基于改进Delaunay算法的树冠三维重构单木因子提取

针对树冠结构复杂和点云数据量大的特点,为了提高测算单木因子中树冠表面积和体积的精度和效率,通过改进Delaunay三角网的算法机制,提出一种基于空间分割的分块优先级机制的三角网表面重建算法,用于重构树冠表面,形成一种高精度高效率的树冠表面积和体积因子提取方法。利用地面三维激光扫描系统获取树冠点云数据,分别通过传统人工方法、点云量测法、数字高程模型算法与提出的改进SD Delaunay算法,计算实验区域研究对象的树冠表面积与体积,并进行对比分析,结果表明提出的算法完全满足计算精度,同时该计算方法的耗时只有传统人工法的41%,数字高程模型法的62%,大大提高了运算效率。

月面地形重构系统中的并行Delaunay算法设计

三角剖分过程是影响三维重建系统实时性的瓶颈之一,为提高三角剖分速度,基于共享内存多核计算机设计并实现了并行Delaunay算法。该算法在分治三角剖分算法的基础上,通过改进子三角网归并过程及Delaunay三角网优化过程避免了并行计算中的数据竞争问题。利用月面仿真实验场真实地形数据在50万到500万不同规模的点云数据集上进行了实验,加速比最高可达6.44。除此之外,对算法复杂度、加速比以及并行效率进行了全面分析,并将算法实际应用于月面地形重构系统,实现了虚拟地形的快速构建。

基于Delaunay算法含定解条件的三角单元网格生成

有限元分析过程中,网格剖分除了要对计算域进行剖分,也要对网格单元的定解条件进行标识。文章探讨用Delaunay算法对二维计算域进行剖分,并生成包含定解条件(边界条件和材料属性等)的三角网格单元。对复杂几何图形采用分块策略,将计算域分为若干凸多边形,并对网格质量进行评估。以二维扩散方程为例,使用该算法生成的三角单元网格求解Laplace偏微分方程,计算结果与解析解吻合较好,表明该算法能够生成较高质量的网格单元。

约束数据域Delaunay算法详述及进展

约束数据域三角剖分一直是近年来网格剖分技术中的一个研究热点,也是计算几何及其相关领域的主要研究课题之一,Delaunay三角化具有很好的理论基础和数学特性,一直在网格剖分中占有重要地位[1],在详细叙述现有约束数据域Delaunay三角网生成算法的基础上,提出了CDT在不连续等值线图绘制上存在的难点及三角网的应用前景。

基于Delaunay算法的子弹散布均匀性检验方法研究

子弹药抛撒散布均匀性评价是子母弹设计、鉴定应用中的一项重要内容。现有评价方法因结果主观性强、存在检验盲区或是计算复杂等,没有得到广泛应用。文中提出的基于Delaunay三角形剖分的均匀性评价方法,克服了现有评价方法的不足,可满足子弹药地面散布均匀性检验工程应用。

Delaunay算法在CAD中处理地形数据的研究

在道路和管道设计中,地形数据都是不可缺少的设计数据,其数据的准确性对于设计结果有着至关重要的影响。本文主要介绍如何在CAD的图形文件中获取测量点及高程数据,在C#语言环境中利用Delaunay算法将这些数据构建成三角网,并对可能出现的死循环或者重复点的情况进行算法改进,生成设计所需的测量数据文件。

数智时代情报分析中算法分类、演进及应用研究

[目的/意义]数智时代随着算法广泛应用于情报分析中,揭示当前情报分析中算法使用的现状不但能帮助情报学领域学者把握学术研究热点,还能指导更多研究者更好地利用算法来解决情报分析过程中的实际问题。[方法/过程]重点梳理近10年情报学领域5本核心期刊与情报分析算法相关文献,尝试梳理数智时代应用于情报分析中的算法分类,并从算法演进、算法应用角度全方位展示这些算法的特征。[结果/结论]从演进来看,近10年情报学领域应用算法的论文持续上升,而LDA是情报分析中运用最多的算法,自2020年起BERT算法呈现出新生演进特征;从应用来看,突发事件下的网络舆情、专利分析等应用呈现出不断细化、继承演进的趋势;图书馆、图书情报、电子商务、物流信息等应用逐渐衰退,取而代之的是数字人文、智慧图书馆、颠覆性技术等。

国内外算法风险研究:框架、特征及展望

[目的/意义]随着ChatGPT的横空出世,算法应用越来越多地支配着人类的生活,算法黑箱、算法操控、算法共谋、算法偏见、算法歧视等风险也随之而来,这些风险严重影响社会稳定乃至国家安全。对全球算法风险的形势进行研判能够有助于防范与识别算法风险,并为应对全球算法风险治理难题提供中国智慧与构想。[方法/过程]通过系统梳理国内外主要数据库915条核心文献,构建基于“学科领域—研究主题—治理工具—治理措施”的算法风险研究框架,并分析算法风险具有学科的交叉性、复杂的交织性、突出的人为性、泛化的不确定性等特征。[结果/结论]从加强情报学学科对算法风险研究、加强对人工智能算法可解释性研究、加强算法应用向善和算法服务从善研究、加强对全球算法风险治理中国智慧与构想研究4个方面对算法风险研究问题进行展望。

k-center问题的算法研究综述

k-center问题是设施选址的基础问题,同样是NP难问题,在分配、紧急服务等领域也有着实际的应用。随着问题规模的扩大,原有的算法已不再适用,需要进一步优化或者改进。为了找到求解该问题的高效算法,对现有算法进行研究。对各类求解k-center问题的算法进行梳理,将求解算法划分为精确算法、启发式算法、元启发式算法、近似算法等,从算法原理、改进思路、性能和精度等方面进行对比综述。精确算法在求解小规模k-center问题时可在多项式时间内得到最优解,但是算法效率低,不适用于大规模问题;启发式算法可以在多项式时间内给出相对最优解,但是没有理论保证,无法衡量与最优解的关系;元启发式算法可对目前存在的智能优化算法进行改进,给出相对最优解,但是解的质量无法保证;利用近似算法得到的解具有近似比保证,有较大的理论研究价值,但是实用价值较弱。目前求解k-center问题的元启发式算法已取得一定的研究成果,但是在求解时间、求解规模、算法效率等方面仍待突破,这将是未来k-center问题的研究重点。

基于边界信息的自适应过采样算法

针对人工少数类过采样(synthetic minority over-sampling technique,SMOTE)算法存在样本合成区域狭小,容易将少数类泛化到多数类及引入噪声的问题,提出一种基于噪声过滤、边界点自适应采样的过采样算法。首先,该算法使用K近邻算法进行噪声过滤,接着确定边界点并在边界点中寻找合适的点作为根样本点,并以其K近邻点中与其同类且欧氏距离最远的点作为候选样本点。然后,根据根样本点所携带的边界信息确定该点所合成的样本数量,并根据根样本点和候选样本点生成一个N维球体作为样本的合成区间。最后,对合成样本进行判断以确定其是否满足条件。通过实验证明,该算法生成的样本质量要优于SMOTE及其常见变种算法。

基于改进标签传播算法的舆情社交网络社区发现

通过改进的标签传播算法研究了舆情社交网络中的社交主题发现。针对传统算法容易陷入局部最优的问题,依据节点间相似度选择标签传播时的邻居节点;针对传统算法标签更新时的随机性问题,通过结合舆论动力学模型HK的观点交互过程,依据节点影响力的大小更新标签。实验结果表明,该方法在最好情况下(k=0.9)相较于原算法,在稳定性和模块度指标两方面分别提高了31%和78%,并且优于其他几种改进算法。由此可见,该算法相较于原算法及其他改进算法在舆情社交网络的主题社区发现中表现更好。

算法价格歧视违法性认定的挑战与应对

算法技术在数据收集、分析和应用等方面的优势能够帮助经营者快速实现价格歧视,提高经营效率。但算法价格歧视行为却对市场其他主体带来损害性影响,包括破坏社会对网络市场的公平感知、扭曲市场竞争秩序、侵害消费者知情权等传统权利和个人信息权等新型权益。为避免上述系列损害性后果持续扩散,亟须对司法实践如何开展算法价格歧视违法性认定做出回应。然而,基于我国当前相关法条分布零散且适用性不强、违法性认定规则的合理性和可行性存疑、抗辩理由适用不明等现实困境,司法实务部门在处理算法价格歧视案件时仍面临严峻挑战。原有的经营者滥用市场支配地位认定路径和违规处理个人信息认定路径不能满足现实司法实践所需,有必要从立法和司法层面对算法价格歧视违法性认定的第三条路径予以拓展与优化。在立法完善过程中,《电子商务法》作为我国电商领域的综合性法律,尤其适合作为规制算法价格歧视的法律依据,建议该法新增“不正当价格行为”违法认定类型,明确将保护消费者知情权和选择权不受侵犯设为底线,确立过错推定原则以平衡当事人之间的证明责任。在算法价格歧视违法性认定的司法实践中,坚持行为主体聚焦、侵害客体明晰、主观违背注意义务、客观造成消费者利益受损的“四要件”认定方法。在此基础上,《电子商务法》通过与《反垄断法》《个人信息保护法》等多部法律之间的协同配合,进一步夯实算法价格歧视违法性认定的法律基础,才能共同助力司法实践顺利推进。

基于DTW算法的sEMG手势识别控制系统设计

人体在运动过程中会产生微弱的生物电信号,其中蕴含着大量的控制信息。为了使用生物电信号中的信息控制机械臂动作,提出一种基于DTW算法的sEMG手势识别控制系统,利用该系统对采集的原始信号进行滤波和放大。为了确定有效的sEMG,采用移动平均法对处理信号进行划分。使用平均绝对值从数据片段中提取有效段数据,应用DTW算法将3路表面肌电信号融合,计算样本与模型之间的相似度,实现手势识别;再将识别后的信号通过无线模块发送到控制指令,以控制机械臂的动作;最后,采用提出的算法并结合6种类型的手势分类模型创建最佳特征模型。实验测试结果表明,使用动态时间规整(DTW)算法进行手势识别的平均准确率为93.752%,6种手势的平均模型匹配率达到92%,实现了肌电信号对机械臂的精确控制。由此证明所提方法的手势识别比传统的阈值控制开关更准确。

决策学习型蜣螂优化算法的无人机协同路径规划

针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,利用折射反向学习计算得到候选解,在一定程度上提高个体之间影响的同时增强算法跳出局部最优的能力;若相似,利用所提出的链式邻近学习引导蜣螂个体,增加影响个体更新的因素,充分促进个体之间的信息交流。在CEC2017测试套件的29个测试函数上进行了充分的对比实验,结果表明,DLDBO性能明显优于其他六种先进的变体算法。利用DLDBO规划无人机群的飞行路径,最终能够得到较为理想的协同路径并且有效避开威胁,优于其余三种优秀的协同路径规划算法,满足了无人机协同飞行的需求。

面向边缘计算的新能源台区实数化潮流算法

供电台区接入的新能源电源比例日益提高,不可回避地带来了调控需求,因此亟需相适应的边缘潮流算法。为了在通信条件薄弱、计算资源有限的场景下,兼顾准确性、实用性、高效性,提出一种面向400 V供电台区边缘计算的实数化潮流算法。鉴于400 V台区网络呈阻性且设备功率因数较高的特点,将交流变量从向量和简化为标量和;设计了相应的节点转化策略与迭代算法;提出了数据缺失情况下的赋值策略;进一步提出了基于灵敏度修正或再次迭代计算的在线计算策略。通过仿真算例分析,最后验证了所提算法的准确性与实用性。

算法治理的情感嵌入及实现路径

算法治理是当前国家与社会治理的重要手段,但算法治理理性化和刚性化治理特征带来了治理温度和柔度的下降,而情感治理这一柔性治理模式则可以化解上述问题,与算法治理相辅相成。从算法治理的内涵及算法治理带来的安全感危机、关怀感赤字、公平感失衡出发,运用嵌入性理论,明确情感嵌入算法治理的内涵和必要性,将情感嵌入算法治理的理念、过程和制度。在以上基础上提出情感的“感知—对话—动员”机制,通过强化情感感知、开展情感对话以及拓展情感动员的手段,破解算法治理中的情感缺失困境,促进算法治理和情感治理的耦合,构建起一个既精准高效又富有温度的治理框架,以达成“善治”目标。

基于粒子群算法的纯电动商用车转矩分配策略

针对纯电动商用车采用双电动机驱动时存在的转矩分配问题,提出基于粒子群算法的模糊控制策略.首先在Simulink/Stateflow软件中搭建整车动力系统物理模型,以粒子群算法为基础,进行整车转矩分配.由于计算量大,无法运用于实车,故根据粒子群算法的结果,结合传统项目经验,设计一个参数实时调节模糊控制器来进行转矩分配.该方法运行速度快,且基本达到粒子群全局优化的效果.验证与分析结果表明:与原车单电动机动力系统相比,采用该方法的双电动机动力系统能量消耗减少了12.08%;在双电动机动力系统下,该方法与平均分配控制策略相比,电动机总能量损失降低了13.09%.

基于IWOA-LSTM算法的预应力钢筋混凝土梁损伤识别

为准确识别桥梁结构的损伤程度,制作了桥梁的关键构件——预应力钢筋混凝土梁,进行三点弯曲加载试验.收集了损伤破坏全过程的声发射(AE)信号,通过AE信号参数分析,将梁的损伤破坏过程划分为4个典型阶段.构建了长短时记忆神经网络(LSTM)模型,根据经验设置LSTM模型的超参数容易导致网络陷入局部最优而影响了分类结果,提出采用Sine混沌映射和自适应权重来改进鲸鱼优化算法(WOA),对LSTM进行超参数寻优.设计了IWOA-LSTM算法模型,训练识别试验梁各损伤阶段的AE信号特征参数.定型网络结构,并识别同种工况下其他梁的AE信号.结果表明:IWOA-LSTM算法模型识别准确率均超过或接近92%,相较于普通LSTM模型,IWOA-LSTM模型识别准确率提高了约7%.

Delaunay三角网格化算法及实现

在实践的基础上，探讨了Ｄｅｌａｕｎａｙ三角网格化算法的实现技巧，提出了改进措施．是后就平面单连通城的Ｄｅｌａｕｎａｙ三角网格化算法及在空间中的应用做了深入的讨论。

基于改进K-means算法的室内可见光通信O-OFDM系统信道均衡技术

在室内可见光通信中符号间干扰和噪声会严重影响系统性能,K均值(K-means)均衡方法可以抑制光无线信道的影响,但其复杂度较高,且在聚类边界处易出现误判。提出了改进聚类中心点的K-means(Improved Center K-means,IC-Kmeans)算法,通过随机生成足够长的训练序列,然后将训练序列每一簇的均值作为K-means聚类中心,避免了传统K-means反复迭代寻找聚类中心。进一步,提出了基于神经网络的IC-Kmeans(Neural Network Based IC-Kmeans,NNIC-Kmeans)算法,使用反向传播神经网络将接收端二维数据映射至三维空间,以增加不同簇之间混合数据的距离,提高了分类准确性。蒙特卡罗误码率仿真表明,IC-Kmeans均衡和传统K-means算法的误码率性能相当,但可以显著降低复杂度,特别是在信噪比较小时。同时,在室内多径信道模型下,与IC-Kmeans和传统Kmeans均衡相比,NNIC-Kmeans均衡的光正交频分复用系统误码率性能最好。