求解4G网络建站问题进化多目标算法

根据4G建站模型,设计了一种针对重点区域进行杂交、变异的进化多目标算法.该算法能有效减少个体进行杂交和变异时编码的长度、降低复杂度,使处理4G建站模型的进化多目标算法性能大大提高;在杂交变异之后,再根据约束条件对非重点区域进行搜索,在非重点区域中,激活能够最大程度覆盖了未被覆盖的测试点的候选基站,以此类推,直到全部激活的基站的覆盖率满足模型覆盖率约束为止,既保证了生成的解均为有效解,又使得在激活尽可能少基站的情况下覆盖到尽可能多的测试点.最后用极大极小方法求解出了一组最优解集.模拟4G建站问题的计算机仿真表明该算法非常有效.     

构建基于能力的新员工培训项目开发体系——发散思维、创新模式、注重实效、铸就品牌

为适应国家电网公司当前改革和发展的新形势,加快人才队伍建设,优化新入职员工培训模式,强化培训项目开发工作,构建了基于能力的新员工培训项目开发体系,将调研、筹划、执行、评估等一系列工作纳入该闭环体系中,提升了工作效率,实现了培训质量的持续提升。     

逻辑语义学中的组合原则

组合原则是逻辑语义学中的核心原则,对组合原则的恪守推动了逻辑语义学理论的不断改进。组合原则是实现语义可组合运算的基础,本文旨在澄清在贯彻组合原则的过程当中,需要加以注意的两组概念：复合表达式的组成部分及其意义;语义的函项运算。     

一类泛函的径向极小元的局部一致估计

在带权的Ginzburg-Landau型泛函的径向极小元的整体估计的基础上,通过适当引入辅助泛函,以此来降低该整体估计右端的增长速度,最后使之不再增长或负增长,从而最终建立所需的局部一致估计,为进一步研究径向极小元的极限行为作铺垫.     

《八项规定》落实中的问题及原因与对策

中共中央《关于改进工作作风、密切联系群众八项规定》的出台受到各方的关注和好评,但要注意落实过程中对"八项规定"的各种曲解、误读、消解和变异。从权力运作、干部评价机制、制度保障和社会文化心理等方面分析了落实中遇到问题的深层原因。提出了各级领导表率示范;刚性制度,"零容忍"惩处;拓宽监督渠道,纳入常态化管理;改进干部考核评价机制;文化重建等对策。     

基于滤波后处理的主动学习高光谱遥感图像分类

有限的样本数据和高维的特征向量使得高光谱图像分类面临巨大挑战.提出一种结合主动学习和滤波器的高光谱遥感图像分类方法.该方法首先选取部分训练样本得到分类模型,然后采用主动学习通过迭代从非训练样本中选择信息量大的样本不断扩大有效样本数,减少了初始训练样本数降低"维数灾难"出现的可能,同时提高了分类器的泛化性能及准确率.通过主动学习和多项逻辑回归分类器对高光谱遥感图像进行初始分类,然后运用滤波器对初始分类结果保边去噪.实验结果表明,本文方法的分类精度高,分类稳定性好.     

基于形式化方法的航空电子系统检测

随着航空型号的快速发展,航空电子系统的数字化程度越来越高,软件在其中所占的比例越来越大.对航空电子系统中的软件进行测试和检测是保证航空电子系统质量及可信运行的基础.通过分析航空电子系统软件体系结构,对航空电子系统进行形式化建模,并在此基础上,提出了一种形式化的系统级综合检测方法,从静态和动态两个方面对航空电子系统进行检测,最后通过设计并实现一个综合检测系统来验证该方法的有效性.     

基于速度修正项的机械臂避障路径规划

针对机械臂运行过程中存在的碰撞问题, 提出一种基于速度修正项的机械臂避障路径规划方法. 利用B 样条曲线进行机械臂关节空间规划, 使机械臂能够在特定时刻运行到指定构型. 在运行过程中, 利用碰撞检测算法实时计算机械臂与障碍物的最小距离, 在碰撞即将发生时引入积分为零的避障速度修正项改变机械臂运行轨迹, 使得机械臂能够在实现障碍回避的同时, 保证其在特定时刻通过指定构型的要求. 仿真实验表明了所提出方法的正确性和有效性.     

非等间隔GM(1, 1, ????) 幂次时间项模型及其应用

GM(1, 1, ??^??) 幂次时间项模型是灰色GM(1, 1) 模型的推广. 在灰色GM(1, 1) 模型和等间隔GM(1, 1, ??^??) 幂次时间项模型的基础上提出非等间隔GM(1, 1, ??^??) 幂次时间项模型, 并对模型进行求解. 讨论了GM(1, 1, ????) 幂次时间项模型的曲线形状、发展系数以及幂指数间的关系, 研究了非等间隔GM(1, 1, ??^??) 幂次时间项模型的参数空间. 将平均相对误差看成幂指数的函数, 根据序列形状判断幂指数的范围, 并利用粒子群算法求解幂指数. 实际应用验证了所提出模型的有效性.

     

频繁和高效用项集挖掘

对从事务数据库中挖掘有意义的项集的研究已超过10年.然而,大多数的研究要么使用频繁度或支持度(如频繁项集挖掘),要么使用效用值或利润(如高效用项集挖掘)作为主要的衡量标准.单独使用这两种衡量方式都有各自的局限性,比如频繁度很高的项集其效用值有可能很低,而效用值很高的项集其频繁度往往很低,将这些项集推荐给用户没有意义.将这两种衡量标准综合考虑,希望找出那些频繁度和效用值都很高的项集.该项工作最大的挑战是效用值既不满足单调性也不满足反单调性.因此,提出了高效算法FHIMA.FHIMA采用PrefixSpan的思想,挖掘时能避免产生非频繁的候选项集.此外,还根据效用和质量上界的一些性质,有效地缩小了搜索空间,极大地提高了FHIMA算法的效率.