进型带教模式。对比分析两组实习生的入科理论成绩、出科理论成绩、操作成绩以及患者对实习医师的满意度。结果:实习结束后,观察组在出科理论成绩、操作成绩、患者对实习生的满意度方面均优于对照组,差异具有统计学意义(P<0.05)。结论:基于岗位胜任力的改进型带教模式在口腔专业本科生毕业综合实习临床带教中具有积极的意义,可提高实习生的出科理论成绩和操作成绩,值得临床推广与应用。

母乳喂养质量改进在NICU极低出生体重儿中的应用

目的 探讨母乳喂养质量改进对新生儿重症监护室(NICU)极低出生体重儿的影响。方法 选取2021年1月1日—2021年12月31日南京市妇幼保健院NICU收治的70例极低出生体重儿(VLBWI)作为研究对象,按组间基线资料均衡可比的原则分为观察组和对照组,每组35例。对照组采取常规母乳喂养管理和宣教方式,观察组在常规母乳喂养管理的基础上通过增设人力资源、完善管理制度、加强医务人员培训、加大产妇及家属的宣教力度及加强院感监测共五个方面进行母乳喂养质量改进,比较两组VLBWI住院期间母乳喂养情况、生长发育情况、静脉营养时长、住院时长及并发症发生情况。结果 两组一般资料比较差异无统计学意义(P>0.05),观察组首次亲母母乳喂养时间、恢复出生体质量时间较对照组提前,住院期间纯母乳喂养率、体质量增长速率较对照组有所提升,静脉营养持续时间及总住院时长较对照组有所缩短,喂养不耐受、坏死性小肠结肠炎(NEC)、支气管肺发育不良(BPD)及视网膜病变(ROP)并发症总发生率低于对照组,差异有统计学意义(P<0.05)。结论 母乳喂养质量改进措施可提升NICU住院VLBWI纯母乳喂养率,促进其体质量的增长,缩短静脉营养持续时间及总住院时长,减少相关并发症的发生率。

基于集成改进蚁群算法的作战环推荐方法

作战环推荐是依靠优化算法从作战网络中为指挥员推荐最优的作战环,以对目标形成高质量打击。未来作战中的作战环推荐面临体系规模大、决策节奏快的特点。对此,提出了一种集成改进的蚁群算法,能够实现高效、高质的作战环推荐优化求解。首先,将作战环推荐问题转换为一种基于多仓库路径规划的数学模型。然后,针对原始蚁群算法前期收敛速度慢、算法参数对结果影响大和容易陷入局部最优的问题分别提出了3种改进策略:基于边权重信息的信息素初始化、基于差分进化的蚁群算法参数自适应优化和基于遗传算子的全局搜索能力提升,并进行了集成改进。最后,在案例分析中对集成改进蚁群算法进行了分析和对比,验证了所提算法在不需要大幅提高耗时的情况下,优化结果要优于未集成改进的蚁群算法,且相比于原始蚁群算法提升效果显著。

一种车辆GPS轨迹数据的改进地图匹配算法

文中提出一种车辆GPS轨迹数据的改进地图匹配算法.以车辆GPS轨迹数据进行隐马尔可夫模型动态地图匹配后的缓冲区内候选路径为初始群体,以遗传算法中的改进的适应度函数为基准进行半交叉迭代,选择车辆轨迹更优的匹配路径;设计了改进地图匹配方法的算法流程;利用微软亚洲团队的GeoLift轨迹数据集验证了改进方法的有效性.

基于改进蚁群算法的无人机灾区航迹规划

针对传统蚁群算法用于无人机航迹规划时在大空间多维数转弯次数多、收敛速度慢甚至不收敛等问题,提出了一种改进蚁群算法。根据地图构建三维空间模型,采用对空间切片的方式来避免在寻优过程中跨越多个单元格;通过每一代最优路径来更新信息素以及引入距离启发量的策略,增强了算法的收敛性和效率,得出改进蚁群算法相对于传统蚁群算法和快速搜索随机树算法在搜索效率上分别提高了65.9%和18.1%,在平均转弯角度上分别减少了48%和61.2%,在航迹长度上比传统蚁群算法缩短了38.5%的结果。研究所提出的改进蚁群算法能为无人机救灾快速路径规划提供有效的解决方案。

基于改进麻雀优化PID的波浪补偿控制方法

随着海上风电“十四五”规划的不断推动,在深远海域对兆瓦级大功率海上风机的需求量随之增加,其规模也在不断扩大。但是,在吊运、安装等海上工作过程中,复杂海浪对船舶产生的持续影响导致风机安装的精度和效率大幅下降,甚至会对人员安全以及财产造成重大损失。在深远海域复杂海况下对工程船舶进行有效的波浪补偿,可提供稳定的作业环境以保证精准高效地完成各项工作,因此,本文提出了一种基于改进麻雀优化PID的波浪补偿控制方法并将其应用于Stewart补偿平台。首先,建立波浪补偿平台动力学以及运动学反解模型,并设计正解模型迭代求解算法。随后,使用PID进行波浪补偿控制,并通过麻雀搜索算法优化参数。接着,采用Circle混沌映射对其进行初始化分布,以解决初始化不均匀的问题;并采用动态自适应加权、柯西突变以及反向学习以提升算法全局寻优能力。最后,生成4~6级海况下的某工程船运动数据作为系统输入,利用MATLAB和Simulink软件平台搭建模型进行补偿控制验证,并在Stewart硬件平台上做补偿试验。结果表明,改进麻雀搜索算法具有较快的收敛速度、较高的精度和更好的寻优能力,优化后的PID控制方法更适合用于复杂海况下波浪补偿平台的控制优化,可为大功率海上风机安装的补偿平台控制系统设计提供参考。

基于改进络合铁法的含硫化氢尾气处理工艺模拟与优化

目的有效处理含硫尾气,确保装置“安、稳、长、满、优”运行。方法采用Aspen Plus V11软件基于Peng-Robinson热力学模型对改进络合铁装置的H_(2)S处理过程进行了全流程模拟,并根据Box-Behnken Design对其进行了响应面设计,得到了最佳H_(2)S脱除率及其对应的优化操作参数。结果此模拟流程能够较好地反映改进络合铁装置的实际运行情况,可以作为后续优化研究的基础模型。当循环溶液温度为47.2℃、循环溶液中Fe^(3+)质量分数为8.4100%、循环溶液体积流量为3.12 m^(3)/h、电解槽电压为0.64 V时,改进络合铁装置的H_(2)S脱除率高达99.999988%。此时,外排气中H_(2)S质量浓度为9.5 mg/m^(3),完全可以满足外排气中H_(2)S质量浓度不大于10 mg/m^(3)的约束条件;t检验结果表明,采用响应面法优化得到的预测值和验证值之间不存在显著差异,其准确度一致。结论该研究结果可为进一步提升含H_(2)S尾气处理水平提供准确、可靠的理论支撑和数据来源。

基于改进黏菌算法的光伏多峰值MPPT控制

针对传统最大功率点跟踪技术在局部遮阴等天气条件下存在无法追踪到全局最大功率点的问题,提出一种基于改进黏菌算法的MPPT控制。首先,对太阳电池模型及多峰值特性进行分析;其次,在黏菌算法中引入领导者策略和基于最优个体的凸透镜反向学习策略,在提高算法计算精度、收敛速度的同时克服了算法易“早熟”现象;最后,根据光伏阵列最大功率输出特性分别确定算法优化模型、初始化位置及重启机制。仿真与实验结果表明:基于改进黏菌算法的MPPT控制能快速、准确地跟踪到全局最大功率点,有效规避陷入局部最优问题,提高了光伏系统的转换效率。