改进蚁群算法的机器人路径规划研究

针对传统蚁群算法存在算法收敛速度慢、易陷入局部最优的问题,文中提出了一种改进的蚁群算法。在传统A ^*算法的基础上,改进其估价函数,并将其引入到蚁群算法中,提出了改进启发函数η,增加目标点对路径搜索的吸引力,提高了收敛速度。新方法还改进了信息素挥发因子ρ,使信息素挥发因子处于动态变化,提高了算法的全局搜索能力,避免陷入局部最优。仿真结果表明,改进的蚁群算法在收敛速度上比传统蚁群算法提高了近50%,在最短路径上明显优于传统的蚁群算法,证明了改进算法的有效性。     

裸体方格星虫盲肠的形态和组织结构

利用组织学技术对裸体方格星虫盲肠的形态和组织结构进行了研究．研究表明：裸体方格星虫盲肠表面凹凸不平,间隔分布有多纤毛的扁平细胞．盲肠由粘膜、粘膜下层、肌层和外膜组成,粘膜上皮为单层柱状上皮,高尔基体和内质网发达,胞内含有2种颗粒物质,细胞游离端较膨大,微绒毛较发达;肌层薄,为平滑肌,粗肌丝直径32．5±5nm,肌丝的排列不规则;外膜为薄的浆膜,具多纤毛的扁平细胞．可以推测,裸体方格星虫盲肠不仅具有吸收功能,而且还具有合成某些物质和推动体腔液流动的功能．     

植物酵素发酵过程中理化成分变化规律及其对果蝇寿命的影响

研究了植物酵素人工发酵过程中部分理化指标及体外抗氧化活性的动态变化,并考察了酵素对果蝇寿命及体内抗氧化活性的影响。实验结果显示,酵素发酵过程中p H由最初的4.11不断降低至发酵终点的3.50,还原糖含量呈现先降低后升高再降低的趋势,最终降低到78.78±3.24 mg/mL,总酸和总多酚的含量最终分别达到9.80±1.06 mg/mL和55.04±1.36μg/mL;酵素的DPPH自由基清除能力和还原力均随发酵的进行而增强;野生黑腹果蝇基础培养基中添加2%的酵素可显著提高雄性果蝇的半数死亡时间、平均寿命和最高平均寿命(p0.05),比对照组分别提高了22.06%、15.44%和14.99%;2%剂量组雌果蝇的半数死亡时间和最高平均寿命亦均显著高于对照组(p0.05),且1%剂量组雌果蝇的平均最高寿命也显著高于对照组;2%剂量组果蝇体内的SOD活力显著高于对照组,MDA含量显著低于对照组,酵素对果蝇体内MDA含量的降低效果更加明显。     

基于K-means分层聚类的TCN-GRU和LSTM动态组合光伏短期功率预测

为了提高电网运行的稳定性和改善电网的节能调度,针对目前单一模型处于不同天气状况时,预测精度难以达到最优的状况,文章提出了一种基于K-means分层聚类的TCN-GRU和长短期记忆网络(LSTM)动态组合光伏短期功率预测。利用K-means算法进行二次聚类,将天气类型分为晴天(A₁)、多云(A₂)、阴天(A₃)、雨天(A₄);通过时间卷积网络(TCN)提取数据的时序特征,并结合门控循环单元(GRU)建立出融合提取时序特征模块的TCN-GRU结构;TCN-GRU与LSTM神经网络动态组合后,通过弹性网络(ElasticNet)回归选择最佳输出权重得到最终预测值;基于江苏某地区的光伏发电功率数据及对应的气象数据对文章所提出的方法进行验证。在4种天气状况下,通过与其他模型预测结果进行比较,文章提出的动态组合模型预测精度更高。     

融合互利共生和透镜成像学习的HHO算法

针对哈里斯鹰优化算法收敛速度慢、易陷入局部最优的问题,提出一种融合互利共生和透镜成像学习的哈里斯鹰优化算法(improved Harris hawks optimization,IHHO).利用Tent混沌映射初始化种群,增加种群多样性,提高算法寻优性能;在探索阶段融入一种互利共生思想,并引入非线性惯性因子,以增强种群...     

基于改进灰狼算法的轮毂电机矢量控制

针对电动汽车运行状态变化时轮毂电机产生的超调以及振荡问题,提出一种基于改进灰狼算法的轮毂永磁同步电机矢量控制系统PID参数自整定的方法.将原始灰狼算法中线性递减的收敛因子改进为基于余弦规律变化,加入影响更新的权值系数,提升算法性能.在此基础上,设计一个振荡超调惩罚项加入,改进适应度函数,有效地改善振荡和极大超调的现象....     

基于AMESim和Simulink的水压机空行程-提升过程液压冲击仿真分析

水压机水路系统各管道存在液压冲击现象。根据AMESim和Simulink软件各自特点及接口技术,建立了水路系统的AMESim仿真模型和主分配器阀的Simulink开启控制模型,并使用"Co-simulation"接口实现两模型的联合仿真。仿真分析了活动横梁速度在空行程时随凸轮转角变化的规律,以及空行程突然改变到提升状态时提升缸管道内液压冲击的变化过程。仿真结果表明:当空行程时凸轮转角不超过活动横梁最大速度时的角度值,空行程改变到提升状态过程中提升缸管道内液压冲击值较小,并且活动横梁速度减小则液压冲击值减小。     

结合LDA与Self-Attention的短文本情感分类方法

在对短文本进行情感分类任务的过程中,由于文本长度过短导致数据稀疏,降低了分类任务的准确率。针对这个问题,提出了一种基于潜在狄利克雷分布（LDA）与Self-Attention的短文本情感分类方法。使用LDA获得每个评论的主题词分布作为该条评论信息的扩展,将扩展信息和原评论文本一起输入到word2vec模型,进行词向量训练,使得该评论文本在高维向量空间实现同一主题的聚类,使用Self-Attention进行动态权重分配并进行分类。通过在谭松波酒店评论数据集上的实验表明,该算法与当前主流的短文本分类情感算法相比,有效地提高了分类性能。     

改进SMOTE的不平衡数据集成分类算法

针对不平衡数据集的低分类准确性,提出基于改进合成少数类过采样技术（SMOTE）和AdaBoost算法相结合的不平衡数据分类算法（KSMOTE-AdaBoost）。首先,根据K近邻（KNN）的思想,提出噪声样本识别算法,通过样本的K个近邻中所包含的异类样本数目,对样本集中的噪声样本进行精确识别并予以滤除;其次,在过采样过程中基于聚类的思想将样本集划分为不同的子簇,根据子簇的簇心及其所包含的样本数目,在簇内样本与簇心之间进行新样本的合成操作。在样本合成过程中充分考虑类间和类内数据不平衡性,对样本及时修正以保证合成样本质量,平衡样本信息;最后,利用AdaBoost算法的优势,采用决策树作为基分类器,对平衡后的样本集进行训练,迭代多次直到满足终止条件,得到最终分类模型。选择G-mean、AUC作为评价指标,通过在6组KEEL数据集进行对比实验。实验结果表明,所提的过采样算法与经典的过采样算法SMOTE、自适应综合过采样技术（ADASYN）相比,G-means和AUC在4组中有3组最高;所提分类模型与现有的不平衡分类模型SMOTE-Boost,CUS-Boost,RUS-Boost相比,6组数据中：G-means均高于CUS-Boost和RUS-Boost,有3组低于SMOTE-Boost;AUC均高于SMOTE-Boost和RUS-Boost,有1组低于CUS-Boost。验证了所提的KSMOTE-AdaBoost具有更好的分类效果,且模型泛化性能更高。     

北京外国语大学校园网解决方案

北京外国语大学作为我国重点院校,对信息的需求量、广泛程度和时效性的要求随着社会信息化的高度发展而日趋提高。基于此点,着手建立一个有着高稳定性、高后向兼容性的校园计算机信息网络。针对校方提出来的规划设想,清华同方网络公司根据北京外国语大学的实际情况,分析今后的主要应用范围,与未来多媒体应用的潜在性,借鉴了公司在其他广域网建设方面的经验,设计规划了这套解决方案。