基于RS-Conv的多尺度神经网络LiDAR点云断裂带提取方法

断裂带与地震、滑坡等自然灾害的发生有着密切关系,精准提取断裂带不仅可为地震断层的定量化研究提供指导,还可为地震灾害风险评估及防震减灾决策的制定提供科学依据。针对现有方法中LiDAR点云断裂带提取不完整、连续性差及错误率高等问题,文中提出了一种基于RS-Conv的多尺度神经网络LiDAR点云断裂带提取方法,以便更好地解决复杂地形区域的断裂带自动提取问题。该方法首先构建不同空间尺度的邻域点集,从而更全面地考察点云的局部几何结构特征。考虑到RS-Conv算子能够很好地表征中心点与邻域点的空间关系,文中以RS-Conv算子作为卷积模块构建了多尺度神经网络模型,以提取出LiDAR点云不同尺度的深层次特征,对其进行堆叠并输入到全连接层,以完成对断裂带点的提取。最后,在ISPRS点云数据集、川滇点云数据集和鲜水河数据集上对文中所述方法与张量分解方法和Deep Neural Networks(DNN)方法进行了对比实验,结果表明,文中方法的分类精度最高,分类总误差最低仅为0.3%,较其他方法降低了0.91%~2.79%,证实了该方法在点云断裂带提取方面的优越性。

多策略集成的哈里斯鹰算法求解全局优化问题

为提高哈里斯鹰算法优化问题的性能,提出一种融合佳点集、非线性能量逃逸因子和Logistic-Cubic级联混沌扰动的多策略哈里斯鹰优化算法(Improve Harris Hawk Optimization,IHHO)。首先,引入佳点集策略代替随机初始种群,均匀初始种群分布性。其次,根据算法各个阶段不同特征提出一种非线性能量逃逸因子,平衡全局和局部勘探能力。最后,引入Logistic-Cubic级联混沌对搜索位置扰动,避免算法陷入局部最优。利用IHHO算法求解23个函数及三桁架工程设计问题,并利用目标收敛曲线、Wilcoxon秩和检验进行测试,结果表明,IHHO算法相比对比算法具有更强寻优性能、求解稳定性,在求解全局优化问题上具有一定竞争性。

生育的幸福效应——兼论其对低生育率的支撑

生育的幸福效应是理解低生育率社会中个体生育决策的一个重要维度。利用中国家庭追踪调查2010—2018年数据,考察孩子出生前后父母幸福感轨迹。研究发现,个人在主观幸福感方面对生育事件有积极的预期收益,主观幸福感在生育事件发生的当年达到顶峰,然后随着时间的推移逐渐下降。生育事件前后的主观幸福感轨迹表明,生育事件对个人的心理和生活感知有积极的促进作用,同时也证实了适应效应的存在。就业性质对生育的幸福效应具有调节作用,并且存在显著的性别差异,表明当父亲和母亲的工作允许他们有更多时间照顾孩子时,他们都会增加亲子互动和沟通并从中获得更高水平的幸福感。生育的这种幸福效应具有超经济性,并借助个人的生育决策筑成低生育率的底部。

基于Transformer的道路场景点云分类与分割方法

针对多目标识别过程中点云分类和分割精度不高的问题,提出了一种基于改进Transformer模型的点云分类与分割方法DRPT(Double randomness Point Transformer),该方法在Transformer模型卷积投影层创建新的点嵌入,利用局部邻域的动态处理在数据特征向量中持续增加全局特征属性,从而提高多目标识别中点云分类和分割的精度。实验中采用了标准基准数据集(ModelNet40、ShapeNet部分分割和SemanticKITTI场景语义分割数据集)以验证模型的性能,实验结果表明:DRPT模型的pIoU值为85.9%,比其他模型平均高出3.5%,有效提高了多目标识别检测时点云分类与分割精度,是对智能网联技术发展的有效支撑。

基于改进蜣螂优化算法的电站NO_(x)排放预测

锅炉燃烧优化在电厂锅炉经济稳定运行中起着重要作用,NO_(x)排放预测是其中的一个基本环节,因此提出了一种基于改进蜣螂优化算法优化卷积神经网络(convolutional neural network,CNN)与双向长短期记忆神经网络(long short term memory,LSTM)的组合模型超参数的超超临界锅炉NO_(x)排放预测的方法。首先通过Pearson相关性判定与NO_(x)排放相关的特征参数;其次建立CNN-LSTM预测模型,利用卷积神经网络CNN提取分层数据结构,长短期记忆网络挖掘长期依赖关系,然后结合佳点集、t分布变异策略对蜣螂算法进行改进,用改进后的算法对LSTM超参数进行优化得到最终预测模型;最后与其他神经网络模型进行对比验证。以某660 MW机组锅炉深度调峰实际数据进行预测,结果得到NO_(x)排放浓度实际值与预测值的平均绝对误差为3.3516,平均相对误差为2.4667,数据结果表明该预测模型具有更准确的预测效果。

基于改进天鹰的三维室内多层结构定位算法

在面向一些大型商超、医院、教学楼等大规模室内多层结构定位中,针对多层WSN结构的非测距定位问题,提出一种基于改进天鹰的三维室内多层结构定位算法IAODV-HOP算法。首先,为节点划分3类通信半径以细化跳数,同时利用最小均方差和权重因子修正节点的平均跳距。其次,用IAO算法对未知节点坐标进行寻优,通过佳点集策略对种群初始化,解决天鹰算法因初始种群随机分布而导致的种群的质量和多样性难以保证的问题,并且在局部搜索中加入黄金正弦的搜索策略完善种群的位置更新方式,增强了算法的局部搜索能力。通过仿真实验,本文所提算法IAODV-HOP相较于传统3D-DV-Hop、PSO-3DDV-Hop、N3-3DDV-Hop以及N3-ACO-3DDV-Hop算法,归一化平均定位误差分别下降70.33%、62.67%、64%、53.67%,表现出更优的性能,具有更好的稳定性和更高的定位精度。

蝴蝶优化算法对大青杨生长速率预测模型的改进

为提高大青杨生长速率的预测精度,提出了一种基于改进的蝴蝶优化算法(improved butterfly optimization algorithm, IBOA)与径向基函数(radial basis function, RBF)神经网络结合的预测木材材性方法。通过使用佳点集法对标准蝴蝶算法中的种群进行初始化,将自适应切换频率和Levy飞行相结合进一步优化人工蝴蝶算法。构建出了新的IBOA-RBF神经网络木材材性预测模型,将得到的结果与其他几种算法优化的RBF神经网络预测结果进行对比。结果表明:基于IBOA-RBF神经网络模型预测效果最好,收敛速度从37步降低到了23步,预测结果误差达到了5.72%,预测精度最高。可见,对蝴蝶算法的改进是可行的,且对相关人员定向培养大青杨起到较大的帮助。

单纯形格点剖分下的混料型数据的分类算法

为了实现混料型数据的分类与识别,提出一类单纯形剖分算法.首先给出了混料系统和置换点集的概念,然后提出了两类正规单纯形剖分方法,进而对混料型数据进行分类识别,通过实例验证,单纯形剖分方法对于混料数据的分类是有效的.

改进势场蚁群算法优化路径自动规划

针对势场与蚁群联合的自主路径规划存在局部最优解、初始路径选择随机导致效率不高及环境适应性差等问题,提出了基于自适应域和参数自适应设置的改进算法。算法首先基于自适应域改进势场目标不可达问题,并过滤震荡点以平滑路径;其次,通过状态转移函数和信息素更新等相关参数的自适应设置,提高算法在收敛效率和搜索能力上的平衡性,进而提高对障碍环境的适应性。实验结果表明,所提算法能够有效避免局部最优、目标不可达和复杂环境的适应性问题,在路径长度和效率上优于实验采用的已有算法,从而验证了算法的有效性。

现代建筑物点云平面特征识别方法

【目的】基于现代建筑物点云数据面片特征,提出一种基于随机抽样一致算法的平面分割识别方法。【方法】该方法先利用三维格网划分来建立空间格网单元,再根据随机采样点来确定局部格网单元,通过随机机制来拟合平面模型,经过局部打分来确定候选模型集,利用法向约束和共面分割来解决过分割和欠分割的问题。【结果】采用该方法可获取当前最优模型和一致集,并完成点云分割。【结论】试验结果表明,该方法能对富有平面特征的建筑物进行有效分割。

电容电压平衡的四电平有源中性点钳位逆变器的改进模型预测电流控制

多电平有源中点钳位(ANPC)逆变器具有功率器件电压应力小、电流谐波低和器件损耗可调控等优点,被广泛应用于工业驱动中。针对四电平ANPC(4L-ANPC)逆变器的控制与调制研究相对较少,现有的调制方案实现复杂,中点电压(NPV)控制难度较大。因此,该文针对三相4L-ANPC逆变器,提出一种改进的有限集模型预测电流控制(FS-MPCC)算法,避免了复杂的调制过程。首先,使用仅包含电流误差的代价函数对位于六边形顶点的6个大电压矢量进行寻优;其次,对参与第一步寻优的大矢量划分扇区,使用包含电流误差和电容电压误差的代价函数对最优大矢量所在扇区的所有电压矢量滚动寻优,得到目标电压矢量并作用于逆变器;最后,仿真和实验结果表明,与传统的FS-MPCC相比,所提方法在降低系统计算负担的同时,还具有较好的控制性能和电容电压平衡能力。

偏序集上非自映射的最佳逼近点定理

给出广义收缩非自映射的概念,证明了该非自映射在偏序集上的最佳逼近点定理,并举例支持本文的研究结果.所得结果推广了相关文献的结论,尤其无偏序关系的距离空间中非自映射的最佳逼近点定理是本文结论的一个特殊情况.

加权概率犹豫模糊集多属性群决策算法及应用

对于概率犹豫模糊集中的不同隶属度值赋予了决策专家的综合权重,由此构造出一种蕴含信息量更大、更方便解决决策问题的概率犹豫模糊集合——加权概率犹豫模糊集.针对加权概率犹豫模糊集中的加权概率犹豫模糊元,在使用三维点坐标进行描述的基础上建立加权概率犹豫模糊元的三维得分值模型、三维离差值模型、2个加权概率犹豫模糊元的几何距离模型以及大小判别准则.结合决策专家的综合权重与属性的综合权重提出一种确定正理想方案与负理想方案的方法,基于TOPSIS思想给出一种新的贴近度公式,并利用新的贴近度公式来鉴别各方案优劣.最后,通过一个数值算例说明文中理论与方法的可行性.

概率区间值犹豫模糊集多属性群决策模型及其应用

目的:研究概率区间值犹豫模糊集及应用。方法:将概率区间值犹豫模糊数,用区间值隶属度的中位数、区间值隶属度的清晰度以及概率构成的三维点坐标进行刻画,在此基础上提出了概率区间值犹豫模糊元的相关运算。根据概率区间值犹豫模糊元的相关运算采用熵值法计算属性权重。最后基于TOPSIS思想给出了一个新的贴近度公式,并利用新的贴近度公式对方案排序。结果:建立的概率区间值犹豫模糊集多属性群决策模型可以有效排序方案。结论:将概率区间值犹豫模糊集采用区间值隶属度的中位数、区间值隶属度的清晰度以及概率来表示不仅可行,而且可以用来解决多属性群决策问题。

多策略改进的猎人猎物优化算法

针对猎人猎物优化算法HPO存在收敛速度慢且易陷入局部最优的问题,提出一种多策略改进的猎人猎物优化算法IHPO。首先,利用佳点集初始化种群,增强种群的多样性;其次,引入非线性控制参数策略优化搜索与开发平衡参数,调整全局搜索和局部搜索权重,提高收敛速度;然后,引入莱维飞行策略和贪婪策略更新猎人位置,让种群跳出局部最优,再引入黄金正弦策略更新猎物位置,提升IHPO的局部开发能力。将IHPO和另外6种智能算法在测试函数集上进行寻优对比和Wilcoxon秩和检验,检验结果表明IHPO有较好的寻优能力和收敛速度;将IHPO运用于2个实际工程优化问题的求解,仿真结果表明IHPO在解决工程优化问题有较好的适用性和求解稳定性。

基于改进YOLOv8和GMM图像点集匹配的双目测距方法

针对无人塔吊系统的研究需求,提出一种基于改进YOLOv8和GMM图像点集匹配的双目测距方法,对驾驶室外环境中的塔吊吊钩进行检测识别并测距。通过双目摄像头进行图像采集,引入FasterNet骨干网络和Slim-neck颈部连接层,对YOLOv8目标检测算法进行改进,有效检测画面中的塔吊吊钩并获取检测框的二维坐标信息;采用局部敏感哈希方法,并融合分阶段匹配策略,提升GMM图像点集匹配模型的匹配效率,针对检测框中的塔吊吊钩,进行特征点匹配;最后通过双目相机三角测量原理计算得出塔吊吊钩的深度信息。实验结果表明,改进后的YOLOv8算法与原算法相比,精确率P提高了2.9%,平均精度AP50提高了2.2%,模型复杂度降低了10.01 GFLops,参数量减少了3.37 M,在提升检测精度的同时实现了模型的轻量化。改进后的图像点集匹配算法与原算法相比,各个指标表现出更加良好的鲁棒性。最后在工程现场对塔吊吊钩进行识别与测距,误差可接受范围内有效完成了塔吊吊钩的检测识别与测距任务,验证了本方法的可行性。

一种基于人体轮廓形变场的双流网络步态识别方法

步态识别易受相机视角、服装和携带物等外界因素影响而性能下降。为此,该文将非刚性点集配准引入步态识别,利用相邻步态帧之间的形变场表征行走过程中人体轮廓发生的位移量,从而提升对人体形态变化的动态感知能力。在此基础上,该文提出一种基于人体轮廓形变场的双流卷积神经网络GaitDef,该网络模型由形变场和步态剪影两路特征提取分支构成。针对形变场数据的稀疏性设计多尺度特征提取模块,以获取形变场的多层次空间结构信息。针对步态剪影提出动态差异捕捉模块和上下文信息增强模块,以捕捉动态区域的变化特性和利用上下文信息增强步态表征能力。双分支网络的输出特征经过特征融合得到最终的步态表示。大量实验结果表明了该文方法的有效性,在CASIA-B和CCPG数据集上,该文方法的平均Rank-1准确率分别能达到93.5%和68.3%。

基于Lie群表示的保体积2D-3D点集配准算法

2D-3D点集配准的目标是寻找三维原始点集与二维目标投影点集之间的对应关系和最优变换.为了给出配准问题的解析解,避免投影引起的体积退化,提出基于Lie群表示的保体积2D-3D点集配准算法.首先,考虑投影矩阵和旋转矩阵的非交换性,引入Lie群表示,将配准问题形式化为一个Lie群优化问题.利用局部线性化方法,将Lie群优化问题转化为一个可计算的二次规划问题.其次,为了避免体积退化,考虑约束变换后的三维点集的投影与二维目标点集的投影具有相同的体积.为便于计算,引入Jensen-Bregman LogDet散度作为保体积正则项,将计算点集的体积差异转化为计算协方差矩阵之间的差异.然后,通过交替求解对应关系和最优变换,形成完整且可解的迭代策略.最后,在两个经典数据集上进行对比实验和消融实验,验证了该算法的精确性和有效性.

不同分布下红外主动目标特征点配准方法研究

视觉测量中经常需要用到特征匹配来计算位姿信息,但尚无针对红外主动目标设计特征匹配可用的算法,为实现对不同分布红外主动目标的匹配,本文提出了一种通用的两阶段特征点匹配方法。第一阶段为粗配准,首先检测图像特征点集的凸包,获取最外围点;通过构建三角形特征集,并使用马氏距离进行相似三角形计算搜索实现快速粗配准。第二阶段为精匹配,首先通过粗匹配特征计算欧拉角避免匹配结果的180°旋转对称;针对粗配准后的可能存在的特征点缺失问题,采用极线约束精匹配策略,充分利用已匹配特征点的几何信息,有效实现对剩余点的精确匹配。理论分析与实验表明,在13个红外发光点组成的旋转对称点集及非旋转对称点集下,该方法在绝对大小0°~40°的旋转范围内能高效匹配,实验测试极限性能能够达到50°,并对实际场景下特征点的遮挡等情况具有较好的鲁棒性,实验结果验证其适应性与稳定性,具有较高的实用价值。

基于距离哈希的稀疏点集快速匹配算法研究

针对不同坐标系下部分重叠的稀疏坐标点集,提出一种基于距离哈希的同名点快速稳健匹配算法。将各点与其邻近点的距离关系映射成一个二进制码身份标签,通过身份标签相似度计算,找出两个点集中满足设定阈值的候选匹配点对,从而建立初始匹配关系。据此计算刚体变换矩阵对两组点集进行配准,确定两组点集之间的精确匹配关系。实验结果表明:该算法不仅速度快、准确率高、对于噪点和低重叠度具有稳健性,而且对两个点集之间的初始相对位置没有任何限制。