一种适用于应急工程车液力传动匹配的逆向算法

发动机和液力变矩器的动力匹配对应急救援排障工程车动力性的研究具有重要意义。两者匹配的理论算法已经相对成熟,但目前算法存在对人员经验要求高、效率低的问题,针对上述问题,提出一种适用于应急救援工程车的发动机与液力变矩器逆向匹配算法,首先根据整车参数及设计指标计算确定发动机型号,再选取工程车起步、高速行驶、高效运行以及换挡四种特殊工况进行计算,得出两者共同输出特性,然后计算出变矩器的原始特性数据进行拟合,直接获取目标变矩器的原始特性曲线,以此为参考确定变矩器型号。为验证算法可行性,使用该算法对某型号的应急救援排障工程车进行计算,选定发动机与变矩器型号,使用Matlab/Simulink和Recurdyn中Soil-Tire工具包建立整车数学模型及三维模型进行联合仿真,得出发动机与液力变矩器共同工作的输出曲线及车速输出曲线,验证理论结果可以满足车辆需求。

基于逆向算法的捷联罗经快速对准技术研究

为提高捷联惯导初始对准速度、减少对准时间,提出了一种基于逆向算法的静基座条件下快速对准方法。在分析了逆向捷联罗经对准算法的基础上,结合传统的顺序对准算法和逆向对准算法实现对惯性传感器的数据处理,提高了采样数据的利用率。与传统对准算法相比较,该方法所需的采样数据更少,收敛速度更快。在此基础上,分别对水平对准过程和罗经方位对准过程的传统算法和逆向算法分别进行了仿真和分析,仿真结果表明,该方法可以快速、有效地实现静基座下的罗经对准。

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。

基于逆向运算法的海量大数据安全存储方法

为解决传统大数据安全存储方法存在的加解密时间长与存储速率低的问题,提出一种基于逆向运算法的海量大数据安全存储方法。通过AES算法中查询表模块、密匙扩展模块及加解密模块的功能设计实现大数据的加密处理;设计一种用于存储加密数据的海量大数据分层存储模型,在加密数据的读取中,通过逆向运算法恢复数据,实现海量大数据的安全存储;搭建Hadoop集群测试环境测试设计方法的加密性能与存储性能。测试结果表明:该方法的加密与解密时间均低于20 s,影像数据存储速度高于580 MB/s,语音数据存储速度高于916 MB/s,能有效缩短大数据存储的加解密时间,提高多类资源的存储速度。

逆向优化算法在宫颈癌三维近距离放疗计划制定中的应用

目的探讨逆向优化算法(IPSA)在宫颈癌三维近距离放疗计划制定中的应用价值。方法在60例宫颈癌患者的CT图像上分别完成两种IPSA计划(IPSA1、IPSA2)及正向图形拖拽优化(GRO)计划,其中IPSA2较IPSA1增加了最大体积剂量这一限制函数。分析3种不同计划及不同优化函数对剂量学的影响。结果与GRO计划比较,IPSA1计划提高了靶区覆盖度(D_(90)、D_(100)、V_(100))(P<0.05)。IPSA1与GRO的靶区剂量(V_(150)、V_(200))比较,差异无统计学意义(P>0.05)。与IPSA1比较,IPSA2降低V_(100)、V_(150)、V_(200)、D_(90)、D_(100)及直肠剂量(P<0.05)。3种计划中,IPSA1计划所需时间最短(P<0.05)。结论在宫颈癌三维近距离放疗中,IPSA可以改善正向算法的剂量学结果,并可减少制订计划所需的时间。IPSA可通过限制最大表面剂量降低靶区内高量,但不宜限制最大体积剂量。

基于Hash结构的逆向最大匹配分词算法的改进

分析中文的语义,首先要对句子进行分词。中文分词是中文信息处理中最重要的预处理,分词的速度和精度直接影响信息处理的结果。对传统的分词词典和算法进行了改进,提出了基于Hash结构的分词词典机制,并给出了一种改进的逆向最大匹配分词算法(RMM)。该算法在重点考虑切分速度的同时兼顾了切分精度,在很大程度上消除了传统的最大匹配算法可能产生的歧义。实验结果表明,该分词算法在运行效率和结果的准确性方法有了很大的提高。

自适应调整挥发系数的逆向蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生并行智能进化系统。它具有很多优良的性质,但同时也存在一些缺点,如运算过程中收敛速度慢,易出现停滞现象等。基于上述不足提出了一种自适应地调整挥发系数的逆向蚁群算法,在逆向蚁群算法的基础上自适应调整挥发系数ρ,提高了算法的性能,使算法比传统蚁群算法相比不仅更有利于全局寻优而且对其收敛速度有了很大地提高。将该算法用于旅行商问题,模拟计算结果显示该算法具有更强的全局最优解搜索能力,收敛速度上也有很大提高。

改进的逆向组合算法在图像配准中的应用

逆向组合算法在进行图像配准时精度很高,但对模板图像在待配准图像中的初始位置敏感。针对该问题,提出一种改进的逆向组合算法,通过计算巴氏系数进行模板匹配,实现输入图像的粗定位后,应用逆向组合算法进行精确定位。实验结果证明,改进的算法对图像发生形变的情况具有较好的鲁棒性,相比原算法,配准能力更强。

基于精英策略的逆向蚁群优化盲检测算法

介绍了基本蚁群优化算法在信号盲检测中的应用。发现基本蚁群优化算法存在慢收敛且易停滞等问题。为了解决基本蚁群算法存在的缺点,提出了基于精英策略的逆向蚁群优化盲检测算法:采用精英策略和增加蚁群种类,即向原始蚁群中引入逆向蚂蚁来提高算法全局寻优能力。这样既加强了正反馈作用,又加快了收敛速度。仿真结果表明,将该算法应用于盲信号的检测可以直接快速地恢复发送信号,且收敛速度和全局寻优能力都得到很大的改善。

基于可变步长逆向组合算法的弥散张量图像配准

弥散张量成像(Diffusion Tensor Magnetic Resonance Imaging,DT-MRI)是近年来新兴的一种核磁共振成像技术,作为一种无创伤的描述大脑结构的新方法,弥散张量成像在临床诊断中发挥着重要的作用。由于不同个体或者同一个体不同状态下获取的张量数据展开的多幅图像之间存在一定偏差,需要将这些图像对齐,即配准。逆向组合算法是一种很好的配准方法,但是当模板图像和目标图像之间存在多种几何变化时,算法的收敛速度往往很慢。提出了一种可变步长的逆向组合算法,通过自适应改变原始算法的步长达到加快算法收敛速度的目的。实验表明,该算法在保持原始算法精度的基础上能够加快收敛速度,并且对图像的几何变换有很好的鲁棒性。

多层神经网络逆向传播算法简明解析推导和一种变型MRⅢ计算技术

给出了多层神经网络逆向传播法整套计算公式的简明解析推导,提出了一种变型的MRⅢ计算技术。

一种改进的逆向匹配快速切分算法

在中文切分算法设计上,好的算法一般要注重两个方面,一个是提高切分精度,另一个是提高切分速度。本文在逆向最大匹配的算法切分基础上,结合临近匹配算法在中文切分速度方面的优势,提出了一种逆向匹配快速切分算法。此算法由于使用了索引排序查找,所以在速度上比一般的全库扫描更快;在切分精度上,根据汉语语句中心语偏后的特点,采用了逆序匹配,可以更进一步提高切分精度。并通过在综合语料库中的语料上的分析,交集型歧义的自动消解上有着很好的优势。

带光滑L_(1/2)正则化项的神经网络逆向迭代算法收敛性分析

L1/2正则子比L2正则子更具稀疏性,有更强的剪枝能力;但其非凸、非光滑以及不满足Lipschitz条件的函数性质,使神经网络训练过程易于出现数值振荡现象,并且给收敛性分析带来理论困难。用光滑函数逼近L1/2正则子在克服数值振荡的同时可以保证目标函数具有良好的连续可微性质。针对提出的带光滑L1/2正则化项的逆向迭代神经网络模型,证明了误差函数的单调递减性质及算法的确定型收敛性:弱收敛和强收敛。数值实验表明,新的逆向迭代学习算法较已有算法保证了输入向量序列在训练过程中的稳定性及稀疏性,并有较好的泛化能力。

基于逆向FP-树的频繁模式挖掘算法

提出了一种称为逆向FP 合并的算法,该算法逆向构造FP 树并通过在其中寻找频繁扩展项集与合并子树来挖掘频繁模式。新算法在时空效率方面均优于FP 增长算法,其中时间效率提高了2倍以上。此外,新算法还具有良好的伸缩性。

基于红外图像和逆向投影算法的室内人体跌倒检测方法

研究表明跌倒是我国老年人伤害的主要原因,缩短跌倒到救治的时间能降低跌倒造成的伤害。为此,室内老年人跌倒检测需求逐年增加。红外传感器具有受光照影响小,保护隐私等优点,越来越广泛地应用于室内人体跌倒检测中。然而,由于红外图像存在分辨率低、信噪比差等缺陷,导致传统方法的检测精度较低。针对这个问题,本文提出一种基于逆向投影算法的室内人体跌倒检测方法。首先,通过人体温度计算出人体与传感器之间的距离;其次,结合图像信息,逆推出人体在真实世界的高度;最后,对获取的人体真实高度数据进行平滑处理,并根据其变化情况进行跌倒检测。实验结果表明,本文所提方法的检测准确率达到98.57%,优于传统非逆向投影方法,其性能完全可以应用于实际检测中。

一种基于逆向匹配算法的中文文本分类技术

针对中文文本的自动分类问题,提出了一种逆向匹配算法。该算法的基本思路是构造一个带权值的分类主题词表,然后用词表中的关键词在待分类的文档中进行逆向匹配,并统计匹配成功的权值和,以权值和最大者作为分类结果。本算法可以避开中文分词的难点和它对分类结果的影响。理论分析和实验结果表明,该技术分类结果的准确度和时间效率都比较高,其综合性能达到了目前主流技术的水平。

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。

基于逆向学习改进算法的汽车边缘提取

根据智能交通系统中车型识别的特点提出了使用逆向学习改进算法提取汽车边缘的新方法,这种方法的优点在于可以充分利用车型识别系统的特点和汽车历史轨迹的先验知识得到较好的提取精度,并有效地解决了车型识别中,因使用黑白图象而使基于色彩的汽车边缘提取失效的问题.

基于混合密度的改进逆向D*算法在机器人未知环境导航中的应用

智能机器人在现代社会中应用越来越广泛。未知环境中移动机器人只具有较少的先验知识,其导航涉及对环境的认知,对导航决策的优化,还有知识的表示与获取等方面。在未知环境下运行,需要合理的解决环境建模和全局规划所必需的大计算量与智能机器人实时控制之间的矛盾。为了提高路径规划效率,本文进行了逆向D*路径规划算法[1]的分析和改进。利用激光测距仪LMS511感知复杂环境信息,建立实时局部栅格地图。采用改进的逆向D*算法,以滚动方式规划出中间目标节点到达当前位置的局部路径。机器人沿着局部路径行驶到这个中间目标节点后,再搜索下一个中间目标节点,滚动进行规划。直至机器人达到最终目标节点。在未到达中间目标节点的移动过程中遇到未知动态障碍机器人会实时重新规划,实现未知环境的自主安全运动。用C++在VS2010上测试算法并实际应用到机器人的实地测试。结果统计分析表明该方法具有可行性、有效性和实时性,规划效率明显提升。

一种关联规则挖掘的新算法——逆向分解算法

提出了一种关联规则挖掘新算法 :逆向“跳跃式”地分解高维频繁项集产生低维频繁项集 ,直接分解高维关联规则得到低维关联规则。该算法显著减少了已有算法中产生频繁项集及扫描大规模数据库的操作 ,性能改善明显。