基于概率语言和改进TODIM的产品服务匹配方法

针对概率语言信息下产品服务模块双边匹配问题,考虑匹配主体间的相互作用与影响以及决策者的心理行为,提出一种基于BWM (best-worst method)、DEMATEL (decision making trial and evaluation laboratory)权重确定方法和改进TODIM的概率语言双边匹配方法.首先,通过BWM方法和概率语言DEMATEL方法确定各匹配模块综合权重;然后,通过TODIM方法计算产品服务模块的总体优势度,得到产品服务模块双边匹配满意度矩阵;接着,在此基础上,构建以产品和服务效用达到最大的多目标优化模型,利用线性加权法将其转化为单目标模型求解,进而得到最优匹配方案;最后,通过新能源汽车产品服务匹配的案例,验证所提出方法的有效性和可行性,为新能源汽车产品与服务融合发展提供新方向.     

基于ResNet和随机森林的海洋鱼类分类方法

提出了一种基于卷积神经网络和随机森林相结合的方法,用于对海洋可食用鱼类进行识别分类。通过使用YOLOv3目标检测网络对原始鱼类图片进行目标定位并使用数据增强方法对数据集进行扩充,模型在自建数据集上进行训练和微调,达到了较高的分类准确率和稳定性。实验结果表明该模型在鱼类分类任务上的有效性,并为解决传统方法对鱼类分类的困难提供了一种新思路。     

基于PS-RRT算法的机械臂避障路径规划

针对应用快速搜索随机树（RRT）算法进行机械臂路径规划时,存在采样区域大、有效区域小、路径冗余节点多、剪枝时间长等问题,提出一种基于分区动态采样策略和重复区域节点拒绝机制的高效RRT路径规划算法PS-RRT（partitioned sampling RRT）。首先,通过PS-RRT快速规划机械臂末端初始路径;其次,分段检测机械臂跟随该路径时的连杆碰撞情况,对碰撞路段进行带臂形约束的第二次规划;最后,将初始路径和第二次规划的路径拼接后进行路径裁剪。将所提方法在多种场景中进行仿真验证,结果表明：基于PS-RRT算法的机械臂避障路径规划策略使得无效节点数大幅减少,可高效规划出机械臂的无碰路径,验证了算法的可行性。     

2023年第1期目次

超分辨率(SR)是一类重要的数字图像处理技术,其根据一个观测者得到的低分辨率(LR)图像重 建并输出一个相应的高分辨率(HR)图像,从而提高现代数字图像的分辨率。SR 在数字图像压缩与传输、医学 成像、遥感成像、视频感知与监控等学科中的研究与应用价值巨大。随着深度学习的快速发展,结合最新的深 度学习方法,可以为 SR 问题提供创新性的解决方案。首先回顾 SR 的背景意义、发展过程以及将深度学习应 用于 SR 的技术价值。其次简要介绍传统 SR 算法的基本方法、分类和优缺点;按照不同的实现技术和网络类 型对基于深度学习的 SR 方法进行了分类介绍,重点分析对比了卷积神经网络(CNN)、残差网络(ResNet)和生成 对抗网络(GAN)在 SR 中的应用。然后介绍主要评价指标和解决策略,并对不同的 SR 算法在标准数据集中的 性能表现进行对比。最后总结基于深度学习的 SR 算法,并对未来发展趋势进行展望。     

基于社团多特征融合嵌入表示的时序链路预测方法

时序动态网络在静态网络基础上综合了时间属性的概念,包含了网络结构的复杂性、动态性等内涵,是研究复杂网络链路预测问题的较优思维对象,因在现实世界中具有较高应用价值而备受关注。目前大部分传统方法研究对象仍局限于静态网络,存在对网络时域演化信息利用不充分、时间复杂度较高等问题。结合社会学理论,提出一种基于社团多特征融合嵌入表示的时序链路预测方法,该方法的核心思想是通过分析网络动态演化特性,在社团范围内学习节点的嵌入表示向量,融合多特征以衡量节点间连边的生成概率。利用网络集体影响力的方法对节点和连边的权值进行计算,基于集体影响的连边权值进行社团划分,将网络划分为若干个社团子图,得到基于集体影响的相似性指标。在社团范围内,利用有偏的随机游走,结合梯度优化的Skip-gram方法获取所有节点的嵌入表示向量,得到基于社团范围游走的相似性指标。融合节点的集体影响、社团范围节点的多个中心性特征和学习到的节点表示向量,得到多特征融合的相似性指标,3 种新指标都可以用于衡量节点之间形成连边的概率。对比基于移动平均、嵌入表示、图神经网络等经典时序链路预测方法,在 6 个真实数据集上的实验结果表明,所提基于社团多特征融合的方法在 AUC评价标准下取得更优的预测性能。     

烷醇胺类两相吸收剂降解性能研究

新型两相吸收剂由于其在降低再生能耗方面的显著优势获得广泛关注。对基于烷醇胺N,N-二乙基乙醇胺(N,N-diethylethanolamine, DEEA)和羟乙基乙二胺(2-(2-aminoethylamino)ethanol, AEEA)的新型两相吸收剂DAH(50%DEEA+25%AEEA+25%H₂O)的降解性能进行了深入研究。发现两相吸收剂富液上层主要成分DEEA的抗降解性能较好,10%CO₂气氛下4周(28天)降解率仅为15.96%,相比常规吸收剂30%乙醇胺(monoethanolamine,MEA)下降了17.8%;两相吸收剂富液下层主要成分AEEA降解较为严重,4周(28天)近1/2 AEEA失活,相比MEA降解百分比提高了47.3%;DAH降解行为的关键因素为气氛中的O₂浓度,吸收剂总体降解百分比与O₂浓度呈正比。此外,还通过气相色谱与质谱联用仪解析出了8种主要降解产物,包括哌嗪类、咪唑烷酮类及吡啶类降解产物,并推测了相应降解反应机理。     

基于正则化方法的电池阻抗谱弛豫时间分布解析

对电池特性的深刻认识是电池应用研究的重要基础,而弛豫时间分布(distribution of relaxation times,DRT)法是解析电池阻抗谱(electrochemical impedance spectroscopy,EIS)、提取电极过程动力学信息和电池建模的有效手段。然而,DRT函数的求解是一个典型的不适定问题,经典的数值积分方法无法保证解的存在性或唯一性。首先采用分段线性插值近似连续的DRT函数;再通过正则化方法改善问题的不适定性,将DRT函数的求解归结为严格的凸二次规划(quadratic programming,QP)问题;进而运用有效集法(active set method, ASM)得到DRT函数的最优近似解。基于该方法解析液态金属电池的阻抗谱,并简要分析其内阻特性。研究结果表明:该方法为全局收敛,收敛速度快,计算精度高;得到的DRT函数近似解既精确、稳定,又具有明确的物理意义。在电池机理分析和建模中,该方法具有显著的潜在应用价值。     

新形态伪随机函数研究北大核心CSCD

随着云计算模式的普及应用,对密文数据的安全外包计算的研究已是必然趋势,由此,潜在的密文数据的安全计算和隐私保护问题愈加受到业界和学界的关注。新形态伪随机函数(Pseudorandom Function,PRF)作为解决密文安全计算与检索的重要工具之一,已是当前密码学的研究热点。当前,以密文安全计算为目标,结合全同态加密(Fully Homomorphic Encryption,FHE)与格密码、门限密码、安全多方计算(Multiparty Computing,MPC)和PRF等密码学原语,对新形态伪随机函数的研究主要集中在三方面:1)格基限制隐藏的PRF可验证性研究;2)格基受限PRF适应性安全研究;3)格基多点隐私可穿刺PRF应用性研究。因此,文章从PRF的可验证性、安全性和应用性三方面,较为全面地介绍当前重要的研究成果。     

基于数据驱动鲁棒优化的用户侧综合能源舱低碳规划

在“双碳”目标下,实现多能互补利用的综合能源系统规划研究势在必行,而装卸、配置灵活的用户侧综合能源舱成为了新兴的重要研究对象。构建了引入多元混合储能、碳捕集装置的两阶段综合能源舱规划模型,达到了舱内多能灵活互补、碳排放回收利用的效果。为处理能源舱规划环节中的风电、光伏新能源出力和用户负荷不确定性问题,提出了基于极端场景椭球集的数据驱动鲁棒优化方法,对不确定变量间的相关性进行精确描述,改善了传统鲁棒优化结果过于保守的问题,并通过相较传统分布鲁棒概率计算方法而言更简便的椭球端点提取方法以得到极端场景。利用椭球极端场景优势,改进了列与约束生成法(column and constraint generation method,CCG)求解方法的步骤,避免了复杂子问题对偶处理。最后通过算例仿真,与传统区间不确定集鲁棒优化方法进行对比,证明所提规划方法在降低经济成本与节能低碳方面的优越性。     

基于注意力机制和卷积神经网络的配电网拓扑辨识

针对当前配电网拓扑变化频繁,拓扑结构实时获取困难等问题,文章提出基于注意力机制和卷积神经网络的配电网拓扑辨识方法。首先利用卷积神经网络挖掘量测信息和配电网拓扑结构之间的关系,学习其映射规则;考虑当前配网中同步相量测量装置(phasor measurement unit,PMU)和微型同步相量测量装置(micophasormeasurementunit,μPMU)等高级量测设备安装数量不足导致获取量测数据质量不高的问题,在卷积神经网络隐藏层中融入注意力机制,以增强模型鲁棒性;通过随机森林算法对特征数据集进行降维,降低模型时、空复杂度;最后,分别基于IEEE 33节点配电网和PG&E69节点配电网开展算例分析,以验证方法的可行性和优越性,并检验利用更少特征进行拓扑辨识的可能性。结果表明：所提方法具有良好优越性和鲁棒性,泛化能力强,在仅提供少量时间断面量测数据情况下便可实现配电网拓扑辨识,且对于辐射网和含环网络同样适用。