支持延时约束的覆盖多播路由协议的研究

研究有度和延时约束的覆盖多播路由问题,提出了一个新的覆盖多播路由协议-延时受限的树协议(DBTP)。该协议采用分布式和树优先的策略,使多播组成员之间能自组织地构建一棵基于源的覆盖多播树。DBTP协议采用了一种新的启发式局部优化算法,通过调节启发因子,能灵活地在延时和代价之间进行折衷。仿真实验表明,无论在静态还是动态节点模型下,选择适当的启发参数,DBTP都能获得较高的节点接纳率。     

改进的SVDD增量学习算法

通过对SVDD增量学习中原样本和新增样本的特性分析,提出一种改进的SVDD增量学习算法。在增量学习过程中,该算法选取原样本的支持向量集和非支持向量中可能转为支持向量的样本集以及新增样本中违反KKT条件的样本作为训练样本集,舍弃对最终分类无用的样本。实验结果表明,该算法在保证分类精度的同时减少了训练时间。     

基于数字孪生技术的烟叶包装箱夹层材料检测和落料检验

目的 提出一种数字孪生技术在烟叶包装箱中的应用方法,改进目前烟草产业中烟叶复烤生产环节存在缺乏自动化落料检验以及工业开箱机器人难以判断烟叶包装箱内是否有黄卡纸夹层材料的问题。方法 通过构建复杂烟叶包装箱夹芯材料的数字孪生模型,采用图像处理结合卷积神经网络得到了基于机器视觉的复杂烟叶包装箱夹芯材料检测方法,系统可对麦秆板夹层形状进行标定并确定其中心位置,实现工业机器人精确定位烟叶包装箱夹层材料以及装箱时自动增减物料,并进行有效的数字化物料信息追踪。结果 实验表明,机器人判断包装箱夹层材料的准确率高达94.88%,且效率优于人工检查。结论 可在一定程度上节省人力资源,提高工厂的生产效率。     

基于语境距离度量的拉普拉斯最大间距判别准则

线性拉普拉斯判别准则(Linear Laplacian discrimination, LLD)作为一种非线性特征提取方法得到了较为成功的运用. 然而通过分析得知在具体使用LLD方法的过程中还会面临小样本以及如何确定原始样本空间类型的问题. 因此, 本文引入语境距离度量并结合最大间距判别准则的基本原理提出一种基于语境距离度量的拉普拉斯最大间距判别准则(Contextual-distance metric based Laplacian maximum margin criterion, CLMMC). 该准则不但在一定程度上避免小样本问题, 而且由于语境距离度量更关注输入样本簇内在的本质结构而不是原始样本空间的类型, 从而降低了该准则对特定样本空间的依赖程度. 同时通过引入计算语境距离度量的新算法并结合QR分解的基本原理, 使得CLMMC在处理高维矢量模式数据时更具适应性和效率. 并从理论上讨论CLMMC准则具有的基本性质以及与LLD准则的内在联系. 实验证明CLMMC准则具有上述优势.     

场地地震反应一维非线性计算模型

本文运用Ramberg-Osgood或Hardin-Drnevich等动力本构关系与广义Masing准则考虑土料在地震等产生的不规则加载条件下的非线性滞变特征,将逐步积分法与不平衡荷载转移法相结合提出了动力非线性分析的一种有效增量迭代计算格式,从而建立了求解场地地震反应的真非线性分析方法;编制了同时可以进行所建议的真非线性分析与传统的等价线性化运算的通用计算程序,进而通过算例分析进行了讨论。     

基于循环神经网络的空载电动出租车的充电桩推荐方法

提出了一种基于循环神经网络的空载电动出租车的充电桩推荐方法(CPRM-IET,charging pile recommendation method for idle electric taxis),来为空载状态下的电动出租车推荐最佳充电桩.空载状态下的电动出租车移动一般依赖于驾驶人的潜意识移动倾向和驾驶习惯,因此需要...     

具有模糊聚类功能的双向二维无监督特征提取方法

依据最大间距判别准则(Maximum margin criterion, MMC)的基本原理,并结合模糊技术和张量理论, 提出一种矩阵模式的模糊最大间距判别准则(Matrix model fuzzy maximum margin criterion, MFMMC),并在此基础上形成具有模糊聚类功能的双向二维无监督特征提取方法(Two-directional two-dimensional unsupervised feature extraction method with fuzzy clustering ability, (2D)2UFFCA). 该方法不但能直接实现矩阵模式数据的模糊聚类,而且还可以对矩阵模式数据进行双向二维特征提取,实现特征降维. 同时我们还从几何的直观含义出发,合理地设定矩阵模式的模糊最大间距判别准则中的调节参数γ并从理论上证明其合理性.为了提高特征提取的效率,还提出一种能有效计算矩阵模式数据的投影变换矩阵的方法.实验结果表明该方法具有上述优势.     

无监督领域自适应轴承故障诊断方法研究

针对基于深度学习的轴承故障诊断算法在不同工作条件和真实环境中故障样本缺乏标记的情况下诊断效果不佳的问题,提出了一种无监督的领域自适应轴承故障诊断方法,实现在无监督的情况下对不同工况的轴承进行故障诊断。首先,用快速傅里叶变换对数据进行预处理,并用卷积神经网络提取轴承故障的特征。然后,通过生成对抗网络中反转标签的方法使源域和目标域输出的特征分布趋同。最后,使用源域的分类器完成不同工况下的轴承故障诊断任务。为验证该方法有效性,在美国凯斯西储大学轴承数据集和德国帕德博恩大学轴承数据集上开展验证实验。验证结果表明,可使用无标签的目标域数据完成迁移任务,在两个数据集上表现出了较好的迁移效果,取得较高的诊断准确率。     

一种基于局部加权均值的领域适应学习框架

最大均值差异(Maximum mean discrepancy, MMD)作为一种能有效度量源域和目标域分布差异的标准已被成功运用.然而, MMD作为一种全局度量方法一定程度上反映的是区域之间全局分布和全局结构上的差异.为此, 本文通过引入局部加权均值的方法和理论到MMD中, 提出一种具有局部保持能力的投影最大局部加权均值差异(Projected maximum local weighted mean discrepancy, PMLWD)度量,%从而一定程度上使得PMLWD更能有效度量源域和目标域中局部分块之间的分布和结构上的差异,结合传统的学习理论提出基于局部加权均值的领域适应学习框架(Local weighted mean based domain adaptation learning framework, LDAF), 在LDAF框架下, 衍生出两种领域适应学习方法: LDAF_MLC和 LDAF_SVM.最后,通过测试人工数据集、高维文本数据集和人脸数据集来表明LDAF比其他领域适应学习方法更具优势.     

紫茎泽兰发酵前后挥发油成分变化及其抑菌活性

分析紫茎泽兰微生物发酵前、后挥发油成分及其抑菌作用,为利用紫茎泽兰开发发酵饲料提供依据。利用GC-MS从紫茎泽兰发酵前、后挥发油中分别鉴定出40、43个化合物,含氧单萜类成分含量发酵后明显降低,从11.58%降低到7.12%,倍半萜烯类成分及含氧倍半萜烯类成分发酵后含量有所升高,分别由发酵前的28.9%、41.89%上升为发酵后的34.72%和46.32%。发酵后挥发油中柠檬烯、石竹烯等抑菌活性成分含量有所升高;抑菌活性结果表明发酵后挥发油对粪肠球菌的抑菌活性较好,抑菌圈直径达到16.40 mm,且发酵后挥发油对铜绿假单胞菌、大肠杆菌、粪肠球菌、沙门氏菌的抑菌圈直径都要高于发酵前;发酵前、后挥发油的MIC、MBC值范围为2.5～10.0μL/mL。本研究为资源化利用紫茎泽兰提供了一定的科学依据。