“哨兵-2”卫星影像及C2RCC算法在太湖冬春季水色分析中的应用

利用太湖2019—2022年冬春季“哨兵-2”卫星10 m分辨率的MSI影像和SNAP软件C2RCC(Case 2 Regional CoastColour)模块,以适合浑浊、富营养程度较高、光学复杂的“二类水体”的C2X-nets为模式,开展太湖叶绿素a、总悬浮物浓度、透明度等水色参数反演。结果表明:冬春季太湖各湖区叶绿素a浓度处于较低水平,但4月中旬起有明显抬升;太湖西部沿岸区、南部沿岸区和湖心区总悬浮物浓度较高,表明这些湖区易受风浪影响,造成沉积物再悬浮;太湖东部沿岸区、北部湖湾及东太湖遥感反演的水体清澈度较高,可能与这些湖区冬春季沉水植物菹草的分布有关,菹草生长对水质有较好的净化效果。总体来看,基于C2X-nets模式的C2RCC反演算法从较高分辨率卫星遥感影像中提取的水色信息,能有效反映太湖冬春季水色指标的空间分布特征,可为湖体生态状况及动态变化的长期监测评估提供有价值的参考。

基于A2C算法的低轨星座动态波束资源调度研究

巨型低轨星座为载人飞船、空间站、遥感卫星等用户航天器提供低时延、大容量的通信通道存在波束资源分配优化的难题。针对采用离散时间的深度强化学习A2C(advanced actor-critic)的智能优化框架进行了研究,结合遗传算法中个体和基因概念、形成了可有效满足多用户、动态、并发接入需求的波束资源调度算法。基于仿真分析,提出的算法可在多种典型场景下具有适用性,支持在20 s内完成超过3000个任务的有效规划,任务成功率不低于91%。通过算法优化实现复杂度的降低,相对传统遗传算法可节约时间45%以上。同时对传统A2C算法框架中的收敛问题进行了优化,解决了传统全连接A2C算法无法收敛的难题,同时相比DQN(deep q-network)算法框架收敛速度提升38%以上。

将C算法转换为Verilog实现的一种方法

硬件设计借鉴软件设计的经验意义重大。首先简要介绍了状态机理论,并给出了用硬件来实现程序算法的步骤以及状态图的化简原则,然后列举了一个求最大公因数的例子来详细阐述这种方法以及实现步骤。给出的方法,通用性强,方便借鉴成熟的软件设计技术,可以大大提升数字系统的设计效率。

模糊C算法在网络入侵防护中的仿真研究

随着计算机网络的不断发展,网络安全变得越来越重要。近年来,入侵检测成为了一个新型的网络安全策略,达到了对网络系统安全的动态检测和监控的目的。介绍了入侵检测系统的体系结构和检测方法,并提出了一种基于多种检测方法和技术的综合入侵检测系统,介绍了入侵检测系统的模糊C算法,同时给出了基于这种算法的仿真实验结果。仿真结果表明,综合入侵检测系统具有一定实用性和有效性。

模糊C算法在网络入侵防护中应用分析

随着科技的进步,互联网技术给人们的工作和生活带来了极大的便利,尤其是对于文本信息的处理。然而,在挖掘数据的过程中,也带来了一系列的网络隐患,对私密信息产生威胁,作为相关人员,不得不引起我们的重视。在本文中,笔者结合自身经验,从模糊C算法的概念出发,分析了模糊C算法的核心资料库处理,主要涉及到资料加载以及资料缩减两个方面,并在此基础上从文本选择和处理模块、聚类算法选择模块以及聚类结果模块应用的实现等分析了模糊C算法在网络入侵防护中应用分析,并结合实际,对模糊C算法提出了未来的展望,与同行共勉。

采用改进的C算法实现对网络学习行为的评估

在对学生网络学习行为数据采集后采用OWC技术绘制图表实现数据实时统计分析的过程;采用C算法的改进,即提出了一种基于属性重要性的决策树规则生成算法;描述了采用改进的C算法进行模型构建的四个步骤:数据预处理、生成决策树、规则提取及化简、模型准确性评估。

基于神经网络模型的类C算法向C语言程序的自动转换

为强化类C算法设计中对C语言程序的理解,基于神经网络模型研究类C算法向C语言程序的自动转换。利用编译器编写类C算法高级语言代码,通过伪码与C语言描述类C算法的文字和符号;通过类C算法代码片段语法和语义分析自动生成相应的语法分析表;基于神经网络模型实现向C语言程序的自动转换,生成语法树和目标代码,完成类C算法向C语言程序的自动转换。实验结果表明,转换后的代码与实际C语言程序函数执行结果完全一致,且自动转换得到的程序性能与直接用C语言编写的程序性能相差不大,证明本文方法具有可行性。

强化学习A3C算法应用于电梯调度中的价值分析

电梯使用量的增加,让电梯的用户体验、电力能耗及算法适应性的要求更高。在电梯常规调度算法上,提出了基于调度环境、调度目标、电梯行为的强化学习A3C智能调度算法。让电梯在不断地与环境交互学习中获得最优电梯调度策略,使其更具适应性和实现目标多样性。本文就对电梯调度、强化学习进行了概述,分析了强化学习A3C算法在电梯调度中的建模价值,以进一步优化算法。

基于A3C算法的机器人手臂控制

针对DQN、DDPG算法存在占用资源和效率低下,并且需要一个离线学习算法去更新由旧策略产生的数据的问题。本文采用一个简单、轻量级的深度强化学习算法--异步的优势行动者评论家算法(AsynchronousAdvantageActor-Critic,A3C)。A3C算法将Actor-Critic放在多个线程中进行同步训练神经网络控制器,有多个智能体与环境交互,并将各自信息整合到全局网络。因此,经验之间的相关性很小,甚至无相关性。在单个多核CPU运行,减少了训练时间。此外,A3C算法成功的解决了机器人手臂连续控制问题,使机械手臂更加准确的抓取物体。

基于改进C^(2)算法的双目标角度估计方法

角度是雷达探测和跟踪目标的重要信息,主波束宽度通常决定了雷达角度分辨率,当雷达主波束范围内包含不止一个目标时,采用传统的和差测角方法只能获得多目标的合成角度位置,不能获得场景中目标的真实角度值,严重影响了雷达对真实目标的截获和跟踪。针对雷达主波束内存在双目标的场景,首先通过理论分析和数值仿真说明双目标对和差测角的影响,再结合传统C2多目标角度估计算法在和差测角中的应用,给出一种改进的C2角度估计算法。最后,通过数值仿真验证了所提出的方法在双目标回波能量相同和不同场景下均适用,且角度估计精度相对传统多目标角度估计方法明显提升。

基于高斯核函数的差分隐私模糊C均值聚类算法的构建与应用

目的:提出一种基于高斯核函数的差分隐私模糊C均值聚类算法(DPFCM_GF),旨在优化大数据背景下医疗数据分析和挖掘带来的数据隐私安全问题,为数据隐私保护提供理论基础。方法:针对随机初始化模糊C-均值隶属度矩阵降低算法精度问题,采用最大距离法确定初始中心点,使用聚类中心点的高斯值计算隐私预算分配比率,并添加拉普拉斯噪声以完成差分隐私保护,构建DPFCM_GF。收集整理美国加州大学欧文分校机器学习存储库的心脏病、乳腺癌、甲状腺疾病及糖尿病公开数据集对DPFCM_GF有效性进行验证,收集2019年1月1日至2022年12月31日淮安市第二人民医院收治的756例胃癌和肺癌患者病例数据集,对DPFCM_GF的可用性进行验证,并将分析结果与模糊C均值聚类算法(FCM)以及差分隐私模糊C均值聚类算法(DPFCM)进行对比分析。结果:对于心脏病、乳腺癌、甲状腺疾病及糖尿病公开数据集,DPFCM_GF和DPFCM的最优聚类效果与FCM聚类效果相当;相较于DPFCM,DPFCM_GF迭代时间更快,聚集速度显著,差异有统计学意义(t=4.01、4.71、4.01、12.38,P<0.05)。对于肺癌和胃癌数据集,随着隐私预算ε的增大,DPFCM_GF正确识别率逐渐聚集于91.9%和93.9%,受试者工作特征(ROC)曲线下面积(AUC)值分别为0.79和0.81;当隐私函数ε为0.1、0.5、1和2(ε<3)时,DPFCM_GF聚类效果显著优于DPFCM,且聚类效果更佳,差异有统计学意义(χ^(2)=12.25、87.12、68.58、7.76,P<0.05;χ^(2)=4.74、43.51、42.47、4.89,P<0.05)。结论:DPFCM_GF是一种有效保护医疗数据隐私的方法,同时也可进行数据分析和挖掘任务,具有一定的研究意义和研究前景。

基于改进C5.0决策树算法的电力营销异常数据挖掘研究

由于电力营销数据规模较大且数据组成复杂,传统挖掘方法容易出现异常数据识别不准确的问题,本文研究基于改进C5.0决策树算法的电力营销异常数据挖掘。通过收集与预处理等步骤做好电力营销数据的准备工作,引入信息熵改进C5.0决策树算法的属性选择方式,并利用改进后算法挖掘电力营销异常数据。实验结果表明,设计方法下电力营销异常数据挖掘结果的正确率高达97.5%,挖掘性能较强。

基于模糊C均值聚类算法的浆液循环泵节能运行优化方法研究

在浆液循环泵运行阶段,受客观应用需求波动的影响,其功耗相对较高。为此,提出基于模糊C均值聚类算法的浆液循环泵节能运行优化方法。在浆液循环泵运行数据特征提取阶段,采用基于无监督的深度学习模型,借助随机初始化的卷积核,对输入的数据进行卷积计算,获取低维空间的特征映射,随后通过反卷积确定浆液循环泵运行参数特征;在节能运行优化阶段,引入模糊C均值聚类算法,通过聚类具有相同特征的数据,将相同聚类内功耗最小的参数作为同类运行工况下的优化结果。结果显示,测试循环泵的功耗虽然会随着通过的最大颗粒粒度的增加而呈稳定增大的趋势,但对应的增幅较小,与对照组相比,其分别在节能程度和节能适应性方面表现出了明显优势。

基于随机博弈与A3C深度强化学习的网络防御策略优选

网络资源的有限性和攻防对抗的动态性导致最优防御策略难以选取,将深度强化学习引入攻防随机博弈建模领域,通过构建网络攻防actor策略网络和critic价值网络,结合随机博弈模型构建了网络攻防博弈决策模型总体结构,在此基础上引入异步优势演员评论家算法(asynchronous advantage actor-critic,A3C)智能体学习框架设计了防御策略选取算法;针对现有方法未考虑攻击方群体间的共谋攻击,引入群智能体性格特征,建立合作系数μ来刻画攻击者之间的合作对攻防策略收益的影响,进而得出对防御策略选取的影响,构建的博弈决策模型更符合攻防实际情况。实验结果表明,该方法的策略求解速度要优于现有方法,同时由于考虑了攻击合作关系,能够用于分析攻击者群体间合作关系对防御者决策的影响,防御策略选取更有针对性,期望防御收益更高。

基于改进的C4.5算法对玉米病虫害治理方案分类研究

通过机器学习,采用特定的算法模型对农作物病虫害治理方案进行匹配,这是现代农业的发展方向之一。针对C4.5算法匹配方案时存在的精确度低、大容量数据集处理效率差等问题,提出一种改进的C4.5算法。改建的算法采用K-means++算法对数据进行离散化处理,根据特征标签值概率对测试集缺失值数据按权生成,并基于梯度优化训练集与聚类中心点。实验结果表明,改进的C4.5算法面对不同容量测试集,能够在保证效果良好的前提下,提高决策精度与治理效率。

基于Boosting算法的C5.0决策树不平衡数据分类算法

为了改进不平衡数据的分类性能,提出一种可自动确定迭代参数trail值的集成C5.0决策树算法.首先,算法引入boosting集成框架到C5.0决策树算法中,从而生成新的集成分类器;其次,算法使用网格搜索法在一定范围内自动确定trail参数的值.实验结果表明,该算法在不平衡数据上的分类性能指标G-mean和MCC上具有优势.

改进的C4.5算法在CET-4成绩分析中的应用

CET-4是一个客观、准确的大学生英语能力测量平台,C4.5算法在应用于CET-4成绩分析中仍存在一些问题。针对运用C4.5算法对高职院校CET-4成绩数据构建分析决策树时存在的离散化运算繁琐、忽视各属性影响度等典型问题,提出一种面向高职院校CET-4成绩分析的改进C4.5算法。首先通过在C4.5算法中引入成绩正态分布规律确立初始聚类中心、K-means算法来离散连续属性;其次引入CET-4中听、读、写的权重来修正信息增益率的计算;最后运用改进的C4.5算法、经典的C4.5算法分别构建决策树模型并进行预测分析。实验结果表明,改进的C4.5算法所构建高职院校CET-4成绩分析的模型效率、预测能力均有明显提高。运用改进的C4.5算法有效地分析出影响CET-4达标各因素间的关系,从而提升CET-4反拨英语教学效应。

基于模糊C均值算法的多层次网络安全态势感知方法

当前的多层次网络安全态势感知节点设置形式一般为独立的,感知效率较低,导致安全态势平均绝对误差增加,为此提出基于模糊C均值算法的多层次网络安全态势感知方法。测试结果表明,所设计的模糊C均值算法多层次网络安全态势感知测试组最终得出的安全态势平均绝对误差被较好地控制在0.2以下,优于对照组。

基于放电曲线和模糊C均值法的退役电池一致性分选方法

在电动汽车井喷式增长的背景下,巨量退役的动力电池如何回收成为当前电动汽车行业亟待解决的问题。考虑到退役电池容量、内阻等性能会出现较大的不一致性,在对退役电池梯次利用前,有必要根据其性能状况进行一致性分选,以实现退役电池的经济效益和利用率最大化。提出了一种基于放电曲线和改进模糊C均值算法的退役电池一致性分选方法。该方法以退役电池单体为研究对象,借助1 C充放电实验选取放电曲线,进行特征参数提取;在此基础上,结合改进的模糊C均值算法构建退役电池高精度分选模型,基于简化的特征点提取过程,在不同容量梯度的退役电池下对分选方法的可行性进行了验证。