基于改进粗糙集的混合传感器节点分类算法

混合传感节点的属性较难形成统一识别特征，其节点属性约简过程复杂，存在分类时间长及分类性能差的问题。为此，提出了基于粗糙集的混合传感节点高精度分类算法。在初始化传感节点的基础上计算适应度值，利用遗传算法优化粗糙集修正校验结果，获得统一编码形式的节点。在此基础上，排除了属性权重为“0”的属性，完成节点属性约简。再利用普通分类方法和高级分类方法结合的方式，进行混合节点分类。根据约束条件选取对应的分类方法，实现混合传感节点高精度分类。仿真结果表明，所提算法的分类用时低于520 ms，且该方法的查全率、查准率及F1值均高于对比方法，混合传感节点分类性能较好。     

传统固态白酒高级醇调控技术的研究进展

随着中国影响力的日益增强，中国白酒国际化进程必将加速发展，这对其酒质提出了更高要求。白酒酒质与风味物质密切相关，适当含量的高级醇能使酒体风格更为协调，但过高含量的高级醇会引发上头效应，极大影响饮酒后的舒适感。本文综述了传统固态白酒酿造过程中高级醇的形成机理，并对高级醇调控技术的研究进展进行了总结，以期为建立白酒高级醇的调控技术提供理论依据。     

复杂工况下二阶碰撞时间自动紧急制动模型

自动紧急制动是汽车安全行驶的重要保障，也是汽车智能化关键技术研究的重点和难点。针对传统防撞时间（Time To Collision,TTC）模型在复杂工况下，本车与目标车车辆速度接近时易出现无限大的问题导致预警过早或过晚的问题，以四轮独立驱动电动汽车为研究对象，提出一种基于二阶TTC的自动紧急制动模型。将目标车按照场景分为静止、ACC和Cut-in等三种类型，通过二阶TTC计算到可能碰撞时间，并与预设的时间阈值进行对比，力矩分配控制器根据当前输入信息计算得到制动力矩并传给车辆执行机构，车辆根据当前信息进行减速或紧急等辅助措施。利用联合仿真对该紧急制动模型进行了验证，结果表明当目标车存在加速度的情况下，该自动紧急制动模型相较与传统一阶TTC紧急制动模型能够很好地进行制动，防止车辆碰撞，并能有效适应复杂工况。     

从本地到云端如何正确处理数据

如今,很多企业上云,只是把本地的数据技术、治理模式和安全能力迁移到云端,并没有思考如何通过真正云化的数据存储形式和技术方法,重构云端体验。什么是存储和使用数据的新方法?与传统本地模式相比,最新的数据存储方式有哪些不同?把数据从传统的数据仓库、数据湖迁移到分布式数据网格,就是现代化设计体系吗?其实,很多人都非常困惑。     

基于卷积神经网络的5G蜂窝网络无线定位方法

5G蜂窝网络发展迅猛，其覆盖面积将逐渐增大，因此使用5G蜂窝网络进行定位是有研究潜力的研究方向。本文提出一种新的深度学习技术来实现高效、高精度和低占用的定位，以代替传统指纹定位过程中繁重的指纹库生成以及距离计算。该方法建立了一个特殊的卷积神经网络，并根据5G天线信号的接收信号强度指示、相位和到达角等特征量，选择合适的输入数据格式构造样本组建训练集，对该卷积神经网络进行训练。训练得到的卷积神经网络可以替代指纹定位中的庞大指纹库，非常有利于直接在5G移动设备端实现定位。虽然卷积神经网络在训练过程中需要大量时间，但在训练完毕后直接进行分类定位的速度非常快，可以保障定位实现的实时性。本文所实现的卷积神经网络权重与偏置所占内存不到0.5 MB，且能够在实际应用环境中以95%的定位准确率以及0.1 m的平均定位精度实现高精度定位。     

Eni公司开发从厨余垃圾提取的有机物转化制生物燃料技术

Eni公司可再生能源和环境研发中心开发了废弃物转化制燃料(W2F)技术。该技术是以城市固体废弃物中的有机成分(OFMSW)为原料生产生物燃料,这种有机成分是厨余垃圾组成部分。该研发中心是世界上首家设计、开发这类技术并申请专利的机构。意大利每年收集约30 Mt垃圾,经过正确分类的垃圾约14 Mt,其中含有约7 Mt OFMSW。如果收集更多并更细致分离厨余垃圾的话,得到的OFMSW可达10 Mt。目前,OFMSW主要用于农业堆肥,也有少量用于生产沼气。