基于动态优先级的AS／RS出库端车辆调度策略

自动化立体仓库出库端车辆调度策略的设计是物流配送车辆调度中的一个关键问题,为了优化立体库出库端车辆调度策略,文章引入动态优先级理论,并利用该理论对大型 AS/RS 出库口车辆调度进行了深入研究与分析,提出了基于动态优先级的 AS/RS 出库端车辆调度策略,有效提高了出库端车辆装货的效率.     

基于煤矿井下传送带空载检测

煤矿井下传送带在无煤或煤量较少的状态下长时间高速运转,会耗费大量的电能.为了节省井下传送带造成的电能损耗,本文提出了一种边缘结构相似算法和YOLOv3结合的传送带空载判定方法.通过边缘结构相似算法将结构特征和边缘特征相融合,每相邻10帧比较图片的相似度,连续比较3次判断传送带的运行状态.若传送带运行,则运用自适应锚框机制的YOLOv3模型,检测传送带上的煤量,最后判断传送带是否空载.实验结果表明,该方法可以有效准确的判断传送带的空载状态,检测准确率达到96.85%.     

一种基于OWL-S的Web服务体系结构

Web服务是一个新的分布式计算模型,是Web上数据和信息集成的有效机制。文中分析了当前Web服务体系结构,提出了一种基于OWL-S的Web服务体系结构,并给出在新型Web服务体系结构下的服务发现和调用机制,实现了Internet环境下的动态查找、合成和动态绑定,有效地支持Web服务的动态组合和协调。     

基于遗传算法优化小波神经网络的短期天然气负荷预测

天然气负荷预测对于燃气经营企业尤其重要,对保证天然气管网的用气量、优化管网的调度具有重要意义.传统的天然气预测模型预测精度低、模型泛化程度低.为了克服模型缺陷,提出了一种基于遗传算法优化小波神经网络的天然气负荷预测模型.通过遗传算法对小波神经网络的阈值以及网络连接权值等参数进行优化,从而建立预测效果最好的模型,通过企业提供的历史门站数据对预测模型进行验证.仿真结果表明,使用遗传算法优化网络参数的小波神经网络提高了模型的预测精度,具有一定的工程应用价值.     

基于Do-Bi-LSTM模型的电子政务文本相似度评估模型

针对当前政务系统中人工审批文本效率低下的问题,本文将文本相似度引入电子政务中。当前基于文本相似度的网络模型中,存在着生成的词向量矩阵巨大,需要大量的时间去训练,而且仅利用上下文的环境来生成词向量,忽略了文档的语序和语义的关系。为了提高效率并降低训练成本,本文提出基于Do-Bi-LSTM文本相似度计算方法,该模型首先通过Doc2vec语言模型把训练数据集中的文本转换成向量,该方法在词向量的基础上增加了文本向量,从而获取了句子之间以及段落之间的相互关系。然后把得到的向量作为Bi-LSTM网络模型的输入进行模型训练,最后与LSTM网络模型、传统的深度网络模型相比,实验表明本文方法的准确率有很大的提高,具有可行性。     

基于改进双流法的井下配电室巡检行为识别

井下配电室监控视频持续时间较长且行为类型复杂,传统双流卷积神经网络(CNN)法对此类行为识别效果较差.针对该问题,对双流CNN法进行改进,提出了一种基于改进双流法的井下配电室巡检行为识别方法.通过场景分析,将巡检行为分为站立检测、下蹲检测、走动、站立记录、坐下记录5种类型,并制作了巡检行为数据集IBDS5.将每个巡检行为视频等分为3个部分,分别对应巡检开始、巡检中和巡检结束;对3个部分视频分别随机采样,获取代表空间特征的RGB图像和代表运动特征的连续光流图像,并分别输入空间流网络和时间流网络进行特征提取;对2个网络的预测特征进行加权融合,获取巡检行为识别结果.实验结果表明,以Res Net152网络结构为基础,且权重比例为1∶2的空间流和时间流双流融合网络具有较高的识别准确度,Top-1准确度达到98.92%;本文方法在IBDS5数据集和公共数据集UCF101上的识别准确率均优于3D-CNN、传统双流CNN等现有方法.     

基于LSTM网络的Web软件系统实时剩余寿命预测

Web软件系统剩余使用寿命的预测精度是影响Web软件系统抗衰决策的重要方面, 为此, 提出了一种基于长短期记忆网络的Web软件系统实时剩余寿命预测方法. 首先搭建加速寿命测试实验平台, 收集反映Web软件系统老化趋势的性能指标, 然后根据该指标数据的时序特性, 建立了一种基于长短时记忆网络(LSTM)的Web软件系统实时剩余寿命预测模型, 并对该模型进行了训练. 实验结果表明, 该预测模型能够有效对Web软件系统的剩余寿命进行实时预测, 具有更好的准确性和适用性. 将所提模型应用于Web软件系统寿命预测中, 能够有效完成预测, 该方法为优化系统抗衰决策提供了技术支撑.     

粒子群退火算法优化的BP神经网络及其应用

以提高预测软件老化趋势为应用背景,提出一种新型粒子群退火算法(New Particle Swarm Annealing Algorithm, NPSOSA)优化BP神经网络的权值和阈值,继而构建NPSOSA-BP神经网络预测模型.实验通过搭建软件老化测试平台,收集所需的老化数据并进行仿真训练.实验结果表明, NPSOSA-BP神经网络模型相比于传统粒子群算法(PSO)、传统粒子群退火算法(PSOSA)优化的BP神经网络模型提高了预测精度和适用度,在该应用领域验证了本文方法的有效性.     

基于CMM一3的软件测试过程模型的研究

软件测试是保障软件质量的重要措施,而软件测试过程模型是软件测试的基础。首先对当前的测试模型进行了研究和分析,总结了各模型的优缺点,接着阐述CMM-3（Capability Maturity Model,能力成熟度模型,CMM-3,已定义级）的理论思想,最后提出了在CMM-3的软件开发模式下的软件测试过程模型。     

多目标轮廓Mumford-Shah水平集提取

目标轮廓的快速检测进而提取其几何形状,在图形图像处理中有着重要的作用.提出了一种多目标轮廓的水平集提取方法,对基于Mumford-Shah模型的C-V方法从两方面进行了改进:增加梯度矢量场和曲线法方向的融合作为边界吸引场,生成可以驱动主动轮廓向边缘进化的双向几何变形流,保留原图像分布信息作为区域进化能,解决未考虑局部几何信息造成的区域能量捕捉信息不全,或边缘梯度场和演化曲线法线方向正交时无法实现拓扑结构变化的缺陷;对水平集函数进行修正,使得它在收敛过程中能自动进行调整,确保其满足符号距离函数的要求,扩大初始化前迭代搜索区域,减少初始化次数,提高收敛效率;最后给出所提方法的数字化求解方案.实验表明该方法可行且具有较好的鲁棒性.