陆基海洋通信船舶绕射损耗模型研究

海上主要港口和航道上船舶吞吐量大,陆基船舶通信链路被过往船舶遮挡的时间长、频次高,严重影响陆基船舶通信链路的连接质量。针对船岸通信信道测量场景中发生的由过往大型船舶驶过造成遮挡而产生的阴影效应,结合高精度实测数据对这一现象的大尺度信道特性进行了分析和建模。结合阴影效应发生位置的第一菲涅尔半径、离岸距离、收发天线路径距离、天线连线高度和海面曲率引起的相对高度变化等影响因素的内在联系,解析了阴影效应发生时遮挡船只的整个运动过程,并对第一菲涅尔区与遮挡船只相对位置对应的不同时间节点进行了分类。基于ITU-R P.526-15(2019年10月)建议书中的单个刀刃形绕射模型和单个圆形绕射模型,结合船只和第一菲涅尔区的相对关系,构建了基于遮挡船的三维数据和收发端相对位置的船舶绕射损耗模型,针对实测过程中D 06(0.6倍第一菲涅尔区间隙对应的路径距离)范围内和范围外两种情况下的两次船舶遮挡过程进行了模型仿真和实测数据比对分析,并结合分析结果提出了未来的应用方向。

基于信息粒的不协调决策形式背景的分布约简

粒计算和知识约简是知识发现和数据挖掘的两个重要课题。基于信息粒研究不协调决策形式背景的属性约简的定义和方法。首先,利用对象概念的内涵定义对象集上的拟序关系,并研究其相关性质。然后,利用拟序类定义分布函数和最大部分函数,进而提出不协调决策形式背景的(最大)分布协调集和(最大)分布约简的定义。最后,定义不协调决策形式背景的(最大)分布辨识矩阵及(最大)分布辨识公式,基于辨识矩阵给出(最大)分布协调集的判定定理,并提出计算分布约简和最大分布约简的方法。

基于U 2-Net深度学习模型的沿海水产养殖塘遥感信息提取

针对近海沿岸复杂地理环境中“同谱异物”效应导致传统方法提取水产养殖塘边界模糊、精度较低的问题,提出了基于U 2-Net深度学习模型的沿海水产养殖塘遥感信息提取方法。首先,对遥感影像进行预处理,选择合适的波段组合方式以区分养殖塘和其他地物;其次,通过目视解译进行样本制作;然后,利用U 2-Net深度学习模型训练并提取沿岸养殖塘;最后,利用局部最佳法确定养殖塘范围。实验结果表明,该方法平均总体精度达到95.50%,平均Kappa系数、召回率和F值分别为0.91,91.45%和91.01%;在养殖塘个数及面积评价方面,提取出养殖塘区19块,共计9.79 km^(2),区块数和面积的平均准确度分别为94.06%和93.18%。本研究能够快速、准确地开展海岸带区域养殖塘制图,能够为海洋资源管理和可持续发展提供技术支持。

基于熵的多尺度多重集值信息系统的最优尺度选择与属性约简

针对现有的信息系统难以体现和处理数据融合时出现的数据重复问题,文中提出多尺度多重集值信息系统的概念,并讨论该系统的最优尺度选择和属性约简问题.首先,在多尺度多重集值信息系统的每个属性中,基于属性值域中多重集之间的海林格距离定义论域上的相似关系,获得由每个属性子集导出的论域中所有对象的相似类构成的信息粒.然后,引入多尺度多重集值信息系统中知识粗糙熵的概念,进一步给出多尺度多重集值信息系统中的最优尺度与熵最优尺度的概念,证明基于相似关系定义的最优尺度和基于知识粗糙熵定义的最优尺度是等价的.最后,在熵最优尺度的基础上提出系统中基于相似关系的约简和基于知识粗糙熵的约简的概念,并分别给出筛选熵最优尺度和熵约简的算法.

不协调广义决策多尺度序信息系统的最优尺度选择与规则提取

粒计算模拟人类思考问题的模式,在大数据挖掘和知识发现方面有独特优势。针对不协调的广义决策多尺度序信息系统的知识获取问题,利用证据理论来研究不协调的广义决策多尺度序信息系统的最优尺度选择与规则提取。首先,将优势关系引入决策多尺度信息系统中,并介绍广义决策多尺度序信息系统的相关概念;其次,通过引入不协调广义决策多尺度序信息系统的尺度组合概念,给出不同尺度组合下信息粒和集合的下近似与上近似的表示及其相互关系,并进一步定义了几种针对不同决策的不协调广义决策多尺度序信息系统的最优尺度组合概念,讨论了它们之间的关系;最后,给出了基于广义优势决策函数的辨识矩阵属性约简与规则提取方法。

具有多尺度决策的信息系统的最优全局剪枝选择

作为人工智能领域的一个重要方向,粒计算在数据挖掘和知识发现方面的研究呈现较大的优势.针对具有多尺度决策的信息系统的知识获取问题,利用粒度树与剪枝来研究具有多尺度决策的信息系统的最优尺度选择问题.首先介绍了粒度树与剪枝的概念,每个属性和决策都有一个粒度树,每个粒度树都有许多不同的局部剪枝,代表特定属性下的尺度选择.不同属性和决策的一个局部剪枝组合形成全局剪枝,从而产生一个混合尺度决策表.其次,给出具有多尺度决策的信息系统基于粒度树与剪枝的最优全局剪枝选择的概念.最后将全局剪枝选择与最优尺度选择进行比较研究,还设计了一个算法来验证该方法的有效性.

传感器技术在海洋环境监测中的应用与发展探析

传感器技术应用于海洋环境监测可以实现对海洋各类水质指标和监测设备高效节能等方面实现实时操控,有效促进构建传感器技术等新型技术与海洋环境监测产业一体化发展。传感器技术在海洋环境监测中的应用时间较短,存在着技术应用不全面和不成熟、缺乏相应的应用标准和复合型人才缺少等问题,需要加大相关技术的研发与应用力度,以此更为快速有效地实现现代海洋智慧化发展。

基于人工智能的海洋牧场养殖区船舶闯入检测

我国沿海城市拥有许多优质的海洋牧场养殖区,因其存在海洋内,过往船只会破坏养殖结构,养殖区也会有不法分子驾船闯入。海洋养殖缺乏给渔民用的船舶闯入先进检测系统,以人工智能深度学习方法YOLOv5算法检测闯入区域的船舶,为海洋牧场养殖户提供便利智能化手段,监测养殖区船舶闯入情况。在性能指标上,改进后的SC-YOLOv5显著提升了对皮划艇类小型船舶检测效果,取得了71.7%的mAP。小型船舶如皮划艇、橡皮艇、快艇、舢板船4类取得了63.0%的mAP;大型船舶如工程船、客船、能源船、渔船4类取得了80.4%的mAP,船舶检测模型能较好完成检测任务,提高水产养殖安全。

一种两阶段求解LED光谱匹配系数高效全局优化算法

用单色发光二极管(LED)组份合成目标光谱在现实中有重要意义。当单色LED组成成份多、目标光谱合成精度要求高时,求解光谱组成成份的比例问题变成了超定方程组非负解的组合优化难题。智能优化类算法提高了解的全局最优性,但若没有利用目标函数的数学解析性质,其收敛速度慢,解的精度不高。梯度类算法收敛到局部解的速度快且精度高,但至今没有成熟理论技术求解非凸优化全局最优解,且问题中非负解的要求限制了该类算法的收敛速度。同时,目标函数的最小二乘信息在求解时没有得到充分利用。基于目标函数的数学可解析性、表现形式的二次非线性格式、最终解的非负要求,提出了一种两阶段优化算法LLR_LBFGS。第一阶段进行无约束的线性拟合,得到目标函数的最小二乘近似理论解,第二阶段借助带约束的拟牛顿方法LBFGS进一步求取问题的非负全局最优解。以标准目标光谱CIE-A、CIE-D65、CIE-D50、CIE-D55、CIE-D75的最佳拟合为研究对象,对比了新方法与拉索回归算法(LASSO)、岭回归算法(RIDGE)、差分进化算法(DE)、粒子群算法(PSO)及遗传算法(GA)的求解精度和运行速度,以及决策系数R 2。基于实际工业案例的数值结果表明,LLR_LBFGS能够较快地锁定全局解的范围,收敛速度更快;能够借助目标函数的数学可解析性提高解的精度。两个阶段的衔接融合能够获得较好的全局最优解的起始点和高精度的最优解。该方法对解决LED光谱拟合问题潜力大,有普适性。基于该设计思路,可以在算法的两个阶段中,组合设计更多、更灵活的光谱配比解决方案。这对于求取LED光谱匹配最优解的智能优化类方法改善效果有较好的启发意义。

融合同态滤波与MSR算法的低照度船舶图像增强

传统的Retinex算法针对海上低照度船舶图像增强存在图像过度曝光、细节丢失以及边缘模糊等现象。因此,提出一种结合多尺度Retinex和同态滤波的改进算法。首先,对输入图像的RGB三通道利用改进的单参数同态滤波器进行处理,将处理后的图像转为HSV空间,其中采取自适应增强S分量;由多尺度Retinex算法估计其光照分量并由CLAHE算法均衡化,随之融合Gamma变换处理后的反射分量,融合后通过拉普拉斯算子对其边缘进行增强。最后有效融合校正后的光照分量与边缘增强后的反射分量,输出增强图像。通过实验结果对比分析,证实提出的算法有利于海上低照度船舶图像清晰度的提升及避免细节丢失和图像过曝问题的产生。

协调广义多尺度序模糊决策系统的最优尺度组合与属性约简

针对广义多尺度序模糊决策系统的知识获取问题,首先,在广义多尺度序模糊决策系统中定义优势关系,给出广义多尺度序模糊决策系统中信息粒的表示,同时定义在不同尺度组合下集合关于属性子集在优势关系下的下近似与上近似的概念.然后,在协调广义多尺度序模糊决策系统中定义5种最优尺度组合的概念,使用基于证据理论的信任函数与似然函数刻画最优尺度组合的数值特征,证明信任最优尺度组合与下近似最优尺度组合是等价的,似然最优尺度组合与上近似最优尺度组合也是等价的,并在信任最优尺度组合的基础上给出属性约简方法,同时给出最优尺度组合和属性约简的搜索算法.最后,在UCI数据集上的实验验证文中方法和算法的可行性与有效性.

课程思政教学资源库构建实践探索

课程思政是新形势下国家对教师教书育人提出的新要求,对培养我国合格人才具有非凡的意义。针对当前课程思政中存在资源共享度低、课程思政资源重复建设、多寡不均、优质课程思政资源不能共享等问题,按照课程思政的全过程思政和全方位思政的要求,提出了课程思政教学资源库构建方案,对课程思政案例的基本组成、课程思政教学资源库共享管理体系和课程思政教学资源库建设需遵循的原则等进行了研究。

基于散列函数的短链码压缩方法

为满足海量数据下用户对URL链接进行缩短与查询性能的需求,降低生成的短链码之间碰撞概率与消减笛卡尔积操作,提出一种在海量数据场景下基于散列函数的字符串压缩算法。该算法满足用户一次输入的信息输出结果相同,以及对不同次的相同输入的信息输出结果不同的需求,采用随机因子与短链码中包含库表位信息来削减短链码生成冲突和海量数据下带来的笛卡尔积操作。实验结果表明,改进后的算法压缩耗时性能略微变慢但碰撞率明显降低,在查询性能方面提升78%~130%,并随着数据量增多变得越明显。

高校公共教学机房建设的研究和探索

文章探讨了高校公共教学机房的建设,包括机房环境建设、硬件设施的选择、软件安装、机房管理队伍建设以及机房管理制度建设等方面。同时,文章强调了公共教学机房建设的重要性,以及如何更好地发挥公共教学机房在高校实验教学工作中的作用。

协调广义决策多尺度序信息系统的知识获取

决策多尺度信息系统是一类特殊的数据集,系统中的每个对象无论在条件属性集上还是在决策属性上都可取多个尺度的标记值,并且从细粒度标记属性值到粗粒度标记属性值有一个信息粒度变换.文中针对广义决策多尺度序信息系统的知识获取问题展开研究.首先,引入尺度选择概念,一个尺度选择对应一个单尺度的序决策系统,并将优势关系引入广义决策多尺度信息系统,给出在不同尺度选择下对象集的优势类和集合的下近似和上近似的定义及其性质.然后,在协调广义决策多尺度序信息系统中定义5种最优尺度选择的概念,证明实际上只有2种不同类型的最优尺度选择,即最优尺度选择、下近似最优尺度选择、信任最优尺度选择是等价的,而上近似最优尺度选择与似然最优尺度也是等价的.最后,给出协调广义决策多尺度序信息系统的辨识矩阵约简方法,并在最优尺度选择基础上给出蕴含在协调广义决策多尺度序信息系统中的序决策规则.

用证据理论刻画协调的具有多尺度决策的信息系统的最优尺度选择

作为人工智能领域的一个重要方向,粒计算在数据挖掘和知识发现方面的研究呈现较大优势.针对具有多尺度决策的信息系统的知识获取问题.提出用证据理论研究具有多尺度决策的信息系统的最优尺度选择问题.首先介绍具有多尺度决策的信息系统及其尺度选择的概念,阐明尺度选择的全体构成一个格结构;其次,给出具有多尺度决策的信息系统在不同尺度选择下信息粒的表示及其相互关系;最后,定义协调的具有多尺度决策的信息系统的最优尺度选择概念,并用证据理论中的信任函数和似然函数刻画最优尺度选择的特征.

协调的决策多尺度不完备信息系统的最优尺度选择

粒计算模拟人类思考模式,它以粒为基本计算单位,以建立大规模复杂数据和信息处理的有效计算模型为目标,是知识表示和数据挖掘的一个重要方法.针对决策属性具有多尺度的不完备数据集的知识获取问题,首先,提出了决策属性具有多尺度的广义不完备多尺度信息系统的最优尺度选择的概念,阐明了尺度选择全体构成了一个完备格;其次,给出了在不同尺度选择下信息粒的表示及其相互关系;最后,讨论了协调的决策多尺度不完备信息系统的最优尺度选择问题,并用示例解释最优尺度选择的计算.

信息化技术在温室蔬菜种植中的应用与发展

随着信息技术的发展,温室蔬菜进入智能化种植模式。从温室蔬菜种植的信息采集、生长决策、病虫害防治、生长环境控制以及品质监测5个方面,分析当前温室蔬菜生产的技术和应用,阐述了智能温室蔬菜种植中存在的关键问题和挑战,并提出了推动智能温室建设的建议。

基于线上线下混合式教学模式的数据库课程思政教学探索

分析数据库课程思政相关研究,提出基于线上线下混合式教学模式的数据库课程思政教学体系,从课程思政元素挖掘,构建课程思政案例共享数据库,融合课前、课堂和课后的课程思政资源融合,通过思政融入方面介绍课程思政教学实践,最后说明教学效果。

基于弱监督对比学习的弱多标记特征选择

多标记特征选择已被广泛应用于医疗诊断、模式识别等领域,然而现实中的数据往往存在维数灾难以及标记大量缺失等问题,现有的弱多标记特征选择算法又普遍易受缺失标记和噪声的干扰,使算法模型难以准确地选择重要特征.针对上述问题,提出一种用于弱多标记数据集特征选择的弱监督对比学习方法,旨在缺失和含噪声标记数据集中选择优质特征,同时挖掘少量人工标注数据中潜在的类间对比模式.该方法包括三个步骤:首先,设计一种弱监督预训练策略,通过利用实例相似性以及稀疏学习方法获取每个类标记类属属性,用于恢复缺失标记;其次,引入对比学习策略来捕获少量有标记数据的对比模式来削弱噪声数据的影响;最后,选取10组多标记数据集以及四个评价指标进行实验.实验结果证明,与多个先进多标记特征选择算法相比,提出的方法分类性能更优.