永兴大布江拼布传统制作技艺的当代保护与传承

大布江拼布是湘南永兴县大布江乡的一种传统民间工艺形式,拼布所选用的材料都为破旧的衣服、零碎的布头等,具有生态环保与节俭的文化内涵,其"以针代笔,以线晕色"的特征又体现了民间工艺实用与审美的双重价值。如今这一传统民间工艺形式却随着科技的高速发展与社会物质的不断丰富逐渐淡出了人们的视野,如何在新的时期利用当代新技术手段与方法对其进行保护与传承值得思考。     

基于限定PSO初始化空间的随机最大似然算法

针对随机最大似然算法（SML）在波达方位（DOA）估计中由于多维非线性优化导致计算复杂度大的问题，提出一种限定粒子群（PSO）算法搜索空间的SML算法。该算法克服了一个缺陷，即在采用ESPRIT算法限定PSO初始化空间时，在阵列结构是非均匀线性阵列而且信号是相干信号时ESPRIT算法不能直接处理信号，且需要采用一组预处理技术，这增加了算法计算的复杂度。提出的算法的关键之处在于采用假设技术确定初始化点来代替ESPRIT算法的解，结合克拉美罗界（CRB）确定PSO算法的初始化解空间。这一方法不必再采用预处理技术，且利用限定PSO初始化空间的算法大大降低了SML算法的计算复杂度。实验结果表明，提出的算法为相干情况和非相干情况都提供了相当好的初始值。最后，将该算法与许多现有算法进行比较，验证提出算法的有效性和准确性。     

一种基于鲁棒随机向量函数链接网络的磨矿粒度集成建模方法

作为磨矿过程的主要生产质量指标, 磨矿粒度是实现磨矿过程闭环优化控制的关键.将磨矿粒度控制在一定范围内能够提高选别作业的精矿品位和有用矿物的回收率, 并减少有用矿物的金属流失.由于经济和技术上的限制, 磨矿粒度的实时测量难以实现.因此, 磨矿粒度的在线估计显得尤为重要.然而, 目前我国所处理的铁矿石大多数为性质不稳定的赤铁矿, 其矿浆颗粒存在磁团聚现象, 所采集的数据存在大量异常值, 使得利用数据建立的磨矿粒度模型存在较大误差.同时, 传统前馈神经网络在磨矿粒度数据建模过程中存在收敛速度慢、易于陷入局部最小值等缺点, 且单一模型泛化性能较差, 现有的集成学习在异常值干扰下性能严重下降.因此, 本文在改进的随机向量函数链接网络(random vector functional link networks, RVFLN)的基础上, 将Bagging算法与自适应加权数据融合技术相结合, 提出一种基于鲁棒随机向量函数链接网络的集成建模方法, 用于磨矿粒度集成建模.所提方法首先通过基准回归问题进行了实验研究, 然后采用磨矿工业实际数据进行验证, 表明其有效性.      

不同炮兵标准气象条件下决定射击诸元一致性分析

比较了国内炮兵标准气象条件和北约炮兵标准气象条件的气温和压力分布差异,计算了两种炮兵标准气象条件下的射程,导出了两种炮兵标准气象条件下弹道气象诸元偏差关系公式,通过算例分析了两种标准气象条件下的决定诸元的一致性。得到的结果为:尽管两种标准气象条件有差异,但两者弹道气象诸元的精确层权基本相同,气象诸元偏差修正系数基本相同,对北约标准的气压偏差为对国内标准的气压偏差加上同高程国内标准气压对北约标准的偏差,对北约标准气温偏差为国内标准的气温偏差加上相同弹道高下国内标准气温对北约标准气温的弹道温偏;两者弹道纵、横风基本相同,决定射击诸元具有一致性。     

基于随机森林算法的客户流失模型

针对电信行业流失客户预测的实际需要,比较几种预测模型的优劣,详细介绍随机森林算法的基本原理与模型构建过程,结合电信行业客户的数据特征,通过数据处理与算法调整优化,探索构建基于随机森林算法的客户流失模型,验证模型的实际应用效果。     

多用户分集与能量受限非可信中继系统遍历安全性能分析

研究了一种能量受限的非可信中继与多用户分集技术相结合的两跳链路安全网络通信模型。为提升系统安全性能，本文采用混合时间-功率分配中继(time-power splitting-based relaying, TPSR)协议,并结合机会调度策略(opportunistic scheduling strategy, OSS)从多用户分集网络中选择一个最佳目的节点作为信息接收端。基于随机选择(random selection, RS)策略，该文中利用低复杂度的高斯Q函数分析系统的安全性能以及在协作中继上进行能量采集活动不中断的条件下推导了系统的遍历安全速率(ergodic secrecy rate, ESR)的近似闭合表达式。此外，将提出的OSS与RS通信方案下性能进行对比，证明本文所提出的OSS更适用于分布式多用户选择网络。      

基于ESU图的活动社交网络用户参加活动推荐

活动社交网络(EBSNs)为用户提供了方便的组织、参加和分享社交活动的平台。该文面向EBSNs活动推荐问题,提出了包含活动(Event)、主办方(Sponsor)和用户(User)的ESU图模型,深入揭示了EBSNs的实体及其社交关系。因为用户参加活动受多个因素影响,我们提出了基于ESU图的活动推荐多因素决策模型,包括社交影响力、活动内容、活动地点及活动时间。根据ESU图特点,提出了基于双向重启随机游走算法BD-RWR的实体重要度计算方法。选取真实的EBSNs平台—豆瓣同城验证所提方法的有效性。实验结果表明,该文提出的ESU图模型及融合了多因素的活动推荐模型,与已有最新方法相比,有效地提升了用户参加活动的推荐效果。