基于拟蒙特卡罗法的电力系统抗震可靠性研究

针对电力系统抗震可靠性评估中蒙特卡罗方法误差收敛相对较慢的特点,将以低偏差序列抽样的拟蒙特卡罗方法应用于可靠性评估中,并结合了在求解传递闭包中能够减少计算量的三角形算法,建立了结合低偏差序列抽样与三角形算法的抗震可靠性计算模型.基于川北地区110 k V发电站与变电站的可靠性分析,分别进行了三种算法下的标准蒙特卡罗方法模拟和Sobol序列拟蒙特卡罗方法模拟.模拟结果表明:在电力系统抗震可靠性求解中,与伪随机数序列相比,Sobol序列的解算结果具有更高的收敛速度.当抽样次数为5 000次时,拟蒙特卡罗(QMC)方法的计算结果为0.6689,误差不超过0.1%,而蒙特卡罗(MC)方法的计算结果为0.6659,误差为0.389%;在相同抽样次数下,三角型算法相对于其他算法具有更高的运算效率,将三角形算法与拟蒙特卡罗方法结合既提高了精确度又提高了运算速度.     

基于B+树索引的动态社会网络差分隐私保护

针对当前社会网络的动态更新速度越来越快,而社会网络中差分隐私保护方法迭代速度慢的问题,提出一种基于B+树索引的动态社会网络差分隐私保护方法.使用B+树索引社会网络图的边,根据差分隐私并行性组合的特点,对B+树的索引数据划分,为数据分配不同的ε并添加拉普拉斯噪声,实现数据隐私后的整体高效用性和局部强保护性;在迭代时利用B+树的高效索引对欲更新的信息快速定位,实现动态社会网络差分隐私保护的快速迭代.实验表明,B+树索引有效提高了动态社会网络差分隐私保护的迭代速度,同时差分隐私的并行性提高了数据的效用性.     

基于智能搜索和特殊划分的人工蜂群算法

人工蜂群算法是一种具有强大搜索能力的全局搜索算法。传统的人工蜂群算法使用雇佣蜂、观察蜂和侦察蜂进行相互合作,每种蜜蜂有不同的分工,但不同类型的蜜蜂之间并没有差别。提出一种通过智能搜索和特殊划分来提升性能的人工蜂群算法。该算法中,不同的雇佣蜂和观察蜂会使用不同的搜索策略来寻找食物来源。该算法放弃了贪婪选择算法且在每次迭代时更新食物来源的位置。因此,该算法能够利用整个蜂群的经验来引导蜜蜂的搜索,通过一系列基准算法的性能分析证明了该算法的有效性。     

施工现场设施布局优化问题的新型启发式算法

施工现场设施布局的合理性直接关系到项目成本等目标的实现.针对涉及设施较多的施工现场布局优化问题,首先将该离散变量优化问题转换为高维空间的随机抽样问题,进而利用过渡马尔可夫链蒙特卡罗方法的思想,提出一种高效的全局优化启发式算法.与针对连续型高维概率密度分布函数进行随机取样的过渡马尔可夫链蒙特卡罗方法相比,本文提出的启发式算法的框架基础需从概率密度分布函数转变为概率分布函数,进而需在马尔可夫链状态点的产生方法上进行修正,以适应离散型变量优化问题的不同特性.通过实例验证,与目前应用较广的遗传算法相比,本文提出的新型启发式算法在全局最优解的获取稳定性上有较大改进.     

考虑估值不确定和搜索成本的预售决策研究

研究了预售环境下,存在消费者估值不确定和消费者搜索成本时,销售商的最优定价和配给决策.建立一个两阶段模型,考虑一个销售商出售单一新产品给若干具有战略行为的消费者,消费者根据自身效用最大化原则选择最佳购买时机,销售商则考虑消费者的战略行为,决策最优的两期价格和预售期配给量.研究结果表明,预售期的配给量取决于单位产品的采购成本.当且仅当单位产品的采购成本介于特定范围内时,销售商应采用预售策略,此时折扣预售策略总是销售商的最佳选择.否则销售商应采用正常销售策略.研究还表明,当消费者的风险成本系数较低时,消费者的搜索成本越高,销售商的预售价格和总利润越低.否则,消费者的搜索成本越高,销售商的预售价格和总利润越高.     

基于图像Bag-of-Words模型的无载体信息隐藏

介绍一种基于bag-of-words（BOW）模型的无载体信息隐藏方法。该方法使用BOW模型提取图像的视觉关键词（visual words,VW）以表达待隐藏的文本信息,从而实现文本信息在图像中的隐藏。首先使用BOW模型提取图像集中每幅图像的VW,构建文本信息的关键词和VW的映射关系库;然后把每幅图像分为若干子图像,统计每一幅子图像的VW频数直方图,选择频数最高的VW表示该子图像;最后根据构建的文本关键词和子图像VW的映射关系库,搜索出与待隐藏文本信息存在映射关系的子图像序列,将含有这些子图像的图像作为含密图像进行传递。实验结果和分析表明,该隐藏算法在抗隐写分析、鲁棒性和安全性方面均有良好的表现。     

基于Android平台的测树系统研究与实现

基于Android系统,探索利用手机摄像头这一非专业装备来测量立木树高和胸径的方法。采用三角函数法和图像分析法对立木的树高、胸径测量方法进行研究,构建树高、胸径测量模型,开发了基于Android的测树系统,实现了设备预设、目标距离计算、立木树高以及胸径计算等功能。经实验验证,使用所开发的测树系统对立木树高、胸径进行测量,测量结果的相对误差均在5%以内,可以应用于实际立木树高、胸径的测量。     

考虑数据不确定性的非均匀挖掘算法

针对高维大数据不确定性的非均匀挖掘问题,提出一种基于不确定频繁模式树的模糊逻辑非均匀数据挖掘算法.首先,在考虑数据不确定性的前提下建立高维数据的区域连接演算(RCC)模型,并基于数据集合组元定义分析不确定数据集合的模糊距离;然后,采用不确定模式树对数据的非均匀特性进行均匀泛化处理,并给出了具体的实现步骤.仿真结果表明:文中方法有效地提升不确定非均匀数据集合在不同支持度情况下的挖掘效率.     

选择性搜索和多深度学习模型融合的目标跟踪

提出一种基于深度学习的多模型(卷积神经网络和卷积深信度网络)融合目标跟踪算法.该算法在提取候选粒子方面,使用选择性搜索和粒子滤波的方法.CVPR2013跟踪评价指标(50个视频序列、30个跟踪算法)验证了:该算法在跟踪中能有效地缓解目标物体由于遮挡、光照变化和尺度变化等因素造成的跟踪丢失情况的发生.