个性化学习路径推荐综述

近年来，伴随着现代信息技术的迅猛发展，以人工智能为代表的新兴技术在教育领域得到了广泛应用，引发了学习理念和方式的深刻变革.在这种大背景下，在线学习超越了时空的限制，为学习者“随时随地”学习提供了更多的可能性，从而得到了蓬勃发展.然而，在线学习中师生时间、空间分离的特征，导致教师无法及时掌握学生的学习状态，一定程度上制约了在线学习中教学质量的提升.面对多元化的学习需求及海量学习资源，如何迅速完成学习目标、降低学习成本、合理分配学习资源等问题成为限制个人和时代发展的重大问题.然而，传统的“一刀切”的教育模式已经不能满足人们获取知识的需求了，需要一个更高效、更科学的个性化教育模式，以帮助学习者以最小的学习成本最大限度地完成学习目标.基于以上背景，如何自动高效识别学习者特征，高效地组织和分配学习资源，为每一位学习者规划个性化路径，成为面向个体的精准化教育资源匹配机制研究中亟待解决的问题.系统地综述并分析了当前个性化学习路径推荐的研究现状，并从多学科领域的角度分析了对于同一问题的不同研究思路，同时也归纳总结了当前研究中最为主流的核心推荐算法.最后，强调当前研究存在的主要不足之处.     

基于平均飞行航迹的CCO减噪效用研究

近年来，通过优化飞行程序降低机场飞机噪声影响成为机场环境保护的重要研究方向。文章首先建立了基于飞机“噪声-功率-距离”数据的噪声计算模型，介绍了平均飞行航迹以及连续爬升运行(Continuous Climb Opera-tion, CCO)离场程序的相关理论，最后以大型国际机场为实例，使用飞机平均飞行航迹进行噪声预测，运用综合噪声模型计算出噪声影响面积并绘制噪声影响等值线图，比较了CCO离场相对常规的标准仪表离场(Standard Instru-ment Departure, SID)的降噪效果。结果表明，CCO离场程序可有效降低机场噪声影响，在高噪声级影响区域的降噪效果更佳。     

基于K-means和SOM的水下传感器数据采集方法

随着海洋资源勘探和海洋污染物监控工作的开展，水文数据的监测和采集等已经成为重要的研究方向。其中，水下无线传感器网络在水文数据采集过程中起着举足轻重的作用。本文研究的是水下无线传感器二维监测网络模型中，传感器节点数据采集的问题，其设计方法是通过自组织映射（Self-organizing mapping，SOM）对传感器节点进行路径最优化处理，结合优化的路径图形和K-means算法找到路径内部聚合点，利用聚合点和传感器的节点得到传感器通信半径内的数据采集点，最后通过SOM得到水下机器人（Autonomous underwater vehicle，AUV）到各个数据采集点采集数据的最优路径。经过实验验证，在水下1 200 m×1 750 m范围内布置52个传感器节点的情景下，数据采集点相比于传感器节点路径规划采用相同的采集顺序得到的路径优化了6.7%；对数据采集点重新进行自组织路径规划得到的路径比传感器结点路径的最优解提高了12.2%。增加传感器节点的数量，其结果也大致相同，因此采用该方法可以提高水下机器人采集数据的效率。     

车辆高速避让路径跟踪控制策略

建立车辆动力学模型,研究车辆在高速避让工况下的路径跟踪控制策略。基于自抗扰控制设计车辆横摆角速度以及道路曲率2种不同的路径跟踪控制器;设计基于车辆偏航位移和偏航角度加权的线性二次最优控制器;对3种控制器控制效果进行仿真验证,分析路径跟踪侧向位移误差、侧向加速度、前轮转向角以及偏航角度变化。越野车实车测试结果表明,路径跟踪控制策略正确。     

新型树启发式搜索算法的机器人路径规划

面对三维空间移动机器人从起始点到终止点的最短路径问题,提出一种新型的边缘点树启发式搜索(TreeEP)算法,该方法将地图空间进行密度可调的三维离散化处理,根据障碍安全距离筛选出障碍物的可靠边缘点信息,再利用树扩散架构选出最能引导搜索方向的潜力点进行扩散搜索,最终得出最短路径。提出局部调整策略,得到改进的Tree-EP算法。实验结果表明,在带障碍复杂地形最短路径搜索应用中,提出的Tree-EP算法与已有方法相比,能找到更短的移动路径。     

基于多尺度的贝叶斯模型显著性检测

针对传统基于贝叶斯模型的显著性检测算法存在准确率不理想的问题,提出了一种基于多尺度的贝叶斯模型显著性检测算法。通过超像素分割算法(SLIC)将原图分割成不同尺度的超像素,根据超像素边界信息得到背景种子,进而通过距离计算和多尺度融合得到背景先验;对原图进行颜色增强,采用Harris算子对增强图进行检测角点求得凸包,融合不同尺度下的超像素得到凸包先验;融合背景先验和凸包先验得到最终先验;利用颜色直方图和凸包计算似然概率;将最终先验和似然概率通过贝叶斯模型计算显著图。在公开数据集MSRA1000、ECSSD上与多种传统算法进行准确率和召回率对比,该算法有更好的表现。     

基于混合蚁群算法的异质车队低碳VRP研究

针对货运车辆在配送调度过程中产生大量碳排放的问题，建立模型将多种影响碳排放量的因素协同优化。模型中考虑了不同载重量的异质车队，两个节点之间有多条道路的柔性路径，以及车辆重量随卸货而减少的动态负载等因素，以碳排放量、行驶时间和行驶路程为优化目标，并加入了节点需求时间窗、根据速度变化划分路段、交接和卸货时间的约束。提出了一种混合蚁群算法，利用蚁群算法信息素强度更新方式保持群体记忆性，利用粒子群算法的快速收敛特性增加计算效率。通过随机数值算例的仿真优化与对比分析，验证了算法和模型的有效性。     

Smart work packaging-enabled constraint-free path re-planning for tower crane in prefabricated products assembly process

Lack of constraint-free crane path planning is one of the critical concerns in the dynamic on-site assembly process of prefabrication housing production (PHP). For decades, researchers and practitioners have endeavored to improve both the efficiency and safety of crane path planning from either static environment or re-planning the path when colliding with constraints or periodically updating the path in the dynamic environment. However, there is a lack of approach related to the in-depth exploration of the nature of dynamic constraints so as to assist the crane operators in making adaptive path re-planning decisions by categorizing and prioritizing constraints. To address this issue, this study develops the smart work packaging (SWP)-enabled constraints optimization service. This service embraces the core characteristics of SWP, including adaptivity, sociability, and autonomy to achieve autonomous initial path planning, networked constraints classification, and adaptive decisions on path re-planning. This service is simulated and verified in the BIM environment, and it is found that SWP-enabled constraints optimization service can generate the constraint-free path when it is necessary.     

提升生活排水系统卫生安全性能的关键问题

新冠肺炎确诊患者粪便病毒检测呈阳性,意味着新冠病毒可能会通过气溶胶的方式进行传播,使得生活排水系统的卫生安全问题时隔17年后再次摆在人们面前。以保障人的健康为出发点,从基础研究、排水机理、系统设计、施工监管、维护管理等多方面提出了提升生活排水系统卫生安全性能的关键问题,以期从全生命周期内切断排水系统可能传播病毒的隐形途径,切实保障居民居家健康。     

Convolutional neural network with adaptive inferential framework for skeleton-based action recognition

In the task of skeleton-based action recognition, CNN-based methods represent the skeleton data as a pseudo image for processing. However, it still remains as a critical issue of how to construct the pseudo image to model the spatial dependencies of the skeletal data. To address this issue, we propose a novel convolutional neural network with adaptive inferential framework (AIF-CNN) to exploit the dependencies among the skeleton joints. We particularly investigate several initialization strategies to make the AIF effective with each strategy introducing the different prior knowledge. Extensive experiments on the dataset of NTU RGB+D and Kinetics-Skeleton demonstrate that the performance is improved significantly by integrating the different prior information. The source code is available at: https://github.com/hhe-distance/AIF-CNN.