基于Prophet人工智能算法的网络潮汐效应预测研究

本文使用Prophet人工智能算法研究与预测移动通信网络“潮汐效应”现象，探索网络“潮汐效应”在优化网络资源配置实现网络降本增效的作用。Prophet人工智能算法是一种简单、有效，且易于实现的人工智能算法。通过facebook的人工智能开源框架fbprophet，研究4G网络PRB利用率等网络资源指标的“潮汐效应”，并预测这些网络资源指标在未来的变化趋势，用来指导当前4G网络减容、扩容和4/5G节电节能等，实现优化网络资源配置达到降本增效的目的。     

一种基于深度学习的智能威胁评估算法

在现代信息化战争中依据战场态势变化进行合理威胁评估，对实现指挥系统自动化具有重要意义。为了克服传统规则算法评估能力的局限，设计了一种基于深度学习的新型智能威胁评估算法。首先设定了防空威胁评估指标选取原则，在此基础上从多个不同角度出发建立了反映空中目标威胁的指标体系，然后构建深度神经网络模型予以解决。新算法的优点在于威胁评估快速可信、易于实现，且对于不断变化的空情威胁可进行持续更新优化。最后，通过典型作战场景的仿真数据验证了模型的有效性和可行性。     

多自动导引车路径规划的时空冲突约束A*算法

针对自动导引小车(AGV)在仓储物流搬运系统中的路径冲突问题,提出一种基于时空冲突约束的A*算法.先在拓扑栅格地图的基础上加入时间轴建立时空地图模型,再针对时空地图的特点和冲突约束条件重新设计A*算法的子节点扩展规则和节点评估函数.利用改进后的A*算法按照优先级顺序为各个AGV规划路径,规划完成一条路径后,用mark表记录其在时空地图中的节点信息,再利用改进后的A*算法结合mark表搜索新路径.通过仿真实验证明了该算法的有效性.     

改进的LBP算法在管制员疲劳识别中应用

为了更好地识别空中交通管制员疲劳状态下的面部特征,针对由于局部二值化模式(LBP)算法识别率低和易受外部环境变化等影响,深入研究了LBP算子、直方图特征提取对传统LBP算法改进.并结合了LIOP编码方法,进一步提出了增强局部量化模式(ELQP)算法.结果表明,改进后的LBP算法在管制员疲劳面部识别中具有更高的识别率和较强的鲁棒性.     

基于ISVD多级降噪和SVM的轴承故障诊断研究

在强噪声背景下难以提取出滚动轴承的故障特征，导致对轴承的故障诊断准确率不高，针对这一问题，提出了一种基于小波变换、改进奇异值分解多级降噪算法与支持向量机模型的轴承故障诊断方法。首先，采用小波降噪对滚动轴承的原始信号进行了初始降噪，消除了部分的随机噪声；然后，主要通过改进相空间矩阵重构方式，对该信号进行了改进奇异值分解二次降噪，并提出了新的奇异值有效秩阶次确定方法，利用峭度对一维信号提取方案进行了优化，并对其完成了降噪；最后，通过提取了10个有效特征，结合支持向量机在MATLAB中进行了仿真实验，分析了不同特征对轴承的故障诊断结果的影响，并将方法与其他方法进行了对比分析。研究结果表明：采用多级降噪算法降低了轴承工作状态下的背景噪声，使其故障特征频率更为明显；支持向量机分类诊断器的故障识别准确率达到98.3%,能够有效地识别轴承故障发生的位置和严重程度。     

认同度修正下的近相邻改进推荐算法研究

如何融合多方因素准确地为用户提供个性化产品一直是关注的热点问题，由此，一个新的近相邻改进算法融入了大众化认同度和个性化认同度，利于更加高效地挖掘隐藏信息。实验结果表明，相对于传统近相邻算法，认同度修正算法虽然查全率小幅度上下波动，但其他多个评价指标都得到极大提升，假正率和深度有所减少，查准率、[F1]值和提升度得以增加，并且，受试者特征曲线和提升曲线也都说明此修正算法具有更为显著的推荐效果。     

基于K-AP算法的高光谱图像波段选择方法

在高光谱图像分析领域中，波段选择是一种能有效减少高光谱图像维度的方法。K类仿射传播算法是一种高效的聚类算法，已成功地应用于人脸识别和数据分析等领域，但在高光谱图像分析领域还少有成功的应用。提出将K-AP算法应用于高光谱图像波段选择，对高光谱图像进行有效的数据压缩。针对K-AP算法的特点，基于Kullback-Leibler散度定义了新的相似度矩阵，对波段进行度量，再使用K-AP算法进行聚类，选择最有代表性的波段。实验结果表明，与常用的波段选择方法相比，所提出的方法有更好的表现。