关于某些不可约特征标的核和拟核

作者建立下述两个主要结果:(i)令G是有限非Abel群,N G.设n是固定的正整数,Kn(N)≠{1}(其中Kn(N)是N的下中心列的第n+1项),Irr(G|Kn(N))中的每个非线性的monolithic特征标的次数都被p整除,则N是p-幂零的和可解的;(ii)令G是个有限非Abel群,N G.设n是固定的正整数,Kn(N)≠{1},Irr(G|Kn(N))中的每个非线性的monolithic特征标的次数不被p整除,则N有正规Abel的Sylowp-子群.利用这两个结果,作者改进了关于核和拟核及p-闭群的某些结果.     

基于模拟退火与改进粒子群的矿井通风优化算法

建立以矿井通风网络总功率最小为目标的非线性优化数学模型,改进粒子群优化算法实现寻忧.在粒子群算法中引入变异操作,提出了一种新的惯性权重,并构造一种新的粒子选择方法控制违反约束条件的粒子数量,提高粒子群算法寻找边界的能力.将风量平衡定律和风压平衡定律的约束条件转化为目标函数的惩罚项,改进粒子群(Improved Part...     

荀学与现代社会管理

随着时间的延续与社会的推进,中华文明百家争鸣的思想在历史的长河中愈发夺目,历久弥新,并且在传承与发展的过程当中不断发挥着其效用。面对当今社会涌现出的越来越多的社会矛盾与冲突,政策制定者与精英阶层也相应出台或是提炼了一系列的政策、手段以应对。从古代文明中汲取精华来应对现社会的问题,易旧为新成为新的管理政策,这已成为一个重要的思潮。本文将就与社会管理最具联系的荀子思想,追溯现代社会管理与荀学之间的潜在联系。     

基于粒子群算法最优化Verhulst模型的开采残余下沉预测

矿区开采引起的残余下沉稳定时间长、潜在危害大,有必要准确地预测矿区地表的残余下沉。鉴于传统的残余下沉Verhulst模型建模误差大、适用性弱,在建模过程中以数据序列的首个数据保持不变导致预测效果差的缺陷,以直接离散Verhulst模型为基础,引入粒子群算法寻求模型迭代初始值的最优解,建立基于粒子群算法优化的矿区开采残余下沉直接离散Verhulst模型,并以山西阳泉和山东兖州矿区两个时间尺度的地表残余下沉监测数据集进行实例验证,最后利用Matlab App Designer工具实现模型算法的可视化。结果表明：基于粒子群算法优化的直接离散Verhulst模型的矿区开采残余下沉预测精度和稳定性增益明显,所开发的计算工具具有正确性和有效性。     

基于生成对抗网络的气缸套表面缺陷图像生成

针对气缸套缺陷检测中缺陷样本不足限制气缸套缺陷检测性能提升问题,采用基于生成对抗网络的气缸套表面缺陷检测算法.首先,为了保持缺陷图像中原有缺陷位置与特征不变,通过循环生成对抗网络模型学习有缺陷气缸套图像与正常图像的关系;其次,利用学习得到的模型对有缺陷气缸套图像进行风格迁移,即把有缺陷气缸套图像背景替换成无缺陷气缸套图像背景,实现对气缸套缺陷数据集的扩充与增强;最后,通过基于数据增强的RetinaNet网络模型对生成图像的有效性进行验证.试验结果表明,通过生成对抗网络生成的气缸套数据集可以提升缺陷检测性能,进一步证明了生成对抗网络在工业应用的可行性.     

基于区块链的车联网群智感知位置隐私保护方法

针对车联网群智感知位置隐私泄露和用户参与任务公平性的问题,提出了一种基于区块链的车联网群智感知位置隐私保护方法(location privacy protection method based on blockchain and crowdsensing, LPPMBC)。将分布式的区块链引入车联网群智感知位置隐私保护方法中,消除第三方服务平台对参与用户数据的控制;通过保序加密和Geohash编码相结合,为参与工人提供多级别的位置隐私保护,确保参与工人位置隐私的保密性;通过Haversine公式进行感知位置验证,防止工人通过非感知区域数据获得非法奖励,保障感知数据的质量。仿真结果表明,LPPMBC能够更好地权衡感知数据质量与工人隐私保护关系,保障用户参与任务的公平性, 提高用户参与任务的积极性。     

潮流能水轮机阵列水动力与布局优化研究进展

概述了潮流能水轮机阵列的水动力特性,总结了不同横向、纵向间距下水轮机尾流变化的一般规律,梳理了水轮机阵列布局的优化方法,从人工传统优化阵列布局与计算机自动优化阵列布局两方面回顾了水轮机阵列单目标优化与多目标优化的研究进展。人工传统布局结构简单且易于操作,有比较强的工程实践性,但物理试验可限制的约束条件有限,难以模拟阵列在真实海况下的发电情况;自动优化布局相比于人工传统布局更具有现实意义,但依然面临经济模块因素缺乏、多目标内容待完善、理论与实践未统一、前期准备时间较长等诸多挑战。     

基于正则化正交非负矩阵分解的旋转目标检测方法

小样本的旋转目标检测是指在样本数少的情况下进行旋转目标检测模型的训练,深度学习在旋转目标检测领域往往需要庞大的样本数和计算算力。现有的基于机器学习的旋转目标检测方法大多有着对目标尺度和姿态敏感的缺点。因此提出一种基于正则化正交非负矩阵分解的旋转目标检测方法,来解决小样本的旋转目标检测难题。首先,针对样本不具有各种角度的图片,对样本进行旋转后进行背景填充,这样便于更好的表征学习。其次,提出一种基于正则化正交非负矩阵分解算法对旋转样本的梯度直方图特征进行表征学习。最后,为了测试算法在特征学习后的有效性,利用支持向量机对特征提取后的数据进行训练和测试。实验结果表明本文的目标检测方法在多个数据集中可以取得不错的效果。     

基于mRMR-IPSO的短期负荷预测双阶段特征选择

电力负荷具有时空多变的特性,受众多因素的影响,在短期负荷预测中较多的输入特征会造成维度灾难,导致模型预测性能不佳,因此选择合理的输入特征集至关重要。文章提出一种新的短期负荷预测特征选择方法——mRMR-IPSO双阶段法。利用最大相关最小冗余（max-relevance and min-redundancy,mRMR）判据对原始特征进行排序,考虑输入特征与输出特征之间相关性和输入特征间冗余性,筛选掉一些排序靠后的特征,初选出对预测效果影响显著的特征子集;采用基于改进的粒子群优化算法（improved particle swarm optimization,IPSO）的搜索策略,以LightGBM模型的预测精度为适应度函数,对初选特征子集进行精选,得到最优特征子集。算例结果表明,所提方法能在对原始特征集大幅降维的情况下提升预测精度。     

运动无极限 网游精彩体现

近年来,随着网络游戏产业迅速发展,游戏内容细分亦日益加剧,角色扮演、动作、策略、模拟现实、休闲、体育竞技……不同类型的网络游戏精确覆盖了各类目标人群,而作为体育竞技类游戏的典型代表,上海天游软件公司以准确的市场定位结合专业技术、综合管理能力,在短短几年中展现出了强劲的生命力。其成功背后究竟有着怎样的故事和管理理念?本刊专访天游CEO王佶,全面探索其经营秘诀,以飨读者。