基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

基于蓝牙的多功能台灯控制系统设计

针对台灯的个性化和智能化，设计了一套基于蓝牙的多功能台灯控制系统.首先用光敏传感器检测光照强度，用红外感应传感器检测是否有人，用超声波传感器检测使用者与台灯之间的距离，然后将这些检测信号传输到单片机，单片机将信号与设定值进行对比分析，再判断台灯的开/关状态，调节灯光亮度，对使用者的坐姿和使用时间作出语音提醒等.同时，相应参数实时显示在OLED屏和蓝牙终端，使用者通过蓝牙终端可以对台灯进行控制.与蓝牙的联机测试结果显示，系统功能强大，运行稳定.     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

考虑外委的露天矿剥岩计划的优化研究

针对“剥岩高峰”对矿山生产带来的不利影响，研究了设备配置更新策略与露天开采外委剥离的优化问题.基于铲运设备的运营成本与生产能力随设备役龄变化的关系，建立了决策单台设备退役时间的动态经济寿命计算模型，并根据此模型给出了具体的设备配置算法步骤.设置一系列不同的矿山自剥离量与外委剥离量的分界水平，计算各分界水平条件下的外委单价可行区间，然后在区间内确定外委商谈价格并分析得出与之对应的总成本净现值最低的外委方案.实例计算证明，采用该方法减少设备投资的成本要高于外委岩石剥离成本.     

S12交换机EC7.4版用户分组

从源的分析、字冠分析、任务单元定义3个方面,阐述了S12交换机EC7.4版的用户分组问题。     

县域景观特征管理单元划分方法——以武胜县为例

为了解决目前国内景观特征研究多以大尺度为主且以自然条件为基础, 缺少实际管理意义的问题, 尝试从县域层面进行景观特征单元的划分, 并与现有行政管理单元相结合, 提出发展建议。依据武胜县30 m高程、坡度和土地利用数据, 将武胜县域划分为100 m×100 m的栅格网络, 利用 ArcGIS和SPSS进行二阶聚类分析。结果显示, 武胜县可以划分为7类景观特征管理单元, 单元内部自然地理特征相似, 组间差异显著。将武胜县按聚类结果划分为较单一镇域、较单一村域和较复杂村域 3 种不同的管理模式, 并分析较复杂村域的成因, 提出管理策略。最后, 从景观特征保护出发, 对武胜县 7 处建成区提出规划管理建议。     

单位球上含梯度项的椭圆边值问题径向解的存在性与唯一性

用Schauder不动点定理, 讨论单位球Ω={x∈R^N: |x|<1}上含梯度项的椭圆边值问题径向解的存在性与唯一性,  其中N≥2, f:[0,1]×R×R⁺→R连续. 在允许非线性项f(r,ξ,η)关于ξ,η超线性增长的情形下, 获得了该问题径向解及正径向解的存在性结果. 此外，还讨论该问题径向解的唯一性.     

基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。     

扩容器选择数学模型建立及仿真实现

为了解决手工设计时,工作效率低、无法保证发电机组的安全和经济运行等问题,建立了扩容器选择数学模型,并采用Visual Basic 6.0开发扩容器选择计算机系统. 在系统中使用ActiveX数据对象通过OLE DB Provider访问数据库服务器中的数据,具有对基础数据的管理功能. 利用扩容器选择计算机系统可以做到操作简单,减少人为造成的误差,提高设计效率.     

基于MCMC算法的贝叶斯面板单位根检验

针对面板单位根检验存在检验势不稳定和原假设设置主观选择的问题,提出基于面板数据分位自回归模型,选择非对称Laplace分布的似然函数对模型进行贝叶斯分位回归分析.结合参数的完全条件分布设计MCMC抽样算法,进行贝叶斯分位单位根检验,并利用Monte Carlo模拟实验研究了贝叶斯分位单位根检验的有效性与可行性.研究结果表明,基于面板数据分位自回归模型的贝叶斯单位根检验方法解决了检验势不稳定以及原假设主观设置的问题,能够给出更全面稳健的单位根检验判断.