多头绒泡菌预处理的改进Q学习算法求解最短路径问题

针对最短路径问题中Q学习算法的初始搜索空间大、后期收敛不稳定的缺陷,提出多头绒泡菌预处理的改进Q学习算法(PPA-Q)。该算法引入网络预处理过程和自适应概率选择模型,利用多头绒泡菌进行网络预处理,减少算法前期的无用探索空间,再通过改进的模拟退火算法实现自适应概率选择模型,加强算法对优质路径的探索程度,增加算法初期解的多样性,同时在算法后期稳定逼近最优路径且不振荡。仿真结果表明,PPA-Q算法收敛到最优路径成功率为100%,高于经典蚁群(ACO)算法和Q(λ)算法的80%,其迭代次数分别低于Q学习算法57. 2%、ACO算法32. 9%和Q(λ)算法35. 1%.     

n型Bi2Te3基材料表面处理对热电单元性能的影响

Bi₂Te₃基微型热电器件的尺寸越小,界面结合强度及接触电阻对于器件力学性能、开路电压以及输出功率等的影响就越显著。因此开发成本低、工艺简单的热电单元制备技术,并使n型Bi₂Te₃基块体材料与阻挡层间的界面兼具低接触电阻、高结合强度具有重要意义。本工作将n型Bi₂Te₃基热电材料薄片在混合酸溶液(pH～3)中进行表面处理,随后进行化学镀Ni(5μm),再与Cu电极焊接制备得到热电单元。腐蚀后, n型Bi₂Te₃基热电材料表面大的沟壑与Ni阻挡层间形成锚固效应,腐蚀6 min的材料结合强度高达15.88 MPa。大沟壑表面进一步腐蚀后出现的精细分支与Ni阻挡层间形成纳米孔洞,显著增大了界面接触电阻,腐蚀2 min的材料达到2.23??cm2。最终,腐蚀4 min后镀Ni的n型Bi₂Te₃基热电片材与p型Bi₂Te₃基热电片材制备...     

基于Smote-KNN的小麦8种真菌毒素共污染特征气候分类模型研究

目的 分析我国不同气候区域小麦真菌毒素共污染特征，建立气候分类模型。方法 对来自12个省、自治区的887份小麦样本中脱氧雪腐镰刀菌烯醇、雪腐镰刀菌烯醇、黄曲霉毒素、赭曲霉毒素、伏马菌素、玉米赤霉烯酮、T-2和HT-2共8种真菌毒素检测数据按样本采集地的气候类型分为温带大陆性气候、温带季风气候和亚热带季风气候3类。对数据进行预处理并使用Borderline-SMOTE方法扩充以平衡数据集。使用主成分分析方法（PCA）对8种真菌毒素检测数据进行特征降维，选择降维后累计贡献率达97%的前二维特征作为小麦毒素数据特征。利用机器学习中的K最近邻（KNN）非线性分类器对上述数据特征进行分类研究，同时使用网格搜索算法对KNN模型参数进行调优。采用混淆矩阵、准确率、召回率和F1得分4个指标对模型进行评价，并比较所构建模型与支持向量机、随机森林和人工神经网络等常见分类模型在上述数据中的表现效果。结果本文提出的Borderline-SMOTE、PCA与KNN相结合的分类模型对小麦8种真菌毒素共污染特征的气候分类准确率可达98.31%，且方法性能优于其他分类方法。结论 本文建立的分类模型能有效判别我国3种气...