基于Savitzky-Golay算法的图像平滑去噪

提出了采用Savitzky-Golay算法进行图像平滑滤波的新方法。能够通过设定多项式的取值范围和阶数求出平滑滤波的优化模板进行滤波,且该模板与图像本身的数据无关。仿真结果表明,与传统平滑滤波算法相比,利用Savitzky-Golay滤波算法的平滑滤波保留了更多的图像边缘细节,使滤波效果得到了一定的改善。

基于Savitzky-Golay算法的地磁去扰研究

近年来,随着社会经济的不断发展,城市轨道交通建设如火如荼,其产生的电磁噪声,对地磁数据产生了很大的影响。因此,有效地去除轨道交通的电磁信号干扰,是地震地磁学面临的重大问题。本文将Savitzky-Golay算法引入地磁数据的有关处理,将除噪处理结果与不受干扰的数据进行比对,通过分析相关系数和标准误差,确定最优窗宽与多项式阶数。结果表明,在Savitzky-Golay算法取2阶1169窗宽时,去噪效果最好,该方法在地磁数据处理中有着很好的应用前景。

非均匀采样下Savitzky-Golay算法的研究

简单介绍了均匀采样下Savitzky-Golay滤波与非均匀采样,提出一种基于数据的非均匀采样的Savitzy-Golay算法,并对该算法进行matlab建模验证比较,简要说明了其可行性。

基于Savitzky-Golay算法的录井气测曲线滤波技术

以Savitzky-Golay滤波算法对录井气测曲线进行平滑处理,用多项式最小二乘法拟合的滤波方法消除录井气测曲线中由于地层环境及仪器影响而产生的锯齿状噪声。实验结果证明,SavitzkyGolay滤波算法处理录井气测曲线具有稳定、误差小等特点。

基于Savitzky-Golay算法的某深基坑监测数据降噪处理

为提高深基坑各监测项目变化趋势曲线的可视化程度,本文使用Savitzky-Golay滤波算法,并以南昌市某深基坑为例,对监测反馈数据进行平滑降噪处理.通过对比LOWESS、FFT和Savitzky-Golay滤波算法的有效性,研究监测数据平滑降噪的有效处理方法.研究表明:1)工程数据通过Savitzky-Golay滤波算法降噪处理后连续性和平滑性明显提升.优化后的数据筛除了原始数据中的突变奇异点,其时程曲线走势与原始数据基本吻合;2)在基坑工程监测数据的实际测量值与优化校正值的拟合函数中,计算得到函数线性回归的相关指数R2达0.845,基坑监测数据的降噪平滑曲线与原始数据关联性较强,可为原始数据分析提供可观的辅助校正作用.

基于Savitzky-Golay算法的曲线平滑去噪

Savitzky-Golay算法被广泛地运用于数据流平滑除噪,是一种在时域内基于局域多项式最小二乘法拟合的滤波方法。仿真结果表明,与传统算法相比,Savitzky-Golay算法具有更稳定、误差更小的平滑去噪效果。

基于Savitzky-Golay算法的发动机动态工况燃烧稳定性评价方法

重点介绍了一种基于Savitzky-Golay算法的发动机瞬态工况IMEP(平均指示有效压力)的拟合方法,并在此基础上提出一种新的燃烧稳定性的评价方法-DIOC,即Dynamic Index of Combustion,发动机动态工况燃烧评价指标。相比传统的评价方法,新方法能够同时对稳态工况和动态工况的燃烧稳定性进行客观评价。通过试验验证,Savitzky-Golay算法拟合的动态工况缸压IMEP曲线能够准确表征瞬态工况下发动机的燃烧变化,具备较强的实用性。

算法嵌入政府治理:逻辑、风险与规制

伴随着现代信息技术的迅猛发展,智能算法在推动经济社会不断发展的同时也成为推动国家治理现代化的重要驱动力。现阶段如何推进算法技术更有效地嵌入政府治理,在充分发挥技术效益的同时反制技术滥用,实现公共价值最大化目标是亟须关注的时代命题。从“技术—权力—规则”三个维度搭建研究算法嵌入政府治理的分析框架,探索算法技术赋能政府治理的价值意蕴与运作逻辑。聚焦算法技术黑箱阻滞公共责任认定、算法权力削弱政府与民众自主性、算法规则偏好导致治理正义性减损等风险与挑战,提出在实践中要推进技术适度透明化以明晰责任关系链条、规范算法权力运作并坚持人本主义治理理念、明确算法规则决策限度以强化治理正义性等实践进路。

算法解释制度的体系化构建

算法解释在算法治理中举足轻重。算法解释承载着权益保障、社会交往和风险治理三重意义,其在技术层面上的障碍正在逐渐被突破,可以通过多种技术机制实现。在算法治理活动中,应根据常规场景、关键场景和争议场景分别限定选择解释的路径选择和技术方案,通过冻结机制、抽样机制和镜像机制固定算法解释,并使之接受外部的验证与审查,确保算法解释真实、有效。算法解释的系列机制应被进一步构建为体系化的算法解释制度,在这一制度框架内,对解释路径与精度、解释时限、解释瑕疵责任等要素的合理配置,可以实现社会效益与规制负担的精细平衡。

教育数字化转型中的算法权力及其规制

依托框架优势、机器优势和嵌入优势的全新算法,将会随着数字平台的搭建、数据资源的挖掘、“人–机”交互的设计,由单纯的计算工具向事务运行规则转变,进而演变为教育数字化转型中不容回避的权力议题。教育数字化转型中的算法权力既有益于管理风险、规范行为和辅助决策,也可能由于自身的局限以及它与教育之间的冲突,导致教育的风险异化、行为降格和决策失衡。要将算法权力规制到安全、可靠的“笼子”之中,除借助算法目标的教育审查、算法设计的教育解释、算法运行的教育监管、算法应用的教育鉴别、算法信息的教育备案、算法责任的教育认定,以构建从背景、过程到结果的规范机制;还应诉诸教育之于算法的祛魅、平衡与扬弃,以凸显“入乎其内却又出乎其外”的制衡思想。

算法赋能政府规制:逻辑、限度与发展方向

在算法治理时代,算法既是需要规制的对象,也是赋能政府规制以实现更好规制的治理工具。社会高度计算化和算法的规则属性给予了算法赋能的技术逻辑,数字化转型引致的规制困境和私人算法滥用奠定了算法赋能的现实逻辑,提升规制效能增进民生福祉形塑了算法赋能的价值逻辑。但是,算法运行本身存在的内在局限,以及规制者能力不足或不当运用,导致算法赋能政府规制存在着复杂性难以化约、被动规制俘获、规制权力泛化、可问责性和算法偏差等限度。发挥算法赋能政府规制的积极作用,促进算法与政府规制融合发展,必须坚持规制者的主体地位,完善政府规制的体制机制,强化制度建设,保障算法在可控和可信赖的轨道上运行。

基于改进人工蜂群算法的船舶管路路径寻优算法分析

[目的]人工蜂群(ABC)算法具有控制参数少、局部寻优能力强、收敛速度快的特点,但在解决路径寻优问题方面,存在容易陷入局部最优的缺陷。为解决船舶管路系统中的管路路径规划问题,提出一种改进的人工蜂群(IABC)算法。[方法]在传统人工蜂群算法的基础上,在跟随蜂的更新机制中引入遗传算子中的交叉操作,并对交叉算子的交叉概率采用自适应的策略;通过对种群进行的交叉操作寻找全局范围内的新解,并改进侦察蜂寻找新路径的方式,由原来的对路径经过的点进行更新改为对路径中的“路段”进行更新;随后,提出一种适应于解决分支管路路径寻优的改进人工蜂群协同进化算法。[结果]实例验证表明,改进后的人工蜂群算法相比标准人工蜂群算法其路径布置效果能够提升32.3%~37.4%,收敛速度能够提升17.7%~29.9%。[结论]无论是解决单管路还是分支管路,改进后的人工蜂群算法相比传统的人工蜂群算法求解质量更高、收敛速度更快、稳定性更好。

跟踪算法下的果树修剪机器人路径规划设计

以果树修剪机器人为研究对象,基于轨迹跟踪算法对修剪机器人进行作业路径规划,并分别与传统的往复式路径规划算法和跟踪算法进行仿真对比实验分析。分析结果表明:与传统往复式路径规划算法相比,修剪机器人作业过程中漏剪率降低3%,重复率降低2.5%;与传统跟踪式路径规划算法相比,修剪机器人作业过程转角范围增大36°,横向轨迹误差降低600mm。

改进蚁群算法的送餐机器人路径规划

蚁群算法拥有良好的全局性、自组织性、鲁棒性,但传统蚁群算法存在许多不足之处。为此,针对算法在路径规划问题中的缺陷,在传统蚁群算法的状态转移公式中,引入目标点距离因素和引导素,加快算法收敛性和改善局部最优缺陷。在带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW)上,融合蚁群算法和遗传算法,并将顾客时间窗宽度以及机器人等待时间加入蚁群算法状态转移公式中,以及将蚁群算法的解作为遗传算法的初始种群,提高遗传算法的初始解质量,然后进行编码,设置违反时间窗约束和载重量的惩罚函数和适应度函数,在传统遗传算法的交叉、变异操作后加入了破坏-修复基因的操作来优化每一代新解的质量,在Solomon Benchmark算例上进行仿真,对比算法改进前后的最优解,验证算法可行性。最后在餐厅送餐问题中把带有障碍物的仿真环境路径规划问题和VRPTW问题结合,使用改进后的算法解决餐厅环境下送餐机器人对顾客服务配送问题。

个性化推荐算法的法律风险规制

信息爆发增长催生了个性化推荐算法技术的兴起。个性化推荐算法在解决信息过载和长尾问题、满足用户个性化需求、提高互联网信息服务效率的同时,也引发了用户意思自治受限、隐私泄露、信息茧房、算法歧视等诸多法律风险,亟需法律作出必要的回应。为此,应当在诚信原则、自主原则、公正原则、比例原则的指导下,树立开放的隐私保护观,强化算法告知义务与用户拒绝权利,完善算法解释权,构建算法审计制度,以降低个性化推荐算法所带来的法律风险。

基于ENTROPY-TOPSIS算法的电路实验课程综合成绩评定方法

针对高校实践教学成绩评定环节中存在的不足,该文将基于修正ENTROPY-TOPSIS算法应用到实验课程成绩评定当中,并推导了具体算法原理。同时将该算法与常用权值算法层次分析法以及CRITIC算法在电路实践成绩客观赋权过程中进行了横向对比。结果显示该方法可以为多源异构数据的科学赋权提供理论依据,有效消除因主观因素带来的不合理性,使教师在实验成绩的评定上更加趋向于客观化、科学化。

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。

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。

基于BIM技术与模拟退火算法的村镇轻钢框架结构智能设计方法

传统村镇住宅结构设计需要进行大量的人工试算与重复建模,而受制于建设成本,村镇住宅无法像城镇住宅一样通过设计师进行专业的结构设计与验算,其安全性与经济性均难以满足要求。为此,提出一种村镇轻钢框架结构智能设计方法,包括智能建模与智能优化两个环节。基于图层自动识别算法、光学字符识别技术、自适应分块算法提出村镇轻钢框架结构BIM智能建模方法,包括图层识别、轴文本数据提取、墙体轮廓提取等,智能建模结果基本满足实际工程要求。基于提出的两阶段模拟退火算法给出村镇轻钢框架结构的智能优化方法,优化速度较快,优化效果良好。通过实际工程案例对提出的智能设计方法进行验证,结果表明,提出的村镇轻钢框架结构智能设计方法具有可行性,与传统的人工设计方法相比,设计周期可缩短70%以上,材料用量、结构设计指标接近人工设计结果。

一种新型的电能质量扰动信号分析的CDMSPSO-MP算法

针对匹配追踪(matching pursuit,MP)算法在检测电能质量扰动信号时存在的计算量大、重构信号质量不佳的问题,利用混沌动态多种群粒子群优化(chaos dynamic multi-swarm particle swarm optimization,CDMSPSO)算法对MP算法进行优化,提出了CDMSPSO-MP算法。首先,CDMSPSO算法使用Logistic映射替代伪随机数更新种群,提高信号重构时搜索时频原子的随机性;然后,将种群划分为多个小规模种群并设置相应的重组期,增加信号重构时频原子的多样性;最后,以扰动信号与原子内积的绝对值作为CDMSPSO算法的适应度函数,替代MP算法的遍历计算,提升信号的重构速度。实验结果表明,CDMSPSO-MP算法有效提高了计算速度,减少了无关时频原子作为扰动信号分量的计算,提高了重构信号的质量。