基于改进欧几里得聚类的激光雷达障碍物检测

针对传统的欧氏聚类算法无法同时对近处和远处的障碍物点云进行精准检测和分割,容易造成错检和漏检的情况,提出一种欧氏聚类算法的改进方法,可以根据点云与激光雷达之间的距离动态地选择阈值,从而快速且准确地完成聚类.实验表明:该方法能同时对近处和远处的障碍物点云进行快速且准确的聚类.     

“新工科”背景下电子信息类专业工程应用型人才培养模式研究

"新工科"背景下对传统工科专业改造和新兴工科专业建设提出了新的需求.结合IEET工程教育认证的要求,从新专业建设、培养方案制定及课程体系设置、理论和实践教学改革、人才培养模式创新等方面提出了电子信息类专业工程应用型人才培养途径和方法,为培养适合社会发展需求的工程实践能力强、竞争能力强的高素质"新工科"人才提供了思路.     

基于最小二乘法对GM(1.1)模型的研究及应用

针对提高股票未来价格的预测精度,提出区间模糊数的整体GM(1.1)预测模型.利用最优解求解定义方程,得到区间模糊数的预测公式.基于区间模糊数满意度对投资组合选择模型进行优化,得到单目标规划投资选择模型.通过实例分析,给定不同的满意度得到不同的投资组合,证明模型具有一定的柔性.     

毛竹及其变种叶片化学计量与养分重吸收效率

【目的】评价毛竹(Phyllostachys edulis)及其变种叶片养分重吸收效率,旨在揭示主要养分元素的生态适应机制,以期为毛竹及其变种的可持续经营提供科学依据。【方法】以毛竹及其变种[黄槽毛竹(P. edulis cv. Luteosulcata)、花毛竹(P. edulis cv. Tao Kiang)、厚壁毛竹(P. edulis cv. Pachyloen)、金丝毛竹(P. edulis cv. Gracilis)]为研究对象,分析不同竹龄(1、3、5 a)叶片化学计量特征与养分重吸收效率。【结果】毛竹及其变种C、N 含量差异较小,P含量波动性较大。不同竹种相同竹龄立竹间成熟叶和凋落叶C、N、P含量差异性较大,1年生竹种叶片养分含量较高,随着竹龄增加,竹种适应能力逐渐下降。毛竹及其变种相同年龄立竹间、同一变种不同年龄立竹间叶片化学计量比存在一定差异性。1、3、5年生花毛竹叶片N、P重吸收效率较高,年龄对除厚壁毛竹外的其他毛竹及其变种叶片N重吸收效率影响呈现先升后降趋势,而不同年龄毛竹及其变种叶片P重吸收效率波动性较大。【结论】研究区毛竹及其变种生长受P元素的限制,毛竹及其变种随竹龄的增加适应能力有所变化,花毛竹适应性较强,厚壁毛竹则对土壤的依赖性较大。     

基于改进主观贝叶斯方法识别电熔镁炉异常工况

电熔镁炉熔炼过程信息包含大量的不确定性，基于大数据分析的方法难以应用.为准确识别电熔镁炉熔炼过程的异常工况，提出一种基于改进的主观贝叶斯在线规则推理方法.传统的主观贝叶斯方法参数赋值范围过大，针对这一问题，使用映射函数将参数赋值范围缩小到有限区间，以提高方法的实用性.在规则推理时，使用模糊隶属度函数对观察和证据进行模糊匹配，以提高工况识别的鲁棒性和准确率.仿真分析表明该方法可以有效描述规则中的不确定性信息，准确识别电熔镁炉熔炼过程的异常工况.     

一种基于区间值 Pythagorean 三角模糊语言集的多准则决策方法

为提升不确定环境下信息描述的准确性, 提出了区间值勾股三角模糊语言集(interval-valued pythagorean triangular fuzzy linguistic set, IVPTrFLS), 并研究了区间值勾股三角模糊语言变量(IVPTrFL variable, IVPTrFLV)相关的基本理论. 同时, 针对区间值勾股三角模糊语言环境的多准则决策问题, 提出了一种改进的基于区间的组合评价(combinative distance-based assessment, CODAS)方法, 即 IVPTrFL-CODAS 法. 首先, 定义了 IVPTrFLV 的概念、运算法则、Score 函数、Accuracy 函数及距离公式, 提出了区间值勾股三角模糊语言优先加权(IVPTrFL prioritized weighted arithmetic averaging, IVPTrFLPWAA)算子, 并对计算规则及算子性质给予证明; 然后, 通过求解属性权重的相对重要性系数, 建立了基于 IVPTrFLV 的改进 CODAS 方法; 最后, 通过实例对所提出方法的有效性及稳定性进行了验证.     

模糊微分方程的反周期解

主要利用微分包含的方法得到模糊微分方程的反周期解的存在性结果，并给了一个例子说明主要结果的可行性.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

不饱和类卡宾H_2C＝CNaX(X=F,Cl,Br)的密度泛函理论研究

采用密度泛函理论方法,在B3LYP/6-311+G(d,p)水平上研究了不饱和类卡宾H2C=CNa X(X=F,Cl,Br)的结构.结果表明,不饱和类卡宾H2C=CNa X(X=F,Cl,Br)各有2种平衡构型,其中具有三元环结构的构型能量低,是其存在的主要构型.预言了最稳定构型的振动频率和红外强度.计算得到了最稳定构型分子内氢迁移反应的过渡态.讨论了卤原子对不饱和类卡宾H2C=CNa X的影响.