融合语义差别和流型学习的偏标记学习方法

偏标记学习是一种重要的弱监督学习框架。在偏标记学习中,每个实例与一组候选标记相关联,它的真实标记隐藏在候选标记集合中,且在学习过程中不可获知。为了消除候选标记对学习过程的影响,提出了一种融合实例语义差别最大化和流型学习的偏标记学习方法(partial label learning by semantic difference and manifold learning, PL-SDML)。该方法是一个两阶段的方法：在训练阶段,基于实例的语义差别最大化准则和流型学习方法为训练实例生成标记置信度;在预测阶段,使用基于最近邻投票的方法为未知实例预测标记类别。在四组人工改造的UCI数据集中,在平均70%的情况下优于其他对比算法。在四组真实偏标记数据集中,相比其他对比算法,取得了0.3%～13.8%的性能提升。     

城市园林景观设计过程模块化信息融合模型

因传统的信息融合模型存在城市园林景观设计效率低的问题,基于遗传神经网络设计了新的城市园林景观设计过程模块化信息融合模型.在预处理传感器图像的基础上,利用有序数值序列创建数字高程模型.然后通过人工视差辅助机制获得立体正射影像对,结合蚁群算法生成三维园林景观.采用过程维和语境维描述园林设计规模和资源,搭建主体鲜明的模块化园林景观;最后基于实数编码的遗传算法优化神经网络初始权值,并挑选适当学习因子训练神经网络,从而完成信息融合任务.仿真结果表明,上述模型融合过程稳定性较好,信息融合能耗较低,可促进园林景观的高效率建设.     

移动无线物联网感知层传感控制定位算法研究

为了提高感知层传感控制定位的准确性和稳定性,提出移动无线物联网感知层传感控制定位算法.以DV-hop定位算法获取的移动无线物联网感知层通信区域内所有节点到各个锚节点的距离和跳数信息为基础,提出了基于跳数修正的DV-hop定位算法,对锚结点间跳数和未知结点跳数进行修正,计算出每个锚结点与各结点之间的距离,利用二维双曲线定位算法得到未知结点的位置坐标,实现移动无线物联网感知层传感控制定位.实验结果说明:所提算法在不同总节点个数和节点通信半径下定位误差始终保持最低,稳定性强;当跳数修正系数为2时该算法的定位精度最高,效果最佳;可选择较大的锚节点比例和较小的偏离因子,进一步提升定位效果.     

基于改进IAA算法的网络入侵数据挖掘仿真

采用目前方法挖掘网络入侵数据时未考虑数据之间的关联规则,导致网络入侵数据挖掘过程的检测时间长、检测效率低、误报效率高.提出基于改进Apriori算法的网络入侵数据挖掘方法,利用改进后的Apriori算法产生网络入侵数据之间的关联规则,依据产生的关联规则对网络入侵数据进行特征抽取,最后将抽取出的特征放人贝叶斯数据分类器中进行数据分类,实现网络入侵数据挖掘.实验表明,基于改进的Apriori算法在网络入侵数据挖掘过程中的挖掘时间短、检测效率高、误报效率低,具有一定的应用性.     

Delay‐dependent stability of nonlinear hybrid neutral stochastic differential equations with multiple delays

In this article, we study the delay‐dependent stability of a class of hybrid neutral stochastic differential equations (NSDEs) with multiple delays which is highly nonlinear. Some novel stability criteria are investigated according to Lyapunov functions and generalized Itô's formula. In particular, we generalize and improve the results in Shen et al, Systems & Control Letters (2018) from a single delay to multiple delays.     

基于物联网技术的小波域分块压缩感知算法的图像重构系统设计

针对低照明度重构图像分辨率不高、重构时间长的问题,提出了基于小波域分块压缩感知算法的图像重构系统。建立低照明度图像采样模型,采用图像的景深自适应调节方法进行小波域分块压缩感知和信息融合处理。利用多尺度的Retinex算法进行小波域分块压缩感知和信息提取,提取图像的信息熵特征量。采取图像自适应增强方法进行低照度图像增强处理,使用物联网技术进行低照明度图像的三维信息重构,结合细节增强方法进行低照度图像增强处理,完成重构系统设计,实现透射率图的轮廓检测和特征重构。仿真结果表明,采用该方法进行低照明度图像重构的分辨率较高,边缘感知能力较好,且重构耗时较短,实际应用效率较高。     

基于电-热时间尺度平衡的综合能源多目标联合调度

由于供热设备能源消耗较大,现有方法存在收敛速率缓慢问题,导致能源利用效率较低,提高了供热成本,提出一种基于电-热时间尺度平衡的综合能源多目标联合调度方法.分析人体感受与PMV指标(Predicted Mean Vote,PMV)对应联系,获取冷热功率和人体舒适度之间关联;构建电-热时间尺度平衡调度模型,根据环保、安全可信度、清洁等指标建立多目标优化函数,并融合双层规划法与粒子群算法实现综合能源系统多目标联合调度.仿真结果表明,本文方法计算速率较快,调度性能优良,在满足用户舒适度的同时完善系统运行经济性,具有很高的实际应用价值.     

基于改进HRNet的眼底视网膜血管分割算法

针对现有眼底视网膜血管分割算法普遍存在的微小血管细节丢失和病灶信息误判等问题,提出一种基于改进HRNet的血管分割算法.在预处理阶段,利用限制对比度自适应直方图均衡化和自适应的Gamma矫正提高血管与背景对比度;在编码阶段,将HRNet原始卷积替换为可变形卷积,提升卷积对复杂血管形态结构的适应能力;在多尺度特征融合阶段,引入空间金字塔池化和多尺度卷积,扩大感受野同时增强对目标局部特征关注度,改善血管伪影和细微信息丢失的问题.该算法在DRIVE数据库上仿真实验,其准确率、灵敏度和特异性分别为95.79％、80.33％和98.12％.     

改进PSO-LSSVM算法的SDN网络流量预测模型

SDN技术解决了IP网络布设困难、更新繁琐等突出问题, 近年来发展迅速. 本文针对SDN网络流量预测问题, 提出首先采用混沌理论对时间序列样本群进行相空间重构, 随后引入最小二乘支持向量机(LSSVM)构建SDN网络流量预测模型, 并结合改进的粒子群算法(PSO)对其关键参数进行优化. 实验结果证明, 该模型有效提高了SDN网络流量预测精度与误差控制水平, 具有良好的实际应用价值.     

针对多目标的分布式多边融合定位

针对基于接收信号强度指数(Received Signal Strength Indicator,RSSI)的多目标定位问题,结合点估计与椭圆估计算法,提出一种新的分布式多边融合定位(Distributed Multi-lateral Fusion Localization,DMFL)算法.首先,通过多边定位算法进行粗定位,估计目标的大致位置.其次,基于区间分析理论在线获取泰勒展式高阶余项的边界,并通过集员递归算法求解多目标定位问题.最后,通过实验和仿真验证该算法的定位性能.结果表明,在相同的节点布置条件下,与最新的RSSI定位算法相比,该算法的定位精度更高,最大误差小于0.3 m,并可提供保证包含目标真实位置的最优区域.