人工智能在智慧海洋建设中的应用

围绕人工智能与智慧海洋建设这条主线，论述人工智能、智慧海洋的概念，列举当前较为成熟的人工智能与海洋科技在海洋观测方面融合的切入点，初步展现一种海洋技术与装备智能化的发展路径，提出加快人工智能技术向智慧海洋建设赋能的几点建议。     

IPv6+网络创新体系发展布局

在中国互联网协议第6版（IPv6）规模部署全面实施的背景下，提出了IPv6+网络创新体系的发展目标，厘清了其概念的内涵与外沿，形成关键技术规划布局，并据此构建面向2030年的IPv6+网络创新体系发展路径。研究表明，中国应布局网络编程、网络层切片、网络确定性、网络随路测量、新型组播、网络自治以及可信安全等关键技术研究，推动核心设备、系统以及解决方案研发来引导产业发展，实施面向基础电信网络、行业信息网络的试点示范，加快IPv6+国家/国际标准体系的构建。     

施工阶段工程造价跟踪审计

随着我国经济和社会的逐渐发展,我国对于施工过程中的工程造价跟踪审计问题也越来越重视。其在施工阶段是一项非常重要的工作,本文通过对于多个工程项目在施工阶段的工程造价跟踪审计工作进行调查分析。进而总结出在审计工作过程中所需要注意的几个施工重点问题,希望可以给管理工作者提供一些借鉴。     

基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。     

主存高效的公交网络路径规划索引

在公交时间表下给定起始和目标站点,路径规划查询返回一组到达时间早和换乘次数少的帕雷托最优路径.现有的索引方法需要大量运行时内存.本文提出主存空间高效的索引方法(a-)PAINT.(a-)PAINT对每个站点v预计算一组标签,使得对于从站点s到站点d的查询可以通过匹配s和d相关的标签高效地生成查询结果的一条路径.PAINT对任意查询返回最优路径.a-PAINT只需要很小的预处理开销,但可能返回多一趟换乘的次优路径.用真实的公交时间表与模拟查询测试,PAINT具有合理的预处理开销.a-PAINT需要更少量的预处理开销,在大规模公交网络下准确率达90％.     

基于无线可充电传感器网络充电路线规划的相关研究

本文主要针对无线传感器网络WSN的相关研究,利用移动充电器定期为传感器的电池补充能量,从而源源不断地为WSN提供稳定的能量使其正常运转。首先通过建立数学模型,对如何消耗最少的能量以及传感器电池最小容量的问题,给出最优的方案。其次对消耗最少能量,即最短路径进行了定性与定量分析。利用MATLAB将给定数据的经纬度按照公式转化为横纵坐标,并且建立各个传感器以及数据中心绘制在二维散点图中,观察其分布地区。最后对转化出的横纵坐标以及散点图进行模拟退火分析,得到移动充电器最优的行走路线,分别求出每个移动充电器所经过的传感器的电池的最低容量。     

基于改进D?Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D~* Lite遗传算法。该算法将D~* Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D~* Lite遗传算法执行效率高,可以快速规划出全局最优路径。     

移动设备交互环境下的注视点感知计算方法

为了提高移动设备上眼动跟踪的精度和效率、降低硬件成本,提出基于注视点回忆的眼动数据感知计算方法.首先利用人的短时记忆特性建立注视点回忆和自我报告机制,要求用户点击移动设备屏幕来提交注视点位置数据;然后基于支持向量回归方法建立注视点数据误差补偿模型,对用户回忆和提交的注视点数据进行校正,进一步提高数据精度.为了验证数据误差补偿模型的效果,设计并开展了用户实验,结果表明,使用数据误差补偿模型后,对于不同类型的测试任务和测试图片,注视点回忆数据精度提高15%～40%.