融合指标分组的高维混合多目标进化优化

高维混合多目标优化问题因包含多个不同类型指标,目前尚缺乏有效求解该问题的进化优化方法。提出一种基于目标分组的高维混合多目标并行进化优化方法。采用深度学习神经网络预测种群隐式性能指标;基于指标相关性,将高维混合多目标优化问题分解为若干子优化问题;采用多种群并行进化算法,求解分解后的每一子优化问题,并基于各子种群的非被占优解构建外部保存集;采用聚合函数对外部保存集个体进一步优化,得到Pareto最优解集。在室内布局优化问题中验证所提方法,实验结果表明,所提方法的Pareto最优解在收敛性、分布性以及延展性等方面均优于对比方法。     

Coordinated scheduling of production and logistics for large-scale closed-loop manufacturing using Benders decomposition optimization

This paper studies coordinated scheduling of production and logistics for a large-scale closed-loop manufacturing system by integrating its manufacturing and recycling process. In addition to the forward manufacturing process, different recycling units in reverse recycling process are also studied. A decentralized network is designed to formulate the coordinated scheduling problem as a mixed integer programming model with both binary and integer variables. As the problem for closed-loop manufacturing is large-scale and computational-consuming in nature, the model is divided into integer variable sub-models and complex binary variable sub-models for preprocessing and reprocessing respectively. An iterative solution approach by Benders decomposition is developed to accelerate the solving efficiency in large-scale case by updating custom constraints. A case study is conducted to investigate the managerial implications of the decentralized network for the closed-loop manufacturing system. Computational experiments demonstrate the validity and efficiency of the proposed iterative solution approach for the large-scale scenarios.     

基于FMCW雷达的多人心率呼吸检测

针对目前毫米波雷达应用于多人生命体征检测效果不佳, 检测范围小等缺点, 提出了一种多人心率呼吸提取分离方法, 首先采用Capon波束成形技术对非目标区域信号形成零陷, 对目标区域进行提取相位、相位解缠绕操作; 其次利用自适应谐波跟踪算法滤除噪声; 最后使用粒子群算法和样本熵改进的变分模态分解法(PSO-SE-VMD)对信号进行分解得到模态分量, 选取合适的模态分量并通过短时自相关算法提取心率呼吸. 实验结果表明, 该方法在夹角30°和60°时心率的均方误差分别为5.55和3.15, 实现了多人检测并有效提高了检测范围.     

融合序列分解与Prophet模型的时序预测

传统时序预测方法其预测过程无法在相同数据集上推出共享模式, 而机器学习方法无法较好地处理非线性和大规模数据集, 并且需要手动设计特征工程. 深度学习方法弥补了传统预测方法需要高计算高人力的弊端, 用自动学习特征工程代替了手动设计特征工程. 但仅使用深度学习的预测方法所作结构假设较少, 通常需要较高的计算资源以及大量的数据来学习得到准确的模型. 针对上述问题, 本文提出通过采用融合t检验的EMD经验模态将序列分为高频分量和低频分量, 对高频分量使用传统STL序列分解方法进一步对数据做处理, 对高频、低频分量分别进行Prophet预测. 实验结果表明, 相较于传统的LSTM以及Prophet预测模型, 经过STL序列分解后的周期数据能够提升模型的整体预测精确度而融合EMD经验模态的Prophet模型则大大提升了训练效率.     

结合l1/2范数与显著性约束的背景减除

传统背景减除模型在背景静止和前景对象移动较快时提取到的前景效果较好,但当背景变化或前景对象移动缓慢时容易将动态背景误判为前景或检测出的前景有较多空洞。针对传统背景减除模型在动态背景和前景对象移动缓慢条件下存在前景检测精度下降的问题,提出一种基于l_1/2范数与显著性约束的背景减除模型。将观测数据分为低秩背景、运动前景和动态干扰3类,利用l_1/2范数约束运动前景加强前景稀疏性,有效抑制动态背景对前景提取造成的干扰,提高运动前景在动态背景中的检测精度。引入视频每一帧的显著性约束,通过对每一帧图像进行低秩稀疏分解来检测移动缓慢的目标。实验结果表明,该模型对于复杂场景具有较强的适应能力,可有效去除动态背景对前景的干扰,快速检测出移动缓慢的前景对象,相比于l_1/1/2-RPCA背景减除模型的平均查全率、查准率和调和平均值分别提升了9、14和10个百分点。     

表达式的覆盖、分解与划分

本文把简单表达式（项和原子）视为语言Ｌ的Ｈｅｒｂｒａｎｄ域或Ｈｅｒｂｒａｎｄ基中的集合．作者提出覆盖表达式的概念,得到２个表达式之间覆盖关系的判别准则．对多个表达式,作者提出表达式的分解概念及相应的分解算法,在此基础上,本文给出卫个表达式覆盖多个表达式的等价条件．根据集合的划分公式,得到划分表达式的方法．最后定义１个变换把合取式转换为简单表达式,从而方便地把简单表达式的结果推广到合取式．本文是作者提出的一种标记逻辑程序的过程语义的理论基础．     

奇异值分解视频水印嵌入与检测及安全性测试

文章针对目前现有的基于小波变换和奇异值分解相结合的数字水印算法存在的缺陷,提出了一种新的视频水印算法:以二值图像为水印的混合整数小波变换和奇异值分解的视频水印盲提取算法,重点论述了奇异值分解的视频水印嵌入与检测以及安全性的测试.实验表明,提出的新算法具有较好的高透明性和鲁棒性.     

一种隔水管涡激振动检测新算法

涡激振动(Vortex induced Vibration,VIV)是导致深水隔水管疲劳的主要诱因,振动位移或位移均方根是隔水管VIV监测的主要参数;针对VIV检测问题,提出了基于自相关矩阵分解的VIV频率和位移检测算法;给出了隔水管VIV检测模型,利用自相关矩阵分解算法检测出信号的频率以及相应的振幅,然后重构隔水管VIV响应位移的时间历程,得出位移或者均方根;仿真结果表明:与现有的Welch位移检测算法相比,基于自相关矩阵分解的VIV检测算法具有精度高,适用性广,实用性强等特点。     

矢量分解法应用于地磁导航系统中的优势与缺陷分析

通过理论分析和仿真实验详细比较了两种地磁场辅助惯性导航方案各自的优势和不足.第一种方案采用了传统的方式,仅把地磁场强度当做标量使用.而另外一种方案采用了磁场矢童分解的方法,并选取了2个磁场分量用于匹配.通过局部能观性理论对两种导航方案的数学模型进行了分析,证明了第二种方案对磁场曲面形态的适应性更强,但其缺陷是对载体的平...     

Patch layout from feature graphs

The structuring of surface meshes is a labor intensive task in reverse engineering. For example, in CAD, scanned triangle meshes must be divided into characteristic/uniform patches to enable conversion into high-level spline surfaces. Typical industrial techniques, like rolling ball blends, are very labor intensive.We provide a novel, robust and quick algorithm for the automatic generation of a patch layout based on a topology consistent feature graph. The graph separates the surface along feature lines into functional and geometric building blocks. Our algorithm then thickens the edges of the feature graph and forms new regions with low varying curvature. Further, these new regions-so-called fillets and node patches-will have highly smooth boundary curves, making the algorithm an ideal preprocessor for a subsequent spline fitting algorithm.