一种多策略改进的麻雀搜索算法

针对麻雀搜索算法在求解复杂优化问题时存在收敛速度慢、种群趋同性严重、易于陷入局部最优等不足,提出一种多策略改进的麻雀搜索算法（multi-strategy improved sparrow search algorithm,MISSA）。通过混沌映射和反向学习机制提高算法初始种群的质量;借鉴粒子群算法的学习策略来提升种群的信息交流能力和兼顾全局勘探与局部开发之间的平衡;融合差分进化算法的变异交叉操作提升算法跳出局部最优值的能力。通过对8个基准测试函数的寻优实验,结果表明改进算法具有更好的优化性能和收敛效率;进一步地,将改进算法应用于优化支持向量回归（support vector regression,SVR）模型的参数,并通过在选定的5个UCI数据集上的实验验证了改进算法的有效性。     

基于氮化镓单晶的垂直p-i-n二极管性能研究

利用高质量自支撑GaN衬底,通过外延方法制备了垂直结构的GaN基p-i-n型二极管结构.通过对材料结构、杂质浓度分布以及对器件整流特性的研究,探究了影响垂直结构器件特性的关键因素.结果 表明,在同质外延的制备过程中,衬底表面的粗糙程度将使制备的环形结构具有不规则形状,这种不规则电极对垂直结构器件的性能将产生不利影响;此外,多种杂质在界面处聚集,进而形成平面漏电通道,是降低器件耐压值的主要因素.     

面向光纤多模选择性激发的电磁超表面设计

针对光纤中多个模式的选择性激发问题,提出利用介质超表面实现光纤多模的频率选择性激发方案. 将超表面结构分为四个象限区,对前三象限超表面结构采用便利搜索法设计,对第四象限结构采用深度学习方法进行反向设计,实现了频率控制两个模式的模分复用. 该方案为实现光纤多模复用提供了一种新的思路,且选择性激发的模式个数具有可拓展性;在通信领域具有潜在的应用前景.     

基于多层感知器神经网络的路径损耗预测研究

为了更好地服务于5G及未来无线通信系统的网络规划与优化,开展了基于多层感知器(multi-layer perceptron, MLP)神经网络的路径损耗预测研究. 利用有限的地物类型,提出一种表征传播环境的简易方法,避免了繁琐的三维场景建模. 结合测量数据和由环境表征方法提取的环境特征,基于MLP神经网络建立了路径损耗模型. 数据实验的对比分析表明MLP神经网络能够实现路径损耗的准确预测,且环境特征的引入有助于提升模型性能. 为解决干扰地物影响路径损耗模型的准确性以及模型对环境变化的敏感性问题,根据视距(line-of-sight, LoS)和非视距(non-line-of-sight, NLoS)标签改进环境表征方法,进一步提升了模型的稳定性和泛化能力. 所做工作有助于了解无线电波传播特性,为无线网络优化和通信系统设计提供了理论依据.     

凿岩机器人钻臂定位控制交叉精英反向粒子群算法

在利用粒子群优化算法(particle swarm optimization,PSO)进行凿岩机器人钻臂定位过程中,存在收敛速度慢和易于陷入局部最优解等问题.为此,提出一种交叉精英反向粒子群优化算法(crossover elite opposition-based particle swarm optimization,CEOPSO)并给出算法的流程.建立凿岩机器人钻臂运动学模型并对其逆向运动学进行求解.将交叉算子引入EOPSO中,采用自适应惯性权重和交叉概率参数控制技术,在维护粒子个体与最优解之间信息交换的基础上,增加粒子个体之间的信息交换,提高算法的全局搜索能力和钻臂定位效率.仿真结果表明,CEOPSO的平均位置误差和平均姿态误差均小于PSO和EOPSO算法,且迭代过程平稳,可以有效提高凿岩机器人钻臂的定位控制性能.     

不确定遗传神经网络在滑坡危险性预测中的研究与应用

针对滑坡危险性预测中降雨等不确定因素难以获取,以及有效处理和标准反向传播算法存在局部极小值和训练速度慢等问题,为提高滑坡危险性的预测精度,提出一种不确定遗传神经网络滑坡预测方法。基于改进遗传算法和反向传播神经网络分类算法,结合滑坡灾害预测相关理论,考虑到与滑坡灾害密切相关的降雨等不确定因素,给出不确定数据分离度的概念,阐述不确定属性数据的处理方法,构建不确定遗传神经网络,建立滑坡灾害预测模型,以延安宝塔区为例进行验证。实验结果显示,该方法的有效精度和总体精度分别为92.1%和86.7%,验证了不确定遗传神经网络算法在滑坡灾害预测中的可行性。     

双向多轨迹判定方法在目标跟踪中的应用研究

针对视频跟踪中存在的目标飘移问题,提出基于双向多轨迹判定的跟踪方法。首先,在一定时间间隔中分别使用纹理、颜色,以及光照不变量特征的三种组件跟踪器,对目标进行正向跟踪。然后,以正向跟踪结果作为初始位置,进行相应反向跟踪。通过分析成对正向反向轨迹,提取几何相似性、循环量和外观相似性,并计算各跟踪器轨迹准确性分数。最后,选择准确性分数最高的跟踪器的正向跟踪轨迹作为最终的跟踪结果。实验结果表明:与几种传统跟踪方法相比,提出的双向多轨迹判定跟踪方法通过融合不同的特征信息,跟踪性能显著提升。     

移动机器人车轮打滑检测与校核方法

针对移动机器人车轮打滑引起的非系统误差,提出了双轮检测结构模型.利用检测轮与驱动轮编码器输出脉冲数,建立直行和不同转向方式的车轮打滑模型并给出打滑辨识算法.利用正向校正算法或反向校正算法校正运行方向误差与位移误差.仿真结果表明:该结构模型能够累计机器人长时间运行产生的打滑误差,并实时校正,反向校正算法存在极少的位移误差,校正精度优于正向校正算法,但正向校正算法逻辑简单,能量消耗少.     

基于等高替换和随机反向的粒子群算法

针对标准粒子群优化算法不易跳出局部寻优、搜索精度低等缺陷,提出了等高随机替换策略,运用简化粒子群算法进行更新,加快了粒子寻优能力;并且对适应值最差的一部分粒子,采用了最优随机反方向搜索策略,保证了算法的全局搜索能力。对6个单模和多模测试函数进行仿真实验,结果表明了改进的算法能很好地保持粒子多样性,全局搜索能力强,拥有更好的的收敛速度和寻优精度。     

高校在线教学平台的信息安全管理研究

高校在线教学平台的进一步普及,使得学生分数的取得更依赖于线上数据和线上考核,从而引起对于平台更多的主动安全攻击,本文从OpenLDAP安全、Nginx反向代理、文件服务器安全、程序逻辑漏洞等几方面研究了高校在线教学平台的信息安全问题,给出了相应的应对办法。