无速率编码中度分布的研究和发展

无速率编码作为一种纠删码,在减少反馈重传的同时也具有码率灵活、编译码简单的特性,在许多领域都有广阔的应用前景。度分布作为无速率编码设计的基础,对无速率编码的性能有至关重要的影响。随着无速率编码的广泛应用,度分布的设计也需要随着场景和需求的变化进行优化。首先论述了无速率编码的发展与应用,从几种经典的无速率编码和度分布开始,详细地从应用场景、优化目标以及现有优化方法 3 个角度,对目前无速率编码中度分布的研究和发展进行了总结与分析。最后,对无速率编码和度分布的发展应用趋势进行了分析与展望。     

基于厂站-设备两级电力信息耦合模型的信息设备重要性评估

电力监控系统不仅会受到电力网一次设备的影响,还会面对信息层面网络攻击的威胁,因此评估通信设备的重要性对网络安全及大电网的安全稳定运行尤为重要。针对一般电网的电力监控系统与电力网高度耦合的特点,建立了基于厂站-设备两级的信息网与电力网耦合模型：第一级是由发电厂、变电站、调度中心组合而成的厂站级相依网络,第二级是由通信设备与电力设备组合而成的设备级复杂网络;构建了两级耦合网络的通信节点重要度指标和信息网络脆弱性指标;以山东省济南市某小型电网的电力监控系统为例,计算其网络指标,验证了该方法的有效性。该文对信息网络的风险评估具有指导意义。     

计及置信容量的光热电站储热容量优化配置

为探索光热电站的容量价值,文中基于光热电站的容量置信度和度电成本,提出一种光热电站集热面积和储热容量优化方法。文中建立光热电站发电效率模型和经济性模型,基于序贯蒙特卡洛方法计算发电系统可靠性,使用粒子群算法计算光热电站置信容量,研究太阳倍数和储热时长分别对光热电站容量置信度和度电成本的影响;并以容量置信度和度电成本作为优化目标,使用加权理想点法建立目标优化函数、熵权法确定指标权重值,对太阳倍数和储热时长进行优化。以西北某地区光热规划为例,使用该地区实际太阳辐照资源数据建立模型,发现随着太阳倍数和储热时长的增加,容量置信度单调递增,而度电成本呈先降后升的趋势,可优化得到约束条件下最佳太阳倍数和储热时长。     

改进的多尺度形状模板匹配算法

针对形状模板匹配算法在目标发生尺度变化时匹配效率低的问题,提出一种改进的多尺度形状模板匹配算法。离线过程中,针对参考点和多尺度模板与目标的匹配不适应情况,提出一种新的参考点选取方法;在线过程中,采用一种优先匹配策略,确定该尺度层存在最佳模板的期望值,并依此判断该尺度层模板参与匹配的必要性;基于选取的最优参考点和优先匹配策略实现目标的高效匹配。实验结果显示,与经典算法相比,所提算法的平均匹配时间分别为NCC算法、SSDA算法的0.81%、2.25%;且当目标发生平移、旋转和尺度等复杂变化时,依然可以实现目标的精确匹配。     

一种特征点和曲线相似度的目标识别方法

本文以5型常用火箭为研究对象,针对当前雷达散射截面（RCS）特征识别存在的问题,基于全空域RCS仿真库和连续RCS测量信息,开展了特征点和曲线相似度的识别方法研究。利用仿真数据和测量数据,对双频段特征点识别能力进行了评估,在4.5 dB阈值下的识别能力可达100%。研究了曲线相似度比较方法,采用动态时间规划实现了RCS曲线的相似性度量,取得较好的应用效果。提出了新的基于曲线相似度的RCS目标识别方法,该方法对于提高雷达目标识别能力具有借鉴意义。     

基于可调谐激光器扫频干涉绝对距离测量方法研究进展

绝对距离测量的精度对于航空航天科技、精密装备加工、卫星编队、行星空间定位等领域具有重要意义。近年来,基于可调谐激光器的扫频干涉（FSI）测距技术以其突破2π模糊度、无测量死区、不接触且不依赖导轨等优点成为国际研究热点。文中在阐述FSI测距原理的基础上,简要分析了测距系统中部分器件的类型与性能,如可调谐激光器、探测器等,以及影响测距系统不确定度的因素,包括非线性扫频、多普勒频移、色散失配等方面,着重介绍了国内外对影响不确定度因素的相应补偿方法,并对补偿后的测量结果进行对比与总结。     

一种网络RTK参考站模糊度快速解算方法

针对由于存在大气因素的干扰,网络载波相位差分技术(RTK)参考站模糊度解算会受到影响,同时当新卫星升至预先设置的截止高度角以上时,需要较长的初始化收敛时间,该文提出一种网络RTK参考站模糊度快速解算方法.该方法先利用电离层加权策略,辅助基线模糊度的快速解算,再采用扩展卡尔曼滤波(EKF)技术估计浮点模糊度,利用部分模糊度解算方法,最后通过最小二乘模糊度降相关(LAMBDA)算法和比率(RATIO)检测对模糊度进行固定解算.实验结果表明,该方法可以显著提高网络RTK参考站模糊度的固定率和缩短初始化收敛时间.     

融合HowNet和词林信息含量的词语相似度计算

目前基于信息含量的中文词语相似度算法普遍使用单一的知识库,存在信息不完备的问题.本文在现有的基于HowNet信息含量的词语相似度算法和基于同义词词林信息含量的词语相似度算法基础上,改进了信息含量的计算方法,并根据词语的不同分布情况将两种算法进行动态融合,充分利用了HowNet和同义词词林中的体系结构信息,改善了现有方法的局限性.经Miller&Charles(MC30)数据集测评,该算法所得到的词语相似度值与人工判定值之间的皮尔森相关系数为0.927,验证了融合多知识库策略的可行性,也证明了本文方法在实用方面可以达到符合人类主观判断的效果.     

融合评分相对差异的协同过滤推荐算法

协同过滤推荐算法是个性化推荐系统中最常用的方法之一,其中相似度计算直接影响基于内存的协同过滤推荐算法的推荐质量.针对协同过滤推荐算法中传统的用户间相似度计算方法仅考虑共同评分项评分数值上的差异导致难以准确衡量非偏好评分场景中用户间相似度的问题,本文提出一种基于余弦相似度并融合评分相对差异的用户间相似度计算方法.该方法考虑评分规模上的差异,计算评分相对相似度并且引入放大系数,在非偏好评分的场景下可以更加准确地区分用户间差异.在真实的数据集上完成对比实验分析,结果表明在非偏好评分场景下,所提方法相较于对比方法能降低预测误差,提高推荐质量.     

一种优化初始点与自适应半径的密度聚类算法

传统DBSCAN算法不能正确聚类密度不均匀的数据集,聚类结果受邻域阈值和密度阈值参数的影响较大。提出一种新的优化初始点和自适应半径的密度聚类算法。利用反向最近邻和相似度矩阵发现当前全局密度最大的数据样本,分析该样本周围密度的分布情况,采用自适应的方法计算当前簇的邻域阈值,并利用DBSCAN算法进行聚类。在人工数据集和UCI数据集上进行测试的结果表明,与经典的DBSCAN、OPTICS、RNN-DBSCAN算法相比,优化初始点和自适应半径的密度聚类算法在ARI、NMI、Homogeneity、Completeness和V-measure 5个评价指标上整体取得最优值,其中在Compound、Jain等数据集上达到1.0,具有较高的聚类效率和准确度。