基于Logistic模型和SPC算法的关键技术识别与预测——以卫星互联网为例

识别关键技术有助于在制定技术和市场战略布局中获得先发优势,对我国经济发展、国家安全具有重要意义。文中提出一种融合生命周期与主路径分析的关键技术识别方法,是对已有的研究理论和方法的重要补充。首先,检索相关领域专利数据并进行技术划分;然后,综合运用Lo-gistic模型和SPC算法构建技术轨道,识别关键技术;接着,使用显性技术优势指数比较主要国家技术竞争态势;最后,结合关键技术与技术竞争态势绘制技术路线图,识别技术热点与前沿预测。以卫星互联网为例,阐述该方法的应用过程。研究结果表明,该方法能够较为准确识别出该领域关键技术,揭示全球技术竞争态势,有效实现技术热点识别和未来技术预测;识别出的卫星互联网关键技术,能够为国家发展政策制定与相关产业布局提供参考。

基于Logistic映射的社交网络敏感信息加密算法

为保护多种社交网络敏感信息安全,研究基于Logistic映射的社交网络敏感信息加密算法.此算法采用基于经验模态分解的社交网络信息预处理方法,以经验模态分解的方式,对复杂的社交网络信息去冗后,通过基于演化超网络的社交网络敏感信息挖掘方法,提取去冗后社交网络信息中敏感信息;由基于Logistic映射分组加密算法,生成敏感信息二进制随机序列,将其分为两部分明文,一部分明文执行置乱处理,另一部分明文执行异或运算,构建社交网络敏感信息的密文,完成社交网络敏感信息加密.实验结果表明,所提算法加密性能良好,可以有效改变文本类、图像类社交网络敏感信息,原始敏感信息特征完全改变,可保护多种社交网络敏感信息安全.

基于Logistic映射的射频识别防碰撞算法

针对动态帧时隙Aloha(DFSA)算法中帧长限制导致标签识别吞吐量较低的问题,提出基于Logistic映射的DFSA(Logistic-DFSA)算法。首先,将Logistic映射产生的序列作为扩频通信的扩频码,通过扩频技术与DFSA算法结合,实现一个时隙多个标签的并行识别。然后,分析识别过程中帧长、扩频码长度和标签数对系统吞吐量的影响,确定最优帧长和扩频码长度。最后,依据一帧结束后剩余标签数量,提出了标签可完全识别的重复帧算法。仿真结果表明,在不同标签数量情况下,与DFSA算法相比,Logistic-DFSA算法标签识别总时隙数减少了98.3%,系统吞吐量提高了162%。因此,Logistic-DFSA算法能大幅度减小标签识别总时隙数,提高算法吞吐量,可以对阅读器范围内的标签进行有效识别。

基于Logistic回归模型的风云二号(G星)降雹识别技术研究

以风云二号(G星)的7项卫星反演产品(云顶温度、云顶高度、液水路径、过冷层厚度、光学厚度、有效粒子半径以及黑体亮温)作为模型的输入参数建立Logistic回归冰雹识别模型,开展贵州降雹识别技术研究。收集了2020年3—5月期间11个降雹日共计136组风云二号(G星)卫星反演产品数据,其中包括了68个降雹点以及68个未降雹点数据,将每个降雹点降雹时刻前后15 min内的反演产品作为该点的数据。同时选取相应的未降雹点作为对比。将所建立的冰雹数据集分为训练集与检验集。其中,训练集为随机选取的116组数据,用于训练模型(分别包括58组降雹点与未降雹点数据),模型检验集为剩余20组数据(分别包括10组降雹点与未降雹点数据)。利用训练集完成Logistic回归冰雹识别模型建立,利用检验集验证模型识别效果。结果表明,Logistic回归冰雹识别模型对降雹的识别准确率为85%,其中对检验集中的10个降雹点识别准确率为90%,漏报率为10%;对10个未降雹点识别准确率为80%,空报率为20%。

基于SHA-256和Arnold映射的量子Logistic映射图像加密算法

在AI和5G时代,各种应用层出不穷,带宽增加和算力提升为众多信息系统的高密集交互提供了基础保障,但同时安全问题日益突显.图像在多媒体通信中有重要作用,且许多图片涉及个人隐私或国家机密,因此图像保护尤为重要.为了解决上述问题,提出基于SHA-256和Arnold映射的量子Logistic映射图像加密算法.实验结果表明:该文算法的解密图像与明文图像基本一致;该文算法具有较强的密钥敏感性;相对于其他算法,该文算法具有更强的抵抗统计攻击能力.因此,该文算法具有较强的加密性能.

基于Logistic回归的识别算法适应性研究

对自动目标识别算法的适应性进行了研究。通过仿真实验观察识别算法在2种影响因素(俯仰角与信噪比)的不同取值下的性能差异,建立了Logistic回归模型来验证其准确性,从而实现对算法的适应性研究。实验证明,该方法在识别算法的适应性研究上具有一定的可行性,可以为目标识别算法的选择提供理论依据。

基于Logistic回归分析和决策树算法构建泌尿系统结石患者术后复发风险的预警模型

目的:基于多因素Logistic回归分析和决策树算法构建泌尿系统结石患者术后复发的风险预警模型。方法:采用便利抽样法选取福建省立医院泌尿外科2021年6月至2023年6月住院治疗的泌尿系统结石患者300例,依据术后1年结石复发情况分为复发组(n=80)与非复发组(n=220),多因素Logistic回归分析泌尿系统结石患者术后复发的危险因素,采用SPSSModeler软件构建术后复发的决策树模型,并分析两种模型的预测效能。结果:300例泌尿系统结石患者1年后80例术后复发,复发率为26.67%(80/300)。多因素Logistic回归分析结果显示,术后结石残留、术后出现泌尿系统感染、术前尿常规白细胞“+++”、感染性结石、输尿管出现梗阻、高蛋白饮食是术后复发的危险因素;构建了术后复发的决策树模型,决策树模型共4层,17个节点,决策树模型曲线下面积(AUC)是0.780(95%CI:0.729~0.825),多因素Logistic回归模型的AUC是0.753(95%CI:0.701~0.801),两种模型的Delong检验结果为Z=1.669,P=0.095。结论:本研究基于多因素Logistic回归分析和决策树法构建的泌尿系统结石患者术后复发的模型预测效能较好,可为患者复发的防治及制定护理策略提供理论参考。

基于SMOTE算法和Logistic回归分析构建肛周脓肿病人发生坏死性筋膜炎的风险预警模型

目的:基于SMOTE算法和Logistic回归分析构建肛周脓肿病人发生坏死性筋膜炎(NF)的预警模型。方法:回顾性选取2016年8月—2021年10月医院收治的1 780例肛周脓肿病人,依据病人术后是否合并NF将其分为发生NF组和未发生NF组,采用Logistic回归分析法筛选独立风险因素,构建预测模型,同时基于SMOTE算法改进数据集,构建改进数据集的预警模型并对比验证模型的预测效能。结果:年龄≥60岁、糖尿病史、CRP≥150 mg/dL、NLR≥15、血糖≥9 mmol/L、术前白蛋白≤32 g/L为肛周脓肿病人发生NF的独立风险因素(P<0.05)。Logistic预警模型P1的受试者工作特征(ROC)曲线下面积为0.825,SMOTE算法预警模型P2的ROC曲线下面积为0.939,两者均具有较高的预测精准度。结论:SMOTE算法预警模型对发生NF的概率计算精准,有利于提前干预,为病人的预后做好充分保障。

Logistic分类算法下的配电网故障识别技术研究

本文以大数据收集与挖掘技术为基础,整合配电网停电故障信号数据并加以处理,分析故障数据之间的关联性,采用Logistic分类算法建立故障识别模型,利用该模型提高配电网络故障识别精准度,支持配网故障报备与抢修,便于以实现对于配电网络故障的主动维护与故障预防。

基于变分模态分解和改进灰狼算法优化深度置信网络的自动转换开关故障识别

自动转换开关(ATSE)是保证系统连续供电的设备,对其进行健康监测和故障诊断对系统的稳定运行具有重要意义。为了实现对ATSE的非侵入式故障识别,该文提出一种基于电流信号变分模态分解(VMD)的特征提取和改进灰狼算法(IGWO)优化深度置信网络(DBN)相结合的故障诊断方法。该方法首先利用样本熵确定VMD分解次数并对故障电流进行分解;其次对分解后得到的本征模态函数进行小波包能量的提取,并利用IGWO对DBN网络结构参数进行优化;最后通过DBN将电流能量特征与ATSE的故障类型建立起映射关系从而完成最终的故障识别。所提IGWO采用了分段调节与非线性递减的衰减因子相结合的策略,以平衡算法全局搜索和局部搜索能力;并采用莱维飞行更新探狼的移动位置,来避免算法陷入早熟收敛。实验结果表明,该算法不仅能显著提高前期对参数寻优的训练速度,后续泛化实验的故障分类准确率也有98.78%的良好表现。

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。

基于特征融合和B-SVM的鸟鸣声识别算法

为了实现在野外通过低成本嵌入式系统识别鸟类,提出了基于特征融合和B-SVM的鸟鸣声识别方法。对鸟鸣声信号提取梅尔频率倒谱系数、翻转梅尔频率倒谱系数、短时能量和短时过零率组成特征参数,通过线性判别算法对特征参数进行特征融合。利用黑寡妇算法通过测试集对支持向量机模型的核参数和损失值进行优化得到B-SVM模型。利用Xeno-canto鸟鸣声数据集对本文算法进行了测试,结果表明该方法的识别准确率为93.23%。算法维度参数的大小和融合特征维度的高低是影响算法识别效果的重要因素。在相同条件下,文中所提的基于特征融合和B-SVM模型的鸟鸣声识别算法相较于其他特征参数和模型,识别的准确率更高,为野外鸟类识别提供了参考。

基于多特征提取与灰狼算法优化SVM的车内异响识别方法

传统的异响识别方法对测试设备要求较高且易受实验员经验差异影响。针对这种情况,提出一种基于多特征提取与灰狼算法优化支持向量机(Support Vector Machine,SVM)的车内异响识别方法。该方法以采集实验获得的6种车内常见异响作为研究对象,提取短时能量、小波变换优化的梅尔频率倒谱系数(DWT-MFCC)及其一阶差分组成混合特征参数,将灰狼优化算法应用于SVM的参数寻优中,建立异响识别模型并进行识别分类,同时探究选用不同维度的特征或不同算法对识别效果的影响。结果表明,所提取的25维混合特征能有效传达异响信息,该方法在收敛速度与识别准确率方面优势明显,能更好地实现车内异响的识别。

基于粗糙集的Logistic回归模型在矿井突水模式识别中的应用

矿井突水模式识别是一个非正态、非线性和高维数据处理问题,也是二分类问题。使用粗糙集属性约简算法对样本数据降维,建立Logistic回归模型,并利用粒子群算法对模型参数优化。该模型对建模样本突水模式识别正确率为90%,对测试样本突水模式识别正确率为100%,效果好于数据不降维的Logistic回归模型。该模型克服了线性回归分析解决二分类问题存在的不足,为矿井突水模式识别提供了一种新思路、新方法。

基于Logistic算法的电能计量装置异常数据识别方法

为解决当前电能计量装置异常数据识别范围较小、识别速率低的问题,提出一种基于Logistic算法的电能计量装置异常数据识别方法。通过提取异常数据识别特征,采用多目标的方式,扩大数据识别范围。设计奇异值分解(Singular Value Decomposition,SVD)+多目标快速辨识矩阵,构建Logistic测算电能计量装置异常数据识别模型,采用多区间边界修正实现数据识别处理。测试结果表明,此次所设计的基于Logistic算法的电能计量装置异常数据识别方法的识别速率均可以达到6 Mb/s以上,即所设计方法的异常数据识别效果更佳,误差可控,具有较好的实际应用价值。

基于YOLOv5的茶叶嫩芽图像识别算法研究

现有的机器采茶都需要人工辅助进行采茶,且存在老叶、嫩芽一刀切的情况,会损害一部分茶叶,只适用于低端茶叶的采摘。因此,需要研究出一种精准高效的茶叶嫩芽识别方法。针对茶叶嫩芽图像背景复杂的问题,在YOLOv5算法的基础上,对算法进行多角度的改进,实验结果表明,改进算法的模型的mAP提升了4.1%,Recall提升了4.0%,且改进方法减少了漏检情况的发生。

一种基于Logistic模型的人工鱼群算法

为了克服人工鱼群算法容易陷入局部最优以及求解精度较低的弱点,提出了一种基于logistic模型的自适应人工鱼群算法。算法运行过程中,步长和视野两个参数自适应调整,在算法的早期保持种群多样性,并具有较高的收敛速度;在算法后期加强局部搜索能力,算法具有较高的求解精度。通过在5个经典Benchmark函数上的实验及相关的聚类实验,表明该算法具有较好的收敛速度和求解精度。

基因算法在Logistic曲线参数估计中的应用

给出了估计Logistic曲线参数的一种改进基因算法,并通过实例与众多传统方法进行了比较,结果表明,该法直观、简便、通用性强,其拟合精度也是最高的。该法也可用于一般非线性模型的参数估计。

基于Logistic回归和随机森林算法的2型糖尿病并发视网膜病变风险预测及对比研究

目的应用随机森林算法和Logistic回归算法,分析2型糖尿病并发视网膜病变的关联因素并构建风险预测模型。方法采用2011~2013年中国人民解放军总医院2型糖尿病住院患者的电子病历信息,主要利用其中的糖尿病诊断数据、糖尿病糖化数据以及糖尿病生化检查数据,应用Logistic回归和随机森林算法,根据ROC曲线下面积比较两种模型的预测效果。结果在随机森林模型的39个变量重要性评分中,糖化血红蛋白、空腹血糖、尿素、肌酐、尿酸、年龄、冠心病和慢性肾病得分较高且具有临床意义,Logistic回归模型最终纳入性别、血糖控制情况（糖化血红蛋白浓度）、慢性肾病、冠心病、心梗和癌症6个因素,ROC曲线下面积提示随机森林模型预测效果优于Logistic回归模型。结论本次研究随机森林算法分析结果给出了各个因素指标的重要性评分,为2型糖尿病并发视网膜病变的早期诊断以及优化诊断流程提供了一定的依据。

引入Logistic混沌映射的连续蟑螂算法应用于函数优化问题

通过模拟蟑螂的觅食行为,提出用于解决函数优化问题的连续蟑螂算法(continuous cockroach swarm optimization,CC-SO).算法模拟了蟑螂的群居、巢穴不固定、爬行轨迹杂乱无章等生物特性.通过食物车在解空间内抛洒食物,吸引蟑螂向食物爬行完成搜索.在巢穴分配和食物抛洒环节引入了Logistic混沌映射,增强了巢穴和食物在解空间内分布的随机性和遍历性.仿真实验显示,与API和PPBO算法相比,CCSO算法在求解精度、收敛速度、寻优率等方面均提高显著.