基于改进遗传算法的计算机网络可靠性优化设计

计算机网络可靠性,是对计算机的性能进行综合性衡量的一项主要的指标,计算机网络的传统化系统具有庞大和复杂性质,同时容易受到众多方面不良因素的严重影响,对系统容易造成不稳定的现象,进而使整个网络面临极大风险.面对这种情况,在针对计算机网络进行设计方案的深入分析的基础上,对计算机网络可靠性的新型优化模型的实际建立以及网络成本的具体链路模型的建立进行结合.有效改进遗传算法的传统化繁殖方式,在对全局的收敛性做到保证的同时,对算法进行流畅性的提高.利用实验以及仿真有效验证了对遗传算法的有效改进使计算机的进一步优化要比模糊神经网络以及神经网络算法的方法有着明显的优势,使计算机网络可用性以及可靠性得到最大化,使网络错误出现率得以降低以及避免,不断优化计算机的一些网络性能.     

多特征检测人形识别安防摄像机设计

针对高准确率和快速跟踪摄像功能的需求,基于机器视觉设计了人形识别安防摄像机。首先,确定了整体工作方案;其次,提出一种多特征组合人形识别方法,通过训练3个分类器,分别识别人形正身、侧身和背身,并采用haar特征+adaboost算法实现人形识别和定位功能,再利用PID算法控制步进电机和舵机实现人形跟踪;最后,开发了安卓手机端APP。测试结果表明:多特征组合识别方法能够快速识别人形目标,帧率不低于20Hz;与单特征人形识别方法相比,识别准确率提高27.3%;人形目标追踪时间不超过1.7s;摄像机能够流畅实现WiFi控制、无线监视和录像下载等功能。     

湖南广播电视台国际频道新增百万中国香港用户“文化出海”擦亮电视湘军品牌

2021年1月20日00:00,湖南广播电视台国际频道进入中国香港有线网络,新增百万中国香港用户。此外,中国香港150多家四星以上酒店也将同步可以收看到湖南国际频道。其独立运营的湖南省外宣融媒体矩阵现已集结了30余家新媒体平台,并在Youtube、Titter、Instagram、Facebook等海外平台实现自主全维运营。     

对网络摹仿签字的检测与识别研究

互联网时代,不同于传统摹仿签字的网络签字服务发展迅速.本文对当前网络摹仿签字首先进行了收集,接着,分别与摹本进行特征标识和比对,并就如何检测与识别这种摹仿签字进行了研究,最后,得到了对其进行检测与识别的依据和思路,为网络摹仿签字的检测与识别提供了有益的帮助.     

供水管网DMA优化分区设计方案

实施独立计量分区(district metered area,DMA)是辅助供水管网管理和漏损识别的重要手段.图划分算法是进行DMA分区的方法之一,常规图划分算法应用中,存在解空间受限、分区后原水流状态易发生较大改变、形成较多串联分区(对流量计算不利)的缺点.在常规图划分算法基础上进行了改进:粗化阶段按照特定规则匹配、合并非输水干管两端的节点,形成简化的管网拓扑结构;分区阶段得到管网初步分区方案;细化阶段提出基于贪心算法、枚举算法、蒙特卡洛算法的分区调整方法,结合改进的仪表安置方法、水力模拟、优劣解距离法(technique for order preference by similarity to an ideal solution,TOPSIS),对分区方案进行调整.将该方法应用于YX市供水管网,成功进行了分区.     

5G技术在医院智能服务中的应用

纵观当今的发展格局,是科学技术高速发展的时代。随着5G时代的来临,网络技术在各个领域中扮演着越来越重要的角色。特别是在医疗方面,为医院的日常工作奠定了坚实的基础。今天就5G网络技术在医院只能服务中的应用展开谈论。     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

基于测绘地理信息技术的涉地税源风险识别模式应用研究

为解决沧州市涉地税源管理手段单一等问题,文中提出以测绘地理信息技术为支撑,通过对多源数据组织管理,建立风险分析指标,采用多种GIS空间分析方法构建了涉地风险税源识别模式并在沧州进行应用。结果表明:该模式能有效识别多种涉地风险,为涉地税源管理提供了支撑。     

基于堆叠稀疏去噪自动编码网络与多隐层反向传播神经网络的铣刀磨损预测模型

刀具磨损状态是机械加工过程中需考虑的重要因素之一.针对铣刀磨损的在线预测问题,建立了一种基于深度学习的铣刀磨损预测模型.首先,将采集到的铣刀切削时的振动信号进行小波去噪后,利用快速傅里叶变换和小波包分解等技术提取时域、频域及时频域上的特征参数,并根据相关性分析从中筛选出合格的特征参数合并为特征向量,以此作为堆叠稀疏去噪自动编码网络(SSDAE)的含噪样本.其次,利用特征后处理的方式对已经筛选出的特征参数进行单调不递减及平滑处理,并将其作为SSDAE的无噪样本来训练该网络.然后,将经过SSDAE降维后的特征向量作为多隐层反向传播神经网络(BPNN)的输入,以这些特征对应的实际铣刀的磨损量作为标签对该网络进行拟合训练.最后,对训练好的模型进行实验验证,通过测试数据集和人为加入噪声的测试数据集的对比,结果显示所提模型不仅具有较高的预测精度,还具有较高的鲁棒性.     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.