基于Grefenstette编码下MicPSO的离散频率编码波形设计

该文在分析离散频率编码波形信号(DFCW)的模糊函数基础上,建立了离散频率编码信号设计的优化模型,将微群粒子群优化算法(MicPSO)应用于DFCW设计。针对DFCW设计为排列优化问题,引入了Grefenstette编码作为MicPSO的粒子编码进行优化设计。仿真结果表明,DFCW的自相关峰值旁瓣、多普勒容限主要与信号码长有关,而通过该优化设计,信号的互相关性能得到极大改善,与已有方法相比,该方法时间开销小,优化结果更理想。

基于Grefenstette编码遗传算法的白车身焊点规划

为了选择最合理的白车身焊接机器人焊接顺序,在研究白车身焊接路径的特点基础上,采用基于Grefenstette编码的遗传算法进行焊接顺序优化。在种群初始化时对不同焊接顺序的焊点进行分部分配焊点,在个体交叉时采用以避免产生非法路径,根据搜索进程改变交叉概率和变异概率,防止早熟和无方向性。最后编写程序实现该算法,实例验证能有效地寻找出最优的焊接路径。

Grefenstette编码法的MATLAB实现

本文在MATLAB环境下编程实现针对TSP问题的Grefenstette编码法 ,并将其同基本遗传算法相结合 ,仿真求解一个15点的TSP问题。仿真实验的结果验证了程序的有效性。

基于Grefenstette编码和2-opt优化的遗传算法

将Grefenstette编码和2-opt优化算法共同运用到遗传算法中,采用一定数目的城市坐标对路径搜索进行求解。仿真试验取得良好的效果,初始路径接近最优路径,且经过122次迭代后快速得到最优路径。证明本研究提出的搜索空间路径方案实现了遗传算法可以快速收敛到最优解,同时保持较强的搜索能力,实现全局最优,又可以防止陷入局部最优。

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

基于三级编码的智能城市网络安全风险评估体系构建研究

[研究目的]城市的智能化发展为城市建设带来了多元的网络安全风险,这些风险已经成为城市发展中的极大隐患,为有效应对该问题,构建了智能城市网络安全风险评估体系。[研究方法]首先基于计量分析对国内外近十年的相关研究进行整理和可视化处理,构建用于评价指标提取的数据集;然后利用扎根理论中的三级编码方法提取智能城市安全风险评估中不同级别的评价指标,并进行编码;最后采用量化分析对指标进行合理性检验和修正,并根据HP-ANP模型进行指标赋权,完成智能城市网络安全风险评估体系的构建。[研究结论]通过对评估体系中影响智能城市网络安全风险要素的关联和重要性分析,提出了智能城市安全建设的对策建议,助力智能城市规避网络安全风险。

PSK脉冲编码降低瑞利散射型光纤传感系统相干瑞利噪声的理论和仿真研究

频移平均(Frequency Shift Averaging,FSAV)技术是目前降低相干瑞利噪声(Coherent Rayleigh noise,CRN)的最主要方法,然而其降噪效果会受到频率漂移和脉冲啁啾效应的影响,且不适合应用在高空间分辨率系统中。针对以上问题,提出一种利用相移键控(Phase Shift Keying,PSK)脉冲编码降低CRN的新方法。详细分析了该方法的原理,仿真验证了该方法的有效性和适用性。结果表明:该方法不仅能有效降低CRN,且能在高空间分辨率下完全适用,为基于瑞利散射的高空间分辨率高精度分布式光纤传感系统中CRN的降低提供了新的视角和实用方法。

基于混沌理论与DNA动态编码的卫星图像加密算法

针对卫星图像在传输、存储过程中涉及的信息安全问题,该文提出一种新型的基于混沌理论与DNA动态编码的卫星图像加密算法。首先,提出一种改进型无限折叠混沌映射,拓宽了原有无限折叠混沌映射的混沌区间。之后,结合改进型Chebyshev混沌映射与SHA-256哈希算法,生成加密算法的密钥流,提升算法的明文敏感性。然后,利用混沌系统的状态值对Hilbert局部置乱后的像素进行DNA编码,实现DNA动态编码,解决了DNA编码规则较少所带来的容易受到暴力攻击的弱点。最后,使用混沌序列完成进一步混沌加密,从而彻底混淆原始像素信息,增加加密算法的随机性与复杂性,得到密文图像。实验结果表明,该算法具有较好的加密效果和应对各种攻击的能力。

新一代通用视频编码标准H.266/VVC:现状与发展

相比于上一代标准,新一代通用视频编码标准(H.266/VVC)在同等质量下能够节省大约50%的码率,且适用于多种多样的视频应用场景。论文从H.266/VVC的关键技术出发,对标准的现状、实现和应用发展进行深入探讨。H.266/VVC沿用既往标准中的双层码流体系和混合编码框架,针对帧内预测、帧间预测、变换、量化、环路滤波等所有主要编码模块进行了技术革新,并为屏幕内容视频等应用提供了高效的专用编码工具。H.266/VVC标准目前已处于实用化阶段,官方参考软件VTM和开源编解码器VVenC/VVdeC是目前最具代表性的软件编解码实现。对H.266/VVC的性能分析可以看出:H.266/VVC针对高分辨率视频取得的编码增益更为突出;主要编码工具对性能的贡献通常以复杂度为代价,但也有部分编码工具在提升编码性能的同时可降低整体编码复杂度。H.266/VVC的硬件实现面临诸多挑战,发展明显滞后于软件实现,现有研究主要集中在对具体编码模块的硬件加速方面。H.266/VVC标准发布之后,下一代视频编码标准的发展目前仍围绕混合编码框架进行探索,聚焦在两大方向:超越VVC的增强压缩关注更为先进的、非神经网络的编码工具,基于神经网络的视频编码则探索采用神经网络的编码工具。除此之外,部分或完全跳出现有混合编码框架的端到端视频编码也在飞速发展,未来视频编码标准与神经网络结合成为趋势,但面临着计算资源依赖和稳定结构两方面的考验。

基于深度学习的HEVC编码复杂度优化方法

为降低高效率视频编码(HEVC)的计算复杂度,提出一种基于深度学习的复杂度优化方法。构建大规模编码单元(CU)划分数据库,为算法设计和神经网络训练提供数据基础;设计一种适用于HEVC的CU划分图模型,高效表征多个邻近CU的划分模式;在此基础上,提出一种基于稠密网络的分层卷积神经网络结构,准确预测HEVC中的三级CU划分结果。实验结果表明:该方法能够在保证编码效率前提下,平均节省57%的编码时间,有效解决了HEVC编码复杂度过高的瓶颈。

基于GeoSOT的文旅数据编码方法

文旅资源数据的种类多样,格式复杂,存储管理难度大,文旅资源的传承保护和发展需求迫切,亟需建立一种数据组织管理方法。基于GeoSOT网格剖分理论,提出了一种对多元文旅资源数据的统一组织管理的方法,并详细介绍了文旅资源数据概况、剖分方案、编码方法、检索机制和检索结果。设计了一个文旅资源数据库,使GeoSOT编码组织管理各种类型数据,结果表明:基于GeoSOT剖分网格编码能够有效地组织管理文旅资源数据,提升数据检索访问效率,满足文旅资源数据的管理需求。

非编码RNA调控真社会性昆虫品级分化和个体分工的研究进展

真社会性昆虫是最具代表性的表型可塑性的研究对象之一,其个体之间分工协作的社会性生活方式增强了整个群体的环境适应性和繁殖力。真社会性昆虫虽然具有相同的遗传背景,个体之间却表现出明显的品级分化和个体分工,这是由环境和遗传共同影响的。表观遗传被认为是应对环境条件下重塑基因表达的主要机制,非编码RNA作为一类广泛参与机体生命活动的不编码蛋白的功能性RNA,在真社会性昆虫的品级分化、个体分工等方面起着重要的调控作用。本文从微小RNA、长链非编码RNA、环状RNA、与PIWI蛋白相作用的RNA等非编码RNA,对蜜蜂、蚂蚁及白蚁等真社会性昆虫的非编码RNA调控机制研究进展进行了综述,以加深对真社会性昆虫内在遗传分子基础的理解和认识,也为害虫防治领域提供新的研发视角。

融合改进自编码器和残差网络的入侵检测模型

互联网中存在大量隐私数据,因此防止网络入侵成为保护网络安全的关键问题。为提高网络入侵检测的准确率并解决其收敛慢问题,设计一种改进的堆叠自动编码器和残差网络(ISAE-ResNet)入侵检测模型。融合栈式自编码器和残差网络,首先将预处理后的数据输入到改进的栈式自编码器中,该栈式自编码器由2个副编码器和1个主编码器组成,数据经过副编码器和主编码器训练后重构出新的特征来防止过拟合问题;然后将解码层的权重捆绑到编码层进行优化,使模型参数减半来进行降维,提高模型的收敛速度;最后将处理过的数据输入到改进的残差网络中,并基于改进的ResNet网络设计一种加入软阈值函数的残差模块,通过降低数据中的噪声来提高模型准确率。在CIC-IDS-2017数据集上的实验结果表明,该模型准确率为98.67%,真正例率为95.93%,误报率为0.37%,损失函数值快速收敛至0.042,在准确率、真正例率、误报率和收敛速度方面均超过对比入侵检测模型,具有较高的有效性和可行性。

非编码RNA在颞下颌关节炎中的研究进展

颞下颌关节炎(temporomandibular joint osteoarthritis,TMJOA)是一种临床常见疾病,但发病机制尚不明确且缺乏有效的治疗手段,给患者带来很大困扰。因此,探究TMJOA的发病机制,寻找有效的治疗方法具有重要意义。近年来的研究表明,非编码RNA(noncoding RNA,ncRNA)参与调控TMJOA的发生、发展,在其诊断和治疗方面具有巨大潜力,因此有望成为新的诊断标志物和治疗靶标。本文将对ncRNA在TMJOA中的研究进展作一综述。

小细胞外囊泡及其携带的非编码RNA在非酒精性脂肪性肝病中的作用

小细胞外囊泡(small extracellular vesicles,sEVs)是由细胞分泌的一种细胞外囊泡,产生于多泡体,多泡体与质膜融合并释放到细胞外基质。由于小细胞外囊泡可以携带分子质量相对较小的核酸、蛋白质、脂质,能够执行细胞间物质传递、细胞间通讯等功能。因此,小细胞外囊泡及其携带的非编码RNA不仅参与细胞正常生理过程,也可以在多种疾病的发生发展过程中起重要作用。本文综述了小细胞外囊泡在非酒精性脂肪性肝病(NAFLD)中的作用,小细胞外囊泡及其携带的非编码RNA不仅有望成为NAFLD诊断的标志物,同时也具有治疗NAFLD的潜在作用,或能为治疗NAFLD提供新思路。

基于上下文词预测和窗口压缩编码的数字水印方法

针对已有自然语言数字水印方法可替换词数量有限以及水印提取效率低的问题,提出了一种基于上下文词预测和窗口压缩编码的数字水印方法。该方法通过神经网络语言模型自动学习原始文本中每个词的上下文语义特征,预测每个词的候选词列表,从而扩充可用于嵌入水印信息的可替换词数量。同时,考虑到不同位置的候选词的替换对句子语义的影响存在差异,该方法以由多个词组成的窗口为单位来嵌入水印信息,并通过词替换前后句子间的相似度来优化水印嵌入时候选词的选择。在此基础上,提出了一种语义无关的窗口压缩编码方法,其根据窗口中词的字符信息对窗口进行水印编码,解决了提取水印信息时对词替换位置的原始上下文的依赖。实验结果表明,所提方法在具有较高嵌入容量和文本质量的前提下,大大提高了水印的提取效率。

基于通感融合的无人机预编码及飞行轨迹设计

无人机(UAVs)具有机动性强,低成本及易部署等特性,通过搭载通信及感知设备,支持通信与感知技术的高效资源共享,无人机可作为融合通信与传感技术的高性能空中平台。该文针对多输入多输出(MIMO)无人机使能的联合通信、感知场景,综合考虑无人机飞行能量、多天线传输及用户业务需求等限制条件,建模无人机通信、感知预编码及飞行轨迹联合优化问题为多目标优化问题,以实现通信用户最低速率最大化及目标最小发现概率最大化。由于通信用户最低速率最大化问题为非凸优化问题,难以直接求解,将原优化问题分解为通信预编码设计子问题及无人机轨迹设计子问题,并采用交替迭代法依次求解两个子问题直至算法收敛,其中,对于通信预编码设计子问题,提出一种基于迫零(ZF)算法的求解策略;对于无人机轨迹设计子问题,提出一种基于连续凸逼近(SCA)算法的求解策略。基于所得到的无人机最优轨迹,将无人机感知位置选择问题建模为加权距离和最小化问题,进而应用泛搜索算法优化确定目标感知位置,并设计基于ZF算法的通信感知预编码联合优化策略,以实现通信感知性能的联合优化。最后通过仿真验证了该文所提算法的有效性。

长链非编码RNA在脑缺血再灌注损伤炎症反应中研究进展

脑缺血再灌注损伤(cerebral ischemia/reperfusion injury,CIRI)是指脑缺血后再恢复血流时导致神经功能缺损症状进一步加重的现象,严重影响患者的预后。近年来研究发现长链非编码RNA(long non-coding RNA,LncRNA)与CIRI后的炎症反应密切相关。从CIRI的机制出发,对近年来发现的影响CIRI炎症反应中LncRNA的表达及其作用机制做一总结,旨在为CIRI的治疗提供新的治疗靶点和研究思路。

沉浸式视频编码技术综述

随着虚拟现实、增强现实等沉浸式媒体技术的发展,沉浸式视频的表示、存储、传输和显示等各个环节都受到了科研及产业界的广泛关注。沉浸式视频更复杂的视频特性和庞大的数据量,对传统视频编码技术提出了挑战,新的编码技术应运而生。该文从视频自由度(DoF)出发,分别从3DoF和6DoF两个方面介绍沉浸式视频编码技术的最新成果。3DoF视频相关编码技术包括投影模型、运动估计模型和3DoF视频编码标准。6DoF视频相关编码技术包括视频表示形式、虚拟视点合成技术、6DoF视频编码技术及运动图像专家组沉浸式视频(MPEG,MIV)编码标准。最后,对沉浸式视频及其编码技术的发展进行总结和展望。

结合LSTM自编码器与集成学习的井漏智能识别方法

为了解决传统的井漏智能识别模型因井漏样本数量受限导致其识别准确率低的问题,提出了一种长短期记忆(long short-term memory,LSTM)网络与自编码器(auto-encoder,AE)相结合、集成LSTM-AE的井漏智能识别方法。首先,采用正常样本训练多个包含不同隐藏层神经元数目的LSTM-AE模型,利用重构得分筛选出识别效果较好的几个模型作为基识别器;然后,采用集成学习对多个基识别器的识别结果进行加权融合,解决单一模型因对样本局部特征过度学习导致的误报与漏报问题,提高模型的识别准确率。从某油田18口井的钻井数据中选取了6000组正常钻进状态下的立压、出口流量、池体积数据,对集成LSTM-AE模型进行训练和测试,结果表明,提出方法的识别准确率达到了94.7%,优于其他常用的智能模型的识别结果,为井漏识别提供了一种新的技术途径。