无人机群目标搜索的主动感知方法

为提升蚁群搜索算法在规模大的栅格环境中对未知目标的搜索效率,提出基于蚁群算法的主动感知搜索框架。该框架通过应用历史环境信息来选择无人机的运动方式,并由无人机运动方式和感知域信息得到新的环境信息,从而实现无人机群的智能自动化搜索功能。新方法计算出一种具有探索偏好的未搜索概率,可使无人机搜索时偏向未搜索程度高的栅格,以此来提高算法的搜索能力。同时,以未搜索概率和信息素作为运动方式决策的依据来建立一种新的运动方式选择机制。该机制不仅考虑了目标可能出现的区域,又可兼顾未知区域,从而可实现无目标先验信息条件下的搜索过程。仿真结果表明,此算法在规模大的栅格环境中,与现有算法相比具有更高的搜索效率,并且得到的目标分布信息将更加全面。     

网络中多节点故障定位的探测路径选择算法

针对现有故障定位技术不能满足多节点故障定位的要求,尤其当网络中存在大量故障节点时,提出了一种基于主动探测的探测路径选择算法。该算法主要包括用于故障检测的贪婪路径选择算法和用于故障定位的禁忌链路搜索算法。在故障检测阶段,使用贪婪路径选择算法迭代地选择具有最小权重的探测路径覆盖网络中的节点。在故障定位阶段,使用禁忌链路搜索算法多次生成候选路径集以选择最合适的探测路径来解决多节点故障定位问题。在随机网络拓扑和真实网络拓扑上的仿真结果表明,与现有的节点故障定位算法相比,探测路径选择算法具有更高的成功定位率和更低的探测成本。     

面向学科核心素养的高中信息技术教学实践——以《周而复始的循环》一课为例

高中信息技术新教材的编程和算法教学注重培养学生的计算思维,强调让学生从生活出发,利用所学编程知识来解决生活中的实际问题。因此,教师在创设教学任务时,需考虑学生认知的实际情况,创设情境,引发学生兴趣,从生活数据出发,注重任务与任务之间的联系与拓展,引导学生主动思考,不断分析探究,进一步优化学生计算思维,创设高效课堂教学模式。下面,笔者以教科版信息技术必修1《数据与计算》中的《周而复始的循环》一课为例,从生活中的数据出发,优化课本中的项目案例,探究课堂项目式案例布局与设计,探寻学生信息技术学科素养的培养。     

基于主动预防策略的风电场智能运维管理解决方案

风电场运维模式落后、设备智能化低,造成风电场运维成本高和发电量低。随着风电场数量不断增多,业主投资趋于理性,传统风电场被动运维管理模式迫切需要提高,使其向数字化智能化方向发展靠近。针对于此,基于主动预防策略,通过构建智能运维管理平台以及先进运维手段,提升运维工作自动化水平,确保风场设备健康运行与快速维护,以适应智能电网安全、稳定、高效运行。     

斜拉桥"钻石型"索塔主动横撑施工工艺

韩滩双岛斜拉桥呈"钻石型",索塔中塔柱斜度为77.593°。为抵消施工过程中索塔因内倾产生的受力不均需设置主动横撑。阐述了"钻石型"索塔主动横撑施工工艺及控制要点。     

高职院校大学生主动退学现象透析及柔性干预策略研究

文章在对L职业大学近两年退学情况进行调查的基础上,辅之深度访谈与参与式观察相结合的质性研究方法,透析了大学生主动退学的深层次原因,提出"以生为本"的教育管理理念及柔性干预策略.     

电子技术在汽车安全性中的应用

随着汽车行业的发展,道路交通事故逐渐频繁,导致事故伤亡人数逐渐的增加,汽车安全问题也受到了社会的广泛关注。将电子技术应用到企业产业中,通过电子技术来提高汽车的稳定性和安全性。运用电子技术在汽车安全方面的应用,提高汽车行驶过程中的安全系数。电子技术在汽车安全中的应用是十分广泛,电子控制器、传感器、驱动器共同组成电子控制系统。电子系统和机械系统共同工作,通过无线电波或者电缆来传输讯息,将这种组合称作为“机电整合”。本文研究的主要目的是为了进一步提高汽车安全性能,减少交通事故的发生。     

动力锂电池组均衡方案研究

动力锂电池组的不一致性严重影响了电池的使用寿命,为了解决该问题,动力电池的技术在不断发展。本文阐述了多种动力锂电池组均衡方案,并根据不同标准进行了分类,并逐一介绍、对比、总结。     

面向“人人网”的用户信息采集及拓扑结构测量研究

以“人人网”为例,研究社交网站数据采集技术,并对其网络拓扑结构进行详细研究。结果表明:1)“人人网”的节点度分布不同于一般社交网络符合的幂律分布,更倾向于具有指数分布特征,且其度分布具有一定的重尾特性,在小范围内出现了类似小变量饱和现象,并且出现“双峰”现象;2)“人人网”符合小世界特性;3)“人人网”具有同配性,节点度高的节点倾向于与高度节点连接;4) 用户状态数、照片数和访客数没有明显的正相关特性。研究成果对于进一步了解社交网络的拓扑结构特征具有重要意义,为后续实现资源监管、跨社交网站的数据挖掘奠定了基础。     

基于滤波后处理的主动学习高光谱遥感图像分类

有限的样本数据和高维的特征向量使得高光谱图像分类面临巨大挑战.提出一种结合主动学习和滤波器的高光谱遥感图像分类方法.该方法首先选取部分训练样本得到分类模型,然后采用主动学习通过迭代从非训练样本中选择信息量大的样本不断扩大有效样本数,减少了初始训练样本数降低"维数灾难"出现的可能,同时提高了分类器的泛化性能及准确率.通过主动学习和多项逻辑回归分类器对高光谱遥感图像进行初始分类,然后运用滤波器对初始分类结果保边去噪.实验结果表明,本文方法的分类精度高,分类稳定性好.