基于PSO-SA的多目标跟踪数据关联算法研究

为快速实现多目标跟踪的数据关联,将粒子群算法(PSO)和模拟退火算法(SA)相结合,实现快速的多目标跟踪数据关联;以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型;利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为模拟退火算法的初始温度和状态,利用SA算法对目标函数的解进行细搜索以求得更优解;仿真表明,该算法与经典的JPDA算法相比,PSO-SA算法的关联准确率都大于90%,提高目标关联准确性和跟踪精度。     

核子空间投影和广义特征值分解的云数据隐私保护

云数据及大量网络数据需要在保护用户隐私的前提下进行统计和分析,对此提出核子空间投影和广义特征值分解的云数据隐私保护算法。将云数据进行数学化建模,该算法将隐私保护作为数据转换问题进行处理,转换问题分为隐私不敏感任务和隐私敏感任务两类。该算法形成类间散布矩阵,寻找子空间维度来解决特征值分解问题,并对广义特征值排序,得到广义特征向量对应的最大广义特征值;对云数据进行转换,实现数据隐私保护。实验结果表明,该方法能够实现用户隐私保护,并且核广义特征值分解算法优于子空间隐私保护算法,且两种隐私保护算法都优于其他隐私保护方法。     

浅析济源下冶铝土矿厚大矿体成因

通过最新的下冶铝土矿生产勘探资料,发现下冶铝土矿连续存在厚度大于50m的厚大铝土矿矿体,结合矿区地质、见厚大矿体钻孔含矿岩系特征、见厚大矿体钻孔基本分析结果进行比对分析。认为济源下冶铝土矿勘查找矿中厚大矿体成因,一般厚大矿体出现在C2b1层铁质黏土岩沉积比较薄或缺失的地段。     

基于改进YOLO v5的钢轨内部伤损B显图像识别与分类

钢轨正常工作是铁路安全运营的重要保障,开展钢轨损伤检测研究具有重要的意义。钢轨的损坏、裂纹和疲劳可能引发脱轨和事故,威胁乘客和货物的安全。传统的人工钢轨探伤存在判伤时间长、漏报率高等问题。基于改进的YOLO v5目标检测算法,对铁路行业的钢轨超声波B显图像进行伤损识别与分类研究。在YOLO v5网络结构中引入卷积注意力机制模块,基于一种改进的损失评价函数,以提高模型训练的速度和鲁棒性。同时,在样本集构建方面,改进马赛克(Mosaic)数据增强方法,随机粘贴一个或多个样本小目标于另外样本对应出波区形成新样本,扩充B显图像数据集;基于数据迁移技术,将基于第3方钢轨超声波B显样本数据训练得到的模型参数作为模型训练的初始化参数以提升模型泛化性能。对实际标准样轨进行实验,可成功识别全部4类典型钢轨伤损,平均精度均值(mean average precision, mAP)mAP@0.5∶0.95达到了76.9%,验证了研究成果良好的快速性、准确性、鲁棒性和泛化性。     

基于模糊神经模型的语言主观性检测

针对文本主观性分析性能不足问题,本文提出了一种句子级主观情感提取的模糊神经模型。该模型利用不借助词法分析的特征选择方法抽取情感特征,通过对神经网络的输入模糊化操作,从而实现了句子级的主观性检测。通过在多个数据集上的测试表明,该方法具有较高的主观性检测准确率,是一种可靠的情感分析方法,对跨语言的主观性分析有明显意义。     

电力工程（输变电工程）监理方面的研究

随着社会的不断进步,电子技术与信息技术的飞速发展,给我们的生活带来了极大的便利,电力工程技术也在不断的提高着,与人们生活的联系也越来越密切,给人们带来了实实在在的方便。也因为这样的密切关系,电力工程的安全也变的额外重要,正确的管理会使得电力工程技术变得更加安全可靠,只有安全可靠的电力工程技术才能更好的为人们服务。如果提高机组于整个电厂的安全运行性,就能提高整个电厂在电力市场上乃至世界上的竞争力,对电厂进行一些有效地监理措施就显的尤为重要了。下面,本文就对电力工程（输变电工程）监理方面进行的一些研究。     

基于遗传算法改进的洪水预报模型

根据人工神经网络处理大规模非线性动力系统、遗传算法具有较好的寻优能力的特点,将二者有机的结合起来,提出了基于遗传算法改进的洪水预报模型,并将其应用于四川省达州市州河流域的水文预报。实验结果表明,本模型能够减少训练次数,提高预报精度,能更好的对洪水进行预报。     

现代光纤传输通信技术发展与应用

现代光纤传输通信技术是信息通信网络的基础,其承载传输能力成为影响信息通信网络演进和发展的重要因素。文章论述现代光纤传输通信技术传输容量大、传输损耗低、抗干扰能力强、数据保密性强等特点,从波分复用技术、光纤接入技术、新一代高速光纤和全光网络等方面探讨现代光纤传输通信技术发展趋势,分析现代光纤传输技术在计算机通信、数字电视、工业智能控制和医疗诊断等领域的探索与应用。     

基于渗透式人工蜂群与蚁群优化混合的负载平衡算法

针对当前云计算负载平衡调度过程中出现的虚拟机迁移效率低和能耗高问题,提出了一种基于渗透式人工蜂群与蚁群混合优化负载平衡算法,该算法将化学渗透行为与生物启发的负载平衡算法相结合,在充分利用人工蜂群和蚁群两种优化算法优点的同时,将渗透技术应用于负载均衡。由于渗透技术支持通过云基础设施迁移的虚拟机的自动部署,从而克服了现有仿生算法在实现物理机之间负载平衡方面的缺点,提高了迁移效率。实验结果表明,以现有负载平衡算法相比,提出的算法在迁移性能上提升明显。     

协同粒子群优化算法的改进与仿真

传统PSO算法的收敛性能会随求解问题空间维数的增加而下降,根据协同进化原理,通过对传统PSO算法进行协同优化处理,设计一种改进的协同PSO算法。在每次迭代过程中,采用传统PSO算法更新粒子位置和速度,由此产生群体当前的全局最优位置;对所有粒子所经历的最优位置进行降维的协同优化,产生一个参考全局最优解;根据参考全局最优解更新群体当前的全局最优位置。仿真结果表明,该算法可以明显提高收敛速度,在某些问题上可以收敛到全局最优。