基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法

针对水梁印识别困难且工作量大问题,提出一种基于改进降噪自编码器半监督学习模型的热轧带钢水梁印识别算法。该算法在降噪自编码器（Denoising auto-encoder, DAE）的基础上对编码层的每一层添加随机噪声,在隐藏层后添加分类层,并对数据添加伪标签,在解码的同时进行分类训练,使得DAE具有半监督学习能力。通过提取热轧带钢粗轧出口温度数据中的温差特征,用相应特征对模型进行训练。实验结果表明,算法能够准确识别出带钢的水梁印,在模型精确度上,与主流分类识别模型对比,提出的模型在带标签样本数量较小时,分类精度相比其他模型高5.0%～10.0%;在带标签样本数量较大时,提出的模型分类精度达到93.8%,现场能够根据模型的识别结果提高生产效率。      

融合半监督学习的小样本条件下热轧带钢力学性能预测

基于工业数据的热轧带钢力学性能预测技术可以有效减少热轧过程中带钢性能检测取样频率、缩短交货周期、降低生产成本，然而针对小样本下的数据驱动建模始终是一个建模难题。本文聚焦小样本条件下的热轧带钢力学性能建模问题，基于工业生产过程中产生的数据，采用安全弱监督学习(safe weakly supervised learning, SAFEW)算法为未标记数据添加伪标签，实现训练数据的扩展，采用随机森林算法建立热轧带钢成分、工艺、性能之间对应关系，并通过贝叶斯优化的方法确定随机森林超参数，实现小样本条件下热轧带钢力学性能预测。针对工业应用，本文在此基础上开发了热轧带钢力学性能预测软件，结果显示，融合半监督学习的随机森林算法较普通随机森林算法在小样本热轧带钢力学性能预测方面表现更为优异。经统计，屈服强度和抗拉强度预测值和实测值绝对误差在±30 MPa以内的命中率较普通随机森林模型分别提高了6.08%和2.60%,伸长率预测值和实测值绝对误差在±3%以内的命中率较随机森林模型提高了4.78%。     

基于自训练的多标签岩矿石薄片分类方法

岩矿石薄片识别是一项专业性要求极高的任务,人工识别常出现不可避免的主观错误,且效率极低。深度学习图像识别技术是可以高效进行岩矿石薄片识别的方法,但训练深度学习模型需要大量标注数据,因此如何高效利用有限标注数据具有重要意义。通过采用多标签分类方法,在有标签数据集上先训练一个分类器,然后使用该分类器为大量无标注的岩矿石薄片生成伪标签,最后使用有标签的训练数据和所有无标签数据重新训练模型。结果表明,采用多标签分类方法识别岩矿石薄片结构及矿物是可行的,同时使用半监督学习方法训练模型,在不进行大量人工标注的情况下,可提高该模型的泛化能力。     

分布式自组织网络动态功率控制机制的研究与实现

针对自组织网络的功率控制机制,提出了一种适用于自组织网络的分布式动态功率控制机制.源节点首先向目的节点申请保护时隙作为专用数据通信时隙,申请成功后源节点根据接收到的响应报文的发送功率和接收信号强度指示器,计算出源节点到目的节点的最优发送功率,减少发送功率从而节省节点能耗.基于CC2430无线模块开发了实验验证平台对该机制进行验证,调整节点的发射功率可以延长节点的生命周期,减少通信冲突碰撞,而基于信标帧调度的网络提升了网络的容量.实验结果表明,该动态功率控制机制能有效降低网络能耗,同时网络整体容量也得到了一定的改善.     

一个广义三次样条光滑半监督支持向量机

研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果.      

流形正则化多核模型的模糊红外目标提取

针对模糊边缘的红外目标提取问题,提出一种基于流形正则化多核半监督分类的提取方法.首先应用最大类间方差法计算初始分割阈值,获得确定化的目标和背景区域以及待确定化的模糊边缘区域;然后建立各区域内像素点邻域空间集,并通过多核函数特征映射获得邻域空间中灰度均值和方差信息特征值,通过流形正则获得邻域空间中位置信息特征值;在特征值基础上,建立半监督分类模型对模糊边缘区域像素点邻域空间集进行类别划分;最后计算最佳分割阈值.对比实验结果表明,该方法提取模糊边缘红外目标效果好且运算效率高.      

多媒体传感器网络中被动目标定位算法

针对被动目标定位问题,提出了一种多视觉感知节点协同定位算法.与传统的视觉目标定位方法不同,该算法无需进行训练或特征识别,而是各个节点基于机器视觉理论,将目标投影为定位平面上的一条直线,并使用Hough变换将该直线映射为Hough空间中的一个离散点,最后对离散点进行正弦曲线拟合,拟合参数即为目标的最终位置估计.根据视觉感知节点所处高度及分辨率引入置信度参数,进一步提高了多视觉感知节点协同定位算法精度.最后分析了算法的时间复杂度,并通过实验验证了该算法可以获得5 cm以上的定位精度.     

基于多元回归方法对室内定位适应性的研究

为了提高室内定位对环境变换的适应性,提出一种新的定位方法.该方法在指纹数据库的基础上,增加参考点,在离线阶段,利用多元线性回归建立参考点与移动端之间信号强度的关系,用采预测实时定位时的信号强度;而为了让两者之间的关系误差更小,提出了一种分区域建立模型关系的方法.在实时定位阶段,通过比较实时信号强度与预测信号强度确定移动端的位置.     

基于重选择流形排序的图像检索

在研究已有基于流形排序图像检索算法存在问题的基础上,提出一种基于重选择流形排序的图像检索算法,此算法可以在节约时间的同时,进一步提高检索结果的精度,并在实际图像数据库中的实验结果验证了此算法的有效性.     

基于改进BP算法的连铸板坯中心偏析预报模型

结合某厂连铸生产数据,采用带有附加动量项的改进BP算法,建立了连铸板坯中心偏析的BP人工神经网络预测模型。应用结果表明,其预测准确率为90%,可满足连铸生产中对铸坯中心偏析预报精度的要求。分析导致预报偏差的主要原因是,网络模型隐含层节点较多、网络结构复杂、中心偏析等级为1.0的样本学习次数较多和噪音样本剔除不彻底等。     

无线传感器网络中最优分割圆定位算法

为提高无需测距定位算法精度,提出一种最优分割圆定位(OPCL)算法.以节点通信半径做分割圆,将待定位节点附近的锚节点分割为圆内及圆外两部分,定义匹配函数以量化衡量分割结果与实际一、两跳锚节点集合的匹配程度.在一定搜索范围和搜索粒度下,取最优分割圆的圆心作为目标位置.算法综合利用了节点连通性约束及非连通性约束.仿真结果显示,与同类的质心算法、最小包含圆算法相比定位精度显著提升,尤其是对边缘节点定位效果更明显.     

基于C4.5算法的无线传感器网络农业环境部署节点故障诊断方法

通过采集农业环境下无线传感器网络节点所采集的数据,基于C4.5算法挖掘故障诊断关联规则,建立了农业环境部署节点故障诊断模型.结果表明,该模型能够比较好地对故障无线传感器网络节点进行识别.     

支持向量机理论与算法研究综述

统计学习理论(statistical learning theory,SLT)是一种小样本统计理论,着重研究在小样本情况下的统计规律及学习方法性质.支持向量机(support vector maehinse,SVM)是一种基于SLT的新型的机器学习方法,由于其出色的学习性能,已经成为当前机器学习界的研究热点.该文系统介绍了支持向量机的理论基础,综述了传统支持向量机的主流训练算法以及一些新型的学习模型和算法,最后指出了支持向量机的研究方向与发展前景.     

基于射频识别定位的卸料小车自动寻仓布料系统

针对工业配料人工操作劳动强度大、生产效率低、安全性可靠性差等问题,提出了一种基于射频识别(radio frequency identification, RFID)定位的卸料小车自动寻仓布料系统,包括读码器、定位标尺、料位计、料位采集器、PLC控制器、通信单元等。使用无源标签设计定位标尺,RFID输出功率自适应调整,用信号强度值检测方法提高定位精度,定位数据和料位数据采集通过无线通信传输,通过PLC编程控制实现自动寻仓布料功能。系统已在冶金项目实际应用,在完全满足生产要求的基础上减少了人员配置,提高配料生产效率约30%。     

一种基于TDD的无线mesh网络随机自学习调度算法

基于时分多址(TDD)的无线mesh网络是实现无线多跳网络和宽带无线接入的一种关键技术.为用户提供一种可以保障稳定通信的有效的分布式算法是影响基于TDD的无线mesh网络性能的关键因素.本文针对TDD的无线mesh网络提出一种随机自学习分布式调度算法,这种算法是一种基于信息学习的随机选择算法.在网络中,任一节点都要根据其邻居节点控制消息中所携带的数据,学习邻居节点的调度信息,从而判断可用时隙.若上次信息传输成功,则节点仍然沿用上次的传输时隙;反之,节点在可用时隙中随机选择一个时隙发送控制消息.仿真结果表明,与IEEE802.16标准中定义的算法相比,提出的随机自学习分布式调度算法能实现更高的吞吐量.     

矿井无线传感器网络不同信道传输特性试验研究

为研究无线传感器网络信号在矿井巷道中的传播特性,解决无线传感器节点在巷道中合理布设等问题,采用CC2420、CC1020和CC1100 3种无线射频芯片,设计出分别在2.4 GHz、780 MHz和433 MHz频段工作的无线传感器节点,并选用某矿井作为试验环境,采用3种不同的发射功率（15,5,-5 dBm）对节点在矿井巷道中的接收信号强度（RSSI）和丢包率（PLR）进行了测试分析。试验结果表明,3种不同频段的无线传感器节点的接收信号强度值均随着收发距离的增大而减小,且信号的衰减符合对数模型。通过仿真发现,布设的节点采用15 dBm和5 dBm 2种发射功率时,无线信号基本覆盖了所有巷道,能满足矿井的数据通信需求。若考虑节点的功耗,优先选择5 dBm发射功率;若考虑无线通信距离和质量,优先选择15 dBm发射功率。因此,在矿井巷道环境中应用无线传感器网络时,780 MHz频段的传输性能最佳,发射功率可根据实际情况进行选择。     

基于强化学习的牛鞭效应对策模型

在不确定供应链环境中提高供应链节点决策能力是提高竞争优势的主要方式.需求波动沿供应链从下游到上游逐级放大的牛鞭效应是供应链管理的重要问题.在综合分析供应链牛鞭效应的成因以及现有对策基础上,针对多层、多节点供应链模型,分析并运用强化学习理论和方法,提出有助于减弱牛鞭效应的强化学习算法.该强化学习算法能够用在不确定、多层、多成员供应链环境中,可取得整体最大效益,从而提高供应链的运作效率.     

基于脑电多视图混合神经网络的时空半监督睡眠分期

睡眠分期是评价睡眠质量的必要基础,现阶段的工作大部分采用全监督学习和单一维度视图信息进行,这不仅需要技师进行大量的睡眠数据标注,还可能因特征提取不充分而导致分期准确率受限的问题。利用半监督学习策略,实现对脑电无标注数据的学习。提出一种多视图混合神经网络,首先用多通道视图时频域机制分别提取时域信号特征和空域信号特征,实现多视图特征提取;再通过注意力机制加强对显著性特征的提取;最后将上述混合特征融合并分类。在三个公开数据集和一个私有数据集中与全监督学习进行了对比评估,半监督学习取得平均准确率为81.0%,卡帕值为73.2%。结果表明,本文模型可以与全监督学习的睡眠分期模型相媲美,同时显著减少技师标注数据的工作量。      

基于DV-Hop和距离几何约束的定位算法

针对DV-Hop定位算法的误差主要是计算未知节点和信标节点间距离的问题,利用二维空间的Cayley-Menger行列式提供的几何约束对未知节点到信标节点的距离进行优化修正.通过距离几何约束的条件对未知节点到信标节点之间的测量值进行处理,来减少未知节点到信标节点的测距误差,并采用三边测量法进行定位.仿真实验结果表明,随着信标节点数目的增加,用于校正的测量数据增加,该定位算法能够更加准确地测量未知节点和信标节点间的距离,提高网络节点的定位精度,同时使节点的覆盖率有了较大提高.     

基于神经网络的水厂原水水质的综合评价

基于BP神经网络的改进算法,提出了以Matlab 7.0为平台的算法程序的人工神经网络水质评价模型。参照《地表水环境质量标准》(GB3838-2002),确定神经网络学习和训练的样本并确定了模型的相应参数。以连云港市海州水厂原水取水口水质数据为样本,进行水质综合评价分析。与单因子评价法和模糊综合评价法进行了比较,结果表明神经网络模型所获得的结果更加客观、合理。