基于二维离散小波的生成图像鉴别方法

针对传统基于神经网络的计算机生成图像鉴别方法中存在鉴别难度大和准确率低的问题, 提出一种采用基于小波变换的计算机生成图像鉴别方法. 首先在进行图像多维小波特征提取时, 通过一次分解二维离散小波变换提取图像小波特征, 根据图像小波特征进行n级小波分解提取图像多维小波特征向量; 然后通过三维变换域波去噪算法（BM3D）提取计算机生成图像噪声特征; 最后采用支持向量机(SVM)分类器对计算机生成图像进行鉴别, 通过SVM分类器对图像多维小波特征和噪声特征进行分类, 以解决两种特征融合形成线性不可分的高维特征问题, 从而实现计算机生成图像的准确鉴别. 实验结果表明, 该方法在鉴别计算机生成图像时具有更高的准确性和稳定性.     

基于改进蜂群算法的井下防爆柴油车多目标优化

为了保障井下煤矿员工健康,响应碳中和号召,提出一种改进后的人工蜂群算法(modify artificial bee colony, Modify-ABC)来降低油耗、减少尾气排放。以5 t和8 t的井下防爆材料车为研究对象,建立防爆柴油机数学模型,提出降低有害气体排放及油耗的多目标优化模型,用Modify-ABC与其他3种算法进行对比,对目标函数进行优化求解。结果表明,Modify-ABC相比于传统蜂群算法,遗传算法和模拟退火算法收敛速度更快更好,使用改进算法后,井下5 t材料车油耗及有害气体排放量减少了25%,8 t材料车油耗及有害气体排放量减少了24.8%。     

基于PCA-RF模型的冲击地压预测

为了提高冲击地压危害预测的准确性,基于主成分分析法和随机森林算法,构建了由主成分分析方法优化的随机森林模型,分析静态冲击地压数据并处理异常值,通过数据标准化处理、计算相关系数矩阵及累计方差贡献率,提取出5个主要特征.利用优化的随机森林模型训练冲击地压数据集,使模型参数不断得到优化.以混淆矩阵中的准确率作为评估指标,将优化的随机森林模型与单一随机森林模型进行比较分析.实验结果表明,优化的随机森林模型比单一随机森林模型具备更好的效果,其准确率达到了88.9%,高于单一的随机森林模型,进而得出结论,即优化的随机森林模型能有效地对冲击地压危害进行预测,通过随机森林优化模型,一定程度上有效缩减冲击地压危害预测的时间.     

基于熵权法的快递企业物流服务质量评价

物流服务质量是快递企业占领物流市场、提升竞争力的关键因素,是快递企业获得利润的源泉。为了使快递企业服务质量达到最优化,本文在对快递企业物流服务现状进行分析的基础上,结合快递企业物流服务质量问卷调查,总结出国内快递企业存在着丢失、损坏、延误、无法提供个性化服务等物流服务质量问题。针对上述问题,利用改进的SERVQUAL模型,并运用熵权法对物流服务质量进行了评价。结果表明,只有不断地提高快递企业的服务质量,增加顾客满意度,才能促进快递企业的长远发展。     

融合启发式搜索的改进极快决策树算法在多规格货物智能混合装载中的应用

针对多规格货物装载效率较低问题,提出了一种融合启发式搜索的改进极快决策树智能装箱算法,该算法首先计算并择优选取样本信息熵,然后构建生成货物装箱决策树模型,最后基于启发式搜索方法对货物装载后的剩余空间进行合并再利用。通过保证决策树每个节点装入货物体积最大,对待装货物进行快速决策。最后,基于七组异构性逐渐增强的货物数据对算法进行仿真实验,结果表明：本算法在保证较高集装箱利用率的情况下实现了快速装箱。     

基于CNN的脑电信号情绪识别模型研究

针对现有深度学习模型在情绪识别方面种类少且准确率低的问题,采集并建立了脑电波信号数据集,提出了一种基于CNN的脑电波的智能多情绪识别模型,利用多层卷积神经网络提取脑电信号情感特征,在批归一化层和激活函数中引入非线性特性,构建了两层全连接神经网络,实现了情绪特征中积极、中性和悲伤的分类。实验结果表明,提出的模型复杂度低且分类准确率达到了81.43%,明显高于SVM、LSTM、VGGNet模型,证明了该模型的简洁性和高效性。     

高校实验室排课系统管理影响因素分析

高校课程编排是实验室教务工作中不可或缺的重要组成部分,也是评判教学顺利与否的标准。基于课表编排的多种约束条件与影响因素,运用主成分分析(PCA)提取影响高校排课系统的关键因子,接着应用结构方程模型(SEM)探究关键影响因子对排课系统的作用路径及关联系数。结果表明:排课过程管理对高校排课系统的影响路径系数最大为0.438,其次是系统管理0.376,基础信息管理0.188,影响程度最小的是排课数据预处理管理,大小为0.066。据此,为提升教学服务质量,减轻实验室教务人员工作压力提供借鉴。     

酒窖环境监测中WSN节点故障诊断研究

传统的酒窖环境监测过程中,主要由人工判断处理无线传感器节点的故障诊断,容易出现节点故障获取困难、判断准确性较差等问题,针对上述问题提出了基于时空马尔可夫随机场的节点故障诊断算法:对酒窖内传感器节点进行平面投影,将时间维上已采集数据的标记场值进行能量函数判断,以空间区域划分均值和方差作为马尔可夫随机场计算依据,进而分析判断节点状态。实验表明该算法在保证运行时间复杂度较低的前提下,有效的检测出故障节点,提升网络可靠性。