可见光色分复用通信系统研究与实验

院针对单色光通信不便用于照明、普通白光通信频谱利用率较低的问题,设计了一个可见光色分复用通信系统。该系统在保持发光二极管(LED)正常照明功能的同时,还具备信息传递功能。在发送端,采用3种具有固定波长的LED进行调制;在接收端,使用与发送端波长相匹配的窄带滤光镜来分离各个信道的光信号。分离后的光信号经由单片光电二极管转换成电信号,这些电信号再经过与预设阈值的比较后,被微控制器接收并解码。测试结果表明:接收端的窄带滤光镜能有效区分来自3个特定波长LED的广播信号;当发送速率低于50 kHz时,眼图效果良好,能够实现稳定的通信;但当发送速率提升至50 kHz以上时,图像会出现错误色块和偏移失真。

基于智能优化算法的边坡稳定性预测方法研究

针对边坡稳定性预测中数据分析片面、模型预测精度低的问题,基于302个边坡案例,选取6个变量特征,利用麻雀搜索算法(SSA)更新BP神经网络的敏感因子,建立SSA-BP边坡稳定性预测模型。采用混淆矩阵、受试者工作特征(ROC)曲线及曲线下面积A_(UC)值作为衡量指标,通过五折交叉验证法提高模型的泛化能力并与RF、BP、SVM、PSO-BP、GA-BP和LSTM 6种机器学习算法进行预测效果对比。结果表明,SSA-BP模型的A_(UC)值、准确率和F_1分数均最高,分别为91.90%、85.81%和85.87%,相较于优化前的BP网络A_(UC)值提高了23%。经典算例证明SSA-BP预测模型与ABAQUS计算的安全系数相近,并可给出可靠的预测结果,为岩土工程中边坡稳定性预测提供了一种新方法。

黑茶陈化工艺研究进展

黑茶陈化工艺一般是指将发酵晾置后的茶叶自然放置这一过程。陈化是黑茶加工的最后一个环节,也是品质二次提升的关键工艺,然而当前陈化多依靠经验进行。为深入了解黑茶陈化机理和工艺现状,该文介绍了黑茶加工工艺、茶叶发酵程度智能判定技术、黑茶陈化工艺技术研究,尤其是物理和生物环境对陈化工艺的影响,并对黑茶陈化工艺未来发展进行了展望,以期为深入研究陈化机理,依托智能化手段调控陈化工艺参数,提升黑茶成品品质提供借鉴与参考。

基于ASO-BP神经网络的屈服强度预测技术研究

针对传统屈服强度预测模型通用性较差的问题,提出一种采用原子搜索优化算法优化BP神经网络,建立多类型合金屈服强度预测模型的方法。以Kaggle公开数据为研究对象,对89种钢合金建立ASO-BP神经网络屈服强度预测模型,同时与PSO-BP,GA-BP,BP神经网络模型对比。结果表明:ASO-BP预测模型平均绝对百分比误差(MAPE)为6.98%,相关系数达到0.98716,效果优于其他对比模型。验证了预测多种类型合金屈服强度的合理性和可靠性,为工程实际应用和合金屈服强度检测提供较好的辅助判断。

基于机器学习的茶树DNA聚类算法

为了研究茶树基因序列的聚类问题,设计一种基于累计方差贡献率进行改进的核主成分分析(KPCA)与k均值(k-means)++聚类算法相结合的降维聚类算法(KPCA-k-means++)。将基因库数据集筛选分组后,利用k-mers算法提取基因数据的数据特征,根据累计方差贡献率的占比大于85%的标准确定降维主元个数对KPCA进行降维改进并采用k-means++算法对降维后数据聚类,通过CH(Calinski-Harabaze Index)指标和响应时间分析聚类结果。结果表明:在单独聚类、KPCA聚类、改进PCA聚类、改进KPCA聚类4种处理方式中,改进KPCA-k-means++算法在不同处理方式和不同样本数的对比下,CH指标均为最高,与未改进时相比平均高出33%。在响应时间方面,改进KPCA-k-means++算法与同样改进PCA-k-means++算法在不同聚类数和样本数的对比下响应时间均较短。改进KPCA-k-means++算法能够保证对于茶树的基因序列的聚类准确率和聚类速度,表现出极好的聚类稳定性。

基于深度学习的室内点云语义分割研究进展

点云是一种被广泛使用的三维数据,而语义分割作为三维场景理解的关键技术,人们对其的需求也越来越广泛。近三年来,点云语义分割技术的发展迅速,为了展示基于深度学习的室内场景三维点云语义分割方面的进展,着重整理了其近三年最新的研究动向。首先介绍了点云语义分割常用的数据集以及评价指标,接着对近三年的各种点云语义分割方法进行分类,并从间接、直接处理点云的角度,按照不同类别分析总结了各种方法的框架结构以及其创新点,在S3DIS、ScanNet等几种最常使用的室内数据集上对各种算法的mIou等评价指标进行了对比展示。最后,根据现有的点云的语义分割技术的研究现状和存在的问题进行了总结以及展望。

基于机器学习算法的滑坡土壤含水率预测方法研究

土壤含水率是影响坡体稳定性的决定因素之一。针对滑坡体内部土壤水分信息难以准确感知的问题,建立了一种基于机器学习算法树突神经网络的土壤含水率预测模型(DDNN),通过分析土壤水分垂向变化特征和数据相关性确定关键的影响因子后,将水分预测模型DDNN与GA-BP、RF、RBFNN三种算法进行对比试验。发现DDNN预测模型的拟合优度R2最高为0.998,均方根误差和平均绝对误差均最小,分别为0.091、0.059,其预测精度明显高于其他三种算法。并采用关系谱探究了相关影响因素对土壤含水率的敏感程度。结果表明,敏感度由高到低依次为气温、降水、初始水分、风速、地温,研究结果可为滑坡体稳定性分析提供技术方法支撑。

知识增强的BERT短文本分类算法

为解决短文本信息不全且缺乏领域知识导致关键信息难以充分挖掘而造成的深度学习模型分类性能不足等问题,提出一种知识增强的双向编码器表示转换器(BERT)短文本分类算法(KE-BERT)。提出一种建模短文本与领域知识的方法,通过知识图谱进行领域知识的引入;提出一种知识适配器,通过知识适配器在BERT的各个编码层之间进行知识增强。通过在公开的短文本数据集上,将KE-BERT与其它深度学习模型相比较,该模型的F1均值和准确率均值达到93.46%和91.26%,结果表明了所提模型性能表现良好。

基于OISL-OSU的通算一体卫星路由优化算法

为了进一步解决多星及星地间通信和计算系统资源的高度整合与互馈增强问题,提出了一种基于卫星间光链路光业务单元(OISL-OSU)的通算一体卫星路由优化算法——OISL-DDPG算法。该算法采用深度确定性策略梯度(DDPG)优化方法,提高了卫星光网络QoS性能。仿真实验表明:采用基于时间窗口的网络切片方法符合国内低轨星座真实网络运行状态;与最小跳数算法相比,所提出的算法以增加微小时延为代价,获得更高的链路利用率和链路占用率;与多约束最短路由优先(MCSPF)算法相比,该算法的收敛性更好,时延和丢包率更低。

面向多租户数据中心的联邦学习架构下通信开销优化方法

为降低多租户数据中心联邦学习架构下的高通信开销问题,提出一种基于三元演化模型参数的通信开销优化算法。首先,建立面向多租户数据中心的联邦学习架构模型来实现数据隐私保护;其次,针对联邦学习架构的引入导致租户和数据中心交互产生了过高的通信开销问题,提出一种基于三元演化模型参数的通信开销优化算法,通过结合最优局部模型和三元向量化模型参数的演化方向来减少租户与数据中心模型参数传输之间的冗余通信;同时,基于联邦学习的隐私研究论证分析了在传输通信过程中所提算法能有效保障参与训练租户的隐私信息。最后,实验结果表明,所提方法在保障训练精度的前提下,相比于联邦平均对比算法能有效降低30%的冗余通信开销。

面向异构网络的可重构智能表面辅助资源优化方法

针对可重构智能表面(RIS)辅助的异构网络切片,提出了联合资源分配和相移优化的资源优化方法。对于异构网络中的不同业务,构建了不同目标的联合优化问题。针对增强型移动宽带(eMBB)业务,基于交替优化算法,联合优化资源块分配、功率分配和RIS相移矩阵,使eMBB用户的遍历总容量最大化。针对超可靠低时延通信(URLLC)业务,以最大化URLLC数据包接收率和最小化eMBB速率损失为目标,提出基于预配置RIS的启发式URLLC分配算法。仿真结果表明,与未部署RIS时95.95%的URLLC数据包接收率相比,所提算法仅使用80个RIS,实现了约99.99%的URLLC数据包接收率,同时提高了约86.24%的eMBB速率总和。

无线传感网合作式充电与数据收集算法研究

为同时改善无线传感器网络的能量补充效率和网络服务质量,本文提出了一种利用电子标签的无线传感器网络合作式无线充电和数据收集算法,根据通信方式的不同,具体提出了TBR和TDC 2种方案,通过将网络中的节点进行分簇,并在单个簇内部署簇内移动读取器进行路径移动,对簇内的各个节点进行充电和数据收集;在簇间部署簇间移动读取器收集簇内读取器内的数据并将数据传输给汇聚节点进行数据处理,通过分簇完成对节点充电和数据收集任务的分层处理。通过仿真验证,证明合作式充电策略可应用在大型区域内部署的网络,并且保证所需的移动读取器数量最少,数据传输至汇聚节点的时延最短,TBR方案与TDC方案有效。

情感智能与心理生理计算

随着人工智能第三次发展浪潮的到来,人工智能进入了新阶段,情感智能的研究对于人工智能的发展有着重大意义。情感智能在智能机器人、智能虚拟助手等领域具有广泛的应用前景,通过心理生理计算来量化感知人的心理状态,可赋予机器更好地识别、理解人类情感的能力,并与用户产生更好的感性化交互。本文阐述了情感智能和心理生理计算的概念,分析了目前情感智能发展的机遇与关键问题,介绍了心理生理计算在生理信号获取、生物信息反馈干预和基于脑电、语音、眼动、表情、姿态的情感识别等方面的典型应用。情感智能与心理生理计算在情感识别上有较高的识别率,能够利用多种模态进行情感识别,在医疗、教育、娱乐、生产等多个领域都有广泛的发展与应用前景。

滑坡监测预警云平台系统的设计及应用

设计一套滑坡监测预警的云平台系统,采用模块化设计方式建立云平台系统网络,开发独立的监测管理软件系统;在云平台中建立灰色Verhulst模型,对实测数据进行处理,通过灰色Verhulst模型对边坡的变形趋势进行预测,预测边坡可能产生滑坡的时间,实现对滑坡的提前预警.系统经过调试后部署于广西百色市田林县公路两旁的边坡进行实测,结果表明:滑坡云平台系统能够有效地监测边坡的变形,通过灰色Verhulst模型可实现对山体滑坡的预警.

云环境下基于多代理系统的三层架构信任管理模型

为增强云计算环境中的安全性,提高云计算环境中的交易安全和可信程度,针对云计算环境的用户与云服务提供商的交易信任问题,提出了一种基于多Agent系统的三层架构云计算信任模型。模型针对云计算环境和多Agent系统的特点,提出了信任管理Agent、服务管理Agent和信任评估Agent三层架构,基于三层架构的信任管理模型,结合3种信任模式和根据历史交易记录的信任模型选择方法对云计算交易中的信任度进行判断。通过仿真实验证明,本文模型在多Agent交易情况和多Agent节点安全性的测试优于对比模型,并能在一定程度上减少云计算环境用户交易中的欺诈行为,减少用户损失,提高云环境下交易信任的安全程度。

一种二进制癌症单驱动通路识别模型和算法

针对驱动通路识别的相关研究依赖传统生物实验方法,存在费时费力且经济成本高的问题,提出一种新的二进制癌症驱动通路识别方法PEA-BLMWS。首先,利用已有的基因表达数据,通过对比正常基因与突变基因表达量的差异,挖掘潜在的基因突变数据;其次,引入蛋白质相互作用网络数据,构建出一个改进的二进制线性最大权重子矩阵模型;最后,提出一种双亲协同进化算法求解该矩阵模型。在GBM(glioblastoma)和OVCA(ovarian cancer)数据集上的实验结果表明,相比于其他先进的Dendrix、CCA-NMWS和CGP-NCM识别方法,PEA-BLMWS识别的基因集中有更多基因富集在已知的信号通路中,未富集在信号通路中的基因也与癌症的发生密切相关,故该识别方法可作为一种驱动通路识别的有效工具。

Modbus通信协议在自动走丝系统中的应用

电爆炸丝自动喷涂装置在工作时产生强电磁场,导致自动喷涂装置中的自动走丝系统可靠性差。为解决此问题,设计一种采用Modbus通信协议的自动走丝系统,以提高自动走丝系统的可靠性和稳定性。在自动走丝系统主、从设备上分别使用RS485和RS485转RS232接口,并通过屏蔽双绞线连接。采用Modbus RTU传输模式传输差分信号,以提高数据在强电磁场的抗干扰能力。结果表明:该自动走丝系统主、从设备之间长距离传输数据稳定,装置运行可靠。

混合云环境下考虑工作流的任务调度策略

针对混合云环境下的工作流调度问题,提出一种结合黏菌算法和粒子群算法思想的工作流调度算法。利用粒子群算法的优点,对较差解进行引导,加快较差解的收敛速度,对质量较好的解进行局部变异,避免陷入局部最优,同时增加交叉算子,细化算法在任务调度问题中的寻优粒度,根据混合云环境下的工作流调度模型,进行离散编码,完成对多个调度目标的优化。在现实工作流下进行仿真实验,结果表明,本文算法与单一启发式算法以及对应改进算法相比,具有更好的优化性能。

基于滤波器组和残差网络的环境声音识别算法

为解决现有传统环境声音识别技术识别率不高和普通卷积神经网络易出现网络退化的问题,提出一种基于滤波器组和残差网络的环境声音识别算法。采用滤波器组对声音信号进行特征提取,设计14层的残差网络,使用学习率衰减策略,将提取的特征输入到14层残差网络之中训练并测试。实验结果表明,在使用相同数据集ESC-10的情况下,与传统分类器模型和DCASE基线系统提供的识别方法相比,识别准确率分别提高了22.3%、17.4%和9.5%,验证了该方法在小样本情况下具有更高的识别准确率。

基于Stackelberg博弈定价的电力需求响应激励方法

结合多租户数据中心的特点,通过考虑多租户数据中心的电力定价问题提出一种基于非线性规划的高效激励定价方法。建立需求-响应模型,及其相关的成本和收益函数;为反映需求方与响应方的定价交互,采用Stackelberg博弈进行建模,证明了该模型下纳什均衡点的存在性;基于非线性规划方法求解最优得到纳什均衡点,即满足需求方成本最低和响应方利益最大化的目的。将设计的方法与其它经典的最优化方法进行比较,实验结果表明,提出方法能获得最佳的电力定价,达到需求响应方共赢的目的,时间复杂度低。