基于核函数强化学习的抗干扰频点分配

针对学习未知动态的干扰图样问题，提出一种基于核函数强化学习的雷达与通信抗干扰频点协作算法。与需要获得干扰模式、参数等先验知识的研究相反，所提算法能够利用过去时隙中频点的使用情况来优化抗干扰频点分配策略。首先，通过核函数的强化学习来应对维度诅咒问题。其次，基于近似线性相关性的在线内核稀疏化方法，确保了抗干扰频点分配算法的稀疏性。最后，仿真结果验证了所提算法的有效性。得益于稀疏化码字对于系统动态特性的学习，所提算法与传统基于Q学习的抗干扰频点分配算法相比，收敛时间更短，并且可以快速规避外部未知干扰源的干扰。     

基于数据驱动的社交媒体假新闻预测（英文）

社交媒体的快速发展导致了虚假新闻的广泛传播，这不仅影响了人们的生活，也损害了社交媒体平台的可信度。因此，中文假新闻检测是一项具有挑战性且意义重大的任务。然而，现有的中国社交媒体平台的假新闻数据集数据量相对较少，该领域的数据收集相对陈旧，不能满足进一步研究的要求。考虑到这一背景，本文提出了一个最新的中文微博假新闻数据集，其中包含从微博收集的26320条假新闻数据。此外，还提出了一种基于数据增强的假新闻检测模型，可以有效解决假新闻数据缺乏的问题，提高模型的泛化能力和鲁棒性。对从微博收集的假新闻数据集进行了大量实验，并成功将模型部署在网页上。实验结果证明了所提出的端到端模型在检测社交媒体平台上的虚假新闻方面的有效性。     

毛乌素沙地上空沙尘暴的前向轨迹及其影响范围

基于气象数据、MODIS遥感影像数据和NCEP再分析资料, 利用HYSPLIT模型模拟2000—2019年毛乌素沙地上空不同海拔高度(500, 1000和1500 m)各季节沙尘暴的前向轨迹, 并与遥感影像识别出的沙尘信息进行比较, 识别毛乌素沙地沙尘暴的影响范围。结果显示: 1) 在过去的20年中, 共有143个沙尘暴月和387个沙尘暴日, 并且 2004 年以来, 毛乌素沙地发生沙尘暴的频率逐渐降低; 2) 季节性气候条件对毛乌素沙地沙尘暴的移动路径有很大的影响, 春季沙尘暴发生频率较高, 秋季发生频率最低; 3) 受毛乌素沙地沙尘暴影响的国内地区主要包括陕西省北部、山西省北部、河北省北部和中部、山东省北部和中部、北京市、天津市、内蒙古自治区东部以及东北三省, 国外受影响的地区有朝鲜、日本北部以及俄罗斯与我国交界处, 受影响的海域有渤海、黄海北部和日本海西北部。遥感影像与HYSPLIT模型的比较提供了一种对沙尘运输、扩散和沉积过程进行验证和加深了解的有效工具, 研究结果可以为防灾减灾决策及沙源地治理提供科学的参考依据。     

基于密度自适应深度网络的点云场景语义分割算法

由于传感器噪声干扰，点云密度不均匀，场景复杂多样以及物体之间存在遮挡现象等问题，使得三维点云场景语义分割问题的研究工作极具挑战性。针对三维点云数据采样密度不均匀以及图卷积网络深度有限的问题，提出一种密度自适应的方法。该方法通过多层感知器学习一个权重函数，利用核密度估计学习一个密度函数，对非均匀采样的点云数据进行卷积操作。同时，受深度学习在图像领域的启发，引入残差连接、空洞卷积等结构，训练更深层的点云分割网络。该算法在多个点云分割的标准数据集上取得了优秀的性能。     

基于大数据的重大工程智能群体决策支持系统研究

随着工程建设行业的规模化及国际化发展趋势,重大工程逐渐成为国家发展的重要标志.重大工程的复杂性往往导致决策不确定性并引发管理中的诸多难题.为高效解决重大工程决策主体多元化所带来的信息不对称、决策方案冲突等问题,将智能决策方法融入重大工程群体决策过程中,构建了基于大数据的重大工程智能群体决策支持系统(BD-IGDSS),并通过将BD-IGDSS应用于中泰铁路工程及港珠澳大桥工程,分析该系统在重大工程决策管理中的优势.     

具有物联网功能的安全智能插座设计

介绍了一种以CC2530芯片和HLW8032芯片为核心构成的具有物联网功能的智能插座控制电路设计,智能插座与监控面板模块间按照Zigbee协议实现联网构成智能监控系统;监控面板可以实时显示插座功率、温度、开关状态等信息,可以按照用户要求实现插座的定时通断,智能插座还可以实现过流保护与过热保护等功能。     

一种基于嵌入式的颜色识别转换音阶方法的研究及实现

设计选用STM32作主控芯片,由自带FIFO的OV7725摄像头对颜色进行采集与存储,并由TFTLCD显示屏显示采集到的图像.STM32根据显示屏图像的像素点做颜色统计及分析,将不同颜色转换为相应的指令控制语音芯片输出与该颜色相对应的音阶指令,并通过扬声器播放对应的声乐谱中的Do、Re、Mi、Fa、Sol、La、Xi这几个音阶,同时可通过功放及数字电位器控制扬声器音量大小.设计可应用于幼儿音乐教具制作等相关领域.     

基于机器学习与大数据技术的地球物理测井系统

地球物理测井数据通常来自数值模拟、岩石物理实验、仪器测试、生产实践、测井数据采集、地层综合评价等,但来源不同的数据之间缺乏共享,难以实时获取和应用。为了实现源于测井研究不同领域的各类海量数据互联互通,高效、优质、低成本地解决现场测井技术问题,指导测井仪器设计、测井资料处理与实时评价,以测井大数据和机器学习技术为基础,采用针对不同模型条件下的快速优化算法,建立一个弥补时空差异、知识差异、能实时高效模拟的智能测井系统,通过实例分析了这种智能一体化测井系统的优势和发展趋势。