基于种群关联策略和强化解集准则的高维多目标进化算法

一般的高维多目标进化算法无法有效处理不同类型的Pareto前沿.针对这一情况,提出一种基于种群关联策略和强化解集准则的高维多目标进化算法(many-objective evolutionary algorithm based on population association strategy and enhanced solution set criterion, MaOEA/PAS-ESC).该算法在环境选择中采用种群关联策略(population association strategy, PAS)和强化解集准则(enhanced solution set criterion, ESC)协同指导种群进化. PAS利用解与参考向量的角度和欧氏距离以及种群中解之间的距离构建角度与距离联合函数(joint function of angle and distance, JFAD),选择多样性良好的解,然后ESC利用参考点与种群间的联系组成适应度函数,选择收敛性良好的解,以共同达到有效平衡多样性和收敛性的目的.实验结果表明,采用MaOEA/PAS-ESC处理高维多目标优化问题具有更强的竞...     

新能源接入系统的电压暂降源定位方法研究

风电和太阳能等新能源的接入对电网系统的电压暂降带来新的问题,正确识别电压暂降源得到重视.该文讨论了一种改进的距离阻抗法实现电压暂降源定位的新方法,并就风电接入系统进行了仿真验证,验证结果显示该定位方法能正确判断暂降源的位置.     

基于改进纯跟踪算法的无人车路径跟踪研究

为了提高低速无人车在自动寻迹直线、转弯路段的跟踪精度,提出了一种基于改进纯跟踪模型的无人车路径跟踪算法。针对传统的纯跟踪算法设置的预估前视距离跟踪理想路径误差较大的问题,文中以无人巴士为载体,在获取到车辆RTK-GPS定位数据的基础上,对纯跟踪算法进行改进,设计了一种用二次多项式来表示预估前视距离的方法,该方法可以用车辆实时速度和GPS轨迹与当前车辆位置之间的最短距离来调整前视距离的大小,减少了无人车在跟踪理想路径,尤其是转弯路段时的横向误差。试验结果表明,文中提出的跟踪算法相较于传统的纯跟踪算法在路径跟踪上具有更高的精度和平稳性。     

MIMLRBF预测谷物蛋白质功能方法的改进

随着人们对营养与保健功能的关注,谷物蛋白质功能预测已经成为当前研究热点.面对大量已完成测序的谷物蛋白质基因组数据,利用计算方法来预测谷物蛋白质功能已经成为主流.从谷物蛋白质结构域序列出发,首次将MIMLRBF算法运用到蛋白质功能预测,并在此算法基础上,提出了多种改进后的谷物蛋白质功能预测模型.其中,针对平均Hausdo...     

长距离电磁振动给料机的设计

电磁振动给料机广泛使用在冶金、煤炭、电子、机械、化工、建材等工矿企业中,用于把块状、颗粒状、粉状物料从贮料仓中定量、均匀、连续地输送到受料裴置中,一般电磁振动给料机只有一只激振器作为动力驱动源,输送距离短。对于输送距离长的给料机,需用2个或2个以上电磁激振器作为动力驱动源。本文简述了长距离输送散状物料输送装置的结构及注意事项。     

基于依存距离惩罚的泰汉神经机器翻译方法

在“一带一路”倡议的背景下,泰国与我国的沟通日益密切,泰汉机器翻译具有很高的应用需求。作为低资源语言机器翻译,泰汉之间缺乏大规模、高质量的平行语料,导致翻译效果不佳。融入依存句法知识可以使译文更符合句法约束,弥补没有大规模平行语料的缺陷,但泰语缺少成熟的依存解析工具和依存标注训练集。针对以上问题,基于无监督迁移获取泰语依存句法结构知识,并提出依存距离惩罚机制以减少依存噪声对翻译性能的干扰,并通过基于依存感知注意力机制的Transformer架构将所提方法融入翻译。实验结果表明,该方法能有效提升泰汉神经机器翻译的效果。     

基于Log-Gabor子带图像分割的虹膜识别算法

提出一种基于Log-Gabor子带图像分割的虹膜识别算法。该方法具有平移、放缩和旋转不变性,并且生成的虹膜特征码仅288B。实验结果和数据分析证明该方法的合理性和可行性。     

提高网络接入控制安全的虹膜识别技术研究

网络接入控制安全越来越得到重视和研究,文中提出一种新颖的生物识别技术,即基于虹膜识别的生物识别方法,它抛弃了使用密码和个人识别码等不可靠的鉴别方法,由于它接近于零的错误接收率和较低的错误拒绝率而具有高安全性.     

离群点检测的邻近性方法综述

离群点检测在数据挖掘中有非常广泛的应用,然而并不是所有的离群点检测问题都能用一种最优的方法去解决。针对不同的应用,需要用不同的方法,才能够最有效地解决实际问题。检测方法大致可以分为基于统计、基于聚类、基于邻近性（基于距离和基于密度）的方法。为了及时掌握当前基于邻近性技术的离群点检测方法的研究现状,通过整理和归纳,将代表性强的基于邻近性的离群点检测方法进行了介绍和评价,将其主要分为基于距离的方法和基于密度的方法,对所有提及的方法的应用场景、算法思想、能解决的问题以及各自的优缺点进行了详细的分析和归纳,指出目前存在的问题和对未来研究的发展方向。对开展邻近性的离群点检测研究具有重要意义。     

无声语音识别中的端点检测算法

无声语音识别常以表面肌电信号作为研究对象。表面肌电信号的端点检测是影响识别结果的一个重要因素。表面肌电信号与语音信号有类似之处。借助语音端点检测的方法对表面肌电信号进行分割是一种可行的思路。基于此,采用子带谱熵和梅尔倒谱距离作为信号端点检测的判决依据,通过粒子群算法优化支持向量机分类器给出端点检测结果。结果表明,在不同信噪比条件下,该算法有最高的检出率与最低的错误率。对于基于K最近邻（K-Nearest Neighbor,KNN）的无声语音识别任务,识别率达95.3%。